AI PPT一改就崩？MemSlides登頂抱抱臉

來源：市場資訊

（來源：新智元 新智元）

新智元報道

最尷尬的一刻，往往不是AI PPT生成失敗。

而是它明明已經生成了一套還不錯的slides，你只是說：「把第 8 頁右下角那塊改得更像流程圖。」

下一秒，第8頁可能確實改了，但第3頁標題層級變了，第12頁配色也漂了，前面反復調好的風格又被打散。

這才是真實PPT工作流里更常見的痛點。

第一版只是草稿，改稿才是主戰場。

從「生成一套」到「生成得像這個用戶」

過去幾年，自動幻燈片生成進步很快。很多系統已經可以從論文、產品說明或一句主題出發，生成結構完整、視覺上也不算粗糙的初稿。

但在真實使用里，第一版slides的關鍵不只是「有沒有生成出來」，而是它是不是已經貼近某個用戶的表達習慣。

同一篇Transformer論文，可以被講成基礎教學課，也可以被組織成組會匯報、論文精讀或技術培訓。不同用戶關心的頁面角色、內容密度、證據邊界和機制展開方式都不一樣。有人希望先給結論和takeaways，有人更希望把定義、機制、邊界條件拆清楚。

這正是用戶畫像記憶在round-0階段的作用。

由北京郵電大學、清華大學、上海交通大學合作完成MemSlides 不是等到用戶反復修改之后才開始「記住」，而是在首輪生成時就會根據當前任務意圖檢索用戶畫像，將兼容的長期偏好路由到當前工作記憶里，用來影響頁面組織和表達方式。

論文鏈接: https://arxiv.org/abs/2606.17162

項目主頁: https://memslides.github.io/

演示鏈接: https://memslides.com/

代碼鏈接: https://github.com/huohua325/Memslides

HF鏈接: https://huggingface.co/papers/2606.17162

該工作登頂Hugging Face Daily Papers #1 Paper of the Day，GitHub已獲400+ stars；Demo website上線后也已吸引 100+ verified users試用。

圖1展示的不是一個泛泛的「生成效果圖」。它更像是在說明：系統如何把論文材料拆成定義、核心機制、實驗依據、常見誤區和邊界條件等頁面。這些選擇背后，對應的就是用戶畫像中關于內容結構、信息密度和證據導向表達的偏好。

圖1：首輪生成不僅體現完整性，也體現用戶畫像記憶對頁面組織、內容密度和證據邊界的影響。

項目也提供了在線Demo。用戶可以上傳材料、選擇memory profile或模板，生成初稿后繼續進入revision，并下載當前版本的PPTX、HTML或PDF。

也就是說，MemSlides面向的是從個性化初稿到后續持續修改的完整流程。

而一旦第一版已經開始貼近用戶，后續問題就變得更尖銳：系統能否在多輪修改中繼續保留這些偏好？當前會話里臨時提出的要求，會不會過幾輪就失效？用戶只想改一個局部區域時，系統能不能避免把已經對齊的頁面重新打散？

讓記憶分工

很多人一聽到「Agent memory」，會自然想到：那就把歷史對話放進更長的上下文里。

MemSlides 沒這么做。

原因很簡單：歷史越長，里面的沖突也越多。今天用戶說「這套報告用藍色標題」，不代表他以后所有 PPT 都要藍色標題；用戶在某次編輯里遇到的工具錯誤，也不應該和「他喜歡什么風格」混在一起。

因此，MemSlides 把個性化幻燈片生成建模成一個有狀態的 authoring process：系統先根據源材料、用戶畫像記憶和可選模板生成 round-0 初稿；之后每一輪反饋都會更新當前 session state，再圍繞當前 deck 做局部編輯。

它的記憶組織有兩個視角。

從生命周期看，有長期記憶和工作記憶。長期記憶保存跨任務穩定存在的信息，工作記憶保存當前 deck 中仍然有效的臨時約束、修改目標和執行狀態。

從功能角色看，有用戶畫像記憶和工具記憶。前者回答「這套 slides 應該體現什么偏好」，后者回答「Agent 應該怎么改得更穩」。

換句話說，MemSlides 不是讓 Agent 記住更多廢話，而是讓它知道哪些信息該長期保留，哪些只在當前任務里生效，哪些屬于用戶偏好，哪些屬于工具經驗。

圖2：MemSlides 將長期記憶、工作記憶、用戶畫像記憶和工具記憶組織到同一個多輪改稿流程中。

用戶畫像

真正的個性化，通常不是一句 role prompt 能解決的。

同樣是學術匯報，有人喜歡每頁只放一個核心結論，有人會保留公式和實驗細節；同樣是商業路演，有人偏好高密度表格，有人更依賴趨勢圖和對比圖。

這些差異不是一次 prompt 里的標簽，而是用戶在長期寫作和修改中慢慢暴露出來的習慣。

MemSlides 用用戶畫像記憶來保存這類跨任務偏好。它不是把 profile 整塊貼到 prompt 前面，而是在任務開始時根據當前 intent 檢索相關偏好，再與本輪請求做協調。

