نُقدّم إطارًا جديدًا يُسمّى "الترجمة بين اللغات الطبيعية المُعدّلة" (TANL) لحل العديد من مهام التنبؤ الهيكلية في اللغة، بما في ذلك استخراج الكيانات والعلاقات المشتركة، واستخراج الكيانات الاسمية المدمجة، وتصنيف العلاقات، وتحديد التسميات الدلالية، واستخراج الأحداث، وحل الترابط الصرفي، وتتبع حالة المحادثة. بدلًا من معالجة هذه المهام من خلال تدريب فئات تمييزية مخصصة لكل مهمة، نُصوّر المشكلة كمهام ترجمة بين لغات طبيعية مُعدّلة، مما يُسهّل استخراج المعلومات ذات الصلة بالمهام. تُظهر طريقةنا أداءً مُتساوٍ أو أفضل من النماذج المخصصة لكل مهمة، وتحقيق نتائج جديدة في مستوى الحد الأقصى من الأداء (SOTA) في مهام استخراج الكيانات والعلاقات المشتركة (على مجموعات بيانات CoNLL04، ADE، NYT، وACE2005)، وتصنيف العلاقات (FewRel وTACRED)، وتحديد التسميات الدلالية (CoNLL-2005 وCoNLL-2012). ونُحقّق هذا الأداء باستخدام نفس البنية المعمارية ونفس القيم المُعاملية (hyperparameters) لكل المهام، حتى عند تدريب نموذج واحد لحل جميع المهام في نفس الوقت (التعلم متعدد المهام). وأخيرًا، نُبيّن أن إطارنا يمكنه أيضًا تحسين الأداء بشكل كبير في البيئات ذات الموارد المحدودة، بفضل استخدام أكثر فعالية لدلالات التسميات.