巴洛克音乐盲测
4 节点0 篇3 来源
一项针对118人的巴洛克音乐盲测显示，听众区分大语言模型生成作品与人类作曲家作品的整体准确率仅为55.7%，专业音乐人亦仅达63.8%。实验由Auggie组织，混合了Claude Opus 5.5和GPT-6 Astra生成的曲目与巴赫、维瓦尔第等真实作曲家的冷门作品。核心发现揭示了显著的“感知偏差”：听者对误判为AI的曲目评分比误判为人类的低1.02分，而实际人类与AI曲目的喜爱度差距仅为0.18分。这表明在剥离演奏质量后，听众难以从乐谱层面分辨AI创作，且存在强烈的作者身份偏见。
事情怎么走到这一步
Auggie发布盲测邀请，要求听众判断16首巴洛克风格曲目是由LLM（Claude/GPT）还是人类作曲家创作，旨在排除演奏因素考察作曲本身。
aug5th.substack.com ↗盲测截止，共收集到118份完整有效回复。
lesswrong.com ↗Substack发布初步结果分析，指出Claude生成的赋格曲获得最多“人类”票，与巴赫并列第一。
aug5th.substack.com ↗LessWrong发布完整数据与分析，确认整体准确率55.7%，并量化了“以为是人类”与“以为是AI”导致的评分差异（1.02分 vs 实际0.18分）。
lesswrong.com ↗
还没定论的部分
- 当扩展到古典主义或浪漫主义时期（如贝多芬、勃拉姆斯）时，LLM的模仿能力是否会导致准确率进一步下降？
- 如果引入真人演奏而非MIDI合成音频，听众对AI作曲的辨别能力是否会因表演细节的差异而改变？
- 这种基于作者身份的评分偏差（Bias）在更广泛的AI艺术接受度研究中是否具有普遍性？