بیجنگ یونیورسٹی آف ٹیلیکامیونیکیشن، تسوہوا یونیورسٹی اور شنگھائی جیائوٹونگ یونیورسٹی نے مل کر MemSlides سسٹم تیار کیا ہے، جو AI کے ذریعہ بنائے گئے پی پیٹی میں ذاتی ترتیب اور متعدد اصلاحات کے مسائل کو حل کرتا ہے۔ یہ سسٹم پہلے مرحلے میں ہی صارف کے پروفائل کی یادداشت کو تلاش کرتا ہے اور صارف کی ترجیحات کے مطابق صفحات کی تنظیم اور اظہار کو متاثر کرتا ہے۔ اس کے علاوہ، اس نے عملی یادداشت شامل کی ہے جو موجودہ کام کے عارضی پابندیوں کو محفوظ رکھتی ہے تاکہ تاخیر سے لاگو ہونے والی ترجیحات مستقل طور پر مؤثر رہ سکیں۔ اور Plan-Act-Guard عمل کے ذریعے مقامی درستگی کے ساتھ تبدیلیاں کرتا ہے تاکہ تبدیلیاں پورے دستاویز تک نہ پھیل جائیں۔ تجربات سے پتہ چلتا ہے کہ ٹول یادداشت نے ادھار کرنے کی شرح کو 2.27 گنا بڑھا دیا ہے اور مرکزی ٹول کا وقت صرف 0.327 گنا رہ گیا ہے۔ یہ سسٹم Hugging Face Daily Papers کے "دن کا بہترین پیپر" پر نمبر ایک پر پہنچ گیا ہے اور GitHub پر 400+ ستارے حاصل کر چکا ہے۔ اس تحقیق سے Agent کے لیے لمبے دورانیے کے کاموں میں یادداشت کے انتظام کے لیے رہنمائی ملتی ہے۔مضمون کا مصنف، ذریعہ: نئی بُدھی
سب سے زیادہ الجھن والی لمحہ، اکثر AI PPT بنانے میں ناکامی نہیں ہوتا۔
بلکہ اس نے پہلے ہی اچھی سی سلائیڈز تیار کر لی ہیں، اور آپ صرف کہتے ہیں: "اگلی سلائیڈ کے دائیں نیچے کے حصے کو مزید پروسیس ڈائیگرام جیسا بنائیں۔"
اگلے لمحے، اگلے صفحہ پر تبدیلی ہو سکتی ہے، لیکن تیسرے صفحہ کے عنوان کا سطح تبدیل ہو گیا ہے، اور بارہویں صفحہ کا رنگ بھی بگڑ گیا ہے، جس کے بعد پہلے سے ٹھیک کیا گیا انداز دوبارہ بکھر گیا۔
یہی واقعی PPT ورک فلو میں زیادہ عام مسائل ہیں۔
پہلا ورژن صرف ایک مسودہ ہے، اور ترمیم شدہ ورژن ہی اصل میدان جنگ ہے۔
"ایک سیٹ بنائیں" سے "اس صارف کی طرح بنائیں"
گزشتہ کچھ سالوں میں خودکار سلائیڈ جنریٹر میں بہت بڑی پیشرفت ہوئی ہے۔ کئی سسٹم اب تحقیقی مقالوں، مصنوعات کے تفصیلات یا ایک موضوع کے جملے سے ہی ساخت کے لحاظ سے مکمل اور ویژوئل طور پر قابل قبول ابتدائی نسخے تیار کر سکتے ہیں۔
لیکن حقیقی استعمال میں، پہلے ورژن کے سلائیڈز کا اہم نقطہ صرف اس بات پر نہیں ہے کہ "کیا یہ تیار ہو گیا" بلکہ یہ ہے کہ کیا یہ کسی صارف کی اظہاری عادتوں کے قریب ہو گیا ہے۔
ایک ہی ٹرانسفارمر پیپر کو بنیادی تدریس کے طور پر، گروہ کی میٹنگ کے لیے پیش کیا جا سکتا ہے، یا پیپر کی گہرائی سے پڑھائی جا سکتی ہے، یا ٹیکنیکل ٹریننگ کے طور پر منظم کیا جا سکتا ہے۔ مختلف صارفین مختلف صفحات کے کردار، مواد کی گنجائش، شواہد کی حدود، اور مکانیزم کے تفصیلی طریقہ کار سے دلچسپی رکھتے ہیں۔ کچھ لوگ پہلے نتائج اور اہم نکات چاہتے ہیں، جبکہ دوسرے تعریفوں، مکانیزمز، اور حدود کو واضح طور پر سمجھنا چاہتے ہیں۔
