大语言模型上下文学习预测音乐效价与唤醒度

2026年10月23日，arXiv人工智能板块刊出Chi-En Dai等作者的论文，研究用大语言模型的上下文学习（ICL）改进连续音乐效价与唤醒度预测。方法上，先由小型任务专用基础模型给出初始预测，再用辅助数据集的上下文示例进行修正。报道称，基于歌词与生成音频描述文本的ICL在80个示例下将效价R²从0.110提升至0.427；融合原始音频的多模态版本仅用10个示例即达0.346。实验以MER60数据集整体作为留出测试集，作者据此提出免训练ICL可作为推理阶段的策略。目前该工作处于论文预印本阶段，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。