2月5日，北京大学联合Google Cloud AI正式开源学术插图自动化工具PaperBanana，通过5个专用AI Agent协同工作，彻底解决科研人员“论文写好、配图难搞”的痛点。该工具生成的插图对标NeurIPS等顶会标准，兼顾逻辑准确性与视觉专业性，将原本需数小时的绘图工作缩短至数分钟，让科研人员无需专业设计技能，即可快速产出出版级插图。
一、核心痛点：终结科研绘图的“低效与不专业”
传统科研绘图存在两大核心问题：
一是AI图像生成模型（如Midjourney、GPT-Image-1.5）“视觉尚可但逻辑混乱”，忠实度仅4.5分（满分100），常出现模块缺失、连线错误等学术硬伤；
二是手动绘图（如Matplotlib）“精准但美观不足”，45%的科研人员时间被配色调整、线条对齐等琐碎工作浪费，且难以达到顶会审美标准。
PaperBanana的出现，正是通过多Agent协作，实现“逻辑精准+视觉专业”的双重突破。
二、核心架构：5个Agent协同，打造绘图自动化流水线
PaperBanana采用“线性规划+迭代优化”两阶段架构，5个Agent各司其职、闭环协作，彻底解决单一模型的局限性：
1.线性规划阶段：奠定“精准+美观”基础
Retriever（检索Agent）：通过RAG技术检索顶会数据库中10张最相关参考图，优先匹配图结构而非主题，为后续绘图提供学术规范参考；
Planner（策划Agent）：核心认知模块，深度解析论文Methodology，将文字逻辑拆解为“谁连谁、谁包含谁”的视觉蓝图，确保逻辑拓扑不混乱；
Stylist（风格Agent）：提炼顶会审美指南，生成Aesthetic Guideline，强制修正布局、配色、字体等细节，避免Excel默认蓝等“业余风格”。
2.迭代优化阶段：3轮闭环修正，逼近人类水平
Visualizer（生成Agent）：根据优化后描述渲染图像，若为统计图则自动切换为“程序员模式”，直接生成Python Matplotlib代码，而非像素图，确保数据精准；
Critic（校验Agent）：架构灵魂，拿着原论文与生成图逐点比对，检查连线错误、模块缺失、数据偏差等问题，生成修正指令迭代3轮，将插图忠实度从4.5分提升至45.8分，逼近人类水平（50分）。
三、核心亮点：顶会审美+数据精准，覆盖全场景学术插图
1.顶会级审美，懂“圈层文化”
Stylist Agent通过逆向分析NeurIPS 2025所有论文，总结出顶会插图“黑话”：
配色：采用科技莫兰迪色，背景用Cream（#F5F5DC）或PaleBlue（#E6F3FF），功能模块中等饱和度，高亮色仅用于报错或核心结果；
字体：系统标签用无衬线体（现代干净），数学变量强制用LaTeX衬线斜体，是“出版级插图”的关键标识；
场景适配：Agent论文用卡通机器人图标强调交互感，CV/3D论文侧重视锥、点云等专业元素，纯理论论文追求黑白灰极简风格。
2.统计图“精准谋杀”，告别数据失真
针对AI“不识数”的问题，PaperBanana创新性切换生成逻辑：
逻辑图（如架构图）：用图像生成模式，注重视觉美观；
统计图（如柱状图、雷达图）：用代码生成模式，直接输出Matplotlib代码并自动运行，避免数据点错位、图例捏造等问题，忠实度与简洁度碾压纯图像生成，部分指标略超人类。
3.性能全面领先，构建行业基准
在PaperBanana Bench（292个顶会插图测试用例）中，工具综合得分60.2分，较基线模型提升17.0%：
忠实度45.8分（逼近人类50分）、简洁度80.7分（远超基线43.5分），在可读性、美观度上均全面领先；
支持方法论图与统计图表统一生成，是首个引入“设计思维”的学术插图工具，能通过布局引导读者视线。
四、开源与未来规划：民主化科研绘图工具
未来方向：后续将开发支持Adobe Illustrator的GUI Agent，实现矢量图生成（当前为位图），进一步提升插图可编辑性；
行业意义：不仅解放科研人员时间，更民主化高质量绘图工具，让非设计背景的科研人也能产出顶会级插图，同时为AI科学家实现“文献阅读-实验设计-论文写作-插图生成”全流程自动化扫清最后障碍。
总结来看，PaperBanana的核心价值在于“用多Agent协作解决单一模型的能力局限”，既保证了学术插图的逻辑准确性，又兼顾了顶会级审美标准，堪称科研绘图的“效率革命”。对于科研人员而言，无需再在绘图上浪费精力，可专注于核心创新；对于行业而言，其开源基准也将推动学术插图自动化工具的标准化发展。
AI 速览
