FPT và NVIDIA mở rộng gấp 10 lần bộ dữ liệu Nemotron-Personas-Vietnam

FPT và NVIDIA vừa công bố việc mở rộng gấp 10 lần bộ dữ liệu Nemotron-Personas-Vietnam, nâng tổng số lượng lên 1 triệu chân dung người dùng tổng hợp phục vụ cộng đồng công nghệ.

Quy mô và phương pháp xây dựng bộ dữ liệu

Phiên bản mới bao gồm 1 triệu chân dung, mang đến nền tảng lớn và có tính đại diện cao hơn cho các nhà phát triển, nhà nghiên cứu cũng như doanh nghiệp. Dự án này được FPT khởi động lần đầu vào tháng 6/2026 với sự hợp tác từ NVIDIA. Dữ liệu được xây dựng dựa trên các số liệu thống kê chính thức của Tổng cục Thống kê, bao gồm Tổng điều tra dân số và nhà ở năm 2024, Khảo sát mức sống dân cư (VHLSS) 2024, kết hợp cùng nguồn tin từ FPT Smart Cloud và Viện Quantum AI & Cyber Security.

Mỗi chân dung người dùng được mô tả chi tiết thông qua 21 trường dữ liệu, bao gồm 6 trường thông tin cá nhân và 15 trường bối cảnh nhân khẩu học. Bộ dữ liệu tích hợp 13.000 tổ hợp họ tên đầy đủ độc nhất cùng 20 nhóm nghề nghiệp khác nhau lấy từ dữ liệu khảo sát lao động. Phương pháp luận Nemotron-Personas của NVIDIA được áp dụng, kết hợp dữ liệu thống kê thực tế và các mô hình ngôn ngữ lớn trọng số mở để tạo ra những mô tả chân thực mà không vi phạm thông tin định danh cá nhân (PII).

Ứng dụng thực tiễn trong việc phát triển Agentic AI

Việc nâng quy mô lên 1 triệu chân dung trên toàn quốc giúp khắc phục các hạn chế về mẫu dữ liệu cục bộ ở phiên bản trước. Các nhà phát triển có thể dễ dàng phân tích, huấn luyện và kiểm thử mô hình cho các nhóm người dùng cụ thể như người cao tuổi tại Thành phố Hồ Chí Minh, nông hộ ở Đồng bằng sông Cửu Long hay kỹ sư tại Đà Nẵng. Sự đa dạng này giúp giảm thiểu tình trạng mô hình phụ thuộc vào các khuôn mẫu lặp lại khi xử lý dữ liệu tổng hợp.

Sự mở rộng này tạo tiền đề vững chắc cho làn sóng Agentic AI, nơi các hệ thống không chỉ phản hồi thông tin mà còn có khả năng suy luận và hành động phù hợp với từng nhóm đối tượng cụ thể. Trong lĩnh vực dịch vụ khách hàng, tài chính, y tế hay dịch vụ công, doanh nghiệp có thể sử dụng các persona đa dạng để điều chỉnh giọng điệu, kiểm thử đối kháng, đánh giá tính công bằng và xây dựng các trợ lý ảo chuyên biệt mà không cần dùng đến dữ liệu thực tế của khách hàng.

Cam kết dài hạn với nền tảng AI có chủ quyền

Việc tiếp tục đầu tư vào Nemotron-Personas-Vietnam khẳng định cam kết dài hạn của FPT và NVIDIA trong việc cung cấp nguồn lực phát triển công nghệ cho cộng đồng. Trong bối cảnh Việt Nam đẩy mạnh chuyển đổi số với mục tiêu kinh tế số đạt khoảng 30% GDP vào năm 2030, nhu cầu kiểm thử và cá nhân hóa dịch vụ bằng dữ liệu thực tế tại các ngành trọng điểm ngày càng cấp thiết. Bộ dữ liệu này đóng vai trò là lớp nền tảng quan trọng giúp thúc đẩy hệ sinh thái AI có chủ quyền, dựa trên chính đặc điểm dân số, ngôn ngữ và giá trị văn hóa của Việt Nam.

Hiện tại, toàn bộ bộ dữ liệu Nemotron-Personas-Vietnam đã được phát hành miễn phí trên nền tảng Hugging Face theo giấy phép sử dụng linh hoạt, tương thích tốt với các thư viện NVIDIA NeMo.