2026年度概算要求

文化庁が日本語コーパス2億語へ拡充　AI開発向け4000万語早期提供へ

文化庁は、国立国語研究所の日本語コーパスを拡充し、国内事業者の大規模言語モデル（LLM）開発に使えるデータ基盤の整備を進めている。2026年度概算要求では、既存の「現代日本語書き言葉均衡コーパス」を2028年度末までに2億語規模へ広げる計画を示し、2025年度補正予算では企業向けに4,000万語分の現代日本語テキストデータセットを早期に整える方針も打ち出した。