データセット概要

Calendar Scheduling Dataset は、NVIDIA が2025年に公開したマルチターン対話データセットです。このデータセットは、自然言語によるスケジューリング制約を理解し、複数の指示に従ってコンフリクトを解決する目的で設計されています。

本データセットには、複雑な制条件下でのイベントスケジュール調整における大規模言語モデルの訓練用として、合成手法によって生成されたマルチターンの対話データが含まれています。データ生成プロセスでは、事前に設定されたロールペルソナに基づき、ユーザーが長さや時間帯に関する制約を含むイベント要求をランダムな順序で提示します。アシスタント側はこのすべての制約を総合的に考慮してスケジュール調整を行います。

本データセットは NVIDIA NeMo Gym フレームワークの一部として公開されており、検証可能な報酬を用いた強化学習（RLVR）のためのトレーニング環境構築をサポートすることを目的としています。これにより、コミュニティ全体でのモデルに対する複数回の指示遵守能力向上に貢献することを目指しています。

データセット構成

本データセットには主に以下のフィールドと構造が含まれます：

• conversation：ユーザーとアシスタント間のインタラクション過程を示すマルチターンの会話記録であり、最後にユーザーからのメッセージで終了します。
• exp_cal_state：辞書形式で格納され、カレンダー上のイベントリストおよびそれに関連付けられた所要時間・制約情報を含みます。これはスケジュール結果の正確性を検証するために使用できます。

データセットは「学習セット」と「検証セット」の2つのサブセットに分かれており、合計サンプル数は4,000件です。具体的な内訳は次の通りです：

• 学習セット（train）：3,872件
• 検証セット（validation）：128件

データの保存形式はテキストファイルであり、総容量は約43MBとなります。