К содержимому

Датасет · nvidia

SFT-датасет от NVIDIA для генерации кода на CUDA

nvidia/Nemotron-SFT-CUDA-v1

Синтетический набор из 1–10 тысяч задач с тестами от NVIDIA для обучения языковых моделей написанию CUDA-ядер.

Что внутри

Датасет содержит от 1 до 10 тысяч текстовых примеров на английском языке для задачи text-generation. Задачи по программированию на CUDA сгенерированы агентом OpenCode на базе GLM-4.7 поверх исходного кода из открытого корпуса Nemotron Pretraining Code v2, а каждая задача снабжена скрытым ответом и тестами. Второй агент решал эти задачи только по тексту условия без доступа к исходному коду.

Что можно сделать

  • SFT-дообучение кодовых LLM для написания и оптимизации CUDA-ядер
  • Оценка способности моделей решать алгоритмические задачи на CUDA с проверкой по тестам
Задачи
Генерация текста
Языки
Английский
Размер
1K–10K записей
Скачиваний за месяц
846
Лайков
23

Как загрузить

from datasets import load_dataset

ds = load_dataset("nvidia/Nemotron-SFT-CUDA-v1")