이 차이가 크면 “원곡 i가 이 결과곡에 많이 기여했다”라고 보는 식이고, 모든 학습곡에 대해 이 점수를 구하면 “이 생성곡에 특히 크게 기여한 원곡들” 리스트를 뽑을 수 있음. 다만 학습 데이터가 수십만 곡이라 곡마다 정확하게 언러닝하면 계산량이 터지니까, 근사 언러닝, 배치 언러닝, 영향 함수 같은 기법으로 대충이지만 빠르게 기여도를 추정하는 방식 연구하는 중임. 이렇게 뽑힌 기여도 높은 원곡 리스트는 모델 개발사가 이미 가지고 있는 학습 데이터 메타데이터 (곡 이름, ISRC, 레이블, 작곡가 등)와 매칭 가능하기 때문에