伊利诺伊大学厄巴纳-香槟分校团队打造AI幻灯片专家：让机器真正"读懂"论文再做PPT

这项由伊利诺伊大学厄巴纳-香槟分校（University of Illinois Urbana-Champaign）联合中东技术大学（Middle East Technical University）开展的研究，于2026年4月以预印本形式发布在arXiv平台（编号arXiv:2604.11969），感兴趣的读者可通过该编号查阅完整论文。研究提出了一套名为ArcDeck的智能系统，专门解决"如何把学术论文自动变成高质量演示文稿"这个让无数研究人员头疼的难题。

每当学术会议临近，研究人员就面临一道必答题：把厚厚的论文压缩成十几张逻辑清晰、引人入胜的幻灯片。这件事听起来简单，做起来却极其耗神。要从数十页密密麻麻的文字里提炼出核心故事线，既要保留最关键的发现，又要让听众在短短二十分钟内跟上你的思路，对于许多研究人员来说，做PPT花的时间甚至不亚于写论文本身。

研究团队在这个问题上发现了一个根本性的挑战：现有的AI工具虽然能读论文、写摘要，却始终缺少一种人类演讲者天然具备的能力——理解论文背后的"叙事结构"，也就是论文想用什么顺序、什么逻辑把研究故事讲给听众听。正是为了弥补这一缺口，ArcDeck和配套评测基准ArcBench应运而生。

---

一、为什么AI做PPT总是差那么一口气

要理解ArcDeck的价值，得先清楚已有方法的症结在哪里。研究团队将已有的论文转PPT方案归纳为三类，每一类都有各自的致命弱点。

第一类方法最直接：把整篇论文丢给一个大型语言模型（可以把它理解为一个超级聪明的自动写手），让它一口气输出一套HTML或PDF格式的幻灯片。这就好比让人一口气读完一部五百页的小说然后立刻复述——即便再聪明，面对海量信息时也难免只能抓住表面，输出的往往是堆砌在一起的内容摘要，缺乏内在的连贯感和故事感。

第二类方法稍微聪明一些，把论文按章节拆开，每个章节单独处理再拼合。这相当于把一部电影按场景分包给不同的剪辑师，每人只看自己那段素材。结果每段剪得还算流畅，但整部电影看下来前后脱节，因为没人知道整体叙事想传达什么。

第三类方法是近期兴起的多智能体框架，让多个AI角色分工协作。这类方法先生成一个全局提纲，再交给专门的生成模块处理。这已经是进步了，但提纲本身的质量参差不齐，一旦提纲没能抓住论文的真正叙事逻辑，后续的所有工作都会跑偏。

ArcDeck的核心洞察在于：好的演示文稿不是论文内容的摘要，而是论文叙事逻辑的重建。一篇好的学术演讲，需要有一条清晰的"故事脊梁"——先铺垫问题，再引出背景，然后展示方法，接着呈现证据，最后收尾升华。这条脊梁不是随便凑出来的，而是深深嵌入在论文的段落关系、章节安排和修辞策略之中。ArcDeck的任务，就是把这条隐藏的故事脊梁挖掘出来，再用它来指导幻灯片的生成。

---

二、解构论文的修辞骨架：话语解析器

ArcDeck整个系统由三个大阶段构成，第一阶段是预处理，第二阶段是核心的叙事驱动提纲生成，第三阶段是最终的幻灯片渲染。每个阶段都有精心设计的智能模块协同工作，总共七个功能模块按固定顺序接力登场。

预处理阶段的工作有些像书房里的整理员。系统首先用两款专业工具（Docling和Marker）把论文PDF转换成干净的Markdown文本格式，同时把论文中的图表提取出来，整理成一个带有说明文字和尺寸信息的"视觉素材库"。参考文献也被单独解析，建立起短引用标注和完整文献记录之间的对应关系。完成预处理后，系统手头有了三样东西：结构化的文本、图表素材库、引用映射表，就像一个有条不紊的助手把所有原材料分门别类摆好，等待后续工序使用。

