Датасет · nvidia
Nemotron-SFT-Agentic-v2: траектории tool-use
nvidia/Nemotron-SFT-Agentic-v2
Синтетические одно- и многоходовые траектории вызова инструментов для обучения агентных LLM.
Что внутри
Это синтетические траектории tool-use: одно- и многоходовые примеры, где модель разбивает цель, решает, когда вызывать инструменты, и рассуждает над их выводами. Датасет собран из трёх внутренних компонентов и, по карточке, готов к коммерческому использованию. Язык — английский; размер в метаданных не указан.
Что можно сделать
- SFT агентной LLM для вызова инструментов
- Дообучение LoRA под multi-turn tool use
- Проверка безопасности и надёжности агентов
- Задачи
- Генерация текста
- Языки
- Английский
- Скачиваний за месяц
- 9,1 тыс.
- Лайков
- 88
Модели, обученные на нём
- mradermacher/Nemotron-SEA-LION-v4.8-30B-A3B-Base-i1-GGUF 2,4 тыс.
- mradermacher/FlashModel-Qwen3.5-9B-i1-GGUF 2,2 тыс.
- mradermacher/ALIA-40b-fc-2606-i1-GGUF 1,7 тыс.
- mradermacher/Viper-9B-i1-GGUF 1,2 тыс.
- mradermacher/Mercury-Acad-1.7B-i1-GGUF 991
- mradermacher/Tini1.5-8B-A1B-i1-GGUF 939
- BSC-LT/ALIA-40b-fc-2606Генерация текста 806
- mradermacher/Viper-9B-GGUF 680
Как загрузить
from datasets import load_dataset
ds = load_dataset("nvidia/Nemotron-SFT-Agentic-v2")