Nemotron-Competitive-Programming-v2 是由 NVIDIA 于 2025 年发布的大规模合成编程与推理数据集，相关论文包括 OpenCodeReasoning: Advancing Data Distillation for Competitive Coding，旨在提升大语言模型在竞赛编程、代码审查和 SQL 任务中的能力。

数据集共包含 844,935 条样本，存储量约为 91 GB，采用 JSONL 格式，涵盖 Python、C++、编程练习和 Text-to-SQL 数据，主要用于监督微调（SFT）。数据集采用 CC BY 4.0 许可证，Code Forces 数据采用 Open Data Commons Attribution License（ODC-By）。其他许可信息参见 MIT License。

数据集组成

• competitive_coding_python：包含 336,568 条 Python 竞赛编程样本，覆盖 34,799 道独特题目。
• competitive_coding_cpp：包含 332,559 条 C++ 竞赛编程样本，用于代码生成与推理训练。
• exercism：包含 79,244 条合成编程练习样本，基于 115 道 Python Exercism 题目生成，并排除了 Aider 基准测试中的相关题目。
• text_to_sql：包含 96,564 条合成 SQL 样本，涉及 MySQL、PostgreSQL 和 SQLite 等方言，每条样本均包含推理轨迹。