NVIDIA va publier, avec l’IIT Madras et AI4Bharat, des données d’entraînement couvrant 22 langues indiennes et près de 2 800 milliards de tokens
NVIDIA a annoncé son intention de publier, en partenariat avec IIT Madras et AI4Bharat, des données d’entraînement représentant environ 2 800 milliards de tokens ainsi qu’un pipeline de génération couvrant 22 langues de l’Inde. Le projet se distingue non seulement par le volume des données, mais aussi par l’ouverture du processus, de la traduction à l’évaluation de la qualité et à la correction.
