MCTS Multimodal Generation Table-to-Text Agent Planning
摘要

自动从结构化表格数据生成包含文本分析和视觉图表的专业多模态报告是数据智能的关键挑战。现有方法受限于固定线性流程和孤立子任务处理,阻碍了事实准确性、视觉质量和叙事连贯性的联合优化。本文提出MCTS-Report框架,利用蒙特卡洛树搜索(MCTS)将多模态表格到报告的生成形式化为结构化搜索空间上的渐进式构建过程。核心思想是将报告生成分解为章节规划、可视化任务识别、图表生成、洞察组织和叙事精炼等原子动作,由LLM基于当前报告状态进行动态推理执行。我们设计了一个多维奖励函数来评估数值事实一致性、图表质量、图文对齐和结构完整性,并构建了MMRBench基准进行测试。实验表明,该方法在多项指标上显著优于基线。

AI 推荐理由

论文核心利用MCTS进行多步任务分解与搜索规划,将报告生成建模为结构化空间中的渐进式构建过程。

研究机构
The Hong Kong University of Science and Technology (Guangzhou)
论文信息
作者 Teng Lin, Zhiyang Zhang, Yuyu Luo, Nan Tang
发布日期 2026-08-04
arXiv ID 2608.04071
相关性评分 9/10 (高度相关)