یہی صارف کے پروفائل کی یادداشت کا راؤنڈ-0 مرحلے میں کردار ہے۔
بیجنگ یونیورسٹی آف ٹیلیکامیونیکیشن، تسنگہوا یونیورسٹی اور شنگھائی جیائوٹونگ یونیورسٹی کے تعاون سے تیار کردہ MemSlides صرف اس وقت یاد رکھنا شروع نہیں کرتا جب صارف دوبارہ ترمیم کرے، بلکہ پہلے ہی جنریشن کے دوران موجودہ کام کے مقصد کے مطابق صارف کے پروفائل کو تلاش کرتا ہے اور مطابقت رکھنے والی لمبی مدتی ترجیحات کو موجودہ ورکنگ میموری میں رُٹ کرتا ہے تاکہ صفحے کی تنظیم اور اظہار کو متاثر کیا جا سکے۔
کاغذ کا لنک: https://arxiv.org/abs/2606.17162
پروجیکٹ کی ویب سائٹ: https://memslides.github.io/
ڈیمو لنک: https://memslides.com/
کوڈ لنک: https://github.com/huohua325/Memslides
HF لنک: https://huggingface.co/papers/2606.17162
یہ کام ہگنگ فیس کی دنیا کے روزانہ پیپرز کا "دن کا پیپر" بن گیا ہے، اور گٹہب پر 400+ ستارے حاصل ہو چکے ہیں؛ ڈیمو ویب سائٹ لانچ ہونے کے بعد 100+ تصدیق شدہ صارفین نے اس کا استعمال کیا ہے۔
تصویر 1 صرف ایک عام "جنریٹڈ ریزنل ڈیزائن" نہیں ہے۔ اس کا مطلب یہ ہے کہ سسٹم کیسے کاغذ کے مواد کو تعریفوں، مرکزی مکینزمز، تجرباتی ثبوت، عام غلط فہمیوں اور حدود کے لیے الگ الگ صفحات میں تقسیم کرتا ہے۔ ان منتخب کردہ چیزوں کے پیچھے صارفین کے بارے میں ان کی ترجیحات ہیں جیسے مواد کی ساخت، معلومات کا ڈنسٹی اور ثبوت پر مبنی اظہار۔
شکل 1: پہلے مرحلے کی تولید صرف مکملیت کو نہیں بلکہ صارف پروفائل کی یادداشت کو بھی ظاہر کرتی ہے جو صفحے کی تنظیم، مواد کی گنجائش اور ثبوت کی سرحدوں پر اثر ڈالتی ہے۔
پروجیکٹ کے ساتھ آن لائن ڈیمو بھی دستیاب ہے۔ صارفین مواد اپ لوڈ کر سکتے ہیں، میموری پروفائل یا ٹیمپلیٹ منتخب کر سکتے ہیں، ایک مسودہ تیار کرنے کے بعد اصلاح کے لیے آگے بڑھ سکتے ہیں، اور موجودہ ورژن کو PPTX، HTML یا PDF کے طور پر ڈاؤن لوڈ کر سکتے ہیں۔
یعنی، MemSlides پرسنلائزڈ ڈرافٹ سے لے کر بعد کے مستقل ترمیم تک مکمل پروسیس کے لیے ہے۔
اور جب پہلا ورژن صارفین کے قریب آنے لگے، تو مزید سوالات زیادہ تیز ہو گئے: کیا سسٹم متعدد ترمیموں کے دوران ان ترجیحات کو برقرار رکھ سکتا ہے؟ موجودہ سیشن میں عارضی طور پر پیش کیے گئے مطالبہ کیا کچھ دوروں کے بعد بے اثر ہو جائیں گے؟ جب صرف ایک مقامی علاقہ تبدیل کرنا ہو، تو کیا سسٹم پہلے سے مطابق ہونے والے صفحات کو دوبارہ الگ نہیں کرے گا؟
یادداشت کو تقسیم کریں
بہت سے لوگ جب "Agent memory" سن کر، 自然地 سوچتے ہیں کہ تاریخی مکالمہ کو لمبے سیاق و سباق میں ڈال دیں۔
