Universiti Pekan Beijing, Universiti Tsinghua dan Universiti Jiaotong Shanghai telah bekerjasama dalam pembangunan sistem MemSlides untuk menyelesaikan masalah personalisasi dan pengeditan berbilang fasa dalam PPT yang dihasilkan oleh AI. Sistem ini mengambil semula ingatan profil pengguna semasa penghasilan pertama, mempengaruhi susunan halaman dan cara pernyataan berdasarkan keutamaan pengguna. Sistem ini juga memperkenalkan ingatan kerja untuk menyimpan sekatan sementara tugas semasa, memastikan keutamaan yang berkesan secara lewat tetap berkesan. Melalui proses Plan-Act-Guard, sistem membolehkan pengeditan tepat secara tempatan, mengelakkan perubahan merebak ke seluruh dokumen. Eksperimen menunjukkan bahawa ingatan alat meningkatkan kadar konvergensi edit sehingga 2.27 kali ganda, sementara masa alat utama berkurang kepada 0.327 kali ganda. Sistem ini menduduki tempat pertama sebagai Paper of the Day di Hugging Face Daily Papers dan mendapat lebih 400 bintang di GitHub. Penyelidikan ini memberikan nilai rujukan dalam pengurusan ingatan agen dalam tugas jangka panjang.Penulis artikel, sumber: XinZhiYuan
Momen paling memalukan sering kali bukan apabila penghasilan PPT AI gagal.
Sebaliknya, ia sudah menghasilkan satu set slaid yang agak baik, tetapi anda hanya berkata: "Ubah bahagian kanan bawah halaman ke-8 agar lebih menyerupai carta alir."
Saat berikutnya, halaman 8 mungkin telah diubah, tetapi hierarki tajuk halaman 3 berubah, warna halaman 12 juga menyimpang, dan gaya yang sebelumnya telah disesuaikan berulang kali kembali terpecah.
Ini adalah masalah yang lebih biasa berlaku dalam alur kerja PPT yang sebenarnya.
Versi pertama hanyalah draf, pengubahsuaian adalah medan utama.
Dari "jana satu set" ke "jana seolah-olah ini pengguna"
Dalam beberapa tahun terakhir, kemajuan dalam penghasilan slaid automatik sangat pesat. Banyak sistem sudah mampu menghasilkan draf awal yang berstruktur dan secara visual tidak kasar, berdasarkan kertas ilmiah, penerangan produk, atau satu ayat topik.
Namun, dalam penggunaan sebenar, kunci versi pertama slaid bukan sahaja「adakah ia dihasilkan」, tetapi sama ada ia sudah hampir dengan gaya persembahan pengguna tertentu.
Kertas Transformer yang sama boleh dijelaskan sebagai kelas pengajaran asas, atau diorganisasi sebagai persembahan mesyuarat kumpulan, bacaan mendalam kertas, atau latihan teknikal. Peranan halaman, kepadatan kandungan, sempadan bukti, dan cara pengembangan mekanisme yang diminati berbeza-beza mengikut pengguna. Ada yang ingin mula dengan kesimpulan dan poin utama, sementara yang lain lebih suka memecahkan definisi, mekanisme, dan syarat sempadan dengan jelas.
Ini adalah peranan memori profil pengguna pada peringkat round-0.
MemSlides, yang dikerjakan bersama oleh Universitas Telekomunikasi Beijing, Universitas Tsinghua, dan Universiti Jiaotong Shanghai, tidak menunggu pengguna mengubah ulang beberapa kali sebelum mulai “mengingat”. Sebaliknya, ia segera mengambil profil pengguna berdasarkan niat tugas semasa pada generasi pertama, serta mengarahkan preferensi jangka panjang yang kompatibel ke memori kerja semasa untuk mempengaruhi penyusunan dan cara penyampaian halaman.
Pautan kertas: https://arxiv.org/abs/2606.17162
Laman utama projek: https://memslides.github.io/
Pautan demo: https://memslides.com/
Pautan kod: https://github.com/huohua325/Memslides
Pautan HF: https://huggingface.co/papers/2606.17162
Karya ini menduduki puncak Hugging Face Daily Papers Paper of the Day, GitHub telah memperoleh lebih daripada 400 bintang; laman web demo setelah dilancarkan juga telah menarik lebih daripada 100 pengguna terverifikasi untuk mencuba.
