NVIDIA 与 IIT Madras 发布 2.8 万亿 token 的 Indic 预训练语料及开源数据生成流程
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言的约 2.8 万亿 token，并同步开放用于生成该语料的 GPU 加速数据流程。
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言的约 2.8 万亿 token，并同步开放用于生成该语料的 GPU 加速数据流程。