NVIDIA und AI4Bharat geben 2,8 Billionen Indic-Trainings-Tokens frei — 22 Verfassungssprachen, Rezept offen — NVIDIA und AI4Bharat am IIT Madras haben Nemotron-pretraining-Indic-v1 angekündigt: rund 2,8 Billionen Tokens für die 22 Sprachen der indischen Verfassung, verteilt auf 34 Sprach-Skript-Konfigurationen (2.601 Mrd. nativ, 224,6 Mrd. romanisiert, gezählt mit dem Gemma-4-Tokenizer). Die Erzeugungspipeline mit Übersetzung, Qualitätsschwellwert 75/100 auf MQM-Kriterien und Reparatur-Loops wird offengelegt, damit Teams die Rezeptur reproduzieren können; 10 Mrd. der Tokens stecken bereits im kontinuierlichen Pretraining von Nemotron 3.5 Super VL. Quelle · Details · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von unite.ai. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von unite.ai. Es erfolgte keine manuelle redaktionelle Bearbeitung.
