事件追踪已归档
NVIDIA与IIT Madras发布2.8万亿token印度语语料
首次报道 最新进展 1 篇报道，1 个来源
事件综述根据 1 篇报道整理，10月16日更新
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，并公开用于生成该语料的 GPU 加速数据生成流程。 据 NVIDIA 介绍，该语料及配套流程“即将发布”（releasing soon），目前尚未开放下载；发布后建议固定数据集版本以保证实验可复现。
综述由模型根据报道生成，细节以各篇原文为准。
进展时间线
北京时间，最早在上Hugging Face BlogNVIDIA发布2.8万亿token Indic预训练语料
阅读这篇报道
全部报道
1 篇，点开看摘要NVIDIA 与 IIT Madras 发布 2.8 万亿 token 印度语言预训练语料及开放生成流程
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，并公开用于生成该语料的 GPU 加速数据生成流程。
入选理由NVIDIA 与 IIT Madras 公开 2.8 万亿 token 的印度语言预训练语料及生成流程，研究者可据此评估多语言模型的训练数据来源。
阅读这篇报道