مقدمة مجموعة البيانات

Nemotron-SFT-SWE-v2 هي مجموعة بيانات لضبط تعليمات هندسة البرمجيات، مصممة لتحسين قدرات نماذج اللغة الكبيرة في مهام SWE-Bench. تحتوي هذه المجموعة على مسارات الوكلاء التي جُمعت باستخدام إطار عمل OpenHands، بالإضافة إلى مجموعات فرعية من SWE بدون وكلاء لمهام فرعية مثل تحديد موقع الكود، وإصلاح الكود، وتوليد الاختبارات. تُعدّ هذه المجموعة من البيانات مناسبة للاستخدام التجاري، وتستهدف بشكل أساسي مهندسي برامج الماجستير في القانون وفرق البحث التي تعمل على تطوير وكلاء هندسة برمجيات مستقلين ومساعدين برمجيين. وهي مناسبة للضبط الدقيق الخاضع للإشراف وتقطير النماذج، مما يساعد النماذج على فهم المشكلات الواقعية، وتخطيط استخدام الأدوات متعددة الخطوات، والتنقل بين قواعد البيانات البرمجية، وتنفيذ الإصلاحات في بيئة مشابهة لبيئة SWE-Bench.

تكوين مجموعة البيانات

مجموعة فرعية

تحتوي مجموعة البيانات على مجموعتين فرعيتين: – مسار SWE للعامل الذكيتم جمع ما يقارب 46 ألف مسار لوكلاء باستخدام إطار عمل OpenHands. وتم توليف هذه المسارات باستخدام Qwen3-Coder-480B-A35B-Instruct، ثم جرى تنقيحها بعناية لضبطها بدقة تحت الإشراف بهدف تحسين أداء النموذج في مهمة SWE-Bench. وقد استُمدت صياغة المسألة من SWE-Gym وR2E-Gym-Subset. – السويد بدون وكيلضبط البيانات تحت الإشراف لمهام هندسة البرمجيات الفرعية التي لا تتطلب وكيلًا، وذلك بأسلوب SWE-Bench، بما في ذلك تحديد موقع الكود، وإصلاحه، وإنشاء الاختبارات. يتضمن كل مثال مخرجات خاصة بالمهمة، مثل قائمة مرتبة بالملفات المحددة، والتصحيحات المُصلحة، وإمكانية تكرار إنشاء الاختبارات، واختبارات الوحدة.

تحديد كمية البيانات

تنسيق البيانات

الوسيلة: نص التنسيق: JSONL البنية: نص + بيانات وصفية

رخصة

تخضع هذه المجموعة من البيانات لترخيص Creative Commons Attribution 4.0 International (CC-BY 4.0). وتشمل التراخيص الأخرى Apache 2.0 وMIT وBSD-3-Clause وBSD-2-Clause.