英伟达颁布发表推出名为 Nemotron-CC 的大型英文 AI 锻炼数据库，相关文档文件将正在稍晚时候正在英伟达的 GitHub 页中发布。最大限度地了数据的高质量和多样性。风险：本文按照收集内容由AI生成，可联系本坐删除。合计包含 6.3 万亿个 Token，内容仅供参考，此中 1.9 万亿为合成数据。Nemotron-CC 的开辟过程中利用了模子分类器、合成数据沉述等手艺，处理了这一瓶颈。