NVIDIA发布Nemotron-SFT-Competitive-Programming-v2数据集,应用在编程、推理领域

NVIDIA本次发布的数据集Nemotron-SFT-Competitive-Programming-v2,Nemotron-Competitive-Programming-v2 是一个大规模合成的编程和推理数据集，旨在提升大型语言模型（LLM）在具有挑战性的编程和系统任务上的表现。该数据集结合了Python和C++的独特竞赛编程题目样本，并包含来自Exercism的编程语言练习子集以及Text-to-SQL任务样本。数据集适用于商业用途，包含三个主要子集：竞赛编程（Python和C++共约669k样本）、Exercism Python练习（40k样本）和Text-to-SQL（96.5k样本），总计约845k样本。数据集格式为JSONL，总存储量约91GB。该数据集适用于代码补全、代码审查以及企业级SQL代理的微调任务。

查看Nemotron-SFT-Competitive-Programming-v2

关于NVIDIA,英伟达是一家专注于图形处理器开发的全球知名技术公司。

关于HuggingFace,Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的开发与分享。它提供了丰富的资源，包括超过100万个模型、25万个数据集和40万个应用程序，支持文本、图像、视频、音频和3D等多种模态。此外，平台还提供企业级解决方案和开源工具，如Transformers、Diffusers等，以加速机器学习的研究和应用。