還在為寫完論文后，制作一份高質(zhì)量的匯報(bào)PPT而焦頭爛額嗎？

西湖大學(xué)AGI Lab的最新力作——Auto-Slides，只需輸入論文PDF，系統(tǒng)即可自動生成結(jié)構(gòu)清晰、邏輯流暢的演示文稿，并支持用戶用自然語言進(jìn)行交互式修改。

除“一鍵變PPT”外，Auto-Slides還能實(shí)現(xiàn)高保真解析、認(rèn)知驅(qū)動重組。經(jīng)過三項(xiàng)用戶研究和自動化評估，其不僅兼顧理解性、教學(xué)友好度和科學(xué)準(zhǔn)確性，還能大幅提升學(xué)術(shù)交流效率，展示出AI在學(xué)術(shù)傳播和教育中的巨大潛力。

Auto-Slides：多智能體協(xié)作，打造專業(yè)級演示文稿

近年來，大模型（LLM）正在深刻改變科研人員與學(xué)術(shù)內(nèi)容的互動方式。然而，現(xiàn)有的LLM學(xué)習(xí)助手在將學(xué)術(shù)論文轉(zhuǎn)化為演示文稿時(shí)，仍存在三大痛點(diǎn)：

1、碎片化輸出： 論文本身結(jié)構(gòu)嚴(yán)謹(jǐn)，但對話式問答往往缺乏全局組織，導(dǎo)致學(xué)習(xí)體驗(yàn)割裂。

2、模態(tài)單一： 缺少圖表和公式，難以有效支撐復(fù)雜概念的理解與傳達(dá)。

3、缺乏教學(xué)邏輯： 學(xué)術(shù)寫作面向?qū)＜易x者，直接用于教學(xué)和匯報(bào)，內(nèi)容可能過于晦澀。

要真正實(shí)現(xiàn)“從論文到演示”的轉(zhuǎn)化，系統(tǒng)不僅要能精準(zhǔn)解析論文，更要能重組邏輯、補(bǔ)充多模態(tài)信息，并保證可交互性。Auto-Slides正是為此而生。

Auto-Slides的核心創(chuàng)新在于引入了多智能體協(xié)作框架，讓論文轉(zhuǎn)化為演示文稿的過程更專業(yè)、更貼近真實(shí)教學(xué)需求。系統(tǒng)整體分為四大核心環(huán)節(jié)：

△Auto-Slides的多智能體協(xié)作框架概覽

1. 高保真解析（Parser Agent）：告別亂碼，精準(zhǔn)還原論文精髓

學(xué)術(shù)論文不僅有文字，還包含公式、表格、圖示等多模態(tài)元素。Auto-Slides的解析模塊基于高精度PDF→Markdown轉(zhuǎn)換和LLM抽取策略，能夠完整保留這些信息。

這意味著，復(fù)雜的公式不會被打散成亂碼，表格也能被單獨(dú)識別和結(jié)構(gòu)化存儲，為后續(xù)處理奠定了準(zhǔn)確的基礎(chǔ)。

2. 認(rèn)知驅(qū)動的邏輯重組（Planner Agent）：讓演講更像“講故事”

傳統(tǒng)論文采用IMRaD（引言-方法-結(jié)果-討論）結(jié)構(gòu)，雖然嚴(yán)謹(jǐn)，但并不適合快速教學(xué)或演講。Auto-Slides結(jié)合教育心理學(xué)理論（如認(rèn)知負(fù)荷理論、雙通道理論），將其重組為PMRC（問題-動機(jī)-結(jié)果-結(jié)論）。

這種敘事邏輯更符合聽眾的理解節(jié)奏，讓一篇論文更像是一場引人入勝的“故事化”演講。

3. 質(zhì)量保障（Verification & Adjustment Agents）：杜絕“幻覺”，確保學(xué)術(shù)嚴(yán)謹(jǐn)

大模型在生成內(nèi)容時(shí)可能出現(xiàn)遺漏或“幻覺”。為此，Auto-Slides引入了驗(yàn)證-修正環(huán)節(jié)：由驗(yàn)證智能體對比幻燈片與原論文，發(fā)現(xiàn)關(guān)鍵信息缺失或表述不當(dāng)時(shí)，再由修正智能體進(jìn)行補(bǔ)全。

這一機(jī)制保證了輸出的學(xué)術(shù)準(zhǔn)確性和完整性，不會因?yàn)樽詣踊鵂奚鼑?yán)謹(jǐn)性。

4. 生成與交互優(yōu)化（Generator & Editor Agents）：人機(jī)協(xié)作，持續(xù)改進(jìn)

