indic_tokenizer_corpus
收藏kaggle2026-04-13 更新2026-06-17 收录
下载链接：
https://www.kaggle.com/datasets/praneetns/indic-tokenizer-corpus
下载链接
链接失效反馈官方服务：
资源简介：
Multilingual Indic corpus for training LLMs with Hindi, Tamil, Telugu Hinglish
用于训练大语言模型（Large Language Model）的多语言印度语支语料库，涵盖印地语（Hindi）、泰米尔语（Tamil）、泰卢固语（Telugu）与辛格里什语（Hinglish）
创建时间：
2026-04-13
