我已经掌握了完整的事实依据。论文全文已阅读（通过 pdftotext 获取 8 页文本），所有 OMC wiki 查询均未返回结果，paper-wiki 中没有相关记录，已使用 free-search 补充了外部 SOTA 锚点。正在输出最终评审。

Paper Review: From Prediction to Collaboration: Interactive Symbolic Music Analysis

论文类型: 系统型（含问题重构成分）

论文以系统集成为主：将预训练序列编码器（MusicBERT）与图模块（AnalysisGNN 式）组合为 RNHybrid 主干，配套编辑条件掩码模型与 Verovio 原型界面，把 RN 分析从单次预测重构为”预测→分析连续体”。核心贡献是系统级重构与集成，而非新机制。

公理审查结果

公理一：对象公理

• 判定: ✅
• 分数: 8
• 依据: Roman numeral（RN）分析是西方调性音乐理论的核心任务，在 ISMIR 社区有长期研究历史（AugmentedNet 2021、ChordGNN 2023、RNBert 2024、AnalysisGNN 2025）。对象真实、定义清晰、可操作化（note-level 20 任务分类 + onset/beat/measure 聚合）。论文提出的”盲预测 / 局部修订 / 部分标注补全”三模式确实对应音乐学家的真实工作流（迭代检查、局部纠错、从上下文推断缺失标签），在现有 RN 系统中未被直接支持。指标（CSR-style RN accuracy、component accuracies、cadence/phrase F1）与目标一致。Claim 外延（”foundation for future interactive tools”）与实验验证范围（建模能力 + 界面原型，未做用户研究）一致——论文明确声明”not to claim a completed user-centered validation”。问题领域较小众（符号 RN 分析），但任务真实且是 ISMIR 长期方向。
• Wiki 证据: OMC wiki 无记录（3 条查询全空）。paper-wiki 无记录。free-search 确认 RN 分析是活跃研究方向，AugmentedNet/RNBert/AnalysisGNN 均为近期真实工作；未发现已有交互式 RN 分析工作，证实该用例缺口真实存在。

公理二：识别公理

• 判定: ⚠️
• 分数: 5
• 依据: 论文提供了 retrained RNBert-style 基线（同 schema 下未经强化的序列模型），控制了数据/词汇表差异。Table 3 隔离了冲突处理策略（None/GradNorm/PCGrad/CAGrad）和 LoRA vs frozen。Table 4 隔离了各 post-hoc 解码模块。但关键消融缺失：(1) 在统一 Dilemmadata schema 下，”仅 MusicBERT 嵌入 + 简单分类头” vs “仅图模块（无预训练嵌入）” vs “完整混合” 的三路消融未做——AnalysisGNN 基线部分充当”仅图”对照但未在同一 schema 下重训，RNBert-style 充当”仅序列”但使用不同图配置。(2) 掩码模型的 preservation losses（KL distillation、feature anchoring、L2-SP）三个组件无单独消融，无法确认哪个起作用。(3) 论文把 RN 准确率提升归因于”combining pretrained representations with graph reasoning”，但同时改变了嵌入来源和图结构，未完全隔离。PCGrad 的贡献（Table 3: 无冲突处理 .551→PCGrad .576）是清晰的单变量结果。
• Wiki 证据: OMC wiki 无记录。free-search 确认 AnalysisGNN（arXiv 2509.06654, 2025-09）是同一团队前期工作，本文图模块直接继承；RNBert（ISMIR 2024）是序列分支来源。两篇均为本文作者前期工作，混合的各组件来源清晰但独立贡献未充分隔离。

