A Universidade de Telecomunicações de Pequim, a Universidade Tsinghua e a Universidade Jiaotong de Xangai desenvolveram conjuntamente o sistema MemSlides, resolvendo os desafios de personalização e revisões múltiplas em apresentações geradas por IA. O sistema recupera memórias do perfil do usuário já na geração inicial, influenciando a organização e a forma de expressão das páginas com base nas preferências do usuário. Ao mesmo tempo, introduz uma memória de trabalho para armazenar restrições temporais da tarefa atual, garantindo que preferências com efeito retardado permaneçam válidas. Além disso, implementa o processo Plan-Act-Guard para realizar alterações locais precisas, evitando que as modificações se espalhem por todo o documento. Experimentos demonstraram que a memória da ferramenta aumentou a taxa de convergência em 2,27 vezes e reduziu o tempo das ferramentas principais para 0,327 vezes. O sistema foi eleito "Paper of the Day" no Hugging Face Daily Papers e recebeu mais de 400 estrelas no GitHub. Esta pesquisa oferece valiosa referência para o gerenciamento de memória em agentes em tarefas de longo prazo.Autor do artigo, fonte: Nova Inteligência
O momento mais embaraçoso nem sempre é quando a geração de PPTs por IA falha.
Em vez disso, ele já gerou um conjunto de slides bem feitos, e você apenas diz: “Mude a parte inferior direita da página 8 para parecer mais um fluxograma.”
Na próxima segunda, a página 8 pode realmente ter sido alterada, mas o nível de título da página 3 mudou e a paleta de cores da página 12 desviou, dissipando novamente o estilo que havia sido ajustado anteriormente.
Este é o problema mais comum nos fluxos de trabalho reais de PPT.
A primeira versão é apenas um rascunho; a revisão é o campo principal.
De "gerar um conjunto" para "gerar como este usuário"
Nos últimos anos, a geração automática de apresentações melhorou significativamente. Muitos sistemas já conseguem gerar rascunhos estruturados e visualmente aceitáveis a partir de artigos, descrições de produtos ou uma única frase temática.
Mas no uso real, o ponto-chave da primeira versão dos slides não é apenas "se foi gerado", mas se já está próximo do estilo de expressão de algum usuário.
O mesmo artigo sobre Transformer pode ser apresentado como uma aula básica, uma apresentação de reunião de grupo, uma leitura detalhada de artigo ou um treinamento técnico. Diferentes usuários têm preocupações distintas quanto ao papel das páginas, densidade de conteúdo, limites de evidência e forma de expansão dos mecanismos. Alguns desejam primeiro receber as conclusões e principais takeaways, enquanto outros preferem esclarecer claramente as definições, mecanismos e condições de limite.
Essa é exatamente a função da memória do perfil do usuário na fase round-0.
Desenvolvido em colaboração pela Universidade de Comunicações de Pequim, Tsinghua University e Universidade Jiaotong de Xangai, o MemSlides não aguarda até que o usuário faça revisões repetidas para começar a “lembrar”; em vez disso, na primeira geração, ele recupera o perfil do usuário com base na intenção atual da tarefa e direciona preferências de longo prazo compatíveis para a memória de trabalho atual, influenciando a organização e a forma de expressão da página.
Link do artigo: https://arxiv.org/abs/2606.17162
Página inicial do projeto: https://memslides.github.io/
Link de demonstração: https://memslides.com/
Link do código: https://github.com/huohua325/Memslides
Link HF: https://huggingface.co/papers/2606.17162
Este trabalho foi eleito o Paper of the Day do Hugging Face Daily Papers e recebeu mais de 400 stars no GitHub; após o lançamento do site de demonstração, já atraiu mais de 100 usuários verificados para testá-lo.
A Figura 1 não mostra um "render genérico". Ela mais parece ilustrar como o sistema divide o material do artigo em páginas com definições, mecanismos centrais, evidências experimentais, erros comuns e condições de limite. Essas escolhas correspondem diretamente às preferências do perfil do usuário em relação à estrutura do conteúdo, densidade informativa e estilo orientado por evidências.
Figura 1: A primeira geração não apenas demonstra integridade, mas também o impacto da memória do perfil do usuário na organização da página, densidade de conteúdo e limites de evidência.
O projeto também oferece uma demonstração online. Os usuários podem fazer upload de materiais, selecionar um perfil de memória ou modelo, gerar um rascunho inicial e prosseguir para a revisão, além de baixar a versão atual em PPTX, HTML ou PDF.
Ou seja, o MemSlides atende a todo o fluxo, desde o rascunho inicial personalizado até as alterações contínuas subsequentes.
Mas assim que a primeira versão começar a se alinhar com os usuários, as questões subsequentes se tornam mais agudas: o sistema conseguirá manter essas preferências ao longo de várias iterações? As solicitações feitas temporariamente nesta sessão perderão validade após algumas rodadas? Quando o usuário quiser modificar apenas uma área local, o sistema conseguirá evitar desfazer as partes já alinhadas da página?
