让前沿大模型生成单份幻灯片演示文稿，效果通常尚可。但一旦批量生成十份，内容便趋于雷同：默认的得体设置、统一的企业风格，以及挥之不去的“AI生成感”。更棘手的是，当用户希望应用自有模板，或处理涉及机密、无法出域的内容时，通用模型往往无能为力。痛点指向了同一解决方案：使用开源权重，在本地基础设施上运行，并用私有设计语言进行训练。然而，小型开源模型在此类任务上表现糟糕：标题融入背景消失、文字溢出、形状堆叠等问题频发。Palette 验证了一个假设：通过特定设计语言的合成数据训练，并辅以检测工具，小型开源模型能在确保数据所有权的同时，性能媲美前沿系统。团队微调了一个20B参数模型，模拟人类工作流——“设计师”规划结构，“程序员”绘制幻灯片。该模型遵循IBM设计语言训练，在PresentBench基准测试的三个领域中，有两个位列第一。制作幻灯片看似简单，实则要求模型完成三项小型模型不擅长的任务：盲测布局。模型不直接绘图，而是编写代码定义元素位置、尺寸和字体。标题是否换行、是否重叠，需经代码渲染后才知结果，小型模型常在此处出错。双重决策负担。模型需同时处理编辑判断（内容取舍、图表类型）和几何计算（精确布局），并在10至20张幻灯片中保持风格一致。过程数据缺失。现有数据多为成品PPT，缺乏设计决策理由及生成代码。Palette将工作流拆分为两个角色，由单个LoRA适配器服务：设计师：阅读计划，编写结构化JSON简报，包含配色、字体、布局及设计理由。程序员：依据简报规范，编写pptxgenjs JavaScript代码绘制幻灯片，并附带推理过程。这种分工使每个角色仅专注一类决策。简报的可读性允许人工或代理单独修改某页布局，无需重新生成全文。此外，由于上下文在编码前已固定，程序员的调用可并行执行，使编码速度提升约6-7倍。团队采用LoRA而非全量微调，以降低成本并保留基础模型知识。训练中發現，程序员示例长度约为设计师的5倍，通过对设计师示例过采样5倍，解决了欠拟合问题。针对缺乏高质量训练数据的问题，团队利用大型开放教师模型生成了约1000份演示文稿（涵盖约10,000张幻灯片）。每份数据均附带反事实推理，记录权衡过程及拒绝替代方案的原因，帮助模型理解选择背后的规则。关键在于“生成-检查-修复”闭环。每份合成PPT经渲染后，由检测工具检查重叠和溢出。损坏幻灯片被修复，其推理过程重写为包含错误分析及修复原因的反事实描述。针对模型编造事实的“忠实度”难题，团队发现提供参考演示文稿比添加提示规则更有效。Palette支持用户在计划中通过[[ ]]包裹的简短指令，对设计进行细粒度控制。例如[[make this a timeline]]可将里程碑列表转为时间轴。模型在训练中学习了12类指令意图（如布局、语气、受众、强调等），从而能灵活响应不同措辞的相同意图。即使经过训练，模型仍可能生成损坏幻灯片。Palette引入检测工具作为后置处理：规则修复：纠正格式错误的颜色代码等已知错误。几何检查：标记重叠、裁剪或溢出文本。自动修复：将问题幻灯片交由编辑器模型重写代码。核心原则是安全默认：仅当检查器确认改进时才保留新版本，否则保留原样。在131份演示文稿的测试中，检测工具平均使评分提升3.5分。在PresentBench基准测试中，Palette在注重结构和数值准确性的经济和教育领域排名第一；在叙事驱动的演讲领域排名第三。综合来看，这个20B开源模型以59.7分位列第二，仅落后于NotebookLM（60.8分）1.1分，但领先于其他系统。下一步，团队计划将检测信号作为强化学习（如GRPO）的奖励，使模型从源头避免错误；并通过Docling提取图形，优化图形密集型PPT生成。此外，正在探索无需重训、仅通过重新着色现有文件即可适配私有模板轻量级方案。构建Palette的核心经验包括：纳入推理过程：训练模型理解“为何选择”比仅学习“选择什么”更有效。修复示例优于添加规则：教师模型更倾向于模仿参考示例，修复参考数据比调整提示词更能改变输出。安全修复机制：仅在可衡量改进时应用修复，确保输出稳定性。先建检查器：这是保证数据可信和交付安全的关键基础设施。