NVIDIA与AI4Bharat发布印度语言预训练语料
热点事件历史事件
NVIDIA与AI4Bharat发布印度语言预训练语料
1 篇报道1 个报道来源9 天前更新
先了解这件事
AI 综述
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，并同步开放用于生成该语料的 GPU 加速数据生成流程。 据 NVIDIA 介绍，该语料“即将发布”，届时会一并开放生成流程；配套的开源 Nemotron Bharat 翻译插件用于 NeMo Data Designer，提供翻译与评估提示、可选的基于反馈的重写、文档窗口化及文字系统重映射支持。 NVIDIA 建议在语料发布后固定数据集版本以保证实验可复现；Hugging Face Datasets 支持流式读取，读者无需下载整个语料即可查看记录。
AI 根据报道生成 · 9 天前更新
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 Nemotron-pretraining-Indic-v1：2.8 万亿 token 与开放数据生成流程
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，并同步开放用于生成该语料的 GPU 加速数据生成流程。