NVIDIA联合发布2.8T印度语预训练数据集
热点事件持续更新
NVIDIA联合发布2.8T印度语预训练数据集
2 篇报道2 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 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1 数据集及开源 GPU 加速生成管线。该语料覆盖印度宪法所列 22 种语言，总量约 2.8 万亿 token，其中原声文字 2.601 万亿，罗马化文字 224.6 亿。数据显示，Nemotron 3.5 Super VL 在基于该管线生成的数据上，于展示的六项任务基准中有五项得分更高。 2026年10月20日，arXiv 发布的论文进一步详细展示了该合成语料库及评测套件。该版本确认语料库包含 22 种印度语言，总量约为 2.83 万亿 token，与早先报道的 2.8 万亿 token 在精度上略有不同，但整体规模一致。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
NVIDIA 与 AI4Bharat 发布 Nemotron-Pretraining-Indic-v1 合成语料库及评测套件报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · NLPNVIDIA 与 AI4Bharat 发布 Nemotron-Pretraining-Indic-v1 合成语料库及评测套件
NVIDIA 与 AI4Bharat 联合推出 Nemotron-Pretraining-Indic-v1 及评测套件，构建了覆盖 22 种印度语言的 2.83 万亿 token 合成预训练语料库。
10月16日
- Hugging Face Blog精选NVIDIA 发布 Nemotron-pretraining-Indic-v1 与 2.8 万亿 token 印度语开源预训练语料
NVIDIA 与 IIT Madras 的 AI4Bharat 实验室联合发布 Nemotron-pretraining-Indic-v1，提供覆盖印度宪法所列 22 种语言的约 2.8 万亿 token 预训练语料，并同步开源 GPU 加速的合成数据生成管线。
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月17日10月18日10月19日10月20日
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。