NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 印度语语料库
热点事件持续更新
NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 印度语语料库
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1 印度语预训练语料库，约 2.8 万亿 token、覆盖 22 种印度语言，同时开放用于生成该语料的 GPU 加速数据管线。 按 Hugging Face 官方博客表述，语料库与数据管线为“即将发布”（releasing soon），并建议用户在发布后固定数据集版本以保证实验可复现。发布方称这将显著扩大社区可用的开源合成印度语训练数据。
AI 根据报道生成 · 44 分钟前更新
最新进展10月16日 09:44
扩展印度语预训练：2.8 万亿 token 与开放数据生成管线报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- Hugging Face Blog精选扩展印度语预训练：2.8 万亿 token 与开放数据生成管线
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token 覆盖 22 种印度语言，同时开放生成该语料的 GPU 加速数据管线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。