科研人員開源本地通用幻燈片智能體模型與環境系統

　　近日，中國科學院軟件研究所團隊開源第二代幻燈片智能體系統DeepPresenter，實現了將幻燈片智能體模型與完整的智能體沙箱環境一同開源，可在單張消費級顯卡和終端上一鍵部署，并適配國產化算力生態。該成果重構了AI制作幻燈片邏輯，使智能體不僅能“深度探索”，還能“親眼所見”。

　　在內容生成方面，團隊構建了包含20余種專業工具的共享智能體環境，集成了基于Docker的智能體沙箱、arXiv實時文獻檢索，以及Python代碼執行與數據可視化等能力，為幻燈片內容的專業性與數據準確性提供保障。在排版優化方面，團隊提出了環境感知反思機制。這一機制通過“生成—渲染—審視—修正”的視覺閉環工作流，使智能體在每頁幻燈片生成后，調用沙箱內瀏覽器將代碼渲染為真實圖片，并基于截圖進行自適應檢查與迭代優化，直至排版效果達到預期標準。在模型訓練方面，團隊設計了系統化的訓練流水線。該訓練流水線基于PersonaHub與arXiv等多源數據集構建高多樣性任務數據，并在指令中定義頁數限制、寬高比及語言等細粒度約束條件；引入獨立評審機制以克服智能體的自我驗證偏差，由獨立模型作為外部評估者指出生成產物中的排版或邏輯缺陷；在1152個任務中篩選出802條高質量智能體軌跡用于監督微調訓練，涵蓋中英雙語、多種寬高比及復雜指令約束場景。

　　為驗證有效性，團隊在預留的128個測試任務中使用PPTEval進行系統評測，并與多種主流幻燈片生成方案進行對比。結果顯示，DeepPresenter（pptagent 2.0）9B版本獲得4.19綜合評分，與閉源模型GPT-5（4.22）表現接近，優于其他幻燈片生成方案。成本—性能分析表明，DeepPresenter-9B處于前沿曲線的最優平衡點位置，能以低于閉源模型的算力成本實現同等級別的生成質量。所有生成內容均輸出為可編輯的pptx格式，支持用戶自由修改與二次創作。