NVIDIA一周发布多类Agent数据
人类判断成为训练闭环
本周扫描 86 个 HF 组织 · 50 个 GitHub 组织 · 71 个博客 · 125 个 X 账户
NVIDIA 在 10 月 14—16 日连续发布金融、Agent、化学与长上下文训练数据 [P0]、10 月 15 日 NVIDIA 同时推进合成安全对话与工业 3D 资产数据 [P0]、Qwen 的 BlenderWorld 将 3D 创作评测推进到 223 个真实任务 [P1]。本周最强数据需求信号:Agent 工具调用与长时轨迹。
Key Findings
本周 5 条高商业价值发现
NVIDIA 于 2026-10-14 发布 `Nemotron-SFT-Agentic-v4`,下载量 5,939、星数 9,包含由 Qwen3.5-397B-A17B 和 GLM-5.2 生成的多轮工具调用轨迹;同日发布 `Nemotron-SFT-Finance-Document-Grounded-Reasoning-v1`,下载量 2,407、星数 17,以及 `Nemotron-RL-Finance-Tool-Calling-v1`,下载量 1,061、星数 1。2026-10-12 发布的 `Nemotron-RL-litmus-bench-v0.2` 包含 47,118 个训练问题和 2,056 个测试问题。2026-10-14 另发布长上下文翻译与序列变换数据集,下载量分别为 869 和 1,002。
NVIDIA 于 2026-10-15 发布 `Nemotron-SFT-BBQ-v1`,下载量 788、星数 5,覆盖年龄、外貌和残障等敏感属性相关的英文合成对话;同日发布 `cdf-pcb-usd-dataset`,下载量 204、星数 0,提供用于 PCB 检测和合成数据生成的 OpenUSD 三维资产。此前 `Nemotron-Personas-Vietnam` 下载量已达 23,875、星数 246,发布日期为 2026-06-04。
Alibaba Qwen 于 2026-10-14 发布 `Qwen/BlenderWorld`,下载量 13,914、星数 73,包含 223 个覆盖建筑、产品、自然环境和科学可视化的 3D 创建任务,输入涉及文本、图像、视频和结构化提示。同期 `Qwen/Qwen-Image-2.1-Turbo` 模型下载量达到 43,908、星数 1,109,发布日期为 2026-10-09。
`CleanRM: Reward Modeling from Noisy Feedback with a Few Clean Feedback for RLHF` 于 2026-10-15 发表,聚焦主观判断、反馈错误和 LLM 评审造成的偏好噪声;`Beyond Reward Scoring: Online Multi-Agent Preference Learning for Multimodal Response Generation` 于 2026-10-16 发表,探索多模态在线偏好学习;`LongForge` 于 2026-10-16 发表,提出用证据—断言推理图审计长上下文指令数据;`Each Reward to Its Relevant Tokens` 于 2026-10-15 发表,研究多奖励场景下的 token 级信用分配。
Hacker News 于 2026-10-16 推荐 Mercor 的研究《90% of US working hours are spent on tasks not covered well by AI benchmarks》,获得 634 次点赞、581 条评论。同期 Snorkel AI 在 2026 年 Frontier Data Summit 总结中强调,Agent 能力提升后,数据与评测需要发展为独立科学;其文章《When Partial Credit Opposes Completion》讨论长时任务中的部分得分与最终完成之间的冲突。
Demand Signals
从模型发布反推训练数据需求
想深聊本期内容?
由 AI Dataset Radar 自动生成 · 每周更新
AI Dataset Radar →