Technische Samenvatting: DECOMPOSER – Leren decompileren van symbolische muziek naar programma's

Probleemdefinitie

Het artikel behandelt symbolische muziek-decompilatie, gedefinieerd als de taak van het terugwinnen van uitvoerbare, bewerkbare muziekprogramma's uit symbolische muziekinputs (specifiek MIDI). Terwijl muzikale uitvoering bestaat uit het uitvoeren van hoogwaardige instructies, is het terugwinnen van die instructies uit de resulterende uitvoering een uitdagend invers probleem.

De auteurs instantiëren deze taak als MIDI-naar-Strudel decompilatie. Strudel is een domeinspecifieke taal (DSL) voor algoritmische compositie en live coding met JavaScript-syntaxis. In tegenstelling tot MIDI, dat muziek representeert als een laag-niveau sequentie van nootgebeurtenissen, representeert Strudel muziek via hoogwaardige patroonexpressies, operatoren voor herhaling, gelaagdheid en temporele structuur.

De kernuitdaging ligt in het balanceren van twee concurrerende doelstellingen:

1. Getrouwheid (Faithfulness): Het gegenereerde programma moet, wanneer het wordt uitgevoerd, de input-MIDI accuraat reproduceren.
2. Leesbaarheid (Readability): Het gegenereerde programma moet menselijk leesbaar en bewerkbaar zijn, waarbij latente muzikale structuren (bijv. akkoordprogressies, ritmische patronen) worden blootgelegd in plaats van een verwoestende, noot-voor-noot transliteratie aan te bieden.

Bestaande benaderingen slagen er niet in dit te balanceren: heuristische converters bereiken een hoge getrouwheid maar produceren onleesbare code, terwijl geavanceerde Frontier LLM's vaak leesbare code genereren die faalt in het getrouw reconstrueren van de input-MIDI. Bovendien is de taak datarijkarm; natuurlijk gekoppelde (MIDI, Strudel) datasets zijn vrijwel niet-existent, en Strudel is een taal met weinig middelen (low-resource).

Methodologie

De auteurs stellen DECOMPOSER voor, een tweestaps post-training framework ontworpen om de decompileringsdoelstelling direct te optimaliseren.

1. Dataconstructie: STRUDEL-SYNTH

Om het gebrek aan gekoppelde trainingsdata aan te pakken, construeren de auteurs STRUDEL-SYNTH, een synthetisch corpus van 21.174 (Strudel-programma, gerenderde MIDI) paren.

• Generatie: Een frontier LLM (Claude-Opus-4.6) wordt gepromptt om Strudel-programma's te genereren op basis van muzikale zaden (genre, stemming, toonsoort, etc.) en code-stijl zaden (idiomen zoals mini-notatie, stapeling of arrangement).
• Opschoning: Gegenereerde programma's ondergaan een opschoningspipeline bestaande uit regex-herschrijvingen om veelvoorkomende syntactische fouten te herstellen en een AST-gebaseerd proces voor het verwijderen van "dead voices" (lagen die compileren maar geen audio uitzenden).
• Rendering: De schoongemaakte programma's worden uitgevoerd via een headless Strudel runtime om de bijbehorende MIDI te produceren.

2. Tweestaps Trainingspipeline

DECOMPOSER maakt gebruik van een sequentiële trainingstrategie met open-weight modellen (Qwen3-4B en Qwen3-8B):

• Fase 1: Supervised Fine-Tuning (SFT)
  Het model wordt gefinetuned op de gekoppelde STRUDEL-SYNTH dataset. Deze fase leert het model om valide, idiomatische Strudel-code te produceren, wat een "warm start" biedt die voorkomt dat het model vervalt in degeneratieve oplossingen tijdens de daaropvolgende reinforcement learning.

• Fase 2: Reinforcement Learning (RL)
  Het model wordt verder geoptimaliseerd met behulp van Group Reward-Decoupled Normalization Policy Optimization (GDPO).

