NVIDIA y AI4Bharat presentan Nemotron-pretraining-Indic-v1, con 2,8 billones de tokens en 22 idiomas indios
NVIDIA, con IIT Madras y su laboratorio AI4Bharat, anuncia Nemotron-pretraining-Indic-v1, un corpus de unos 2,8 billones de tokens en los 22 idiomas listados…
Por qué importaLos idiomas indios cuentan con poco material de entrenamiento, y un corpus abierto y auditable reduce esa barrera para crear modelos en esas lenguas…
Impacto bajo
Fiabilidad una fuente fiable
Hugging Face