科研工作者都懂一个痛：论文里的方法图和统计图，往往比写论文本身还耗时间。明明核心想法已经成型，却要花大量精力在配色、排版、箭头连接这些细节上反复打磨。

北大联合Google Cloud AI推出的PaperBanana，试图终结这种低效循环。

打开网易新闻 查看精彩图片

这个框架有意思的地方在于，它不是简单地让AI画图，而是模拟了一个完整的人类设计师工作流程：先检索参考案例，再规划内容结构，然后确定视觉风格，接着渲染输出，最后自我审视修正。五个专门的智能体各司其职，形成协作闭环。

打开网易新闻 查看精彩图片

为了验证效果，团队从NeurIPS 2025的论文中精选了292个测试案例，构建了专门的评测基准。结果显示，在忠实度、简洁性、可读性和美观度四个维度上，PaperBanana全面超越现有方案。其中简洁性提升最为显著，达到37.2%。

打开网易新闻 查看精彩图片

更实用的是，这套系统还能给现有的手绘图做美化升级。很多研究者画图时配色老旧、元素堆砌，通过自动总结的美学指南，可以快速提升视觉品质。

团队还探索了一个有趣的问题：统计图表到底该用代码生成还是让图像模型直接画？答案是各有取舍。图像生成模型画出来的图更好看，但容易出现数值幻觉；代码生成虽然视觉效果一般，但数据准确性有保障。对于数据密集的图表，代码仍是首选；而数据点稀疏时，图像生成的美学优势就能发挥出来。

当然，系统也有局限。目前最主要的失败模式是连接错误，比如多余的箭头或节点匹配错误。这反映出基础模型在视觉感知上的固有短板，审视模块往往难以识别这类问题。

科研的本质是思想的交锋，而非像素的堆砌。当工具能承担更多机械劳动，研究者才能把精力真正放在值得思考的问题上。

x.com/dwzhu128/status/2018405593976103010