La Universidad de Telecomunicaciones de Pekín, la Universidad Tsinghua y la Universidad Jiaotong de Shanghái desarrollaron conjuntamente el sistema MemSlides, que resuelve los desafíos de personalización y revisiones múltiples en presentaciones generadas por IA. El sistema recupera el perfil del usuario desde el primer momento, influyendo en la organización y el estilo de las diapositivas según las preferencias del usuario. Además, incorpora una memoria de trabajo para almacenar restricciones temporales del proceso actual, garantizando que las preferencias con efecto diferido sigan siendo válidas. Mediante el proceso Plan-Act-Guard, logra modificaciones locales precisas, evitando que los cambios se propaguen por todo el documento. Los experimentos demostraron que la memoria de herramientas aumenta la tasa de convergencia de edición hasta 2.27 veces y reduce el tiempo de herramientas clave a 0.327 veces. El sistema ocupó el primer lugar en Hugging Face Daily Papers como Paper of the Day y recibió más de 400 estrellas en GitHub. Esta investigación ofrece una valiosa referencia para la gestión de memoria en agentes durante tareas de largo plazo.Autor y fuente del artículo: Nuevos智元
El momento más incómodo no suele ser cuando falla la generación de PPT por IA.
En cambio, ya había generado un conjunto de diapositivas bastante buenas, y solo dijiste: "Haz que la esquina inferior derecha de la página 8 se parezca más a un diagrama de flujo."
En el siguiente segundo, la página 8 podría haber cambiado, pero la jerarquía de títulos de la página 3 se alteró y la paleta de colores de la página 12 se desvió; el estilo que se había ajustado previamente se volvió a deshacer.
Este es el dolor más común en los flujos de trabajo reales de PPT.
La primera versión es solo un borrador; la revisión es el campo de batalla principal.
De "generar un conjunto" a "generar como este usuario"
En los últimos años, la generación automática de diapositivas ha avanzado rápidamente. Muchos sistemas ya pueden generar borradores estructurados y visualmente aceptables a partir de artículos, descripciones de productos o una sola frase temática.
Pero en el uso real, lo clave en la primera versión de las diapositivas no es solo «si se generó o no», sino si ya se acerca a los hábitos de expresión de algún usuario.
El mismo artículo de Transformer puede presentarse como una clase básica, una presentación de reunión de grupo, una lectura detallada de artículo o capacitación técnica. Diferentes usuarios tienen distintas preferencias en cuanto al rol de las páginas, la densidad del contenido, los límites de la evidencia y la forma de desarrollar los mecanismos. Algunos desean recibir primero las conclusiones y los puntos clave, mientras que otros prefieren desglosar claramente las definiciones, los mecanismos y las condiciones límite.
Esto es exactamente el papel que juega la memoria del perfil de usuario en la fase round-0.
Desarrollado por la Universidad de Telecomunicaciones de Pekín, la Universidad Tsinghua y la Universidad Jiaotong de Shanghái, MemSlides no espera a que el usuario realice múltiples revisiones para comenzar a «recordar»; en su lugar, durante la primera generación, recupera el perfil del usuario según la intención actual de la tarea y redirige las preferencias a largo plazo compatibles hacia la memoria de trabajo actual, influyendo así en la organización y el estilo de la página.
Enlace al artículo: https://arxiv.org/abs/2606.17162
Página principal del proyecto: https://memslides.github.io/
Enlace de demostración: https://memslides.com/
Enlace del código: https://github.com/huohua325/Memslides
Enlace HF: https://huggingface.co/papers/2606.17162
Este trabajo alcanzó el primer lugar en Hugging Face Daily Papers como Paper of the Day y ha recibido más de 400 estrellas en GitHub; tras el lanzamiento del sitio web de demostración, ya ha atraído a más de 100 usuarios verificados que lo han probado.
