3000 美元造 140 万条编码轨迹,开源项目 nanoswe 公开全流程数据
andersonbcdefg · x · 2026-10-13
rdolmedo 公开了其创纪录编码模型所用的新训练数据集(已上传 Hugging Face):沿用此前纪录的微调数据合成方法,基于 SWE-smith 与 Nemotron 3.5 Lightning 生成。
- 数据规模:1k 个 GitHub 仓库 → 17.8 万个任务实例 → 140 万条 agent 轨迹;
- 成本仅约 3000 美元;
- 数据集 nanoswe/nanoswe-trajs-261002 以 MIT 协议开源,含 messages、patch、任务 ID、验证结果、工具调用次数等字段,并附配套模型权重。
对想做低成本 SWE-bench 类训练数据合成的团队是直接可参考的配方。
「编程与Agent」频道最新
- huashu-art-motion 走红:让 Claude Opus 用代码画出 35 种艺术风格动画 — anselm · 2026-10-13
- AI 让写码快 100 倍,但小心 slopsquatting 投毒陷阱 — Thionne_WTZ · 2026-10-13
- 开发者在做 agent 验证 MCP: pass/fail 之外,可解释失败原因更重要 — Practical_Green5775 · 2026-10-13
- 为阿尔及利亚方言做电话语音 agent,团队从头摸索微调语音模型 — Fair_Bed_914 · 2026-10-13
- 开发者工具公司集体失宠:AI 浪潮下保持相关性最难 — andreisavu · 2026-10-13
- 企业 AI 落地复盘：非技术团队为何卡在空白对话框 — brandon_galang · 2026-10-13