MemSlides : Un cadre d'agent piloté par mémoire hiérarchique pour la génération personnalisée de diapositives avec révision locale multi-tours

Résumé

La génération personnalisée de présentations nécessite plus qu'un simple conditionnement basé sur une invite ou un modèle : les agents doivent préserver des préférences utilisateur stables à travers les tâches, retenir les préférences et contraintes nouvellement introduites lors des révisions en plusieurs tours, et effectuer des modifications locales de manière fiable. Nous proposons MemSlides, un cadre mémoire hiérarchique pour les agents de présentation personnalisée qui sépare la mémoire à long terme de la mémoire de travail et subdivise en outre la mémoire à long terme en mémoire de profil utilisateur et mémoire d'outils. La mémoire de profil utilisateur stocke des profils conditionnés par l'intention pour une personnalisation au tour zéro, la mémoire de travail conserve les préférences actives et les contraintes de session à travers les tours de révision, et la mémoire d'outils stocke une expérience d'exécution réutilisable pour des modifications localisées fiables. MemSlides associe cette conception mémoire à une révision locale limitée aux diapositives, de sorte que les mises à jour ciblées agissent sur la plus petite région affectée plutôt que de régénérer répétitivement l'ensemble du jeu. Dans des expériences contrôlées, la mémoire de profil utilisateur améliore les jugements d'alignement de persona sur une banque de profils multi-persona et multi-intention, l'injection de mémoire d'outils améliore le comportement de modification en boucle fermée dans des contextes diagnostiques appariés, et des cas qualitatifs illustrent la capacité de la mémoire de travail à transférer les préférences. Pris ensemble, ces résultats suggèrent qu'une personnalisation efficace dans la création de présentations dépend de la séparation des profils utilisateur persistants, de la mémoire de travail au niveau de la session et de l'expérience d'exécution réutilisable à travers la génération et la révision localisée.

English

Personalized presentation generation requires more than conditioning on a current prompt or template: agents must preserve stable user preferences across tasks, retain newly introduced preferences and constraints during multi-turn revision, and carry out local edits reliably. We propose MemSlides, a hierarchical memory framework for personalized presentation agents that separates long-term memory from working memory and further divides long-term memory into user profile memory and tool memory. User profile memory stores intent-conditioned profiles for round-0 personalization, working memory carries active preferences and session constraints across revision rounds, and tool memory stores reusable execution experience for reliable localized editing. MemSlides pairs this memory design with scoped slide-local revision, so targeted updates act on the smallest affected region instead of repeatedly regenerating the full deck. In controlled experiments, user profile memory improves persona-alignment judgments on a multi-persona, multi-intent profile bank, tool-memory injection improves closed-loop modify behavior in diagnostic matched-pair settings, and qualitative cases illustrate working memory's ability to carryover preferences. Taken together, these results suggest that effective personalization in presentation authoring depends on separating persistent user profiles, session-level working memory, and reusable execution experience across generation and localized revision.