نُقدِّم طريقة التكيّف المرتكز (GAZP) للتحليل الدلالي القابِل للتنفيذ بدون تدريب مسبق (Zero-shot Executable Semantic Parsing)، بهدف تكييف تحليل دلالي موجود ليتماشى مع بيئات جديدة (مثل هياكل قواعد بيانات جديدة). تدمج GAZP بين تحليل دلالي أمامي ومحوِّل جملة عكسي لتصنيع بيانات (مثل الجمل والتعليمات SQL) في البيئة الجديدة، ثم تختار الأمثلة المتوافقة دوريًا لتكييف التحليل الدلالي. على عكس تكبير البيانات (data-augmentation)، الذي يُولِّد عادة أمثلة غير مُختَبَرة داخل بيئة التدريب، فإن GAZP تُولِّد أمثلة داخل البيئة الجديدة مع التأكد من اتساق المدخلات والمخرجات. على مهام التحليل الدلالي بدون تدريب مسبق (Zero-shot) في مجموعات بيانات Spider وSparc وCoSQL، تُحسِّن GAZP دقة الشكل المنطقي ودقة التنفيذ مقارنة بالتحليل الدلالي الأساسي. تُظهر التحليلات أن GAZP تتفوّق على تكبير البيانات داخل بيئة التدريب، وأن الأداء يتحسّن مع كمية البيانات المُصنَّعة بواسطة GAZP، وأن التوافق الدوري (cycle-consistency) يُعدّ عنصرًا محوريًا في نجاح التكييف.