arXiv cs.CLは2026年10月21日(現地時間)、大規模言語モデル（LLM）の台頭が低リソース言語（LRL）研究を加速させたものの、言語間の公平な進展には繋がっていないと指摘する論文を公開した。同論文は2020年から2025年までの1,158本の査読済み論文を分析し、言語的包摂を測る「Linguistic Inclusion Framework（LIF）」を導入。研究の成長が一部の言語に集中し、特にアジアの言語が話者数に比して低い表現シェアに留まる現状を明らかにした。
本論文は、アトナフ・ランベボ・トンジャ氏を含む9名の研究者によって執筆された。大規模言語モデル（LLM）が低リソース言語（LRL）や多言語自然言語処理（NLP）研究を促進する中で、その効果が言語間の公平な状況を生み出していないという現状を検証している。
研究者らは、言語的包摂を出版数だけで評価するのではなく、研究成長、表現拡大、表現継続性、分布の公平性という4つの側面から測定する多次元フレームワーク、Linguistic Inclusion Framework（LIF）を導入した。このLIFは、特定の言語が学術出版物でどの程度扱われ、その取り扱いが時間とともにどのように変化するかを定量的に評価することを目的としている。
分析期間である2020年から2025年にかけて、ACLアンソロジー（ACL Anthology）における低リソース言語に関する年間の出版数は52本から415本へと急増し、その出版シェアは5.4倍に拡大した。しかし、この著しい成長は、これまで過小評価されてきた言語のカバー範囲を広げるよりも、すでに表現されている一部の言語に大きく集中している実態が浮き彫りになった。
さらに詳細な分析では、アジアの言語が分析対象のLRL話者の64.1%を占める一方で、研究における言語表現シェアは46.7%に過ぎず、その比例シェアの0.7倍にとどまることが示された。対照的に、ヨーロッパの言語は、話者数に対する表現シェアが比例シェアの5.3倍に達し、過剰に表現されている状況が確認された。国レベルで見ると、サハラ以南アフリカ（sub-Saharan Africa）や東南アジア（Southeast Asia）のような言語的に多様な地域で、言語カバー率が最も低い結果となった。
このフレームワークを大陸レベルで適用したところ、すべての地域がLIFの4つの側面全てで高得点を記録することはなく、研究の成長だけでは公平かつ包括的な言語技術への進歩を測る信頼できる指標ではないことが示唆された。論文は、低リソース言語研究コミュニティにおける言語的包摂の格差を定量化し、今後の研究努力と政策立案のための具体的な指針を提供している。
参考: arXiv cs.CL (アーカイブ) — 2026年10月23日 13:00 (JST)