NVIDIA发布Nemotron-SFT-SWE-v2数据集,应用在软件工程、指令调优领域

NVIDIA本次发布的数据集Nemotron-SFT-SWE-v2,Nemotron-SWE-v2 是一个专为提升大型语言模型在软件工程任务（SWE-Bench 风格任务）上的性能而设计的指令调优数据集。该数据集包含通过 OpenHands 框架收集的代理轨迹和针对特定子任务（如代码定位、代码修复和测试生成）的无代理 SWE 子集。数据集总规模约为 256,254 个样本，存储量约为 17GB，采用 JSONL 格式。数据集适用于构建自主软件工程代理和代码辅助工具的 LLM 工程师和研究团队，可用于监督微调、模型蒸馏以及代理策略的基准测试和调试。数据集采用混合自动化和合成方法收集和标注，包含文本和元数据。许可证包括 Creative Commons Attribution 4.0 International (CC-BY 4.0)、Apache 2.0、MIT、BSD-3 和 BSD-2。

查看Nemotron-SFT-SWE-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。