Nemotron-SFT-SWE-v3
קוד פתוחnvidiacc-by-4.0,apache-2.0,mit,bsd-3-clause,bsd-2-clause2026-05-26
nvidia עומדים גם מאחורי NVIDIA AI, ויש עליו סקירה כאן.
מאגר מסלולי ריצה של סוכני קוד שנועד לאימון מודלים על פתרון תקלות בסגנון SWE-Bench. הוא מרכז צעדים מובנים של שימוש בכלים וניווט בריפוזיטורי כדי ללמד מודל לתקן באגים אמיתיים.
- 2,478הורדות בחודש
- 20לייקים
מה זה
המאגר כולל 237,970 רשומות המורכבות מטקסט ומטא-דאטה של מסלולי פעולה מלאים של סוכני תוכנה. המטרה כאן היא לא סתם השלמת שורות קוד, אלא הבנה של תיאור תקלה, תכנון רב שלבי של שימוש בכלים, תנועה בתוך עץ קבצים וכתיבת תיקונים שלא שוברים בדיקות קיימות. התוכן מייצג את צורת העבודה של סוכנים אוטונומיים בסביבות פיתוח מורכבות.
איסוף המידע ותיוגו נעשו בצורה היברידית שמשלבת תהליכים אוטומטיים ויצירה סינתטית. אנבידיה השתמשה במספר סביבות הרצה מובילות בתחום, כולל OpenHands, SWE-agent ו־mini-SWE-agent, כדי לייצר ולתעד את מהלכי הסוכנים. המאגר מתבסס על מחקרים קודמים בתחום של סביבות אימון ובודקים אוטומטיים כמו SWE-Gym ו־R2E-Gym, שנועדו להבטיח שהמסלולים שנאספו מייצגים פתרונות נכונים לבעיות הנדסיות.
מתאים ל
- אימון סוכני קוד אוטונומיים
כוונון עדין למודלי שפה שנועדו לקבל באג בגיטהאב, לחקור את הקוד ולייצר פאטץ תקין.
- זיקוק מודלים למשימות תוכנה
העברת יכולות הסקת מסקנות ושימוש בכלים ממודלי ענק למודלים קטנים ומהירים יותר.
- ניתוח התנהגות של סוכנים
מחקר על אסטרטגיות ניווט בקבצים וזיהוי נקודות שבהן סוכנים מבוססי שפה נוטים להיתקע.
איפה זה נופל
המאגר מוגבל לשפה האנגלית בלבד, ואין בו שום ייצוג לעברית או לשפות אחרות. שיטת האיסוף מוגדרת כהיברידית וסינתטית, מה שאומר שחלק ממסלולי הפעולה לא נכתבו על ידי מתכנתים אנושיים אלא נוצרו על ידי סוכנים אוטומטיים, עם פוטנציאל לדפוסי פעולה מלאכותיים או שגיאות חוזרות. הכרטיס לא מפרט אילו שפות תכנות כלולות בפועל או מה יחס החלוקה בין הקוד הסינתטי לקוד האמיתי. לפני שמשלבים מודל שאומן עליו במוצר, חובה לבדוק אם הוא לא מייצר לולאות פעולה מיותרות או שינויים הרסניים בקבצים.
אותה משפחה
Nemotron-SFT-SWE יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
כן. אנבידיה מציינת במפורש שהדאטהסט מוכן לשימוש מסחרי תחת רישיון CC-BY 4.0 ורישיונות קוד פתוח מתירניים. עליכם רק לתת קרדיט נאות ליוצרים.
כמה מקום המאגר תופס בדיסק ואיך הוא שמור?
הנפח הכולל של המאגר הוא בערך 11.7 גיגה-בייט. בפועל הוא מחולק ל־96 קובצי Parquet שונים שזמינים להורדה ישירה.
האם המאגר כולל דוגמאות בעברית?
לא. המאגר מוגדר כבעל שפה אחת בלבד, אנגלית. כל ההוראות, התיאורים והדיונים על הקוד כתובים באנגלית.
איך נוצרו מסלולי הריצה שבדאטהסט?
המידע הופק בשילוב של תהליכים אוטומטיים וסינתטיים. אנבידיה הריצה שלדות סוכנים כמו OpenHands ו־SWE-agent בסביבות הרצה מבוקרות כדי לתעד את שלבי הפתרון.
איך טוענים
הנתונים שוקלים בערך 11.7 גיגה-בייט והם פתוחים לחלוטין להורדה ללא צורך באישור גישה מקדים מצד אנבידיה. במאגר יש 98 קבצים, כאשר המידע עצמו מחולק ל־96 קובצי Parquet שונים, אף על פי שבתיאור המקורי מצוין פורמט JSONL. המבנה כולל טקסט ומטא-דאטה שמתעדים את צעדי הסוכן, הקריאות לכלים והתגובות מהסביבה. אפשר לטעון אותו ישירות באמצעות ספריית datasets של Hugging Face כדי להתחיל תהליך כוונון עדין.
from datasets import load_dataset
ds = load_dataset("nvidia/Nemotron-SFT-SWE-v3")הרישיון
המאגר מפורסם ברישיון CC-BY 4.0 לצד רישיונות קוד פתוח מתירניים כמו Apache 2.0, MIT ו־BSD. אנבידיה מציינת במפורש שהדאטהסט מוכן לשימוש מסחרי. מותר לאמן עליו מודלים פנימיים או מסחריים, בכפוף למתן קרדיט מתאים לפי תנאי הייחוס, ואין חובה לפתוח את הקוד או את המשקולות של המודל שתאמנו.