میم اسلاڈز نے ایسا نہیں کیا۔
وجہ بہت آسان ہے: جتنا زیادہ تاریخی ڈیٹا ہوگا، اتنے ہی زیادہ تنازعات ہوں گے۔ آج کوئی صارف کہتا ہے کہ "اس رپورٹ کے عنوانات نیلے رنگ کے ہوں"، اس کا مطلب یہ نہیں کہ اس کے تمام PPTs کے عنوانات نیلے ہوں گے؛ صارف کسی ایک ایڈٹنگ کے دوران میں ٹول کی خرابی سے ملاقات کرے، اس کا مطلب یہ نہیں کہ وہ "کس سٹائل کو پسند کرتا ہے" اس سے متعلق ہے۔
اس لیے، MemSlides نے ذاتی سلائیڈ جنریشن کو ایک حالت مبنی تحریری عمل کے طور پر ماڈل کیا ہے: سسٹم ابتدائی نسخہ (round-0) تیار کرتا ہے جو ماخذ مواد، صارف پروفائل میموری اور اختیاری ٹیمپلیٹس پر مبنی ہوتا ہے؛ اس کے بعد ہر فیڈ بیک راؤنڈ موجودہ سیشن اسٹیٹ کو اپڈیٹ کرتا ہے اور موجودہ ڈیک پر مقامی ترمیم کرتا ہے۔
اس کی یادداشت کی تنظیم کے دو نظریات ہیں۔
زندگی کے دوران، لمبی مدتی یادداشت اور کام کی یادداشت ہوتی ہے۔ لمبی مدتی یادداشت وہ معلومات محفوظ رکھتی ہے جو کاموں کے درمیان مستقل رہتی ہیں، جبکہ کام کی یادداشت موجودہ ڈیک میں اب بھی درست موقت پابندیاں، ترمیم کے مقاصد اور اجرائی حالتیں محفوظ رکھتی ہے۔
فونکشنل رولز کے لحاظ سے، صارف پروفائل میموری اور ٹول میموری ہیں۔ پہلا سوال کرتا ہے کہ "یہ سلائیڈز کن ترجیحات کو ظاہر کرنا چاہئیں؟" جبکہ دوسرا سوال کرتا ہے کہ "ایجینٹ کو زیادہ مستحکم بنانے کے لیے کیا تبدیلی کی جائے؟"
دوسرے الفاظ میں، MemSlides ایجینٹ کو زیادہ بے کار معلومات یاد دلانے کے بجائے، یہ بتاتا ہے کہ کون سی معلومات کو لمبے عرصے تک محفوظ رکھنا ہے، کون سی صرف موجودہ کام کے لیے درست ہیں، کون سی صارف کی ترجیحات ہیں، اور کون سی ٹول کے تجربات سے متعلق ہیں۔
شکل 2: MemSlides لمموري لونگ ٹرم، ورکنگ میموری، صارف پروفائل میموری اور ٹول میموری کو ایک ہی متعدد مرحلہ ریویو پروسیس میں منظم کرتا ہے۔
صارف کا پروفائل
اصلی شخصیت عام طور پر صرف ایک رول پرامپٹ سے حل نہیں ہوتی۔
ایک ہی اکیڈمک پریزنٹیشن کے لیے، کچھ لوگ ہر سلائیڈ پر صرف ایک مرکزی نتیجہ رکھنا پسند کرتے ہیں، جبکہ دوسرے فارمولوں اور تجرباتی تفصیلات کو برقرار رکھتے ہیں؛ ایک ہی بزنس پیچ کے لیے، کچھ لوگ اونچی ڈیٹا ڈینسٹی والے ٹیبلز کو ترجیح دیتے ہیں، جبکہ دوسرے رجحانات اور تقابلی گرافس پر زیادہ انحصار کرتے ہیں۔
یہ فرق ایک ہی پرامپٹ کے لیبل نہیں ہیں، بلکہ صارفین کی طرف سے لمبے عرصے تک لکھنے اور ترمیم کرتے ہوئے آہستہ آہستہ ظاہر ہونے والی عادات ہیں۔
