El artículo presenta un backend simbólico rediseñado para AM-Parser que utiliza tipos dirigidos CCG para manejar mejor las distinciones direccionales en tareas de generalización estructural como los cambios de posición del modificador.
- El sistema utiliza CKY determinista y un único decodificador lineal con 30K parámetros aprendibles.
- Alcanza una coincidencia exacta LF del 75.9±6.4%, superando la puntuación anterior de AM-Parser de 70.8±4.3%.
- Las ganancias son altamente direccionales, con el sistema CCG superando a AM-Parser en las 5 categorías de cambio de posición en +29.9pp.
- Reemplazar el codificador BERT-base por DeBERTa-v3-large produce un 90.7±4.9%, desplazando el cuello de botella a la capa neural.
Este enfoque demuestra que las representaciones direccionales mejoran la generalización estructural, particularmente para tareas de cambio de posición, mientras que las ganancias complementarias de codificadores más grandes abordan las categorías de profundidad recursiva.