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")