ACE: A Self-Correcting Agentic Canvas Editor for Multi-Slide Presentation Automation
本文介绍了 ACE，一种具有自我修正能力的智能画布编辑器，它利用层级化场景图和无需真值的反馈循环来克服扁平格式文档编辑中的布局脆弱性和评估挑战，从而以显著更低的成本和延迟，实现了优于现有智能体流水线的指令遵循性能和人类偏好。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在数字设计领域，制作演示文稿很少是从空白页开始的。大多数人从模板开始，即一种预设结构的文档，它提供了专业的布局和一致的视觉风格。这种方法节省了时间并确保了质量，但也产生了一个新问题：修改该模板通常非常困难。当用户想要重新排列列表、将图表替换为图解，或调整数十张幻灯片中文字的间距时，他们必须手动移动每一个元素。如果他们添加了一个新项目，往往需要重新计算其他所有元素的位置以避免重叠，这是一个需要不断关注细节的繁琐过程。
人工智能已经开始在这方面提供帮助，利用大语言模型作为数字助手，通过阅读指令来进行更改。然而，这些系统面临两个显著的障碍。首先，用于存储这些演示文稿的文件通常被构建成一个具有固定位置的扁平化项目列表，缺乏层次感。这迫使计算机进行复杂的数学计算来确定每个元素的位置，导致布局经常出错。其次，设计是主观的；对于幻灯片应该呈现何种外观，并没有唯一的“正确”答案。传统的计算机程序通过将结果与特定的参考图像进行比较来判断成功与否，这不公平地惩罚了那些虽然不同但依然有效的创意选择。这使得自动化系统很难知道自己何时真正成功，或者何时需要再次尝试。
首尔大学的研究人员与 Miridih 公司共同开发了一种名为 ACE 的新系统来解决这些特定问题。ACE 不再将演示文稿视为扁平的坐标列表，而是将文档视为一个元素的结构化“家族树”，类似于网站的组织方式。在这种结构中，移动一个父容器会自动更新其中包含的所有项目，就像在电脑屏幕上调整文件夹的大小会带动其中文件的移动一样。这种方法使系统能够处理复杂的编辑，而无需不断重新计算位置。为了提高效率，该系统使用了一个智能路由，仅向计算机提供其需要处理的特定部分，而不是整个文档，从而节省了大量的时间和计算能力。
ACE 最显著的特征是它能够从自身的错误中学习，而无需人类先进行检查。该系统包含一个专门的“评判者”，它阅读指令并将指令与计算机刚刚做出的更改进行对比。如果更改未能完全符合用户的意图，评判者会写下一段清晰的自然语言评论，解释缺失的内容。这段评论随后作为一条新指令反馈给系统，促使其修复特定的错误。这个循环不断重复，直到系统确信任务已经完成。由于评判者评估的是是否遵循了指令，而不是将结果与单一的参考图像进行比较，因此它允许了其他系统可能会拒绝的有效创意变化。
在针对 94 种不同编辑任务对该系统进行测试时，研究人员发现 ACE 的表现显著优于现有方法。与直接编辑演示文稿文件的标准编码方法相比，ACE 遵循指令更准确，且完成任务的速度更快。该系统能够减少近 90% 的平均处理信息量，使其运行成本大幅降低。虽然最终幻灯片的视觉质量在统计学上与现有的最佳方法相似，但人类评分者一致认为 ACE 生成的结果更好。在盲测中，人们选择 ACE 输出结果而非其他方案的比例超过了一半，并且他们压倒性地更喜欢经过自我修正循环的版本。
研究还表明，该系统很少需要进行多次尝试才能获得正确结果。在约三分之二的情况下，系统在第一次尝试时就完成了正确任务。当它需要自我修正时，这一过程非常有效，绝大多数修正都能带来更好的结果。研究人员还实现了一种安全机制，即如果修正尝试导致结果变差，系统会自动恢复到之前的版本，从而确保系统永远不会降低工作的质量。通过将更智能的文档表示方式与理解人类意图的自我修正循环相结合，这种新方法为自动化处理专业演示文稿中复杂且注重细节的工作提供了一条可靠的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。