Nemotron-Competitive-Programming-v1-prompt-only

Nemotron-Competitive-Programming-v1-prompt-only 是一个从源数据集 nvidia/Nemotron-Competitive-Programming-v1 中提取的仅包含提示部分的数据集。它旨在提供编程竞赛相关任务的纯提示数据，用于语言模型训练或评估。数据集主要包含一个CSV文件（prompts.csv），每条记录对应源数据的一行，并提取了提示内容、独立的系统提示以及当源行定义可用工具时的结构化工具信息，嵌套值以JSON格式编码在CSV单元格中。此外，数据集还提供了两个辅助文件：summary.md（包含源行数、提取行数、计数差异和失败提示计数的统计摘要）和 null_or_empty_rows.md（记录提示提取结果为null或空值的行索引）。数据集规模较大，共提取了3,927,984行提示，无失败行，行数差异为零。该数据集适用于编程代码生成、指令跟随或工具使用等自然语言处理任务，特别适合基于提示的模型微调或分析。

Nemotron-Competitive-Programming-v1-prompt-only is a dataset extracted from the source dataset nvidia/Nemotron-Competitive-Programming-v1, containing only the prompt portions. It aims to provide pure prompt data for programming competition-related tasks, intended for language model training or evaluation. The dataset primarily includes a CSV file (prompts.csv), where each record corresponds to a row from the source data, and extracts the prompt content, independent system prompts, and structured tool information when tools are defined in the source row, with nested values encoded in JSON format within CSV cells. Additionally, the dataset provides two auxiliary files: summary.md (containing statistical summaries of source row counts, extracted row counts, count differences, and failed prompt counts) and null_or_empty_rows.md (recording row indices where prompt extraction resulted in null or empty values). The dataset is large-scale, with 3,927,984 extracted prompt rows, no failed rows, and zero row count differences. It is suitable for natural language processing tasks such as programming code generation, instruction following, or tool use, particularly for prompt-based model fine-tuning or analysis.

原始信息汇总

数据集名称

Nemotron-Competitive-Programming-v1-prompt-only

数据集来源

源自 nvidia/Nemotron-Competitive-Programming-v1，是其中提示（prompt）部分的提取版本。

数据集内容

• 主要文件：prompts.csv
• 每条记录包含：
  • prompt：提示文本
  • system_prompt：系统提示文本（已分离）
  • tools：结构化工具定义（若源行定义了可用工具，则包含该字段；嵌套值以JSON编码存储在CSV单元格中）

补充文件

• summary.md：源行计数、提取行计数、计数差异及失败提示计数
• null_or_empty_rows.csv：提示提取产生空或null提示的行索引

数据规模

• 提取行数：3,927,984
• 失败提示行数：0
• 行数差异：0

数据集用途

用于后训练（Post-Training）场景，由Nemotron Post-Training v3 提示提取工作流生成并上传。

搜集汇总

数据集介绍

构建方式

该数据集源于《nvidia/Nemotron-Competitive-Programming-v1》的提炼之作，聚焦于将原始数据中与提示相关的信息剥离出来，形成仅含提示的轻量化版本。具体而言，从源数据集的每一条记录中提取出核心的prompt字段，并从中分离出system_prompt与结构化tools信息，嵌套值以JSON格式编码于CSV单元格内，确保数据紧凑且易于读取。同时附带了summary.md与null_or_empty_rows.md两份元数据文件，分别记录了提取过程的统计结果与潜在的空值行索引，最终生成了约392万条有效提示记录。

特点

本数据集最显著的特性在于其“纯净性”——仅保留提示内容，完全屏蔽了原始数据中的响应或其他复杂字段，极大简化了后续处理流程。每条记录都包含系统提示、用户提示及可选的工具定义，结构清晰且格式统一，适配于各类基于提示的模型微调与评估场景。此外，数据集经过严格的质量控制，零失败行与零数量偏差确保了其完整性与可靠性，为竞技编程领域的提示工程研究提供了坚实的数据基础。

使用方法

使用该数据集时，开发者可直接加载prompts.csv文件，利用pandas或类似库解析JSON编码的嵌套字段，灵活提取需要的提示组件。适用于构建少样本提示模板、训练提示优化模型或评估LLM在编程任务中的指令跟随能力。建议在加载后检查null_or_empty_rows.md以排除潜在的空值行，并结合summary.md了解数据概况。由于数据仅含提示，使用者需自行构建对应的响应或评估逻辑以形成完整的训练管线。

背景与挑战

背景概述

在大型语言模型（LLM）的后训练阶段，高质量提示数据的稀缺性一直是制约模型推理能力提升的关键瓶颈。为此，NVIDIA研究团队于2023年构建了Nemotron-Competitive-Programming-v1数据集，专注于竞争性编程领域的提示生成。该数据集由NVIDIA的Nemotron后训练团队主导，核心目标是收集并整理复杂的编程问题提示，以增强模型在算法推理与代码生成方面的能力。作为其提示专用子集，Nemotron-Competitive-Programming-v1-prompt-only从原始数据集中提取了近四百万条高质量提示记录，涵盖了系统提示和结构化工具调用信息，为LLM的监督微调和强化学习提供了丰富的训练素材，对推动代码智能领域的研究具有显著影响力。

当前挑战

该数据集面临的首要挑战是竞争性编程领域本身的复杂性：编程问题通常包含高度抽象的数学逻辑、边界条件和优化要求，模型需要从自然语言描述中精准理解意图并生成正确代码，这对提示的质量和多样性提出了极高要求。在构建过程中，挑战主要体现在提示提取与结构化处理上：原始数据集中包含嵌套的JSON格式工具调用和多层次的系统指令，从非结构化的CSV中准确分离并保留这些信息，同时避免数据丢失或格式错误，是一项艰巨任务。最终提取结果实现了零提示失败，但确保四百万条记录中每条都包含完整且无冗余的提示内容，仍需要严格的过滤与校验机制，以维持数据的高可用性。

常用场景

经典使用场景

在竞争性编程与代码智能领域，Nemotron-Competitive-Programming-v1-prompt-only数据集作为高效、结构化的提示库，被广泛用于微调大型语言模型的代码生成与推理能力。研究者利用这些精心设计的提示（prompt），结合系统指令（system_prompt）和工具调用（tools）描述，引导模型模拟人类选手在算法竞赛中的解题思路，从而提升模型对复杂编程问题的理解与多步骤逻辑推演能力。

解决学术问题

该数据集有效缓解了学术研究中高质量、多样化编程提示稀缺的困境，为评估和提升模型在零样本或少样本条件下的代码合成、调试与优化性能提供了标准化基准。其集中解决了如何使语言模型从通用编程知识向竞争性编程所需的精准、高效代码转化的问题，推动了程序合成、自动程序修复和算法推理等前沿课题的进展。

衍生相关工作

基于该数据集衍生了多项经典工作，如针对提示工程优化的后训练范式（Post-Training v3），以及利用工具调用增强模型与外部代码解释器交互的框架。后续研究进一步扩展了其应用，包括跨语言代码迁移学习、对抗性提示生成与鲁棒性验证，以及多轮交互式编程智能体等方向。