The Meaning of Beatus: Disambiguating Latin with Contemporary AI Models

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F26%3ANPGAVBIQ" target="_blank" >RIV/00216208:11320/26:NPGAVBIQ - isvavai.cz</a>

Výsledek na webu

<a href="https://clic2025.unica.it/wp-content/uploads/2025/09/45_main_long.pdf" target="_blank" >https://clic2025.unica.it/wp-content/uploads/2025/09/45_main_long.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

The Meaning of Beatus: Disambiguating Latin with Contemporary AI Models

Popis výsledku v původním jazyce

The objective of this work is to assess the performance of Large Language Models (LLMs) on the task of Word Sense Disambiguation (WSD) for Latin.We evaluate state-of-the-art LLMs—including GPT-4o-mini and LLaMA variants—in both zero-shot and fine-tuned settings, using a dataset derived from the SemEval-2020 Latin Lexical Semantic Change task. Our study aims to determine whether instruction tuning and task-specific fine-tuning can significantly improve the models’ ability to disambiguate Latin word senses. Results show that while LLMs demonstrate a non-trivial baseline ability in zero-shot settings, fine-tuning – particularly instruction-based – provides improvements in accuracy and F1 scores. These findings highlight the potential of LLMs when applied to low-resourced historical languages.

Název v anglickém jazyce

The Meaning of Beatus: Disambiguating Latin with Contemporary AI Models

Popis výsledku anglicky

The objective of this work is to assess the performance of Large Language Models (LLMs) on the task of Word Sense Disambiguation (WSD) for Latin.We evaluate state-of-the-art LLMs—including GPT-4o-mini and LLaMA variants—in both zero-shot and fine-tuned settings, using a dataset derived from the SemEval-2020 Latin Lexical Semantic Change task. Our study aims to determine whether instruction tuning and task-specific fine-tuning can significantly improve the models’ ability to disambiguate Latin word senses. Results show that while LLMs demonstrate a non-trivial baseline ability in zero-shot settings, fine-tuning – particularly instruction-based – provides improvements in accuracy and F1 scores. These findings highlight the potential of LLMs when applied to low-resourced historical languages.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

—

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

CLiC-it 2025

ISBN

—

ISSN

1613-0073

e-ISSN

—

Počet stran výsledku

11

Strana od-do

1-11

Název nakladatele

—

Místo vydání

—

Místo konání akce

Cagliari, Italy

Datum konání akce

1. 1. 2026

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—