Nemotron-Science-v1 科学推理数据集是由 NVIDIA 于 2025 年发布的一个合成科学推理数据集，旨在提升大语言模型在科学领域的推理与问题解决能力。

该数据集包含 226,334 条样本，总磁盘大小约 2.5 GB，数据格式为 JSONL，涵盖 MCQA 和 RQA 两个子集。 数据采用 GPT-OSS-120B 生成推理轨迹和合成问题，适用于监督训练和数据增强。

数据集组成

• MCQA：共 174,155 条样本。这是对 Nemotron-Post-Training-Dataset-v1 中 STEM 部分的改进，使用 GPT-OSS-120B 生成 GPQA 风格的问题和推理轨迹，旨在增强大语言模型在科学领域的推理能力。
• RQA：共 52,179 条样本。由合成化学问题组成，同样用于增强大语言模型在科学领域的推理能力。