Nemotron-3-Super-RL-Training-Blends 是由 NVIDIA 于 2026 年发布的强化学习训练数据混合集，用于训练 Nemotron-3-Super-120B-A12B 模型，包含 479,303 条样本，总规模约 26.3 GB，数据采用 JSONL 格式，旨在为大语言模型的强化学习从可验证奖励（RLVR）及后训练提供经过配比和预处理的数据。

数据集组成

• RLVR 1：包含数学推理、工具使用、代码竞赛、指令跟随、安全等多种任务数据，共 138,712 条样本。

• RLVR 2：在 RLVR 1 的基础上调整不同数据源的混合比例，共 156,278 条样本。

• RLVR 3：进一步调整数据配比，增加代理能力、函数调用和强化学习相关数据，共 107,037 条样本。

• SWE 1：主要由 R2E-Gym-Subset（79.70%）和 SWE-Gym（20.30%）组成，共 50,661 条样本。

• SWE 2：主要由 R2E-Gym-Subset（81.18%）和 SWE-Gym（18.82%）组成，共 1,444 条样本。

• RLHF：主要由 Nemotron-RLHF-GenRM-v1（77.00%）、Nemotron-RL-Agentic-Conversational-Tool-Use-v1（20.00%）和 Nemotron-RL-Identity-Following-v1（3.00%）组成，共 25,171 条样本。