热点事件持续更新
NVIDIA与AI4Bharat发布2.8万亿token印度语预训练语料
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，Hugging Face Blog报道，NVIDIA与IIT Madras的AI4Bharat联合推出面向预训练的印度语语料Nemotron-pretraining-Indic-v1，规模约2.8万亿token，覆盖印度宪法所列22种语言。据Gemma-4 tokenizer统计，其中包含2,601.0B天然文字token和224.6B罗马化token。该语料将随一套开源、GPU加速的数据生成管线一同发布，报道时点为“即将发布”。目前该事件为单一报道，暂无后续进展或与早先报道矛盾之处。
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宣布2.8万亿token印度语语料及开源数据管线即将发布。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 Nemotron-pretraining-Indic-v1 语料及开源数据生成管线
NVIDIA 与 IIT Madras 的 AI4Bharat 推出 Nemotron-pretraining-Indic-v1 预训练语料，约 2.8 万亿 token，覆盖印度宪法 22 种语言，含 2,601.0B 天然文字 token 和 224.6B 罗马化 token（Gemma-4 tokenizer 统计），即将随开源、GPU 加速的数据生成管线一同发布。
本事件热度走势
当前热度 9·可比范围峰值 10（10月16日 10:00）·近 24 小时可比范围变化 –
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。