公理三：独立性公理

• 判定: ✅
• 分数: 8
• 依据: 训练目标为多任务交叉熵 + 标签平滑，与评测指标（accuracy/CSR/F1）无直接 reward-evaluation 重叠。评测在 AugmentedNet 和 DLC 的 held-out test set 上进行，训练用其训练集，论文声明”curated to avoid data-leakage”。掩码模型的 teacher（full-inference model）与 student 共享架构和训练数据，但 preservation losses 用于表示稳定性而非直接优化评测指标——这是标准知识蒸馏设置，非循环论证。掩码采样为随机/onset-span masking，独立于真实分析师修正（论文诚实声明”does not reproduce the order or localization of edits made by analysts”）。5 次独立采样掩码、低方差，说明结果非 cherry-picked。Dilemmadata 本身（arXiv 2606.31595, 2026-06）是同团队同期工作，但其角色是 benchmark 而非评测 judge，数据来自两个独立人工标注语料库。
• Wiki 证据: OMC wiki 无记录。free-search 确认 Dilemmadata 合并 AugmentedNet dataset + Distant Listening Corpus，两者均为独立人工标注语料库；未发现评测污染迹象。

公理四：压缩公理

• 判定: ⚠️
• 分数: 5
• 依据: RNHybrid = MusicBERT 嵌入 + AnalysisGNN 式图模块——本质是 RNBert（序列分支，ref [2]）与 AnalysisGNN（图分支，ref [4]）的拼接，两者均为本文作者前期工作。论文明确承认”builds directly on these two strands by combining pretrained symbolic encoders with graph-based relational reasoning”（第 96 行），未引入新的机制解释。掩码编辑条件模型是 full-inference checkpoint 的蒸馏扩展 + label conditioning，技术上直接。多级聚合（mean pooling / learned voter / beam search）是标准后处理。Verovio 界面是已有渲染器。概念层面的”prediction-to-analysis continuum”重构有真实价值——将盲预测、受限修订、部分补全统一到单一框架确实是问题压缩——但实现层面是工程组合而非方法压缩。Table 4 显示 post-hoc 解码模块在盲推理下大多无效或有害，说明部分复杂模块未换来能力提升。无命名膨胀（”RNHybrid” 适度）。
• Wiki 证据: OMC wiki 无记录。free-search 确认 MusicBERT（2021）、AnalysisGNN（2025）、RNBert（2024）均为已有工作；掩码语言建模是标准 NLP 技术；Verovio 是已有开源渲染器。各组件来源清晰，无新机制。

公理五：效用公理

• 判定: ⚠️
• 分数: 6
• 依据: 绝对指标：盲推理 RN accuracy AugNet .576、DLC .578（CSR-style，要求 local key/degree/quality/inversion 全对）。与 RNBert（AugNet .574）和 AnalysisGNN（DLC .516）处于同一可用水平——该任务的 SOTA 区间。相对提升：AugNet 上 vs RNBert +.002（基本持平），DLC 上 vs AnalysisGNN +.062（明显提升）。DLC 上的提升更清晰，AugNet 上增量微小。指标覆盖：degree/quality/inversion/local key/RN/cadence/phrase 共 7 项，AugNet 上赢 3 项（degree/key/RN）、DLC 上赢 6 项——广泛性尚可，但仅一个 benchmark（Dilemmadata 两个子集）。诚实性：Table 4 诚实报告 post-hoc 解码在盲推理下大多有害；LoRA 无提升并诚实报告；cadence 上 AnalysisGNN 仍最强。Baseline 覆盖：AugmentedNet、ChordGNN+Post、RNBert、AnalysisGNN 均覆盖，但未与 frog（NADE-style autoregressive，ref [11]）在统一设置下比较——论文给出的理由（”addresses output-space coherence rather than gradient conflict”且”has not previously shown clear benefit in graph-based RN work”）略显薄弱，frog 直接处理标签一致性，与论文的交互修订目标相关。交互效用：掩码补全是新能力维度，无基线可比；从 5% 已知标签 .577 到 95% .831 的单调上升是正面证据，但未做用户研究验证实际分析效率提升。
• Wiki 证据: OMC wiki 无记录。free-search 确认 AugmentedNet（ISMIR 2021）、ChordGNN（ISMIR 2023）、RNBert（ISMIR 2024）、AnalysisGNN（2025）为该任务近期 SOTA 链，论文覆盖了主要强基线；frog（Micchi et al. 2021）是遗漏的相关基线。

