TL;DR

经过 10 轮实验，我们得到了 SPR L2 的完整验证链。

先理解 Graph Builder 是什么

假设你有一个句子：

“The cat sat on the mat.”

你已经识别出这句话里的短语模块（折叠节点）：

短语 核心词 类型
The cat cat 名词短语（NP）
sat sat 动词短语（VP）
on the mat on 介词短语（PP）
the mat mat 名词短语（NP）

有 4 个模块，但不知道它们怎么连接。

Graph Builder = 决定这些模块之间谁是谁的父节点。

可能的连接方式：

   sat(VP)              sat(VP)              sat(VP)
   ├── cat(NP)    OR    ├── cat(NP)    OR    ├── cat(NP)
   └── on(PP)          └── mat(NP)          └── the(DET)
        └── mat(NP)

只有一种是正确的。Graph Builder 的任务就是找到正确的那个。

当前的方案（最近节点）

最简单的规则：每个模块连接到离它最近的模块。

sat(VP) ← root
cat(NP) → nearest = sat ✓
on(PP) → nearest = mat ✗（正确应该连到 sat）
mat(NP) → nearest = on ✓

这个简单规则在 56% 的情况下是对的。但还有 14% 的情况是错的（正确父节点不是最近的）。

为什么 14% 无法用简单改进解决

看看"on"为什么连错：

...sat on the mat
      ↑    ↑
 正确父节点  最近节点
（距离3）  （距离1）

正确父节点比最近节点更远。这就是介词短语附着歧义——“on the mat"可以修饰"sat”（坐垫子上）也可以修饰更近的词。这需要理解整句话的意思才能判断，仅仅看局部距离是不够的。

这 14% 的错误中，97.5% 的正确父节点都比最近节点更远。这不是距离策略能解决的问题，需要语义信息。

Graph Builder 的下一步

我们尝试了各种方法改进这个 14%：

方法 UAS 说明
最近节点（基线） 56% 只考虑距离
模板规则 55% 考虑短语类型（VP→NP 最常见）
机器学习分类器 48% 用特征预测父节点
Oracle（上限） 70% 完美预测

所有方法都填不满差距。原因是这 14% 的错误本质上是局部信息不足——就像例子中的"on"，在句子解析阶段就是无法确定附着到哪里，需要整句话的语义上下文。

所以我们提出了概率容器：不强制 Graph Builder 在信息不足时做决定，而是让每个模块携带一个"候选父节点列表+概率"，传递给下游模块（翻译器、句子生成器），让它们在更大的上下文中消歧。

现在回到实验链。 Semantic → Action Type AUC=0.701 [跨语言, 可预测] Head Detection F1=87.6% [可定位折叠点] Span Detection F1=88.2% [可确定短语范围] Action Classification Top-5=96% [可确定折叠方式] Child Assignment 55.2% UAS [模板规则, 填48%差距] ↓ Oracle 76.5% UAS [理论上限]


最后 21.3% 的差距锁定在**子节点分配**的歧义问题上，70% 的边是确定性的（第二次坍缩），30% 需要结合语义消歧。

---

## 1. 项目回顾

SPR 将翻译分解为三级流水线：

L0: Token Base (高熵词义) L1: Semantic Collapse (128D 语义流形) L2: Structural Generation (句法生成)


S2-G-08 提出 L2 应抛弃 Transformer，用显式结构坍缩替代 O(N²) 注意力搜索。
S2-G-09 记录了前五轮实验：句子级统计失败 → 短语级坍缩成功 → 折叠动作可预测。

S2-G-10 记录完整的 D 系列和 E 系列实验：从语义到结构的端到端验证。

---

## 2. 实验管线

### Phase A: 语义 → 折叠动作（句子级多标签分类）

**设置**: sentence-transformers (384D) → PCA(128D) → MLP(128→256→47 actions)

| Dim | Top-1 | Top-3 | Top-5 | Mean AUC |
|-----|-------|-------|-------|----------|
| 32 | 95.2% | 98.7% | 99.5% | — |
| 64 | 95.3% | 99.0% | 99.6% | — |
| 128 | 95.2% | 98.8% | 99.3% | 0.644 |
| 256 | 95.7% | 99.0% | 99.6% | — |

**验证**: 语义向量编码了结构决策信息。但 Top-1 被频率偏差高估了（`CLAUSE:prep` 出现在所有句子中）。

**破坏性测试**:
- 洗牌测试: 73.6% real > 61.1% shuffled → **+12.5% 真正信号**
- 跨源测试: 73.9% ≈ 72.5% → **无过拟合**
- 标签损坏测试: 一致性降 → **真实标签依赖**

