مجموعة بيانات ما بعد التدريب Nemotron-Post-Training-Dataset-v2 هي نسخة أطلقتها NVIDIA عام 2025، وتستند إلى مجموعة بيانات ما بعد التدريب الحالية. تُوسّع هذه المجموعة بيانات SFT وRL لتشمل خمس لغات مستهدفة (الإسبانية/الفرنسية/الألمانية/الإيطالية/اليابانية)، وتغطي الرياضيات، والبرمجة، والعلوم والتكنولوجيا والهندسة والرياضيات (STEM)، والحوار، وغيرها من السيناريوهات، وتُستخدم لتحسين قدرات الاستدلال واتباع التعليمات في النموذج؛ كما توفر وظائف تصفية قائمة على البيانات الوصفية وأمثلة نموذجية لمجموعات فرعية. تخدم هذه المجموعة أبحاث الإصدار والتوافق لسلسلة Nemotron-Nano-9B-v2، وهي إحدى مجموعات بيانات ما بعد التدريب العامة، مما يُسهّل على المستخدمين إعادة إنتاج التجارب وتحسينها بشكل أكبر. نتائج البحث ذات الصلة هي:NVIDIA Nemotron Nano 2: نموذج استدلالي دقيق وفعال لمحول مامبا الهجين".

عينات قابلة للفحصموزعةمع البيانات الوصفية:

• تنزيل الفلتر: يدعم الفلترة السريعة والتنزيل حسب البيانات الوصفية مثل الفئة/اللغة/نموذج المصدر
• الفئة والحجم (القيمة): الرياضيات (239,467)؛ الكود (175,000)؛ الجذع (355,000)؛ الدردشة (627,720)
• تغطية متعددة اللغات: ja, de, it, es, fr
• المصدر: تم تصنيعه من نماذج كبيرة متعددة (مثل DeepSeek-R1-0528، وسلسلة Qwen 2.5/3، وما إلى ذلك)
• تنسيق الشرح: بعض العينات تقدم إجابتين: "الاستدلال أو إيقافه"؛ ويكون أثر الاستدلال باللغة الإنجليزية