NVIDIA y AI4Bharat publican un corpus de 2,8 billones de tokens para idiomas indios

Línea temporal

1. hace 3 h
   Hugging FaceFiabilidad una fuente fiable

   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 en la Constitución de la India, que se publicará próximamente…