叙事驱动提纲生成阶段是ArcDeck最核心、最独特的部分，也是它与所有已有方法最根本的区别所在。这个阶段的第一个登场角色是话语解析器（Discourse Parser）。

所谓"话语解析"，借用的是语言学中的修辞结构理论（Rhetorical Structure Theory，简称RST）。这套理论由威廉·曼和桑德拉·汤普森在1987年提出，核心思想是：一篇连贯的文章不是段落的简单堆叠，而是段落之间存在着有意义的修辞关系。有些段落是在为另一段落提供背景，有些是在对前一段落的观点进行详细阐发，有些是在对某个主张进行评价，有些段落之间则是平行并列的关系。把这些关系逐级梳理出来，就能得到一棵树状结构——研究团队把它叫做"话语树"。

具体来说，话语解析器以论文每一个段落为最小单位（在RST术语中叫做"基本话语单元"），分析相邻段落之间属于哪种修辞关系。研究团队定义了八种关系类型，分成两大类。第一大类是"核心-卫星"关系，即一个段落是核心主张，另一个段落围绕它服务，包括"阐发"（添加细节和例子）、"解释"（说明为什么或怎么做）、"背景"（提供理解核心所需的前置信息）、"目的"（阐明动机和目标）、"评价"（对核心观点的判断和评估）、"组织"（起到路标指引作用的结构性说明）。第二大类是"多核"关系，即两个段落同等重要，包括"联合"（平行并列的内容）和"同体"（被切分开的同一语义单元）。

通过递归地把段落两两配对，再把配好的组合继续向上配对，最终形成一棵层级分明的树。树的叶节点是单个段落，越靠近树根的内部节点跨越的文本范围越大，代表越宏观的修辞结构。这棵树就是对该论文章节叙事逻辑的精确数学化描述，记录了"哪些内容应该在一起"以及"它们之间是什么关系"。

研究团队分析了生成的话语树在不同章节类型上的分布规律，发现结果与预期高度吻合：引言和相关工作部分"背景"关系出现得最多，因为这两个部分的主要功能就是铺垫语境；方法部分"阐发"关系占主导，因为方法描述需要不断深入展开细节；评价和结论部分"评价"关系最为密集，因为这里是对结果进行总结和反思的地方。此外，研究者还验证了一个RST理论的基本预测：话语树中的内部节点数量与段落数量呈近线性关系（Pearson相关系数r=0.895），说明生成的话语树在结构上是合理的，而非随机拼凑。

---

三、给幻灯片定下全局基调：全局承诺构建器

有了话语树，系统掌握了论文的局部修辞结构，但还缺少对整体演讲目标的把握。这就引入了第二个核心模块：全局承诺构建器（Commitment Builder）。

全局承诺（Global Commitment）这个概念可以用这样的比喻来理解：在开始写一本书之前，作者通常会先写一份"创作大纲"，明确这本书想传达什么核心主张，主要读者是谁，哪些内容必须深入展开，哪些内容可以一笔带过，整体叙事的情感弧线是什么。全局承诺构建器做的就是这件事，只不过它是根据论文内容自动生成这份"演讲策划书"。

全局承诺文档包含五个组成部分。第一部分是"快照"，记录论文标题、作者、发表信息、一句话概括、是否有代码仓库等基本元数据。第二部分是"演讲合同"，明确目标受众（比如"研究人员"）、预计演讲时长（比如"20分钟"）、假设听众已具备的背景知识、演讲目标（是告知还是说服）、建议幻灯片总数、内容风格偏向（图文并重还是文字为主）、数学深度（轻量还是中等），以及"必须包含"和"必须避免"各2到5条准则。第三部分是"核心内容"，包含一句话论文主张、三条核心收获、按重要性排序的3到5个核心贡献，以及2到4条超出演讲范围不宜涉及的内容。第四部分是"叙事脊梁"，用5到7个有序步骤描述整场演讲的故事弧线，类似电影剧本的幕序安排。第五部分是"章节规划"，以表格形式列出论文各章节在演讲中的定位、优先级（高/中/低）和建议幻灯片数量。

