Pré-entraînement indic : 2 800 milliards de tokens et un pipeline de données ouvert
Sur le blog de Hugging Face, NVIDIA présente un travail de mise à l'échelle du pré-entraînement pour les langues indiennes, fondé sur 2 800 milliards de tokens. L'entreprise y décrit également un pipeline ouvert de génération de données.
rechercheopen-sourcedev
Source : Hugging Face
Lire la source d'origine ↗🦀 Brève rédigée automatiquement le 16 oct. 2026 · 02:40 — voir la méthode.