NVIDIA开源NeMo Data Designer：多模态合成数据生成框架发布

摘要：NVIDIA近日在arXiv上发布了NeMo Data Designer (NDD)，一个开源的多模态合成数据生成（SDG）框架。该框架采用声明式配置格式，支持文本、代码、结构化输出、图像、嵌入向量等多种数据类型，并通过插件系统扩展功能。NDD的核心特性包括可配置的迭代生成流程、依赖解析和模型调用调度机制，旨在提升数据集生成效率与可复现性。NDD已应用于Nemotron模型开发和企业级部署中，展示了其在多领域任务中的潜力。

---

NVIDIA发布NeMo Data Designer：多模态合成数据生成的新利器

NVIDIA近日在arXiv上发布了NeMo Data Designer (NDD)，一个开源的多模态合成数据生成（SDG）框架。该框架的主要特点包括：

• 声明式配置格式：用户可以通过声明式配置定义数据集的每一列，支持文本、代码、结构化输出、图像、嵌入向量等多种数据类型。
• 插件系统：框架支持通过插件系统扩展功能，用户可以添加新的列类型和功能。
• 可配置迭代生成流程：NDD集成了预览-and-revision循环，允许用户生成少量样本、调整配置并重新生成大规模数据集。
• 依赖解析与调度机制：在运行时，NDD解析依赖关系、调度用户提供的模型端点调用，并重试失败的请求。

NDD的设计目标是通过简化合成数据生成流程，提升数据集生成效率与可复现性。其应用场景广泛，包括结构化任务、代理任务、多模态任务以及领域特定任务。例如，NDD已被用于Nemotron模型开发和企业级部署中，展示了其在实际应用中的强大能力。

技术亮点解析

1. 多模态数据支持：NDD支持多种数据类型，能够满足不同领域对合成数据的需求。
2. 插件系统：通过插件系统，用户可以灵活扩展框架功能，适应特定任务的需求。
3. 迭代生成流程：内置的迭代生成流程允许用户快速迭代和优化数据集生成配置。
4. 依赖解析与调度：NDD能够有效管理依赖关系和模型调用，确保生成过程的顺利进行。

行业影响与开发者建议

NDD的发布为多模态合成数据生成领域提供了新的工具和方法，尤其在AI模型训练、数据增强和仿真场景中具有重要应用价值。对于开发者而言，NDD的开放性和灵活性使其成为一个强大的工具，可以帮助他们快速生成高质量的合成数据集。此外，NDD的应用案例表明，它不仅适用于学术研究，还能在企业级应用中发挥重要作用。

未来展望

随着多模态AI模型的发展，合成数据生成的需求将不断增加。NDD的发布为这一领域提供了新的可能性，未来可以进一步扩展其功能，例如支持更多数据类型、集成更强大的模型以及优化生成效率。

---

消息来源：ArXiv AI (cs.AI) (2026-09-17)

—— 完 ——

主题标签： #NVIDIA #NeMo #开源框架 #多模态数据 #合成数据生成