Nemotron-SpecializedDomains-Finance 是由 NVIDIA 于 2025 年发布的一个大规模合成金融问答数据集，相关论文成果为「GenSelect: A Generative Approach to Best-of-N」，旨在提升大语言模型在专业金融推理和文档理解任务上的表现。

该数据集包含 326,698 个高质量问答对，源自 2019 至 2024 年间标普 500 指数成分公司的 SEC filings（10-K 年报和 10-Q 季报）。 数据集采用基于模板的合成数据生成（SDG）方法，结合 GenSelect 筛选技术，确保所有问答均锚定真实监管文档的具体章节，涵盖公司金融、风险因素、财务表现、治理及合规等多个领域。 数据以对话结构（system/user/assistant）预格式化，专为监督微调（SFT）设计，适用于开发金融助手、合规分析及投资研究等场景。

数据集组成

数据集仅包含 train 分割，每个样本包含以下字段：

• messages：基于角色的对话结构数组，包含 system（本数据集中为空）、user（含金融文档上下文和问题）和 assistant（含推理过程和答案）消息。
• metadata：包含唯一标识符 UUID 和合成数据生成模型标识符（如 "openai/gpt-oss-120b"）。