IBM Palette: 20B-s modell, saját dizájnú diák

Mi történt?

Az IBM Research bemutatta a Palette-et, egy 20 milliárd paraméteres, nyílt súlyú alapra épülő modellt, amely a cég saját dizájnnyelvén készít prezentációt (Hugging Face). A cél egy saját infrastruktúrán futtatható modell, amely nem csúszik vissza a frontier modellek jellegzetes, felismerhetően AI-s stílusába, illetve bizalmas tartalomnál sem kell kiengedni az adatot.

A kis nyílt modellek eddig rosszul teljesítettek ebben: eltűnő címek, diáról lelógó szöveg, egymásra csúszó elemek. A modell ugyanis nem látja a diát, csak kódot ír, amely koordinátákat és betűméreteket ad meg. Csak a renderelés után derül ki, hogy elfér-e a cím.

Hogyan működik?

A munka két szerepre bomlik, mindkettőt ugyanaz a LoRA adapter szolgálja ki. A designer a vázlatból strukturált JSON briefet ír: paletta, tipográfia, illetve diánként layout, pontos tartalom és rövid indoklás. A coder egy-egy dia specifikációjából pptxgenjs JavaScript kódot ír. A coder hívások diánként párhuzamosan futnak, így a kódolási szakasz kb. 6-7-szer gyorsabb.

A tanítóadat szintetikus: egy nagy nyílt tanítómodell kb. 1000 deckből, nagyjából 10 000 diából álló korpuszt generált, minden döntéshez ellenpéldás indoklással (például miért grafikon és miért nem táblázat). A legnagyobb gond a hűség volt, vagyis hogy a dián ne legyen kitalált adat. Ezen nem a promptba írt szabályok segítettek, hanem a javított referencia-deckek, mert a tanítómodell ezeket sokkal jobban másolta.

A felhasználó [[ ]] közé írt utasításokkal irányíthat, például [[make this a timeline]] vagy [[no pricing]]; a tanítóadat 12 ilyen kategóriát fed le. A kimenetet egy check-and-repair harness ellenőrzi: renderel, átfedést és túlcsordulást keres, a hibás diát egy külön szerkesztőmodell írja újra. Az új változat csak akkor marad, ha a checker szerint jobb lett. 131 decken a harness átlagosan 3,5 pontot hozott.

Mit mutat a benchmark?

A PresentBenchen a Palette az Economics és az Education területen első, a Talk kategóriában harmadik. A három terület átlagában második 59,7 ponttal, 1,1 ponttal a NotebookLM (60,8) mögött, a Manus 1.6 és öt másik rendszer előtt. A vázlatokat egy külön frontier modell írta a forrásdokumentumokból, a deckeket a Palette építette.

Forrás: IBM Research. A Palette (kék) PresentBench-pontszámai területenként a NotebookLM, a Manus 1.6, illetve öt további rendszer mellett.

Mit jelent ez a gyakorlatban?

A poszt nem jelzi, hogy a súlyok vagy az adapter letölthetők, így ez most inkább recept, mint kész eszköz. A recept viszont átvihető: indoklás a tanítóadatban, ellenőrző a modell köré, javítás csak mérhető javulásnál. Ez minden olyan feladatra igaz, ahol a kimenet kóddal ellenőrizhető, a diagramoktól a UI layoutig. Következő lépésként az IBM a harness jelzéseit GRPO-szerű megerősítéses tanítás jutalmaként használná.