作为全球最具影响力的开放AI数据集建设机构之一，LAION eV此前推出的LAION-5B等多模态数据集已成为Stable Diffusion等生成式AI模型的核心训练底座，在全球AI开源社区拥有极高的认可度。近年来，随着大模型强化学习、自主智能体（Agent）技术进入落地攻坚期，指令跟随能力的稳定性、对抗性环境下的鲁棒性、可验证奖励机制的可靠性，已成为行业公认的技术攻坚难点，专用训练测试数据集的缺口持续扩大。本次LAION eV发布的nemotron-gym-instruction-following-adversarial-v2数据集，正是瞄准这一行业需求推出的垂直领域专用数据集。
该数据集是nvidia/Nemotron-RL-Instruction-Following-Adversarial-v1数据集的Harbor格式转换版本，标识为laion/nemotron-gym-instruction-following-adversarial-v2，属于强化学习任务范畴，专注于指令跟随和对抗性环境测试，并支持基于大语言模型作为评判者的可验证奖励机制。数据集样本规模在1000到10000个之间，覆盖英语场景，采用CC-BY-4.0开源许可证，研究人员与产业开发者可免费使用、修改与二次分发。
本次发布的v2版本核心价值在于修复了原始v1版本的致命可用性问题：v1版本中，由于LLM-judge验证器在沙盒容器中运行时缺少必要的API密钥凭据（如OPENAI_API_KEY），导致所有验证调用完全失败，奖励值被默认设置为0.0，直接造成任务解决率为0%，完全无法支撑正常的训练与测试工作。v2版本通过在task.toml配置文件中添加[verifier.env]配置块，确保Harbor能够将主机环境中的OPENAI_API_KEY（以及可选的JUDGE_MODEL参数）正确传递到验证器容器内部，彻底恢复了奖励验证的核心功能，让数据集可用性从0提升至可落地使用的标准。该数据集由OpenThoughts-Agent项目中的data/nemotron_gym适配器生成。
从应用场景来看，该数据集可广泛支撑多类AI研发需求：一是可用于大语言模型RLHF/RLAIF训练阶段的指令跟随能力评测，尤其是复杂多轮指令、歧义指令的完成度验证；二是可用于自主智能体在对抗性环境下的鲁棒性测试，模拟对抗性prompt注入、干扰信息存在的真实场景，验证智能体是否能准确遵循用户指令完成任务；三是可用于可验证奖励机制的前沿研究，研究人员可基于该数据集测试不同LLM-judge的评判一致性、准确率，优化自动奖励模型的构建逻辑；四是可作为通用基准，支撑强化学习训练框架的兼容性测试与功能验证。该数据集的发布也将进一步降低相关领域的研发门槛，推动强化学习指令跟随技术的标准化迭代，为大模型、智能体的落地应用提供更可靠的测试基准。
查看nemotron-gym-instruction-following-adversarial-v2
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)