IBM Research 用合成数据微调 20B 模型 Palette 按设计语言生成幻灯片

报道讲了什么

• 研究团队用 LoRA 微调一个 20B 模型，把生成幻灯片拆成设计师和编码器两个角色，共用一个适配器。
• 训练数据由大型开源教师模型合成，约 1000 份幻灯片、约 1 万页，遵循 IBM Design Language。
• 在 PresentBench 上，Palette 在 Economics 和 Education 两个领域排第一，Talk 领域第三，三领域均分第二。

可以做什么

• 设计师角色输出结构化 JSON 简报，包含配色、字体系统以及每页布局、内容和设计理由。
• 编码器角色按单页规格写 pptxgenjs JavaScript 代码，各页上下文固定后可并行调用。
• 用户可在计划中用 [[ ]] 包裹指令，控制布局、语气、受众、顺序、省略和强调等。

怎么使用

1. 在计划文本中写入用 [[ ]] 包裹的指令，例如把里程碑改成时间线。
2. 设计师把指令写入简报，编码器绘制该页时遵循指令。
3. 每份幻灯片先经规则修复，再渲染并做几何检查，被标记的页面交给编辑模型重写。

结果与限制

• 修复只在检查器确认页面变好时才保留，否则保留原版，因此修复不会让页面变差。
• 在叙事和演讲驱动的 Talk 领域，两个闭源系统得分更高，Palette 排第三。
• PresentBench 只衡量幻灯片好坏，不衡量是否遵循特定设计语言，团队称尚不知有此类基准。

使用入口与依据