Nemotron RL Agentic Conversational Tool-Use Pivot v1 est un ensemble de données publié par NVIDIA en 2026, axé sur l'apprentissage par renforcement pour l'utilisation conversationnelle d'outils. Il vise à entraîner les grands modèles de langage à imiter des comportements dans des scénarios d'interaction complexes, en exploitant des trajectoires d'utilisation d'outils existantes générées par des experts.

Cet ensemble de données contient 170 320 échantillons d'entraînement, pour une taille totale d'environ 3,0 Go. Il couvre des scénarios d'appel d'outils dans 838 domaines différents, notamment l'EdTech, le support informatique et les voyages, avec des tâches variées telles que l'authentification, les requêtes de données, la réservation de services et l'obtention de remises. Les données sont générées par des méthodes synthétiques, utilisant des modèles comme DeepSeek et Qwen pour générer les trajectoires, combinés à GPT-oss et Qwen pour la synthèse des étiquettes. Le format est un fichier JSON structuré compatible avec le framework NeMo Gym, adapté aux tâches de vérification de récompense par apprentissage par renforcement (RLVR) lors du post-entraînement des grands modèles.

Composition de l'ensemble de données

L'ensemble de données comprend principalement les structures et champs suivants :

• Format des données : JSON structuré, compatible avec le framework NVIDIA NeMo Gym.
• Nombre d'échantillons : 170 320 enregistrements au total dans l'ensemble d'entraînement.
• Taille des données : environ 3,0 Go.
• Champs principaux : chaque enregistrement contient 11 champs de premier niveau, notamment :
• trajectory_id : identifiant de trajectoire
• responses_create_params : paramètres de création de réponses
• expected_action : action attendue
• scenario : description du scénario
• num_unique_actions : nombre d'actions uniques
• meta_info : métadonnées
• qwen_235b_info : informations relatives au modèle Qwen
• agent_ref : référence de l'agent
• pass_rate : taux de réussite
• pass_rate_total : taux de réussite total
• pass_rate_passed : statut de réussite