技術要約：検証器による導出が行われる十二音技法組成

問題提起

大規模言語モデル（LLM）は、有効な十二音技法（セリアル）音楽を生成することに苦慮している。LLMは一見すると合法的なスコアを生成できるものの、しばしば「退行的なテクスチャ（degenerate textures）」、すなわち、持続する和音のみ、声部の崩壊、あるいは空に近い小節といった、音楽的に空虚な出力へと陥る。この挙動は、仕様へのゲーミング（specification gaming）の一形態である。つまり、モデルはルールに基づいたプロキシ（例：「音高の繰り返し禁止」）という文字通りの条件を満たしてはいるが、意図された音楽的目標（一貫性があり、退行していないセリアルな実現）を達成できていないのである。

文法制約付きデコーディングや自己洗練といった既存の制約付き生成手法は、十二音技法の組成における特有の緊張関係に対処できず、失敗することが多い。すなわち、合法性は明確で局所的なブール値の特性であるが、音楽的な質はグローバルな特性であるという点である。厳密な局所的合法性に最適化しようとするモデルは、しばしばグローバルな一貫性を犠牲にする。さらに、標準的な自己修正は、実行可能な検証ではなく、モデル自身の主張に依存するため、同様の失敗モードに対して脆弱である。

手法

著者らは、LLMによる提案を「生成–検証–修復–トレース（Generate–Verify–Repair–Trace）」のループで包み込むニューロ・シンボリック・ハーネスを提案している。このシステムは、高レベルのプランニングと音符レベルの提案（LLMが担当）と、厳格な制約チェックおよび音高クラスの割り当て（決定論的なシンボリック層が担当）を分離している。

コア・コンポーネント

1. シンボリック表現: 組成は、MIDIピッチ、声部ラベル、音列形式のタグ、および音列インデックスを持つ、タイミング付きイベントのマルチセットとして表現される。システムは、$D_{12} \times C_2$（位数48）の群の上で動作する。
2. ハード制約: システムは、以下の述語（$H$）を含む制約を強制する：
   • 音列の一貫性 ($H_{row}$): 音高クラスは、タグ付けされた音列形式のスライスと一致しなければならない。
   • 時期尚早な反復の禁止 ($H_{agg}$): カーソルが進む前に、音列サイクル内で音高クラスが繰り返されてはならない。
   • 垂直方向の衝突回避 ($H_{\perp}$): 異なる声部における同時発生イベントは、音高クラスを共有してはならない。
   • オクターブ等価性 ($H_{8}$): トレースされる音高クラスは、MIDIピッチを12で割った余りと一致しなければならない。
   • テクスチャ境界 ($H_{tex}$): グローバルな休符およびレジスターの反転に関する制約。
3. 修復ラダー ($\rho$): 候補となるイベントが制約に違反した場合、決定論的な修復オペレータが、音高クラスの内容（音列）を保持したまま、それを修正しようと試みる。ラダーは以下のように段階的にエスカレートする：
   • 第1〜3段（決定論的）: 垂直方向の衝突を解決するために、タイミングの調整（テイルのトリミング、オーバーラップする音の許容、自由なウィンドウ内での再タイミング）を行う。
   • 第4〜5段（LLMによるパッチ）: タイミングの調整が失敗した場合、LLMがイベントの編集または音列セグメントの書き換えを行うために呼び出される。
   • ドロップ: すべての修復が失敗した場合、そのイベントは破棄され、セクションは再プランニングの対象としてフラグが立てられる。
4. トレースと不変量: システムは「ロックステップ不変量（lockstep invariant）」を維持する。これは、イベントが破棄された場合でも、検証器の音列カーソルが生成器のカーソルに遅れないようにするものである。受け入れられたすべてのイベントはトレース証明書を携えており、これにより、どの音列位置が修復を生き残り、どの位置が破棄されたかを記録できる。
5. プロセス vs 監査: システムは、生成中に蓄積された違反をチェックする「プロセス診断」と、保持されたアーティファクトに対する「最終リリース監査」を区別する。システムは、最終監査が失敗した場合には、無理にリリースを試みるのではなく、明示的にスコアのリリースを控える。

主な貢献

1. セリアル組成の定式化: 著者らは、十二音組成を $\mathbb{Z}_{12}$ 上の制約付きシーケンス生成として定式化し、コアとなるイベント一貫性言語を定義し、プロセス診断と最終アーティファクト監査を分離した。
2. 生成–検証–修復ハーネス: 著者らは、音列保存型の修復オペレータと、生成器／検証器のロックステップ不変量を用いたハーネスを導入した。これにより、イベント局所的な音列投影と単調な最善試行選択が可能となり、無条件な作品全体の合法性の主張を回避している。
3. 実証的評価: 本研究では、6つの言語モデルを、制御された40のタスク（長さとテクスチャが異なる）を用いて評価しており、これには退行を誘発するように設計された敵対的な「レッドチーミング」プロンプトが含まれる。

結果

40のタスクと4組のペアモデルにわたり、ハーネスは生の生成と比較して大幅な改善を示した：

• 監査済みデリバリー率: 生の生成の 13.3% から、ハーネス使用時は 48.1% に上昇した。ハーネスは、無効なスコアをリリースするのではなく、明示的に失敗を選択する。
• 衝突と一貫性: より狭い衝突およびセリアル一貫性チェックにおけるパス率は、33.5% から 58.3% に上昇した。
• 退行: 退行スコアは、ハーネス使用時には敵対的なプロンプティング下でも 0.05 付近に留まり、生の生成における高い数値と比較して低くなっている。
• パース可能性: ハーネスは 100% のパース可能性（480/480回）を達成したが、生の生成では 85.4% の実行においてのみパース可能な候補を生成した。
• 専門家評価: 5人の専門家によるブラインド評価では、順守度（85%）、知覚された合法性（85%）、一貫性（82%）、および全体的な品質（90%）において、ハーネスによる候補が生の生成に対して強い総体的な支持を得た。
• コスト: ハーネスは計算コストが高く、1回の実行あたり平均 638回のLLM呼び出し と 823kトークン を消費する（生の生成の約157倍のトークン数）。これは、品質と効率の間のトレードオフを浮き彫りにしている。

意義と主張

本論文は、自動的なプロキシが有用な出力を生成せずに満たされてしまう領域において、ハーネスがニューロ・シンボリック生成の堅牢なパターンを提供することを主張している。プロセス診断とデリバリー・アーティファクト監査を分離することで、システムは保持、修復、および破棄された素材の検査可能な記録を提供する。

著者らは、その主張に対して謙虚であり、以下の点を述べている：

• システムは、緩和されたスケジュールのプロバンス（ローカルな再計画が最終的なブループリントに完全に具現化されない可能性があるため）により、作品全体の合法性を保証するものではない。
• 得られた利点は、評価された特定のモデルおよびプロンプト・ファミリー内に限定されており、それらを超えた汎用性は主張されていない。
• 高い計算コストのため、計算量に関するさらなるアブレーション研究なしに、利得を修復メカニズムのみに帰属させることはできない。
• 専門家評価は、総体的な支持を示したものの、低い検者間一致度（$\kappa$ は -0.20 から 0.20 の範囲）を示しており、ハーネスが客観的な指標を改善する一方で、主観的な音楽的質は依然として複雑で多面的な課題であることを示唆している。

本研究は、十二音組成を、厳格なルールの強制とグローバルな音楽的一貫性の間の緊張関係を研究するための、クリーンなマイクロコスモスとして位置づけている。