Palette 甲板生成系统配图
图：原文配图（Hugging Face / IBM Research）, Hugging Face / IBM Research

要点

  • IBM Research / HF（2026-11-03）：Palette——约 20B + LoRA，designer/coder 分工生成服从 IBM Design Language 的甲板；页级并行约 6–7×。
  • 数据：约 1000 甲板 / 1 万页教师合成；反事实推理；检查器修复坏页；参考甲板比加规则更能管住忠实性；12 类 [[directive]]。
  • PresentBench：Economics/Education 第一，Talk 第三，三域均值第二（59.7 vs NotebookLM 60.8）；131 甲板 harness 平均 +3.5。
  • 作者承认尚无「是否服从特定设计语言」基准；下一步指向用检查信号做 RL、嵌图与少样本换肤。

IBM Research 在 Hugging Face（2026-11-03）介绍 Palette：用约 20B 开源权重 + LoRA，在自有设计语言里做幻灯片，并与前沿系统在 PresentBench 上对照。

命题：企业「看起来像我们模板」的幻灯片不是提示词问题；拆成 designer/coder、用反事实合成数据、再加「只在变好时保留」的检修 harness 后，小模型可以在结构化领域追上甚至超过多数闭源系统——同时权重不出域。

[1]

发生了什么

小模型常写出叠字、溢出、标题沉进背景。Palette 把人类流程拆成同一 LoRA 上的两个角色：designer 读计划、写出含调色板/字体/每页布局与短设计理由的 JSON brief；coder 按页写 pptxgenjs，并在代码前留下几何推理。页上下文在写码前固定，故可并行，编码阶段约 6–7×。Coder 样本约长 5×，故对 designer 样本 5× 过采样。

数据约 1000 副甲板 / 10,000 页，由大教师按体裁与布局配方合成；推理写成反事实（为何不选表而选柱；62 字符标题为何从 44pt 降到 36pt）。几何检查器与推理时同一套：坏页修复并重写理由。忠实性上，堆提示规则几乎无效，改参考甲板才能稳住教师；[[directive]] 覆盖布局/语气/受众等 12 类。

[1]

证据有多硬

PresentBench 评基本功、视觉、完整、正确、保真。源是文档而非计划，故评测时另用前沿模型起草计划，Palette 只负责从计划出甲板。结果：Economics、Education 第一，Talk 第三，三域均值 第二（59.7 vs NotebookLM 60.8），高于其余对照。131 副甲板：harness 平均 +3.5；修复仅在检查器确认变好时保留，因此可默认常开。

作者自承：PresentBench 不测是否服从某一设计语言——而这正是产品卖点，专门基准仍缺。数字来自官方对照表，非第三方复现。

[1]

钢人与缺口

钢人：前沿默认审美会漂回「AI 甲板味」；机密内容也不能出域。把可检查的几何信号做成训练数据与 harness，是可迁移到图表与 UI 布局的方法，而不只是一次演示。

缺口：计划由另一前沿模型从文档起草，Palette 吃的是计划不是生文档；训练绑定 IBM Design Language，换品牌需重做数据或换肤流程；Talk 域落后说明叙事/演讲型甲板仍弱；教师合成可能带入风格偏置。把 PresentBench 第二读成「已解决企业设计系统」会过冲。

[1]

谁付钱、下一步看什么

付钱的是企业设计系统与对内工具：与其逼 API 模型「像我们」，不如自训小适配器 + 可证伪检查器。下一步作者指向用同一信号做 GRPO 式 RL、Docling 嵌图、以及少样本换肤而不重训。

[1]

收束

Palette 可辩护的句子是：在可程序检查的版式任务上，小开源模型 + 合成反事实数据 + 安全检修，足以在结构化 PresentBench 域争先，而不把设计语言交给提示词碰运气。 它尚未证明「任意品牌零样本」或「演讲型甲板已追平闭源」。

[1]