К содержимому

Датасет · nvidia

Синтетические персоны Индии с реальной демографией

nvidia/Nemotron-Personas-India

От 1 до 10 млн синтетических профилей жителей Индии на английском и хинди для генерации данных и ролевых моделей.

Что внутри

Открытый датасет (лицензия CC BY 4.0) от NVIDIA содержит от 1 до 10 миллионов сгенерированных персон, включающих текстовые данные и изображения. Профили созданы с опорой на реальные демографические, географические и психологические распределения населения Индии. Языки датасета — английский и хинди.

Что можно сделать

  • Генерация разнообразных синтетических диалогов и инструкций для SFT
  • Обучение ролевых моделей и чат-ботов с учётом культурного контекста Индии
  • Симуляция пользовательского поведения и мультиагентные среды
Задачи
Генерация текста
Языки
Английский, Хинди
Размер
1M–10M записей
Скачиваний за месяц
2 тыс.
Лайков
59

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("nvidia/Nemotron-Personas-India")