跳到正文
热点事件持续更新

NVIDIA 与 AI4Bharat 开源 Indic 预训练语料

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

NVIDIA 联合 IIT Madras 的 AI4Bharat 开源了预训练语料 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖印度宪法列出的 22 种语言，并同步开放数据生成管线。 该语料含 2601.0 亿原生文字 token 和 224.6 亿罗马化 token，token 数按 Gemma-4 tokenizer 计算。

AI 根据报道生成 · 12 小时前更新

最新进展10月16日 09:44
NVIDIA 与 AI4Bharat 开源 2.8 万亿 token 的 Indic 预训练语料及数据生成管线

报道时间线

沿着报道，了解事件的不同侧面。

10月16日
  1. Hugging Face 社区博客
    NVIDIA 与 AI4Bharat 开源 2.8 万亿 token 的 Indic 预训练语料及数据生成管线

    NVIDIA 联合 IIT Madras 的 AI4Bharat 开源 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖印度宪法列出的 22 种语言。该语料含 2601.0 亿原生文字 token 和 224.6 亿罗马化 token（按 Gemma-4 tokenizer 计），并同步开放数据生成管线。

本事件热度走势

可比范围当前
7
可比范围峰值
1010月16日 10:00
近 24 小时变化
–

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。