Human or AI? Baroque Music Quiz Results & Analysis

Baroque 音乐听辨测试显示，听众区分 LLM 生成与人类作品的准确率仅为 55.7%，仅略高于 50% 的随机猜测水平。测试共收集 118 份完整提交，使用 GPT-6 Astra 和 Claude Opus 5.5 生成高力度巴洛克风格乐曲。数据、提示词及 LilyPond 文件已开源至 GitHub，供研究者自行分析。