Faça a divisão de memória
Muitas pessoas, ao ouvirem "memória do agente", pensam automaticamente: então basta colocar as conversas anteriores em um contexto mais longo.
MemSlides não fez isso.
A razão é simples: quanto mais antiga a história, mais conflitos ela contém. Hoje, o usuário disse “este relatório usa títulos azuis” não significa que todos os seus futuros PPTs devam ter títulos azuis; um erro de ferramenta encontrado em uma edição específica também não deve ser confundido com “qual estilo ele prefere”.
Portanto, o MemSlides modela a geração de slides personalizados como um processo de autorias com estado: o sistema primeiro gera um rascunho round-0 com base no material de origem, na memória do perfil do usuário e em modelos opcionais; em seguida, cada rodada de feedback atualiza o estado atual da sessão, realizando edições locais em torno do deck atual.
Sua organização de memória possui duas perspectivas.
Do ponto de vista do ciclo de vida, existem memória de longo prazo e memória de trabalho. A memória de longo prazo armazena informações estáveis que persistem entre tarefas, enquanto a memória de trabalho armazena restrições temporárias, metas modificadas e estados de execução ainda válidos no deck atual.
Do ponto de vista das funções, há memória de perfil de usuário e memória de ferramentas. A primeira responde à pergunta "Quais preferências devem ser refletidas neste conjunto de slides?", enquanto a segunda responde à pergunta "Como o Agente pode ser aprimorado para ficar mais estável?".
Em outras palavras, o MemSlides não faz com que o Agente memorize mais informações irrelevantes, mas sim o ajuda a saber quais informações devem ser mantidas a longo prazo, quais são válidas apenas para a tarefa atual, quais pertencem às preferências do usuário e quais são experiências de ferramentas.
Figura 2: MemSlides organiza memória de longo prazo, memória de trabalho, memória de perfil do usuário e memória de ferramentas no mesmo fluxo de revisão multirround.
Perfil do usuário
A personalização real geralmente não pode ser resolvida com apenas um prompt de função.
Da mesma forma que em apresentações acadêmicas, alguns preferem colocar apenas uma conclusão principal por slide, enquanto outros mantêm fórmulas e detalhes experimentais; da mesma forma que em apresentações comerciais, alguns preferem tabelas densas, enquanto outros dependem mais de gráficos de tendência e comparação.
Essas diferenças não são rótulos de uma única prompt, mas sim hábitos que os usuários desenvolveram gradualmente ao longo de escrita e revisões prolongadas.
MemSlides usa perfis de usuário para armazenar preferências transversais a tarefas. Em vez de colar todo o perfil na frente do prompt, ele recupera preferências relevantes com base na intenção atual no início da tarefa e as coordena com a solicitação atual.
Se as preferências de longo prazo forem compatíveis com as instruções atuais e explícitas, elas serão integradas juntas à memória de trabalho; em caso de conflito, as instruções explícitas deste conjunto de slides terão prioridade.
Este passo é muito importante. Caso contrário, o sistema facilmente interpretará "esta vez quero um título azul" como "o usuário sempre prefere títulos azuis".
Após a conclusão da tarefa, o MemSlides não registra cada feedback individual no perfil de longo prazo. Ele apenas armazena sinais de interação estáveis e transferíveis, tornando a próxima geração mais alinhada ao usuário, e não mais confusa.
Figura 3: O perfil do usuário passa por recuperação, roteamento, uso na tarefa atual e sedimentação de sinais estáveis após o término da tarefa.
Memória de trabalho
Em várias revisões, há ainda outro tipo de informação mais sutil.
Não é uma preferência de longo prazo, mas deve permanecer válida no deck atual.
Por exemplo, se o usuário disser na segunda rodada: “Se forem adicionados caixas de resumo/dica no futuro, use um fundo cinza claro.” Naquele momento, o sistema ainda não havia adicionado esse tipo de elemento, portanto, essa exigência não tinha um objeto para execução imediata. Várias rodadas depois, se o usuário solicitar a inserção de uma página com uma caixa de resumo, essa regra deve ser acionada.
Se o agente apenas analisar a entrada da rodada atual, facilmente esquecerá essas restrições com efeito retardado.
A memória de trabalho do MemSlides é o quadro de estado da tarefa de escrita atual: preferências temporárias ativas, instruções transferidas, metas resolvidas e status de cobertura são todos armazenados aqui. A fase Plan lê esses estados para determinar o escopo das alterações, a fase Act executa edições restritas com base neles e a fase Guard atualiza os resultados da verificação.
Isso transforma as múltiplas revisões não em prompts isolados, mas em um processo de edição contínuo em torno do mesmo conjunto de slides.
Figura 4: A memória de trabalho permite que preferências de estilo temporais, propostas anteriormente e acionadas posteriormente, permaneçam válidas.
Apenas altere o que precisa ser alterado
Para editores humanos, "mudar apenas este ponto" é uma frase muito natural.
Para sistemas gerativos, essa frase é difícil.
