NVIDIA与AI4Bharat发布Indic预训练语料
热点事件持续更新
NVIDIA与AI4Bharat发布Indic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 发布 Nemotron-pretraining-Indic-v1 预训练语料，约 2.8 万亿 token，覆盖 22 种印度语言，其中包含 2,601.0 亿原生文字 token 和 224.6 亿罗马化 token。 NVIDIA 称，该语料将与其用于生成它的开放、GPU 加速数据生成流程一同发布，但报道未说明具体发布时间。语料发布后，用户可固定数据集版本以保证实验可复现；Hugging Face Datasets 支持流式读取，无需下载整个语料即可查看记录。
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 的 Indic 预训练数据集及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 BlogNVIDIA 与 AI4Bharat 发布 2.8 万亿 token 的 Indic 预训练数据集及开放数据生成管线
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖 22 种印度语言，含 2,601.0 亿原生文字 token 和 224.6 亿罗马化 token。
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。