La Figura 1 no muestra un «efecto visual genérico». Más bien ilustra cómo el sistema descompone el material del artículo en páginas que abordan definiciones, mecanismos clave, evidencia experimental, errores comunes y condiciones límite. Estas decisiones reflejan las preferencias del perfil de usuario en cuanto a estructura de contenido, densidad de información y enfoque basado en evidencia.
Figura 1: La primera generación no solo muestra integridad, sino también el impacto del recuerdo del perfil de usuario en la organización de la página, la densidad de contenido y los límites de la evidencia.
El proyecto también ofrece una demostración en línea. Los usuarios pueden cargar materiales, seleccionar un perfil de memoria o una plantilla, generar un borrador inicial y luego continuar con la revisión, descargando la versión actual en PPTX, HTML o PDF.
Es decir, MemSlides está orientado a todo el proceso, desde el borrador inicial personalizado hasta las modificaciones continuas posteriores.
Una vez que la primera versión haya comenzado a acercarse al usuario, las preguntas posteriores se vuelven más agudas: ¿puede el sistema conservar estas preferencias a través de múltiples revisiones? ¿Las solicitudes planteadas temporalmente en la sesión actual perderán validez después de varias rondas? ¿Cuando el usuario solo desea modificar una región local, puede el sistema evitar deshacer las partes ya alineadas de la página?
Haz que la memoria se divida el trabajo
Mucha gente, al escuchar «memoria del agente», piensa automáticamente: simplemente pongamos el historial de conversaciones en un contexto más largo.
MemSlides no lo hizo.
La razón es sencilla: cuanto más largo sea el historial, más conflictos habrá dentro. Que un usuario diga hoy «este informe use títulos azules» no implica que todos sus futuros PPT deban tener títulos azules; un error de herramienta encontrado en una edición específica tampoco debería confundirse con «qué estilo le gusta».
Por lo tanto, MemSlides modela la generación de diapositivas personalizadas como un proceso de autoría con estado: el sistema primero genera un borrador round-0 basado en el material de origen, el historial del perfil del usuario y plantillas opcionales; luego, cada ronda de retroalimentación actualiza el estado actual de la sesión y realiza ediciones locales en torno a la presentación actual.
Su organización de memoria tiene dos perspectivas.
Desde la perspectiva del ciclo de vida, existen la memoria a largo plazo y la memoria de trabajo. La memoria a largo plazo almacena información que permanece estable entre tareas, mientras que la memoria de trabajo guarda restricciones temporales, objetivos modificados y estados de ejecución que aún son válidos en el mazo actual.
Desde la perspectiva de los roles funcionales, existen la memoria del perfil de usuario y la memoria de herramientas. La primera responde «¿qué preferencias deben reflejar estas diapositivas?», y la segunda responde «¿cómo debe modificarse el Agente para que sea más estable?».
En otras palabras, MemSlides no hace que el agente recuerde más basura, sino que le enseña qué información debe conservar a largo plazo, cuál solo es válida para la tarea actual, cuál pertenece a las preferencias del usuario y cuál es experiencia de herramientas.
Figura 2: MemSlides organiza la memoria a largo plazo, la memoria de trabajo, la memoria del perfil de usuario y la memoria de herramientas dentro del mismo proceso de revisión multirround.
Perfil de usuario
La verdadera personalización generalmente no se puede resolver con solo una instrucción de rol.
Al igual que en una presentación académica, algunos prefieren incluir solo una conclusión principal por diapositiva, mientras que otros mantienen fórmulas y detalles experimentales; al igual que en una presentación comercial, algunos prefieren tablas densas, mientras que otros confían más en gráficos de tendencias y comparativos.
Estas diferencias no son etiquetas de un solo prompt, sino hábitos que el usuario ha ido revelando gradualmente a lo largo de la escritura y la edición prolongadas.
