Nemotron-3-Super-RL-Training-Blends は、NVIDIA が 2026 年に公開した強化学習トレーニング用データ混合セットで、Nemotron-3-Super-120B-A12B モデルのトレーニングに使用され、479,303 件のサンプル、総規模約 26.3 GB、データ形式は JSONL であり、大規模言語モデルの強化学習（検証可能な報酬を用いた RLVR）および後続トレーニング向けに、比率調整と前処理が施されたデータを提供することを目的としています。

データセット構成

• RLVR 1：数学推論、ツール使用、コードコンペティション、指示追従、安全性など、さまざまなタスクデータを含み、合計 138,712 件のサンプルで構成されています。

• RLVR 2：RLVR 1 を基に、異なるデータソースの混合比率を調整したもので、合計 156,278 件のサンプルで構成されています。

• RLVR 3：データ比率をさらに調整し、エージェント能力、関数呼び出し、強化学習関連データを追加したもので、合計 107,037 件のサンプルで構成されています。

• SWE 1：主に R2E-Gym-Subset（79.70%）と SWE-Gym（20.30%）で構成され、合計 50,661 件のサンプルで構成されています。

• SWE 2：主に R2E-Gym-Subset（81.18%）と SWE-Gym（18.82%）で構成され、合計 1,444 件のサンプルで構成されています。

• RLHF：主に Nemotron-RLHF-GenRM-v1（77.00%）、Nemotron-RL-Agentic-Conversational-Tool-Use-v1（20.00%）、Nemotron-RL-Identity-Following-v1（3.00%）で構成され、合計 25,171 件のサンプルで構成されています。