Nemotron-RL-Agentic-Terminal-Pivot-v1 nvidia

種別
dataset
ライセンス
cc-by-4.0
言語
en
ダウンロード
445
いいね
15
アクセス
public
ファイル
3

タグ

  • エージェント
  • 強化学習
  • テキスト生成
  • コード生成
  • 合成データ
  • 指示微調整
  • 大規模言語モデル
  • データセット

概要

NVIDIAが提供する、コマンドライン（ターミナル）操作を行うLLMエージェントの強化学習用トレーニングデータセットです。成功エージェント軌跡から抽出した31,000件以上の意思決定ポイント（プロンプトと参照アクション）を含み、NeMo Gymのterminus_judge環境でRLVR用の報酬計算に利用できます。630件の実践的なターミナル業務タスク（データパイプライン構築、障害診断、セキュリティ監査など）をカバーし、エージェントのファインチューニングやオフライン分析にも活用可能です。

README

--- license: - cc-by-4.0 language: - en task_categories: - text-generation pretty_name: Nemotron-RL-Agentic-Terminal-Pivot-v1 tags: - text - agentic - code - software engineering - tool use - reasoning - reinforcement-learning - synthetic - human - terminal size_categories: - 10K<n<100K --- ## データセ…

查看完整页面 · 查看原文