BiT-MCTS: A Theme-based Bidirectional MCTS Approach to Chinese Fiction Generation

• arXiv/venue: 2603.14410 / html v2（2026-03）
• 作者: Zhaoyi Li, Xu Zhang, Xiaojun Wan（北京大学 王选计算机研究所 / 外国语学院）
• 类型: 长篇中文小说生成方法（大纲规划 + 搜索）
• 一句话: 从一个开放式"主题"出发，先定"核心冲突 + 高潮"，再用双向蒙特卡洛树搜索（MCTS）同时向前（下降/结局）和向后（铺垫/开端）扩展情节，生成结构完整、更长、更连贯的中文小说。

1. 要解决的问题

从开放式主题（如"梦""二十四节气"）生成长篇线性小说是 LLM 的老大难。作者点出三重难点： 1. 叙事结构复杂：premise-based / 线性大纲法难以保证全局结构与节奏。 2. 缺文学理论支撑：模型不"懂"经典戏剧结构，情节容易平铺直叙、缺高潮。 3. 叙事空间庞大且未定义：从主题到成篇之间是一个巨大的、无系统搜索机制的可能性空间，直接让 LLM 一口气写就会失控。

对照 [[01_lost_in_stories]]：那篇诊断"写崩"（一致性 bug），本篇是从规划侧主动构造好结构来减少崩坏。

2. 方法 / 核心思路

核心隐喻是 Freytag 金字塔（五段式：开端—上升—高潮—下降—结局） + "高潮优先、双向扩展"。四阶段流水线：

Stage 1 · 冲突与高潮生成 LLM 先从主题抽出一句核心戏剧冲突，再生成一个场景级的高潮事件——作为 MCTS 的根节点。（先锚定高潮，保证全局节奏和情感落点。）

Stage 2 · 双向 MCTS 探索（核心创新） - 节点表示：每个节点 = 一份局部大纲 + 深度 + 访问次数 N(v) + 累积回报 W(v) + 终止/可扩展标志。 - 双向：Forward MCTS 从高潮向后生成"下降动作/结局"；Backward MCTS 从高潮向前生成"上升动作/开端"。 - Selection：UCB 公式，探索常数 c = 0.5。 - Expansion：每个节点生成 K = 4 个候选事件。 - Simulation：带引导的 rollout + 早停——只有当扩展不降低 reward 时才接受。 - Reward：LLM 打分器，从 10 个维度评估（人物塑造、场景描写、一致性、关联性、因果/时序关系、主题挖掘、可读性、创造性、重大缺陷识别、总体质量），归一到 [0,10]。 - Backpropagation：更新 N(v) 与 W(v)。

Stage 3 · 大纲精修 两步：先生成量身定制的开场/结尾场景，再用 LLM 自我批判修补逻辑漏洞、节奏、矛盾。

Stage 4 · 分段成文 分三段（开头/主体/结尾）生成，每段有专门指令，以管理上下文长度与文体控制。

关键超参：MCTS 迭代 50 次；最大搜索深度 d_max = 8；最大模拟深度 s_max = 3；每节点扩展 k_max = 4；采样温度 0.3–0.4（分阶段变化）。

3. 数据与实验

• 测试集：40 个中文主题，来自官方作文/小说竞赛题目 + 常见主题。
• 骨干 LLM：GPT-5-mini、Gemini-2.5-Flash、DeepSeek-V3。
• 基线：StoryWriter（多智能体框架）、Narrative Studio（把 MCTS 改造成线性输出）、Vanilla LLM 直接生成。
• 自动评测：10 维基准（叙事复杂度、创造性、情感共鸣、情节结构、人物塑造、场景、语法、流畅度、多样性、总体质量），用 Qwen3-Max 当裁判，指标是胜率（win rate %）。
• 人工评测：8 位专家标注（6 名文学研究生 + 2 名资深教师），在 20 个主题上评 11 个维度。

4. 主要结果 / 发现（带数值）

自动胜率（vs 基线，平均） - DeepSeek-V3：BiT-MCTS 47.2% vs StoryWriter 27.2% / Narrative Studio 27.0% - GPT-5-mini：BiT-MCTS 50.5% vs 31.5% / 12.0% - Gemini-2.5-Flash：BiT-MCTS 58.5% vs 16.8% / 13.5% - 分维度亮点：情节结构 PS 50.0–57.5%；人物塑造 CD 45.0–62.5%；多样性 DI 高达 77.5–92.5%。

故事长度（tokens）——本方法显著更长： - GPT-5-mini：58,657 vs StoryWriter 15,008 - Gemini-2.5-Flash：25,374 vs 8,439 - DeepSeek-V3：8,060 vs 5,904

人工评测（平均胜率）：BiT-MCTS 43.82% vs StoryWriter 26.23% / Narrative Studio 29.95%；主题 TH 51.67%、人物 CD 50.84%、情节 PS 46.67%、情感共鸣 ER 45.84%。

消融（loss rate，越高说明该组件越关键）：去掉双向搜索 → 100% 输；去掉精修 → 94%；改用无双向的直接 MCTS → 93.5%；把顺序调反（先上升后下降）→ 97.25%；去掉早停 → 58.0%。⇒ 双向 + 高潮优先 + 精修 三者都不可或缺。

5. 局限

• 搜索昂贵：长程情节上的 MCTS 计算量大，API 延迟和 token 成本严重限制探索深度。
• 评测偏差：单一外部裁判（Qwen3-Max）可能有偏；人工评审仅 8 人、且只覆盖 20/40 主题（50%），一致性报告有限。
• 长度—质量权衡：极长序列上的一致性维持仍是挑战。

6. 对中文小说 / 中文写作的启发

• "高潮优先"是可直接借用的产品化写作范式：让用户先确定"最想写的那一幕"，系统再双向补全前因后果——比"从头顺着写"更容易出戏剧张力，尤其契合网文/短篇竞赛这种要"抓人"的场景。
• 把大纲规划当搜索问题：不是让 LLM 一次生成大纲，而是在情节空间里采样—打分—回溯，用 10 维 reward 当"叙事品味"函数。中文长文写作工具可据此做"多方案情节树"供作者挑选。
• 多样性收益尤其突出（DI 77–92%），正面回应了 [[25_chinese_literature_homogeneity]] 指出的"LLM 情节同质化"——显式搜索能显著拉开情节分布，是对抗套路化的有效手段。
• 分段成文 + 段级指令：应对上下文长度和文体一致，是中文长篇工程化的实用套路。
• 与"伏笔—回收"结构（[[04_codified_foreshadowing_payoff]]）天然互补：BiT-MCTS 管全局骨架，伏笔编码管局部张力技巧，可叠加。

关联

• [[01_lost_in_stories]]：那篇诊断长篇一致性 bug；本篇从规划侧减少崩坏（互为"防守/进攻"）。
• [[03_dome]]：同属"用叙事学结构（Campbell 五段式 / Freytag 金字塔）指导大纲"路线。
• [[04_codified_foreshadowing_payoff]]：全局骨架 vs 局部伏笔张力，可叠加。
• [[25_chinese_literature_homogeneity]]：本篇的高多样性结果正是对其"同质化"诊断的一种解法。