Paper Review: Local Chord Corruption Is Not Recognizer Replay: Chord-Condition Propagation in MIDI-SAG

论文类型: 评测型

公理审查结果

公理一：对象公理

• 判定: ✅
• 分数: 8
• 依据: 论文对象清晰且真实——在歌唱伴奏生成（SAG）中，当旋律、和弦、MIDI 控制由估计器给出时，分析前端即成为生成系统的一部分；此时「对生成器施加的合成局部和弦扰动」与「把完整自动和弦识别（ACR）预测序列回放给生成器」两类测试测到的现象是否等价，是一个真实存在且此前未被形式化的问题。作者将对象操作化为可测量三要素：固定 MIDI-SAG 生成器 G、两类和弦条件（回放 c_r = CNN–CRF 全曲预测；合成 c_s = 冻结的中心 4 秒三全音扰动）、配对协议（同 track、同 seed、同 47.554s 上下文、同 12s 评分窗口，配对内只变 c），并用三个特征视图（STFT chroma、CQT、CENS）的 changed-target / inside-output / full-window 三类效应量化。数据来自 MUSDB18-HQ 的 34-track 评估池（4,102 个候选窗口中冻结 30 个 12s 配对窗口）。对象无 proxy 偷换。小扣分点：基线条件 c₀ 取自 MIDI-SAG 自身冻结的时间对齐和声条件，作者自己承认这是「非专家参考」，对象的绝对锚点存在内部性。
• Wiki 证据: 全文（https://arxiv.org/html/2609.03584v1，WebFetch 成功）确认协议与全部数字。作者为 Weiwen Huang（深圳大学，单人署名）。OpenAlex 检索本文被引 0 次（2026-09 新发）。

公理二：识别公理

• 判定: ⚠️
• 分数: 7
• 依据: 这是本文做得最扎实的部分。作者系统地做变量分离：(1) 剂量匹配——相对根音替换与同根音 quality 翻转的输入距离几乎相同（0.1059 vs 0.1070），排除了剂量混淆，仍观察到相对根音在全部 18 个诊断 track 上产生 2.88 倍 CENS 全窗口输出变化（p=7.6×10⁻⁶），证明生成器对根音关系本身有响应；(2) 时间支持匹配——block-occupancy 控制（12 tracks）精确替换 CNN–CRF 的 changed 0.5s 块并匹配 changed 时长（10.75s）且输入距离相似（0.639 vs 0.599，p=.339）后，STFT target 效应与回放无差异（0.166 vs 0.178，p=.622），把中心扰动的放大效应归因到时间支持差异；(3) 关系构成匹配——profile 匹配分解出支持与构成两个坐标，exact-window other-root 份额与 CQT/CENS changed-target 相关 ρ=0.600/0.589（q=0.025）；(4) 统计口径明确：以 track 为推断单位、种子在 track 内平均、10,000 次 track 级 bootstrap、配对双侧 Wilcoxon 加族错误率校正（六个冻结检验 BH 校正后 q≤3.05×10⁻⁵）。识别工作的残余缺口：生成器内部对根音关系敏感的机理仍是黑箱（无任何机制层面探查），且 only 一条 corruption 路径（三全音/五度/相对根音的有限集合），关系空间的覆盖不完整。
• Wiki 证据: 全文诊断章节（relation control、block-occupancy control、profile matching 三部分）的数字为依据；「关系构成表」Table 1 显示回放中 root-changing 事件占 76.12% 而三全音仅 1.79%，为放大效应给出构成层面的解释锚点。

公理三：独立性公理

• 判定: ⚠️
• 分数: 6
• 依据: 独立性验证在识别器一侧做到位，在生成器一侧缺失。(1) 正面：第二条识别器路径 DeepChroma+CRF（29 eligible tracks、87 replays、261 profiles）独立复现了方向一致性（CENS/CQT 增益 0.408/0.353，两者 p=3.73×10⁻⁹），说明结论不依附于单一 ACR 实现；三个种子下 CENS 均值 0.468/0.469/0.450、每个 seed 均 29/30 track 为正、track 排名相关 0.76–0.77，种子层面稳健。(2) 缺陷：全部结论以单一固定 MIDI-SAG 生成器为条件，没有任何跨生成器验证（MusicGen-Chord 等其他和弦条件系统未测试），「支持+构成连接两类测试」这一核心命题的可泛化性未建立；诊断集（18 tracks）与确认集（30 tracks）虽分开，但都取自同一个 34-track 评估池，样本间存在同池重叠风险；基线 c₀ 与诊断特征均依赖生成器自身冻结条件，无独立外部参考。作者未设独立 Limitations 章节，上述局限靠推断得到。
• Wiki 证据: 全文实验设计与结果章节为依据；29/30、30/30 等 track 级一致性数字确认两条识别器路径方向一致，生成器维度仅有 MIDI-SAG 一条路径。