Como muitos sistemas, ao processar feedback, relêem ou reescrevem grandes volumes de conteúdo, a área-alvo pode ser corrigida, mas páginas não relacionadas também são alteradas. O usuário parece ter feito apenas um pequeno pedido, mas o sistema reorganiza todo o estado do PowerPoint.
MemSlides usa revisões locais por slide com escopo para limitar esse problema.
Cada feedback é primeiro mapeado para a área de modificação mínima eficaz, depois entra no processo Plan-Act-Guard.
Na fase Plan, converta a solicitação em linguagem natural em um contrato de execução, definindo o slide de destino, o escopo, as dicas de selector e os requisitos de cobertura.
Na fase Act, escolha a ferramenta de edição com base na estrutura da página e execute a operação mínima eficaz dentro dos limites restritos. Na fase Guard, transforme “concluído” em um estado que exige verificação: não finalize precipitadamente se o objetivo não estiver coberto, reative a vinculação se o snapshot estiver expirado e não expanda solicitações locais para uma reescrita completa do conjunto completo.
Este passo transforma "o modelo acha que terminou a modificação" em "o sistema pode verificar se esta modificação realmente cobriu o objetivo e se ultrapassou os limites".
Figura 5: Plan-Act-Guard divide as alterações locais em planejamento de escopo, execução controlada e verificação dos resultados.
Memória de ferramentas
A edição dos slides não é uma reescrita de texto simples.
Uma modificação local pode envolver estrutura da página, seletores, regras de estilo, instantâneos de layout e lógica de validação. Mesmo entendendo o que o usuário deseja, o agente pode ler incorretamente a área durante a chamada da ferramenta, repetir tentativas e erros, ampliar o escopo da modificação ou encerrar prematuramente antes de cobrir o objetivo.
Então, o MemSlides também introduziu a memória de ferramentas.
A memória da ferramenta não registra o que o usuário gosta, mas sim quais caminhos de execução são eficazes e quais erros devem ser evitados em tarefas de edição semelhantes.
O artigo organiza-o em dois níveis de granularidade: a experiência de tarefa no escopo da rodada, que registra a experiência, resumos de erros e padrões transferíveis durante uma rodada de modificações; e a experiência da cadeia de ferramentas no escopo da operação, que armazena fragmentos mais granulares de reasoning-tool-observation, recuperados como referência antes de chamadas semelhantes de ferramentas.
Este design separa o objetivo da execução.
O perfil do usuário determina para qual direção os slides devem mudar, enquanto a memória da ferramenta permite que o agente evite caminhos errados, reduzindo exploração ineficaz e incerteza na execução.
Figura 6: A memória da ferramenta concentra-se na experiência de chamada da ferramenta, e não nas preferências estéticas do usuário.
Resultados do experimento
A avaliação do MemSlides não atribui apenas uma pontuação geral de geração, mas verifica separadamente as capacidades correspondentes a diferentes componentes de memória: a memória de perfil do usuário é validada pela alinhamento de persona no round-0, a memória de trabalho é validada pelo carryover de preferência atrasada em conversas multi-turn, e a memória de ferramentas é validada isoladamente no ambiente diagnostic matched-pair modify.
Na geração personalizada, a memória do perfil do usuário aprimorou o alinhamento de persona em configurações com múltiplas personas e múltiplos intenções. O artigo destaca ainda que esse aprimoramento não se limita a “ser mais parecido com um modelo”, mas também se manifesta em escolhas planejadas, como foco de conteúdo, papel na página, organização de evidências e distinção de persona.
Na diagnóstica de pares modificados localmente, as mudanças trazidas pela memória da ferramenta são mais diretas:
Ao mesmo tempo, a razão do tempo da ferramenta principal caiu para 0,327x.
Observe que esses números são provenientes da configuração de par correspondente diagnóstico e não devem ser interpretados como uma liderança monotônica em todos os cenários. Mais precisamente, eles sustentam uma conclusão processual: quando a memória da ferramenta fornece experiência de execução reutilizável, o Agente converge mais facilmente na conclusão em loop fechado, verificação rigorosa e identificação do primeiro caminho de edição correto.
Figura 7: A comparação de edição local é um caso qualitativo do artigo, usado para demonstrar as diferenças no processo de edição antes e depois da injeção da memória da ferramenta.
Próximo passo do PPT Agent
É uma colaboração de longo prazo
MemSlides fala sobre PPT, mas o problema por trás dele não pertence apenas ao PPT.
Quando o Agente entra em tarefas de longa duração, como geração de documentos, modificação de código, análise de dados e sistemas de conhecimento empresarial, enfrenta desafios semelhantes: quais informações devem ser mantidas a longo prazo, quais estados pertencem apenas à tarefa atual, quais experiências de execução podem ser reutilizadas e quais conteúdos devem permanecer inalterados durante modificações locais.
Se a geração com um clique resolve a passagem de 0 a 1, então as múltiplas revisões testam a passagem de 1 para algo utilizável.
O futuro Agente Slides não só saberá gerar a primeira página mais bonita, mas também compreenderá continuamente o usuário e manterá os limites de edição durante revisões repetidas, aproximando-se de forma estável da versão que o usuário realmente deseja.