IBM Research 的 Palette 用一个 20B 开放权重模型加单个 LoRA 适配器做幻灯片，PresentBench 均分 59.7，NotebookLM 为 60.8
小模型配上「渲染再检查」的 harness，在做幻灯片这件事上接近大产品，而且能套用企业自己的设计规范。
// 要点
- 一个 LoRA 适配器兼任两个角色：设计者为每页写 JSON 简报，编码者并行为每页写 pptxgenjs 代码，编码阶段约快 6 到 7 倍
- harness 渲染每一页并检查重叠和溢出；只有检查器确认改好了才保留重写，131 份幻灯片平均多得 3.5 分
- 训练数据是大型开放教师模型生成的约 1,000 份合成幻灯片（约 10,000 页），对齐 IBM 设计语言
- PresentBench 上：经济和教育两类第一，演讲类第三，三类均分第二
开发者视角PandaClaws 生成的素材我会照这个模式做：规划和渲染分开，对渲染结果做机械检查，只有检查器说变好了才保留修改。光 harness 就多 3.5 分，比换更大的模型便宜。