IBM 发布 Palette：微调小模型生成符合设计语言的幻灯片

IBM 研究团队提出 Palette 方案，通过 LoRA 微调 20B 开源模型，使其能依据特定设计语言（如 IBM Design Language）生成高质量幻灯片。该方案模拟人类工作流，将任务拆分为“设计师”规划内容与“编码者”生成 pptxgenjs 代码两个阶段。利用合成数据训练，并引入渲染检查器自动修复布局错误，确保文本不溢出、形状不重叠。在 PresentBench 基准测试中，该模型在两个领域排名第一，解决了小模型生成幻灯片时常见的排版混乱及风格不一致问题，支持本地部署以保护数据隐私。

要点

• 采用 LoRA 微调 20B 开源模型，分离“内容规划”与“代码生成”角色，提升小模型在复杂布局任务上的表现。
• 构建合成数据管线，利用大型教师模型生成约 10,000 张幻灯片，并包含反事实推理过程以强化模型对设计规则的理解。
• 引入自动化渲染检查器，在训练和推理阶段检测并修复文本溢出、形状重叠等几何错误，形成闭环优化。
• 通过并行执行编码阶段，将幻灯片生成速度提升 6-7 倍，且生成的 JSON 简报可编辑，便于人工干预。
• 在 PresentBench 评测中，该模型在三个测量领域的两个中排名第一，证明小模型在特定垂直领域可媲美前沿模型。

为什么值得关注

该方案展示了如何通过合成数据与自动化校验，让中小规模开源模型在结构化视觉生成任务上达到专业水准。对于国内从业者，其“规划-执行”分离架构及自动化质检流程，为开发垂直领域的 AI 设计工具提供了可复用的技术路径，尤其适合对数据隐私敏感的企业场景。