Un modelo abierto que aprende un estilo visual propio
IBM Research ha presentado Palette, un modelo abierto de inteligencia artificial diseñado para generar presentaciones que respeten una identidad visual definida, en lugar de recurrir a plantillas genéricas.
El proyecto, descrito en un artículo publicado el 3 de noviembre de 2026 en el blog de Hugging Face, utiliza un modelo de 20.000 millones de parámetros (20B) con un adaptador LoRA, entrenado mediante datos sintéticos.
Su funcionamiento combina dos funciones: un diseñador que organiza el contenido y define la estructura visual de cada diapositiva, y un programador que convierte esas instrucciones en código para generar archivos PowerPoint editables.
En las evaluaciones de PresentBench, Palette obtuvo el segundo puesto en la media de tres dominios, con una puntuación de 59,7 frente a los 60,8 puntos de NotebookLM.
Contexto: el desafío de mantener una identidad visual
Crear una presentación implica coordinar texto, distribución de elementos y diseño visual. Los contenidos deben ajustarse al espacio disponible, mantener una organización comprensible y conservar la coherencia entre diapositivas.
Según explica IBM Research, algunos sistemas generan primero el contenido textual y después intentan adaptarlo a una plantilla. Otros producen imágenes de diapositivas que no permiten editar sus elementos directamente.
Palette adopta un enfoque diferente: genera las diapositivas mediante código, lo que permite abrirlas, modificarlas y reutilizarlas como presentaciones editables.
El modelo aprende un lenguaje de diseño a partir de ejemplos. En este proyecto, IBM Research utilizó el IBM Design Language como lenguaje de diseño de referencia, y la propuesta consiste en enseñar al modelo sus características para que pueda aplicarlas a nuevas presentaciones, incluso cuando cambien el tema y la estructura del contenido.
Cómo funciona Palette: diseñador y programador
Palette divide la creación de presentaciones en dos funciones inspiradas en el trabajo de un equipo de diseño.
La primera corresponde al agente diseñador, encargado de planificar la presentación a partir de un tema y un esquema inicial.
Este agente genera un documento estructurado en formato JSON para cada diapositiva. El documento describe el título, los puntos principales, el tipo de composición visual y los detalles necesarios para construirla.
La segunda función corresponde al agente programador, que utiliza esas especificaciones para generar código mediante pptxgenjs, una herramienta de JavaScript que permite crear archivos PowerPoint editables.
Cada diapositiva se produce de manera independiente a partir de su propia descripción.
Esta separación permite generar varias diapositivas en paralelo, lo que, según IBM Research, hace que el proceso sea aproximadamente entre seis y siete veces más rápido que producir toda la presentación como una única secuencia larga.
Ambas funciones se ejecutan mediante el mismo modelo de 20B ajustado con LoRA.
Entrenamiento con unas 10.000 diapositivas sintéticas
Una de las características principales de Palette es su entrenamiento mediante datos generados artificialmente.
IBM Research utilizó un modelo profesor abierto para producir aproximadamente 1.000 presentaciones, equivalentes a unas 10.000 diapositivas.
Estas presentaciones seguían el IBM Design Language y se elaboraron mediante el mismo procedimiento que utiliza Palette: primero se generaban las especificaciones del diseñador y después el código del programador.
Los documentos JSON y el código resultante se utilizaron como datos de entrenamiento.
Este enfoque permitió construir un conjunto amplio y consistente de ejemplos dentro de un único lenguaje visual, sin depender de la recopilación y preparación de miles de presentaciones reales.
El objetivo era enseñar al modelo tanto las decisiones de diseño como la manera de transformarlas en diapositivas editables.
Directivas para controlar el diseño de las diapositivas
Palette incorpora un mecanismo para indicar cómo debe representarse visualmente el contenido de una diapositiva.
Estas instrucciones se escriben entre dobles corchetes [[ ]] dentro del esquema de la presentación.
Entre los ejemplos incluidos en el artículo de IBM Research aparecen:
- [[make this a timeline]]: organizar el contenido como una línea de tiempo.
- [[be candid, no spin]]: mantener un tono directo, sin adornos.
- [[this is for the board]]: adaptar la presentación a una junta directiva.
- [[lead with the ask]]: empezar por la petición principal.
Las directivas pasan a formar parte de las especificaciones JSON que recibe el agente programador.
De esta manera, el usuario puede establecer el formato visual de una diapositiva sin escribir directamente el código necesario para construirla.
Verificación y reparación automática de diapositivas
IBM Research también desarrolló un sistema de verificación y reparación para revisar las diapositivas generadas.
Este componente busca problemas que pueden aparecer durante la creación del código, como textos que sobrepasan sus contenedores, elementos superpuestos o gráficos desalineados.
El procedimiento consiste en renderizar cada diapositiva, comprobar su resultado y reescribir el código cuando se identifica un problema.
Una característica importante es que la versión corregida solamente se conserva cuando el verificador confirma que representa una mejora respecto a la anterior.
En una evaluación realizada sobre 131 presentaciones de PresentBench, este proceso de verificación y reparación aportó una mejora media de 3,5 puntos.
El sistema integra así una etapa de revisión visual dentro del procedimiento de generación de presentaciones.
Resultados de Palette en PresentBench
IBM Research evaluó Palette mediante PresentBench, un benchmark diseñado para medir la generación de diapositivas, que puntúa cinco criterios: fundamentos, diseño visual, completitud, corrección y fidelidad.
Los resultados publicados muestran diferencias entre los tres dominios considerados:
| Dominio | Posición de Palette |
|---|---|
| Economía (Economics) | Primer puesto |
| Educación (Education) | Primer puesto |
| Presentaciones tipo charla (Talk) | Tercer puesto |
| Media de los tres dominios | Segundo puesto |
En la puntuación media, Palette alcanzó 59,7 puntos, mientras que NotebookLM obtuvo 60,8 puntos.
La comparación sitúa a este modelo abierto de 20B a 1,1 puntos de NotebookLM, que lidera la media de los tres dominios, pese a que Palette fue entrenado con datos sintéticos centrados en un único lenguaje de diseño.
Los resultados reflejan el potencial de combinar entrenamiento especializado, planificación estructurada y generación de código para producir presentaciones.
Pesos abiertos para adaptar el lenguaje visual
Palette se plantea como un modelo de pesos abiertos que cada equipo puede ejecutar en su propia infraestructura y adaptar a su lenguaje de diseño, sin que el contenido confidencial tenga que salir de sus sistemas.
Sus responsables exploran además una vía más ligera para reutilizar las plantillas propias de cada equipo: regenerar la salida a partir de uno o dos archivos .pptx existentes, sin reentrenar.
El artículo de Hugging Face incluye ejemplos de presentaciones creadas con el lenguaje de diseño de IBM.
La propuesta de Palette apunta a sistemas de generación de presentaciones capaces de aprender y mantener una identidad gráfica específica, en lugar de sustituirla por un formato visual genérico.
Palette en contexto
Palette es un proyecto de IBM Research presentado en colaboración con Hugging Face el 3 de noviembre de 2026. Su implementación inicial utiliza el IBM Design Language y combina un modelo abierto de 20B con entrenamiento mediante datos sintéticos para generar presentaciones PowerPoint editables.
