本稿では、SemEval Task4「抽象的意味の読解（ReCAM）」における3つのサブタスクに対する我々のシステムを紹介する。各モデルの学習に用いたアルゴリズム、アルゴリズムの調整プロセス、および最適なモデル選定の手順についても説明する。ReCAMタスクと言語モデルの事前学習の類似性に着目し、単純ながら効果的な手法である「言語モデルを用いたネガティブオーギュメンテーション」を提案する。評価結果から、提案手法の有効性が実証された。提案モデルは、サブタスク1およびサブタスク2の公式テストセットにおいて、それぞれ87.9％および92.8％の精度で第4位を達成した。さらに、モデルの包括的な分析を行い、興味深い誤分類事例を観察した。これらの結果は、今後の研究の発展に寄与することが期待される。