نُقدِّم نموذجًا توليديًا لاستخلاص صيغ مُعادلة (Paraphrase Generation)، يُشجّع على تنوّع تركيبي من خلال التكيّف مع مخطط تركيبي صريح. ونُقدِّم نموذج التشفير التلقائي المتغير الكمي المُعدّل هرميًا (HRQ-VAE)، وهو طريقة لتعلم تحليل الترميزات الكثيفة كسلسلة من المتغيرات المخفية المنفصلة التي تقوم بتحسينات تدريجية بذات دقة متزايدة. وتُدرَّس هذه الهرمية من الرموز من خلال التدريب من الطرفين إلى الطرفين (end-to-end)، وتمثّل معلومات دقيقة إلى عامة حول المدخلات. نستخدم HRQ-VAE لترميز الشكل التراكبي للجملة المدخلة كمسار عبر الهرمية، مما يُمكّننا من التنبؤ بمسارات التراكيب التركيبية بسهولة أكبر في مرحلة الاختبار. وقد أثبتت التجارب الواسعة، بما في ذلك تقييم بشري، أن HRQ-VAE يتعلّم تمثيلًا هرميًا لفضاء المدخلات، ويُنتج صيغًا مُعادلة ذات جودة أعلى من الأنظمة السابقة.