NVIDIA、日本語AI開発向けの合成データセット2種を公開　金融ペルソナと個人情報検出用

NVIDIA は11月10日、東京で開いたイベント「NVIDIA Agentic AI Day Japan 2026」で、日本語AIの開発を支える合成データセット（人工的に作った学習用データ）2種を紹介しました。どちらも Hugging Face で公開しています。

• 「Nemotron-Personas-Finance-Japan」：日本の人口統計などに沿った人物像（ペルソナ）集の金融版です。収入、世帯、資産に加えて、お金への考え方や心配事などの属性を持ち、数は900万件です。東大松尾研発の Elith と共同で開発し、損保ジャパン、東京海上、みずほなどが協力しました
• 「Nemotron-PII-Japan」：個人情報（PII）を含む日本語の文書を想定した10万件の合成データです。医療、金融、行政など8分野、43種類の文書、56種類のラベルに対応します

PII版は実在の個人情報を使わず、どこにどの種類の個人情報があるかの正解ラベルが付いているため、個人情報を見つけて隠すモデルの学習や評価に使えます。