यह पत्र निम्न-संसाधन भाषाओं (एलआरएल) के लिए जनरेटिव भाषा मॉडलिंग में डेटा की कमी की समस्या को दूर करने की रणनीतियों की पहली व्यवस्थित समीक्षा प्रस्तुत करता है। 54 अध्ययनों के आधार पर, हम जनरेटिव कार्यों में मोनोलिंगुअल डेटा संवर्द्धन, बैकट्रांसलेशन, बहुभाषी शिक्षण और प्रॉम्प्ट इंजीनियरिंग सहित तकनीकी दृष्टिकोणों की पहचान, वर्गीकरण और मूल्यांकन करते हैं। हम आर्किटेक्चर विकल्पों, भाषा परिवार अभ्यावेदन और मूल्यांकन विधियों में रुझानों का भी विश्लेषण करते हैं। हम ट्रांसफार्मर-आधारित मॉडलों पर अत्यधिक निर्भरता, कम संख्या में एलआरएल पर ध्यान केंद्रित करने और अध्ययनों में सुसंगत मूल्यांकन के अभाव पर प्रकाश डालते हुए निष्कर्ष निकालते हैं, और इन विधियों को एलआरएल की एक विस्तृत श्रृंखला तक विस्तारित करने के लिए सुझाव देते हैं और निष्पक्ष जनरेटिव भाषा प्रणालियों के निर्माण की चुनौतियों को रेखांकित करते हैं। अंततः, इस समीक्षा का उद्देश्य निम्न-संसाधन भाषा उपयोगकर्ताओं के लिए व्यापक एआई उपकरण बनाने में शोधकर्ताओं और डेवलपर्स का समर्थन करना है।
