Nemotron-Cascade-SFT-SWE 是由 NVIDIA 发布的面向软件工程任务的训练数据集，相关论文成果为「Nemotron-Cascade: Scaling Cascaded Reinforcement Learning for General-Purpose Reasoning Models」，旨在提升大语言模型在代码定位、代码修复和测试用例生成等软件工程任务中的能力。

该数据集整合了 SWE-Bench-Train、SWE-reBench、SWE-Smith、R2E-Gym/R2E-Gym-Subset 和 SWE-Fixer-Train 等多个来源的数据，并根据监督微调（SFT）和强化学习（RL）训练需求进行难度筛选与样本调整。为降低评估数据污染风险，数据集排除了来源于 SWE-Bench_Verified 评估集所涉及代码仓库的实例。

数据集组成

数据集包含以下三个 JSONL 文件：

• swe_localization.jsonl：代码定位任务，用于定位需要检查或修改的代码文件。
• swe_repair.jsonl：代码修复任务，用于生成代码修复方案。
• swe_testgen.jsonl：测试用例生成任务，用于生成验证代码行为的测试用例。

每条样本主要包含以下字段：

• category：任务类别，包括 SWE Localization、SWE Repair 和 SWE TestGen。
• source：原始数据来源。
• messages：包含用户提示和模型响应的消息列表。
• generator：生成模型响应所使用的模型名称。
• patch：与相关 Issue 有关的评论信息，指解决方案 PR 首次提交前发表的评论。
• thinking：布尔值，用于标记是否采用思考模式。