NVIDIA publicará junto con IIT Madras y AI4Bharat datos de entrenamiento para 22 idiomas de la India con unos 2,8 billones de tokens
NVIDIA ha anunciado que publicará, junto con IIT Madras y AI4Bharat, unos 2,8 billones de tokens de datos de entrenamiento para 22 lenguas de la India, además de la canalización de generación. La iniciativa destaca no solo por el volumen de los datos, sino también por abrir el proceso completo, desde la traducción hasta la evaluación de calidad y la corrección.
