S2 结构路线：Fold Stack 的位置

S2 不应该被塞进 S1 Echo 的叙事里。

S1 证明的是 token path hash。S2 关心的是结构生成：

semantic vector -> structural action

它们是相关的，但不是同一个实验。

S2 的问题

S2 要回答：

给定一个语义表示，能否预测句子的结构折叠过程？

结构折叠包括：

  • 哪个 token 是 head？
  • span 边界在哪里？
  • 当前短语是什么类型？
  • 子节点应该挂到哪里？
  • 图如何组装？

这些问题都比 Echo 更接近翻译和生成。

已有证据的含义

历史实验里有一些重要信号：

模块 观察
action classification 语义向量能预测部分折叠动作
head detection 头节点有可学信号
span detection 短语范围有可学信号
child assignment 仍是瓶颈
graph assembly 简单最近节点规则有上限

这说明 S2 路线不是空想。

但它也说明：

结构路线不能靠 Echo 指标证明。

BLEU 对结构错误不够敏感。有些结构错了，表面词序仍然可能看起来不错。

S2 的关键指标

S2 应该主要看：

  • UAS
  • edge accuracy
  • action top-k
  • head F1
  • span F1
  • oracle gap

而不是只看 BLEU。

S1 与 S2 怎么连接

S1a 给 token 一个稳定路径身份。

S1b 应该让这个路径吃上下文。

S2 可以提供结构上下文：

fold action
head/span state
child candidate distribution

这些状态反过来可以影响 S1b 路由：

route(token, local_context, fold_state)

这才是 SPR 更完整的样子。

S2 的下一步

S2 后续需要做三件事：

  1. 保留已有 fold-stack 证据，但重新绑定到 ARA claims。
  2. 给每个结构 claim 加 baseline。
  3. 明确哪些错误来自语义不足，哪些来自图组装不足。

如果 S2 能给 S1b 提供结构条件，SPR 才可能从 path hash 走向 semantic route。

License: GPLv3