NVIDIAとAI4Bharat、Indic事前学習コーパスを公開

2026年10月16日、NVIDIAはIIT MadrasのAI4Bharatラボと共同で、Hugging FaceブログにNemotron-pretraining-Indic-v1事前学習コーパスを公開した。約2.8兆トークンで22のインド言語をカバーし、うち2,601.0億が現地文字トークン、224.6億がローマ字化トークンで、計数にはGemma-4 tokenizerを使用。あわせてオープンなデータ生成パイプラインも公開したと報じている。以前のイベントタイトルは「NVIDIAとIIT Madras、Indic事前学習コーパスを公開」で、今回は最新の一次公開情報である。

報道をもとに AI が作成 · 2 時間前に更新

連続した観測データがまだ足りないため、推移は描いていません。