据品玩 11 月 6 日报道，微软研究院联手北京大学，共同发布了一款名为 PPTC 的大模型测试基准，可以用于测试大模型在 PPT 生成方面的能力。 研究团队表示，PPTC 包含 279 个涵盖不同主题的多回合会话和数百条涉及多模式操作的说明。研究团队还提出了 PPTX-Match 评估系统，该系统根据预测文件而不是标签 API 序列来评估大语言模型是否完成指令，因此它支持各种 LLM 生成的 API 序列。此外，研究团队表示，当前大语言模型在生成 PPT 内容方面主要存在三个方面的不足，包括多轮会话中的错误累积、长 PPT 模板处理和多模态感知问题。