Tentang Peran Arah dalam Generalisasi Struktural

Artikel ini memperkenalkan backend simbolik yang didesain ulang untuk AM-Parser yang memanfaatkan tipe berarah CCG untuk menangani perbedaan arah dengan lebih baik dalam tugas generalisasi struktural seperti pergeseran posisi modifier.

• Sistem menggunakan CKY deterministik dan satu decoder linear dengan 30K parameter yang dapat dipelajari.
• Mencapai kecocokan eksak LF sebesar 75.9±6.4%, melampaui skor AM-Parser sebelumnya sebesar 70.8±4.3%.
• Peningkatan sangat bergantung pada arah, dengan sistem CCG mengungguli AM-Parser pada semua 5 kategori pergeseran posisi sebesar +29.9pp.
• Mengganti encoder BERT-base dengan DeBERTa-v3-large menghasilkan 90.7±4.9%, menggeser bottleneck ke lapisan neural.

Pendekatan ini menunjukkan bahwa representasi berarah meningkatkan generalisasi struktural, khususnya untuk tugas pergeseran posisi, sementara peningkatan komplementer dari encoder yang lebih besar mengatasi kategori kedalaman rekursif.