AI Navigate

BiT-MCTS: テーマ駆動の双方向モンテカルロ木探索アプローチによる中国語小説生成

arXiv cs.CL / 2026/3/17

📰 ニュースModels & Research

要点

  • BiT-MCTS は、中国語小説生成のためのテーマ駆動型の双方向モンテカルロ木探索フレームワークを導入し、両方向へプロットを展開する前にクライマックスを先行させたアウトラインを構築します。
  • 本手法はフレイタッグのピラミッドを用いて核心となるドラマ的対立を抽出し、クライマックスを明示的に生成した後、後方へは上昇部(上昇アクション、導入)を展開し、前方へは降下部(降下アクション、解決)を展開して、構造化されたアウトラインを形成します。
  • 3つのLLMバックボーンにまたがる中国語テーマコーパスを対象とした実験は、自動指標と人間の判断による評価に基づき、従来の強力なベースラインと比較して、物語の一貫性、プロット構造、テーマ性の深さが改善されることを示しました。
  • この研究は、はるかに長い、より一貫性のある物語を可能にし、長篇生成におけるテーマ駆動型AIストーリーテリングの新しいパラダイムを提供します。

要旨: オープンエンドなテーマから長編の線形フィクションを生成することは、前提ベースまたは線形アウトライン手法を使用した場合に、グローバルな構造と物語の多様性を保証することが頻繁に難しくなる大規模言語モデルにとって、依然として大きな課題です。私たちはBiT-MCTSを提示します。これはフライタッグのピラミッドに動機づけられた「クライマックス優先、双方向拡張」戦略を実装するテーマ駆動フレームワークです。テーマが与えられると、私たちの手法は中核となるドラマ的対立を抽出し、明示的なクライマックスを生成します。次に双方向モンテカルロ木探索(MCTS)を用いて、プロットを後方へ(上昇する展開、導入)および前方へ(下降する展開、解決)へ展開し、構造化されたアウトラインを作成します。最終的な生成段階で洗練されたアウトラインから完全な物語を実現します。評価のために中国語テーマコーパスを構築し、三つの現代的なLLMバックボーンにわたる広範な実験を実施します。結果はBiT-MCTSが強力なベースラインと比較して物語の一貫性、プロット構造、およびテーマの深さを向上させることを示し、自動指標と人間の判断によって、はるかに長く、より一貫した物語を可能にします。