EditPPT：通过结构化工具使用多代理和双模态验证器进行忠实的长甲板幻灯片编辑

自动化幻灯片编辑需要同时满足修改精度、保存保真度和平台长度的鲁棒性。现有的基于 LLM 的系统经常无法处理现实世界的演示文件，因为它们依赖于理想化的中间表示或开放式代码生成，这很容易在长甲板上出现级联错误。我们引入了 EditPPT，这是一个多智能体框架，它将幻灯片编辑重新表述为受约束的工具选择问题。通过本机 PowerPoint COM 界面执行本地化的形状级操作，EditPPT 缩小了 LLM 操作空间，同时保留了用户创作的幻灯片的应用程序解析结构。通过跨模态分离验证，我们的双模态验证可以对指令保真度和视觉质量提供更可靠的评估。我们还推出了 DeckEdit-Bench，这是一个基准测试，包含 28 个人工创作的套牌、582 张幻灯片和 183 个跨短、中、长套牌层的编辑提示。实验表明，EditPPT 实现了 99.5% 的执行率、88.7% 的滑动定位 F1、82.5% 的指令跟踪以及 91.5% 的对象保留率，同时在长甲板上保持了强劲的性能。我们的代码和基准可在 https://anonymous.4open.science/r/EditPPT-0E27/ 上找到