NVIDIA will gemeinsam mit dem IIT Madras und AI4Bharat Trainingsdaten für 22 indische Sprachen mit rund 2,8 Billionen Tokens veröffentlichen
NVIDIA hat angekündigt, gemeinsam mit dem IIT Madras und AI4Bharat Trainingsdaten mit rund 2,8 Billionen Tokens für 22 indische Sprachen sowie eine Pipeline zur Datengenerierung zu veröffentlichen. Das Besondere ist nicht nur der Umfang der Daten, sondern auch, dass die Abläufe von der Übersetzung über die Qualitätsbewertung bis zur Überarbeitung offengelegt werden.
