NVIDIA与AI4Bharat发布印度语言预训练语料
热点事件持续更新
NVIDIA与AI4Bharat发布印度语言预训练语料
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，覆盖22种印度语言、约2.8万亿token，其中原生文字2601.0亿token、罗马化224.6亿token。 NVIDIA称，该语料将与其开源、基于NeMo Data Designer的GPU加速数据生成流水线一同发布，后者正是用于构建该语料。NVIDIA还建议，待数据集发布后固定一个版本（revision），以便实验可复现。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 09:44
NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 印度语言预训练语料及开放数据生成流水线报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- Hugging Face Blog精选NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 印度语言预训练语料及开放数据生成流水线
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，其中原生文字 2601.0 亿 token、罗马化 224.6 亿 token，并同步开源基于 NeMo Data Designer 的 GPU 加速数据生成流水线。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月16日 10:00
- 近 24 小时变化
- –
02.557.510
10:0011:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。