最終生成環(huán)節(jié)基于LaTeX Beamer，產(chǎn)出結(jié)構(gòu)專業(yè)、視覺規(guī)范的幻燈片。更重要的是，用戶可以通過自然語言與Editor Agent交互，例如說“幫我增加一頁解釋Attention機(jī)制”，系統(tǒng)就會自動更新并重新編譯。

這樣，Auto-Slides不只是“一次性生成”，而是支持人機(jī)協(xié)作的持續(xù)改進(jìn)。

這一獨(dú)特的框架，讓Auto-Slides既能自動化生成，又能按需調(diào)整，最終讓論文真正變成教學(xué)友好、演講就緒的多模態(tài)材料。

△Editor Agent可交換功能概覽

實(shí)驗(yàn)驗(yàn)證：用戶與專家共同見證優(yōu)異表現(xiàn)

為了驗(yàn)證Auto-Slides的價(jià)值，團(tuán)隊(duì)設(shè)計(jì)了三項(xiàng)用戶研究和一次自動化評估，從不同角度考察系統(tǒng)的可用性與優(yōu)勢。

1、User Study 1（學(xué)習(xí)者交互體驗(yàn)）

參與者為跨學(xué)科的本科生群體，他們首先瀏覽Auto-Slides自動生成的幻燈片，然后通過交互功能按需修改。

結(jié)果發(fā)現(xiàn)，交互式功能顯著提升了理解力和學(xué)習(xí)掌控感。學(xué)生普遍表示“更快抓住重點(diǎn)”，并且“能按照自己的需求組織內(nèi)容”。這說明系統(tǒng)不僅降低了學(xué)習(xí)門檻，還增強(qiáng)了學(xué)習(xí)者的主動性。

2、User Study 2（與LLM聊天式學(xué)習(xí)對比）

直接對比LLM對話學(xué)習(xí)與使用Auto-Slides學(xué)習(xí)，結(jié)果發(fā)現(xiàn)，Auto-Slides在結(jié)構(gòu)清晰度、視覺直觀性、支持理解與記憶上明顯優(yōu)于對話式學(xué)習(xí)，而聊天方式則在個性化探索方面表現(xiàn)更好。

此外，研究還發(fā)現(xiàn)學(xué)生的偏好是先用Auto-Slides 快速建立全局框架，再通過LLM對話進(jìn)行深入提問，形成互補(bǔ)工作流。

3、User Study 3（專家評估）

研究邀請有豐富科研經(jīng)驗(yàn)的專家，對比了兩類幻燈片：一種采用 PMRC 敘事優(yōu)化，另一種保留原始 IMRaD 順序。

結(jié)果發(fā)現(xiàn)，經(jīng)過敘事優(yōu)化的版本在內(nèi)容準(zhǔn)確性和邏輯流暢性上顯著更優(yōu)，更接近真實(shí)演講需要。專家反饋認(rèn)為“聽眾更容易跟上思路，也能更好把握關(guān)鍵信息”。

4、自動化評估（LLM-as-Judge）

通過大模型作為裁判，評估Auto-Slides在表格、公式保真度以及整體內(nèi)容完整性上的表現(xiàn)。

結(jié)果發(fā)現(xiàn)，增強(qiáng)解析模塊顯著提升了復(fù)雜多模態(tài)內(nèi)容的保真度，驗(yàn)證–修正機(jī)制則提升了內(nèi)容的準(zhǔn)確性和覆蓋率。整體魯棒性優(yōu)于系統(tǒng)的簡化版本。

應(yīng)用展望：AI賦能學(xué)術(shù)交流新范式

Auto-Slides系統(tǒng)展示了一種全新的AI輔助學(xué)術(shù)傳播范式。它將繁瑣的論文轉(zhuǎn)化為簡潔直觀的多模態(tài)演示材料，并允許用戶與系統(tǒng)共同塑造最終的匯報(bào)文稿。

這一框架未來有望廣泛應(yīng)用于學(xué)術(shù)會議演講、課堂教學(xué)、跨學(xué)科學(xué)習(xí)等場景，為全球的科研工作者和學(xué)生解鎖更高效、更智能的知識傳遞方式。

Auto-Slides不僅僅是一個工具，它更是一個真正經(jīng)過驗(yàn)證的學(xué)術(shù)演示助手，在理解性、教學(xué)友好度和科學(xué)準(zhǔn)確性三方面實(shí)現(xiàn)了完美平衡，并支持交互優(yōu)化，展示出巨大的落地潛力。

本文第一作者為西湖大學(xué)本科生楊宇恒，通訊作者為西湖大學(xué)AGI實(shí)驗(yàn)室助理教授張馳。該工作由楊宇恒在西湖大學(xué)AGI實(shí)驗(yàn)室完成。

論文鏈接： https://arxiv.org/abs/2509.11062

項(xiàng)目地址： https://auto-slides.github.io/