Wir schlagen Grounded Adaptation for Zero-shot Executable Semantic Parsing (GAZP) vor, um einen bestehenden semantischen Parser an neue Umgebungen (z. B. neue Datenbank-Schemata) anzupassen. GAZP kombiniert einen forward gerichteten semantischen Parser mit einem backward gerichteten Äußerungs-Generator, um Daten (z. B. Äußerungen und SQL-Abfragen) in der neuen Umgebung zu synthetisieren, und wählt anschließend zykluskonsistente Beispiele zur Anpassung des Parsers aus. Im Gegensatz zu Data-Augmentation, die typischerweise nicht überprüfte Beispiele in der Trainingsumgebung synthetisiert, generiert GAZP Beispiele direkt in der neuen Umgebung, wobei die Input-Output-Konsistenz der synthetisierten Paare verifiziert wird. Auf den Zero-shot-Semantik-Parser-Aufgaben Spider, Sparc und CoSQL verbessert GAZP sowohl die Genauigkeit der logischen Form als auch die Ausführungsgenauigkeit im Vergleich zum Basisparser. Unsere Analysen zeigen, dass GAZP die Data-Augmentation in der Trainingsumgebung übertrifft, dass die Leistung mit der Menge an von GAZP synthetisierten Daten steigt und dass die Zykluskonsistenz zentral für einen erfolgreichen Adaptationsprozess ist.