IBM naučila 20B model dělat prezentace. Rozhodující práci odvádí kontrolní smyčka

IBM Research představila Palette, 20B open-weight model vyladěný pomocí LoRA na tvorbu prezentací v IBM Design Language. Jeden adapter obsluhuje dvě role. Designer připraví strukturovaný JSON brief a coder z něj pro každý slide vytvoří JavaScript v PptxGenJS.

Tréninková sada vznikla synteticky. Tým vytvořil přibližně 1 000 prezentací s asi 10 000 slidy a doplnil je o vysvětlení odmítnutých návrhových možností. Při generování běží coder pro jednotlivé slidy paralelně, což podle autorů zrychlilo tuto fázi zhruba šestkrát až sedmkrát.

Výstup nekončí prvním pokusem modelu. Harness prezentaci vyrenderuje, hledá překryvy, oříznutý text a prvky mimo plochu. Editor přepíše chybný slide, ale novou verzi systém přijme pouze tehdy, když kontrola naměří zlepšení. Na 131 prezentacích přidal tento postup v průměru 3,5 bodu.

Palette rozdělila jednu těžkou úlohu na editovatelný brief a kód slidů

Model nemusí současně rozhodovat o příběhu, přesném obsahu a geometrii celé prezentace. Designer nejprve určí typografii, barvy, layout a obsah každého slidu. Coder pak řeší jednotlivé stránky odděleně.

Mezivýsledek je čitelný pro člověka i dalšího agenta. Tým může změnit argument nebo layout jednoho slidu bez opakování celé práce. Tato hranice je cennější než samotný formát prezentace, protože stejný postup lze použít u grafů, diagramů nebo UI.

Firmám dává větší kontrolu checker než další kolo prompt engineeringu

IBM narazila hlavně na věrnost zdroji. Když brief vyžadoval tabulku 6 krát 5, ale obsahoval jen tři body, coder si chybějící obsah domyslel. Přidání dalšího pravidla do promptu podle týmu pomáhalo méně než oprava referenčních prezentací v tréninkových příkladech.

To je praktická lekce pro enterprise AI. Kvalita nevzniká jen volbou většího modelu. Vzniká také ze strukturovaného meziformátu, kontrolovatelných pravidel a opravy, kterou systém umí odmítnout. U důvěrných dokumentů navíc open weights umožňují provoz na vlastní infrastruktuře.

Benchmark chválí prezentace, ale netestuje hlavní slib o firemním stylu

Palette dosáhla na PresentBench skóre 59,7. V průměru tří hodnocených oblastí skončila druhá, 1,1 bodu za NotebookLM se skóre 60,8. Vedla v Economics a Education, zatímco v oblasti Talk byla třetí.

Srovnání má dvě zásadní omezení. PresentBench neměří věrnost konkrétnímu design language, přestože právě ta je hlavním cílem Palette. A zdrojový dokument nejprve převedl na plán samostatný frontier model. Výsledek tedy nepopisuje plně lokální end-to-end systém postavený pouze na 20B modelu.

Skutečnou zkouškou budou firemní šablony, fakta a slidy plné grafů

IBM chce dál využít signály checkeru jako odměnu při reinforcement learningu, přidat práci s obrázky ze zdrojových dokumentů a zkoumat převod jedné či dvou existujících .pptx šablon bez nového tréninku. Právě poslední krok ověří slib přizpůsobení cizímu design language.

Pro nasazení bude potřeba měřit víc než překryvy. Kontrola musí hlídat původ faktů, povolená písma a barvy, práci s logem, přístupnost a zachování obsahu při opravě. Teprve pak se z výzkumné pipeline stane nástroj, kterému firma svěří prezentaci pro klienta.

Lilithin verdikt

Palette nevyhrává silou jednoho mozku, ale tím, že po každém slidu přijde kontrolor s pravítkem a smí opravu odmítnout. Právě tahle malá pravomoc dělí efektní demo od použitelné výroby.