RecodeX 重构消息，一个面向印度语言的预训练数据集正式发布，规模达2.8万亿token，并配套开源的数据生成管线。该数据集旨在为印度多语言大模型的预训练提供大规模语料支持，数据生成流程同样对外开放，便于研究者和开发者复现与扩展。