Paper PPT
该技能将已发表的学术论文转化为紧凑、视觉化的PPT，用于用户指定语言的口头报告。它不依赖于特定语言和领域：可用于任何书面或口头语言，以及机器人学、具身AI、机器学习、计算机视觉、自然语言处理、系统或其他实证研究论文。根据论文内容调整方法和指标解释，而非强制使用领域特定的术语。
不可协商的输出规则
- 优先使用最终发表的PDF，并记录会议、DOI、版本以及页码/图表/表格引用。如果用户要求避免预印本，当存在会议或期刊PDF时，不要使用仅基于arXiv的版本。
- 尽可能使用论文的原始图表。仅从PDF中裁剪图表区域；不要用手绘示意图替换可用的原始图表。仅当论文未提供关系图时，才允许编辑重绘，且必须标注“为本次演示重绘”。
- 不要在图像裁剪中保留周围的正文、相邻列或无关的标题。保留裁剪清单，包含来源PDF的哈希值、页码、坐标和含义。
- 使用
assets/template-spec.md中的轻量级模板规格以及references/style-guide.md作为视觉参考。保持幻灯片画布为16:9，使用浅灰色背景、深海军蓝标题、柔和的蓝色强调色、矩形信息块，无装饰性视觉杂乱。模板是风格参考，而非对科学内容的限制。 - 选择支持请求语言和文字的字型。Microsoft YaHei 仍是中文演示文稿的默认字体；对于其他文字，选择覆盖完整字形范围的已安装字体，避免显示缺失字形的方框。在第一张幻灯片的左上角突出显示论文标题，并在其下方放置请求语言的副标题或翻译（如有用）。
- 每张幻灯片都包含流畅的演讲者备注，使用请求的语言或语言组合。备注必须先解释图表所代表的故事，再解读数字；避免使用“左侧”、“右侧”或“第二张图”等位置性短语，而应用内容描述结构。
- 文本或图像不得超出幻灯片边界。保持表格可读性，切勿将完整表格压缩成无法阅读的缩略图。
默认的四张幻灯片结构
除非用户要求其他页数，否则使用以下结构：
- 问题与研究问题 — 完整论文标题、具体的失败案例或研究空白、先前系统缺失的内容，以及论文的核心问题或贡献。
- 方法与训练/推理模块 — 一张原始框架图，输入→变换→决策→输出或反馈，理解方法所需的方程或标签，以及涉及学习时的训练过程。
- 实验设置与核心结果 — 原始数据集、场景或设置图，加上原始结果表格或图表；命名基线、数据划分或运行次数、指标、分母，以及每个指标的含义。
- 机制证据、消融实验与边界 — 原始定性比较或消融图与表格；将结果与声明的机制联系起来，然后说明局限性和研究方向。
对于三页请求，合并第1页和第4页。对于六页或九页请求，扩展每个模块，同时保持相同的叙事顺序。
语言选择
语言从未由技能固定。遵循用户对单一语言、多语言、翻译或双语输出的明确请求。如果未指定语言，则使用用户最新请求的语言。如果请求确实含糊不清，请在起草前询问一次。保留技术名称、方程、变量名和引用论文文本（当它们能提高准确性时），但用所选语言解释周围内容。将相同的语言选择应用于标题、图表、说明文字、替代文本、表格和演讲者备注。
工作流程
- 确认论文身份并获取完整的已发表PDF。阅读摘要、引言、概览图、方法、训练或数据构建、实验、说明文字、表格、消融实验和结论。不要从摘要中推断缺失的数字。
- 使用
scripts/extract_original_figures.py或references/figure-extraction.md中的 PyMuPDF 方法提取原始图表。使用3-5倍的渲染比例，验证裁剪文本，并写入assets/original-figures-manifest.json。 - 根据证据起草幻灯片故事：问题→机制→实验→机制证据和局限性。保持声明比论文实际评估范围更窄。
- 使用参考模板或等效的
python-pptx脚本构建演示文稿。使用references/style-guide.md处理间距、颜色、字号、字体覆盖和安全的图片放置。 - 从
references/notes-template.md添加演讲者备注。包含每个关键指标的简短解读，包括指标是越高越好还是越低越好，以及分母是什么。 - 运行
scripts/validate_ppt.py和unzip -t检查最终的PPTX。如果可用的 LibreOffice 渲染，则导出PDF或PNG并逐张检查幻灯片。如果运行时阻止渲染，则仅报告进行了结构检查；不要声称通过了视觉QA。
证据纪律
在幻灯片文本和备注中区分：
- 论文陈述：作者定义或声称的内容；
- 观察结果：实际报告的数字、表格、曲线或定性结果；
- 演示解读：该证据支持的较窄解读。
不要将模拟指标转化为通用的现实世界保证。说明结果是模拟、真实机器人、零样本迁移、消融还是全系统比较。
支持资源
- 创建或修改演示文稿布局时，阅读
references/style-guide.md。 - 当需要裁剪已发布的PDF时，阅读
references/figure-extraction.md。 - 编写演讲者备注前，阅读
references/notes-template.md。 - 使用
scripts/extract_original_figures.py进行可重复的裁剪，使用scripts/validate_ppt.py进行结构检查。 assets/template-spec.md是轻量级的视觉参考，而非论文证据的来源。