如果長期偏好和當前明確指令兼容，它們會一起進入工作記憶；如果發生沖突，當前這套 slides 的明確要求優先。

這一步很重要。否則，系統很容易把「這次臨時想要藍色標題」誤當成「用戶永遠喜歡藍色標題」。

任務結束后，MemSlides 也不會把每一句反饋都寫回長期畫像。它只沉淀穩定、可遷移的交互信號，讓下一次生成更貼近用戶，而不是更混亂。

圖3：用戶畫像記憶會經歷檢索、路由、當前任務使用和任務結束后的穩定信號沉淀。

工作記憶

多輪改稿里，還有一類信息更微妙。

它不是長期偏好，卻必須在當前 deck 里持續有效。

比如用戶在第2輪說：「后面如果新增 summary/tip box，就用淺灰背景。」當時系統還沒有新增這類元素，所以這條要求沒有立刻執行對象。幾輪之后，如果用戶要求插入帶 summary box 的頁面，這條規則就應該被觸發。

如果Agent只看當前輪輸入，就很容易把這類延遲生效的約束忘掉。

MemSlides的工作記憶就是當前寫作任務的狀態板：active temporary preferences、carryover instructions、resolved targets、coverage status 都放在這里。Plan 階段讀取這些狀態來確定修改范圍，Act 階段據此執行受限編輯，Guard 階段再更新檢查結果。

這讓多輪修改不再是彼此孤立的一次次 prompt，而是圍繞同一套 slides 持續推進的編輯過程。

圖4：工作記憶讓早先提出、后續才觸發的臨時樣式偏好繼續生效。

只改該改的地方

對人類編輯來說，「只改這一處」是一句很自然的話。

對生成式系統來說，這句話卻很難。

因為很多系統在處理反饋時，會重新讀取或重寫大范圍內容。結果就是目標區域改對了，但非目標頁面也發生變化。用戶看上去只提了一個小要求，系統卻把整套 PPT 的狀態重新打散。

MemSlides用scoped slide-local revision來約束這個問題。

每次反饋先被映射到最小有效修改區域，然后進入Plan-Act-Guard流程。

Plan階段把自然語言請求轉成execution contract，明確目標slide、作用范圍、selector hints 和覆蓋要求。

Act階段根據頁面結構選擇編輯工具，并在受限范圍內執行最小有效操作。Guard 階段把「完成」變成一個需要檢查的狀態：目標沒覆蓋不能草率finalize，snapshot 過期需要重新綁定，局部請求也不應被擴展成整套deck的重寫。

這一步把「模型覺得自己改完了」，變成「系統能檢查這次修改是否真的覆蓋目標、是否越界」。

圖5：Plan-Act-Guard 將局部修改拆成范圍規劃、受控執行和結果檢查。

工具記憶

Slides編輯不是純文本改寫。

一個局部修改可能涉及頁面結構、選擇器、樣式規則、布局快照和驗證邏輯。Agent 即使理解了用戶想要什么，也可能在工具調用時讀錯區域、重復試錯、擴大修改范圍，或者在目標尚未覆蓋時提前結束。

所以，MemSlides 還引入了工具記憶。

工具記憶不記錄「用戶喜歡什么」，而是記錄「類似編輯任務里，什么執行路徑有效，什么錯誤應該避免」。

論文將其組織成兩種粒度：round-scope task experience 記錄一輪修改中的經驗、錯誤總結和可遷移模式；operation-scope tool-chain experience 保存更細粒度的 reasoning-tool-observation 片段，在相似工具調用前被檢索出來作為參考。

這種設計把目標和執行分開了。

用戶畫像決定 slides 應該往什么方向變，工具記憶則讓 Agent 少走彎路，減少無效探索和執行不確定性。

圖6：工具記憶關注的是工具調用經驗，而不是用戶審美偏好。

實驗結果

MemSlides 的評估沒有只給一個總體生成分數，而是把不同記憶組件對應的能力拆開驗證：用戶畫像記憶對應 round-0 persona alignment，工作記憶對應多輪會話中的 delayed preference carryover，工具記憶則在 diagnostic matched-pair modify setting 中隔離驗證。

在個性化生成上，用戶畫像記憶提升了多 persona、多 intent 設置下的 persona alignment。論文進一步指出，這種提升不僅體現在「更像某個模板」，也體現在內容重點、頁面角色、證據組織和 persona 區分等規劃層面的選擇。

在局部修改的配對診斷中，工具記憶帶來的變化更直接：

同時，core tool time ratio降至0.327x。

需要注意的是，這些數字來自診斷性matched-pair modify setting，不能被解讀為所有場景下單調領先。更準確地說，它們支持的是一個過程性結論：當工具記憶提供可復用執行經驗時，Agent在閉環完成、嚴格驗證和找到首次正確編輯路徑上更容易收斂。

圖7：局部編輯對比是論文中的定性案例，用來展示工具記憶注入前后編輯過程的差異。

PPT Agent的下一步

是長期協作

MemSlides討論的是PPT，但它背后的問題不只屬于PPT。

當 Agent 進入文檔生成、代碼修改、數據分析、企業知識系統等長周期任務時，都會遇到類似挑戰：哪些信息應該長期保留，哪些狀態只屬于當前任務，哪些執行經驗可以復用，哪些內容在局部修改時必須保持不變。

如果說一鍵生成解決的是從0到1，那么多輪修改考驗的是從1到可用。

未來的Slides Agent，不只要會生成更漂亮的第一頁，還要能在反復改稿中持續理解用戶、保持編輯邊界，并讓一套slides穩定地向用戶真正想要的版本靠近。

參考資料：

https://arxiv.org/abs/2606.17162

編輯：LRST