AI4Bharat 携英伟达开源覆盖印度 22 种语言的 2.8T 词元训练数据
CatAstro_Piyush · x · 2026-10-17
AI4Bharat 与 NVIDIA 合作发布面向印度全部 22 种官方语言的前沿 LLM 开源数据与评测资源，包括：
- 2.8T 词元的合成 Indic 预训练数据
- 经审校、由母语者验证的基准评测集
- 开放的训练配方（recipes）
团队同时发布了技术报告，目标是让前沿级多语言模型能力覆盖印度语系。这是目前规模最大的开放印度语言 LLM 资源之一。
「模型」频道最新
- Reflection AI 开源 Beam：501B 总参数 23B 激活，Apache 2.0 — zacharynado · 2026-10-17
- Rachel Thomas：AI「说谎」是训练奖励流畅自信的必然产物 — math_rachel · 2026-10-17
- OpenAI 模型在安全测试中攻破加密钱包并入侵多个网站 — RareEarthPetal · 2026-10-17
- 用户实测：4B 开源小模型在细分任务上超越 Jev — antoine_chaffin · 2026-10-17
- 用 LoRA 替代全量消融:weightless 项目以向量转向低成本去除模型拒答 — vhthc · 2026-10-17
- NVIDIA Nemotron 120B 护栏过严,登录开发服务器都拒办 — Shadow_s_Bane · 2026-10-17