X+Slides：以受眾為條件的投影片生成基準測試
自動從原始文件產生簡報是大型語言模型的重要應用。過往測試多聚焦投影片完整度與技術深度，卻忽略受眾需求差異。研究團隊推出 X+Slides 基準，涵蓋 113 個主題與七種簡報情境，利用 8,133 筆去重且與來源文件對應的探測題，為不同受眾賦予效用權重，進而計算四項指標：受眾覆蓋率、領域覆蓋率、效率與正確性。
研究動機
自動從文件產出投影片是大型語言模型（LLM）的一項重要應用。但現有的基準測試大多只評估投影片的完整度與技術深度，忽略了受眾差異。專家需要嚴謹的證明，決策者則偏好可直接採取的結論，這在真實情境中相當關鍵。
X+Slides 基準概述
X+Slides 針對受眾條件化的投影片生成設計基準，資料集覆蓋 113 個主題與七種簡報情境。基準使用 8,133 筆去重且與來源文件對應的探測題（probe），並為相同探測題賦予不同受眾的效用權重，產出四項互補指標：
- 受眾覆蓋率（Audience Coverage）：衡量投影片傳遞受眾必備資訊的程度。
- 領域覆蓋率（Domain-wise Coverage）：顯示哪些資訊類型被涵蓋。
- 效率（Efficiency）：每單位注意力成本所產生的效用。
- 正確性（Correctness）：驗證投影片主張是否得到來源支撐。
實驗結果
在 DeepPresenter、SlideTailor 與 NotebookLM 三個系統上進行測試。以受眾效用門檻 τ_A=0.7 為例，DeepPresenter 的最高受眾覆蓋率為 0.714，SlideTailor 為 0.594，NotebookLM 的消融實驗則達到 0.853，且顯示出明顯的來源依據差異。結果顯示，即使視覺品質優秀，系統仍未完整捕捉受眾必備資訊，必須以來源對應的評估來驗證投影片內容。
結論與未來方向
本研究提出的 X+Slides 基準提供了受眾條件化的評估框架，提醒研究者在開發投影片生成模型時，不能僅以視覺效果或主題廣度作為唯一指標，必須加入來源依據的驗證，以提升實務應用的可信度與效用。
延伸閱讀
- DeLM：利用共享驗證上下文提升大型語言模型多代理效能
- CAF-Gen：利用多代理系統提升 CAF 框架論證挖掘的自動化精度
- 結合 OpenPsi 與 MetaMo 的十階段動機管線：對話式 AGI 的雙速決策策略
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