以ArcDeck论文自身为例，系统生成的全局承诺里写道：核心论点是"基于话语建模和全局承诺的论文转幻灯片框架能产生更连贯的叙事"；叙事脊梁从"为什么做幻灯片很难"出发，经过"核心思路：通过RST话语树和全局承诺重建叙事"，再到"ArcDeck全流程介绍"，然后是"ArcBench数据集"，接着是"实验结果"，再到"消融分析"，最终在"总结与展望"处收尾。这份文档在整个后续生成过程中始终作为"最高指导方针"供所有下游模块参考。

---

四、在反复打磨中找到最佳叙事：叙事精炼循环

有了话语树和全局承诺，接下来是最精彩的部分——叙事精炼循环（Narrative Refinement Loop）。这个循环由三个角色组成：幻灯片规划者/修订者、叙事批评者和叙事裁判。

循环从幻灯片规划者开始工作。它结合话语树提供的段落关系信息和全局承诺提供的整体目标，为每个章节生成一个初始的幻灯片分组方案，即"草稿提纲"。草稿提纲是JSON格式的结构化文档，记录了每张幻灯片的编号、所属章节、幻灯片标题、被分配到这张幻灯片的段落列表，以及规划者对这种分组方式的理由说明。

但一次性生成的提纲往往不尽如人意，可能某些章节信息过于密集，某些过渡太生硬，或者某些关键发现被埋没在次要内容里。正因如此，草稿提纲随后被送入叙事批评者手中。批评者参照全局承诺，从五个维度系统审查提纲质量：与全局承诺的一致性（必须包含的内容是否都有？必须避免的内容是否混入了？）、全局叙事流（整体顺序是否符合一场好的学术演讲的逻辑？是否先介绍问题再提出方案？）、章节平衡性（每个部分的分量是否与其重要性相称？）、单张幻灯片内部连贯性（有没有一张幻灯片塞了太多不相关的内容，或者本该合并的幻灯片被拆散了？）以及冗余与遗漏（有没有同样的内容在多张幻灯片上反复出现？有没有重要的概念跳跃缺乏过渡？）。批评者生成的反馈是结构化的JSON文档，每条问题都标注了严重程度（高/中/低）和具体的修改建议。

叙事裁判则在批评者的反馈基础上做出最终裁决：这份提纲可以进入下一环节了（通过），还是需要再修改一轮（退回）？如果裁判认为存在高严重度的问题——比如必须包含的关键内容缺失，或者叙事顺序有根本性的混乱——就会强制要求退回修订。裁判的判决也是结构化输出，包含决定（通过/修订）、评分、置信度、必须修复的问题列表，以及值得肯定的亮点。

如果裁判发出修订指令，幻灯片规划者就变身为修订者，综合吸纳批评者和裁判的反馈，对提纲进行调整，然后重新提交审核。这个循环最多进行三轮，确保不会无限循环下去。

研究团队对这个循环的效果做了专项分析，选取了五篇经历了完整三轮迭代的论文进行对比。结果显示，叙事流评分从第一轮的4.18分，经过第二轮提升到7.00分，最终版本达到7.34分。两轮迭代的版本在与第一轮的配对比较中赢得56.4%，而最终三轮版本对第一轮的胜率高达100%。这说明迭代精炼确实在持续改善提纲质量，而不是徒劳的重复。

