IBM Research 发布 Palette：用 20B 开放权重模型生成符合企业设计语言的幻灯片

OmniTools 11月4日消息，IBM Research 在 Hugging Face 博客发文，介绍 Palette：用可自托管的小型开放权重模型生成符合企业设计语言的演示文稿。团队基于 IBM Design Language 合成数据，对 20B 模型做 LoRA 微调，并把任务拆成“设计师”和“编码者”两个角色——前者输出包含配色、字体和每页布局的 JSON 简报，后者为每页编写 pptxgenjs JavaScript。由于每页上下文在写代码前已固定，编码阶段可并行执行，速度提升约 6–7 倍。

训练数据约 1000 份演示文稿、合计约 1 万页幻灯片，每条样本附带反事实式推理说明。模型支持在计划文本中用 [[ ]] 写入指令，例如 [[make this a timeline]]，覆盖布局、语气、受众等 12 类。生成后，检查修复 harness 会渲染并检测重叠、溢出等问题，只有检查确认改善才保留重写结果；在 131 份 PresentBench 演示文稿上，该 harness 平均提升 3.5 分。

在 PresentBench 上，Palette 在 Economics 和 Education 两个领域排名第一，在 Talk 领域排名第三，三领域平均排名第二，得分 59.7，低于 NotebookLM 的 60.8。团队下一步希望将检查信号用作强化学习奖励，并探索从一到两个现有 .pptx 文件迁移模板而无需重新训练。