北大&谷歌联合开源PaperBanana：5个AI智能体协作，自动生成顶级论文图表

💡 站外导读：AI时代，科研人员撰写论文的瓶颈正在从“实验与写作”转向“可视化表达”。绘制一张清晰、美观且符合出版标准的方法论示意图或统计图表，往往耗费大量时间，甚至需要专业设计技能。北京大学与Google Cloud AI Research联合推出的PaperBanana，正是瞄准这一核心痛点，通过创新的多智能体协作架构，将绘图过程自动化、智能化，有望重塑学术生产的后端流程，让研究者更专注于创新本身。

PaperBanana是什么

PaperBanana 是北京大学与Google Cloud AI Research联合推出的学术插图自动化生成框架，解决AI科研人员绘制论文图表耗时耗力的痛点。系统采用创新的多智能体协作架构，包含检索（Retriever）、规划（Planner）、风格设计（Stylist）、可视化（Visualizer）和批判优化（Critic）五个专业智能体，通过线性规划与迭代优化两阶段流程，自动生成符合出版标准的方法论示意图和统计图表。

PaperBanana的主要功能

• 方法论示意图生成：输入论文描述自动生成发表级算法架构图和流程图。
• 统计图表生成：支持代码生成保准确或图像生成保美观的两种统计图制作方式。
• 美学风格优化：将粗糙草图升级为符合顶级会议标准的现代学术视觉风格。
• 多智能体协作：五个专业AI智能体分工完成检索、规划、设计、绘制、优化全流程。
• 质量自动评估：内置AI评审员自动检查并迭代优化图表的准确性与美观度。
• 跨领域泛化：基于NeurIPS论文构建的评测基准支持多种AI子领域图表生成。
• 灵活输出格式：可输出PNG/SVG图像或Python代码便于后续编辑修改。

PaperBanana的技术原理

• 多智能体架构：模拟人类设计师工作流程的五个专业化AI协同作业系统。
• 两阶段流程：先线性规划确定内容与风格，再迭代优化生成最终图表。
• 检索增强生成：从高质量论文库中检索相似案例为生成提供参考指导。
• 视觉语言模型：利用VLM的跨模态能力实现文本到视觉描述的准确转换。
• 混合生成策略：方法图用AI绘画模型生成，统计图用代码生成确保数据精确。
• 自我批判机制：AI评审员多轮检查反馈，逐步消除错误提升图表质量。
• 美学规范学习：自动提取优质论文的配色字体布局形成可复用风格模板。
• 结构化信息传递：使用标准数据格式在智能体间精确传递视觉元素参数。

PaperBanana的项目地址

• GitHub仓库：https://github.com/dwzhu-pku/PaperBanana
• arXiv技术论文：https://arxiv.org/pdf/2601.23265

PaperBanana的应用场景

• 学术论文插图：自动生成发表级方法流程图和模型架构图，解决科研人员画图耗时美观度不足的问题。
• 毕业论文撰写：帮助研究生快速生成符合格式规范的图表，统一视觉风格提升专业性。
• 会议海报制作：将研究成果转化为清晰直观的海报内容，优化配色布局增强信息传达效率。
• 科研项目申请：为基金申请生成专业技术路线图，提升申请材料视觉质量增强评审印象。
• 学术演讲汇报：自动生成PPT关键示意图，将复杂算法转化为听众易懂的视觉呈现。
• 图表美学升级：对早期论文或手绘草图进行现代化风格改造，统一多篇论文形成学术品牌。