← 2026年10月16日 简报 · 于韩国时间 12:00 更新时加入
NVIDIA将印度语言预训练数据扩展至2.8万亿token，并公开数据生成流水线
发布 2026年10月16日
已核实（事实）
NVIDIA在Hugging Face博客上发表了题为《Scaling Indic Pretraining: 2.8 Trillion Tokens and an Open Data Generation Pipeline》的文章。从标题来看，NVIDIA已将印度语言（Indic）预训练数据扩展至2.8万亿token，并公开了数据生成流水线。收集到的条目中没有正文摘要，因此尚未确认语言构成、数据来源、许可证，以及是否同时发布了模型。
待核实（说法）
2.8万亿token规模的印度语言预训练数据，以及公开的数据生成流水线（依据文章标题）
意义（解读）
在英语以外的语言中，预训练数据不足是最大的障碍。如果在发布大规模数据的同时还公开生成流水线，其他低资源语言（包括韩语）也可以沿用同样的方法。确切的公开范围和许可证需查阅原文确认。
可信度 中
来源
更多关于 NVIDIA
-
Meta“Muse Spark Open”与Apple合作支持Mac本地运行，AWS SageMaker JumpStart、Transformers和NVIDIA GB300同步支持
Meta发布的816B MoE（激活参数42B）开放权重模型“Muse Spark Open”的部署渠道进一步扩大。Meta与Apple合作，使该模型可在Apple Silicon上本地运行。Meta表示，使用最新MLX框架可在两台M5 Ultra Mac...
-
NVIDIA推出面向创作者、游戏玩家和AI智能体的Windows PC平台“RTX Spark”，Microsoft为其优化Windows
NVIDIA宣布搭载“RTX Spark”的Windows PC将于次日上市，并介绍了全球发布活动。NVIDIA将RTX Spark定位为面向创作者、游戏玩家和AI智能体的PC。据The Verge报道，Microsoft与NVIDIA上周举办了RTX...
-
NVIDIA扩大对欧洲科学界的开放学习资源、合作和算力支持
NVIDIA宣布，为扩大欧洲科学界获取先进计算资源的渠道，将扩大开放学习资源、研究合作和算力支持，主要面向小型实验室、青年科学家和科学类初创企业。所收集的摘要中未提及支持规模。
-
NVIDIA发布“Nemotron 3.5 Super VL”，以多模态推理支持专用智能体
NVIDIA在开发者博客中介绍了视觉语言模型“Nemotron 3.5 Super VL”。其目标是为承担文档阅读、多来源信息核查等冗长复杂企业任务的常驻运行智能体提供多模态推理能力。同日，NVIDIA...
-
Meta发布816B参数MoE开放权重模型Muse Spark Open：激活42B、上下文100万token，专攻编程与智能体
Meta发布了开放权重模型“Muse Spark...