Özbekiston Raqamli texnologiyalar vazirligi özbek tilidagi oçiq matnlar korpusini Hugging Face platformasiga joyladi. Vazirlik matbuot xizmati ma’lum qilişiça, korpus taxminan 5,6 mln hujjat va qariyb 6 mlrd sözdan iborat. Matnlar lotin va kirill yozuvlarida taqdim etilgan.

Bazaga raqamlaştirilgan kitoblar, gazeta maqolalari, arxiv materiallari, huquqiy hujjatlar, Vikipediya maqolalari, veb-sahifalar hamda Telegram’dagi ommaviy postlar kiritilgan. Barça matnlar maxsus işlovdan va sifat tekşiruvidan ötkazilib, soha hamda mavzular böyiça tasniflangan. Şaxsiy ma’lumotlar esa [PHONE] va [NAME] kabi belgilar bilan almaştirilgan.
Korpus Prezident Şavkat Mirziyoyevning 2025-yil 21-oktabrdagi topşirigi ijrosi doirasida yaratilgan. Öşanda davlat boşqaruvi, iqtisodiyot tarmoqlari va hududlarda sun’iy intellektni joriy etişni jadallaştiriş masalalariga bağişlangan videoselektor yiğilişida sun’iy intellekt tizimlari özbek tilini töliq tuşuniși zarurligi ta’kidlangan edi.

Vazirlik ma’lumotiga köra, loyihadan maqsad raqamli til bazasini kengaytiriş hamda sun’iy intellekt modellarining özbek tilidagi matnlarni qayta işlaş, tuşuniş va bu tilda sifatli kontent yaratiş imkoniyatlarini oşirişdir. Hozirda korpusni yetakçi yirik til modellari işlab çiquvçilariga taqdim etiş ustida iş olib borilmoqda, Qwen modeli bilan hamkorlik allaqaçon boşlangan.