谷歌北大联手学术版Banana爆火，论文图表100%精确生成

集群智慧张老师

效果好到刷屏的Nano Banana，学术特供版热乎出炉！
名字就是如此直观——PaperBanana，给你每天都在头痛的Paper用上Banana。（试图押韵skr)
& m2 Y- B) s( [+ N3 F$ I/ A+ R9 i而且这一次是由谷歌北大强强联手打造。
. A. K, \1 y: W3 c1 g

知道你想马上看效果，别急，三个官方案例这就给大家搬上桌。
在相同输入下，人类绘制、原版Nano Banana与PaperBanana生成的论文插图对比如下：
综合评估显示，PaperBanana在美观性、简洁性与逻辑清晰度上均全面优于原版。

  X$ ?/ L; q, V. k, q- B而且它还能直接优化人工绘制的插图，瞅瞅右边，是不是高级感一下就上去了。
  j( e1 G2 X1 U3 M* l* k+ }

此外，由于PaperBanana还提供代码出图功能 （即利用Gemini-3-Pro自动生成并执行Python可视化代码出图），所以它还能用来生成需要数值100%精准的各种图表。

好好好，既能拿捏高级感，又不忘精准度，应该没有学术人不爱吧~

论文作者表示，PaperBanana为全自动生成可用于出版的插图铺平了道路。

我们希望这个框架能成为连接复杂科学概念与高效视觉叙事的桥梁，赋能每一位研究者，用专业级的视觉语言清晰呈现其发现。

而在看到其效果之后，一众网友也纷纷感叹“学术插图”这个老大难总算是要被攻克了。
想想以前的日子，真真是要落泪了~
, M; t6 n! S, d7 w  Z; `! h

研究人员花费4个小时在Figma中绘制一张图，简直令人难以置信。
8 c) G8 n9 K- ?" T

1 E3 C( O/ A1 M; i( ~9 J, u6 g那么，学术版PaperBanana是如何炼造的呢？
4 l: D1 A- k: h' [( @一个不够，那就5个！
, H0 k8 G  p4 \* p* _5 \4 m. O) {
用一个模型生图怎么够，现在都是多智能体齐上阵了。
没错，PaperBanana背后就是5个分工明确的智能体在起作用。
% j  I3 r- K# b# t; Y- s6 Z6 F# L

• Retriever Agent（检索智能体）：从顶会论文库中，找到与你要画的图领域、结构最相似的参考案例。
  
• Planner Agent（规划智能体）：把论文文字描述，转化为包含所有模块、逻辑的详细绘图说明书。
  
• Stylist Agent（风格智能体）：总结学术审美规范，给说明书加上配色、排版等“美颜”标准。
  
• Visualizer Agent（可视化智能体）：根据说明书，直接画图或写代码出图，产出初稿。
  
• Critic Agent（批判智能体）：检查图的对错与美观度，提出修改意见，循环迭代3轮优化。
  

下面这张图清晰展示了它们的工作流程：
. A3 r% G9 T0 B2 E, M划重点，连这张图也是PaperBanana自己生成的。
, P6 l( i3 W& R. m  x  Z

论文作者表示，这一过程参考了人类制作论文插图的流程。
+ F% v9 l5 t* V, [$ S1 D; z以制作一个模型架构图为例，通常研究人员会先去看看顶会里类似工作的图是怎么画的，找找灵感和规范。
这一步就对应了检索智能体的工作。
; w8 h# k/ G: r8 I9 E" {$ S然后就需要根据参考来规划自己的图该怎么画，“我的方法有几个关键模块？”、“数据流和逻辑顺序是怎样的？”，在想清所有关键问题后，脑子里大概就有一幅架构蓝图了。
% }' Q5 z5 X: P6 Y* D& e而到这一步还不是真正动笔的时候，因为还需要结合自己的图以及之前看过的“顶会审美”标准，来给蓝图加点设计感。
有了这两样东西（蓝图+审美），现在就可以真正出图了。
9 [! b( w0 U- n: m3 D  J: w  c并且出完之后，研究人员往往还需要检查一番，以确保出图正确无误。
7 g8 @/ C: }* V& [. A: s$ g. k" H

怎么样？是不是一环扣一环、且全都一一对应上了。
2 _. l" Y% H9 _$ A2 k而在了解完PaperBanana的工作方式后，接下来的问题在于：
怎么评估PaperBanana的生图效果？
5 Q' |# H' t0 r) l实验方法及结果
" D$ a% n- J) U: {" Y( o1 e
对此，团队还专门构建了一个PaperBananaBench。该基准内容源自NeurIPS 2025——
8 L5 c0 C7 K- b( f他们从5275篇论文中随机采样2000篇，经过滤、人工校验后，得到584个有效样本，然后将其均分为292个测试样本和292个参考样本。
! T. |/ [- f( O4 v- ~) L这292个参考样本，每一个都提取了完整的（S, C, I）三元组：

