IBM Research于11月3日在Hugging Face博客介绍了Palette：通过微调一个20B开放权重模型，让它按照IBM Design Language制作幻灯片。作者报告，该模型在PresentBench所测三个领域中的两个排名第一。
这项工作的目标不只是生成内容，还包括让幻灯片遵循指定的设计语言。文章指出，前沿模型生成多份演示文稿时，容易回到自身惯用的风格；而涉及保密内容时，数据又可能不能离开使用方的系统。Palette探索的是由使用方掌握模型、在自有基础设施运行，并用自身设计语言训练的路线。
针对小模型制作幻灯片的困难，作者给出了具体解释：模型需要用代码指定元素的坐标、宽度和字号，却不能在排版时直接看到成品；同时还要兼顾内容取舍与几何布局。这容易带来文字溢出、形状重叠，以及标题与背景难以区分等问题。
Palette把工作拆成“设计师”和“编码者”两个角色，由同一个LoRA适配器承担：前者规划整份演示文稿，后者绘制每页幻灯片。其中，设计师会读取计划，输出结构化JSON简报，明确配色、字体体系，以及每页的布局、准确内容和简短设计理由。
据文章介绍，训练采用遵循IBM Design Language的合成数据，系统还配有检查机制。其评测结论的明确范围是PresentBench中此次测量的三个领域，而非所有幻灯片生成任务；文中报告的设计风格训练对象则是IBM Design Language。
原始来源：Palette: teaching a small model to build decks in your design language