Nemotron-Competitive-Programming-v1 est un ensemble de données de programmation et de raisonnement synthétiques à grande échelle publié par NVIDIA en 2025, comprenant environ 3,9 millions d'échantillons, avec une taille totale sur disque d'environ 178 Go. Il couvre des problèmes de programmation compétitive en Python et en C++, ainsi qu'un sous-ensemble InfiniByte interdisciplinaire. Le document de recherche associé est « OpenCodeReasoning: Advancing Data Distillation for Competitive Coding », conçu pour les tâches de réglage fin supervisé (SFT) pour la complétion de code et la revue de code, soutenant l'amélioration continue par la communauté des capacités des modèles open source en matière d'écriture et de revue de code.

Composition de l'ensemble de données

• Competitive Coding (Python) : contient environ 1,82 million d'échantillons, couvrant 34 799 problèmes de programmation compétitive uniques.
• Competitive Coding (C++) : contient environ 930 000 échantillons, également basés sur les problèmes de programmation compétitive mentionnés ci-dessus.
• InfiniByte : contient environ 1,17 million d'échantillons. Il s'agit d'un sous-ensemble interdisciplinaire qui génère de nouveaux problèmes de programmation en injectant des concepts issus de domaines scientifiques tels que les mathématiques, la physique et la chimie dans des problèmes de programmation compétitive.