NVIDIA выпускает Nemotron-Personas-India: первый открытый синтетический датасет для суверенного ИИ

NVIDIA представила Nemotron-Personas-India — первый открытый синтетический датасет индийских персон, созданный для адаптации языковых моделей под многоязычную и культурную специфику Индии. Набор данных полностью свободен от персональных данных реальных людей (отсутствие рисков деанонимизации) и спроектирован с учетом демографических и географических реалий региона по данным переписи населения. Датасет собран с помощью микросервиса NeMo Data Designer на базе продвинутых пайплайнов генерации (включая Jinja-шаблоны и Pydantic-валидацию) и лицензирован под CC BY 4.0. Основные технологические особенности релиза: - Суверенный ИИ и локализация: Решение закрывает разрыв между западными датасетами и реалиями многоязычного рынка Индии (более 700 млн пользователей интернета). - Готовый пайплайн: Датасет идеально ложится на дообучение (fine-tuning) открытых LLM и моделей серии Nemotron для создания локальных чат-ботов и ассистентов. - Связка с бенчмарками: Новинка дополняет ранее вышедшие оценочные датасеты для хинди (ChatRAG-Hi, IFEval-Hi, MT-Bench-Hi, GSM8K-Hi, BFCL-Hi), обеспечивая полный цикл от синтеза данных до строгого тестирования моделей. 💡 Где захостить и как запустить: Рассчитать точный VRAM под кванты этой модели, скорость генерации (токенов/сек) и выбрать подходящий сервер с GPU можно у нас на ServerSales в калькуляторе AI-моделей (/ai) или каталоге GPU (/gpu).