SmBoP：半自回归自底向上语义解析

近年来语义解析事实上的标准解码方法，是使用自顶向下深度优先遍历自回归地解码目标程序的抽象语法树。在本工作中，我们提出一种替代方法：半自回归自底向上解析器（SmBoP），其在解码步 $t$ 构造高度 $\leq t$ 的 top-$K$ 子树。与自顶向下自回归解析相比，我们的解析器具有若干优势。从效率角度看，自底向上解析允许并行解码某一高度的所有子树，从而带来对数级而非线性的运行时间复杂度。从建模角度看，自底向上解析器在每一步学习有意义语义子程序的表示，而非语义空洞的部分树。我们将 SmBoP 应用于 Spider——一个具有挑战性的零样本语义解析基准，并显示相较于使用自回归解码的语义解析器，SmBoP 带来解码时间 2.2 倍加速与训练时间约 5 倍加速。SmBoP 在 Spider 上取得 71.1 的 denote 准确率，确立了新的 SOTA，以及 69.5 的精确匹配，与自回归 RAT-SQL+GraPPa 的 69.6 精确匹配相当。