IBM nauczył model 20B tworzyć prezentacje. Kluczową pracę wykonuje pętla kontroli

IBM Research przedstawił Palette, otwarty model 20B dostrojony przez LoRA do tworzenia prezentacji w IBM Design Language. Jeden adapter obsługuje dwie role. Designer przygotowuje ustrukturyzowany brief JSON, a coder tworzy dla każdego slidu kod JavaScript w PptxGenJS.

Zestaw treningowy powstał syntetycznie. Zespół wygenerował około 1 000 prezentacji z mniej więcej 10 000 slajdów oraz wyjaśnienia odrzuconych wariantów projektowych. Wywołania codera dla poszczególnych slajdów działają równolegle, co według autorów przyspiesza ten etap około 6 do 7 razy.

Praca nie kończy się na pierwszym wyniku modelu. Harness renderuje prezentację i wykrywa nakładanie elementów, obcięty tekst oraz obiekty poza obszarem slajdu. Editor przepisuje wadliwy slajd, lecz system przyjmuje zmianę tylko wtedy, gdy checker potwierdzi poprawę. Na 131 prezentacjach dało to średnio 3,5 punktu więcej.

Palette dzieli trudne zadanie na edytowalny brief i kod slajdów

Model nie musi jednocześnie ustalać narracji, dokładnej treści i geometrii całej prezentacji. Designer określa typografię, kolory, układ i zawartość każdego slajdu. Coder zajmuje się potem każdą stroną osobno.

Wynik pośredni jest czytelny dla człowieka i innego agenta. Zespół może zmienić jeden argument albo układ bez powtarzania całej generacji. Ta granica jest cenniejsza niż sam format prezentacji, bo podobny schemat można zastosować do wykresów, diagramów i UI.

Firmom więcej kontroli daje checker niż kolejna runda prompt engineeringu

Najtrudniejszym problemem okazała się wierność źródłu. Gdy brief wymagał tabeli 6 na 5, ale zawierał tylko trzy punkty, coder wymyślał brakującą treść. Według zespołu kolejne reguły w prompcie pomagały mniej niż poprawienie prezentacji referencyjnych w danych treningowych.

To praktyczna lekcja dla enterprise AI. Jakość zależy nie tylko od większego modelu. Budują ją również ustrukturyzowany format pośredni, sprawdzalne reguły i proces naprawy, który potrafi odrzucić własną propozycję. Open weights pozwalają też utrzymać poufne dokumenty na własnej infrastrukturze.

Benchmark ocenia jakość prezentacji, lecz nie bada głównej obietnicy stylu

Palette uzyskał 59,7 punktu w PresentBench. Średnio w trzech raportowanych obszarach zajął drugie miejsce, 1,1 punktu za NotebookLM z wynikiem 60,8. Prowadził w Economics i Education, a w Talk był trzeci.

Porównanie ma dwa ważne ograniczenia. PresentBench nie mierzy zgodności z konkretnym design language, choć właśnie to jest głównym celem Palette. Poza tym osobny frontier model zamieniał dokument źródłowy w plan. Wynik nie opisuje więc w pełni lokalnego systemu end-to-end opartego wyłącznie na modelu 20B.

Firmowe szablony, wierność faktom i slajdy pełne wykresów będą właściwym testem

IBM chce używać sygnałów checkera jako nagród w reinforcement learningu, dodawać ilustracje wyciągnięte z dokumentów i testować zmianę stylu na podstawie jednego lub dwóch plików .pptx bez nowego treningu. Ten ostatni krok bezpośrednio sprawdzi dostosowanie do obcego design language.

Wdrożenie produkcyjne wymaga kontroli szerszej niż geometria. System musi śledzić źródła faktów, pilnować zatwierdzonych fontów i kolorów, obsługiwać logo oraz dostępność i zachowywać treść podczas naprawy. Dopiero wtedy pipeline badawczy zasłuży na prezentację dla klienta.

Werdykt Lilith

Palette zyskuje przewagę, bo po każdym slajdzie pojawia się kontroler z linijką i może odrzucić poprawkę. To małe uprawnienie oddziela efektowne demo od użytecznej produkcji.