Nemotron-SWE-v2 は、NVIDIA が 2025 年にリリースした、ソフトウェアエンジニアリング（SWE）分野向けの指示チューニングデータセットです。関連する論文成果は「Training Software Engineering Agents and Verifiers with SWE-Gym」に公開されており、大規模言語モデルの SWE-Bench 形式のタスクにおけるコード修正、バグ特定、テスト生成能力の向上を目的としています。

このデータセットには合計 256,254 件のサンプルが含まれており、エージェントレスのソフトウェアエンジニアリングタスクデータや、エージェントベースのマルチステップインタラクション軌跡が含まれています。教師あり微調整（SFT）やモデル蒸留に適用可能で、コード分析、ツール呼び出し、自律的な問題解決能力を備えたソフトウェアエンジニアリングアシスタントの訓練に利用できます。 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）の下で提供されており、追加のライセンスとして Apache 2.0、MIT、BSD-3-Clause、BSD-2-Clause ライセンスが含まれています。

データセット構成

• Agentless SWE：209,976 件のサンプルを含みます。これはエージェントレスのソフトウェアエンジニアリングサブタスク向けの教師あり微調整データであり、コード特定、コード修正、テスト生成をカバーしています。データは DeepSeek-R1-0528 によって生成され、各サンプルにはランキング付きファイルリスト、パッチ編集、ユニットテストなど、タスク固有の出力が含まれます。
• Agentic SWE：46,278 件のサンプルを含みます。このサブセットは、OpenHands フレームワークを用いて収集されたエージェント軌跡を含み、Qwen3-Coder-480B-A35B-Instruct によって合成されました。マルチステップのツール使用と問題解決を通じてモデル性能を向上させることを目的としています。問題記述は SWE-Gym および R2E-Gym-Subset に由来しています。