MemSlidesAI PPT 生成新框架提升个性化与局部修改效果未来研究方向明确AI 生成 PPT早已不局限于演示型功能。如今众多系统可依据一篇论文、一份报告或一句主题说明生成完整的 slides。然而真实写作鲜少停留在第一版。用户会持续调整页面顺序、内容密度、视觉风格和局部元素更麻烦的是部分偏好并非一开始就清晰阐明而是在后续修改中逐渐显现。这便引出一个更具体的问题Slides Agent 不仅要理解当前 prompt还需明确哪些偏好属于用户长期习惯哪些约束仅在当前任务内有效以及当用户要求修改某个区域时哪些内容不应受影响。对于 AI PPT 而言记忆不再只是聊天记录的附属而是决定多轮协作能否稳定开展的基础能力。针对此问题北京邮电大学、清华大学、上海交通大学合作提出 MemSlides一个面向个性化幻灯片生成与多轮局部修改的层次化记忆驱动 Agent 框架。它将 PPT 创作视为一个带状态的持续编辑过程先借助用户画像记忆生成个性化初稿再在多轮反馈中维护工作记忆并借助工具记忆提升局部修改的可靠性。论文链接https://arxiv.org/pdf/2606.17162 GitHub 地址https://github.com/huohua325/Memslides 项目网站https://memslides.github.io/MemSlides 的研究意义在于它未将 AI PPT 生成简单视为一次 source-to-slides 转换而是把“生成后的持续修改”纳入系统设计。换言之论文关注的并非让模型多记录一些历史对话而是让 Slides Agent 学会区分、维护和调用不同类型的记忆。MemSlides 是如何设计记忆的其方法可概括为两条主线一条是记忆如何组织另一条是修改如何执行。前者解答“系统应该记住什么”后者解答“系统应该怎样在不破坏已有内容的情况下完成编辑”。在记忆组织上MemSlides 从生命周期和功能角色两个视角进行建模。生命周期方面长期记忆保存跨任务稳定存在的信息工作记忆维护当前 deck 内仍然有效的临时约束、反馈状态和修改进度。功能角色方面用户画像记忆关注 slides 应体现的偏好工具记忆则关注 agent 应如何更稳定地执行编辑。这一区分至关重要。用户画像记忆并非固定贴在 prompt 前面的 profile而是依据任务意图被检索、筛选和路由。例如同一用户在学术汇报和商业路演中可能偏好截然不同的页面结构系统需根据当前 intent 选择相关偏好并与本轮请求进行协调。若当前请求和长期偏好冲突当前请求应在这套 deck 中优先。任务结束后MemSlides 也不会将所有反馈直接写入长期记忆。论文采用 consolidation 的思路仅将稳定、可迁移的交互信号更新到用户画像中。这避免了一个常见问题用户在某次任务中临时提出的要求被系统误当作长期偏好在后续任务中反复出现。工作记忆则处理另一类问题有些约束不属于长期偏好却必须在当前会话中跨轮延续。例如用户说“后面新增页面的标题都用蓝色”这条指令在当前轮可能没有立即执行对象但几轮之后新增 slides 时仍然应该生效。MemSlides 将这类 active temporary preferences、carryover instructions、resolved targets 和 coverage status 保存在工作记忆中使多轮修改成为同一个任务状态上的连续编辑。与偏好记忆不同工具记忆记录的是执行经验。Slides 编辑通常涉及页面结构、选择器、样式规则、布局快照和工具调用即便模型知晓用户需求也可能因读错区域、扩大修改范围或提前结束验证而产生错误。MemSlides 因此将工具执行经验分为任务级和操作级两类前者沉淀一轮修改中的错误总结与可迁移经验后者保存更细粒度的 reasoning-tool-observation 片段用于相似工具调用前的参考。在局部修改上MemSlides 引入 scoped slide-local revision。系统不会在每次反馈后重新读取或重写整套 PPT而是先将自然语言请求映射到最小有效修改区域再通过 Plan-Act-Guard 流程完成编辑。Plan 阶段形成 execution contract明确目标页面、作用范围和覆盖要求Act 阶段根据页面结构执行受约束的编辑操作Guard 阶段检查目标是否被正确覆盖并避免过早 finalize。这一设计的出发点很朴素当用户只想修改一个局部区域时系统应该尽量只动这个区域。对于已经对齐的页面内容保持稳定本身就是一种能力。个性化与局部修改效果如何论文从个性化初稿生成、会话内偏好延续和局部修改可靠性三个角度评估 MemSlides。在个性化生成方面论文构建了多 persona、多 intent 的用户画像评估设置并使用 persona-alignment judgments 衡量生成结果是否符合用户角色与任务意图。结果显示用户画像记忆能够提升 round-0 初始生成阶段的 persona alignment。进一步分析表明这种提升不只是模板匹配或视觉润色带来的而是体现在内容重点、页面结构、证据组织和角色区分等更接近规划层面的维度。在一般 PPT 质量上论文还进行了 DeepPresenter-style quality check用于观察 persona alignment 的提升是否以牺牲普通生成质量为代价。结果显示MemSlides 在增强个性化对齐的同时仍保持了有竞争力的整体 deck 质量。这一点对于实际应用很重要个性化不应只是更“像某个人”还要生成一套基本可用、结构完整的 slides。在工作记忆方面论文通过定性案例展示了 delayed preference carryover。也就是说某些用户偏好在提出时未必立刻可执行但当后续操作触发相关条件时系统仍然可以将其应用到当前 deck 中。这类能力说明工作记忆承担的是会话级状态维护而不是长期用户画像的简单替代。局部修改的实验采用 diagnostic matched-pair modify setting隔离是否注入工具记忆这一变量。结果显示在该诊断设置中工具记忆将 closed-loop completion 从 0.815 提升到 0.963将 strict verification 从 0.310 提升到 0.534并将首次正确编辑时间从 609.5s 降低到 242.5s。这些指标并不只是看“最终有没有改对”而是进一步关注修改闭环、验证严格性和找到正确编辑路径的效率。需要注意的是论文并没有把结果解释为所有场景下的单调领先。工具记忆在不同配对任务中的收益仍存在差异部分指标也会受到任务难度和模型行为影响。更准确地说这些结果支持了一个诊断性结论当编辑过程被限定在局部范围内并引入可复用工具经验时Slides Agent 更容易形成可验证、可收敛的修改路径。不足与未来方向MemSlides 当前主要在受控实验和诊断性设置中验证记忆机制的作用。与此同时Demo website 的实际使用用户已超过 100 位并且每天仍有新增用户。未来团队也计划结合更多真实使用反馈进一步研究长期用户交互下的记忆治理问题包括用户如何查看、编辑和删除已保存偏好系统如何避免保存敏感或过时信息以及当长期画像与当前任务冲突时如何给出可解释的处理。局部修改的评估也仍有扩展空间。对于 PPT 创作来说任务成功并不是唯一指标修改范围、非目标内容漂移、用户满意度、跨轮编辑成本和可恢复性都可能影响真实体验。未来的 Slides Agent 评测需要更细地刻画“改对了什么”和“没有误改什么”。从更大的方向看MemSlides 提示了一个值得继续研究的问题当生成式 Agent 从单轮产出走向长期协作记忆应当成为系统结构的一部分而不是简单堆叠在上下文中的历史文本。对 AI PPT 而言下一步竞争也许不只是谁能生成更漂亮的第一页而是谁能在反复修改中持续理解用户、保持边界并让一套 slides 稳定地向用户真正想要的版本靠近。