让论文开口“说话”：西湖大学 AGI Lab 推出 Auto-Slides

摘要：在 AI Agent 的家族里，我们已经见过“会写作的Agent”“会编程的Agent”。现在，一位新成员登场了：Auto-Slides——一个会做PPT的Agent。它可以把论文 PDF 一键转化为结构清晰、图文并茂的幻灯片，还能听懂自然语言指令，实时修改。

在 AI Agent 的家族里，我们已经见过“会写作的Agent”“会编程的Agent”。现在，一位新成员登场了：Auto-Slides ——一个会做PPT的Agent。它可以把论文 PDF 一键转化为结构清晰、图文并茂的幻灯片，还能听懂自然语言指令，实时修改。无论是学生、老师还是研究人员，都能借助它快速把复杂论文“讲清楚”。

示例生成结果：

还记得第一次做PPT的场景吗？一张空白页，光是想着“从哪开始排版”就让人头疼。尤其是面对几十页的论文，要在密密麻麻的公式和图表里筛选重点，再组织成逻辑流畅的幻灯片，这个过程常常比写论文更折磨。

如今，AI Agent 的浪潮正在改变这一切。西湖大学 AGI Lab 发布的 Auto-Slides，就是一个真正“会做PPT的Agent”。只需输入一篇论文，它就能自动生成完整的演示文稿；更重要的是，你还能随时与它对话，比如让它“多加一页解释核心方法”，或“把复杂公式换成图示”，它都能即时修改。

换句话说，Auto-Slides 不只是帮你写，还能帮你讲。它让论文第一次有机会“开口说话”，成为一份人人可理解、可演讲的故事。

论文信息

论文标题：Auto-Slides: An Interactive Multi-Agent System for Creating and Customizing Research Presentations论文链接：https://arxiv.org/abs/2509.11062项目主页：https://auto-slides.github.io/Github：https://github.com/Westlake-AGI-Lab/Auto-Slides

近年来，大模型正在重塑人们与学术内容的交互方式。但现有的 LLM 学习助手仍面临三大痛点：

输出碎片化：对话式问答缺乏全局组织，学习体验零散。模态单一：缺少图表与公式，难以支撑复杂知识的讲解。缺乏教学逻辑：论文写作面向专家，不适合作为演讲材料。

因此，“从论文到演示”的转化，需要的不只是摘要生成，而是能解析多模态内容、重组逻辑，并保持交互性的系统。

Auto-Slides 采用了多智能体协作机制，将“论文转演示”的过程拆解为四个关键环节：

解析论文：保留全部细节
论文不只是文字，还包含表格、公式和图示。Parser Agent 基于高精度 PDF 解析，能完整抽取这些多模态信息。
→ 保证公式不会乱码，表格能直接复现。逻辑重组：从 IMRaD 到 PMRC
学术论文强调研究的完整性，但演讲更需要清晰的故事节奏。Planner Agent 借鉴教育心理学，将 IMRaD（Introduction–Methods–Results–Discussion）转化为 PMRC（Problem–Motivation–Results–Conclusion）。
→ 先点出问题，再解释动机，展示结果，最后总结结论，更贴合听众的理解路径。验证与修正：避免“AI 幻觉”
Verification & Adjustment Agents 会对比论文与幻灯片，自动识别遗漏与错误，再进行修复。
→ 既能提高准确性，也避免了“编造内容”的风险。

生成与交互：让PPT可修改
最终，幻灯片由 LaTeX Beamer 渲染生成，保证学术规范。
用户还能通过自然语言指令交互，进行动态修改。

这意味着，Auto-Slides 不只是“一次性生成工具”，而是一个可协作的演讲助手。

研究团队通过三项用户研究和一次自动化评估，验证了 Auto-Slides 的价值：

学习者视角
跨学科本科生先体验自动生成，再通过交互修改。结果表明，他们觉得更容易抓住论文重点，学习节奏也更可控。与LLM对话式学习对比
Auto-Slides 在结构清晰度、直观性上更胜一筹；而对话方式则在个性化探索上有优势。两者结合使用，效果最佳。专家评估
专家对比了两类幻灯片：原始 IMRaD 顺序 vs Auto-Slides 的 PMRC 顺序。结果显示，经过逻辑优化的版本更易于演讲，也更利于听众理解。自动化评估
引入 LLM 作为“裁判”，检测内容保真度。结果显示 Auto-Slides 在复杂公式、表格的还原和整体完整性上表现突出。

这些结果说明，Auto-Slides 并不是单纯的“偷懒工具”，而是真正提高教学与传播质量的智能体。