AI4Bharat

英伟达将推出2.8万亿词元印度语言预训练数据

据Hugging Face Blog于2026年10月16日刊登的联合文章，英伟达与印度理工学院马德拉斯分校及其AI4Bharat实验室合作开发了Nemotron-pretraining-Indic-v1，规模约2.8万亿词元。文章称，这套印度语言预训练数据即将推出，用于生成数据的开放式GPU加速流程也将一同提供。