本文提出 Effectiveness–Losslessness Framework，把 tokenization 重新定义为「预测有效且关系无损的坐标系构造」而非「更大可复用单元的搜索」，并用两个边界（Fact–Token、Token–State）规范 tokenization 的起止位置。理论贡献之外，作者在 Pop-K 与 ComMU 两个符号音乐语料上通过 11 个受控表示臂（A–I 与 J/K）验证边界行为。文章属于以概念框架为核心、实验为佐证的分析型方法论文。
研究对象是符号音乐 tokenization 的预测压缩机制，边界定义清晰：Fact–Token Boundary 规定确定性规律应进入坐标接口，Token–State Boundary 规定上下文相关关系应留给模型状态。事件范围明确限定为 n_i=(t_i,o_i,p_i,d_i)，velocity/instrumentation/articulation 等明确排除在语义事件范围外，所有非鼓音符进入单一未分轨流。范围声明务实，不宣称覆盖性能级或实现级属性。缺陷在于部分理论概念（如 “relational losslessness” 的严格操作性定义）主要靠叙述给出，缺乏可判定的形式化判据。
对比设计是本文最大亮点之一。时间族 A→B→C→D 递进消解序列位置对音乐时间的嵌套，给出最小 baseline A（raw pitch + generic position，test 3.166764 bits/event）；D 相对 A 降低 42.73% 预测码长（test 1.813576 bits/event），三种子一致。J/K 控制组证明载体编码不能替代坐标构造：K 用可逆 BPE 把 J 的序列缩短 71.07%，预测码长反而增加 14.00%。F/G 对同一移调分布比较保留 shift 与消除 shift 两臂（G 降低 39.57%），共享模型包络（16 层 Transformer，width 64，817,107 参数）。E/I 固定音程投影、H 可逆重参数化均给出负或中性结果。所有匹配比较保持 learner、事件空间、预算一致，仅改变表示接口，公平性设计扎实。
协议在独立性与数据卫生上做得很充分：lineage-aware 切分（按源谱系而非缓存顺序），transposition-invariant 重复证据跨 split 隔离；train 303,767 行、validation 1,024、sealed test 1,024；validation-only checkpoint 选择，test 数据训练期禁用、锁定后单次评估。三枚预注册种子（20260814/15/16）、固定 5 epoch 预算、frozen protocol/source-tree/manifest hashes 绑定结果。H/I 臂的一次进程恢复有完整 hash 验证记录（附录 D），诚实披露。ComMU 独立语料复现 A/D（test D−A = −0.10701 bits/event，三种子一致）支持时间坐标效应的方向性。评估指标是模型相对预测码长（bits/event），论文明确声明其非全局编码最优、非音乐质量或人类偏好分数，认知边界清晰。
核心论点「序列压缩本身不保证预测压缩」得到 J/K/D 三方对照的定量支持：K 把 tokens/event 从 J 的 3.680 压到 1.065，predictive bits 反而从 2.42301 升至 2.76234；D 以 1.000 tokens/event 达到 1.81358 bits/event。时间坐标去嵌套（D 相对 A −1.353188 bits/event，其中 pitch 因子贡献 −0.823860）与可逆规范移调（G 相对 F −1.187575）确实降低了预测码长，机制清楚。模型大小（817K 参数）与规模受控，作为表示质量的探针而非扩展性基准。局限是压缩增益只在单一模型包络内测量，未展示不同规模/架构下坐标效应的稳定性，跨模态外推（”architectures transfer, tokenization interfaces do not”）缺少语音或文本方向的直接证据。
效用有真实量化：D 相对 A 降码长 42.73%，相对 J 降 25.15%；G 相对 F 降 39.57%；上下文消融显示移除左/右上下文各增约 0.27 bits/event、打乱内容–时间绑定增 0.669 bits/event，证明预测依赖有序的内容–时间关系。但效用证据存在明显缺口：第 5.5 节的「更高阶音乐组织涌现」只有两例人工筛选的生成样例（Case A 与源 Event Jaccard 25.8%、Case B 50.8%，从十例中人工挑选），附录 H 明确承认这是存在性证据而非频率、质量或无偏估计；无人类听感评测、无与现成符号音乐生成系统（MIDI-GPT、MuPT、MusicTransformer）的输出对比、无在真实生成任务上的下游验证。预测码长指标与「更好的音乐」之间的桥梁没有建立。
