Palette Project enseña a pequeños modelos de pesos abiertos a crear presentaciones

Los modelos de frontera son excelentes para generar presentaciones, pero inevitablemente vuelven a sus estilos predeterminados y requieren enviar datos empresariales sensibles a servidores externos. Para resolver esto sin sacrificar calidad, IBM Research ha presentado Palette, una técnica para enseñar a modelos pequeños de pesos abiertos a crear presentaciones en el lenguaje de diseño específico de una organización. Según el Hugging Face Blog, los investigadores ajustaron un modelo de 20B utilizando datos sintéticos y un sistema de verificación, permitiendo que los equipos mantengan la propiedad de sus estilos de marca y datos.

Qué sucedió

Tal como se detalla en el Hugging Face Blog, la generación de diapositivas normalmente obliga a un modelo a abordar el juicio editorial y la geometría precisa simultáneamente, una tarea en la que los modelos pequeños suelen fallar, lo que resulta en formas superpuestas, títulos faltantes y texto que sale de los límites. Palette aborda esto dividiendo el trabajo en dos roles distintos servidos por un único adaptador LoRA: un diseñador que maneja la planificación editorial y un programador que dibuja cada diapositiva mediante la colocación de código.

Debido a que no existe un corpus público de razonamiento para la creación de diapositivas, el equipo generó alrededor de 1,000 presentaciones (aproximadamente 10,000 diapositivas) utilizando un modelo maestro abierto grande. Cada ejemplo de entrenamiento sintético incluye un razonamiento contrafactual que explica por qué ciertas decisiones de diseño (como el tipo de gráfico o el tamaño de fuente) se tomaron o se rechazaron. Además, cada diapositiva generada pasa a través de un sistema determinista que renderiza el resultado, verifica errores de diseño o superposición geométrica, e invoca a un modelo editor separado para corregir el código roto asegurando que la corrección realmente mejoró la diapositiva.

Al ser evaluado en PresentBench utilizando planes derivados de documentos fuente, un modelo de 20B ajustado y equipado con el sistema obtuvo puntuaciones competitivas frente a sistemas de frontera, clasificándose en primer lugar en dos de los tres dominios medidos.

Por qué es importante para equipos pequeños

Para las empresas pequeñas y los equipos de producto, esta arquitectura representa un gran avance en la automatización de IA autohospedada y específica de dominio. Cuando estás creando materiales para clientes, hojas de ruta internas o revisiones financieras, no puedes permitirte fugas de datos a proveedores externos de LLM, ni puedes desperdiciar horas facturables corrigiendo plantillas de IA genéricas y fuera de marca.

Palette demuestra cómo construir bucles de agentes listos para producción para formatos de salida restringidos. Al desacoplar la planificación editorial del renderizado programático, y envolver el resultado en un sistema de validación determinista, puedes implementar de manera confiable modelos de pesos abiertos más pequeños y económicos que se adhieren estrictamente a las directrices internas de la marca. La inclusión de directivas en lenguaje natural entre corchetes (por ejemplo, [[haz de esto una línea de tiempo]]) también ofrece a los equipos una forma ligera de guiar las salidas de los agentes sin una ingeniería de prompts compleja.

Qué hacer esta semana

1. Audita tus plantillas de documentos internos y pautas de diseño para identificar tareas repetitivas de formato que actualmente requieren intervención manual de desarrolladores o diseñadores.

1. Experimenta dividiendo tus flujos de trabajo de agentes en fases explícitas de planificación y ejecución, separando la lógica estructural de alto nivel de la generación de código o la ejecución de APIs.

1. Implementa un paso de validación posterior a la generación o un sistema en tus tuberías locales para detectar programáticamente errores de diseño, sintaxis o fidelidad de datos antes de que los resultados lleguen a tu equipo.

Fuentes

• Palette: teaching a small model to build decks in your design language — Hugging Face Blog