عادةً ما تقوم نماذج التعلم الآلي للموسيقى بتفكيك مهمة التأليف إلى عملية زمنية تتابعية، حيث يتم تأليف قطعة موسيقية في مرور واحد من البداية إلى النهاية. ومع ذلك، فإن الملحنين البشريين يكتبون الموسيقى بطريقة غير خطية، حيث يقومون برسم المقطوعات الموسيقية هنا وهناك، وغالبًا ما يعودون لتعديل الخيارات التي اتخذوها سابقًا. من أجل تقريب هذه العملية بشكل أفضل، نقوم بتدريب شبكة عصبية متلافهة على إكمال النوتات الموسيقية الجزئية، ونستكشف استخدام تقنية العينة الجيبسية المقيدة (Blocked Gibbs Sampling) كمثيل لإعادة الكتابة. لا ترتبط أي من النموذج أو الإجراء التوليدي بأي اتجاه سببي معين للتأليف. نموذجنا هو حالة من NADE بلا ترتيب (Uria et al., 2014)، والذي يسمح بالعينة الأجدادية المباشرة أكثر. ومع ذلك، نجد أن العينة الجيبسية تحسن جودة العينات بشكل كبير، وهو ما نثبت أنه يعود إلى عدم دقة بعض التوزيعات الشرطية في النمذجة. بالإضافة إلى ذلك، نظهر أن حتى الإجراء التقريبي الرخيص للعينة الجيبسية المقيدة من Yao et al. (2014) ينتج عينات أفضل من العينة الأجدادية، بناءً على كل من الاحتمال اللوغاريتمي وتقييم البشر.