NVIDIA发布2.8万亿Token印度语言数据集及生成管道
热点事件持续更新
NVIDIA发布2.8万亿Token印度语言数据集及生成管道
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
NVIDIA联合IIT Madras和AI4Bharat发布Nemotron-pretraining-Indic-v1数据集及GPU加速数据生成流水线，覆盖印度宪法承认的22种语言。 该数据集包含2,6010亿本地脚本token和2246亿罗马化token。Nemotron 3.5 Super VL的持续预训练已使用其中120亿token。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 09:44
NVIDIA 开源2.8万亿Token印度语言数据集及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 BlogNVIDIA 开源2.8万亿Token印度语言数据集及数据生成流水线
NVIDIA联合IIT Madras和AI4Bharat发布约2.8万亿token的Indic预训练语料及GPU加速的数据生成流水线，覆盖印度宪法承认的22种语言（含全部22种的本地脚本数据及12种语言的罗马化文本）。
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。