📋 한 줄 요약
**[멀티에이전트 / 콘텐츠 생성]** 슬라이드 "산출물"이 아닌 발표 "프로세스"를 최적화하는 human-in-the-loop 멀티에이전트 시스템 DeepSlide와 산출물/전달 품질을 분리한 dual-scoreboard 벤치마크를 제안했다.
🎯 핵심 기여도
- 슬라이드 산출물뿐 아니라 발표 준비 전 과정을 지원하는 멀티에이전트 시스템 DeepSlide 제안
- 요구 사항 수집 → 시간 예산 기반 내러티브 계획 → 근거 있는 슬라이드·스크립트 생성 → 어텐션 보강 → 리허설 지원의 end-to-end 워크플로 통합
- Controllable logical-chain planner와 노드별 time budget을 결합한 발표 시간 관리
- 정적 산출물 품질과 동적 전달 품질을 분리 평가하는 dual-scoreboard 벤치마크 제시
💡 핵심 아이디어
대부분의 AI 슬라이드 생성기는 "시각적으로 그럴듯한 덱"만 최적화하고 페이싱, 내러티브, 발표 준비 같은 전달(delivery) 측면은 소홀히 한다. 발표의 본질은 산출물이 아닌 프로세스이며, 시간 예산이 있는 논리 체인 계획·증거 기반 스크립트·리허설 지원까지 함께 다루는 멀티에이전트가 있어야 진짜 발표 품질이 향상된다. 평가 또한 산출물과 전달을 분리한 dual-scoreboard로 봐야 진보를 측정할 수 있다.
🔬 기술적 접근법
- (i) Controllable logical-chain planner: 노드별 time budget으로 발표 흐름·페이싱 제어
- (ii) Lightweight content-tree retriever: 증거 grounding
- (iii) Markov-style sequential rendering with style inheritance: 일관된 시각 스타일로 순차 렌더링
- (iv) Sandboxed execution + 최소 repair: 렌더 가능성 보장
- Dual-scoreboard 평가: 정적 산출물 품질 vs 동적 전달 우수성 분리
📊 주요 결과
- 20개 도메인 × 다양한 청중 프로파일에서 평가
- 산출물 품질은 강력한 베이스라인과 동등
- 전달(delivery) 메트릭에서는 일관되게 더 큰 향상
- 내러티브 흐름, 페이싱 정확도, 슬라이드–스크립트 시너지 개선
- 더 명확한 어텐션 가이던스 제공
💭 의의 및 한계
"덱 자동 생성"의 패러다임을 "발표 프로세스 보조"로 확장한 관점과, 산출물–전달을 분리하는 dual-scoreboard 평가 방법론 모두 후속 연구의 기반이 될 만하다. 다만 human-in-the-loop가 필요하다는 점, 그리고 도메인·청중에 따른 일반화·UX 통합·실제 발표자 만족도 등의 실증은 더 폭넓게 진행될 필요가 있다.
🚀 실용적 활용
학술 발표 준비, 사내 임원 보고, 영업 피치, 교육 자료 제작, 컨퍼런스 톡 리허설 등 "시간이 정해진 발표"가 핵심인 모든 시나리오에서 슬라이드–스크립트–페이싱을 통합 지원하는 AI 어시스턴트로 활용 가능하다.