北京大学与谷歌云AI研究团队联合推出PaperBanana：AI代理框架自动生成顶级学术插图，解放AI研究者画图地狱
2026-02-03 13:41
372
2026年1月30日，北京大学（PKU）与Google Cloud AI Research合作的研究团队正式发布并开源了PaperBanana项目。这是一个专为AI/ML科学家设计的agentic（代理式）框架，能够自动化生成出版级（NeurIPS/ICLR/CVPR水准）的学术插图，包括方法论流程图、神经网络架构图、消融实验统计图、曲线对比图等。
项目一经推出，便在AI学术圈迅速走红，被戏称为“论文画图救星”“从此告别TikZ和PowerPoint炼狱”。PaperBanana的核心目标直击痛点：尽管大语言模型驱动的自主AI科学家已快速发展，但高质量、可出版的学术可视化仍是研究流程中最耗时、最痛苦的环节。传统方式依赖手动绘制或专业绘图软件，效率低下且容易出错。
PaperBanana通过多代理协作+自我迭代机制，让AI“像人类研究员一样”完成从idea到成品的全流程。
核心工作流程（模仿人类绘图习惯）
- Retrieve（检索参考）：从海量学术论文中智能搜集相似风格/内容的参考图
- Plan（内容与布局规划）：分析输入的科学描述，规划图表结构、元素位置、标注方式
- Style（风格统一）：决定学术风（简洁黑白、科技蓝调、彩色对比等），确保符合顶级会议模板
- Render（渲染生成）：调用当前最强视觉语言模型（VLMs）+图像生成模型绘制
- Critique & Refine（自我批评迭代）：内置Critic代理审视输出，检查准确性、美观度、忠实度，反复优化直到出版级
支持两大类高频输出：
- 方法论示意图：神经网络结构、训练pipeline、注意力机制、Agent架构等
- 统计可视化：柱状图、折线图、热力图、箱线图、t-SNE散点等实验结果图
特别亮点——Polishing Mode：用户上传手绘草图、旧版低质图或PDF截图，PaperBanana能“智能美化重绘”，直接输出专业出版版本。
基准与性能
研究团队自建PaperBananaBench基准，包含292个从NeurIPS 2025真实论文中提取的测试案例，覆盖多领域、多风格。PaperBanana在faithfulness（内容忠实度）、conciseness（简洁性）、readability（可读性）、aesthetics（美观度）四个维度全面超越当时主流基线，整体得分达60.2，并在统计图表类别接近人类专家水平。
技术亮点
- 底层驱动：当前SOTA视觉语言模型（VLMs） + 图像生成模型（疑似集成Imagen系列或同级）
- 多代理系统：Retriever、Planner、Stylist、Visualizer、Critic五个专用代理协作
- 参考驱动+自我反思循环，确保学术准确性不“幻觉”
开源与获取方式
- 项目主页：https://dwzhu-pku.github.io/PaperBanana （含大量炫酷生成示例）
- arXiv论文：https://arxiv.org/abs/2601.23265 （2026年1月30日提交）
- GitHub：https://github.com/dwzhu-pku/PaperBanana （代码与数据集正在逐步开源中，预计2周内完整可用）
- 作者团队：Dawei Zhu（北大在读博士，现Google Cloud student researcher）等
PaperBanana 用代理式AI彻底解放了AI研究者的画图负担，让“描述→顶级会议级插图”变成几分钟的事。 如果你正在赶NeurIPS deadline、写多模态/Agent/RAG论文，这可能是2026年初最实用的学术生产力工具。
0
好文章，需要你的鼓励