Enseñar a modelos abiertos pequeños a generar presentaciones de diapositivas acordes con la marca

Hugging Face ha presentado Palette, un sistema que permite a los modelos de lenguaje pequeños y de pesos abiertos generar presentaciones de diapositivas que se ajustan a lenguajes de diseño específicos. Publicado el 3 de noviembre de 2026, este enfoque aborda las limitaciones de los grandes modelos de vanguardia, que a menudo imponen un estilo genérico y pueden plantear riesgos de confidencialidad. Al ajustar finamente un modelo de 20 mil millones de parámetros con datos sintéticos y un robusto sistema de verificación, el equipo logró un rendimiento de primer nivel en puntos de referencia de contenido estructurado, manteniendo al mismo tiempo la propiedad total de la infraestructura y los resultados.

Qué ocurrió

Los grandes modelos de lenguaje de vanguardia son capaces de generar presentaciones de alta calidad, pero tienden a converger en una estética similar independientemente del prompt utilizado. Este aspecto "generado por IA" dificulta que las organizaciones apliquen sus propias directrices de marca o plantillas. Además, el uso de modelos de código cerrado para contenido corporativo sensible plantea preocupaciones sobre la privacidad de los datos. Los modelos pequeños de pesos abiertos ofrecen una solución en términos de propiedad y personalización, pero históricamente han tenido dificultades con la precisión geométrica requerida para el diseño de maquetación, produciendo a menudo diapositivas rotas con texto superpuesto o elementos faltantes.

Palette pone a prueba la hipótesis de que un modelo pequeño puede competir con sistemas más grandes si se entrena correctamente. El equipo ajustó finamente un modelo de 20 mil millones de parámetros utilizando el IBM Design Language como estilo objetivo. El sistema resultante divide el proceso de generación en dos roles distintos: un diseñador que planifica el contenido y la estructura, y un programador que escribe el JavaScript para renderizar cada diapositiva. En la suite de evaluación PresentBench, Palette ocupó el primer lugar en los dominios de Economía y Educación, y el segundo lugar general entre los sistemas probados, demostrando que el entrenamiento especializado puede superar las limitaciones inherentes de las arquitecturas más pequeñas.

El proyecto destaca un cambio desde la dependencia exclusiva de la escala del modelo hacia la mejora de la calidad de los datos y las salvaguardias de inferencia. Al generar datos de entrenamiento sintéticos que incluyen el razonamiento detrás de las decisiones de diseño e implementar un sistema de comprobación y reparación, el equipo creó un sistema que produce resultados fiables y acordes con la marca. Este método permite a las organizaciones ejecutar el modelo en su propio hardware, asegurando que los datos confidenciales nunca abandonen su entorno seguro.

Cómo funciona

Palette imita el flujo de trabajo humano de creación de presentaciones separando el juicio editorial de la ejecución geométrica. Un único adaptador LoRA gestiona dos roles. El rol de diseñador lee el plan de entrada y produce un resumen estructurado en JSON que contiene la paleta, la tipografía y el contenido de cada diapositiva. El rol de programador toma entonces las especificaciones individuales de cada diapositiva de este resumen y escribe código JavaScript pptxgenjs para renderizarlas. Esta separación permite al programador centrarse exclusivamente en la aritmética de la maquetación, como el cálculo de tamaños de fuente y coordenadas, mientras que el diseñador maneja el flujo narrativo. Dado que cada diapositiva se genera de forma independiente, la etapa de programación puede ejecutarse en paralelo, acelerando la producción entre seis y siete veces.

Dado que no existe ningún conjunto de datos público que vincule la justificación del diseño con el código de las diapositivas, el equipo sintetizó aproximadamente 1.000 presentaciones compuestas por 10.000 diapositivas utilizando un gran modelo maestro abierto. Crucialmente, cada ejemplo de entrenamiento incluye razonamiento contrafactual, explicando por qué se tomaron ciertas decisiones de diseño y se rechazaron otras. Por ejemplo, los datos podrían explicar que se eligió un gráfico de barras sobre una tabla para resaltar una tendencia en lugar de cifras exactas. Esto enseña al modelo las reglas detrás de las decisiones de diseño, no solo el resultado final. Los datos sintéticos se refinaron aún más renderizando cada diapositiva y utilizando un verificador de geometría para identificar y reparar errores como el desbordamiento de texto, convirtiendo los fallos en ejemplos de entrenamiento de alta calidad.