公理四：压缩公理

• 判定: ⚠️
• 分数: 7
• 依据: 论文压缩出两条清晰可迁移的原则：(1) 「局部合成扰动检验对一个具名和声机制的响应，完整识别器回放检验部署系统实际接收的控制流」，二者互补、都应报告、不应合并为单一鲁棒性分数——这一规则对设计 SAG 评测协议的实践者直接可用；(2) 支持匹配与关系构成匹配是连接两类测试的两个坐标，联合匹配把 CENS 回放距离从中心扰动的 0.482 压到 0.098，并给出可照抄的实用协议（冻结人声/上下文/prompt/seed/评分窗口，先渲染基线与完整识别器序列做配对评分，仅在测试具名机制时加局部编辑）。附带结论「单一和弦错误率不足以评估 SAG，错误结构（support + relation）本身是提供给生成器条件的一部分」有明确含义。压缩不足：结论全部嵌在「30 tracks × 12s 窗口 × 单一生成器」的特定坐标系内，论文未给出任何可预测新情形的模型或标度律（例如 changed-support 时长与效应大小的定量关系），读者拿到的是一组精心控制的对比事实加一句定性原则。
• Wiki 证据: 全文结论章节（Implications for evaluation、Practical protocol）与 Table 2、full-30 构造分析数字为依据；0.098（joint profile）vs 0.482（central）的距离压缩比是量化支撑。

公理五：效用公理

• 判定: ⚠️
• 分数: 6
• 依据: 效用中等且边界清楚。(1) 正面：对做和弦条件生成评测的团队，实用协议可直接照抄；公开仓库（见公理七）使指标表与脚本可复用；「相对根音替换产生 2.88 倍响应」这类发现对设计针对性控制测试有直接参考价值。(2) 限制：适用面窄——结论条件于 MIDI-SAG 单一生成器与 MUSDB18-HQ 30 个 12s 窗口，其他 SAG 系统上是否成立未知；全部指标为计算特征上的余弦距离（STFT/CQT/CENS），没有任何人类听感评估，0.462 的 CENS 差距对应多少可感知的音乐差异完全未建立，评测方法学论文却缺感知效度是其效用打折的主因；论文只测试了一种 corruption 时长（4s）与有限的关系类型，作为工具箱的完整性有限。
• Wiki 证据: 全文确认无 listening test、无跨生成器实验；相关工作章节仅说明 AnyAccomp（量化旋律瓶颈、无时间对齐和弦接口）不适用其干预方法，未讨论向 MusicGen-Chord 等系统的迁移。

公理六：新颖性公理

• 判定: ⚠️
• 分数: 5
• 依据: 新颖性为温和的方法学增量。(1) 核心观察「合成的局部扰动与真实识别器输出流不等价」在直觉层面不意外——ACR 输出的时间支持非均匀、关系构成混杂，这在和弦识别评估文献（Pauwels & Peeters 2013、McVicar et al. 2014、Kinnaird & McFee 2021 等和弦替换/评估工作，论文均已引用）的延长线上；(2) Gao et al. 2024 已研究过和弦条件歌曲生成对不准确和弦提取的鲁棒性，本文的净增量在于把两类测试的差异做成受控的、可分解（支持 × 构成）的测量，加上 profile-matched 合成构造这一具体技术；(3) 组成部分（CNN–CRF、DeepChroma、CRF 解码、librosa/chroma toolbox 特征、配对差分设计）全部是标准件。作为 4 页级评测短文，增量与其体量相称，但作为方法学贡献的可引用深度有限。
• Wiki 证据: OpenAlex 多组关键词检索（chord corruption singing accompaniment、chord conditioned song generation robustness 等）未发现与本论文直接同题的先行工作（检索结果多为无关领域噪声，如实记录该检索的甄别力有限）；Semantic Scholar 检索 API 因 429 限流多次失败，仅成功查到 MIDI-SAG 基座论文（arXiv:2602.22029，被引 2 次）与本文条目（被引 0 次），未能交叉核对引用网络。本仓库 _paper_reviews 历史中无 MIDI-SAG 或 SAG 主题的既往 review，确认这是该主题首次入库。

