Ensemble De Données d'échantillonnage Nemotron-Pretraining-Dataset-sample

* Cet ensemble de données prend en charge l'utilisation en ligne.Cliquez ici pour sauter.

Nemotron-Pretraining-Dataset-sample est une version d'échantillonnage simplifiée de l'ensemble de données de pré-entraînement Nemotron publié par NVIDIA en 2025. Les résultats de l'article associé sont «NVIDIA Nemotron Nano 2 : un modèle de raisonnement hybride Mamba-Transformer précis et efficace".

L'ensemble de données contient 10 sous-ensembles représentatifs sélectionnés parmi différents composants du corpus complet SFT et de pré-formation, couvrant des données de questions-réponses de haute qualité, du contenu extrait axé sur le domaine mathématique, des métadonnées de code et des données d'instructions de style SFT, adaptées à la révision et aux expériences rapides.