公理六：新颖性公理

• 判定: ⚠️
• 分数: 5
• 依据: 核心架构是作者两篇前期工作（RNBert [2] + AnalysisGNN [4]）的直接组合，论文自述”builds directly on these two strands”。掩码编辑条件模型基于标准 MLM 蒸馏 + label conditioning，无新机制。多级聚合是标准后处理。Verovio 界面基于已有工具。真实增量：(1) “prediction-to-analysis continuum”的问题重构——free-search 确认此前无交互式 RN 分析工作，这是首次将盲预测/受限修订/部分补全统一到单一框架；(2) 编辑条件掩码预测用于 RN 分析——首次将 masked completion 应用于该任务的交互修订场景；(3) 多级候选检查界面——首次为 RN 分析提供 note/onset/beat/measure 四级候选。组件必要性：掩码模型对交互补全必要（无它无法做受限修订），多级聚合对分析级标签必要，界面对人工检查必要。组件协同：界面编辑反馈到掩码模型、掩码模型复用缓存嵌入——集成连贯。但每个组件本身是标准的或来自前期工作，创新在于组合与重构而非新机制。同期工作 Dilemmadata（2026-06，同团队）与本文发表时间差 < 2 个月，视为 concurrent work，不扣分。
• Wiki 证据: OMC wiki 无记录。free-search 确认本文是唯一提出”interactive symbolic music analysis”的论文（搜索结果仅返回本文自身）；RNBert、AnalysisGNN 为作者前期工作；未发现其他团队做过交互式 RN 分析，novelty 在问题重构层面成立。

公理七：可复现公理

• 判定: ✅
• 分数: 9
• 依据: 代码开源（github.com/manoskary/analysisgnn），界面在线可用（analysisgnn.com）。数据 Dilemmadata 在 Zenodo 公开（zenodo.org/records/19661224），AugmentedNet 和 DLC 均为公开语料库。模型 checkpoint 公开（huggingface.co/manoskary/musicbert-large）。训练细节部分给出（AdamW、mixed precision、cosine warmup、early stopping、transposition augmentation、PCGrad），但未明确列出学习率、batch size、训练步数。依赖全开源（MusicBERT、GraphMuse、Verovio）。5 次重复采样掩码、报告方差，统计规范。
• Wiki 证据: OMC wiki 无记录。free-search 确认 GitHub 仓库、HuggingFace checkpoint、Zenodo 数据均存在且可访问。

总评

• 科学价值: 中 — 问题重构（预测→分析连续体）是真实概念贡献，但实现层面无新机制发现，消融不充分。
• 方法价值: 中 — 系统集成连贯、组件协同合理，但核心是前期工作的组合，增量方法创新有限。
• 社区价值: 中 — 为 RN 分析提供了首个交互式分析框架与开源工具链，对小众但活跃的符号音乐 MIR 社区有实用价值；界面原型为后续用户研究奠定基础。

日报摘要

• Strength: 首次将符号 RN 分析重构为”预测→分析连续体”，在 Dilemmadata 的 DLC 子集上 RN accuracy 达 .578（vs AnalysisGNN .516，+0.062），掩码补全从 5% 已知标签 .577 单调上升至 95% .831，代码/数据/模型全开源。
• Weakness: 核心架构是作者两篇前期工作（RNBert + AnalysisGNN）的直接组合，无新机制；盲推理在 AugNet 上 vs RNBert 仅 +.002（持平）；关键消融缺失（MusicBERT vs 图模块 vs 混合三路隔离、掩码模型 preservation losses 分解）；遗漏 frog（NADE-style）基线；未做用户研究验证交互效用。

打分

加权总分: 6.26/10（加权分之和 59.5 / 权重之和 9.5） 最终建议: Borderline 5-6.5