扩展印度语言预训练规模：2.8 万亿词元与开放数据生成流水线
Scaling Indic Pretraining: 2.8 Trillion Tokens and an Open Data Generation Pipeline
精选理由
介绍构建 2.8 万亿词元印地语预训练数据的开放流程，为多语言模型训练提供规模化数据参考。
Scaling Indic Pretraining: 2.8 Trillion Tokens and an Open Data Generation Pipeline
介绍构建 2.8 万亿词元印地语预训练数据的开放流程，为多语言模型训练提供规模化数据参考。