Nemotron-SWE-v2 هو مجموعة بيانات مُضبوطة بالتعليمات في مجال هندسة البرمجيات (SWE) أصدرتها NVIDIA في عام 2025. تستند إلى البحث المنشور في Training Software Engineering Agents and Verifiers with SWE-Gym، وتهدف إلى تعزيز قدرات نماذج اللغة الكبيرة في مهام إصلاح الأكواد، وتحديد مواضعها، وتوليد الاختبارات ضمن مهام بأسلوب SWE-Bench.

تتكون المجموعة من 256,254 عينة، وتغطي بيانات مهام هندسة البرمجيات دون وكلاء، بالإضافة إلى مسارات تفاعلية متعددة الخطوات تعتمد على الوكلاء. وهي مناسبة للضبط الدقيق الخاضع للإشراف (SFT) وتقطير النماذج، ويمكن استخدامها لتدريب مساعدين في هندسة البرمجيات يتمتعون بقدرات تحليل الأكواد، واستدعاء الأدوات، وحل المشكلات بشكل مستقل.

تخضع المجموعة لرخصة المشاع الإبداعي النسبة 4.0 الدولية (CC BY 4.0)، وتشمل الرخص التكميلية رخص Apache 2.0 و MIT و BSD-3-Clause و BSD-2-Clause.

تكوين مجموعة البيانات

• SWE بدون وكلاء: تحتوي على 209,976 عينة. وهي بيانات ضبط دقيق خاضع للإشراف لمهام فرعية في هندسة البرمجيات دون وكلاء، وتغطي تحديد مواضع الأكواد، وإصلاح الأكواد، وتوليد الاختبارات. تم توليد البيانات بواسطة DeepSeek-R1-0528، ويتضمن كل مثال مخرجات خاصة بالمهمة، مثل قوائم الملفات المرتبة، وتعديلات التصحيح، واختبارات الوحدات.
• SWE الوكيل: تحتوي على 46,278 عينة. تتضمن هذه المجموعة الفرعية مسارات الوكلاء التي تم جمعها باستخدام إطار عمل OpenHands، وتم توليدها بواسطة Qwen3-Coder-480B-A35B-Instruct، بهدف تحسين أداء النموذج من خلال استخدام الأدوات متعدد الخطوات وحل المشكلات. تم اشتقاق عبارات المشكلات من SWE-Gym و R2E-Gym-Subset.