Статья представляет переработанный символический бэкенд для AM-Parser, который использует направленные типы CCG для более точного учета направленных различий в задачах структурной обобщающей способности, таких как сдвиги позиции модификатора.

  • Система использует детерминированный алгоритм CKY и один линейный декодер с 30K обучаемых параметров.
  • Она достигает точного совпадения LF на уровне 75.9±6.4%, превосходя предыдущий результат AM-Parser в 70.8±4.3%.
  • Приросты сильно зависят от направления: система CCG превосходит AM-Parser во всех 5 категориях сдвигов позиции на +29.9pp.
  • Замена кодировщика BERT-base на DeBERTa-v3-large дает результат 90.7±4.9%, смещая узкое место в нейронный слой.

Этот подход демонстрирует, что направленные представления улучшают структурную обобщающую способность, особенно для задач со сдвигом позиции, тогда как дополнительные улучшения от более крупных кодировщиков помогают решить проблемы категорий с рекурсивной глубиной.