数据集简介

Nemotron-SFT-SWE-v2 是一个软件工程指令微调数据集，旨在提升大型语言模型在 SWE-Bench 风格任务上的能力。该数据集包含使用 OpenHands 框架收集的智能体轨迹以及用于代码定位、代码修复和测试生成等子任务的无智能体 SWE 子集。 该数据集适合商业使用，主要面向构建自主软件工程智能体和代码助手的 LLM 工程师和研究团队。它适用于监督微调和模型蒸馏，帮助模型解释真实世界的问题陈述、规划多步骤工具使用、导航代码库并在 SWE-Bench 风格环境中实现修复。

数据集组成

子集

数据集包含两个子集： – 智能体 SWE 轨迹：约 46k 条使用 OpenHands 框架收集的智能体轨迹。这些轨迹使用 Qwen3-Coder-480B-A35B-Instruct 合成，经过精心策划用于监督微调，旨在提高模型在 SWE-Bench 任务上的性能。问题陈述来源于 SWE-Gym 和 R2E-Gym-Subset 。 – 无智能体 SWE：用于 SWE-Bench 风格的无智能体软件工程子任务的监督微调数据，包括代码定位、代码修复和测试生成。每个示例包含任务特定输出，如定位的排名文件列表、修复的补丁以及测试生成的复现和单元测试。

数据量化

数据格式

模态：文本 格式：JSONL 结构：文本 + 元数据

许可证

该数据集采用 Creative Commons Attribution 4.0 International (CC-BY 4.0) 许可证。其他许可证包括 Apache 2.0 、 MIT 、 BSD-3-Clause 、 BSD-2-Clause 。