热点事件持续更新
NVIDIA与AI4Bharat发布2.8万亿Token印度语预训练数据集
1 篇报道1 个报道来源2 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 在 Hugging Face 发布 Nemotron-pretraining-Indic-v1 印度语预训练语料及开放数据生成管线。据该报道，数据集规模约 2.8 万亿 token，覆盖 22 种印度语言，包含 2,601.0 亿原生文字 token 和 224.6 亿罗马化 token，共 34 种语言-文字组合。目前公开信息仅此一篇一手报道，尚无后续进展或与之矛盾的说法。
AI 根据报道生成 · 1 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 印度语预训练语料及开放生成管线。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- Hugging Face BlogNVIDIA 与 AI4Bharat 发布 2.8 万亿 token 的 Indic 预训练语料及开放数据生成管线
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖 22 种印度语言，含 2,601.0 亿原生文字 token 和 224.6 亿罗马化 token，共 34 种语言-文字组合。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。