이 논문은 표 형태 정형 데이터로부터 텍스트 분석과 시각 차트를 함께 포함하는 전문적 멀티모달 리포트를 자동 생성하는 문제를 다룬다. 저자들은 이를 구조화된 탐색 공간 위의 점진적 구축 과정으로 정식화한 몬테카를로 트리 탐색(MCTS) 기반 프레임워크 MCTS-Report를 제안했다. 리포트 생성을 챕터 기획, 시각화 작업 식별, 차트 생성, 인사이트 조직, 서사 다듬기 등 원자적 행동으로 분해하고 각 단계를 현재 리포트 상태에 조건화된 LLM의 동적 추론으로 수행하며, 탐색 궤적을 노드에 저장해 일관된 구성을 만든다. SQL 기반 수치 사실 일관성, 차트 품질, 차트-텍스트 정합성, 구조적 완결성을 함께 평가하고 다양성 벌점과 사전조건 검사를 포함한 다차원 보상 함수로 탐색을 유도했다. 6개 도메인 실제 표 기반 벤치마크 MMRBench에서 강력한 베이스라인 대비 유의미하게 우수한 성능을 보이며 종합 점수 77.9를 달성했다.
- •표 데이터 기반 텍스트+차트 멀티모달 리포트 자동 생성을 위한 MCTS 프레임워크 MCTS-Report 제안
- •챕터 기획·시각화 식별·차트 생성·인사이트 조직·서사 다듬기를 원자적 행동으로 분해
- •SQL 기반 수치 정합성, 차트 품질, 차트-텍스트 정합성, 구조 완결성을 포함한 다차원 보상 함수 설계
- •다양성 벌점과 사전조건 검사로 반복 차트·무효 행동 억제
- •6개 도메인 실제 표 기반 벤치마크 MMRBench에서 종합 점수 77.9로 베이스라인 상회
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Monte Carlo Tree Search for Table-to-Multimodal Report Generation
본문 미리보기
arXiv:2608.04071v1 Announce Type: new Abstract: Automatically generating professional multimodal reports comprising both textual analysis and visual charts from structured tabular data is a critical challenge in data intelligence. Existing methods suffer from fixed linear pipelines and isolated subtask processing, which hinder joint optimization of factual accuracy, visual quality, and narrative coherence. To address these issues, this paper proposes MCTS-Report, a Monte Carlo Tree Search (MCTS
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:11AI 초안

