# PresentBench 基准

IBM 研究团队发布 Palette，把做演示文稿拆成“设计师写结构化简报、编码器逐页写 pptxgenjs 代码”两个角色，用同一个 LoRA 适配器承载，并以约1000套、约1万页合成数据训练一个20B开放权重模型。训练数据遵循 IBM Design Language，每页生成后由几何检查器渲染测量、只保留经确认改进的修复。在 PresentBench 上，Palette 在经济学与教育两个领域排第一，在演讲类排第三，三域均值59.7分，落后 NotebookLM 的60.8分1.1分。

IBM 研究团队发布 Palette，把做演示文稿拆成“设计师写结构化简报、编码器逐页写 pptxgenjs 代码”两个角色，用同一个 LoRA 适配器承载，并以约1000套、约1万页合成数据训练一个20B开放权重模型。训练数据遵循 IBM Design Language，每页生成后由几何检查器渲染测量、只保留经确认改进的修复。在 PresentBench 上，Palette 在经济学与教育两个领域排第一，在演讲类排第三，三域均值59.7分，落后 NotebookLM 的60.8分1.1分。

Palette把做幻灯片拆成“设计师写结构化简报、编码器逐页写绘图代码”两个角色，用同一个LoRA适配器承载，训练数据由大模型合成并经过渲染检查修复。这个20B开放权重模型在PresentBench的经济学和教育两个领域排名第一，三领域均分59.7，落后NotebookLM 1.1分而领先其余系统；在叙事驱动的Talk领域排第三。

Palette把做幻灯片拆成“设计师写结构化简报、编码器逐页写绘图代码”两个角色，用同一个LoRA适配器承载，训练数据由大模型合成并经过渲染检查修复。这个20B开放权重模型在PresentBench的经济学和教育两个领域排名第一，三领域均分59.7，落后NotebookLM 1.1分而领先其余系统；在叙事驱动的Talk领域排第三。