WildScore：在真实场景中评测多模态大语言模型的符号音乐推理
声音
2026-01-26 v2 计算与语言
音频与语音处理
摘要
多模态大语言模型（MLLMs）的最新进展展示了其在各种视觉-语言任务上的令人印象深刻的能力。然而，它们在多模态符号音乐领域的推理能力在很大程度上仍未被探索。我们引入了 WildScore，这是第一个真实场景下的多模态符号音乐推理与分析基准，旨在评估 MLLMs 解释真实世界乐谱和回答复杂音乐学问题的能力。WildScore 中的每个实例均来源于真实的音乐作品，并伴有真实的用户生成问题和讨论，捕捉了实际音乐分析的复杂性。为了促进系统评估，我们提出了一个系统的分类法，包含高级和细粒度的音乐学本体。此外，我们将复杂的音乐推理构建为多项选择题问答，从而实现对 MLLMs 符号音乐理解的受控和可扩展评估。在 WildScore 上对最先进的 MLLMs 进行的实证基准测试揭示了其视觉-符号推理中的有趣模式，揭示了 MLLMs 在符号音乐推理和分析方面的有前景方向和持续挑战。我们发布了数据集和代码。
引用
@article{arxiv.2509.04744,
title = {WildScore: Benchmarking MLLMs in-the-Wild Symbolic Music Reasoning},
author = {Gagan Mundada and Yash Vishe and Amit Namburi and Xin Xu and Zachary Novack and Julian McAuley and Junda Wu},
journal= {arXiv preprint arXiv:2509.04744},
year = {2026}
}