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3 小时前更新
先了解这件事
AI 综述
2026年10月16日，NVIDIA联合IIT Madras的AI4Bharat实验室发布Nemotron-pretraining-Indic-v1预训练语料，覆盖22种印度语言、约2.8万亿token，并同步开源用于生成该语料的GPU加速数据生成流水线。据Hugging Face Blog介绍，该语料“即将发布”（releasing soon），与开源流水线一同推出；发布后用户可固定数据集修订版本以进行可复现实验。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。此外，面向NeMo Data Designer的开源Nemotron Bharat翻译插件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。目前报道未披露语料的具体发布时间、许可条款或使用限制。
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 印度语言预训练语料及开源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 Blog精选NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 印度语言预训练语料及开源数据生成流水线
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，并同步开源用于生成该语料的 GPU 加速数据流水线。
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。