Nemotron RL Agentic Conversational Tool-Use Pivot v1 数据集是由 NVIDIA 于 2026 年发布的一个专注于对话式工具使用强化学习的数据集，旨在通过利用现有的专家工具使用轨迹来训练大型语言模型在复杂交互场景下的行为克隆能力。

该数据集包含 170,320 条训练样本，总规模约 3.0 GB，涵盖了 EdTech、IT 支持、旅行等 838 个不同领域的工具调用场景，包括身份验证、数据查询、服务预订及折扣获取等多样化任务。 数据采用合成方法生成，利用 DeepSeek、Qwen 等大模型生成轨迹，并结合 GPT-oss 和 Qwen 进行标签合成，格式为兼容 NeMo Gym 框架的结构化 JSON 文件，适用于大模型的后训练强化学习验证奖励（RLVR）任务。

数据集组成

数据集主要包含以下结构和字段：

• 数据格式：结构化 JSON，兼容 NVIDIA NeMo Gym 框架。
• 样本数量：训练集共 170,320 条记录。
• 数据规模：约 3.0 GB。
• 核心字段：每个记录包含 11 个顶级字段，具体包括：
• trajectory_id：轨迹标识符
• responses_create_params：响应创建参数
• expected_action：预期动作
• scenario：场景描述
• num_unique_actions：唯一动作数量
• meta_info：元信息
• qwen_235b_info：Qwen 模型相关信息
• agent_ref：代理引用
• pass_rate：通过率
• pass_rate_total：总通过率
• pass_rate_passed：通过状态