تمثيل المعنى المجرد (AMR) يوفر تمثيلًا شاملاً دلاليًا للجمل اللغوية الطبيعية. وبالتالي، فإن التحويل بين AMR والنص يُنتج مهام انتقال متعاكسة في الاتجاهين، أي تحليل النص إلى AMR وتحويل AMR إلى نص. تركز الدراسات الحالية المتعلقة بـ AMR على تحسين جانب واحد فقط، رغم التكافؤ بين المهمتين، كما أن تحسيناتها يُعزى بشكل كبير إلى إدخال بيانات تدريب إضافية كبيرة أو تعديلات هيكلية معقدة، مما يؤثر سلبًا على سرعة الاستنتاج. بدلًا من ذلك، نقترح نموذج التعلم البيزي ثنائي الاتجاه الفعّال من حيث البيانات (BiBL)، الذي يُمكّن من التحويل ثنائي الاتجاه من خلال استراتيجية متعددة المهام في مرحلة واحدة، بحيث يُمكن للنموذج الناتج أن يُحقق تدريبًا أخف بكثير في نفس الوقت. أظهرت التقييمات على مجموعات بيانات معيارية أن نموذج BiBL الذي نقترحه يتفوق على التحسينات السابقة القائمة على نماذج seq2seq القوية، دون الحاجة إلى بيانات إضافية، وهي ميزة ضرورية في النماذج المماثلة الحالية. نُعلن عن إتاحة الشيفرة المصدرية لنموذج BiBL عبر الرابط التالي: https://github.com/KHAKhazeus/BiBL.