热点事件持续更新
NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 印度语言预训练数据集
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
2026 年 10 月 16 日，Hugging Face Blog 发布消息称，NVIDIA 与 IIT Madras 的 AI4Bharat 实验室联合推出 Indic 预训练数据集 Nemotron-pretraining-Indic-v1，规模约 2.8 万亿 token，覆盖印度宪法列出的 22 种语言，其中包括 12 种语言的罗马化文本，共 34 种语言-文字组合。报道称该数据集即将发布，并附有开源的 GPU 加速数据生成流水线。截至该报道，尚无后续进展披露。
AI 根据报道生成 · 2 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 的印度语言预训练数据集，即将发布并附开源流水线。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 联合 AI4Bharat 发布 2.8 万亿 token 的 Indic 预训练数据集与开源数据生成流水线
NVIDIA 与 IIT Madras 的 AI4Bharat 实验室联合推出 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖印度宪法列出的 22 种语言（含 12 种语言的罗马化文本，共 34 种语言-文字组合），即将发布并附开源 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。