热点事件历史事件
NVIDIA联合AI4Bharat开源印度语言预训练语料
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
2026年10月16日，Hugging Face Blog发布一手报道，NVIDIA联合AI4Bharat（IIT Madras）开源印度语言预训练语料Nemotron-pretraining-Indic-v1。该数据集覆盖22种印度语言，规模约2.8万亿token，其中12种语言同时提供本族文字与罗马化版本，可用于提升印度本土语言大模型的预训练效果。此次开源不仅包含大规模语料，也配套发布了相应数据生成管线，方便研究者在此基础上进行二次开发与扩展。
AI 根据报道生成 · 3 天前更新
最新进展10月16日 09:44
2026年10月16日，NVIDIA联合AI4Bharat开源2.8万亿token印度语言预训练语料及配套数据生成管线。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- Hugging Face Blog精选NVIDIA 联合 AI4Bharat 开源 2.8 万亿 token 印度语言预训练语料及数据生成管线
NVIDIA 联合 AI4Bharat（IIT Madras）开源 Nemotron-pretraining-Indic-v1 印度语言预训练语料，覆盖 22 种印度语言共约 2.8 万亿 token，其中 12 种语言同时提供本族文字与罗马化版本。
本事件热度走势
当前热度 3·可比范围峰值 10（10月16日 10:00）·近 24 小时可比范围变化 -49%
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。