Датасет · nvidia
1 млн синтетических персон США
nvidia/Nemotron-Personas-USA
Около 1 млн текстовых описаний персон США, сгенерированных для обучения и оценки LLM.
Что внутри
Nemotron-Personas-USA — англоязычный датасет персон, построенных с опорой на реальные распределения. В версии v1.1 около 1 млн записей и 0,94 млрд токенов; для генерации использована модель openai/gpt-oss-120b вместо Mixtral-8x22B. Данные предназначены для text-generation.
Что можно сделать
- Обучить модель генерации текстов от лица разных персон
- Проверить разнообразие и устойчивость LLM на синтетических профилях
- Дополнить SFT синтетическими персональными контекстами
- Задачи
- Генерация текста
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 5,3 тыс.
- Лайков
- 378
Как загрузить
from datasets import load_dataset
ds = load_dataset("nvidia/Nemotron-Personas-USA")