身份与共同性分属两个维度
论文的核心结果是一种双重分离。如果两位即兴者融合成一个系统，他们在音高上就应像在节奏上一样难以区分；如果他们保持独立，节奏就应像音高一样可靠地跟随个人。两种情况都没有发生。每个二重奏同时实现了这两种组织方式，只是由不同的音乐维度承载。
证据总共来自986段爵士即兴，但互动分析依赖的范围更窄：6个二重奏（12位职业即兴者）、54次录音、530段独奏和11,433个音符事件，其中10,903个具有明确的预测上下文。这些是《Autumn Leaves》有节拍演出中的独奏交替段落，两位演奏者在共享曲式上严格轮流独奏。作者把这种严格交替视为一种对话式轮换结构，使互动可以逐音符测量。
惊讶度与不确定性如何逐音符测量
这项研究并不询问听众对音乐的感受，而是为每个音符计算两个量。惊讶度用信息量表示，即实际演奏的音符在给定前文条件下的负对数概率；数值高意味着实际出现的音符在学习到的爵士语汇模型下不太可能。不确定性用熵表示，即模型预测分布的分散程度；数值高意味着上下文允许多种合理的后续。两者都以比特为单位。
这些量来自一个分层贝叶斯统计学习模型，该模型在Jazzomat项目的Weimar Jazz Database上训练，该数据库包含78位音乐家演奏的456段经专业转写的单声部独奏。这个语料库只用于估计爵士语汇在群体层面的规律，从未用于拟合假设检验所用的演出。随后模型在聆听二重奏录音时继续在线更新统计量，就像一位不断积累经验的听众。由于同一录音内的两位搭档基本处于相同的模型状态，他们之间的比较不受这种渐进更新的影响。
模型分别运行在三个事件流上：音高、节奏，以及把每个音编码为音高—节奏复合符号的联合流。这种分离很重要，因为论文的主要对比恰恰在于音高流和节奏流各自承载什么。
音高波动标识演奏者身份
基于音高的波动表现为稳定的个人身份特征。在同一次录音内，两位搭档的音符级不确定性数值在90%的录音中差异显著，而同一位演奏者与自己在相邻录音间的比较只有35%出现差异。这一对比在全部六个二重奏中都成立。
这种分离幅度大且持续存在。在同一次录音内，两位不同演奏者独奏之间的距离，是同一位演奏者独奏之间距离的2.14倍，平均Jensen-Shannon散度为0.261对0.125。与搭档独奏的距离在一轮之后和五轮之后一样大（0.270对0.254），因此轮流演奏从未缩小这一差距。用留一录音交叉验证，可以从单段独奏中解码出演奏者身份，AUC为0.87，在6个二重奏中全部高于随机水平。混合模型方差分解把不确定性方差的74.3%归给演奏者身份，只有0.6%归给录音；惊讶度对应的比例是18.6%对1.3%。
有一项限制应放在这里而不是结尾：每个二重奏的两位成员都演奏不同乐器，因此这种旋律特征可能部分反映乐器在音高上的固有倾向，而不只是个人风格。作者指出，这一顾虑不影响节奏方面的发现，因为节奏发现的决定性特征恰恰是不存在个人（因而也不存在乐器）特异性。
节奏波动属于正在展开的演出
基于节奏的波动呈现相反的组织方式。在同一次录音内，两位搭档基本无法区分：只有39%的录音级比较达到显著，尽管音符级统计功效与在90%录音中检出音高差异时相同。相反，节奏波动随演出而变化。同一位演奏者在相邻录音之间与自己的差异出现在60%的比较中，显著多于两位搭档在同一次录音内的差异。
解码和方差结果指向同一方向。演奏者身份无法从节奏波动中解码（AUC=0.52），PERMANOVA在每个二重奏中把显著方差归给录音，却没有一个二重奏把显著方差归给演奏者；6个二重奏中录音的方差都超过演奏者（平均R平方0.56对0.01）。
决定性的检验是：这种共享状态属于真实的互动，还是只属于作为两人固定组合的这一对？作者把每段独奏与同一次录音中搭档下一段独奏的距离，和它与另一次录音中同一轮次位置上同一搭档乐器独奏的距离作比较，后者是同样两人但当时并未一起演奏的伪二重奏。伪二重奏中的节奏距离是两倍（0.116对0.238），而且当伪二重奏只取自紧邻的录音时差异仍然存在（0.116对0.161），这排除了缓慢的整场变化作为唯一解释。音高没有这种录音特异性（0.275对0.280）。