MemSlides utiliza perfiles de usuario para almacenar preferencias transversales entre tareas. En lugar de adjuntar todo el perfil al inicio del prompt, recupera las preferencias relevantes según la intención actual al inicio de la tarea y las coordina con la solicitud de este ciclo.
Si las preferencias a largo plazo son compatibles con las instrucciones actuales explícitas, ambas ingresarán a la memoria de trabajo; si hay un conflicto, prevalecerán los requisitos explícitos de esta presentación.
Este paso es muy importante. De lo contrario, el sistema podría confundir «esta vez quiero un título azul» con «el usuario siempre prefiere títulos azules».
Después de finalizar la tarea, MemSlides no registra cada comentario en el perfil a largo plazo. Solo almacena señales de interacción estables y transferibles, para que la próxima generación sea más cercana al usuario, no más confusa.
Figura 3: El recuerdo del perfil de usuario experimenta recuperación, enrutamiento, uso en la tarea actual y sedimentación de señales estables tras finalizar la tarea.
Memoria de trabajo
En las múltiples revisiones, hay otro tipo de información más sutil.
No es una preferencia a largo plazo, pero debe seguir siendo válida en el mazo actual.
Por ejemplo, si el usuario dice en la segunda ronda: «Si se añaden cajas de resumen/consejo en el futuro, usa un fondo gris claro». En ese momento, el sistema aún no había añadido este tipo de elementos, por lo que esta solicitud no tenía un objeto de ejecución inmediato. Varias ruedas después, si el usuario solicita insertar una página con una caja de resumen, esta regla debería activarse.
Si el agente solo considera la entrada actual, fácilmente olvidará este tipo de restricciones con efecto diferido.
La memoria de trabajo de MemSlides es el tablero de estado de la tarea de escritura actual: todas las preferencias temporales activas, instrucciones transferidas, objetivos resueltos y estado de cobertura se colocan aquí. La fase Plan lee estos estados para determinar el alcance de las modificaciones, la fase Act ejecuta ediciones restringidas según ellos, y la fase Guard actualiza los resultados de verificación.
Esto convierte las múltiples revisiones en un proceso de edición continuo centrado en las mismas diapositivas, en lugar de en prompts aislados.
Figura 4: La memoria de trabajo permite que las preferencias de estilo temporales, propuestas previamente y activadas posteriormente, sigan siendo válidas.
Solo cambia lo que debe cambiarse
Para un editor humano, "solo cambia esto" es una frase muy natural.
Para un sistema generativo, esta frase es difícil.
Debido a que muchos sistemas vuelven a leer o reescriben grandes volúmenes de contenido al procesar comentarios, la zona objetivo se corrige correctamente, pero también se modifican páginas no relacionadas. El usuario parece haber hecho una solicitud menor, pero el sistema reorganiza por completo el estado de toda la presentación.
MemSlides utiliza revisiones de diapositiva con ámbito local para limitar este problema.
Cada retroalimentación se asigna primero a la región de modificación mínima efectiva, luego ingresa al proceso Plan-Act-Guard.
En la fase Plan, convierta la solicitud en lenguaje natural en un contrato de ejecución, especificando el slide objetivo, el alcance, las pistas de selector y los requisitos de cobertura.
En la fase Act, seleccione la herramienta de edición según la estructura de la página y realice la operación mínima efectiva dentro de los límites establecidos. En la fase Guard, convierta "completado" en un estado que requiera verificación: no finalice precipitadamente si el objetivo no está cubierto, vuelva a vincular si la instantánea está caducada, y no amplíe solicitudes locales hasta convertirlas en una reescritura completa del conjunto.
Este paso convierte «el modelo cree que ha terminado la modificación» en «el sistema puede verificar si esta modificación realmente cubre el objetivo y si ha excedido los límites».
Figura 5: Plan-Act-Guard divide los cambios locales en planificación de alcance, ejecución controlada y verificación de resultados.
Herramienta de memoria
La edición de diapositivas no es una reescritura de texto plano.
