Command Palette
Search for a command to run...
Ensemble De Données Nemotron-SFT-SWE-v2
Date
Introduction à l'ensemble de données
Nemotron-SFT-SWE-v2 est un jeu de données d'optimisation des instructions de génie logiciel conçu pour améliorer les performances des grands modèles de langage sur des tâches de type SWE-Bench. Ce jeu de données contient des trajectoires d'agents collectées à l'aide du framework OpenHands, ainsi que des sous-ensembles SWE sans agent pour des sous-tâches telles que la localisation de code, la réparation de code et la génération de tests. Ce jeu de données est adapté à un usage commercial, et s'adresse principalement aux ingénieurs LLM et aux équipes de recherche développant des agents de génie logiciel autonomes et des assistants de codage. Il convient à l'optimisation supervisée et à la distillation de modèles, permettant à ces derniers d'interpréter des énoncés de problèmes concrets, de planifier l'utilisation d'outils en plusieurs étapes, de naviguer dans les bases de code et d'implémenter des correctifs dans un environnement de type SWE-Bench.
Composition de l'ensemble de données
sous-ensemble
L'ensemble de données contient deux sous-ensembles : – Trajectoire SWE de l'agent intelligentEnviron 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 soigneusement sélectionnées pour un apprentissage supervisé afin d'améliorer les performances du modèle sur la tâche SWE-Bench. L'énoncé du problème est dérivé de SWE-Gym et R2E-Gym-Subset. – SWE sans agentDonnées d'optimisation supervisée pour les sous-tâches d'ingénierie logicielle sans agent, de type SWE-Bench, incluant la localisation et la correction de code, ainsi que la génération de tests. Chaque exemple présente des résultats spécifiques à la tâche, tels qu'une liste classée des fichiers localisés, des correctifs appliqués, ainsi que la reproductibilité et les tests unitaires générés.
Quantification des données
| sous-ensemble | Taille de l'échantillon |
|---|---|
| agentless_swe | 209,976 |
| mains ouvertes_swe | 46,278 |
| total | 256,254 |
| L'espace de stockage total est d'environ 17 Go. |
Format des données
Modalité : Texte Format : JSONL Structure : Texte + Métadonnées
licence
Ce jeu de données est distribué sous licence Creative Commons Attribution 4.0 International (CC-BY 4.0). D'autres licences sont également utilisées, notamment Apache 2.0, MIT, BSD-3 et BSD-2.
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.
