miércoles, 4 de noviembre de 202620°General Pico · 13° / 22°Dólar Oficial $1.570Dólar Blue $1.560Dólar MEP $1.589Dólar Tarjeta $2.041
Palette, un modelo abierto de 20B que genera presentaciones con un lenguaje de diseño propio
IBM Research describió Palette, un modelo de 20.000 millones de parámetros que arma presentaciones según una identidad visual definida y que, según sus pruebas, compite con sistemas de punta. El equipo lo publicó en el blog de Hugging Face.
Redacción PicoTecno
· Actualizada 4 de noviembre de 2026 a las 19:06
3 min de lectura
(CONICET)
Según informó IBM Research en una entrada de su blog alojada en Hugging Face, el equipo presentó Palette, un sistema basado en un modelo abierto de 20.000 millones de parámetros (20B) que genera presentaciones siguiendo el lenguaje de diseño de una organización. La propuesta apunta a un problema concreto: los modelos de punta tienden a producir diapositivas con un estilo parecido entre sí, difícil de corregir con instrucciones, y en algunos casos los contenidos son confidenciales y no pueden salir de la infraestructura de la empresa.
Los modelos pequeños que se pueden alojar por cuenta propia tienen dificultades con esta tarea. Sus presentaciones suelen tener fallas visibles, como títulos que se pierden en el fondo, texto que se sale de la diapositiva o formas superpuestas. Según el texto, hay tres razones. El modelo escribe el código que ubica cada elemento sin ver el resultado final. Además, debe tomar decisiones editoriales (qué dice cada diapositiva y cómo mostrarlo) y decisiones geométricas (dónde y con qué tamaño va cada cosa) al mismo tiempo. Por último, no existen conjuntos de datos públicos que reúnan planes, justificaciones de diseño y el código que las produjo.
Para resolverlo, Palette divide el trabajo en dos roles que comparten un único adaptador LoRA, una técnica que ajusta un modelo base sin reentrenarlo por completo. Un rol de diseñador arma un plan con la estructura del documento y el tipo de visualización de cada diapositiva. Un rol de programador dibuja cada una a partir de ese plan. Como el contexto de cada diapositiva queda definido antes de escribir código, las llamadas del programador pueden correr en paralelo, lo que según los autores acelera esa etapa entre seis y siete veces.
Los datos de entrenamiento fueron generados con un modelo docente grande y de código abierto. El equipo produjo cerca de 1.000 presentaciones, que suman unas 10.000 diapositivas, a partir de recetas que definen género, extensión, diseños y directivas del usuario. Cada ejemplo incluye un razonamiento contrafactual, es decir, una alternativa descartada y el motivo del descarte. Además, las presentaciones sintéticas se renderizan y se verifican, y las que tienen errores se reparan. Según el texto, el problema más difícil fue que el modelo inventara datos que no estaban en la entrada. La solución que encontraron fueron presentaciones de referencia en el prompt, ya que las reglas escritas casi no cambiaban el resultado.
Los usuarios también pueden pedir cambios puntuales mediante directivas, instrucciones breves escritas entre doble corchete dentro del plan, como pedir una línea de tiempo en lugar de una tabla. El modelo fue entrenado con directivas de 12 categorías, formuladas de distintas maneras, para que aprenda la intención y no una frase fija.
Cada presentación pasa además por un arnés de control. Primero, reglas simples corrigen errores conocidos, como un código de color mal formado. Luego, un verificador geométrico detecta texto superpuesto, recortado o fuera de la diapositiva, y un modelo editor reescribe solo esas diapositivas. Una reescritura se conserva únicamente si el verificador confirma la mejora. Sobre 131 presentaciones de prueba, el arnés aumentó el puntaje promedio en 3,5 puntos.
Para evaluar el sistema, el equipo usó PresentBench, un benchmark que puntúa cinco criterios: fundamentos, diseño visual, completitud, corrección y fidelidad. Como ese benchmark entrega un documento fuente y no un plan, un modelo de frontera redactó el plan en cada caso y Palette generó la presentación. En Economía y en Educación, Palette quedó primero; en Charla, tercero. En el promedio de los tres dominios quedó segundo, con 59,7 puntos frente a los 60,8 de NotebookLM, por delante del resto de los sistemas comparados. Los autores señalan que PresentBench mide si una presentación es buena, pero no si respeta un lenguaje de diseño específico, un vacío que esperan ayudar a cubrir.