Rajah 1 tidak menunjukkan sebuah "gambaran kesan generik". Ia lebih mirip menjelaskan bagaimana sistem membahagikan bahan kertas kepada halaman-halaman seperti definisi, mekanisme utama, bukti eksperimen, kesilapan biasa, dan syarat sempadan. Pilihan-pilihan ini mencerminkan preferensi dalam profil pengguna mengenai struktur kandungan, kepadatan maklumat, dan gaya penyampaian yang berorientasikan bukti.
Rajah 1: Penghasilan putaran pertama tidak hanya menunjukkan kelengkapan, tetapi juga kesan imej pengguna terhadap penyusunan laman, kepadatan kandungan, dan sempadan bukti.
Projek ini juga menyediakan Demo dalam talian. Pengguna boleh muat naik bahan, memilih profil memori atau templat, menghasilkan draf awal, kemudian meneruskan ke revisi, dan memuat turun versi semasa dalam format PPTX, HTML, atau PDF.
Dengan kata lain, MemSlides menargetkan keseluruhan proses, dari draf peribadi awal hingga pengubahsuaian berterusan seterusnya.
Dan apabila versi pertama sudah mulai mendekati pengguna, masalah seterusnya menjadi lebih tajam: sistem mampukah mengekalkan preferensi ini melalui beberapa putaran pengubahsuaian? Permintaan sementara yang diajukan dalam sesi semasa akan menjadi tidak berkesan selepas beberapa putaran? Apabila pengguna hanya ingin mengubah satu kawasan kecil, sistem mampukah mengelakkan meruntuhkan semula halaman yang sudah diselaraskan?
Bahagikan tugas ingatan
Banyak orang apabila mendengar 「Agent memory」, secara semula jadi akan fikir: jadi, masukkan perbualan sejarah ke dalam konteks yang lebih panjang.
MemSlides tidak melakukan ini.
Sebabnya mudah: semakin lama sejarahnya, semakin banyak konflik di dalamnya. Hari ini, pengguna mengatakan "laporan ini menggunakan tajuk biru", tidak bermakna semua PPT seterusnya perlu menggunakan tajuk biru; kesalahan alat yang dihadapi pengguna dalam satu suntingan tertentu juga tidak sepatutnya dicampurkan dengan "gaya apa yang disukainya".
Oleh itu, MemSlides memodelkan penghasilan slaid peribadi sebagai proses penulisan berstatus: sistem terlebih dahulu menghasilkan draf putaran-0 berdasarkan bahan sumber, ingatan profil pengguna, dan templat pilihan; setiap umpan balik seterusnya akan mengemas kini keadaan sesi semasa, kemudian melakukan suntingan tempatan berdasarkan slaid semasa.
Ia memiliki dua perspektif dalam organisasi memori.
Dari segi kitaran hidup, terdapat ingatan jangka panjang dan ingatan kerja. Ingatan jangka panjang menyimpan maklumat yang stabil di sepanjang tugas, manakala ingatan kerja menyimpan sekatan sementara, matlamat yang dimodifikasi, dan status pelaksanaan yang masih berkuasa dalam deck semasa.
Dari segi peranan fungsi, terdapat ingatan profil pengguna dan ingatan alat. Yang pertama menjawab "Slaid ini sepatutnya menunjukkan preferensi apa", yang kedua menjawab "Bagaimana Agent boleh diubah agar lebih stabil".
Dengan kata lain, MemSlides bukanlah tentang membuat Agent mengingat lebih banyak perkara tidak penting, tetapi membantunya mengetahui maklumat mana yang perlu disimpan secara jangka panjang, mana yang hanya berkuat kuasa semasa tugas semasa, mana yang merupakan preferensi pengguna, dan mana yang merupakan pengalaman alat.
Rajah 2: MemSlides mengatur ingatan jangka panjang, ingatan kerja, ingatan profil pengguna, dan ingatan alat ke dalam satu proses suntingan berulang yang sama.
Profil pengguna
Personalisasi sejati biasanya tidak dapat diselesaikan hanya dengan satu role prompt.
Dalam laporan akademik yang sama, ada yang suka meletakkan hanya satu kesimpulan utama setiap halaman, sementara yang lain mempertahankan formula dan butiran eksperimen; dalam persembahan perniagaan yang sama, ada yang lebih suka jadual padat, sementara yang lain lebih bergantung pada graf tren dan graf perbandingan.
Perbezaan-perbezaan ini bukan label dalam satu prompt, tetapi kebiasaan yang perlahan-lahan terdedah semasa pengguna menulis dan mengubah suai dalam jangka masa panjang.
MemSlides menyimpan preferensi lintas tugas menggunakan pengenalan profil pengguna. Ia tidak menempelkan keseluruhan profil di awal prompt, tetapi mengambil preferensi yang relevan berdasarkan niat semasa permulaan tugas, kemudian menyelaraskan dengan permintaan semasa.
