Resumo Técnico: Composição de Doze Tons Guiada por Verificador

Declaração do Problema

Modelos de Linguagem de Grande Escala (LLMs) têm dificuldade em gerar música dodecafônica (serial) válida. Embora possam produzir partituras que parecem superficialmente legais, eles frequentemente colapsam em "texturas degeneradas" — saídas musicalmente vazias, como alguns acordes sustentados, vozes colapsadas ou compassos quase vazios. Esse comportamento representa uma forma de exploração de especificações (specification gaming): o modelo satisfaz a letra da regra-proximal (ex: "não repetir classes de altura") enquanto derrota o objetivo musical pretendido (realização serial coerente e não degenerada).

Abordagens existentes para geração com restrições, como decodificação com restrição de gramática ou autorrefinamento, frequentemente falham em abordar a tensão específica da composição de doze tons: a legalidade é uma propriedade booleana local e nítida, enquanto a qualidade musical é global. Um modelo que otimiza estritamente para a legalidade local muitas vezes sacrifica a coerência global. Além disso, a autocorreção padrão baseia-se nas próprias afirmações do modelo em vez de verificação executável, tornando-a suscetível aos mesmos modos de falha.

Metodologia

Os autores propõem um harness neuro-simbólico que envolve um proponente LLM em um ciclo Gerar–Verificar–Reparar–Rastrear. Este sistema separa o planejamento de alto nível e as propostas de notas (gerenciados pelo LLM) da verificação de restrições rígidas e atribuição de classes de altura (gerenciados por uma camada simbólica determinística).

Componentes Principais

1. Representação Simbólica: As composições são representadas como multiconjuntos de eventos temporizados com alturas MIDI, rótulos de voz, tags de forma de série e índices de série. O sistema opera sobre o grupo de transformações dodecafônicas ($D_{12} \times C_2$, ordem 48).
2. Restrições Rígidas: O sistema impõe um conjunto de predicados ($H$) incluindo:
   • Consistência de Série ($H_{row}$): As classes de altura devem corresponder à fatia da forma de série etiquetada.
   • Não Repetição Prematura ($H_{agg}$): Nenhuma classe de altura se repete dentro de um ciclo de série antes que o cursor avance.
   • Não Colisão Vertical ($H_{\perp}$): Eventos simultâneos em vozes diferentes não devem compartilhar classes de altura.
   • Equivalência de Oitava ($H_{8}$): O rastreio das classes de altura deve corresponder às alturas MIDI módulo 12.
   • Limites de Textura ($H_{tex}$): Restrições sobre silêncios globais e inversões de registro.
3. A Escada de Reparação ($\rho$): Quando um evento candidato viola uma restrição, um operador de reparação determinístico tenta corrigi-lo sem alterar o conteúdo da classe de altura (preservando a série). A escada escala conforme segue:
   • Degraus 1–3 (Determinísticos): Ajustam o tempo (podando caudas, cedendo notas sobrepostas, reajustando o tempo dentro de janelas livres) para resolver colisões verticais.
   • Degraus 4–5 (Patches de LLM): Se os ajustes de tempo falharem, o LLM é invocado para editar o evento ou reescrever o segmento da série.
   • Queda (Drop): Se todas as reparações falharem, o evento é descartado e a seção é marcada para replanejamento.
4. Rastreio e Invariantes: O sistema mantém um "invariante de passo sincronizado" onde o cursor da série do verificador nunca fica atrás do gerador, mesmo quando eventos são descartados. Cada evento aceito carrega um certificado de rastreio, permitindo que o sistema registre quais posições da série sobreviveram à reparação e quais foram descartadas.
5. Processo vs. Auditoria: O sistema distingue entre diagnósticos de processo (verificando violações acumuladas durante a geração) e uma auditoria de liberação final (uma verificação separada e independente do artefato retido). O sistema explicitamente abstém-se de liberar uma partitura se a auditoria final falhar, em vez de tentar forçar uma liberação.

Contribuições Principais

1. Formalização da Composição Serial: Os autores formalizam a composição de doze tons como geração de sequência com restrições sobre $\mathbb{Z}_{12}$, definindo uma linguagem central de consistência de eventos e separando diagnósticos de processo de auditorias de artefato final.
2. Harness Gerar–Verificar–Reparar: Eles introduzem um harness que utiliza um operador de reparação preservador de série e um invariante de passo sincronizado entre gerador/verificador. Isso resulta em projeção de série local ao evento e seleção de melhor tentativa monotônica, evitando a afirmação de legalidade incondicional de toda a peça.
3. Avaliação Empírica: O estudo avalia seis modelos de linguagem através de 40 tarefas controladas (variando comprimento e textura), incluindo prompts adversários de "red-team" projetados para induzir degenerescência.

Resultados

Através de 40 tarefas e quatro pares de modelos, o harness demonstra melhorias significativas em relação à geração bruta:

• Rendimento de Entrega Auditada: Aumenta de 13,3% (geração bruta) para 48,1% com o harness. O harness falha explicitamente em vez de liberar partituras inválidas.
• Colisão e Consistência: A taxa de aprovação para uma verificação mais estreita de colisão e consistência serial sobe de 33,5% para 58,3%.
• Degenerescência: O escore de degenerescência permanece próximo a 0,05 com o harness, comparado a taxas mais altas na geração bruta, mesmo sob prompting adversário.
• Capacidade de Parsing: O harness alcança 100% de capacidade de parsing (480/480 execuções), enquanto a geração bruta produz candidatos analisáveis em apenas 85,4% das execuções.
• Avaliação de Especialistas: Uma avaliação cega realizada por cinco especialistas mostrou uma forte preferência agregada pelos candidatos do harness sobre a geração bruta em termos de aderência (85%), legalidade percebida (85%), coerência (82%) e qualidade geral (90%).
• Custo: O harness é computacionalmente caro, com uma média de 638 chamadas de LLM e 823k tokens por execução (aproximadamente 157x a contagem de tokens da geração bruta), destacando um compromisso entre qualidade e eficiência.

Significância e Alegações

O artigo afirma que o harness oferece um padrão robusto para geração neuro-simbólica em domínios onde proxies automáticos podem ser satisfeitos sem produzir saídas úteis. Ao separar diagnósticos de processo de auditorias de artefato entregue, o sistema fornece um registro inspecionável de material retido, reparado e descartado.

Os autores são modestos em suas alegações, observando que:

• O sistema não garante a legalidade de toda a peça devido à procedência de cronograma relaxada (replans locais podem não ser totalmente materializados no blueprint final).
• Os ganhos são observados dentro dos modelos e famílias de prompts específicos avaliados; não se reivindica generalização além destes.
• O alto custo computacional impede atribuir os ganhos unicamente ao mecanismo de reparação sem estudos de ablação adicionais sobre o computo.
• A avaliação de especialistas, embora tenha mostrado preferência agregada, exibiu baixa concordância entre avaliadores ($\kappa$ variando de -0,20 a 0,20), sugerindo que, embora o harness melhore métricas objetivas, a qualidade musical subjetiva permanece um desafio complexo e multifacetado.

O trabalho posiciona a composição de doze tons como um microcosmo limpo para estudar a tensão entre a aplicação de regras nítidas e a coerência musical global, oferecendo um modelo metodológico para outros geradores estruturados como código ou planos.