Acaban de soltar dos nuevos conjuntos de datos para cualquiera que esté construyendo a gran escala. La colección Nemotron-ClimbLab contiene 1.2 billones de tokens, diseñada específicamente para un entrenamiento eficiente de modelos a gran escala. Ambos conjuntos de datos están ahora disponibles públicamente para desarrolladores e investigadores que trabajan en infraestructura de IA de próxima generación. Este tipo de lanzamiento de código abierto podría reducir seriamente la barrera para los equipos que intentan entrenar modelos pesados sin agotar sus presupuestos de cómputo.