### Phase D1: 跨语言结构预测

**设置**: 中文句向量(384D) → 预测英文折叠动作类型

| 指标 | 值 |
|------|------|
| Top-1 | 94.6% |
| 词汇量 | 40 类型 |
| Mean AUC | **0.701** |

**结论**: 结构决策是语言无关的——中文语义向量可以预测英文结构。

### Phase D2a: 结构绑定（令牌级预测）

将任务分解为三个子问题：

| 子问题 | 指标 | 值 | 基线 |
|--------|------|------|------|
| 头检测（NP） | F1 | **88.4%** | 84.0% |
| 头检测（VP） | F1 | **79.3%** | — |
| 头检测（PP） | F1 | **91.2%** | 92.3% |
| 跨度检测（NP） | F1 | **88.1%** | 53.2% |
| 动作分类（NP, gold head） | Top-5 | **96.7%** | — |
| 动作分类（VP, gold head） | Top-5 | **95.4%** | — |

### Phase D2b/c: 端到端结构生成

| 条件 | BLEU | UAS |
|------|------|------|
| Oracle (gold program) | 97.40 | **100%** |
| Predicted (pipeline) | 97.40 | **35.2%** |

BLEU 不敏感（表面令牌不变），但 UAS 展示了真实结构质量。

### Phase D3: Oracle 消融

| 条件 | UAS | 差距回收 |
|------|-----|---------|
| All Predicted | 35.2% | — |
| + Gold Head | 53.3% | 44% |
| + Gold Span | 35.8% | 1% |
| + Gold Child | **76.5%** | **100%** |

**结论**: 100% 的 UAS 差距来自子节点分配。头/跨度/动作分类都不是瓶颈。

### Phase E1: 边预测器 + 第二次坍缩

**第二次坍缩发现**: 70.4% 的动作类型具有 >80% 确定性单一子节点类型。

| 边分配方法 | UAS | 差距填充 |
|-----------|-----|---------|
| 启发式（D2c） | 35.2% | — |
| 模板规则（基于第二次坍缩） | **55.2%** | **48%** |
| 随机森林边预测器 | ~50% | ~40% |
| Oracle | 76.5% | 100% |

模板规则（55.2%）超越了学习预测器（~50%），且不需要训练。

---

## 3. 理论收敛

从整个验证链可以画出 SPR L2 的理论模型：

L1 128D 语义向量 ↓ Mean AUC=0.701 (跨语言可预测) 动作类型集 {NP, VP, PP, ADJP, CLAUSE_nsubj, …} ↓ ┌───────────────────────────────┐ │ 图组装器（Graph Assembler） │ │ │ │ 头检测 → F1=87.6% │ │ 跨度检测 → F1=88.2% │ │ 动作分类 → Top-5=96% │ │ 边分配 → 55-76% UAS │ └───────────────────────────────┘ ↓ 依存树（用于 Executor 展开为目标句子）


**三个关键坍缩**：

1. **语义坍缩**（L1）：高维词汇空间 → 128D 语义流形（已验证）
2. **短语坍缩**: PP≈3, ADJP≈5, VP≈25, NP≈100 种原型（已验证）
3. **边坍缩**: 70.4% 动作类型有确定性子节点类型（已验证）

---

## 4. 剩余问题

| 问题 | 状态 | 优先级 |
|------|------|--------|
| 语义→动作存在信号 | ✓ 验证 | — |
| 动作空间可坍缩 | ✓ 验证 | — |
| 动作可预测 | ✓ 验证 | — |
| 头/跨度不是瓶颈 | ✓ 验证 | — |
| 图组装是唯一瓶颈 | ✓ 验证 | — |
| 第二次坍缩存在 | ✓ 验证 | — |
| 边分配模板可填48%差距 | ✓ 验证 | — |
| 剩余21.3%差距的消歧 | ⚠ 待定 | 高 |
| 端到端 BLEU | ⚠ 待定 | 中 |

剩余 21.3% 的 UAS 差距来自 30% 的多义边场景，其中同一动作类型可以连接到不同子节点类型。这需要结合位置 proximity + 语义上下文做消歧，可能是 SPR L2 最后需要学习的组件。

---

## 参考文献

1. S2-G-08: 为什么 L2 必须抛弃 Transformer
2. S2-G-09: 折叠栈发现
3. 实验代码: `phase_a.py`, `phase_d1.py`, `phase_d2a.py`, `phase_d2bc.py`, `phase_d3.py`, `phase_e1.py`
4. 数据: 实验结果 JSON 文件