Una modificación local puede involucrar la estructura de la página, selectores, reglas de estilo, instantáneas de diseño y lógica de validación. El agente, aunque comprenda lo que el usuario desea, puede leer incorrectamente la zona durante la llamada a la herramienta, repetir intentos fallidos, ampliar el alcance de la modificación o finalizar prematuramente antes de cubrir el objetivo.
Por lo tanto, MemSlides también introdujo la memoria de herramientas.
La herramienta de memoria no registra "qué le gusta al usuario", sino "qué rutas de ejecución son efectivas en tareas de edición similares y qué errores deben evitarse".
El artículo organiza la información en dos niveles de granularidad: la experiencia a nivel de round (round-scope task experience) registra la experiencia, los errores y los patrones transferibles de un ciclo de modificación; la experiencia a nivel de operación (operation-scope tool-chain experience) almacena fragmentos más detallados de reasoning-tool-observation, que se recuperan como referencia antes de llamadas similares a herramientas.
Este diseño separa el objetivo de la ejecución.
El perfil de usuario determina hacia dónde deben cambiar las diapositivas, mientras que la memoria de herramientas permite que el agente evite caminos erróneos, reduciendo la exploración innecesaria y la incertidumbre en la ejecución.
Figure 6: Tool memory focuses on tool invocation experience, not user aesthetic preferences.
Resultados del experimento
La evaluación de MemSlides no asigna una puntuación general de generación, sino que verifica por separado las capacidades correspondientes a diferentes componentes de memoria: la memoria de perfil de usuario se evalúa mediante el alineamiento de persona en el round-0, la memoria de trabajo se evalúa mediante el arrastre de preferencias retrasadas en conversaciones multirround, y la memoria de herramientas se valida de forma aislada en el entorno diagnostic matched-pair modify.
En la generación personalizada, la memoria del perfil de usuario mejora la alineación de persona en configuraciones con múltiples personas y múltiples intenciones. El artículo señala además que esta mejora no solo se manifiesta en "parecerse más a una plantilla", sino también en las decisiones de planificación relacionadas con el enfoque del contenido, el rol de la página, la organización de las evidencias y la distinción entre personas.
En el diagnóstico de pares modificados localmente, los cambios traídos por la memoria de la herramienta son más directos:
Al mismo tiempo, la relación de tiempo de la herramienta principal disminuyó a 0,327x.
Tenga en cuenta que estos números provienen de la configuración de modificación de emparejamiento diagnóstico y no deben interpretarse como una ventaja constante en todos los escenarios. Más bien, respaldan una conclusión procesal: cuando la memoria de la herramienta proporciona experiencia de ejecución reutilizable, el agente converge más fácilmente en la finalización en bucle cerrado, la verificación estricta y la identificación de la primera ruta de edición correcta.
Figure 7: Local edit comparison is a qualitative case from the paper, used to demonstrate the differences in the editing process before and after tool memory injection.
El siguiente paso del PPT Agent
Es una colaboración a largo plazo
MemSlides habla sobre PPT, pero el problema detrás de ello no pertenece solo a PPT.
Cuando el agente entra en tareas de larga duración como generación de documentos, modificación de código, análisis de datos o sistemas de conocimiento empresarial, enfrenta desafíos similares: ¿qué información debe conservarse a largo plazo, qué estados pertenecen únicamente a la tarea actual, qué experiencias de ejecución pueden reutilizarse y qué contenido debe mantenerse inalterado durante modificaciones locales.
Si generar con un solo clic resuelve el paso de 0 a 1, entonces las múltiples revisiones ponen a prueba el paso de 1 a algo utilizable.
El agente Slides del futuro no solo deberá generar la primera diapositiva más atractiva, sino también comprender continuamente al usuario y mantener los límites de edición durante múltiples revisiones, acercando de forma estable la presentación a la versión que el usuario realmente desea.