热点事件持续更新
NVIDIA开源2.8万亿token Indic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 实验室在 Hugging Face 发布 Nemotron-pretraining-Indic-v1 数据集。据该报道，数据集覆盖 22 种印度语言、约 2.8 万亿 token，其中包含 2601.0 亿原生文字 token 和 224.6 亿罗马化 token（按 Gemma-4 tokenizer 统计）。NVIDIA 同时开源了配套的 GPU 加速数据生成流水线。这是目前关于该事件的唯一报道，尚无后续进展。
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开源2.8万亿token的Indic预训练数据集及配套流水线报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- Hugging Face BlogNVIDIA 与 AI4Bharat 开源 2.8 万亿 token 的 Indic 预训练语料
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室推出 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，包含 2601.0 亿原生文字 token 和 224.6 亿罗马化 token（按 Gemma-4 tokenizer 统计），并将开源配套的 GPU 加速数据生成流水线。
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。