arXiv · cs.AI· Haoyue Liu, Xiaoying Tang·· 4 小时前
语言模型需要音乐监督吗？面向多约束符号音乐生成的可验证奖励方法
Do Language Models Need Music Supervision? Verifiable Rewards for Multi-Constraint Symbolic Music Generation
AI 导读
研究提出 MusicConstraintBench 基准与 MusicRLVR 方法，后者仅用验证器奖励和 GRPO 训练语言模型，无需人工标注、奖励模型或音乐领域监督微调。在 300 次 GRPO 更新后，MusicRLVR 将 Qwen3-4B-Instruct-2507 在混合约束上的得分从 0.160 提升至 0.807，超过 Llama-3.1-70B，并可迁移至 Qwen3-8B。
来源：arXiv · cs.AI · arxiv.org