論文の概要: BiT-MCTS: A Theme-based Bidirectional MCTS Approach to Chinese Fiction Generation

• arxiv url: http://arxiv.org/abs/2603.14410v1
• Date: Sun, 15 Mar 2026 14:52:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.796351
• Title: BiT-MCTS: A Theme-based Bidirectional MCTS Approach to Chinese Fiction Generation
• Title（参考訳）: BiT-MCTS:中国フィクション生成のためのテーマベースの双方向MCTSアプローチ
• Authors: Zhaoyi Li, Xu Zhang, Xiaojun Wan,
• Abstract要約: BiT-MCTSは「クライマックスファースト、双方向拡張」戦略を運用するテーマ駆動フレームワークである。 BiT-MCTSは,強いベースラインに対して,物語のコヒーレンス,プロット構造,テーマの深さを改善する。
• 参考スコア（独自算出の注目度）: 42.39089216860752
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating long-form linear fiction from open-ended themes remains a major challenge for large language models, which frequently fail to guarantee global structure and narrative diversity when using premise-based or linear outlining approaches. We present BiT-MCTS, a theme-driven framework that operationalizes a "climax-first, bidirectional expansion" strategy motivated by Freytag's Pyramid. Given a theme, our method extracts a core dramatic conflict and generates an explicit climax, then employs a bidirectional Monte Carlo Tree Search (MCTS) to expand the plot backward (rising action, exposition) and forward (falling action, resolution) to produce a structured outline. A final generation stage realizes a complete narrative from the refined outline. We construct a Chinese theme corpus for evaluation and conduct extensive experiments across three contemporary LLM backbones. Results show that BiT-MCTS improves narrative coherence, plot structure, and thematic depth relative to strong baselines, while enabling substantially longer, more coherent stories according to automatic metrics and human judgments.
• Abstract（参考訳）: オープンエンドのテーマから長文のリニアフィクションを生成することは、大規模言語モデルにとって大きな課題であり、前提ベースまたはリニアアウトラインアプローチを使用する場合、大域的な構造と物語の多様性を保証することがしばしば失敗する。 本稿では,フレイタグのピラミッドを動機とした「クライマックスファースト,双方向拡張」戦略を運用するテーマ駆動型フレームワークであるBiT-MCTSを提案する。 そこで,本手法では,2方向のモンテカルロ木探索 (MCTS) を用いて,プロットを後方に拡大し,プロットを前方へ拡大し,アウトラインを構造化した。 最終世代は、精巧なアウトラインから完全な物語を実現する。 我々は,3つの現代LPMバックボーンに対する評価と広範な実験を行うために,中国語のテーマコーパスを構築した。 以上の結果から,BiT-MCTSは,強いベースラインに対する物語の一貫性,プロット構造,テーマの深さを向上するとともに,自動測定値や人的判断値に応じて,より長く,より一貫性のあるストーリーを可能にする。

関連論文リスト

• Unlocking Multimodal Document Intelligence: From Current Triumphs to Future Frontiers of Visual Document Retrieval [67.73095846666583]
  Visual Document Retrieval (VDR)は、構造化されていない視覚的リッチデータと正確な情報取得のギャップを埋める上で、重要なフロンティアとして登場した。 本稿では,VDRランドスケープ,特にMultimodal Large Language Model (MLLM) 時代のレンズを通して,VDRランドスケープを包括的に調査する。
  論文  参考訳（メタデータ） (2026-02-23T15:27:41Z)
• Yume-1.5: A Text-Controlled Interactive World Generation Model [78.93049063633084]
  Methodは、単一の画像やテキストプロンプトから現実的でインタラクティブで連続的な世界を生成するように設計された新しいフレームワークである。 メソッドは、キーボードベースの生成世界を探索するフレームワークを慎重に設計し、これを実現している。
  論文  参考訳（メタデータ） (2025-12-26T17:52:49Z)
• DraCo: Draft as CoT for Text-to-Image Preview and Rare Concept Generation [69.69738832428543]
  DraCo(DraCo)は,テキスト・ツー・イメージ生成を向上するための新たなインターリーブな推論パラダイムである。 提案手法はまず,低解像度のドラフト画像をプレビューとして生成し,より具体的で構造的な視覚計画とガイダンスを提供する。 DraCoがGenEval(+8%)、Imagine-Bench(+0.91)、GenEval++(+3%)の大幅な増加を実現
  論文  参考訳（メタデータ） (2025-12-04T18:59:53Z)
• Re:Verse -- Can Your VLM Read a Manga? [14.057881684215047]
  現在の視覚言語モデル(VLM)は、表面レベルの認識と深い物語的推論の間に重要なギャップを示す。 本稿では,細粒度マルチモーダルアノテーション,クロスモーダル埋め込み解析,検索強化評価を組み合わせた新しい評価フレームワークを提案する。 本稿では,VLMにおける長期的物語理解に関する最初の体系的研究を,生成的ストーリーテリング,文脈的対話グラウンドニング,時間的推論という3つのコア評価軸を通じて行った。
  論文  参考訳（メタデータ） (2025-08-11T22:40:05Z)
• Long Story Generation via Knowledge Graph and Literary Theory [5.844556001202481]
  数千語からなる長文の生成は、長文生成(LTG)の分野におけるサブタスクである これまでの研究では、ストーリーのアウトラインを生成するためのマルチステージ手法であるアウトラインベースの生成を通じて、この問題に対処してきた。 このアプローチには、以前のアウトラインの記憶が失われることによる、ほぼ避けられないテーマドリフトと、人間の読者にはあまりアピールしない不整合論理による退屈なプロットの2つの一般的な問題がある。
  論文  参考訳（メタデータ） (2025-08-05T06:35:14Z)
• STORYANCHORS: Generating Consistent Multi-Scene Story Frames for Long-Form Narratives [82.19488717416351]
  本稿では,高品質でマルチシーンなストーリーフレームを生成するための統合フレームワークであるStoryAnchorsを紹介する。 StoryAnchorsは、時間的一貫性を確保するために、過去と将来の両方のコンテキストを統合する双方向のストーリージェネレータを使用している。 また、マルチイベントストーリーフレームラベリングとプログレッシブストーリーフレームトレーニングを統合し、モデルが包括的な物語の流れとイベントレベルのダイナミクスの両方をキャプチャできるようにする。
  論文  参考訳（メタデータ） (2025-05-13T08:48:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。