预训练LLM在符号音乐中能走多远？监督与基于偏好的适配的受控比较
声音
2026-02-02 v1 人工智能
摘要
音乐通常与语言有着显著的相似之处，这促使人们使用预训练的大语言模型（LLM）进行符号音乐理解和生成。尽管兴趣日益增长，但将指令调优的LLM适配到符号音乐的实际有效性仍未得到充分表征。我们提出了一项针对基于ABC的生成和理解微调策略的受控比较研究，将现成的指令调优骨干与领域适配变体以及音乐专用LLM基线进行比较。在多个符号音乐语料库和评估信号上，我们为符号音乐应用的适配选择提供了一些见解。我们强调了领域适配与保留先验信息之间的权衡，以及用于衡量符号音乐领域适配的指标的独特行为。
引用
@article{arxiv.2601.22764,
title = {How Far Can Pretrained LLMs Go in Symbolic Music? Controlled Comparisons of Supervised and Preference-based Adaptation},
author = {Deepak Kumar and Emmanouil Karystinaios and Gerhard Widmer and Markus Schedl},
journal= {arXiv preprint arXiv:2601.22764},
year = {2026}
}
备注
Accepted at NLP4MusA 2026