公理七：可复现公理

• 判定: ✅
• 分数: 8
• 依据: 复现要素充分。(1) 协议级：冻结窗口、种子（42/123/2027）、47.554s 上下文、12s 评分窗口、0.5s 审计网格、全部统计检验设定均有明文；渲染总量可核对（180 central-probe/replay + 270 profile + 360 新构造诊断 renders，全部通过音频 QA）；(2) 工件级：公开仓库 github.com/Viwennnnnn/local-chord-corruption-replay（GitHub API 核实：创建于 2026-09-01、最后推送 2026-09-03、含 scripts（8 个分析/绘图脚本）、data（central/construction/profile/relation_control/replay/taxonomy 六个子目录）、results（metrics_summary.json）、requirements.txt、CITATION.cff、LICENSE、DATA_LICENSE.md、REPRODUCTION.md），README 头条结果与正文数字一致（0.462/29 of 30、2.88x、0.384/0.328、0.408/0.353、0.098）。(3) 扣分点：仓库自称「metric-level reproduction artifact」，即只含派生指标与分析，MIDI-SAG 生成器 checkpoint 本体在外部（基座仓库 fundwotsai2001/MIDI-SAG，30 stars，非本文作者所有），完整复现依赖第三方模型可用性；仓库 0 star、license 为 NOASSERTION，社区验证为零。
• Wiki 证据: GitHub API 实查（gh api repos/Viwennnnnn/local-chord-corruption-replay 及 contents 列表）确认仓库结构与 README 头条数字；gh api 检索 MIDI-SAG 确认基座模型仓库存在且独立于本文工件。

总评

优点：这是一份设计严谨的受控评测研究。核心问题的选取准确——SAG 部署时和弦条件由识别器提供，评测协议里常用的合成扰动与真实识别器回放是否等价直接关系到鲁棒性结论的可信度。配对协议控制到位（track、seed、47.554s 上下文、12s 评分窗口全部冻结，配对内只变和弦条件），统计口径规范（track 级推断、种子内平均、10,000 次 bootstrap、Wilcoxon 加族错误率校正），主效应样本一致性极强：CENS target 差值 29/30 tracks 为正（均值 0.462，CI [0.377, 0.539]，p=2.61×10⁻⁸），三种子间均值仅波动 0.468/0.469/0.450。识别工作有真实的变量分离：剂量匹配下相对根音替换仍产生 2.88 倍 CENS 全窗口响应（p=7.6×10⁻⁶），block-occupancy 控制在匹配 changed 时长与输入距离后令 STFT target 效应与回放无差异（p=.622），把放大效应归因到时间支持与关系构成两个坐标，并在第二条识别器路径（DeepChroma+CRF，CENS/CQT 增益 0.408/0.353）上独立复现。可复现工件完整：公开仓库含 8 个分析脚本、六个数据子目录、REPRODUCTION.md 与 metrics_summary.json，README 头条数字与正文一致。

主要问题在于结论的泛化半径过窄且缺感知效度：其一，全部结论以单一固定 MIDI-SAG 生成器为条件，没有在任何其他和弦条件系统（如 MusicGen-Chord）上验证「支持+构成连接两类测试」这一核心命题，第二识别器路径只解决了 ACR 侧的独立性，生成器侧的独立性为零；其二，所有指标是 STFT/CQT/CENS 特征上的余弦距离，全文没有任何人类听感评估，0.462 的 CENS 差距与 2.88 倍的输出变化对应多少可感知的音乐差异未建立，评测方法学论文缺这一环使其实用意义打折；其三，基线 c₀ 取自生成器自身冻结条件而非专家标注，绝对锚点有内部性；其四，样本为 MUSDB18-HQ 34-track 池中冻结的 30 个 12s 窗口，corruption 时长只有 4s 一档，关系类型覆盖有限；其五，新颖性为温和增量——「局部扰动与完整识别器流不等价」在直觉与既有和弦评估文献（Pauwels、Kinnaird & McFee 等）的延长线上，净贡献是把该差异做成可分解的受控测量加一个匹配构造技术；其六，公开仓库是 metric-level 工件，生成器 checkpoint 依赖第三方基座仓库，且无社区验证（0 star）、license 为 NOASSERTION。

日报摘要

• Strength: 受控配对实验（30 tracks × 3 seeds）证明局部和弦扰动与完整 ACR 回放测到的条件传播不等价——CENS target 差值 29/30 tracks 为正（均值 0.462，p=2.61×10⁻⁸），匹配时间支持与关系构成后回放距离从 0.482 压至 0.098，并在第二条识别器路径上复现。
• Weakness: 全部结论条件于单一 MIDI-SAG 生成器、30 个 12s MUSDB18-HQ 窗口，无跨生成器验证、无人类听感评估，代理余弦指标与可感知音乐差异的映射未建立，核心命题的泛化半径与感知效度均缺关键证据。

打分

| 公理 | 判定 | 分数 | 权重 | 加权 | |—|—|—|—|—| | 一 对象公理 | ✅ | 8 | | 二 识别公理 | ⚠️ | 7 | 1.5 | 10.5 | | 三 独立性公理 | ⚠️ | 6 | 1.0 | 6.0 | | 四 压缩公理 | ⚠️ | 7 | 1.0 | 7.0 | | 五 效用公理 | ⚠️ | 6 | 2.0 | 12.0 | | 六 新颖性公理 | ⚠️ | 5 | 2.0 | 10.0 | | 七 可复现公理 | ✅ | 8 | 加权总分: 6.47/10（61.5 / 9.5） 最终建议: Borderline