Nemotron-SWE-v1 は、NVIDIA が 2025 年に公開した、ソフトウェアエンジニアリングエージェント向けの大規模指示チューニングデータセットです。関連する論文の成果は「Training Software Engineering Agents and Verifiers with SWE-Gym」で、大規模言語モデルの実世界のソフトウェア開発ライフサイクルにおけるコード理解、多段階の計画立案、および修正能力の向上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-Subset の問題記述に基づいており、OpenHands フレームワークを用いて Qwen3-Coder-480B-A35B-Instruct モデルによりエージェントの対話軌跡を合成して作成されました。主に教師あり微調整（SFT）に使用され、モデルが SWE-Bench に類似したソフトウェアエンジニアリングタスクを処理するのを支援します。

データセットの構成

データセットには r2e_gym サブセットが含まれており、主に以下のフィールドで構成されています：

• messages：エージェントと環境の対話メッセージシーケンスを記録します。タスク記述、モデルの応答、ツール対話の内容を含みます。
• license：対応するサンプルのライセンス情報を記録します。
• used_in：サンプルがどのモデルまたはプロジェクトで使用されたかを記録します。
• tools：エージェントが呼び出せるツールとその定義を記録します。
• dataset：サンプルの元のデータセットの出典を記録します。
• repo：関連するコードリポジトリの名前を記録します。