MemSlides: Um Framework de Agente Orientado por Memória Hierárquica para Geração Personalizada de Slides com Revisão Local em Múltiplas Rodadas

Resumo

A geração de apresentações personalizadas exige mais do que a simples condicionamento a um prompt ou modelo atual: os agentes devem preservar preferências estáveis do usuário em diferentes tarefas, reter novas preferências e restrições introduzidas durante revisões em múltiplas rodadas e realizar edições locais de forma confiável. Propomos o MemSlides, uma estrutura de memória hierárquica para agentes de apresentação personalizada que separa a memória de longo prazo da memória de trabalho e subdivide ainda a memória de longo prazo em memória de perfil do usuário e memória de ferramentas. A memória de perfil do usuário armazena perfis condicionados por intenção para personalização na rodada zero; a memória de trabalho carrega preferências ativas e restrições da sessão entre rodadas de revisão; e a memória de ferramentas armazena experiência de execução reutilizável para edição localizada confiável. O MemSlides combina esse design de memória com revisão localizada no escopo do slide, de modo que atualizações direcionadas atuam na menor região afetada, em vez de regenerar repetidamente o conjunto completo de slides. Em experimentos controlados, a memória de perfil do usuário melhora os julgamentos de alinhamento de persona em um banco de perfis multi-persona e multi-intenção; a injeção de memória de ferramentas melhora o comportamento de modificação em malha fechada em configurações diagnósticas de pares combinados; e casos qualitativos ilustram a capacidade da memória de trabalho de transferir preferências. Em conjunto, esses resultados sugerem que uma personalização eficaz na autoria de apresentações depende da separação entre perfis persistentes do usuário, memória de trabalho em nível de sessão e experiência de execução reutilizável durante a geração e a revisão localizada.

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.