IBM Research 推出 Palette：教小模型用企业设计语言生成 PPT
使用前沿大模型生成演示文稿（PPT）时，用户常遇到风格同质化的问题：无论要求多少次，生成的幻灯片往往呈现出相同的“AI 味”，难以契合特定的品牌模板。此外，出于数据机密性考虑，许多企业无法将内容发送至云端 API。
为解决这一问题，IBM Research 团队推出了名为 Palette 的解决方案。这是一个基于开放权重的小型模型（约 20B 参数），通过合成数据训练并配合检查代理（Checker Agent），使其能够遵循 IBM 设计语言自主构建幻灯片。在 PresentBench 基准测试中，该模型在三个主要领域排名第一。
小模型生成幻灯片的难点
制作一张幻灯片看似简单，实则要求模型同时处理三类复杂任务：
- 隐式布局计算：模型不直接绘制图像，而是编写代码（如 pptxgenjs JavaScript）来定义每个元素的坐标（x, y）、宽度和字体大小。例如，判断一个 75 字符的标题能否在 56 点字号下容纳于两行内，需要模型具备几何推算能力。小型模型常因计算失误导致元素重叠或文字溢出。
- 双重决策并行：模型需兼顾编辑判断（决定每张幻灯片的内容、图表类型及删减重点）与几何定位（精确排版）。单次生成需在 10–20 张幻灯片中保持配色、字体和版式的一致性。
- 缺乏结构化训练数据：现有公开语料库多为成品幻灯片，缺少背后的设计逻辑、规划过程及生成代码。
模拟人类工作流：设计师与编码者角色分离
Palette 采用类似人类的工作流，将任务分解为两个角色，由单个 LoRA 适配器驱动：
- 设计师（Designer）：阅读输入材料，输出结构化的 JSON 简报。内容包括调色板、类型系统、每张幻灯片的布局、确切内容及简短的设计理由。
- 编码者（Coder）：接收单页幻灯片规格，编写用于渲染该页面的 pptxgenjs JavaScript 代码。
这种分工使得设计决策（编辑判断）与执行细节（几何计算）解耦。中间的 JSON 简报可读且可编辑，允许人工或代理在不重新生成整个甲板的情况下调整特定页面布局。由于上下文在编写代码前已确定，编码阶段可并行运行，效率提升约 6-7 倍。值得注意的是，编码器样本的长度约为设计师样本的 5 倍。
合成数据与推理链构建
由于缺乏包含规划、设计决策和代码的公开数据集，团队利用大型开源教师模型生成了约 1000 份演示文稿（涵盖约 10,000 张幻灯片）。每个示例均附带“反事实”推理链，记录被拒绝的替代方案及其原因：
- 设计师推理示例：“四个季度的收入呈现明显上升趋势。我考虑过使用表格，但本页重点是趋势而非具体数字。”
- 编码者推理示例：“标题共 62 个字符。设置为 36pt 可适配两行，并为上方图表留出空间。”
所有合成数据经过自动检查器验证，检测重叠和溢出。破碎的幻灯片会被修复，其推理链重写以解释原布局错误及修复原理。针对“忠实度”问题（即模型虚构输入中不存在的事实），团队发现单纯增加提示规则效果有限，而提供参考数据库能更可靠地约束教师模型的输出。
自然语言指令控制
Palette 支持通过简短的自然语言指令微调设计选择。指令包裹在 [[ ]] 中并写入规划阶段，由设计师纳入简报，编码者在绘图时执行。
## Rollout plan
- March: pilot with two teams
- May: security review complete
- July: rollout to all of engineering
- September: company-wide launch
- November: first adoption review
[[make this a timeline]]
若无指令，模型可能默认将里程碑显示为表格；加入上述指令后，则生成时间线视图。训练数据涵盖 12 类指令意图，包括布局（Layout）、语气（Tone）、受众（Audience）、顺序（Order）、排除项（Leave out）和强调（Emphasis）等，使模型学习意图而非固定短语。
| 分类 | 指令示例 |
|---|---|
| Layout | [make this a timeline] |
| Tone | [candid, no spin] |
| Audience | [this is for the board] |
| Order | [lead with the problem] |
| Leave out | [no pricing] |
| Emphasis | [highlight headline numbers] |
检查与修复代理（Checker Agent）
即便经过训练，模型仍可能产生视觉缺陷。因此，Palette 的输出需经过一个自动化检查代理处理：
- 规则修复：修正已知错误，如无效的颜色代码。
- 几何检查：渲染并测量每张幻灯片，标记重叠、裁剪或溢出文本。
- 独立编辑器：对标记的问题幻灯片进行代码重写。
- 安全保留机制：仅当检查器确认重写后的幻灯片优于原版时才保留修改，否则维持原状。这确保了代理在任何情况下都不会降低输出质量。
在 PresentBench 的 131 份甲板上测试显示，平均而言，检查代理使评分提升了 3.5 分。
评估结果
研究团队使用 PresentBench 对 Palette 进行评估，标准涵盖基本面、视觉设计、完整性、正确性和真实性。PresentBench 提供源文件而非预设大纲，因此实验中由单独的边界模型起草计划，Palette 据此构建幻灯片。
在经济学和教育学领域，Palette 凭借结构化内容和数值准确度排名第一。在“Talk”领域排名第三。综合三个领域的平均分，Palette 以 59.7 分位居第二，仅落后于 NotebookLM（60.8 分）1.1 分，领先于其他封闭系统及其他开放模型。作为单一的 20B 参数开放模型，这一表现尤为显著。
未来展望与技术启示
IBM Research 指出，从图表到 UI 布局，其输出结构均可通过代码验证。团队总结的关键经验包括：
- 数据中的推理：包含被拒绝的方案有助于模型理解选择依据。
- 修复优于加规则：直接修正示例比添加新规则更有效。
- 默认安全维修：仅在测量指标改善时保留修复。
- 先建检查器：确保数据可信和输出安全。
下一步计划包括利用可验证信号（如重叠、溢出）进行强化学习，以及探索无需重训即可适配用户自有 .pptx 模板的方法。
