Tech Meridian← ВСЕ МОДЕЛИ
PROМОЙ MERIDIAN

NVIDIA; IIT MADRAS (AI4BHARAT) · ТРЕКЕР МОДЕЛИ

Nemotron-pretraining-Indic-v1

Большой открытый предтренировочный корпус, анонсированный NVIDIA и IIT Madras / AI4Bharat: Nemotron-pretraining-Indic-v1 описывается как примерно 2,8 триллиона токенов синтетического текстового корпуса для индийских языков, который будет выпущен вместе с открытым GPU-ускоренным пайплайном генерации данных.

ТЕКУЩИЙ СНИМОК2/5 РАЗДЕЛОВ С ДАННЫМИ

Главные характеристики в одном месте.

ЦЕНА

Не установлено по доступным источникам.

КОНТЕКСТ

Не установлено по доступным источникам.

МОДАЛЬНОСТИ
МодальностьСинтетические текстовые данные для предтренировки (тексты в оригинальных письменностях и романизованные), включая переведённые и кураторские английские материалы, такие как математика, код и вопросы‑ответы, представленные на индийских языках.
БЕНЧМАРКИ

Не установлено по доступным источникам.

ДОСТУПНОСТЬ
ДоступностьАнонсирован как открытый релиз для сообщества, который будет опубликован вместе с повторно используемым GPU-ускоренным пайплайном генерации данных.

ПРОВЕРЯЕМЫЕ ФАКТЫ

Каждое значение привязано к источнику и дате.

РЕЛИЗ · Анонс выпускаДАННЫЕ РАЗРАБОТЧИКА

Анонсирован как Nemotron-pretraining-Indic-v1 — предтренировочный корпус примерно из 2,8 триллиона токенов; объявлено, что он будет выпущен в ближайшее время вместе с открытым GPU-ускоренным пайплайном генерации данных, использованным для его создания.

ВОЗМОЖНОСТИ · Охват языковДАННЫЕ РАЗРАБОТЧИКА

Содержит данные в оригинальных письменностях для 22 индийских языков (22 языка, перечисленные в Конституции Индии) и романизованный текст для двенадцати из этих языков.

МОДАЛЬНОСТИ · МодальностьДАННЫЕ РАЗРАБОТЧИКА

Синтетические текстовые данные для предтренировки (тексты в оригинальных письменностях и романизованные), включая переведённые и кураторские английские материалы, такие как математика, код и вопросы‑ответы, представленные на индийских языках.

ДОСТУПНОСТЬ · ДоступностьДАННЫЕ РАЗРАБОТЧИКА

Анонсирован как открытый релиз для сообщества, который будет опубликован вместе с повторно используемым GPU-ускоренным пайплайном генерации данных.

БЕЗОПАСНОСТЬ · Контроль качества и связь с источникомДАННЫЕ РАЗРАБОТЧИКА

Каждая запись восходит к кураторскому источнику, и выходы проверяются по входам, чтобы синтетический текст оставался привязанным к реальной информации; пайплайн включает подсказки, LLM‑воркфлоу и проверки качества для перевода, оценки и исправления.

ЧТО ИЗМЕНИЛОСЬ

Сохранённые версии паспорта, без догадок задним числом.

Паспорт создан5 фактов