IBM Research 发布 Palette：小模型按企业设计语言生成演示文稿

核心事实

IBM Research 在 Hugging Face 博客发文介绍 Palette：一个经 LoRA 微调的 20B 开源权重模型，用于按指定设计语言生成演示文稿。据文章描述，Palette 把工作拆成两个角色、共用一个适配器：「设计师」先输出结构化 JSON 简报，写明配色、字体系统以及每页的版式、内容与简短设计理由；「编码器」再按单页规格写出 pptxgenjs 的 JavaScript 代码来绘制该页。由于每页上下文在写代码前已固定，各页编码可并行执行，文章称编码阶段约快 6–7 倍。

背景与影响

文章认为，前沿模型生成的演示文稿往往带有各自的「默认风格」，难以贴合企业模板，且部分内容不便离开自有系统，因此自托管的小模型更有吸引力；但小模型常出现标题与背景同色、文字溢出、图形重叠等问题。Palette 的训练数据由大型开放教师模型合成，约 1000 份演示文稿、近 1 万页，训练数据遵循 IBM Design Language，每个样本附带「反事实」式推理说明。生成结果还会经过检查与修复环节：先跑规则修正，再渲染并检测重叠、裁切与溢出，被标记的页面交由单独的编辑模型改写，且仅在检查器确认改善时才保留改写。文章称在 131 份 PresentBench 演示文稿上，该环节平均提升 3.5 分。评测方面，Palette 在 Economics 与 Education 两个领域排名第一，在 Talk 领域第三，三领域均值第二，为 59.7 分，落后 NotebookLM 的 60.8 分。

限制与来源

上述分数与提速幅度均来自 IBM Research 自述，尚未见独立复现；PresentBench 的基线数字取自该基准论文，且评测所用的计划由另一前沿模型从源文档起草。文章也承认，目前没有衡量「是否遵循特定设计语言」的基准。后续方向包括把检查信号用作强化学习奖励、借助 Docling 处理图表密集的文稿，以及用一两份现有 .pptx 文件做免重训的模板换肤。模型的具体许可、可用地区与获取方式请以 Hugging Face 及官方页面当前信息为准。来源：Hugging Face 博客，作者 Praveen Venkateswaran、Anupama Murthi、Hamid Adebayo，文章标注发布于 2026 年 11 月 3 日。