#幻灯片生成
这个主题在过往早报中的出现记录。深度条目直达研究报告，其余条目回到当日 edition。
MemSlides:分层记忆驱动的个性化幻灯片 agent,局部改稿不重生成整份
当日 HF 策展 upvotes 最高(159)。北邮、清华等提出 MemSlides,把长期记忆(用户画像记忆+工具记忆)与工作记忆分离,做个性化幻灯片生成与多轮局部改稿:用『Plan–Act–Guard』流水线只改最小受影响区域,而非反复重生成整份 deck;并放出 30 条人物-意图画像、覆盖 10 个职业的评测集。
它代表 agent 应用从『一次性生成』转向『可迭代、记得住偏好』的产品化方向。把『改一页不动全篇』做成一等公民,直击 PPT/文档类 agent 反复重生成、丢失上下文偏好的真实痛点。分层记忆 + 局部编辑这套组合,大概率会外溢到更广的文档/设计类 agent。值得关注的是其评测集偏小(30 条画像),普适性待更大规模验证。
MemSlides:分层记忆驱动的个性化幻灯片 Agent 登顶当日 HF 榜
MemSlides(arXiv 2606.17162,北邮/清华/上交)以 159 upvotes 居当日 HuggingFace 策展榜首。它把记忆分为长期记忆(用户画像+工具记忆)与会话工作记忆,通过 Plan–Act–Guard 流水线实现『局部最小改动』式多轮修订,而非整份重做。在 GPT-5、GLM-5、Gemini 3.1 Pro 上,人格对齐相对 DeepPresenter/SlideTailor 多维度提升;工具记忆消融显示『首次正确编辑时间』从 609.5s 降至 242.5s。
这篇登顶不是偶然——它精准踩中当下 Agent 工程最痛的两个点:个性化持久记忆与『局部修订』而非全量重生成。把用户画像、会话工作记忆、可复用工具经验三层拆开,是从『一次性生成』走向『可迭代协作』的范式转变,对所有文档/代码/设计类 Agent 都有借鉴价值。结合当日 GateMem、WorldLines 同台,『记忆』已成为 2026 年中 Agent 研究的主战场。