MemSlides ایسے کراس ٹاسک ترجیحات کو صارف کے پروفائل کی یادداشت کے ذریعے محفوظ کرتا ہے۔ یہ پروفائل کو پورا پرومپٹ کے سامنے لگانے کی بجائے، ہر ٹاسک کے آغاز پر موجودہ مقصد کے مطابق متعلقہ ترجیحات کو تلاش کرتا ہے اور پھر اسے موجودہ درخواست کے ساتھ ہم آہنگ کرتا ہے۔
اگر لمبے مدتی ترجیحات اور موجودہ واضح ہدایات مطابقت رکھتی ہیں، تو وہ ایک ساتھ کام کی یادداشت میں داخل ہو جائیں گی؛ اگر تنازعہ ہو، تو موجودہ اس سلائیڈ کی واضح درخواستوں کو ترجیح دی جائے گی۔
یہ مرحلہ بہت اہم ہے۔ ورنہ، سسٹم "اس بار موقت طور پر نیلے عنوان کی خواہش" کو "صارف ہمیشہ نیلے عنوان کو پسند کرتا ہے" کے طور پر سمجھ لے گا۔
کام ختم ہونے کے بعد، MemSlides ہر فیڈبیک کو لمبے عرصے تک کی تصویر میں واپس نہیں لکھتا۔ یہ صرف مستقل اور قابل انتقال انٹرایکشن سگنلز کو ذخیرہ کرتا ہے تاکہ اگلی پیداوار صارف کے قریب تر ہو، نہ کہ زیادہ بے ترتیب۔
شکل 3: صارف کی پروفائل کی یادداشت کو ریٹریو، راؤٹنگ، موجودہ کام کے استعمال اور کام ختم ہونے کے بعد مستحکم سگنلز کے طور پر جمع کیا جاتا ہے۔
کام کی یادداشت
دوہرے مسودوں میں، ایک اور قسم کی معلومات زیادہ ظریف ہے۔
یہ لمبے مدتی ترجیح نہیں ہے، لیکن موجودہ ڈیک میں مستقل طور پر لاگو ہونا چاہیے۔
مثلاً، اگر صارف نے دوسرے راؤنڈ میں کہا: "اگر بعد میں کوئی سمری/ٹپ باکس شامل کیا جائے، تو اسے ہلکے سرخ پس منظر کے ساتھ استعمال کریں۔" اس وقت سسٹم میں ایسے عناصر شامل نہیں تھے، اس لیے اس درخواست کو فوری طور پر نہیں نفاذ کیا گیا۔ کچھ راؤنڈز کے بعد، اگر صارف نے سمری باکس کے ساتھ صفحہ شامل کرنے کا مطالبہ کیا، تو یہ قاعدہ فعال ہونا چاہیے۔
اگر ایجینٹ صرف موجودہ دور کے ان پٹ کو دیکھے، تو ایسی تاخیر سے اطلاق ہونے والی پابندیوں کو بھول جانے کا امکان ہے۔
MemSlides کا کامیابی کا ذخیرہ موجودہ لکھائی کے کام کا اسٹیٹس بورڈ ہے: active temporary preferences، carryover instructions، resolved targets، اور coverage status سب یہاں رکھے جاتے ہیں۔ Plan مرحلہ تبدیلی کے دائرہ کار کا تعین کرنے کے لیے ان اسٹیٹسز کو پڑھتا ہے، Act مرحلہ اس کے مطابق محدود ترمیم کرتا ہے، اور Guard مرحلہ نتائج کو اپڈیٹ کرتا ہے۔
یہ متعدد ترمیمیں صرف الگ الگ پرومپٹس نہیں رہیں، بلکہ ایک ہی سلائیڈز کے گرد مسلسل ترقی پذیر ترمیم کا عمل بن گئیں۔
شکل 4: کام کی یادداشت پہلے پیش کیے گئے اور بعد میں فعال ہونے والے عارضی اسٹائل کی ترجیحات کو جاری رکھتی ہے۔
صرف جہاں تبدیلی کی ضرورت ہو وہی تبدیل کریں
انسانی ایڈیٹرز کے لیے، "صرف اس ایک جگہ کو تبدیل کریں" ایک قدرتی جملہ ہے۔
جنریٹو سسٹم کے لیے یہ جملہ مشکل ہے۔
