IBM enseñó a un modelo 20B a crear presentaciones. El bucle de verificación hace el trabajo decisivo

IBM Research ha presentado Palette, un modelo open-weight de 20B ajustado con LoRA para crear presentaciones con IBM Design Language. Un solo adapter cubre dos funciones. Un designer redacta un brief JSON estructurado y un coder produce JavaScript con PptxGenJS para cada diapositiva.

El conjunto de entrenamiento es sintético. El equipo generó unas 1.000 presentaciones con cerca de 10.000 diapositivas y añadió explicaciones sobre las alternativas descartadas. Las llamadas del coder se ejecutan en paralelo para cada diapositiva, lo que acelera esa fase entre 6 y 7 veces según los autores.

La generación no termina con el primer intento del modelo. Un harness renderiza la presentación y detecta solapamientos, texto recortado y elementos fuera del lienzo. Un editor reescribe la diapositiva defectuosa, pero el sistema conserva la revisión solo si el checker mide una mejora. En 131 presentaciones, este proceso añadió 3,5 puntos de media.

Palette convierte una tarea difícil en un brief editable y código por diapositiva

El modelo ya no decide a la vez la historia, el contenido exacto y la geometría de toda la presentación. El designer fija tipografía, colores, layout y contenido de cada diapositiva. El coder trabaja después cada página por separado.

El resultado intermedio puede leerlo una persona u otro agente. Un equipo puede cambiar un argumento o un layout sin repetir toda la generación. Esa frontera es más reutilizable que el formato de presentación, porque el mismo enfoque sirve para gráficos, diagramas o interfaces.

Un checker ofrece a las empresas más control que otra ronda de prompt engineering

IBM encontró que la fidelidad era el problema más difícil. Si el brief pedía una tabla de 6 por 5 pero solo aportaba tres puntos, el coder inventaba el contenido restante. El equipo afirma que añadir otra regla al prompt ayudaba menos que corregir las presentaciones de referencia de los ejemplos.

Esa es la lección práctica para enterprise AI. La calidad depende de algo más que elegir un modelo mayor. También nace de un formato intermedio estructurado, reglas verificables y un proceso de reparación capaz de rechazar su propia propuesta. Los open weights permiten además mantener documentos confidenciales en infraestructura propia.

El benchmark premia buenas presentaciones, pero no prueba la promesa de estilo

Palette obtuvo 59,7 en PresentBench. Quedó segundo en la media de los tres dominios publicados, 1,1 puntos por detrás de NotebookLM con 60,8. Lideró Economics y Education, pero fue tercero en Talk.

La comparación tiene dos límites importantes. PresentBench no mide fidelidad a un design language concreto, aunque ese es el objetivo central de Palette. Además, otro frontier model convirtió cada documento fuente en un plan antes de que Palette construyera la presentación. El resultado no describe un sistema local end-to-end impulsado solo por el modelo 20B.

Las plantillas corporativas, los hechos y las diapositivas con gráficos darán el veredicto

IBM quiere usar las señales del checker como recompensas de reinforcement learning, añadir figuras extraídas de los documentos y probar un cambio de estilo a partir de uno o dos archivos .pptx sin reentrenar. Ese último paso pondrá a prueba la adaptación al design language de otra organización.

Un despliegue real necesita controles más allá de la geometría. Debe rastrear los hechos hasta sus fuentes, aplicar fuentes y colores aprobados, gestionar logotipos y accesibilidad y conservar el contenido durante una reparación. Solo entonces la investigación podrá recibir una presentación para un cliente.

El veredicto de Lilith

Palette gana porque después de cada diapositiva aparece un inspector con una regla y puede rechazar la reparación. Esa pequeña autoridad separa una demo vistosa de una producción útil.