Правка презентаций как управляемые операции: фреймворк EditPPT и бенчмарк DeckEdit-Bench

8 ноября 202620 просмотров

Авторы разбирают редактирование слайдов на конкретные объекты, допустимые действия и проверку того, что постороннее содержимое осталось нетронутым, вместо свободной генерации кода. Для замера качества создан DeckEdit-Bench (183 задачи на 28 человеческих презентациях), а мультиагентная схема EditPPT на пяти базовых моделях показывает успех в 66,7–74,9% задач при сохранности выше 97%.

Правка презентаций как управляемые операции: фреймворк EditPPT и бенчмарк DeckEdit-Bench

Правка слайдов как ограниченная операция

Надёжное редактирование слайдов требует точно изменять заданные объекты и сохранять остальную часть презентации. Авторы работы предлагают смотреть на правку как на структурированное ограниченное изменение. Генерация кода с открытым завершением даёт модели свободу, но не гарантирует сохранность соседних элементов.

Запрос на редактирование раскладывается на три части:

  • объекты, которые нужно изменить;
  • операции, которые применяются к этим объектам;
  • состояние презентации, которое нужно сохранить.

Такой разбор задаёт границы задачи до выполнения. Модель получает не общую команду «поправь слайд», а конкретный набор целей и ограничений. Это снижает риск непреднамеренных изменений.

Практический критерий: перед правкой нужно явно зафиксировать целевые объекты, операции и сохраняемое состояние. Без этого нельзя проверить, выполнена ли инструкция и не затронуты ли лишние фигуры.

Как DeckEdit-Bench разделяет намеренные и непреднамеренные изменения

Для оценки авторы создали DeckEdit-Bench. Бенчмарк включает 183 задачи редактирования на 28 презентациях, созданных людьми. Целевые объекты и объекты, которые нужно сохранить, размечены на уровне фигур. Намеренные и непреднамеренные изменения оцениваются преимущественно детерминированными правилами.

Бенчмарк фиксирует два типа изменений: намеренные и непреднамеренные. Такое разделение позволяет проверять не только результат правки, но и её побочные эффекты.

Устройство оценки можно представить так:

Что оцениваетсяКак устроена оценка
Набор задач183 задачи на 28 презентациях, созданных людьми
Разметкацелевые объекты и сохраняемые объекты на уровне фигур
Изменениянамеренные и непреднамеренные, преимущественно детерминированные правила

Бенчмарк проверяет два результата одновременно: выполнена ли инструкция и сохранены ли нужные объекты. Такой подход отделяет полезную правку от побочного изменения. Практический критерий: оценка правки должна включать проверку сохранности, а не только факт изменения целевого объекта.

Устройство EditPPT: агенты, инструменты и проверка

EditPPT — мультиагентный фреймворк. Он определяет целевые объекты до редактирования. Каждый специализированный агент ограничен подмножеством из 37 заранее заданных инструментов. После работы фреймворк проверяет, выполнена ли инструкция и сохранены ли нужные объекты. Неудачные изменения исправляются или откатываются.

Этапы работы:

  1. Определить целевые объекты до редактирования.
  2. Ограничить специализированного агента подмножеством из 37 заранее заданных инструментов.
  3. Проверить выполнение инструкции и сохранность нужных объектов.
  4. Исправить или откатить неудачные изменения.

Ограничение набора инструментов сужает пространство действий агента. Проверка и откат добавляют контроль после выполнения. Практический критерий: надёжная правка требует не только модели, но и ограничений на выполнение изменений.

Результаты на пяти базовых моделях

На пяти базовых моделях EditPPT достигает Task Success 66.7–74.9%. Preservation при этом остаётся выше 97%. Эти результаты показывают, что фреймворк удерживает сохранность презентации при выполнении задач редактирования.

С открытой моделью 27B без дообучения на конкретных задачах EditPPT приближается по Task Success к Claude Code with Sonnet 5. При этом он лучше сохраняет исходную презентацию. Сравнение важно потому, что открытая модель не дообучалась на конкретных задачах.

УсловиеTask SuccessPreservation
Пять базовых моделей с EditPPT66.7–74.9%выше 97%
Открытая модель 27B без дообучения с EditPPTприближается к Claude Code with Sonnet 5лучше сохраняет исходную презентацию

Авторы заключают, что надёжность редактирования слайдов зависит не только от масштаба модели, но и от ограничений на выполнение изменений. Практический критерий: при выборе подхода стоит смотреть на механизм ограничений и проверки, а не только на размер модели.

Практические критерии для правки презентаций

Фреймворк и бенчмарк дают набор критериев для организации правки. Они не требуют открытой генерации кода и опираются на явные ограничения.

Критерии:

  • целевые объекты определены до начала правки;
  • сохраняемые объекты зафиксированы отдельно;
  • агент работает с ограниченным набором инструментов;
  • результат проверяется на выполнение инструкции;
  • сохранность презентации проверяется отдельно;
  • неудачные изменения исправляются или откатываются.

Эти критерии применимы и к оценке инструментов, и к построению процесса. Главный вывод: надёжность правки зависит от управляемых операций и проверки сохранности. Масштаб модели важен, но не заменяет ограничения на выполнение изменений.

Часто задаваемые вопросы

Похожие материалы

Все материалы
MathAdv: что скрывает итоговая точность машинных доказательств
Новости

MathAdv: что скрывает итоговая точность машинных доказательств

Диагностический набор задач по 13 университетским и аспирантским разделам математики оценивает системы машинного доказательства в Lean 4 не только по итоговому результату, но и по владению предметом, качеству неформальных рассуждений и устойчивости к переформулировкам условий. Покомпонентный разбор показывает, что перевод задачи в формальный вид по-прежнему остаётся главным препятствием, а успех сильно зависит от области математики и от способа постановки задачи.

9 ноября 2026
AffordanceWAM: аффордансы как посредник между прогнозом сцены и управлением манипулятором
Исследования

AffordanceWAM: аффордансы как посредник между прогнозом сцены и управлением манипулятором

Работа описывает генеративную модель, которая одновременно прогнозирует будущие RGB-наблюдения, скалярные поля и тепловые карты аффордансов и непрерывные команды робота, используя человеческие видео для расширения разнообразия взаимодействий без аннотаций действий и ретаргетинга. На RoboCasa, CALVIN ABC→D и реальных задачах подход даёт устойчивый выигрыш относительно базовых линий только на RGB и только на роботных данных.

9 ноября 2026
Неевклидова геометрия факторов: карта FactoMap для разделения представлений
Новости

Неевклидова геометрия факторов: карта FactoMap для разделения представлений

Предложен способ описывать пространство факторов через области, отождествления, задаваемые генератором, и локальные масштабы, что позволяет различать топологически близкие случаи с неодинаковой геометрией. Метод FactoMap обучает интерпретируемые прототипы на структурированной решётке и в экспериментах демонстрирует более устойчивое сохранение непрерывности факторов и их разделения.

8 ноября 2026
EditPPT и DeckEdit-Bench: управляемая правка презентаций