Nemotron-Science-v1 هي مجموعة بيانات علمية للاستدلال تم إصدارها بواسطة NVIDIA في عام 2025، وتهدف إلى تعزيز قدرات نماذج اللغة الكبيرة في الاستدلال وحل المشكلات في المجال العلمي.

تحتوي مجموعة البيانات على 226,334 عينة، بحجم إجمالي على القرص يبلغ حوالي 2.5 جيجابايت، بتنسيق JSONL، وتشمل مجموعتين فرعيتين: MCQA و RQA. تم استخدام GPT-OSS-120B لتوليد مسارات الاستدلال والأسئلة التركيبية، وهي مناسبة للتدريب الخاضع للإشراف وتعزيز البيانات.

تكوين مجموعة البيانات

• MCQA: إجمالي 174,155 عينة. هذا تحسين للجزء المتعلق بالعلوم والتكنولوجيا والهندسة والرياضيات في Nemotron-Post-Training-Dataset-v1، حيث تم استخدام GPT-OSS-120B لتوليد أسئلة ومسارات استدلال بأسلوب GPQA، بهدف تعزيز قدرات الاستدلال لنماذج اللغة الكبيرة في المجال العلمي.
• RQA: إجمالي 52,179 عينة. تتكون من أسئلة كيميائية تركيبية، وتستخدم أيضًا لتعزيز قدرات الاستدلال لنماذج اللغة الكبيرة في المجال العلمي.