IBM Palette

IBM Palette 是 IBM Research 于 2026 年 11 月 3 日 公开的研究系统，目标是让一个可自托管的小型开源权重模型，按企业自己的设计语言（本例为 IBM Design Language）自动生成演示文稿。

它基于一个 20B 参数的开源权重底座（开源仓库中称为 gpt-oss-20b-palette-lora），通过单个 LoRA 适配器同时承担两个角色：

• 设计师（designer）：读入大纲，输出结构化 JSON brief——配色、字体体系，以及每页的版式、确切内容与设计理由；
• 程序员（coder）：拿到单页规格后，写出绘制该页的 pptxgenjs JavaScript 代码。

外层还有一个 check-and-repair harness：渲染每页、检测重叠/裁切/溢出，交给编辑模型修复，且只有检查器确认变好才保留。最终产出可下载的 .pptx 与 PDF 预览。

解决什么问题

企业做 PPT 有两个痛点：一是前沿模型生成的幻灯片带着明显的“AI 默认审美”，不符合品牌规范；二是机密内容不想发到外部模型服务器。Palette 尝试用自有、可本地部署的开源权重模型解决这两点。

关键做法

• 拆分角色：先由设计师定故事线与版式，再由程序员逐页画图；因为每页上下文在写代码前已确定，coder 调用可按页并行，编码阶段约快 6–7 倍。
• 合成数据：用大型开源教师模型生成约 1000 套 deck / 1 万页，每个决策附带“反事实推理”（例如为什么用图表而不是表格）。
• 忠实度优先：IBM 称最大难题是幻灯片出现输入里没有的事实；调整给教师模型的参考 deck 比加提示词规则更有效。
• 检查-修复：在 131 套 PresentBench deck 上，harness 平均提升 3.5 分。

成绩与局限

PresentBench 上 Palette 在 Economics、Education 排第一，Talk 排第三；三领域均分 59.7，仅落后 NotebookLM（60.8），领先 Manus 1.6 等。注意：成绩为 IBM 自报；PresentBench 衡量通用 deck 质量而非“是否符合品牌设计语言”；权重是否公开下载尚未明确。

适合谁

• 需要按统一品牌规范批量产出 PPT 的企业设计/市场团队；
• 对数据外发敏感、希望在私有环境中跑文档生成的组织；
• 研究“小模型 + 合成数据 + 校验 harness”路线的工程师。

如何上手

1. 阅读 IBM Research 的 Hugging Face 博客《Palette: teaching a small model to build decks in your design language》，了解设计师/程序员两段式流程；
2. 关注 IBM GitHub 上的 project-palette 仓库：它提供聊天式界面——描述需求或上传 PDF/DOCX/PPTX 参考资料 → 生成可编辑的 Markdown 大纲 → LoRA 逐页生成 pptxgenjs 代码 → Node 渲染 + LibreOffice 输出 .pptx 与 PDF；
3. 可对单页“重试”或输入指令细化，满意后下载 .pptx。

可借鉴的经验

把推理写进训练数据、先建好检查器、只保留可验证的改进——这一套适用于任何“输出可被代码检查”的生成任务，如图表、UI 布局。IBM 下一步计划用 harness 信号做 GRPO 式强化学习。