Nemotron RL Agentic Conversational Tool-Use Pivot v1 ist ein von NVIDIA im Jahr 2026 veröffentlichter Datensatz, der sich auf Reinforcement Learning für konversationelle Tool-Nutzung konzentriert. Ziel ist es, durch die Nutzung vorhandener Experten-Tool-Nutzungstrajektorien die Verhaltensklonungsfähigkeiten großer Sprachmodelle in komplexen Interaktionsszenarien zu trainieren.

Der Datensatz enthält 170.320 Trainingsbeispiele mit einem Gesamtumfang von etwa 3,0 GB und deckt Tool-Aufrufszenarien aus 838 verschiedenen Bereichen ab, darunter EdTech, IT-Support und Reisen, mit vielfältigen Aufgaben wie Authentifizierung, Datenabfragen, Servicebuchungen und Rabatterhalt. Die Daten werden synthetisch generiert, wobei große Modelle wie DeepSeek und Qwen zur Erzeugung von Trajektorien verwendet werden, kombiniert mit GPT-oss und Qwen für die Label-Synthese. Das Format sind strukturierte JSON-Dateien, die mit dem NeMo Gym Framework kompatibel sind und sich für Post-Training Reinforcement Learning Verification Reward (RLVR)-Aufgaben großer Modelle eignen.

Zusammensetzung des Datensatzes

Der Datensatz enthält hauptsächlich die folgenden Strukturen und Felder:

• Datenformat: Strukturiertes JSON, kompatibel mit dem NVIDIA NeMo Gym Framework.
• Anzahl der Stichproben: 170.320 Datensätze im Trainingsset.
• Datenumfang: ca. 3,0 GB.
• Kernfelder: Jeder Datensatz enthält 11 Top-Level-Felder, darunter:
• trajectory_id: Trajektorienkennung
• responses_create_params: Parameter zur Erstellung von Antworten
• expected_action: Erwartete Aktion
• scenario: Szenariobeschreibung
• num_unique_actions: Anzahl eindeutiger Aktionen
• meta_info: Metainformationen
• qwen_235b_info: Informationen zum Qwen-Modell
• agent_ref: Agentenreferenz
• pass_rate: Durchfallquote
• pass_rate_total: Gesamtdurchfallquote
• pass_rate_passed: Durchfallstatus