X+Slides: Benchmarking Audience-Conditioned Slide Generation
作者: Haodong Chen, Xuanhe Zhou, Wei Zhou, Xinyue Shao, Yanbing Zhu, Bo Wang, Jiawei Hong, Anya Jia, Fan Wu
分类: cs.AI
发布日期: 2026-06-17
💡 一句话要点
提出X+Slides以解决观众条件下幻灯片生成问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 幻灯片生成 观众条件 动态评估 大型语言模型 信息覆盖 自动化内容生成 评估指标
📋 核心要点
- 现有方法在幻灯片生成中未能考虑目标观众的需求，导致生成内容的有效性不足。
- 论文提出了X+Slides基准，通过动态评估框架和观众特定效用权重，改善幻灯片生成的针对性。
- 实验结果显示，DeepPresenter、SlideTailor和NotebookLM在观众覆盖度上有所提升，但仍需进一步优化。
📝 摘要（中文）
自动从源文档生成幻灯片是大型语言模型（LLMs）的重要应用。现有基准主要评估幻灯片的完整性和技术深度，但忽视了目标观众这一关键现实因素。为此，我们引入了X+Slides，这是一个专门为观众条件下的幻灯片生成设计的基准。X+Slides基于涵盖113个主题和七个演示场景的多样化语料库，采用动态评估框架，由8,133个去重的源基础探针构成。通过为相同的源基础探针分配观众特定的效用权重，X+Slides报告了四个互补指标：观众覆盖度、领域覆盖度、效率和正确性。实验表明，当前系统能够恢复观众所需信息的相当一部分，但仍不完整。
🔬 方法详解
问题定义：论文要解决的问题是如何在幻灯片生成中考虑目标观众的需求，现有方法未能有效评估观众所需信息的传达效果。
核心思路：论文的核心解决思路是引入X+Slides基准，通过动态评估框架和观众特定的效用权重，确保生成的幻灯片内容更符合不同观众的需求。
技术框架：整体架构包括数据收集、探针设计、动态评估和结果分析四个主要模块。首先，构建多样化的语料库，然后设计源基础探针，接着进行动态评估，最后分析生成结果。
关键创新：最重要的技术创新点在于引入了观众特定的效用权重和四个互补指标，使得幻灯片生成不仅关注内容的完整性，还关注其对特定观众的有效性。
关键设计：在参数设置上，论文使用了8,133个去重的源基础探针，并通过观众覆盖度、领域覆盖度、效率和正确性等指标进行评估，确保生成内容的质量和针对性。
📊 实验亮点
实验结果显示，DeepPresenter在观众覆盖度上达到0.714，SlideTailor为0.594，而NotebookLM的消融实验则达到0.853。这些结果表明，当前系统在恢复观众所需信息方面仍有提升空间，且视觉质量和广泛主题覆盖不应被视为有效支持的唯一依据。
🎯 应用场景
该研究的潜在应用领域包括教育、商业演示和科研汇报等场景。通过更好地满足不同观众的需求，X+Slides能够提升幻灯片生成的实用性和有效性，未来可能对相关领域的自动化内容生成产生深远影响。
📄 摘要（原文）
Automatically generating slide decks from source documents is an important application of large language models (LLMs). Existing benchmarks primarily assess slide completeness and technical depth, while overlooking the target audience as a critical real-world factor. For instance, specialists demand rigorous proofs, whereas decision-makers prioritize actionable conclusions. To bridge this gap, we introduce X+Slides, a benchmark specifically designed for audience-conditioned slide generation. Built on a diverse corpus spanning 113 topics and seven presentation scenes, X+Slides employs a dynamic evaluation framework constructed from 8,133 deduplicated, source-grounded probes. By assigning audience-specific utility weights to the same source-grounded probes, X+Slides reports four complementary metrics: Audience Coverage measures how much audience-essential information is conveyed, Domain-wise Coverage shows which information types are covered, Efficiency measures delivered utility per unit of attention cost, and Correctness verifies whether slide claims are supported by the source. Experiments on DeepPresenter, SlideTailor, and NotebookLM show that current systems can recover a substantial but still incomplete part of audience-essential information: at $τ_A=0.7$, DeepPresenter reaches a best Audience Coverage of 0.714, SlideTailor reaches 0.594, and the NotebookLM ablation reaches 0.853 while showing clear grounding differences. These results indicate that visual quality and broad topic coverage should not be treated as evidence support without source-grounded evaluation.