SlideLab 是一个无需训练的多智能体框架，能够直接从科研论文生成完整的学术报告幻灯片。系统首先规划演讲叙事结构，然后通过四类智能体协同工作：内容规划智能体负责抽取关键概念并组织章节；视觉生成智能体依据文本生成配图或图表；布局优化智能体对文字、图像进行排版以提升可读性；落地验证智能体检查引用、数据和图形的一致性。整个过程在共享的幻灯片文档上迭代细化，避免了传统流水线的错误累积。
在人类盲测中，SlideLab 在 77% 的论文上获得比开源和商业系统更高的偏好，同时使用的推理 token 约为最强开源基线的四分之一。为评估生成质量，作者提出了 ConfArena——一个模拟会议室的受众导向评估框架，逐页对幻灯片进行评分。实验表明，ConfArena 的排序与人工评审高度一致，并能成功捕捉注入的错误，如伪造数字、图像降质、幻灯片缺失及顺序混乱。
点评：SlideLab 通过多智能体协同实现了从论文到演示的端到端自动化，兼顾内容准确性与视觉呈现，且在资源消耗上具备显著优势，为学术交流提供了实用的生成与评估工具。