کیونکہ بہت سے سسٹم فیڈ بیک کو معالجہ کرتے وقت بڑے پیمانے پر مواد کو دوبارہ پڑھتے یا دوبارہ لکھتے ہیں۔ اس کا نتیجہ یہ ہوتا ہے کہ مقصدی علاقہ درست ہو جاتا ہے، لیکن غیر مقصدی صفحات بھی تبدیل ہو جاتے ہیں۔ صارف صرف ایک چھوٹی سی درخواست کرتا ہے، لیکن سسٹم پورے پی ایس کی حالت کو دوبارہ الگ الگ کر دیتا ہے۔
MemSlides اس مسئلے کو سکوپڈ سلائیڈ-لوکل ریویژن کے ذریعے محدود کرتا ہے۔
ہر فیڈبیک سب سے چھوٹے موثر تبدیلی کے علاقے میں مپ ہوتا ہے، پھر Plan-Act-Guard پروسیس میں جاتا ہے۔
پلان مرحلے میں قدرتی زبان کے درخواست کو ایکزیکیشن کنٹریکٹ میں تبدیل کریں، مقصد سلائیڈ، دائرہ کار، سیلیکٹر ہنٹس اور کوریج کی درخواستوں کو واضح کریں۔
ایکٹ مرحلہ میں صفحہ کی ساخت کے مطابق ایڈیٹنگ ٹول منتخب کریں اور محدود دائرہ کار میں نیچی ترین مؤثر کارروائی کریں۔ گارڈ مرحلہ میں "مکمل" کو ایک چیک کی ضرورت والی حالت میں تبدیل کر دیں: اگر ہدف پورا نہ ہوا ہو تو جلدی سے فائنلائز نہ کریں، اگر سناپ شاٹ منقضی ہو گیا ہو تو دوبارہ بندھائیں، اور مقامی درخواستوں کو پورے ڈیک کو دوبارہ لکھنے تک نہ بڑھائیں۔
اس مرحلے پر، "ماڈل کو لگتا ہے کہ اس نے تبدیلی ختم کر دی ہے" کو "سسٹم یہ جان سکے کہ کیا یہ تبدیلی حقیقت میں مقصد کو کور کر رہی ہے یا کیا یہ حد سے باہر ہو گئی ہے" میں تبدیل ہو جاتا ہے۔
شکل 5: پلان-ایکٹ-گارڈ مقامی تبدیلیوں کو سکوپ پلاننگ، کنٹرولڈ ایکیکشن اور نتائج کی جانچ میں تقسیم کرتا ہے۔
ٹول میموری
اسلاڈز ایڈیٹ صرف متن کا تبدیل نہیں ہے۔
ایک مقامی تبدیلی صفحہ کی ساخت، سیلیکٹرز، اسٹائل کے قواعد، لے آؤٹ اسناپ اور تصدیق منطق کو شامل کر سکتی ہے۔ ایجینٹ صرف اس بات کو سمجھنے کے باوجود کہ صارف کیا چاہتا ہے، ٹول کال کے دوران غلط علاقہ پڑھ سکتا ہے، دوبارہ تجربہ کر سکتا ہے، تبدیلی کے دائرہ کار کو بڑھا سکتا ہے، یا اس سے پہلے کہ مقصد حاصل ہو جائے، ختم ہو سکتا ہے۔
اس لیے، MemSlides نے ٹول میموری بھی متعارف کرائی ہے۔
ٹول میموری صرف "صارف کو کیا پسند ہے" کو ریکارڈ نہیں کرتی، بلکہ "مشابہ ایڈٹ ٹاسکس میں کون سا ایکution پاتھ کام کرتا ہے اور کون سی غلطیوں سے بچنا چاہیے" کو ریکارڈ کرتی ہے۔
اس مضمون کو دو درجات میں منظم کیا گیا ہے: راؤنڈ-سکوپ ٹاسک ایکسپیریئنس جو ایک ترمیم کے دوران تجربہ، غلطیوں کا خلاصہ اور قابل انتقال نمونوں کو ریکارڈ کرتا ہے؛ اور آپریشن-سکوپ ٹول-چین ایکسپیریئنس جو مزید باریکی والے ریزننگ-ٹول-آبزرویشن ٹکڑوں کو محفوظ کرتا ہے جو مشابہ ٹول کالوں سے پہلے حوالہ کے طور پر حاصل کیے جاتے ہیں۔
اس ڈیزائن نے مقصد اور اجراء کو الگ کر دیا ہے۔
صارف کی تصویر یہ تعین کرتی ہے کہ سلائیڈز کو کس سمت میں تبدیل کیا جائے، جبکہ ٹول میموری Agent کو بے کار کوششوں اور انجام دینے کی عدم یقینیت سے بچاتی ہے۔
