数据集概述

Calendar Scheduling Dataset 是由 NVIDIA 于 2025 年发布的一个多轮对话数据集，旨在理解自然语言调度约束并遵循多轮指令以解决冲突。

该数据集包含通过合成方法生成的多轮对话数据，用于训练大型语言模型在复杂约束下进行事件调度的能力。 数据生成过程基于预设的角色人格，模拟用户以随机顺序提出包含时长和时段约束的事件需求，助手需综合所有约束条件完成调度。 该数据集作为 NVIDIA NeMo Gym 框架的一部分发布，旨在支持可验证奖励强化学习（RLVR）的训练环境构建，帮助社区提升模型的多轮指令遵循能力。

数据集组成

该数据集主要包含以下字段和结构：

• conversation：多轮对话记录，包含用户与助手的交互过程，以用户最后一条消息结束。
• exp_cal_state：字典格式，包含日历中的事件列表及其关联的时长和约束条件，可用于验证调度结果的准确性。

数据集分为训练集和验证集两个子集，总样本量为 4000 条。具体分布如下：

• 训练集（train）：3872 条
• 验证集（validation）：128 条

数据存储格式为文本，总存储大小约为 43 MB。