独奏交接显示互补而非模仿
在每次独奏交接处，搭档之间表现出系统性的推拉。作者为每段独奏计算平均惊讶度，去除每次录音的线性趋势，并把残差表示为相对该演奏者自身平均值的偏离，然后检验一位演奏者在某一轮的偏离是否预测搭档在下一轮的偏离。由于严格交替加上演奏者之间稳定的水平差异可能产生虚假负相关，他们把观察到的耦合与两个零模型比较，这两个零模型保留每个人的演奏方式，只打断其与搭档的对齐：在每个演奏者自己的轮次位置内打乱其独奏，以及把一位演奏者的序列相对另一位循环移位。
真实二重奏表现出可靠的负耦合，而两个对照都消除了它。在节奏上，相邻独奏之间的二重奏内平均相关为r=-0.230，第一个对照下为-0.000，第二个对照下为+0.069。在音高上，r=-0.151，对照下为+0.001和+0.045。在联合流中效应较弱且未达到显著（r=-0.110）。把语料库中所有交接合并（n=415），一位演奏者高于自身平均值的演奏之后，可靠地跟着搭档低于自身平均值的演奏（节奏r=-0.19；音高r=-0.10）。
作者称这是互补而非模仿，并指出它与人际同步和对齐理论强调的趋同方向相反。他们的解释是，这一对共同调节不可预测性的整体流动：一方消耗时，另一方节省，使惊讶度总量保持在可运作的范围内，同时共享状态缓慢探索。这一解读是作者的解释，而不是直接测量的机制。
另一项无符号分析检验搭档时间上相邻的独奏是否也最相似。这只在节奏上成立：独奏与搭档下一段独奏的距离，小于与搭档三轮或更早独奏的距离，音高则不然。两项分析并不冗余，因为带符号的推拉捕捉瞬时偏离的方向，而无符号分析捕捉整体接近程度。
研究设计能确立什么与不能确立什么
这些分析是观察性的。它们确立的是观察到的耦合超过严格的零模型，而不是产生这种耦合的因果路径。所有演出都是对单一曲目、单一风格的即兴，因此身份承载维度与状态承载维度之间的这种角色分工是否适用于其他曲目、流派和文化仍未检验；把音高分配给身份、把节奏分配给共享状态是否普遍，还是特定于某种风格，也仍未检验。
参考模型在特定的历史单声部独奏语料库上训练，不同的参考语料库可能改变惊讶度和不确定性的绝对值，不过结论所依赖的语料库内对比受这种变化影响较小。作者还指出，数据展示了新颖性如何被共同调节，但没有证明这种调节就是使互动在评价意义上具有创造性的原因；把这些动态与创造性和审美价值判断联系起来，是留给下一步的工作。
论文对结果的框架修正了其起始假设。作者原本提出，创造性二重奏在预测波动中维持一种既不太近也不太远的人际距离。结果显示这种中间组织确实存在，但并不是在单一维度上折中实现的，而是通过跨维度的角色分工实现：节奏上完全共享，音高上保留差异，并在两者的交接点主动再平衡。
被共享的维度正是会移动的维度
作者强调的模式是：被共享的东西会移动，不被共享的东西被保留。搭档完全趋同的维度——节奏——恰恰是整次录音中移动、并在录音之间重置的维度；而承载稳定身份的维度——音高——留在原处。
他们提出的功能性解读是：一个群体在某个共享维度上共同移动，可以在不分裂的情况下探索新领域，而稳定的个体差异维持可供探索的材料多样性。这是讨论部分提出的解释，不是研究检验过的结果。
对于衡量这篇论文改变了什么的读者，最有用的区分是这些测量回答的两类问题。音高波动回答谁在演奏；节奏波动回答哪一场演出正在展开。因此一个二重奏可以同时做到最大程度的接近和可靠的区分，而不需要任一维度停在中间值。论文自己的下一步是检验这种组织是否与创造性评判相关，而当前数据尚未确立这一点。
本文引用的文献
Music Between Two Minds: Individual Signatures, Shared States, and the Emergence of Creative Interaction
基于音高的惊讶度和不确定性表现为稳定的个人特征，而基于节奏的波动形成一个共享的、特定于每次录音的状态，该状态共同漂移，并在独奏交接处通过互补的推拉逐轮再平衡。