用蒙特卡洛树搜索生成多模态表格报告

自动从结构化的表格数据中生成包含文本分析和可视化图表的专业多模态报告是一个关键挑战。现有方法由于固定的线性管道和孤立的任务处理，阻碍了对事实准确性、视觉质量与叙述连贯性的联合优化。为解决这些问题，本文提出MCTS-Report（Monte Carlo Tree Search驱动的框架），将多模态表格到报告生成视为在结构化搜索空间上进行逐步构建的过程。核心思想是将报告生成分解成原子动作，包括章节规划、可视化任务识别、图表生成、见解组织和叙述优化，每个动作由基于动态推理的LLM执行，并根据当前报告状态条件化。我们使用LLM在MCTS过程中生成一步式推理与行动，存储每步的推理轨迹以实现上下文-aware且连贯的报告构建。为了引导搜索，我们设计了一个多维度奖励函数，同时评估数值事实一致性（通过SQL）、图表质量、图表-文本对齐以及结构完整性，同时引入多样性惩罚来抑制重复的图表，并引入预条件检查来剪枝无效的动作。我们也构建了MMRBench（Multi-modal Reasoning Benchmark），包含来自六个领域的实际世界表格，并与专家精炼的参考报告结构和可验证的关键见解配对。在MMRBench上的实验结果表明，MCTS-Report在结构完整性、数值准确度、图表-文本对齐以及见解新颖性方面显著优于强基准，总得分为77.9。