Palette: teaching a small model to build decks in your design language
Pubblicata su AIChronos il · fonte del · Hugging Face blog
Palette è un modello open-weight da 20B che utilizza due ruoli specializzati ('designer' e 'coder') gestiti tramite un singolo adattatore LoRA per generare presentazioni coerenti con il design language IBM. Il sistema affronta le limitazioni dei piccoli modelli nella generazione spaziale separando la scrittura di brief JSON strutturati dalla generazione del codice PPTX, integrando anche meccanismi di verifica e riparazione automatica degli errori geometrici. I dati di addestramento sono sintetizzati da un modello teacher per includere tracce di ragionamento controfattuale che insegnano le regole decisionali dietro alle scelte grafiche.
- Palette supera i modelli chiusi nei domini strutturati come Economia e Educazione su PresentBench, ottenendo il primo posto in due delle tre categorie testate.
- L'uso di riferimenti visivi nelle prompt invece di vincoli astratti riduce significativamente le allucinazioni fattuali rispetto alle istruzioni puramente testuale.
- Un harness di check-and-repair misura l'integrità geometrica e ri-scrive solo i slide con sovrapposizioni se un editor modello conferma il miglioramento.
- La strategia futura prevede l'uso dei segnali di verifica come reward per reinforcement learning (GRPO-style) per prevenire errori in tempo reale durante la generazione.
- Un nuovo approccio permette di 're-skinning' l'output basandosi su template .pptx esistenti senza necessità di retraining del modello.
Perché conta. Per gli sviluppatori che lavorano con LLM e agenti locali, Palette dimostra come separare il ragionamento semantico dalla precisione geometrica tramite architetture specializzate possa migliorare drasticamente la fedeltà visiva senza richiedere grandi risorse computazionali.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.