Nemotron-SWE-v2는 NVIDIA가 2025년에 출시한 소프트웨어 엔지니어링(SWE) 분야의 지시 미세 조정(Instruction-tuned) 데이터셋으로, 관련 논문 결과는 “Training Software Engineering Agents and Verifiers with SWE-Gym”이며, 대규모 언어 모델이 SWE-Bench 스타일 작업에서 코드 수정, 위치 파악 및 테스트 생성 능력을 향상시키는 것을 목표로 합니다.

이 데이터셋에는 총 256,254개의 샘플이 포함되어 있으며, 에이전트 없는 소프트웨어 엔지니어링 작업 데이터와 에이전트 기반의 다단계 상호작용 궤적을 포괄합니다. 이는 지도 학습 미세 조정(SFT) 및 모델 증류에 적용할 수 있으며, 코드 분석, 도구 호출 및 자율적인 문제 해결 능력을 갖춘 소프트웨어 엔지니어링 어시스턴트를 학습하는 데 사용할 수 있습니다. 데이터셋은 크리에이티브 커먼즈 저작자표시 4.0 국제 라이선스(CC BY 4.0)를 따르며, 보완 라이선스로는 Apache 2.0, MIT, BSD-3-Clause 및 BSD-2-Clause 라이선스가 포함됩니다.

데이터셋 구성

• Agentless SWE: 209,976개의 샘플을 포함합니다. 이는 에이전트 없는 소프트웨어 엔지니어링 하위 작업을 위한 지도 학습 미세 조정 데이터로, 코드 위치 파악, 코드 수정 및 테스트 생성을 포괄합니다. 데이터는 DeepSeek-R1-0528에 의해 생성되었으며, 각 예시는 순위가 매겨진 파일 목록, 패치 편집 및 단위 테스트와 같은 작업별 출력을 포함합니다.
• Agentic SWE: 46,278개의 샘플을 포함합니다. 이 하위 집합은 OpenHands 프레임워크를 사용하여 수집된 에이전트 궤적을 포함하며, Qwen3-Coder-480B-A35B-Instruct를 통해 합성되었습니다. 이는 다단계 도구 사용 및 문제 해결을 통해 모델 성능을 향상시키는 것을 목표로 합니다. 문제 진술은 SWE-Gym 및 R2E-Gym-Subset에서 가져왔습니다.