nvidia/Nemotron-PII

数据集简介

NVIDIA Nemotron-PII 是一个由 NVIDIA 发布的文本数据集，主要用于训练和评估大型语言模型（LLM）。该数据集的核心功能是处理个人身份信息（PII），旨在帮助模型学习识别、处理或保护敏感的个人数据。

主要用途

• 模型训练：用于训练能够理解和处理个人身份信息的语言模型。
• 隐私保护研究：支持开发在文本中识别和匿名化 PII 的技术。
• 基准测试：可作为评估模型在隐私相关任务上性能的基准数据集。

数据类型与规模

• 模态：纯文本。
• 规模：包含 20 万行数据。
• 格式：数据以 Parquet 格式存储，便于高效处理和分析。

使用场景

适用于自然语言处理（NLP）领域的研究人员和开发者，特别是那些专注于数据隐私、文本匿名化、合规性检查以及需要模型理解敏感信息上下文的应用开发。