NVIDIA Nemotron 开放数据：用合成数据支撑智能体开发

NVIDIA 的核心论点是：智能体能力本质上是一个数据问题。一个无法从失败的 API 调用或没见过的工作流中恢复的「智能体」，只是带工具的自动补全。要跨过这道坎，需要软件工程轨迹、工具调用失败、多步推理、检索、安全、用户模拟等类型的数据——这正是 Nemotron 开放数据产品覆盖的范围。

合成数据在其中扮演规模化引擎的角色：Nemotron-CC 用合成增强 Common Crawl 预训练语料，Nemotron-CC-MATH 用合成数学题提升推理能力，Nemotron Pretraining 则覆盖通用、代码、数学等数万亿 token。NVIDIA 援引 ICML 上约 145 篇引用 Nemotron 模型与数据集的论文来说明开放数据对研究生态的带动。

文中还有一个对企业实用的角度：每家公司都有自己的「秘密」（独有的工作流、语料、客户模式），这些信号让 AI 有用，但不应该被直接暴露。合成数据提供了保留信号、隐藏底料的路径。更进一步，开放数据让智能体行为变得可检查、可解释——当模型会调用工具、执行工作流、跨系统行动时，开发者需要理解塑造这些行为的数据。对正在构建智能体的团队来说，这是一份值得对照自查的数据清单。