論文配圖一鍵封神！北大谷歌開源PaperBanana，5個Agent全包了

新智元報道

編輯：傾傾

【新智元導讀】科研人的深夜噩夢，終于有人來終結了！剛剛，北大聯合Google CloudAI發布PaperBanana，直接把論文配圖變成了全自動流水線。5個智能體組團干活，生成的架構圖對標NeurIPS頂會標準。以后寫論文，你只管敲字，畫圖這事兒，AI包了。

你有沒有過這樣的經歷：論文寫好了，但架構圖卻讓你焦頭爛額。

不是配色太土，就是線歪了，要么就是模塊大小不協調，簡直比寫論文還要難。

別擔心，有這樣焦慮的人不止你一個！數據顯示，科研人員有45%的時間被浪費在了這種低級的繪圖調整上。

但就在今天，科研狗的繪圖之神——PaperBanana出現了。

5個智能體

治好了AI的「視覺精神病」

無論是Midjourney還是DALL-E3，在畫科研圖表時都像個人工智障。

讓GPT-Image-1.5直接讀取論文畫圖，它的綜合得分只有11.5分（滿分100）。

在「忠實度」這一項，甚至只有4.5分。

它畫出來的圖，看起來像那么回事，但該連的線連不上，該有的模塊給你瞎編。

PaperBanana敏銳地發現，既然單個模型會產生幻覺，那我一次性調用5個Agent協同工作，總不能5個一起產生幻覺吧。

1. Retriever（檢索）：RAG的抄作業美學

拿到任務后，Retriever直接發動RAG技能，去頂會數據庫里打撈10張最相關的參考圖。

2. Planner（策劃師）：把人話翻譯成「藍圖」

這是系統的「認知核心」。

它負責死磕論文里最晦澀的Methodology，把那些文字邏輯硬拆解成視覺藍圖。

搞清楚誰連誰，誰包含誰，絕不讓邏輯拓撲亂成一鍋粥。

3. Stylist（風格智能體）：拿捏NeurIPS的「高級感」

為了解決「圖Low」的問題，Stylist會生成一份名為Aesthetic Guideline的最高優先級指令。

該指令會強制把Planner的指令修正為符合頂會標準，想用Excel默認藍？門都沒有！

4. Visualizer&Critic（閉環核心）：3輪循環，甲方煉獄

PaperBanana能夠拿到60.2分的關鍵，秘密，全在這倆貨的互撕上：

• Visualizer：調用Nano Banana Pro，渲染圖片。

• Critic：這是整個架構的靈魂——專業找茬。

Critic會拿著原論文跟圖比對，一旦發現連線錯了、模塊少了，直接生成修正指令，打回去重畫。這個過程會暴力循環3次。

PaperBanana官方論文中的失敗案例

數據顯示，正是這3輪迭代，將圖表的忠實度從不可用的4.5提升到了45.8，在這一指標上直接逼近人類水平（50.0）。

審美降維打擊

AI總結的《NeurIPS 2025審美黑話》

在PaperBanana眼里，美感是一堆冷冰冰的參數。

Stylist Agent遍歷了NeurIPS 2025所有論文，搞了一次逆向工程，把審稿人潛意識里的視覺偏好扒了個底掉：

人類手繪原圖與StyleEnhanced（AI風格化后）的對比

AI發現，2025年的頂流審美是科技莫蘭迪色。

高飽和度的紅藍撞色（如Excel默認色），直接被定義為「業余」。

所以，正確方法是：背景要用Cream(#F5F5DC)或PaleBlue(#E6F3FF)；功能模塊采用中等飽和度配色；高亮色僅限于報錯或最終結果。

審美增強案例。上邊是原始的粗糙框圖，下邊是AI根據Guidelines優化后的成品。

還有90%的人都會忽視的細節：混排（Font Mixing）。

系統標簽必須用無襯線體，顯得現代、干凈；凡是涉及數學公式的變量，必須強制切換為LaTeX風格襯線斜體。

這種字體的混排，是區分「草圖」和「出版級插圖」的關鍵信號。

PaperBanana甚至懂「圈層文化」

如果你寫的是Agent論文，Stylist會主動調用可愛風格的2D機器人圖標或對話氣泡，強調「交互感」；

如果是CV/3D論文，它會拒絕卡通元素，強調視錐、點云和熱力圖，配色偏向RGB通道邏輯；

要是純理論論文，則追求極致極簡。黑白灰為主，只保留一個高亮色給拓撲結構。

統計圖的「精準謀殺」

告別Matplotlib難度

為什么之前的AI總是畫不好統計圖？

因為，擴散模型是右腦思維的藝術家。它懂構圖，但它真的不識數。

如下圖所示，當讓模型直接「畫」一個雷達圖時，它生成了極具設計感的陰影和線條。但仔細一看——數據點0.4被畫到了0.8的刻度線上；甚至還憑空捏造了幾個重復的圖例標簽。

為了解決這個問題，PaperBanana做了一個天才般的架構切換。

當系統識別出你要畫的是BarChart或Heatmap時，它會瞬間收起畫筆，掏出鍵盤，從「美術生」切換為「程序員」。

Visualizer不再生成像素，而是直接生成Python Matplotlib代碼

Critic也不再看構圖，而是運行代碼，檢查報錯，比對數據。

這個邏輯繞過了圖像生成的隨機性，直接利用LLM強大的Coding能力。

以前為了調整一個坐標軸的傾斜角度，得去查半小時；現在，PaperBanana在后臺幾秒鐘內自己寫代碼、自己Debug、自己運行出圖。

對比數據非常直觀：

• 純圖像生成模式：好看，但瞎編。

• 代碼生成模式：精準，且完全可復現。

PaperBanana官方基準對比：Code模式（綠色）在忠實度和簡潔度碾壓純圖像生成（IMG，紅色），逼近人類水平

邏輯圖走藝術路線，數據圖走工程路線。這才是AI科學家該有的嚴謹。

全自動發表的最后一片拼圖

在此之前，Auto Figure等競品更多是將內容符號化，或者僅僅是簡單的圖表堆砌。

PaperBanana是第一個真正引入「設計思維」的智能體系統。

當AI開始理解「如何用布局引導讀者的視線」，從一個工具，變成一個擁有表達欲的共創者。

在PaperBanana Bench的測試中，AI在簡潔性上比現有基線模型提升了37.2%。

雖然論文的委婉地說是為了「民主化」高質量繪圖工具，但我們都懂：當技術的門檻降到0，原來的溢價就消失了。

北大與Google的野心很大。

他們不僅發了工具，還開源了PaperBanana Bench：292個涵蓋各領域的「地獄級」測試用例，擺明了是想做行業裁判。

雖然目前的版本生成的還是位圖，但作者也說了，下一步就是開發能操作Adobe Illustrator的GUI Agent。

等那個版本出來，設計師可能真的要關掉Photoshop去送外賣了。

工具進化的終極意義，從來不是為了讓我們變懶，而是為了讓大腦回歸純粹。

未來能活得滋潤的科研人，只有兩種：一種是極其硬核、能寫出AI無論如何也理解不了的頂級算法的大神；

另一種，是懂得指揮千軍萬馬的AI Agent，把自己的思想用最完美的視覺語言鋪陳在審稿人面前的「超級個體」。

別讓你的思想，死在畫不出的圖里。

參考資料：

https://PaperBanana.org/

https://arxiv.org/abs/2601.23265