NVIDIA 与 IIT Madras 开源 2.8 万亿 token 印度语言预训练语料及数据生成流水线

NVIDIA 与 IIT Madras 的 AI4Bharat 联合发布 Nemotron-pretraining-Indic-v1，包含覆盖印度宪法 22 种语言的约 2.8 万亿 token 语料，以及配套的开源 GPU 加速数据生成流水线。