PianoBench：评估语言模型的音乐感知与推理

新基准显示模型从音频感知音乐与显式推理音乐事件间存在明显差距。

资讯摘要

论文提出 PianoBench 基准，用声学与符号两种输入形式考察语言模型对钢琴演奏的感知与推理。该基准源自 2 万余小时教学视频中音乐与讲解交错的多模态数据。作者报告：开放权重音频语言模型最高准确率 52.8%，仅略高于无音频对照；前沿模型在给定音乐文本转录并配合思维链时可达 93.2%，显示从音频感知音乐特征与显式推理之间存在差距。

要点速读

1. PianoBench 基于 2 万余小时钢琴教学视频中音乐与口头讲解交错的数据构建。
2. 开放权重音频语言模型在 PianoBench 上最高 52.8%，仅略高于无音频对照。
3. 前沿模型在提供音乐文本转录并使用思维链时最高达 93.2%；对 Qwen 3.5 9B Base 做指令微调后，零样本准确率从 42.8% 升至 56.0%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。