Nemotron RL Agentic SWE Pivot v1 は、NVIDIA が 2026 年に公開した、実世界のソフトウェアエンジニアリングエージェントのトレーニングと検証のためのデータセットであり、関連する論文成果は「Training Software Engineering Agents and Verifiers with SWE-Gym」です。NeMo Gym 環境を使用した検証可能な報酬からの強化学習（RLVR）によるモデルのファインチューニングをサポートすることを目的としています。

このデータセットは、SWE-Gym および R2E-Gym データセットの再構築版であり、NeMo Gym の入力形式に適合するように設計され、NVIDIA Nemotron シリーズモデルの開発に応用されています。SWE-Gym と R2E-Gym から自動変換され、主に GitHub Issues に基づいて構築されており、NVIDIA NeMo Gym フレームワークに適合することを目的とし、大規模言語モデルのポストトレーニングおよびソフトウェアエンジニアリングエージェントの強化学習トレーニングと検証に使用されます。

データセット構成

• responses_create_params：応答生成関連パラメータ。
• agent_ref：エージェント関連の参照情報。