---

五、从提纲到可视幻灯片：幻灯片生成阶段

经过叙事精炼循环后，系统得到了一份高质量的叙事提纲，接下来进入第三大阶段——幻灯片生成，由两个模块接力完成。

幻灯片构建者（Slide Deck Constructor）是这个阶段的主力。它同时接收叙事提纲、图表素材库和全局承诺三份输入，开始为每张幻灯片填充具体内容。首先，它根据提纲中每张幻灯片被分配的段落内容，结合每个图表的说明文字，判断哪些图表最适合配合当前幻灯片的主题，完成"内容-视觉"的智能匹配。接着，它从14种预设的布局模板中为每张幻灯片选择最合适的那种。这14种模板覆盖了常见的幻灯片场景，包括纯文字版、右侧单图版、左侧单图版、顶部宽图版（适合宽幅图片）、双图并排版、四格混排版（上两格是图、下两格是文，或者反过来），以及三图底部加文字顶部版等。选择哪种模板取决于这张幻灯片被分配到了多少图表、图表的尺寸和宽高比，以及文字内容的多少。

在文字内容的生成上，幻灯片构建者也有明确的策略。它在"要点式"和"段落式"两种呈现方式之间做选择：当内容包含多个可以分条列举的独立要点时选择要点式，当内容是一个连贯的叙述性概念时选择段落式。无论哪种方式，都要在全局承诺的指导下，突出关键术语，保持与论文整体叙事目标的一致性。此外，幻灯片构建者还会提取文字中出现的引用标注，以备后续在幻灯片底部加注脚使用。整个输出结果是一个结构化JSON文档，包含全局元数据（标题、作者等）以及每张幻灯片的标题、内容、配图、表格和参考文献。

美学精炼者（Aesthetics Refiner）是最后一道工序，主要做四件事。第一是补充图片：对于那些内容构建者没有分配到图表的幻灯片，美学精炼者会再过一遍所有可用图表，尝试找到适合补充进去的视觉元素，并相应调整布局模板。第二是内容调整：检查每张幻灯片的文字密度是否合适——太稀疏的补充内容，太密集的精简合并，布局明显没有充分利用的幻灯片考虑合并处理。第三是文字着色：从幻灯片中出现频率最高的图表颜色中提取一个主题色，作为整套幻灯片的强调色，动态地给关键词上色，使视觉风格统一。第四是粗体标注：给关键专业术语加粗，增强可读性。最终输出的JSON文档经由python-pptx库渲染成可编辑的.pptx格式幻灯片。

值得一提的是，ArcDeck在输出格式上并不只局限于PowerPoint。系统同样支持JavaScript（通过PPTxGenJS库）和LaTeX Beamer格式，满足不同使用场景的需求。此外，系统在生成幻灯片时接受两个用户自定义参数：演讲时长和目标受众。这两个参数会直接影响全局承诺的生成，进而决定内容的详尽程度和技术深度。研究团队展示了同一篇论文（经典的"Attention Is All You Need"变换器论文）分别为5分钟和20分钟版本生成的幻灯片对比：5分钟版本把20分钟版本里展示不同配置结果的多张幻灯片压缩成一张只保留最关键结论的幻灯片，文字内容也大幅精简；类似地，面向"公众"和面向"研究科学家"的两个版本，在术语深度、方法细节和实验结果的展开程度上存在显著差异。

---

六、衡量好坏的尺子：ArcBench评测基准

任何声称能"生成高质量演示文稿"的系统，都需要一把靠得住的评测尺子。现有的论文-幻灯片配对数据集存在各种不足：有的只面向单一领域，有的没有对演示质量进行筛选，有的没有公开发布。为此，研究团队同步推出了ArcBench——一个专为衡量论文转幻灯片系统质量而设计的评测基准。

ArcBench的原始素材来自六大计算机视觉和机器学习顶级会议：CVPR、ECCV、ICCV、ICML、ICLR和NeurIPS，涵盖2022年至2025年间的论文，初步汇集了994对论文-幻灯片配对数据。随后，研究团队通过三道严格筛选将这994对压缩为最终100对。第一道筛选只保留口头报告（Oral Presentation）级别的论文，因为能在顶级会议获得口头报告资格的论文通常配有作者精心准备的高质量演示材料，能作为可靠的"人类基准"。第二道筛选要求每篇论文至少包含3张图，确保有足够的视觉内容用于测试图文结合能力。第三道筛选要求至少包含3张表格，确保有足够的定量内容用于测试信息覆盖能力。最终100对数据集覆盖了22个研究细分方向，每篇论文平均包含11.7个图表，每份演示文稿平均25.4页，涵盖了对比学习、视觉-语言模型、自监督学习、多模态大模型、联邦学习、扩散模型等多个活跃研究方向。

