来看一个PPT生成思路：PPTAgent。传统的PPT生成方法通常使用端到端的文本生成范式，这种方法仅关注文本内容，忽略了布局设计和PPT结构。PPTAgent 采用了一种基于编辑的生成范式，解决处理空间关系和设计风格方面的挑战。

传统方法的每个幻灯片 可以用以下公式表示：

其中， 表示幻灯片上的元素数量， 表示由章节和图形组成的源内容。每个元素 由其类型、内容和样式属性（如边框、大小、位置等）定义。

与传统的生成方法相比，PPTAgent 采用了一种基于编辑的生成范式，该方法生成一系列修改现有幻灯片的动作。过程可以用以下公式表示：

其中， 表示生成的动作数量，每个动作 表示一行可执行的代码， 是正在编辑的参考幻灯片。

方法

PPTAgent框架

在本文中，PPTAgent 是一个用于自动生成PPT的框架。采用基于编辑的工作流程，分为两个阶段：PPT分析和PPT生成。

阶段 I: PPT分析

主要目标是通过幻灯片聚类和内容schema提取，为PPT生成提供结构化和语义化的参考信息。这一阶段的结果将直接影响后续阶段的生成质量和效率。

1. 幻灯片聚类

   幻灯片聚类（层次聚类）是将参考PPT中的幻灯片按照其功能和内容进行分组的过程。幻灯片可以分为两大类：

   聚类算法：

   层次聚类

   聚类示例

2. • 结构性幻灯片：这些幻灯片主要用于支持演示文稿的结构，例如开场幻灯片、过渡幻灯片和结束幻灯片。对于此类幻灯片，PPTAgent利用LLM推断每个幻灯片的功能角色，并根据这些角色进行分组。这些幻灯片通常具有明显的文本特征。
   • 内容性幻灯片：这些幻灯片主要用于传达具体的信息，例如包含项目符号、图表和图像的幻灯片。对于此类幻灯片，PPTAgent采用基于图像相似性的层次聚类方法。通过计算幻灯片之间的图像相似度，将相似的幻灯片归为一组。

3. 内容Schema提取

   完成幻灯片聚类后，PPTAgent进一步分析每个聚类的内容Schema，以确保编辑的目标一致性。由于现实世界中的幻灯片可能非常复杂且碎片化，PPTAgent利用LLM的上下文感知能力提取多样化的内容Schema。PPTAgent定义了一个内容Schema提取框架，其中每个元素由其类别、模态和内容表示。基于这个框架，PPTAgent通过LLM的指令遵循（原文给出了相关prompts）和结构化输出能力，从每个幻灯片中提取内容Schema。提取过程如下：

4. • 类别：描述元素的类型，例如文本框、图像等。
   • 模态：描述元素的呈现方式，例如纯文本、带图形的文本等。
   • 内容：描述元素的具体内容，例如文本内容或图像的替代文本。

阶段 II：PPT生成

第二阶段是基于第一阶段的分析结果，生成新的PPT。这一阶段的核心是通过交互式的编辑过程，利用参考幻灯片和输入文档生成目标PPT。步骤包括：生成一个结构化的大纲，指定每个幻灯片的参考幻灯片和相关内容；使用LLMs迭代编辑参考幻灯片以生成新幻灯片；实现五个专门的API，允许LLMs编辑、删除和复制文本元素，以及编辑和移除视觉元素。

大纲生成：大纲生成是根据人类偏好，指导LLM创建一个结构化的大纲。每个条目指定参考幻灯片、相关文档部分索引以及新幻灯片的标题和描述。通过利用LLM的规划和总结能力，结合从参考PPT中提取的语义信息，生成一个连贯且吸引人的大纲，从而指导新PPT的生成过程。

幻灯片生成：幻灯片生成是在大纲的指导下，通过迭代编辑参考幻灯片来生成新幻灯片的过程。为了实现对幻灯片元素的精确操作，PPTAgent实现了五个专门的API，允许LLM编辑、删除和复制文本元素，以及编辑和删除视觉元素。此外，为了增强对幻灯片结构的理解，PPTAgent将幻灯片从其原始XML格式转换为HTML表示，这种表示形式更易于LLM解释。

实验

评价指标，现有的指标包括：

• 成功率（Success Rate, SR）
• 困惑度（Perplexity, PPL）
• Fréchet Inception Distance（FID）

PPTEval指标包括：

• 内容（Content）
• 设计（Design）
• 连贯性（Coherence）
• 平均分（Avg.）

这些指标用于评估生成的PPT在不同维度上的质量。

参考文献

评估生成的PPT在不同维度上的质量。
PPTAgent: Generating and Evaluating Presentations Beyond Text-to-Slides，https://arxiv.org/pdf/2501.03936v1

最后，给大家一些福利：

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

基于知识点我自己画了一张AI大模型入门学习的思维导图，基本上是一份纯自学的学习指南，因为本身我们就具备编程基础，学习起来其实不难的，需要这份学习路线图和学习资料包的可以扫码添加一下我的小助手，她会把实战教程、学习路线图、书籍和手册分享给大家。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

下面给大家分享一份2025最新版的大模型学习路线，帮助新人小白更系统、更快速的学习大模型！

有需要完整版学习路线，可以微信扫描下方二维码**，立即免费领取!**

AI大模型学习路线汇总

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

学会后的收获：

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

下面给大家分享一份2025最新版的大模型学习路线，帮助新人小白更系统、更快速的学习大模型！

有需要完整版学习路线，可以微信扫描下方二维码**，立即免费领取!**