arXiv cs.AI· Hindy Rossignol, Giorgio Franceschelli, Mirco Musolesi·· 1 天前AI 评分24
基于价值、新颖性与惊喜度的 AI 音乐创造力量化多维评估框架
Evaluating AI Musical Creativity: Towards a Quantitative Multi-Dimensional Framework Based on Value, Novelty, and Surprise
AI 导读
研究者提出一套面向 AI 生成音乐的创造力量化评估框架，将 Margaret Boden 理论中的价值、新颖性与惊喜度三个维度适配到音乐领域并操作化。该框架不追求单一综合指标，而是给出一组互补的领域专用量化指标，用于实证评估生成音乐的创造性。其意义在于为研究者提供有原则的方法与工具，并让未来生成模型可将这些指标作为学习目标直接优化创造力。
正文 · AI 翻译
摘要：尽管生成式人工智能（AI）日益精进，但关于 AI 生成音乐创造力评估的研究仍然有限。为填补这一空白，本文提出了一个用于 AI 音乐创造力形式化与评估的定量框架。该框架基于 Margaret Boden 的理论——该理论从价值、新颖性和惊喜性三个维度来界定创造力——并将这三个维度适配并操作化到音乐领域。基于音乐创造力的某些方面可以在一定程度上被客观评估这一假设，本文提出了一套领域特定的定量指标，用于评估 AI 生成音乐的创造力。本文并不将音乐创造力简化为单一的统一度量，而是提出一组互补的指标来捕捉其不同维度，同时认识到音乐作品的复杂性以及定义有意义的多目标作曲标准的困难。该框架具有两方面意义。首先，它为研究人员和开发者提供了一套有原则的方法论和定量工具，用于对创造性输出进行实证评估，从而实现更有依据的模型开发并减少不必要的计算成本。其次，它通过将这些指标作为学习目标，为未来生成模型直接以创造力为优化目标奠定了基础。
| 学科： | 声音（cs.SD）；人工智能（cs.AI）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2611.14634 [cs.SD] |
| （或 arXiv:2611.14634v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.14634 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Giorgio Franceschelli 博士 [查看邮箱]
[v1]
2026年11月10日星期二 19:00:06 UTC（170 KB）
来源：arXiv cs.AI · arxiv.org