ArcBench的核心评测体系由四类指标构成。第一类是基于问答测试的内容覆盖度评估：先用GPT-5根据论文原文生成100道单选题（每种类型25道），覆盖四个维度——"故事"维度测试叙事弧的把握程度，"视觉"维度测试图表信息的传达效果，"困难"维度测试方法论细节的深度理解，"深度"维度测试实现细节和完整性覆盖；然后用另一个独立的模型仅看生成的幻灯片来回答这100道题，答题正确率就反映了幻灯片传达论文内容的效果。第二类是VLM裁判评分：设计了针对四个维度的10条标准检核表，由视觉-语言模型为每份演示文稿在文字质量、叙事流畅性、视觉布局、视觉主题一致性四个维度分别打0到10分，每条标准要么达到（1分）要么未达到（0分），不模糊评分。第三类是自动化文本指标：用ROUGE-L衡量幻灯片文字与原论文的文本重叠程度，用LLaMA-3-8B计算困惑度（Perplexity）衡量幻灯片文字的语言流畅性。第四类是配对偏好测试：将两份幻灯片并排展示给模型裁判，判断哪一份在叙事流或整体质量上更优，报告胜率百分比；这个测试分两种：一种是ArcDeck与各基准方法的两两对比，另一种是把ArcDeck和各基准方法分别与人类作者准备的幻灯片对比，看哪种方法的输出最接近人类水平。

---

七、实验结果：数字背后的故事

研究团队在ArcBench的100对数据上，用三种生成模型（GPT-4o、GPT-5、Qwen3-VL-32B）运行了ArcDeck和四个基准方法，基准方法包括纯HTML提示生成（HTML）、Paper2Poster、PPTAgent和SlideGen。为了减少单一模型裁判的偏差，评测同时使用了GPT-5和Qwen3-VL两个评判模型，每项评测重复11次取多数或平均值。

在配对叙事流偏好测试中，ArcDeck的表现非常突出。以GPT-5作为生成模型时，Qwen3-VL裁判认为ArcDeck相对于Paper2Poster的胜率是62.4%，相对于PPTAgent是100%，相对于HTML是82.4%；GPT-5裁判的结果相近，分别是97.6%、100%和84.7%。与SlideGen的对比最为接近，但ArcDeck依然保持正向优势（55.3%和50.6%）。研究团队将这一边际优势归因于ArcDeck的话语感知提纲生成和叙事精炼循环——SlideGen在视觉设计上已经做得相当好，所以差距主要体现在叙事层面而非视觉层面。

在问答测试上，ArcDeck在"故事"维度上在三种生成模型下都排名第一，这直接验证了话语驱动的提纲对保留论文高层次叙事弧的效果。"困难"和"深度"两个维度上的提升尤为显著：以Qwen3-VL为生成模型时，ArcDeck在困难题上超过第二名6.65分，在深度题上超过3.43分。研究团队的解释是，话语树中保留了"阐发"和"解释"关系，使得方法论的细节和逻辑推导在内容浓缩过程中得到了更好的保护，而不是像其他方法那样在压缩时直接丢掉。

在VLM裁判打分上，ArcDeck在叙事流维度上同样领先：使用GPT-5生成时，开放评判者给出的叙事流评分是91.39，闭源评判者给出63.83，均为各方法最高或次高。视觉布局和视觉主题维度上，ArcDeck的得分也相当有竞争力，以GPT-5生成时视觉布局得分高达99.40（满分100），视觉主题96.06。

