Nemotron-Pretraining-Dataset-sample 采样数据集

* 该数据集支持在线使用，点击此处跳转。

Nemotron-Pretraining-Dataset-sample 是英伟达于 2025 年发布的 Nemotron 预训练数据集的精简采样版本，相关论文成果为「NVIDIA Nemotron Nano 2: An Accurate and Efficient Hybrid Mamba-Transformer Reasoning Model」。

该数据集包含从完整的 SFT 与预训练语料的不同组成部分中选取的 10 个代表性子集，内容涵盖高质量问答数据、专注于数学领域的提取内容、代码元数据及 SFT 风格指令数据，适用于检阅和快速实验。