原文標題：Palette: teaching a small model to build decks in your design language
IBM Research於11月3日在官方Hugging Face組織介紹Palette，研究如何用較小的開放權重模型產生符合特定設計語言的簡報。團隊微調200億參數模型，將工作拆成設計者與程式撰寫者：先產生含版面、內容、字型與配色的結構化提案，再逐張撰寫繪製投影片的程式。中間提案可讀可改，讓人員不必為了調整一頁就重新生成整份文件。
訓練使用約1,000份、合計約10,000張投影片的合成資料，包含設計選擇與版面推理，並以IBM Design Language為基礎。輸出不會直接交付，而是先渲染，檢查文字重疊、裁切與超出版面，再交給另一編輯模型修正；只有檢查確認改善才保留修改。官方在PresentBench三個領域評估中，表示Palette於經濟與教育領域居首、演講領域第三，三領域平均第二。這是研究團隊依指定流程的比較，並未評估所有品牌設計的遵循程度。作者也指出，參考簡報與資料忠實度很重要，提示規則無法單獨防止補出未提供的事實；因此品質檢查與人工內容覆核仍是流程的一部分。
發生了什麼事
Palette用單一模型分別處理內容設計與逐頁程式，搭配渲染、幾何檢查與修正回圈，讓簡報生成包含可驗證的版面品質步驟。
為什麼重要
簡報不只要文字正確，還要讓標題、圖表及形狀放得下。分離編輯判斷與座標排版，可讓錯誤更容易定位，修正也能限制在單張投影片。
影響哪些人
主要影響研究文件生成、品牌樣板與企業簡報自動化的團隊，尤其是希望在自有環境使用開放權重模型，並需要可檢查輸出的開發者。
已確認與未確認
已確認研究流程及指定評測結果。版面檢查不能保證所有事實正確，也沒有通用設計語言遵循評測；導入其他品牌仍需另外訓練及核對。
