Jezik s malo resursa je jezik za koji postoji malo podataka dostupnih za modele: neoznačenog teksta i označenih podataka. Resurs ovdje znači podatke, ne broj govornika. Joshi i saradnici (2020) svrstali su više od 7.000 jezika u šest klasa prema dostupnim podacima i pokazali velike razlike među njima. Fiksna granica ne postoji: oznaka je relativna i zavisi od zadatka. Posljedice su praktične. Petrov i saradnici (2023) pokazali su da isti tekst preveden na različite jezike može imati i do 15 puta više tokena. To utiče na cijenu, brzinu i to koliko teksta stane u kontekstni prozor (context window). Prema istoj studiji, modeli su slabiji izvan glavnih jezika, posebno kod jezika s malo resursa.
Izvori: