Датасет · nvidia
Траектории SWE-агентов для дистилляции
nvidia/Open-SWE-Traces
Роллауты агентов в разных обвязках по задачам software engineering — для дистилляции и обучения SWE-агентов.
Что внутри
Это набор траекторий агентов для задач software engineering, собранный NVIDIA. В v2.0 добавлены роллауты на базе Qwen3.8-Flash-Next с разным уровнем reasoning effort в OpenHands, SWE-agent, mini-swe-agent, Claude-Code и OpenCode. Ранее добавили траектории Qwen3.8-27B; по метаданным размер — 1M–10M, модальность текст.
Что можно сделать
- Дообучить SWE-агента или LoRA для агентных задач
- Дистиллировать поведение сильных моделей в меньшую
- Сравнить агентные обвязки на одинаковых траекториях
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 33,4 тыс.
- Лайков
- 177
Модели, обученные на нём
- nicosuter/Qwen3.8-27B-AWQКартинка + текст 138,2 тыс.
- Jitheswar/Qwen3.5-4B-SalieriКартинка + текст 802
- mradermacher/Qwen3.5-4B-Salieri-i1-GGUF 776
- mradermacher/Qwen3.5-4B-Salieri-GGUF 765
- mradermacher/Mellum2.1-12B-A2.5B-Thinking-DevSec-merged-bf16-GGUF 504
- shadowpa0327/Qwen3.8-Flash-Next-DSpark 366
- ahmetggg/Luck-Qwen3-4b-Code-FineTuneГенерация текста 155
- SousiOmine/Lumi-v2-llm-jp-4-8bГенерация текста 115
Как загрузить
from datasets import load_dataset
ds = load_dataset("nvidia/Open-SWE-Traces")