MCTS-Report：用蒙特卡洛树搜索生成多模态数据报告

从结构化表格数据自动生成包含文本分析和可视化图表的专业多模态报告，是数据智能领域的关键挑战。现有方法通常采用固定的线性流程和孤立的子任务处理，难以协同优化事实准确性、视觉质量和叙事连贯性。

为解决这些问题，研究团队提出MCTS-Report框架，将多模态表格到报告的生成过程建模为结构化搜索空间中的渐进构建问题。该框架的核心思想是将报告生成分解为原子操作：章节规划、可视化任务识别、图表生成、洞察组织和叙事精炼，每个操作都由大语言模型基于当前报告状态进行动态推理后执行。

在蒙特卡洛树搜索过程中，研究团队使用大语言模型生成逐步推理和操作，将推理轨迹存储在每个节点中，实现上下文感知的连贯报告构建。为引导搜索过程，研究者设计了多维奖励函数，联合评估数值事实一致性、图表质量、图文对齐度和结构完整性，同时引入多样性惩罚机制抑制重复图表，并通过前提条件检查剪枝无效操作。

团队还构建了MMRBench基准测试集，包含来自六个领域的真实世界表格数据，并配有专家精炼的参考报告结构和可验证的关键洞察。在MMRBench上的实验表明，MCTS-Report在结构完整性、数值准确性、图文对齐度和洞察新颖性方面显著优于现有基线方法，综合得分达到77.9分。