Jika preferensi jangka panjang dan arahan semasa selaras, keduanya akan masuk ke ingatan kerja; jika berlaku konflik, arahan jelas dalam slaid semasa akan diutamakan.
Langkah ini sangat penting. Jika tidak, sistem mudah menganggap "sementara ini ingin tajuk biru" sebagai "pengguna sentiasa suka tajuk biru".
Selepas tugas selesai, MemSlides tidak akan menulis semula setiap umpan balik ke dalam profil jangka panjang. Ia hanya menyimpan isyarat interaksi yang stabil dan boleh dipindahkan, supaya generasi seterusnya lebih dekat dengan pengguna, bukan lebih kacau.
Rajah 3: Ingatan profil pengguna akan mengalami pengambilan, penghalaan, penggunaan tugas semasa, dan pengendapan isyarat kestabilan selepas tugas selesai.
Memori kerja
Dalam beberapa versi suntingan, terdapat sejenis maklumat yang lebih halus.
Ia bukan keutamaan jangka panjang, tetapi mesti kekal berkesan dalam deck semasa ini.
Sebagai contoh, pengguna mengatakan pada putaran kedua: “Jika ada penambahan kotak ringkasan/penyertaan di belakang, gunakan latar belakang kelabu muda.” Pada masa itu, sistem belum menambahkan elemen semacam ini, jadi permintaan ini tidak mempunyai objek pelaksanaan segera. Beberapa putaran kemudian, jika pengguna meminta penyisipan halaman dengan kotak ringkasan, peraturan ini seharusnya dipicu.
Jika agen hanya melihat input semasa, agak mudah untuk melupakan batasan yang berkesan secara tertunda ini.
MemSlides berfungsi sebagai papan keadaan untuk tugas penulisan semasa: preferensi sementara aktif, arahan yang diteruskan, sasaran yang diselesaikan, dan status cakupan semuanya diletakkan di sini. Tahap Rancang membaca keadaan ini untuk menentukan lingkungan pengubahsuaian, tahap Tindakan melaksanakan suntingan terhad berdasarkan ini, dan tahap Pengawal memperbaharui hasil pemeriksaan.
Ini menjadikan beberapa kali pengubah bukan lagi sebagai prompt yang berasingan, tetapi sebagai proses penyuntingan yang berterusan berpusat pada set slaid yang sama.
Rajah 4: Ingatan kerja membolehkan preferensi gaya sementara yang telah diusulkan sebelumnya dan dipicu kemudian terus berkuasa.
Hanya ubah tempat yang perlu diubah
Bagi penyunting manusia, "hanya ubah tempat ini" adalah perkataan yang sangat semula jadi.
Bagi sistem generatif, ayat ini sukar.
Kerana banyak sistem semasa memproses maklum balas akan membaca semula atau menulis semula kandungan dalam skala besar. Akibatnya, kawasan sasaran telah diperbaiki, tetapi halaman bukan sasaran juga berubah. Pengguna kelihatan hanya mengemukakan permintaan kecil, tetapi sistem telah mengacaukan status keseluruhan PPT.
MemSlides menggunakan revisi slide-tertutup yang terbatas untuk mengawal masalah ini.
Setiap umpan balik dipetakan terlebih dahulu ke kawasan perubahan paling minimum, kemudian memasuki proses Rancang-Tindak-Jaga.
Pada peringkat Plan, tukar permintaan bahasa semula jadi kepada contract pelaksanaan, tentukan slide sasaran, lingkungan tindakan, petunjuk selector, dan keperluan liputan.
Pada peringkat Act, pilih alat sunting berdasarkan struktur laman dan lakukan tindakan paling minimum yang berkesan dalam lingkungan terhad. Pada peringkat Guard, jadikan "selesai" sebagai keadaan yang perlu diperiksa: jika sasaran tidak tercakup, jangan simpulkan dengan tergesa-gesa; jika snapshot telah luput, perlu ikat semula; permintaan separa juga tidak seharusnya diperluas menjadi penulisan semula keseluruhan deck.
Langkah ini mengubah "model merasa telah selesai mengubah" menjadi "sistem dapat memeriksa sama ada pengubahsuaian ini benar-benar menutupi sasaran atau melanggar batas".
Rajah 5: Plan-Act-Guard memecah perubahan tempatan kepada perancangan lingkungan, pelaksanaan terkawal, dan semakan hasil.
Ingatan alat
Pengeditan Slides bukan sekadar penulisan semula teks biasa.