  • Input: Ongepaarde MIDI-data (geen referentiecode vereist).
  • Proces: Voor een gegeven MIDI-input samplet het model een groep kandidaat-programma's. Elke kandidaat wordt uitgevoerd via de Strudel runtime.
  • Beloningsfunctie: Een samengestelde beloning $R(\hat{y}, x)$ wordt berekend op basis van:
    1. Getrouwheid ($R_{faith}$): Gemeten door de multi-instrument onset F1-score tussen de input-MIDI en de gerenderde MIDI.
    2. Leesbaarheid ($R_{read}$): Gemeten door een LLM-judge die een vaste checklist van 12 binaire criteria (rubriek) evalueert die algemene codekwaliteit (formattering, commentaar) en Strudel-specifieke abstracties (gebruik van patroon-operatoren, akkoord-symbolen, variabele-hergebruik) beslaat.
  • Optimalisatie: GDPO normaliseert beloningen voor elk component onafhankelijk voordat ze worden geaggregeerd, waardoor het model kan optimaliseren voor zowel getrouwheid als leesbaarheid zonder dat de één de ander domineert.

Belangrijkste Bijdragen

1. Taakformulering: De introductie van symbolische muziek-decompilatie als een onderscheidende taak, gericht op het terugwinnen van hoogwaardige, programmeerbare structuren uit laag-niveau symbolische muziek.
2. Framework (DECOMPOSER): Een tweestaps post-training framework dat SFT op synthetische data combineert met execution-based RL op ongepaarde data. Deze aanpak stelt het model in staat om op schaal te leren zonder dat er referentiecode nodig is voor de RL-fase.
3. Dataset (STRUDEL-SYNTH): De release van een grootschalige synthetische corpus van 21.174 (Strudel, MIDI) paren, geconstrueerd via LLM-generatie en runtime-executie, wat ongeveer 30 keer groter is dan de publiekelijk beschikbare menselijke Strudel-code.
4. Empirische Resultaten: Demonstratie dat een 8B open-weight model getraind met deze pipeline de frontier LLM's aanzienlijk overtreft in de getrouwheid van de decompilerings taak, terwijl het vergelijkbare leesbaarheid behoudt.

Resultaten

Experimenten werden uitgevoerd op synthetische (STRUDEL-SYNTH) en real-world (LMD, GigaMIDI, NES-MDB, Nottingham) MIDI-benchmarks.

• Getrouwheid: DECOMPOSER presteert aanzienlijk beter dan frontier LLM's (Claude-Opus-4.6, Gemini-3.5-Flash, GPT-5.5) in het reconstrueren van de input-MIDI. Op de LMD-dataset verbeterde het DECOMPOSER (8B) model de Onset F1-score met +0.32 vergeleken met de beste frontier LLM.
• Leesbaarheid: In tegen tegenstelling tot heuristische converters, die een hoge getrouwheid bereiken door verwoestende noot-voor-noot transcripties (wat resulteert in lage leesbaarheidsscores), produceert DECOMPOSER code met leesbaarheidsscores (Rubric) die een orde van grootte hoger liggen, vergelijkbaar met frontier LLM's.
• Diversiteit: Het model vermijdt "diversity collapse" en produceert gevarieerde codestructuren in plaats van te vervallen in een enkele translatietemplate.
• Generalisatie: Het model generaliseert goed naar out-of-domain datasets (bijv. chiptune, folkmuziek), hoewel de prestaties variëren op basis van de ritmische regelmaat en structurele complexiteit van de input-genre.

Betekenis en Claims

Het artikel claimt dat DECOMPOSER er succesvol in slaagt de kloof te overbruggen tussen de getrouwheid die vereist is voor accurate reconstructie en de leesbaarheid die noodzakelijk is voor menselijk nut. Door de "latente muzikale structuur" terug te winnen die MIDI plat slaat tot individuele gebeurtenissen, maakt het systeem het volgende mogelijk:

• Programmatische Bewerking: Gebruikers in staat stellen om hoogwaardige muzikale structuren (akkoorden, toonladders, lagen) te bewerken via code in plaats van individuele noten aan te passen.
• Muzikaal Begrip: Het bieden van een intermediaire representatie (code) die interpreteerbaarder is voor LLM-gebaseerde muziek-analyse dan ruwe nootsequenties.
• Audio-naar-Code Pipeline: Dienen als een cruciaal onderdeel voor toekomstige audio-naar-code decompileringssystemen wanneer gecombineerd met automatische muziektranscriptie.

De auteurs benadrukken dat functionele equivalentie alleen onvoldoende is voor decompilerings; het teruggewonnen programma moet leesbaar en bewerkbaar zijn om nuttig te zijn. DECOMPOSER demonstreert dat execution-based reinforcement learning effectief kan optimaliseren voor deze afweging in een low-resource, domeinspecifieke taalsetting.