Para garantizar la fiabilidad durante la inferencia, Palette emplea un sistema que valida cada presentación generada. Reglas simples corrigen errores de formato, mientras que un verificador de geometría identifica problemas visuales como elementos superpuestos. Si una diapositiva falla en la validación, un modelo editor separado intenta reescribir el código. La nueva versión solo se acepta si el verificador confirma una mejora, asegurando que el proceso de reparación no pueda degradar el resultado. Esta red de seguridad permite al sistema corregir errores comunes de los modelos pequeños, como títulos que se mezclan con los fondos, sin intervención humana.

Detalles clave

• El sistema utiliza un modelo de pesos abiertos de 20 mil millones de parámetros ajustado finamente con adaptadores LoRA para preservar las capacidades del modelo base.
• Los datos de entrenamiento incluyen alrededor de 1.000 presentaciones sintéticas con razonamiento contrafactual que explica las decisiones de diseño y los rechazos.
• Una arquitectura de programación paralela permite generar diapositivas individuales simultáneamente, mejorando la velocidad entre 6 y 7 veces.
• El sistema de inferencia verifica errores geométricos como la superposición de texto y solo acepta reparaciones que mejoren mediblemente la diapositiva.
• Palette ocupó el primer puesto en PresentBench para los dominios de Economía y Educación, y el segundo puesto general con una puntuación media de 59,7.
• Los usuarios pueden controlar resultados de diseño específicos mediante directivas envueltas en [[ ]], como [[make this a timeline]].

Por qué es importante

Para los equipos de ingeniería que construyen herramientas internas o aplicaciones orientadas al cliente, Palette ofrece un camino hacia una IA personalizable sin el costo y el riesgo de las API propietarias. La capacidad de ejecutar un modelo de diseño competente en infraestructura local significa que los datos empresariales sensibles permanecen dentro de los cortafuegos corporativos. Esto es crítico para industrias con requisitos estrictos de cumplimiento donde está prohibido enviar documentos a servidores de terceros. Además, la naturaleza modular de la salida, separada en un resumen JSON y código de renderizado, permite a los desarrolladores intervenir programáticamente o ajustar manualmente diapositivas específicas sin regenerar toda la presentación.

La metodología también proporciona una hoja de ruta para otras tareas de generación estructurada más allá de las presentaciones. La combinación de datos sintéticos con trazas de razonamiento explícitas y un sistema de verificación puede aplicarse a la generación de diseños de interfaz de usuario, gráficos o diagramas. Al priorizar la corrección verificable sobre la fluidez generativa bruta, los desarrolladores pueden construir agentes más fiables. El hallazgo de que los ejemplos de referencia influyen en los modelos maestros más que las reglas del prompt sugiere que curar ejemplos de alta calidad few-shot es más efectivo que el ajuste complejo de instrucciones para ciertas tareas.

Qué puedes hacer

• Implementa un sistema de verificación para cualquier tarea generativa donde la estructura de la salida pueda comprobarse programáticamente, como JSON válido o elementos de UI no superpuestos.
• Genera datos de entrenamiento sintéticos que incluyan razonamiento contrafactual para enseñar a los modelos la lógica detrás de las decisiones, no solo los resultados.
• Separa tareas de generación complejas en roles distintos, como planificación y ejecución, para permitir el procesamiento paralelo y el ajuste fino especializado.
• Utiliza ejemplos de referencia en los prompts para guiar a los modelos maestros durante la síntesis de datos, ya que a menudo siguen patrones de manera más fiable que las reglas abstractas.
• Adopta una estrategia de reparación segura donde las correcciones automatizadas solo se aplican si un validador confirma que la salida ha mejorado, previniendo la degradación.
• Explora la adaptación ligera de plantillas cambiando la apariencia de las salidas de archivos existentes en lugar de reentrenar modelos para cada nueva directriz de marca.