Transformer Grammars (TGs)는 구문 트리 (syntactic tree) 구조를 통합함으로써 언어 모델링 (language modeling) 성능을 향상시킵니다. TGs에서 구문 트리가 선형화 (linearized)되는 방식이 모델 성능에 잠재적으로 상당한 영향을 미칠 수 있음에도 불구하고, 기존 연구들은 선형화를 위해 오직 깊이 우선 순회 (Depth-First Traversal, DFT)에만 의존해 왔습니다. 본 논문에서는 너비 우선 순회 (Breadth-First Traversal, BFT)와 새로운 하이브리드 순회 전략인 생성 규칙 순회 (Production-Rule Traversal, PRT)를 탐색함으로써 순회 설계 공간을 확장합니다. PRT는 BFT의 구조적 룩어헤드 (structural lookahead)와 DFT의 조기 어휘 생성 (early lexical generation)을 결합한 방식입니다. 우리는 이러한 순회 방법들을 다양한 트리 구성 및 마스킹 전략 (masking strategies)과 통합하였으며, 언어 모델링, 구문 일반화 (syntactic generalization) 및 요약 (summarization) 작업에서의 성능을 경험적으로 평가하였습니다. 우리는 중첩된 구성 (nested composition)과 전역 룩어헤드 (global lookahead) 사이의 내재적인 트레이드오프 (trade-offs)를 밝혀내며, 태스크 인지형 (task-aware) Transformer Grammars 설계를 위한 실행 가능한 권장 사항을 제공합니다.