在与人类作者幻灯片的配对对比中，所有AI方法都输给了人类，这是合理的，因为人类专家在准备演讲时会调动所有背景知识、个人风格和演讲经验，这是当前AI系统无法匹敌的。但在各AI方法中，ArcDeck的胜率最高，这意味着它的输出在整体质量上最接近人类水平。以GPT-5生成、GPT-5裁判的配对结果为例，ArcDeck对人类幻灯片的胜率是48.1%，而SlideGen是45.8%，PPTAgent是40.0%，HTML和Paper2Poster则是33.3%，这说明ArcDeck与人类幻灯片之间的质量差距是最小的。

在自动化文本指标上，ArcDeck以GPT-4o和Qwen3-VL为生成模型时在ROUGE-L上分别取得84.8和156.0的最高分；困惑度方面，ArcDeck同样保持了与Paper2Poster相当的低困惑度，说明生成的文字流畅自然。值得注意的是ROUGE-L数值的绝对大小因缩放因子（乘以10??）而偏小，理解为相对排名更有意义。

---

八、拆掉零件看效果：消融实验与分析

为了弄清楚ArcDeck的哪个部件起到了关键作用，研究团队做了消融实验，逐一去掉话语解析器、全局承诺构建器和叙事精炼循环，观察对叙事流质量的影响。结果非常清晰地说明了三个模块各自的价值。

去掉话语解析器后，VLM裁判的叙事流评分从9.70下降到7.50，ArcDeck完整版在配对对比中对这个变体的胜率高达89.1%。去掉话语解析器的主要后果是内容分组变得混乱，相互关联的段落被拆散到不同幻灯片，而在话语上本该分属不同主题的内容则被胡乱堆在一起，导致单张幻灯片的焦点涣散。

去掉全局承诺构建器的影响甚至更大，叙事流评分下降到7.52，完整版的胜率达到94.5%。这个变体最典型的失误是叙事顺序错乱——在定性展示中可以看到，它把"提出方法"放在了"介绍现有方法"和"设置任务背景"之前，颠倒了一场好学术演讲应有的叙事顺序。这说明全局承诺不只是锦上添花的优化，而是整个叙事框架得以成立的基础约束。

去掉叙事精炼循环的影响相对较小但依然明显，叙事流评分降到8.68，完整版的胜率61.8%。这个结果说明精炼循环确实在一次性生成的基础上提供了额外的质量提升，但幅度不如前两个模块那么剧烈——这是合理的，因为话语解析器和全局承诺提供的是结构性先验，而精炼循环提供的是迭代式调优。

研究团队还做了一项人类评测，招募了25位本科生和研究生参与。每位参与者在自己最熟悉的三个研究方向之一（生成模型、视觉-语言/多模态学习、计算机视觉核心方向）中，对五篇口头报告论文的ArcDeck、SlideGen和PPTAgent生成结果进行排名。结果显示，ArcDeck的平均得分是2.60分（满分3分），SlideGen是2.30，PPTAgent只有1.10。在三个细分方向上，ArcDeck均排名第一，且在"计算机视觉核心"方向上的领先最为明显（2.66对比SlideGen的2.14）。

此外，研究团队还分析了整个系统的token消耗情况，揭示了不同模块的计算开销分布。叙事驱动提纲生成阶段总共消耗128.5K个token（输入116.5K，输出12.1K），幻灯片生成阶段消耗83.3K个token（输入73.6K，输出9.7K）。在提纲生成阶段内部，叙事精炼循环占据了最大份额，其次是话语解析器，全局承诺构建器占比最小。

---

九、跨越领域和格式的延伸

ArcDeck在设计上具备良好的通用性，不局限于AI领域的论文。研究团队展示了用GPT-5为一篇物理学论文（关于引力波观测的LIGO研究）和一篇生物学论文（关于疟疾控制的CRISPR基因筛选研究）生成幻灯片的结果。两套幻灯片在叙事结构上都展现出清晰的逻辑层次，视觉设计也保持了一致的专业水准，说明系统的核心机制不依赖于特定学科的领域知识，而是基于更通用的修辞和叙事逻辑。

