データセットの紹介

Nemotron-SFT-SWE-v2は、SWE-Benchスタイルのタスクにおける大規模言語モデルの性能向上を目的とした、ソフトウェアエンジニアリング命令の微調整データセットです。このデータセットには、OpenHandsフレームワークを使用して収集されたエージェントの軌跡に加え、コードローカリゼーション、コード修復、テスト生成などのサブタスクに対応したエージェントレスSWEサブセットが含まれています。 このデータセットは商用利用に適しており、主に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。教師あり微調整やモデル蒸留に適しており、モデルが現実世界の課題を解釈し、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のに役立ちます。

データセットの構成

サブセット

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。 – インテリジェントエージェントのSWE軌跡OpenHandsフレームワークを用いて、約46,000個のエージェント軌跡を収集しました。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を向上させるための教師あり微調整のために慎重にキュレーションされました。問題文はSWE-GymおよびR2E-Gym-Subsetから派生しています。 – エージェントなしの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（コードの場所特定、コードの修正、テストの生成など）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、見つかったファイルのランキング リスト、修正されたパッチ、テスト生成の再現性、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、およびBSD-2-Clauseが含まれます。