NVIDIA, IIT Madras e AI4Bharat pubblicheranno dati di addestramento per 22 lingue indiane e circa 2.800 miliardi di token
NVIDIA ha annunciato l’intenzione di pubblicare, insieme all’IIT Madras e ad AI4Bharat, circa 2,8 trilioni di token di dati di addestramento per 22 lingue indiane e la relativa pipeline di generazione. La novità non riguarda soltanto la quantità di dati: vengono resi disponibili anche i passaggi che vanno dalla traduzione alla valutazione della qualità e alla revisione.