Perubahan kecil mungkin melibatkan struktur laman, pemilih, peraturan gaya, gambaran tata letak, dan logik pengesahan. Agen, walaupun memahami apa yang diinginkan pengguna, mungkin membaca kawasan yang salah semasa memanggil alat, mengulangi percubaan dan kegagalan, memperluas lingkungan perubahan, atau menghentikan proses sebelum sasaran dicapai.
Jadi, MemSlides juga memperkenalkan alat ingatan.
Alat ingatan tidak merekodkan "apa yang pengguna suka", tetapi merekodkan "apakah laluan pelaksanaan yang berkesan dan kesilapan apa yang perlu dielakkan dalam tugas penyuntingan yang serupa".
Kertas ini mengaturkannya ke dalam dua peringkat: pengalaman tugas skop putaran yang merekod pengalaman, ringkasan kesilapan, dan corak yang boleh dipindahkan semasa satu putaran pengubahsuaian; pengalaman rantai alat skop operasi yang menyimpan potongan reasoning-tool-observation yang lebih halus, yang akan diambil semula sebagai rujukan sebelum panggilan alat yang serupa.
Reka bentuk ini memisahkan sasaran dan pelaksanaan.
Profil pengguna menentukan arah perubahan slaid, manakala ingatan alat membantu agen mengelakkan jalan buntu, mengurangkan penjelajahan yang tidak berkesan dan ketidakpastian pelaksanaan.
Rajah 6: Ingatan alat berfokus pada pengalaman panggilan alat, bukan preferensi estetik pengguna.
Keputusan eksperimen
Penilaian MemSlides tidak hanya memberikan skor generasi keseluruhan, tetapi juga menguji secara terpisah kemampuan yang berkaitan dengan komponen memori yang berbeza: memori profil pengguna diuji melalui round-0 persona alignment, memori kerja diuji melalui delayed preference carryover dalam perbualan berbilang putaran, dan memori alat diuji secara terpisah dalam pengaturan diagnostic matched-pair modify.
Dalam penghasilan peribadi, ingatan profil pengguna meningkatkan keselarasan persona dalam pengaturan persona pelbagai dan niat pelbagai. Kertas kerja ini juga menunjukkan bahawa peningkatan ini tidak hanya terlihat dalam “lebih mirip templat tertentu”, tetapi juga dalam pilihan perancangan seperti fokus kandungan, peranan halaman, pengorganisasian bukti, dan pemisahan persona.
Dalam diagnosis pasangan yang dimodifikasi secara tempatan, perubahan yang dibawa oleh ingatan alat lebih langsung:
Sementara itu, nisbah masa alat utama turun kepada 0.327x.
Perlu diperhatikan bahawa nombor-nombor ini berasal daripada seting ubah pasangan sepadan diagnostik, dan tidak boleh ditafsirkan sebagai keunggulan monoton dalam semua senario. Lebih tepatnya, ia menyokong kesimpulan prosedural: apabila ingatan alat menyediakan pengalaman pelaksanaan boleh diguna semula, Agen lebih mudah menumpu dalam penyelesaian tertutup, pengesahan ketat, dan pencarian laluan suntingan pertama yang betul.
Rajah 7: Perbandingan suntingan tempatan ialah kes kualitatif dalam kertas kerja yang digunakan untuk menunjukkan perbezaan proses suntingan sebelum dan selepas penyuntikan memori alat.
Langkah seterusnya PPT Agent
Kerjasama jangka panjang
MemSlides membincangkan PPT, tetapi masalah di sebaliknya tidak hanya berkaitan dengan PPT.
Apabila Agent memasuki tugas jangka panjang seperti penghasilan dokumen, pengubah kod, analisis data, dan sistem pengetahuan perusahaan, ia akan menghadapi cabaran serupa: maklumat mana yang harus disimpan secara jangka panjang, status mana yang hanya berkaitan dengan tugas semasa, pengalaman pelaksanaan mana yang boleh digunakan semula, dan kandungan mana yang mesti kekal tidak berubah semasa pengubahsuaian tempatan.
Jika penghasilan satu klik menyelesaikan perjalanan dari 0 ke 1, maka pelaksanaan berbilang kali menguji perjalanan dari 1 ke boleh digunakan.
Slides Agent masa depan tidak hanya mampu menghasilkan halaman pertama yang lebih menarik, tetapi juga mampu memahami pengguna secara berterusan semasa proses revisi, mengekalkan sempadan penyuntingan, dan memastikan satu set slides bergerak secara stabil ke arah versi yang benar-benar diingini pengguna.