「tokenization 质量取决于预测行为与编码效率而非 token 数量」的核心论点在文献中已有基础：Zouhar et al. (2023) Tokenization and the noiseless channel、Schmidt et al. (2024) Tokenization is more than compression、Gastaldi et al. (2025) The foundations of tokenization、Rajaraman et al. (2024) 有限上下文分析均被引用并在第 4 节承认。音乐侧的时间/音高相对坐标（Inaba et al. 2024）、时间与时长 tokenization 比较（Fradet et al. 2023b）、可逆 BPE（Fradet et al. 2023a）都是既有工作。本文的新增量是把这些思想整合为两个边界框架并在符号音乐上做受控分解实验，其中 canonicalization（F/G）与固定音程投影（E/I）的对照设计较有辨识度。但框架整体属于「已有观点的新封装」，命名与概念重组成分多于全新机制，且近 40% 的改进来自时间坐标去嵌套——这类时间表示设计（相对位置、节拍坐标）与既有 REMI/MusicTransformer 思路同源。查重确认：arXiv 无同名或近名工作，_paper_reviews/ 历史评审中 UOT-IR（2608.00576v1）关注固定预算表示但目标完全不同，无冲突。
可复现性描述非常详细：frozen protocol 摘要（附录 A）、A–I 全臂表（附录 B，validation/test 数值到 6 位小数）、paired factor decomposition（附录 C）、split/test 完整性（附录 D）、生成样例的 checkpoint SHA-256（946287c1...）与 Event Jaccard 收据（附录 G）、tokenizer 控制与上下文干预表（附录 I）、ComMU 复现（附录 J）。数据侧 Pop-K（Patchbanks, Zenodo, CC BY-NC）与 ComMU 均为可获取数据集。但全文 HTML 中未发现任何代码仓库链接，GitHub 搜索（”Effective-Losslessness”、”coordinate-aware symbolic music”）无匹配，docs/demos/m4l-popk/ 的音频/MIDI 示例路径指向论文描述的发布目录而未见公开 URL。缺源码与模型权重仓库是复现的直接障碍，审计细节虽充分却无法直接运行验证。
本文的强项在于严谨的受控实验设计和诚实的数据卫生：以单一 817K 参数模型包络为表示质量的受控探针，A→D 时间坐标单调改进与 J/K/D 载体编码对照直接支持「坐标构造优于载体压缩」的核心论点；可逆移调规范（G 相对 F 降 39.57%）与固定音程投影（E/I 增码长）的对照清晰划出 Fact–Token 与 Token–State 边界；三预注册种子、lineage-aware 切分、sealed test 与 ComMU 独立复现共同支撑结论的稳健性，附录对 H/I 进程恢复等实验意外的披露也体现高透明度。主要问题在于：理论框架以叙述性定义为主，缺少可判定的形式化判据；「更高阶音乐组织涌现」仅靠两例人工挑选生成样例支撑，无人类评测、无下游生成任务验证、无与现有符号音乐生成系统的对比，效用公理的证据链在预测码长处断裂；「跨模态不直接迁移」的结论未做任何跨模态对照实验；源码与模型权重未公开，GitHub 检索无匹配，可复现停留在审计文档层面；近 40% 改进源自时间坐标去嵌套，该部分与既有相对时间/节拍坐标设计的增量有限，框架的新颖性更多体现在概念封装而非机制层面。
| 一 对象公理 | ✅ | 8 | 1.0 | 8.0 | | 二 识别公理 | ✅ | 9 | 1.5 | 13.5 | | 三 独立性公理 | ✅ | 9 | 1.0 | 9.0 | | 四 压缩公理 | ✅ | 8 | 1.0 | 8.0 | | 五 效用公理 | ⚠️ | 7 | 2.0 | 14.0 | | 六 新颖性公理 | ⚠️ | 6 | 2.0 | 12.0 | | 七 可复现公理 | ⚠️ | 7 | 1.0 | 7.0 |
加权总分: 7.5/10 最终建议: Weak Accept