التعرف على التعبيرات الرياضية المكتوبة بخط اليد (HMER) له تطبيقات واسعة في التقييم الآلي وتلقين المكاتب. ومع ذلك، تعاني الطرق الحالية القائمة على الترميز المتتابعي من صعوبات في فهم ونمذجة الهيكل الشجري الداخلي للـ $\LaTeX$LATE​X، وغالبًا ما تفشل في ضمان صحة النحو في النتائج المفكّرة. لحل هذه التحديات، نقترح نموذجًا جديدًا يُسمى TAMER (Tree-Aware Transformer) للتعرف على التعبيرات الرياضية المكتوبة بخط اليد. يُقدّم TAMER وحدة مبتكرة تدرك الأشجار مع الحفاظ على مرونة وكفاءة التدريب الخاصة بـ Transformer. يقوم TAMER بدمج مزايا كل من نماذج الترميز المتتابعي والترميز الشجري من خلال تحسين مهمتي التنبؤ بالمتتابع والتنبؤ بهيكل الشجرة معًا، مما يعزز فهم النموذج وقدرته على التعامل مع هيكل التعبيرات الرياضية المعقدة. أثناء الاستدلال، يستخدم TAMER آلية تقييم صحة الهيكل الشجري لتحسين صحة الهيكل للسلاسل المنتجة من $\LaTeX$LATE​X. أظهرت نتائج التجارب على مجموعات بيانات CROHME أن TAMER يتفوق على النماذج التقليدية القائمة على الترميز المتتابعي والترميز الشجري، خاصة في التعامل مع الهياكل الرياضية المعقدة، حيث حقق أداءً رائدًا (SOTA).