中文简介
nvidia/Nemotron-SFT-Science-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 6536a5021222,同步到 6 个文件,文件元数据合计 366.32 GB;访问状态为“公开”,许可证字段为“cc-by-sa-4.0”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 nvidia/Nemotron-SFT-Science-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-Science-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 6536a5021222,同步到 6 个文件,文件元数据合计 366.32 GB;访问状态为“公开”,许可证字段为“cc-by-sa-4.0”。
【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:6536a5021222。 任务标签:文本生成与推理。 语言字段:en。 数据集卡名称:Nemotron Science Data。 规模分类:1M<n<10M。 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 6 个文件,文件元数据合计 366.32 GB。 已保存文件清单中的主要扩展名:.jsonl 4 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:vendor.jsonl(24.81 GB);so.jsonl(14.85 GB);rqa.jsonl(8.88 GB)。
【运行或处理环境】
仓库文件元数据合计 366.32 GB。仅按下载、解压和临时文件估算,建议至少预留约 439.58 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-sa-4.0”,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。
Dataset Description: Nemotron-Science-v2 is a science reasoning dataset with synthetic (synthetic MCQ, RQA) and non-synthetic vendor problems and LLM-generated solutions. It comprises three domains (Physics, Biology, and Chemistry), two question formats (multiple-choice questions [MCQ] and open questions [OpenQ]), and three generation setups: chain-of-thought (CoT) reasoning without tools, Python tool usage, and search tools usage with the Tavily API. The solutions were generated with open-source LLMS: GPT-OSS, Kimi-K2-Instruct, DeepSeek-V3.2, and DeepSeek-V4-Pro. There are four subsets of the data: Synthetic MCQ**: Synthetically generated problems with 4-10 multiple choice options. RQA**: Synthetic Chemistry problems (both MCQ and OpenQ). Vendor**: Non-synthetic, graduate/research-level open-ended STEM problems spanning Physics, Chemistry, and Biology. SO MCQ**: Multiple-choice questions derived from Stack Exchange covering physics, biology, and chemistry domains. This dataset is ready for commercial or non-commercial uses. Dataset Owner(s): NVIDIA Corporation Dataset Creation Date: Created on: May 13, 2026 Last Modified on: May 13, 2026 Version: Nemotron-SFT-Science-v2 This is a replacement to the previous dataset. Previous Version(s): https://huggingface.co/datasets/nvidia/Nemotron-Science-v1 License/Terms of Use: CC BY-SA 4.0 Intended Usage: This dataset is intended for LLM engineers and research teams developing and training large language models with a focus on improving scientific reasoning and problem-solving capabilities. It is suitable for supervised training and data augmentation in science-based model development pipelines. Dataset Characterization Data Collection Method** Hybrid: Synthetic, Automated Labeling Method** Synthetic Dataset Format Modality: Text Format: JSONL Structure: Text + Metadata Dataset Quantification | File | Rows | Size | |---|---|---| | Synthetic MCQ | 96,610 | 0.57 GB | | Vendor | 221,598 | 25 GB | | RQA | 413,519 | 8.9 GB | | SO|
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:6536a5021222。 任务标签:文本生成与推理。 语言字段:en。 数据集卡名称:Nemotron Science Data。 规模分类:1M<n<10M。 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 6 个文件,文件元数据合计 366.32 GB。 已保存文件清单中的主要扩展名:.jsonl 4 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:vendor.jsonl(24.81 GB);so.jsonl(14.85 GB);rqa.jsonl(8.88 GB)。
上游文件元数据
.gitattributes2.63 KBREADME.md3.36 KBrqa.jsonl8.88 GBso.jsonl14.85 GBsyn_mcq.jsonl543.43 MBvendor.jsonl24.81 GB
硬件建议
仓库文件元数据合计 366.32 GB。仅按下载、解压和临时文件估算,建议至少预留约 439.58 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-sa-4.0”,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。
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。