数据集

Nemotron-SFT-SWE-v3

nvidia/Nemotron-SFT-SWE-v3

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, bsd-3-clause, bsd-2-clause 上游版本:3f73de64c1fe

中文简介

nvidia/Nemotron-SFT-SWE-v3 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 3f73de64c1fe,同步到 98 个文件,文件元数据合计 21.74 GB;访问状态为“公开”,许可证字段为“cc-by-4.0, apache-2.0, mit, bsd-3-clause, bsd-2-clause”。

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-SWE-v3 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-SWE-v3 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 3f73de64c1fe,同步到 98 个文件,文件元数据合计 21.74 GB;访问状态为“公开”,许可证字段为“cc-by-4.0, apache-2.0, mit, bsd-3-clause, bsd-2-clause”。

【适用方向】
适合评估代码生成、仓库级理解、软件工程智能体和开发辅助流程。 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:3f73de64c1fe。 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:2026-06-06。

【文件信息】
上游 API 返回 98 个文件,文件元数据合计 21.74 GB。 已保存文件清单中的主要扩展名:.parquet 96 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:data/train-00094-of-00096.parquet(262.74 MB);data/train-00092-of-00096.parquet(258.37 MB);data/train-00093-of-00096.parquet(255.54 MB)。

【运行或处理环境】
仓库文件元数据合计 21.74 GB。仅按下载、解压和临时文件估算,建议至少预留约 26.09 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, bsd-3-clause, bsd-2-clause”,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: Nemotron-SFT-SWE-v3 is a software engineering instruction tuning dataset designed to advance the capabilities of LLMs on SWE-Bench style tasks. It includes agentic trajectories collected using a variety of agent harnesses, including the OpenHands, SWE-agent, and mini-SWE-agent frameworks. This dataset is ready for commercial use. Dataset Owner(s): NVIDIA Corporation Dataset Creation Date: Created on: 2026-06-04 Last Modified on: 2026-06-04 License/Terms of Use: This dataset is licensed under Creative Commons Attribution 4.0 International (CC-BY 4.0). Additional Information: Apache 2.0 License; MIT License; BSD-3 License; BSD-2 License. Intended Usage: This dataset is intended for LLM engineers and research teams building autonomous software engineering agents and code-focused assistants. It is suitable for supervised fine-tuning and distillation of models that must interpret real-world issue statements, plan multi-step tool use, navigate codebases, and implement fixes in a SWE-Bench–style setting. The trajectories can also be used to benchmark and debug agent policies, improve repository-aware reasoning, and study robust, regression-free code editing behaviors in both academic and production environments. Dataset Characterization Data Collection Method** Hybrid: Automated, Synthetic Labeling Method** Hybrid: Automated, Synthetic Dataset Format Modality: Text Format: JSONL Structure: Text + Metadata Dataset Quantification | Subset | Samples | |--------|---------| | Total | 237,970 | Total Data Storage: ~11.7GB Reference(s): Training Software Engineering Agents and Verifiers with SWE-Gym R2E-Gym: Procedural Environments and Hybrid Verifiers for Scaling Open-Weights SWE Agents SWE-rebench: An Automated Pipeline for Task Collection and Decontaminated Evaluation of Software Engineering Agents The OpenHands Software Agent SDK: A Composable and Extensible Foundation for Production Agents Nemotron-Cascade: Scaling Cascaded Reinforcement Learning for Gen

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

适合评估代码生成、仓库级理解、软件工程智能体和开发辅助流程。 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:3f73de64c1fe。 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:2026-06-06。

文件说明

上游 API 返回 98 个文件,文件元数据合计 21.74 GB。 已保存文件清单中的主要扩展名:.parquet 96 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:data/train-00094-of-00096.parquet(262.74 MB);data/train-00092-of-00096.parquet(258.37 MB);data/train-00093-of-00096.parquet(255.54 MB)。

上游文件元数据

  • .gitattributes2.45 KB
  • data/train-00000-of-00096.parquet111.20 MB
  • data/train-00001-of-00096.parquet108.75 MB
  • data/train-00002-of-00096.parquet111.97 MB
  • data/train-00003-of-00096.parquet109.47 MB
  • data/train-00004-of-00096.parquet111.90 MB
  • data/train-00005-of-00096.parquet109.80 MB
  • data/train-00006-of-00096.parquet112.84 MB
  • data/train-00007-of-00096.parquet109.99 MB
  • data/train-00008-of-00096.parquet110.26 MB
  • data/train-00009-of-00096.parquet111.63 MB
  • data/train-00010-of-00096.parquet111.39 MB

硬件建议

仓库文件元数据合计 21.74 GB。仅按下载、解压和临时文件估算,建议至少预留约 26.09 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, bsd-3-clause, bsd-2-clause”,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。