Folien-Generatoren, die in einer Cloud-App leben, sind inzwischen üblich, doch ein Modell, das man selbst betreiben und auf den eigenen Hausstil trainieren kann, ist seltener, weil kleine offene Modelle beim Folienbau wirklich schlecht sind. Titel verschwinden im Hintergrund, Text läuft über den Rand, Formen stapeln sich übereinander. IBMs Palette ist ein Forschungsversuch, das zu beheben, und seine am ehesten wiederverwendbare Idee ist nicht das Modell, sondern die Methode drumherum.
Der zentrale Kniff besteht darin, ein Foliendeck nicht länger als einen einzigen Job zu behandeln. Eine Folie zu bauen erzwingt zwei verschiedene Entscheidungen zugleich: was gesagt und wie es gezeigt wird, was redaktionell ist, und wo etwas genau platziert wird, was Geometrie ist. Palette teilt dies in zwei Rollen, bedient von einem einzigen LoRA-Adapter. Ein designer liest den Plan und schreibt einen strukturierten JSON-Brief: Palette, Typsystem, Layout und Inhalt jeder Folie, mit kurzer Begründung. Ein coder nimmt dann den Brief einer Folie und schreibt das JavaScript, das sie mit pptxgenjs zeichnet. Der Brief dazwischen ist lesbar und editierbar, sodass ein Mensch oder Agent das Layout einer Folie ändern kann, ohne das ganze Deck neu zu erzeugen, und weil der Kontext jeder Folie zuerst feststeht, läuft der coder parallel, was diese Stufe etwa sechs- bis siebenmal schneller macht.
Die Trainingsdaten sind selbst synthetisch. Ohne öffentlichen Korpus aus Plänen, Designentscheidungen und Foliencode erzeugte IBM aus einem größeren Lehrermodell etwa 1.000 Decks mit rund 10.000 Folien, jedes ausgehend von einem Rezept, das Genre, Länge und Layout festlegt, damit die Steuerdaten Abdeckung haben. Jedes Beispiel trägt eine als Kontrafaktum geschriebene Begründung, die erklärt, warum eine abgelehnte Wahl falsch war, sodass das Modell die Regel lernt und nicht nur das Ergebnis.
Der nachahmenswerte Teil ist der Prüfer. Jedes synthetisierte Deck wird gerendert und mit demselben Harness, das bei der Inferenz genutzt wird, auf Überlappungen und Überlauf geprüft, und kaputte Folien werden repariert, wobei die Korrektur nur bleibt, wenn der Prüfer bestätigt, dass die Folie besser wurde. Das macht die Reparaturschleife sicher für jede Ausgabe: Sie kann eine Folie verbessern, aber nie verschlechtern. Auf PresentBench fügt das Harness im Schnitt 3.5 Punkte über 131 Decks hinzu, und Palette landet über drei Domänen mit 59.7 gegen NotebookLMs 60.8 auf Platz zwei, als einzelnes offenes 20B-Modell. Wir rezensieren Cloud-Rivalen wie Gamma und Beautiful.ai, die die gehostete Fassung dieses Problems lösen.
Die Vorbehalte sind real. Der Beitrag nennt kein Basismodell, keine Lizenz und keinen Link zum Herunterladen der Gewichte, er liest sich also vorerst als Forschungsbericht und nicht als etwas, das man heute selbst hosten kann. IBM sagt offen, dass Treue das schwerste Problem ist: Verlangt ein Brief eine Sechs-mal-fünf-Tabelle, liefert aber drei Stichpunkte, muss der coder den Rest erfinden, und keine Prompt-Regel verhindert das zuverlässig. Die Methode, nicht der Benchmark-Wert, ist das, was andere Teams mitnehmen sollten, die strukturierte Dokumente erzeugen.