Newest papers

Predicting Music Valence and Arousal via Textual and Multimodal In-Context Learning in Large Language Models

Chi-En Dai, Chih-Pin Tan, Yi-Hsuan Yang · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31202 · open-access PDF

Russian

В то время как возбуждение можно надежно предсказать из музыкального звука, эмоциональную валентность по-прежнему трудно моделировать из-за ее субъективного и контекстно-зависимого характера. В этой работе мы исследуем потенциал в контекстном обучении (ICL) с помощью больших языковых моделей для продвижения непрерывной валентности и прогнозирования возбуждения. Вместо того, чтобы непосредственно предсказывать эмоциональные баллы, наша рамка использует контекстные демонстрации из вспомогательного набора данных для уточнения первоначальных предсказаний, производимых небольшой базовой моделью, специфической для задач.

Machine translation (Meta M2M100); the English original follows.

Abstract

While arousal can be reliably predicted from musical audio, emotional valence remains difficult to model due to its subjective and context-dependent nature. In this work, we investigate the potential of in-context learning (ICL) with large language models to advance continuous valence and arousal prediction. Rather than predicting emotion scores directly, our framework leverages contextual demonstrations from an auxiliary dataset to refine the initial predictions produced by a small, task-specific base model. We systematically evaluate a text-based ICL variant using lyrics and generated audio

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange