# 印度语数据集

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。