拓冰建站拓冰建站
首页 / 资讯中心 / 正文

PPTBench: Towards Holistic Evaluation of Large Language Models for PowerPoint Layout and Design U...

PPTBench论文核心总结与关键部分翻译一、文章主要内容PPTBench是一个针对大型语言模型(MLLMs)在PowerPoint相关任务中布局理解与设计推理能力的综合多模态基准测试集。其核心内容围绕以下维度展开:1. 基准测试集设计数据基础:基于958个源自政府档案的专业PPT文件,构建了包含4439个样本的数据集,涵盖文本框、图片、图表等多种元素,平均每个PPT含23.7张幻灯片,符合真实办公场景的复杂度。任务分类:划分四大递进式任务类别,全面覆盖PPT处理全流程:检测(Detection):提取文本、识别格式风格、分析布局结构(如元素重叠、边界溢出);理解(Understanding):推断文本主旨、图表数据逻辑、表格层级关系等深层语义;修改(Modification):基于指令编辑元素、修改文本、优化布局(如对齐、调整间距);生成(Generation):从零创建幻灯片或演讲备注,需兼顾内容连贯性与视觉设计。输入格式:采用双模态输入,包括编码文本与布局元数据的结构化JSON文件,以及提供视觉依据的幻灯片截图,同时支持API调用实现可执行操作。2. 实验与核心发现评估了GPT
分享:

看完干货,该让你的企业上线了

免费需求沟通 · 48 小时内出具建站方案 · 河南本地可上门