NVIDIA öffnet 10 Billionen Token Agent-Trainingsdaten. Diese Fassung hält die geprüften Fakten fest und ordnet sie aus Sicht von Produkt, Infrastruktur und Governance ein.
Was passiert ist
NVIDIA öffnet 10 Billionen Token Agent-Trainingsdaten is the current news peg. The verified record centers on these points:
- NVIDIA and Hugging Face presented Nemotron open data for agents
- the headline corpus exceeds 10 trillion pre-training tokens plus millions of post-training samples
- Prompt Atlas visualizes sampled prompts by dataset, pipeline stage, domain and tool use
- one data card lists 6,585.8B tokens with English Common Crawl, synthetic data, QA, math and code components
Warum es wichtig ist
Das größere Signal lautet agent training needs auditable data shapes for tool calls, failure recovery and workflows, not only open weights.
Worauf es jetzt ankommt
Der nächste Prüfpunkt ist how teams document synthetic data generation, filtering, licensing and workflow coverage before enterprise deployment.
Quellen：Hugging Face/NVIDIA Data for Agents, NVIDIA Blog, Hugging Face Nemotron data cards and collections, CocoLoop.