IBM的Palette把做PPT拆成设计师和编码员，20B小模型跟上了

IBM Research 在 Hugging Face 博客中介绍了 Palette：一个被微调来"按你的设计语言做幻灯片"的 20B 开放权重模型。它的出发点很具体——前沿模型做出来的 deck 都长一个样，都带着同一种得体的默认风格；而有些内容属于机密，根本不能离开自己的系统。

幻灯片对小模型并不友好。模型并不是在画页面，而是在写代码，把每个元素放到具体的 x、y、宽高和字号上。一个 75 个字符的标题在 56pt 下能不能排进两行，是模型必须在看不见画面的情况下算对的算术，算错了要等代码渲染完才知道。

Palette 的办法是把工作拆成两个人的活。一个 LoRA 适配器承担两个角色：设计师先读大纲，写出结构化 JSON 简报，包含配色、字体系统、每页的布局、确切内容与一句设计理由；编码器再按单页规格，写出 pptxgenjs 的 JavaScript 和前置推理。设计师负责编辑判断，编码器负责几何。

拆开还有工程上的好处：每页的上下文在写代码之前就已固定，编码调用可以并行执行，编码阶段大约快了 6 到 7 倍。IBM 也踩了坑——编码样本的长度约为设计样本的 5 倍，朴素混料会让设计师欠训练，最后把设计样本过采样 5 倍才对齐。

训练数据是合成的。团队用一个大型开放教师模型生成约 1000 份 deck、约 1 万页幻灯片，每份都带"反事实"推理：不只写下选择，还写下被否决的替代方案和否决理由。生成的每一页都会被渲染，并用推理阶段同一套检查器查重叠与溢出，坏页被修复、理由被重写，错误于是变成更好的训练样本。

部署时还有一道检查—修复闭环。规则先修明显错误，比如一个畸形色值会让所有页变黑；然后逐页渲染、测量几何，被标记的页面交给独立的编辑模型重写。只有当检查器确认变好，重写才会被保留，因此这套流程不会把页面改坏。

效果上，在 PresentBench 的 131 份 deck 上，这套 harness 平均带来 3.5 分提升。按三个领域计分，Palette 在 Economics 和 Education 排第一，在叙事性更强的 Talk 排第三，三域均值 59.7 分，仅次于 NotebookLM 的 60.8 分，领先其余系统。

IBM 也写明了下一步：把 harness 现在用于修复输出的可验证信号改成强化学习奖励，让模型一开始就少犯错——每页是短而可独立检查的 rollout，天然适合 GRPO 式训练；同时用 Docling 从源文档抽取图表，并探索不重训、只用一两份现成 .pptx 换肤的轻量方案。