NVIDIA、600万件の多言語推論データセットを公開
NVIDIA Releases 6 Million Multi-Lingual Reasoning Dataset
NVIDIAは、オープンエコシステムを支援するため、「6 Million Multilingual Reasoning Dataset」を公開した。これは、以前リリースされたNemotron Post-Training Dataset v1やLlama Nemotron Post-Training Datasetの成功に続くもので、フランス語、スペイン語、ドイツ語、イタリア語、日本語の5言語に翻訳された推論データセットである。同時に、NVIDIA Nemotron Nano 2 9Bモデルも発表された。このモデルは、ハイブリッドTransformer–Mambaアーキテクチャを採用し、90億パラメータを持つ。スループットは最大6倍、コストは最大60%削減可能で、エージェント、カスタマーサービス、サポートチャットボット、分析コパイロット、エッジ/RTXデプロイメントなどをターゲットとしている。モデルの重みはHugging Faceで利用可能であり、NVIDIA NIMとしても提供される。このリリースは、モデル開発と改善におけるオープン性と透明性へのコミットメントを示すものであり、トレーニングデータ、ツール、モデルの重みを公開することで、オープンウェイトモデルの継続的な改善を支援する。データセットの翻訳には、Qwen2.5-32B-Instruct-AWQ(ドイツ語)とQwen2.5-14B-Instruct(その他)が使用され、翻訳品質と幻覚(ハルシネーション)の検出を維持するために、行ごとの翻訳、特定のフォーマットの強制、fastText言語IDによるフィルタリングなどのメカニズムが組み込まれている。
- NVIDIAが「6 Million Multilingual Reasoning Dataset」を公開した
- NVIDIAがNVIDIA Nemotron Nano 2 9Bモデルを発表した
NVIDIAがオープンウェイトの小型推論モデル「Nemotron Nano 2 9B」と多言語推論データセットを同時リリースした点が注目に値する。Transformer-Mambaのハイブリッドアーキテクチャを採用し、コスト削減とスループット向上を謳う本モデルは、エッジ/RTXデプロイメントやエージェント用途を明確にターゲットにしており、NVIDIAが推論段階の効率化とオープンエコシステムの両面で戦略的なポジショニングを進めていることを示す。Nemotronシリーズの継続的なデータセット公開は、コミュニティによるモデル改善を促進し、結果的にNVIDIAのハードウェアエコシステムへの依存を強める間接的な効果も期待される。小型高性能モデル市場の競争が激化する中で、NVIDIAのソフトウェア戦略の広がりを評価するうえで重要なリリースである。