抽象语义表示(Abstract Meaning Representation, AMR)到文本生成，简称AMR-to-Text生成，该任务可将给定的AMR图生成与其意义相同的文本。研究相关工作发现，由于AMR-to-Text生成可使用的标准数据集规模较小，因此该任务生成文本的性能受模型影响较大。针对此问题，该文基于大规模自动标注语料来比较先进模型和基准模型生成文本的性能，探索了先进模型在使用大规模自动标注语料的基础上，是否还能够保持其显著的性能优势。在这项工作中，该文使用了(Sequence-to-Sequence, Seq2Seq)的Transformer模型和当前AMR-to-Text生成性能最优的图到序列模型，通过不同方案比较模型生成文本的性能。实验结果表明，在大规模自动标注语料的基础上，AMR-to-Text生成任务的先进模型与基准模型生成文本的性能没有显著差异，先进模型的性能优势不明显。