Command Palette
Search for a command to run...
Nemotron-SFT-SWE-v2
Date
Nemotron-SFT-SWE-v2
Aperçu du jeu de données
Nemotron-SFT-SWE-v2 est un jeu de données d'optimisation d'instructions de génie logiciel conçu pour améliorer les performances des modèles de langage (LLM) sur des tâches de type SWE-Bench. Il comprend des trajectoires d'exécution avec agents, collectées à l'aide du framework OpenHands, ainsi qu'un sous-ensemble SWE sans agents pour des sous-tâches ciblées telles que la localisation de code, la réparation de code et la génération de tests. Ce jeu de données est prêt pour une utilisation commerciale et s'adresse aux ingénieurs LLM et aux équipes de recherche qui développent des agents de génie logiciel autonomes et des assistants axés sur le code. Il convient à l'optimisation supervisée et à la distillation de modèles qui doivent interpréter des énoncés de problèmes réels, planifier l'utilisation d'outils en plusieurs étapes, naviguer dans des bases de code et implémenter des correctifs dans un environnement de type SWE-Bench.
Composition de l'ensemble de données
Sous-ensembles
L'ensemble de données contient deux sous-ensembles : – Trajectoires SWE agentiquesEnviron 46 000 trajectoires d'agents ont été collectées à l'aide du framework OpenHands. Ces trajectoires ont été synthétisées avec Qwen3-Coder-480B-A35B-Instruct et optimisées pour un réglage fin supervisé, afin d'améliorer les performances du modèle sur les tâches SWE-Bench. Les énoncés des problèmes proviennent de SWE-Gym et R2E-Gym-Subset. – SWE sans agentDonnées d'optimisation supervisée pour les sous-tâches d'ingénierie logicielle sans agent, dans le style de SWE-Bench : localisation de code, réparation de code et génération de tests. Chaque exemple inclut des résultats spécifiques à la tâche, tels qu'une liste de fichiers classés pour la localisation, les modifications à apporter pour la réparation et la reproduction, ainsi que des tests unitaires pour la génération de tests.
Quantification des données
| Sous-ensemble | Échantillons |
|---|---|
| agentless_swe | 209,976 |
| mains ouvertes_swe | 46,278 |
| Total | 256,254 |
| Capacité de stockage totale : ~17 Go. |
Format des données
Modalité : Texte Format : JSONL Structure : Texte + Métadonnées
Licence
Ce jeu de données est mis à disposition selon les termes de la licence Creative Commons Attribution 4.0 International (CC-BY 4.0). D’autres licences sont également concernées : Apache 2.0, MIT, BSD-3-Clause et BSD-2-Clause.
Créer de l'IA avec l'IA
De l'idée au lancement — accélérez votre développement IA avec le co-codage IA gratuit, un environnement prêt à l'emploi et le meilleur prix pour les GPU.
