Nemotron-SFT-SWE-v2

データセットの概要

Nemotron-SFT-SWE-v2は、SWE-BenchスタイルのタスクにおけるLLMの能力向上を目的として設計された、ソフトウェアエンジニアリング命令チューニングデータセットです。OpenHandsフレームワークを使用して収集されたエージェントによる軌跡と、コードローカリゼーション、コード修復、テスト生成などの特定のサブタスクを対象としたエージェントレスSWEサブセットの両方が含まれています。 このデータセットは商用利用が可能で、自律型ソフトウェアエンジニアリングエージェントやコード中心のアシスタントを開発するLLMエンジニアや研究チームを対象としています。現実世界の課題記述を解釈し、複数ステップのツール使用を計画し、コードベースをナビゲートし、SWE-Benchスタイルの環境で修正を実装する必要のあるモデルの、教師あり微調整と抽出に適しています。

データセットの構成

部分集合

このデータセットには2つのサブセットが含まれています。 – エージェントSWE軌跡OpenHandsフレームワークを使用して収集された約46,000個のエージェント軌跡。これらの軌跡はQwen3-Coder-480B-A35B-Instructを使用して合成され、SWE-Benchタスクにおけるモデル性能の向上を目的とした教師あり微調整のためにキュレーションされています。問題記述はSWE-GymおよびR2E-Gym-Subsetから取得されています。 – エージェントレスSWESWE-Bench スタイルのエージェントレス ソフトウェア エンジニアリングのサブタスク (コード ローカライズ、コード修復、テスト生成) のための、教師ありファインチューニング データ。各例には、ローカライズのためのランク付けされたファイル リスト、修復のためのパッチ編集、テスト生成のための再現手順と単体テストなど、タスク固有の出力が含まれています。

データ定量化

データ形式

形式: テキスト フォーマット: JSONL 構造：テキスト＋メタデータ

ライセンス

このデータセットは、クリエイティブ・コモンズ表示4.0国際ライセンス（CC-BY 4.0）に基づいてライセンスされています。その他のライセンスには、Apache 2.0、MIT、BSD-3-Clause、BSD-2-Clauseが含まれます。