AI · AGENTS · KNOWLEDGE
数据集与评估数据
整理数据集说明、下载入口、使用范围和许可信息。
内容目录
共 2 条内容 · 显示 1–2技术动态数据集与评估数据NVIDIA 与 IIT Madras 发布约 2.8 万亿 token 的 Indic 预训练语料及开放数据生成流程 NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖印度宪法列出的 22 种语言，同时公开用于生成该语料的 GPU 加速数据生成流程，含提示词、LLM 工作流与质量检查。项目与资源数据集与评估数据Hugging Face Datasets：公共数据集加载与预处理资源说明 介绍 Hugging Face Datasets 库的定位与主要能力：通过 load_dataset() 一行加载 Hub 或本地数据，支持多模态与多种文件格式，提供流式读取、Arrow 后端、缓存、多框架互转等功能；同时说明该页面为项目 README，未给出固定数据集数量与版本变更信息。