NVIDIA开源2.8万亿Token印度语数据集
NVIDIA联合AI4Bharat开源2.8万亿Token印度语数据集。该数据覆盖22种语言,提供完整GPU加速生成管线,旨在解决印度语言训练数据匮乏痛点,助力开发者构建更强大的本地化模型。
共 2 篇相关文章
NVIDIA联合AI4Bharat开源2.8万亿Token印度语数据集。该数据覆盖22种语言,提供完整GPU加速生成管线,旨在解决印度语言训练数据匮乏痛点,助力开发者构建更强大的本地化模型。
Ai2发布Olmo-core 3,将MoE训练扩展至万亿参数。新框架重构训练堆栈,在8台B300 GPU上使47亿参数模型吞吐量提升约2.7倍,有效解决大规模稀疏模型的效率瓶颈。