arXiv cs.AI· Ruiji Yu, Gus Xia·· 10 小时前AI 评分22
Harmonic Circuit:符号音乐模型中的和弦进行藏在稀疏主信息流中
Harmonic Circuit: Chord Progression Lies in a Sparse Principal Information Flow in Symbolic Music Models
AI 导读
研究者在 ChatMusician 和 MuPT 两个符号音乐生成模型中发现了一个音乐功能电路,对应古典和声进行 I…V→I 中终止主音根音的预测。团队用 Auto-Emergence 算法提取出稀疏主信息流子网络,并经因果干预验证其为该和声进行行为的主要驱动因素,称这是音乐领域首个系统性电路发现研究。
正文 · AI 翻译
摘要:机制可解释性(MI)旨在将神经网络计算解码为人类可理解的逻辑。MI 的一项核心方法是电路发现:识别驱动特定模型行为的子网络中的信息流。尽管电路发现在自然语言处理(NLP)领域已趋于成熟,但音乐模型中的可解释电路在很大程度上仍未被探索。在本工作中,我们在两个符号音乐生成模型 ChatMusician 和 MuPT 中识别出一个音乐功能电路。我们所考虑的音乐功能是预测古典和声进行模式 $I \ldots V \rightarrow I$ 中的终止主音根音。我们使用 Auto-Emergence 算法提取一个主要的稀疏子网络作为所识别的电路。通过因果干预进行的验证确认,该识别出的电路是符号音乐模型中和声进行行为的主要驱动因素。据我们所知,这是音乐领域内首次进行的系统性电路发现研究。我们的演示页面见:此 https URL。
| 评论: | 已被 NeurIPS 2026 可解释性用于发现研讨会接收。12 页,6 幅图 |
| 主题: | 声音(cs.SD);人工智能(cs.AI);机器学习(cs.LG) |
| 引用为: | arXiv:2611.24453 [cs.SD] |
| (或 arXiv:2611.24453v1 [cs.SD] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.24453 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Ruiji Yu [查看电子邮件]
[v1]
2026 年 11 月 18 日星期三 14:01:33 UTC(361 KB)
来源:arXiv cs.AI · arxiv.org