شکل 6: ٹول میموری ٹول کال کے تجربے پر توجہ دیتی ہے، صارفین کی خوبصورتی کی ترجیحات پر نہیں۔
تجربی نتائج
میم اسلاڈز کا جائزہ صرف ایک کلی جنریٹو اسکور نہیں دیتا، بلکہ مختلف میموری کمپوننٹس کے متعلقہ صلاحیتوں کو الگ الگ تصدیق کرتا ہے: صارف پروفائل میموری کو راؤنڈ-0 پرسونا الائنمنٹ سے، ورکنگ میموری کو متعدد راؤنڈز کے دوران ڈیلےڈ پریفرنس کیری اوور سے، اور ٹول میموری کو ڈائیگنوسٹک میچڈ پیئر مڈیفائی سیٹنگ میں الگ تھلگ تصدیق کی جاتی ہے۔
شخصی سازی کے حوالے سے، صارف پروفائل کی یادداشت نے متعدد پرسنا اور متعدد ارادوں کے سیٹنگ میں پرسنا الائنمنٹ کو بہتر بنایا۔ تحقیقی مقالہ مزید بتاتا ہے کہ یہ بہتری صرف "کسی ٹیمپلیٹ جیسی" بننے تک محدود نہیں، بلکہ مواد کے مرکز، صفحے کے کردار، ثبوت کی تنظیم اور پرسنا کی تمیز جیسے منصوبہ بندی کے پہلوؤں میں بھی ظاہر ہوتی ہے۔
مقامی ترمیم شدہ جوڑے کے تشخیص میں ٹول میموری کی وجہ سے تبدیلیاں زیادہ براہ راست ہیں:
اسی طرح، کور ٹول ٹائم ریشیو گھٹ کر 0.327x ہو گیا۔
یہ تفصیلات ڈائیگنوسٹک میچڈ پیئر مودیفائی سیٹنگ سے حاصل کی گئی ہیں، اور انہیں تمام صورتحال میں ایک منفرد ترجیح کے طور پر نہیں سمجھنا چاہئے۔ زیادہ درست طور پر، یہ ایک عملی نتیجہ فراہم کرتی ہیں: جب ٹول میموری قابل استعمال انجام کے تجربات فراہم کرتی ہے، تو ایجینٹ بند لوپ مکمل کرنے، سخت تصدیق کرنے اور پہلی درست ایڈٹ پاتھ تلاش کرنے میں زیادہ آسانی سے اپنے نتائج پر پہنچ جاتا ہے۔
شکل 7: مقامی ترمیم کا موازنہ کاغذ میں ایک کیفیاتی کیس ہے جو ٹول میموری انجیکشن سے پہلے اور بعد میں ترمیم کے عمل کے فرق کو ظاہر کرتا ہے۔
PPT ایجنٹ کا اگلا مرحلہ
طویل مدتی تعاون ہے
میم اسلاڈز پی پیٹی کے بارے میں بات کرتے ہیں، لیکن اس کے پیچھے کا مسئلہ صرف پی پیٹی تک محدود نہیں ہے۔
جب ایجینٹ دستاویز تخلیق، کوڈ میں تبدیلی، ڈیٹا تجزیہ، اور کاروباری جانکاری نظام جیسے طویل مدتی کاموں میں داخل ہوتا ہے، تو وہ مشابہ چیلنجز کا سامنا کرتا ہے: کون سی معلومات کو لمبے عرصے تک محفوظ رکھنا چاہیے، کون سی حالتیں صرف موجودہ کام سے متعلق ہیں، کون سے اجرائی تجربات دوبارہ استعمال کیے جا سکتے ہیں، اور کون سا مواد مقامی تبدیلیوں کے دوران مسلسل برقرار رکھنا ضروری ہے۔
اگر ایک کلک سے تخلیق کرنا 0 سے 1 تک کا حل ہے، تو متعدد ترمیمیں 1 سے استعمال کے قابل تک کا امتحان ہیں۔
مستقبل کے Slides Agent کو صرف ایک خوبصورت پہلی صفحہ بنانے کے علاوہ، بار بار مسودوں میں تبدیلی کے دوران صارف کو سمجھنا، ایڈیٹنگ کی حدود برقرار رکھنا، اور ایک سیٹ سلائیڈز کو صارف کی حقیقی ترجیحات کے قریب لے آنا ہوگا۔