Nemotron-Competitive-Programming-v1은 2025년에 NVIDIA가 공개한 대규모 합성 프로그래밍 및 추론 데이터셋으로, 약 390만 개의 샘플과 총 디스크 크기 약 178GB를 포함하며, Python과 C++ 두 언어의 경쟁 프로그래밍 문제와 교차 도메인 InfiniByte 하위 집합을涵盖了니다. 관련 논문 성과는「OpenCodeReasoning: Advancing Data Distillation for Competitive Coding」이며, 코드 완성 및 코드 검토를 위한 지도 미세 조정(SFT) 작업에 사용되어 커뮤니티가 오픈소스 모델의 코드 작성 및 검토 능력을 지속적으로 개선할 수 있도록 지원합니다.

데이터셋 구성

• Competitive Coding (Python): 약 182만 개의 샘플을 포함하며, 34,799개의 고유한 경쟁 프로그래밍 문제를涵盖니다.
• Competitive Coding (C++): 약 93만 개의 샘플을 포함하며, 동일한 경쟁 프로그래밍 문제를 기반으로 합니다.
• InfiniByte: 약 117만 개의 샘플을 포함하며, 수학, 물리, 화학 등 과학 분야의 개념을 경쟁 프로그래밍 문제에 주입하여 새로운 프로그래밍 문제를 생성하는 교차 도메인 하위 집합입니다.