数据集

Nemotron-SFT-Safety-v2

nvidia/Nemotron-SFT-Safety-v2

查看上游原文 ↗
上游访问:公开 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:cc-by-4.0, apache-2.0, mit 上游版本:8a40a63c9a1a

中文简介

nvidia/Nemotron-SFT-Safety-v2 是 nvidia 在 Hugging Face 发布的数据集仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 8a40a63c9a1a,同步到 3 个文件,文件元数据合计 1.68 GB;访问状态为“公开”,许可证字段为“cc-by-4.0, apache-2.0, mit”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 nvidia/Nemotron-SFT-Safety-v2 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
nvidia/Nemotron-SFT-Safety-v2 是 nvidia 在 Hugging Face 发布的数据集仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 8a40a63c9a1a,同步到 3 个文件,文件元数据合计 1.68 GB;访问状态为“公开”,许可证字段为“cc-by-4.0, apache-2.0, mit”。

【适用方向】
适合在明确数据字段、拆分和许可证后,用于文本生成与推理相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。

【版本与规格】
固定版本:8a40a63c9a1a。 任务标签:文本生成与推理。 语言字段:en。 规模分类:100K<n<1M。 上游页面记录的最近更新时间:2026-06-04。

【文件信息】
上游 API 返回 3 个文件,文件元数据合计 1.68 GB。 已保存文件清单中的主要扩展名:.jsonl 1 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:data/train.jsonl(549.34 MB);README.md(8.58 KB);.gitattributes(2.49 KB)。

【运行或处理环境】
仓库文件元数据合计 1.68 GB。仅按下载、解压和临时文件估算,建议至少预留约 2.02 GB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。

【使用边界】
许可证显示为“cc-by-4.0, apache-2.0, mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Dataset Description: The Nemotron-SFT-Safety-v2 data is designed to align models to be robust against a variety of safety and security concerns that may arise in unaligned large language models. This dataset is a collection of: 1. A hybrid (open-source and synthetically generated) collection of prompts designed to elicit different model vulnerabilities, and 2. Synthetically generated responses designed to steer model behavior towards safety-aligned values and enhance model robustness across a broad variety of potential attack vectors. 3. Multilingual translations of the English subset. This dataset is ready for commercial or non-commercial uses. Note that the collection of English prompts and responses in this dataset is the same as Nemotron-SFT-Safety-v1 dataset. Multilingual subsets are new. The multilingual subset: We translated the English `en` subset into six languages—German `de`, Spanish `es`, French `fr`, Japanese `ja`, Italian `it`, and Chinese `zh` using NeMo Skills using a sentence-by-sentence chunked translation pipeline with NVIDIA Riva Translate 4B Instruct v1.1. To improve translation quality, each translated example was back-translated into English and compared against the original English prompt-response pair. Examples with semantic similarity below 0.8 were filtered out, removing approximately 10–15% of examples per translated language. We also manually spot-checked the highest and lowest-scoring translations to verify that the filter was removing examples with clear translation failures or structural issues. After filtering, we used stratified sampling to retain approximately 15,000 examples per translated language. The final dataset contains about 135,000 examples: ~45,000 in English and ~15,000 each in `de`, `es`, `fr`, `ja`, `it`, and `zh`. A refresher on the English subset's consituents: Collected datasets: Nemotron Content Safety Dataset v2: Comprehensive coverage across a variety of content safety risks like self-harm, violence, criminal pla

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在明确数据字段、拆分和许可证后,用于文本生成与推理相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。

规模与格式

固定版本:8a40a63c9a1a。 任务标签:文本生成与推理。 语言字段:en。 规模分类:100K<n<1M。 上游页面记录的最近更新时间:2026-06-04。

文件说明

上游 API 返回 3 个文件,文件元数据合计 1.68 GB。 已保存文件清单中的主要扩展名:.jsonl 1 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:data/train.jsonl(549.34 MB);README.md(8.58 KB);.gitattributes(2.49 KB)。

上游文件元数据

  • .gitattributes2.49 KB
  • data/train.jsonl549.34 MB
  • README.md8.58 KB

硬件建议

仓库文件元数据合计 1.68 GB。仅按下载、解压和临时文件估算,建议至少预留约 2.02 GB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。

注意事项

许可证显示为“cc-by-4.0, apache-2.0, mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。