デジタル化された古典ラテン語テキストの増加と大規模言語モデル（LLM）の急速な発展に伴い、古代言語研究の分野で新たな可能性が広がっている。本論文はEvaLatin 2026への参加を通じて、古典ラテン語の固有表現認識（NER）タスクにおけるLLMの応用可能性を示すものだ。オタワ大学チームが開発したシステムでは、商用LLMであるGemini-2.5-ProとClaude-Sonnet-4-5に対してプロンプトエンジニアリングを施し、古典ラテン語という過小評価されてきた言語の処理に取り組んだ。 このNERタスクは二つのサブタスクに分かれており、粗粒度分類では11のクラス、細粒度分類では28のクラスを識別する必要がある。各サブタスクは厳密な評価方式とファジーな評価方式の両方で検証されている。本研究の核となるのは、言語横断的な転移学習のアプローチだ。これにより、広く発展したLLM技術の成果を古典ラテン語という限定的なドメインの言語処理に応用することが可能になった。 実験結果は極めて優れたパフォーマンスを示しており、両方のNERサブタスクで首位を獲得し、全ての評価指標と評価方式において最高スコアを記録している。このアプローチは、データが限定的な古代言語の自然言語処理において、現代的なLLM技術がいかに有効な手段となるかを実証している。古典ラテン語研究に携わる研究者にとって、このような機械学習技術の活用は、テキスト分析の効率化と精度向上をもたらす重要な進展といえるだろう。