NVIDIA与AI4Bharat发布Indic预训练语料
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博客发布Nemotron-pretraining-Indic-v1预训练语料，约2.8万亿token，覆盖22种印度语言，其中2,601.0亿为本地文字token、224.6亿为罗马化token，计数使用Gemma-4 tokenizer。报道同时称发布了开放数据生成流程。此前事件标题为“NVIDIA与IIT Madras发布Indic预训练语料”，本次为最新一手发布信息。
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、覆盖22种印度语言的Indic预训练语料。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流程
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖 22 种印度语言，其中 2,601.0 亿为本地文字 token、224.6 亿为罗马化 token，计数使用 Gemma-4 tokenizer。
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。