IBM 开放权重 Palette:20B 模型按你的设计语言做幻灯片,靠检查框架兜底
据 IBM Research 2026 年 11 月 3 日博客,Palette 以约 1000 套合成演示文稿、约 1 万页幻灯片微调 20B 开放权重模型,把设计规划与逐页代码生成拆成两个角色,并用渲染几何检查框架修复重叠与溢出。
发生了什么
IBM Research 的三位作者于 2026 年 11 月 3 日在 Hugging Face 博客发布 Palette:把一个小型开放权重模型训练成能独立做整套演示文稿的系统。据该文,Palette 是一个 20B 模型,用 LoRA 适配器在约 1000 套合成演示文稿、约 1 万页幻灯片上微调,训练数据的版式遵循 IBM 设计语言;文章没有点名基础模型。 它把工作拆成两个角色,由同一个 LoRA 适配器承担。设计师读取计划,写出结构化 JSON 简报,包含配色、字体系统、每页版式、确切内容和一句简短理由;编码员取一页规格,先写出推理,再写 pptxgenjs 的 JavaScript 把该页画出来。原文称,因为每页上下文在写任何代码之前就已固定,编码员调用可以按页并行,编码阶段因此快约 6 至 7 倍。作者还提到一个训练细节:编码员样本长度约为设计师样本的 5 倍,简单混合会让设计师训练不足,于是把设计师样本过采样 5 倍。 用户可以在计划里用双方括号写指令,例如把里程碑改成时间线、指定语气或受众、要求略去某些内容。数据配方覆盖 12 个类别的指令,每类有多种措辞,目的是让模型学到意图而非固定短语。 模型输出不直接交付。每套文稿先过一道检查与修复框架:简单规则修掉格式错误的颜色码,然后逐页渲染并测量几何,标出重叠、被裁剪或跑出画面的文字,交给另一个编辑模型重写该页代码,并且只有检查器确认有改善时才保留重写,否则回退原版。作者称在 131 套 PresentBench 演示文稿上,这套框架平均带来 3.5 分提升。PresentBench 按基础、视觉设计、完整性、正确性和忠实度五项打分。Palette 在 Economics 和 Education 上排第一,在偏叙事的 Talk 上排第三,三领域均值 59.7 分,落后 NotebookLM 的 60.8 分,位列第二;基线数字取自 PresentBench 论文,且这些运行中计划由另一个前沿模型根据源文档起草。
对开发者的影响
对开发者的实际影响集中在三处。第一,交付形态变了:Palette 不是一次性生成整份文稿,而是一层层产出可检查的中间物——计划、JSON 简报、每页代码。简报是可读可改的,人或其他智能体可以只改某一页的版式而不重生成整套,这意味着接入方需要把简报当成有版本的接口来管理,而不是当作内部临时数据。版式 schema 一旦变更,下游改单页的工具会先坏。 第二,调用形状变了。逐页并行意味着一次任务从一条长请求变成十几条短请求,超时、重试、限流和费用都按页计。对自建服务而言,这更容易做局部重试和缓存,也更容易在成本上失控:一页失败重写会额外触发编辑模型调用。检查框架不是免费的,它把渲染器和第二个模型塞进了返回路径,端到端延迟与算力账单都不等于单次生成。 第三,能力边界更清楚。作者承认 PresentBench 只衡量文稿好不好,不衡量是否遵循某种设计语言,并称不知道有哪个基准能做到这一点。换句话说,号称按你的设计语言训练,目前没有现成的第三方指标可验。另一个被点名的短板是图形密集的文稿:从源文档抽图并借检查框架摆放仍是下一步计划。此外,把现有模板轻量套用(从一两份自家 pptx 重新套外观、免重训)也只是探索方向。 还有一个容易被忽略的依赖:在 PresentBench 运行中,计划由另一个前沿模型从源文档起草。也就是说,端到端效果是“规划者 + Palette”的组合,自托管 Palette 并不自动获得那条上游链路。对内容保密、必须全部留在内网的团队,这一步要自己补。
接入与评估建议
以下为基于原文的建议与条件分析,不是报道事实。 建议一,先决定是否采用“简报 + 逐页代码”的两段式流水线。对应的报道变化是:单适配器承担设计师与编码员两职,且逐页调用可并行,原文称编码阶段快约 6 至 7 倍。要做的选择是把系统接口定在结构化简报上,而不是对着模型直接要一份成品文件。适用前提是每批要出 10 至 20 页、并且存在“只改一页”的真实需求;如果只是偶尔出一份短稿,额外的编排、schema 维护与渲染环节很可能吃掉并行带来的收益。可测判据:固定一批源文档,记录每份 15 页文稿的端到端墙钟时间、每页重试次数、以及几何缺陷率(出现重叠或溢出的页数占比),与单次端到端生成的做法对比。 建议二,把检查修复放进生产路径之前,先自建可自动测量的渲染与几何检查。报道依据是:131 套文稿上框架平均加 3.5 分,且只有检查器确认改善才保留重写。选择是把“可量化改善”作为接受重写的硬门槛,而不是让编辑模型无条件覆盖。前提条件很关键:你需要一个能把输出渲染出来并量出重叠、裁剪、溢出的检查器,博客并未放出该检查器的实现,这部分要自己做。可测判据:被标记页比例、重写被接受的比例、以及在你自己的评分表上开与关框架的差值。若接受率极低而分数几乎不动,编辑模型的调用就只是成本。 建议三,把版式与内容偏好写成计划内的结构化指令,而不是堆在长提示词里。报道依据是训练覆盖 12 个类别指令、每类多种措辞,并配有改时间线这类示例。要做的是把“改成时间线”“不要价格”“面向董事会”这类要求落成字段,而不是自由文本。适用前提是你的计划生成环节能稳定产出这些指令;若指令由终端用户自由输入,先做遵循率验证。可测判据:同一计划用五种不同措辞表达同一意图,统计意图达成率与格式回归率。 评估层面还有两点操作建议。若要复现或对比 PresentBench 分数,先固定计划来源,因为原设置的分数混入了另一个前沿模型的规划能力,直接与自建链路对比会误判 Palette 本身的贡献。其次,针对“是否遵循自家设计语言”自建小规模检查,例如抽样比对字体、色板与网格使用是否符合内部规范,因为公开基准没有覆盖这一维度。 接入形态上,原文描述的是开放权重与自托管场景,并未给出托管 API;如果团队走自托管,20B 的部署与逐页并发调用的吞吐规划需要单独做容量测算,这部分原文没有提供任何延迟或成本数字。
限制与待确认事项
原文只给出研究与评测层面的信息,工程落地所需的关键材料仍缺。文章通篇说“开放权重”,但没有给出权重下载位置,也没有给出许可证条款;权重可获取不等于开源许可,商用、再分发与衍生训练前需向发布方确认。基础模型未被点名,只说是 20B,因此无法判断它继承了什么能力与限制。检查器的具体实现、简报 schema 与指令类别全集均未公开,复现只能靠自建。评测口径也有限:只报了三个领域,基线数字来自 PresentBench 论文,计划由另一个前沿模型起草,作者自认没有基准能衡量设计语言遵循度,3.5 分的框架增益也仅限于他们那 131 套文稿与其评分方式。图形密集文稿的抽图摆放、模板轻量套用、以及把检查信号当作强化学习奖励,都明确属于下一步计划而非现有能力。Palette 这个 20B 版本目前不在 KimiSeek 的模型目录中,原文也未提供托管 API,任何可用性或获取方式的说法都指向发布方 IBM Research。
原报道配图



