arXiv · cs.AI· Josef Pavl\'i\v{c}ek, Martin Pelik\'an·· 5 小时前
EMH 如何在 HookTheory 语料上评估可解释和声决策
From Individual Songs to Music Corpora: Evaluating Explainable Harmonic Decision-Making on HookTheory
arXiv:2610.22416v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Josef Pavl\'i\v{c}ek, Martin Pelik\'an
研究任务与主要进展
冻结的 Explainable Melody Harmonizer（EMH）未经修改规则即在 HookTheory 的 19 个旋律-和弦对齐选段上评测，共 439 个可评估和声片段。和弦完全一致率 20.50%，和弦根音一致率 31.66%，和声功能一致率 47.62%。决策层面分析发现 46.24% 的人类和弦不在模型候选集内，33.26% 可选但未选，区分了表征限制与选择差异。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org