# SlideLab använder AI-agenter för att skapa och testa forskningspresentationer

> En ny artikel på arXiv beskriver ett system som omvandlar forskningsartiklar till bildspel och kontrollerar om publiken kan följa dem. Författarna säger att människor i en blind studie föredrog systemets presentationer framför andra systems för 77 procent av artiklarna.

Oossa · 2026-09-29 · https://oossa.com/sv/slidelab-uses-ai-agents-to-build-and-test-research-presentations

Att göra bilder av en forskningsartikel handlar om mer än att krympa texten. En presentation behöver en tydlig berättelse, användbara bilder och en ordning som hjälper åhörarna att förstå arbetet. SlideLab, ett system som beskrivs i en artikel på arXiv publicerad den 28 september 2026, är utformat för att hantera de uppgifterna.

Systemet använder flera AI-agenter som alla ansvarar för olika delar av arbetet. Först planerar det presentationens berättelse och skapar sedan ett gemensamt bildspel som bearbetas och revideras. Författarna beskriver metoden som ”training-free”, vilket betyder att ingen ny AI-modell tränas för uppgiften.

## Hur skapar systemet bilderna?

SlideLabs agenter hanterar innehållsplanering, bildskapande, layoutförbättring och kontroll av att påståenden stöds av källartikeln. De arbetar i flera omgångar i stället för att skapa ett bildspel i ett enda svep. Målet är att ta fram en sammanhängande presentation där innehållet samtidigt är förankrat i forskningen.

I en blind studie av människors preferenser jämförde författarna SlideLab med både system med öppen källkod och kommersiella system. De uppger att deltagarna föredrog SlideLabs presentationer för 77 procent av de testade artiklarna. Systemet använde också ungefär fyra gånger färre inferenstoken än det starkaste jämförda systemet med öppen källkod. Token är små textbitar som en AI-modell bearbetar, och siffran mäter modellens användning – inte kostnaden direkt.

## Hur utvärderas presentationerna?

Artikeln introducerar också ConfArena, en utvärderingsmetod som simulerar en konferenspublik och bedömer en presentation bild för bild. Författarna säger att metoden ger systemrankningar som stämmer överens med människors rankningar och kan upptäcka avsiktliga problem, till exempel ändrade siffror, försämrade figurer, saknade bilder eller bilder i fel ordning.

Artikeln rapporterar lovande resultat, men sammanfattningen anger inte detaljer som hur många artiklar eller personer som ingick i studien av deltagarnas preferenser. Sådana uppgifter är viktiga för att bedöma hur brett resultaten kan tillämpas. ConfArena presenteras som ett sätt att testa bildspel, inte som bevis för att ett AI-genererat bildspel kan presenteras utan mänsklig granskning.

## Fakta

- SlideLab beskrivs i arXiv-artikeln 2609.30294, som publicerades den 28 september 2026.
- Systemet planerar presentationens berättelse och använder agenter för innehåll, bilder, layout och kontroll av att innehållet är förankrat i källan.
- Författarna uppger att människor i en blind studie föredrog SlideLab framför system med öppen källkod och kommersiella system för 77 procent av artiklarna.
- Författarna säger att SlideLab använde ungefär fyra gånger färre inferenstoken än den starkaste baslinjen med öppen källkod.
- ConfArena testar bland annat om siffror har förfalskats, figurer försämrats, bilder utelämnats eller bildordningen ändrats.

## Varför det spelar roll

För forskare och studenter kan verktyg som SlideLab göra det lättare att omvandla en lång artikel till en presentation som fungerar bättre för publiken. Men de rapporterade resultaten räcker inte för att veta hur väl systemet fungerar inom olika forskningsfält, och någon behöver fortfarande kontrollera att bilderna är korrekta och tydliga.

## Källor och referenser

1. [SlideLab: Audience-Centered Scientific Slide Generation and Evaluation](https://arxiv.org/abs/2609.30294) – arXiv, 2026-09-28

Senast uppdaterad: 2026-09-29