Problem

目前的文字轉音樂（text-to-music）模型在對齊人類的複雜審美與具體指令上仍存在落差，且市場上缺乏一個開源、可靠且能跨系統通用的評估指標，來指導模型的訓練與生成結果的篩選。

Method

研究團隊開發了 TuneJury 獎勵模型，利用包括競技場投票、專家美感評分及群眾外包在內的多樣化偏好數據進行訓練。此外，團隊提出了「錨點校準」（anchor calibration）技術，透過 Bradley-Terry 統計模型，讓新釋出的生成系統能以極低的資料成本完成評估對齊，並支援 N 選 1 抽樣（Best-of-N）與潛在空間優化（DITTO-style）。

Results

實驗證明 TuneJury 在測試集與分布外數據（OOD）上均具備高度的預測精確度。在實際應用中，該模型能成功驅動推理端的優化，使生成音訊在獎勵指標上穩定成長，並在多種下游任務中展現優於既有基準模型的競爭力。

Significance

TuneJury 作為開源的指標工具，為 AI 音樂領域提供了精確的獎勵機制，解決了生成內容難以量化評價的痛點。這不僅能加速模型開發過程，也為提升 AI 生成音樂的藝術品質與實用性奠定了重要基礎。