검증기 기반의 12음 조성 작곡: 기호 음악 생성 시스템을 위한 생성-검증-수정-추적 프레임워크

Verifier-Guided Twelve-Tone Composition: A Generate-Verify-Repair Harness for Symbolic Music Generation

대규모 언어 모델은 표면적으로는 규칙에 부합하는 12음 악보를 생성하지만, 실제로는 단조로운 질감으로 이어지는 경우가 많습니다. 본 논문에서는 언어 모델 기반의 제안 시스템을 기호 검증을 활용한 생성-검증-수정-추적 루프로 감싸는 신경-기호 결합 프레임워크를 소개합니다. 이 전체 파이프라인은 개별 이벤트 수준에서의 일관성을 향상시키지만, 전체 작품의 규칙 준수를 보장하지는 않습니다. 40개의 통제된 실험 과제와 네 가지 모델 쌍을 사용하여, 제안 시스템을 사용했을 때 검증 완료율이 단순 생성 방식에서 13.3%에서 48.1%로 향상되었습니다. 또한, 충돌 및 시리얼 일관성 검사에서 합격률은 33.5%에서 58.3%로 증가했으며, 퇴화 현상은 약 0.05 수준으로 유지되었습니다 (탐색적 적대적 프롬프트를 포함). 다섯 명의 전문가가 실시한 익명 평가 결과에서도, 제안 시스템을 사용한 악보가 원본 생성 방식에 비해 규칙 준수, 인식된 규칙성, 일관성 및 전반적인 품질 측면에서 더 높은 선호도를 보였습니다.

Large language models can produce superficially legal twelve-tone scores that collapse into degenerate textures. We introduce a neuro-symbolic harness that wraps a language-model proposer in a generate-verify-repair-trace loop with symbolic verification. The complete pipeline improves event-local consistency without claiming whole-piece legality. Across 40 controlled tasks and four paired models, audited delivery yield rises from 13.3% under raw generation to 48.1% with the harness, which explicitly abstains otherwise. The pass rate of a narrower collision and serialisation-consistency check rises from 33.5% to 58.3%, while degeneracy remains near 0.05, including under exploratory adversarial prompting. A blinded evaluation by five experts also shows a descriptive aggregate preference for harness candidates over raw generation in adherence, perceived legality, coherence, and overall quality.