研究团队也诚实地指出了现有局限。由于开源和闭源模型在能力上存在本质差距，同一套提示策略在不同模型上的效果有时会有较大波动，要在每个模型上都取得最优表现可能需要针对性的提示调整。此外，在失败案例分析中，研究团队发现当幻灯片中的要点数量过多时，生成的文字会超出幻灯片边界，与底部的引用注脚产生重叠，这是当前系统在布局精度上需要进一步改进的地方。

---

说到底，ArcDeck的意义不只在于"帮人做PPT省时间"这一层表面价值。它背后代表的是一个更深刻的认知：在信息爆炸的时代，如何从密集的文字中提取并重建意义，本身就是一个需要认真对待的智识问题。把一篇论文做成一套好幻灯片，要求演讲者同时理解"这篇论文在说什么"和"我应该用什么顺序把它说给别人听"——这两件事并不是同一件事，而现有的AI工具长期以来只处理了前者。ArcDeck通过引入修辞结构理论和全局承诺机制，迈出了认真对待后者的第一步。

当然，与人类专家准备的幻灯片相比，AI生成的结果仍有明显差距，毕竟人类演讲者能调动个人经历、听众洞察和即席应变等AI尚不具备的能力。但这项研究至少告诉我们，让AI真正"懂得如何讲故事"不是遥不可及的事，而是一个可以用工程化方法系统推进的方向。想深入了解技术细节的读者，可以通过arXiv编号2604.11969查阅完整论文，代码和数据集也已在GitHub仓库RehgLab/ArcDeck以及项目网站arcdeck.org公开发布。

---

Q&A

Q1：ArcDeck与普通的AI做PPT工具有什么本质区别？

A：普通AI做PPT工具通常是直接把论文文字进行摘要压缩，或者按章节逐段处理后拼合，没有考虑整篇论文的叙事逻辑。ArcDeck的核心区别在于引入了两个额外机制：一是"话语树"，用修辞结构理论分析段落之间的修辞关系（谁是主干观点、谁是背景铺垫、谁是细节补充），从而理解论文的内在叙事结构；二是"全局承诺"，在生成幻灯片之前先制定一份覆盖目标受众、演讲时长、必须包含内容等的整体规划文档，让所有后续生成工作都在统一的目标约束下进行。两者结合使ArcDeck生成的幻灯片不只是论文内容的压缩版，而是经过叙事重建的演讲版。

Q2：ArcBench评测基准是怎么判断一套幻灯片质量好坏的？

A：ArcBench使用了四类互补的评测方法。第一类是"问答测试"，用GPT-5根据论文原文出100道单选题，覆盖叙事弧、图表信息、方法论细节和全面性四个维度，然后让评测模型仅凭幻灯片答题，正确率反映内容传达效果。第二类是"VLM裁判打分"，用视觉-语言模型根据10条具体标准检核表对幻灯片在文字质量、叙事流畅性、视觉布局和视觉主题一致性四个维度打分。第三类是"文本重叠和语言流畅度"自动计算指标。第四类是"配对偏好测试"，让模型裁判对两套幻灯片进行两两比较，判断哪套更好，同时也将AI生成结果与人类作者准备的幻灯片进行对比，衡量与人类水平的差距。

Q3：ArcDeck生成的幻灯片能适应不同演讲时长和受众吗？

A：可以。ArcDeck在启动时接受两个用户输入参数：演讲时长（如5分钟或20分钟）和目标受众（如"公众"或"研究科学家"）。这两个参数会直接影响全局承诺文档的生成，进而影响后续所有模块的工作。演讲时长不同时，5分钟版本会把多张幻灯片压缩成更少、更精炼的内容，只保留最核心的结论；20分钟版本则保留更多细节、实验配置和对比分析。目标受众不同时，面向公众的版本使用更通俗的语言和高层次的概念框架，而面向研究科学家的版本则保留更多技术细节、实验数据和专业术语。