The Pulse
IBM Research addestra Palette, un modello da 20 miliardi di parametri per le presentazioni
IBM Research ha presentato Palette, un modello da 20 miliardi di parametri sottoposto a fine-tuning per creare presentazioni secondo l’IBM Design Language. Su PresentBench, il team riferisce che il modello si è classificato al primo posto n
AI.info Team · Scritto con l’IA · verificato ·
Su 131 presentazioni di PresentBench, IBM Research afferma che il suo sistema di controllo e correzione ha aggiunto in media 3,5 punti. Palette non invia la prima bozza direttamente agli utenti: renderizza le slide, verifica la presenza di problemi di impaginazione e invia il codice segnalato a un modello di editing separato. Una riscrittura viene mantenuta solo se il sistema di controllo conferma che la slide è migliorata.
Palette separa la pianificazione dalla geometria delle slide
IBM Research ha pubblicato il suo resoconto su Palette il 3 novembre 2026. Il team descrive un modello da 20 miliardi di parametri addestrato a seguire l’IBM Design Language, con un ruolo che pianifica la presentazione e un altro che disegna ogni slide.
«Abbiamo sottoposto a fine-tuning un modello da 20 miliardi di parametri per creare presentazioni come fanno le persone: un designer pianifica la presentazione e un programmatore disegna ogni slide.»
Praveen Venkateswaran, Anupama Murthi e Hamid Adebayo, IBM Research
Il designer trasforma un piano in un brief JSON strutturato che specifica la palette, il sistema tipografico, i layout delle slide, i contenuti e le motivazioni delle scelte progettuali. Il programmatore riceve le specifiche di ogni slide e scrive il JavaScript che la disegna. Poiché il contesto delle slide viene definito prima che inizi la scrittura del codice, le chiamate per la generazione del codice possono essere eseguite in parallelo; secondo IBM, questo rende la fase di scrittura del codice circa 6–7 volte più veloce.
Il team ha addestrato un adattatore LoRA anziché applicare un fine-tuning completo. Gli esempi per il programmatore erano circa cinque volte più lunghi di quelli per il designer, quindi il team ha sovracampionato di cinque volte gli esempi per il designer per evitare di addestrare insufficientemente quel ruolo.
Circa 1.000 presentazioni sintetiche hanno fornito il materiale di addestramento
IBM Research afferma di aver generato circa 1.000 presentazioni, per un totale di circa 10.000 slide, perché non disponeva di un corpus pubblico contenente piani delle presentazioni, decisioni progettuali e codice delle slide. Ogni esempio include una traccia di ragionamento controfattuale: valuta un’alternativa e spiega perché il progetto ha scelto un’altra opzione.
Il team ha renderizzato ogni presentazione sintetica e ha usato il proprio sistema di controllo per individuare sovrapposizioni e contenuti fuori dai margini. Ha corretto le slide difettose, poi ha riscritto il ragionamento degli esempi per descrivere cosa non aveva funzionato e perché la correzione aveva funzionato. IBM identifica la fedeltà ai fatti come il problema più difficile: le sole regole nei prompt non hanno impedito a un modello di aggiungere fatti assenti dai dati in ingresso.
Nei test del team, le presentazioni di riferimento hanno modificato l’output del modello insegnante in modo più affidabile rispetto a regole aggiuntive nei prompt. Questo risultato ha orientato il processo di elaborazione dei dati: i ricercatori hanno corretto gli esempi di riferimento quando l’output generato era errato.
Palette si classifica primo in due ambiti di PresentBench
PresentBench valuta le presentazioni generate in base agli elementi fondamentali, al design visivo, alla completezza, alla correttezza e alla fedeltà. Per questa valutazione, un modello di frontiera separato ha convertito ogni documento di origine del benchmark in un piano prima che Palette creasse la presentazione; il confronto utilizza i punteggi di riferimento del paper su PresentBench.
Palette si è classificato primo in Economics ed Education, terzo in Talk e secondo nella media dei tre ambiti. La sua media è stata di 59,7, contro i 60,8 di NotebookLM, con un divario di 1,1 punti. IBM afferma che due sistemi chiusi hanno ottenuto punteggi superiori a Palette in Talk, dove le presentazioni sono narrative e strutturate intorno a un discorso.
Il benchmark misura la qualità delle presentazioni, ma non verifica se un sistema segue un particolare linguaggio di design. IBM afferma di non essere a conoscenza di un benchmark per questa specifica capacità.