nemotron-gym-agentic-conversational-tool-use-pivot

该数据集是从nvidia/Nemotron-RL-Agentic-Conversational-Tool-Use-Pivot-v1转换而来的Harbor任务二进制数据集，包含96,965个任务，隶属于nvidia/Nemotron-Post-Training-v3集合。每个数据样本代表一个有效的Harbor任务二进制文件，包含两个字段：path（字符串类型，表示路径）和task_binary（gzip压缩的tar格式，存储任务二进制数据）。数据集使用OpenThoughts-Agent的data.nemotron_gym框架进行转换，适用于文本生成任务，特别关注代理、强化学习和对话式工具使用场景。数据集的评估采用单步方法，包括工具调用匹配（基于function_call）和大型语言模型（LLM）评判（基于message）。数据集遵循Apache-2.0许可证发布。

原始信息汇总

数据集概述

• 数据集名称: laion/nemotron-gym-agentic-conversational-tool-use-pivot
• 许可证: Apache-2.0
• 任务类别: 文本生成
• 标签: agent, harbor, reinforcement-learning, nemotron

数据来源与转换

• 该数据集由 nvidia/Nemotron-RL-Agentic-Conversational-Tool-Use-Pivot-v1 转换而来，是该集合（nvidia/Nemotron-Post-Training-v3）的一部分。
• 转换使用 OpenThoughts-Agent 框架中的 data.nemotron_gym 模块，将原始数据转换为有效的 Harbor 任务二进制格式。

数据规模与结构

• 任务数量: 96,965 个任务（task-binary 格式）。
• 每行数据包含两个字段:
  • path（字符串）
  • task_binary（gzip tar 压缩文件）

评估方式（Grading）

• 采用单步评估：
  • 工具调用匹配: 针对函数调用（function_call）进行匹配。
  • LLM 判分: 基于消息内容（message）由大语言模型进行评判。

搜集汇总

数据集介绍

构建方式

该数据集源自NVIDIA发布的Nemotron-RL-Agentic-Conversational-Tool-Use-Pivot-v1，是Nemotron-Post-Training-v3系列的重要组成部分。通过OpenThoughts-Agent框架中的data.nemotron_gym模块，原始数据被转换为Harbor任务二元格式，生成了包含96,965条任务记录的数据集。每条记录以路径和经过gzip压缩的tar格式任务二元数据存储，确保了数据的高效组织与可复现性。

特点

数据集专注于代理式对话中的工具使用场景，以二元任务的形式呈现，为强化学习环境下的文本生成任务提供了丰富素材。其核心特点在于采用单步评估机制，通过工具调用匹配（function_call）或大语言模型评判（message）进行评分，兼顾了客观性与灵活性。这种设计使得数据集能够有效支持智能体在对话中学习精准调用外部工具的能力。

使用方法

使用该数据集时，研究者可基于Harbor框架加载每个任务二元数据，将路径和压缩文件作为输入，解析为可交互的代理任务环境。适用于文本生成模型的后训练或强化学习微调阶段，尤其适合需要让模型掌握工具调用规范与对话衔接的任务。建议配合OpenThoughts-Agent库中的数据处理工具链，实现从任务加载到模型评估的完整流程。

背景与挑战

背景概述

在大型语言模型（LLM）后训练阶段，强化学习与工具调用能力的融合已成为提升模型智能体性能的关键路径。nvidia/Nemotron后训练v3系列致力于推动这一方向的研究，而nemotron-gym-agentic-conversational-tool-use-pivot数据集正是其重要组成部分。该数据集由LAION团队于2024年创建，基于NVIDIA发布的Nemotron-RL-Agentic-Conversational-Tool-Use-Pivot-v1数据集转换而来，包含96,965项任务，旨在为智能体后训练提供结构化、可复用的二元任务数据。其核心研究问题聚焦于如何通过Harbor格式将对话式工具使用任务标准化，以支持强化学习环境中的智能体行为训练。该数据集的发布填补了开源社区在高质量、大规模智能体对话工具使用基准数据上的空白，对推动LLM在真实工具交互场景中的应用具有显著影响力。

当前挑战

该数据集面临的核心领域挑战在于对话式工具使用任务的评价复杂性，需要同时处理函数调用的精确匹配与基于LLM判断的语义符合性，这比传统文本生成任务更难以量化。具体而言，单步工具调用中，模型不仅要理解用户意图，还需在众多候选工具中准确选择并生成合规参数，任何微小偏差都可能导致任务失败。在数据集构建过程中，挑战主要源于从原始百万级对话数据中提取有效二元任务的转换流程，包括确保每个任务二元组的路径与任务二进制文件（gzip tar）结构完整对应，以及在不同数据规模下维持任务分布均衡。此外，由于原始数据涉及多样化的工具调用场景，如何避免格式转换中的信息丢失，并保持Harbor框架的兼容性，亦是构建中的关键难题。

常用场景

经典使用场景

在智能体系统的研究领域，该数据集被广泛用于训练和评估基于大型语言模型的工具调用能力。通过包含近十万条对话-工具交互二元组，研究者能够构建具备自主推理与外部工具衔接能力的对话智能体，尤其适用于需要多步骤工具调用的复杂任务场景。

实际应用

在实际工业应用中，该数据集支撑了客户服务自动化、数据库查询接口、API编排系统等场景的智能体开发。通过模仿真实工具使用流程，企业能够快速部署能够解析用户意图并执行多步骤系统命令的对话式机器人，显著提升工作流自动化水平。

衍生相关工作

基于该数据集，研究者衍生出多项标志性工作，包括异构工具库下的鲁棒调度算法、基于Harbor框架的任务二元组生成策略，以及针对深度强化学习奖励塑造的评判器优化方法。这些工作共同构建了从数据生成到策略训练再到评估反馈的完整工具使用研究生态。