IBM 发布 Palette:训练 20B 开源模型按你的设计语言生成幻灯片
IBM Research 发布 Palette,用一个 20B 开源模型生成符合指定设计语言的演示文稿。它把任务拆成设计师和编码器两个角色,由单一 LoRA 适配器服务;设计师产出结构化 JSON 简报,编码器为每页写 pptxgenjs 代码,编码阶段并行运行约快 6–7 倍。
推荐理由:IBM 公开 20B 开源模型 Palette 的数据合成、训练与检查修复方法,为可自托管的演示文稿生成给出可迁移路径。
IBM Research 发布 Palette,用一个 20B 开源模型生成符合指定设计语言的演示文稿。它把任务拆成设计师和编码器两个角色,由单一 LoRA 适配器服务;设计师产出结构化 JSON 简报,编码器为每页写 pptxgenjs 代码,编码阶段并行运行约快 6–7 倍。
推荐理由:IBM 公开 20B 开源模型 Palette 的数据合成、训练与检查修复方法,为可自托管的演示文稿生成给出可迁移路径。
Collinear AI 发布 CWE-bench v2,公开 100 个安全任务,覆盖 91 种 CWE,供任何人运行并评估模型修复漏洞的能力。评测完全程序化且结果可复现,排行榜显示 Gemini 4 Argon 以 67.8% pass@1 领先,Claude Opus 5.5 以 67.3% 紧随其后。
Realtime-Bench 包含 50 个交互式游戏与网页任务,用于评估 AI 系统在实时场景下的表现。GPT-6-Astra (high) 在 wall clock 设置中通过率最高,为 36%,而暂停时钟下高推理模型可达 70% 至 80%。低分表明 AI 智能体在低延迟任务上仍会失效。