Nemotron-SWE-v2 是由 NVIDIA 于 2025 年发布的一个面向软件工程（SWE）领域的指令微调数据集，相关论文成果为「Training Software Engineering Agents and Verifiers with SWE-Gym」，旨在提升大语言模型在 SWE-Bench 风格任务中的代码修复、定位及测试生成能力。

该数据集共包含 256,254 条样本，涵盖无代理软件工程任务数据和基于智能体的多步交互轨迹，适用于监督微调（SFT）和模型蒸馏，可用于训练具备代码分析、工具调用和自主问题解决能力的软件工程助手。 数据集采用知识共享署名 4.0 国际许可协议（CC BY 4.0），补充许可证包括 Apache 2.0、MIT、BSD-3-Clause 和 BSD-2-Clause 许可证。

数据集组成

• Agentless SWE：包含 209,976 条样本。这是针对无代理软件工程子任务的监督微调数据，涵盖代码定位、代码修复和测试生成。数据由 DeepSeek-R1-0528 生成，每个示例包含任务特定的输出，如排名文件列表、补丁编辑和单元测试。
• Agentic SWE：包含 46,278 条样本。该子集包含使用 OpenHands 框架收集的代理轨迹，由 Qwen3-Coder-480B-A35B-Instruct 合成，旨在通过多步工具使用和问题解决提升模型性能。问题陈述源自 SWE-Gym 和 R2E-Gym-Subset。