NVIDIA与AI4Bharat发布Indic预训练语料及管线
热点事件持续更新
NVIDIA与AI4Bharat发布Indic预训练语料及管线
1 篇报道1 个报道来源18 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，其中含 2,601.0 亿原生文字 token 和 224.6 亿罗马化 token。NVIDIA 称该语料将“即将发布”，并同步开源用于生成它的 GPU 加速数据生成管线。 开源部分包括 NeMo Data Designer 的 Nemotron Bharat 翻译插件，提供翻译与评估提示、可选的基于反馈改写、文档窗口化和文字系统重映射支持。NVIDIA 建议在数据集发布后固定 revision 以保证实验可复现；Hugging Face Datasets 支持流式读取，可在不下载整个语料的情况下查看记录。
AI 根据报道生成 · 3 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，并同步开源基于 NeMo Data Designer 的 GPU 加速数据生成管线。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 610月17日 01:00
- 近 24 小时变化
- –
02468
01:0002:0003:00
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。