NVIDIA与IIT Madras发布印度语言预训练数据集及生成流程
热点事件持续更新
NVIDIA与IIT Madras发布印度语言预训练数据集及生成流程
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与印度理工学院马德拉斯分校（IIT Madras）的AI4Bharat实验室合作，发布了名为Nemotron-pretraining-Indic-v1的预训练数据集。该数据集包含约2.8万亿个词元（token），覆盖22种印度语言。同时，合作方也开源了用于创建该数据集的、基于GPU加速的合成数据生成流程。
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 IIT Madras 发布 2.8 万亿 token 的印度语言预训练数据集及生成流程报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- Hugging Face BlogNVIDIA 与 IIT Madras 发布 2.8 万亿 token 的印度语言预训练数据集及生成流程
NVIDIA 与 IIT Madras 的 AI4Bharat 实验室合作发布了 Nemotron-pretraining-Indic-v1 数据集，包含 22 种印度语言的约 2.8 万亿 token，并开源了其 GPU 加速的合成数据生成流程。
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。