Decomposer：学习将符号音乐反编译为程序

音乐表演涉及执行一组高级音乐指令，但从表演中恢复这些指令是一个具有挑战性的逆问题。我们提出 Decomposer，一个用于符号音乐反编译的 后训练 框架：从符号音乐中恢复可执行、可编辑的音乐程序的任务。我们将该任务实例化为 MIDI 到 Strudel 反编译，其中模型将符号 MIDI 作为输入，并用 Strudel（一种音乐编程语言）生成一个程序，该程序在执行时重建输入。这项任务提出了两个挑战：Strudel 是一种资源匮乏的语言，几乎没有自然配对的 MIDI 代码数据，而仅优化 MIDI 的忠实重建可能会导致无法读取的逐音符音译。我们分两个阶段应对这些挑战。首先，我们构建了 Strudel-Synth，这是一个由配对的 Strudel 程序和渲染的 MIDI 组成的合成语料库，并将其用于监督 微调。其次，我们通过对未配对的 MIDI 进行强化学习来完善模型，优化 MIDI 重建 忠实性 和代码可读性的奖励。我们对合成和真实 MIDI 基准的评估表明，Decomposer 比闭源 LLM 实现了更高的 MIDI 重建 忠实性，同时生成比启发式转换器更具可读性和多样性的代码。