NVIDIA lança datasets para ajustar IA em 12 países com personas sintéticas

Personas sintéticas corrigem respostas regionais

O Nemotron-Personas-France e o Nemotron-Personas-Belgium criam moradores sintéticos baseados em dados demográficos, geográficos e culturais oficiais de cada país. Cada persona tem idade, comuna, profissão e perfil de vida extraídos de censos locais. A NVIDIA explica que isso molda o que a pessoa pergunta e como pergunta, alterando até a resposta correta: na Guiana Francesa, o custo de um carimbo de passaporte é €43, enquanto na França continental é €86.

O workflow usa essas personas com um contrato de comportamento e textos de procedimentos oficiais para gerar conversas sintéticas. Depois, fine-tuna o Nemotron 3.5 Lightning com LoRA no NVIDIA NeMo, mescla o adapter e avalia contra um conjunto de teste congelado. O repositório da NVIDIA fornece passos reutilizáveis para geração de dados, treinamento e avaliação, além de habilidades de agente que ajudam a montar o fluxo.

A francesa Pleias aplicou os datasets da França e Bélgica no assistente Lamina para cuidados com a coluna. O objetivo foi expandir a cobertura além de casos reais limitados de pacientes e testar perfis diversos. A NVIDIA diz que o mesmo processo funciona para qualquer mercado do programa: basta trocar o dataset de personas, atualizar o contrato de comportamento e os avaliadores.

Requisitos e disponibilidade

Os datasets e o workflow estão disponíveis no repositório Nemotron da NVIDIA. Os modelos e datasets abertos também estão no Hugging Face. A NVIDIA oferece uma calculadora para estimar necessidades de GPU, tempo de treinamento e custos para customizar modelos Nemotron. O programa Nemotron já inclui personas para 12 países, mas o anúncio não lista quais.

O fine-tuning exige hardware com GPU, já que o LoRA e o treinamento não rodam em CPU. A avaliação usa um conjunto de teste congelado, o que limita a comparação com modelos não ajustados. A NVIDIA não publicou benchmarks comparativos entre o Nemotron 3.5 Lightning com e sem fine-tuning regional.

A empresa posiciona o recurso como forma de dar aos países e indústrias controle sobre como seus agentes refletem prioridades locais. A abordagem usa dados sintéticos para evitar coleta de informações reais de usuários, um ponto destacado na publicação. A NVIDIA não informou quando os datasets para os outros 10 países serão lançados.