9 S& A# J; l1 X
• S（源上下文）：描述方法的文本，如论文方法论章节；
  3 A3 C* S0 R* }1 ^+ m- C0 P7 _
• C（传达意图）：图的标题/说明，如“我们的框架概述”；
  - o( }# t3 r0 D' Y" b
• I（参考图像）：论文中实际使用的、高质量的对应图表。
  

参考样本集构成了一个高质量的“学术插图数据库”，主要供检索智能体进行查询和匹配。
而与之对应的292个测试样本，在评估时则仅提供S、C作为输入。其对应的I作为隐藏的标准答案，不参与生成过程，仅用于最终的质量比对与评分。
1 U- A! m5 U; I9 O准备到这里，接下来就是具体生成和评估了。
裁判方面，他们采用了“VLM-as-a-Judge”（大模型当裁判）的评估范式——
& K/ k9 k: c& p! l1 r让强大的视觉语言模型（如Gemini-3-Pro）作为评委，将PaperBanana生成的图与测试集中隐藏的标准答案I进行逐项对比。
对比的维度主要有四个：忠实性、简洁性、可读性、美观性。
若PaperBanana表现优于标准图得100分，劣于得0分，持平得50分，最终计算总分。
$ }2 g  h- |4 E, \; k' ~而实验结果表明，PaperBanana在所有维度上全面超越了传统的单模型直接生成（Vanilla）等基线方法。
' s- ]& }/ [% K7 o

• 整体性能碾压：总分相对基线提升了17.0%。其中，简洁性提升最为显著，高达37.2%，说明它生成的图逻辑更干净、重点更突出；可读性（+12.9%）和美观性（+6.6%）也有大幅领先。
  
• 获得人类盲测认可：在匿名的人类盲测中，研究员有72.7%的情况认为PaperBanana生成的图比基线模型更好。
  
• 统计图表表现优异：在需要高精度的统计图表任务中，PaperBanana的“代码生成模式”在数值忠实性上与人类水平相当，而简洁性和美观性甚至略胜一筹。
  ; f4 f9 x- J2 T: y1 r# Y5 q

这里需要说明，在生成图表方面，PaperBanana有两种模式：
3 t6 L& n# ^7 c# U. g* G  ~一种是代码生成模式（默认）。让Gemini-3-Pro这类模型自动写Python可视化代码（如Matplotlib），再运行代码出图。优点是可以保证数值绝对准确，适合需要严格精度的场景。
  ~2 f: `+ ~/ G% [: j* C# L3 j另一种是直接生图模式（可选方式）。跳过代码，让图像生成模型直接根据文本描述生成图表。优点是视觉效果更顶，但数值容易出现幻觉问题。
左图直接生图模式下，红框圈选出来的就是一些错误问题，而右侧的代码生图模式明显无误，但美观度略逊。

4 U: @& S. a& N! [最后的消融实验证明，检索参考、风格优化、批判迭代这三个环节缺一不可，它们共同保证了最终图像的“准确”与“好看”。
6 M. S. m- l4 Z0 L$ A1 T. l不过也需要提醒，PaperBanana目前仍有一些局限性，比如它作为生图还无法编辑，同时在很多细节忠实度方面仍比不上人类手工作业。
所以，更保险的做法或许是，让它帮你优化以前绘制过的图。
在下面这套“手图蜕变”流程下，很多图都能变得更美观、更高级……当然也更容易入顶会的眼（doge）。
  u2 k6 y5 M( P( h& B

8 d4 ?/ ~: x! @( X4 N7 \谷歌x北大联手打造

最后介绍下PaperBanana背后的团队。
* z- [* `; a2 g  D& q( p& m) Y  p一共7人，可以清晰分成两拨——
; j- m7 }" |  e0 H. Z3 L一拨来自北大，主要提供NLP与多模态理解的学术根基；另一拨来自Google Cloud AI Research，负责多模态系统与工业化视角。

署名第一的DawEI Zhu（兼通讯作者），本硕博均就读于北大，现为北大四年级博士生。
) {0 H5 F2 `. {3 _, ^0 ^! c他重点研究长上下文建模和多模态数据，之前在微软亚洲研究院实习过，目前是Google Cloud AI Research学生研究员，PaperBanana也是他在谷歌期间参与的项目。
4 g3 I$ R6 T5 E2 f+ D9 j

借着北大这条线，另外两位来自北大的分别是Xiyu Wei和Sujian Li（兼通讯作者）。
Sujian Li目前是北大计算机学院长聘副教授，也是Dawei Zhu的博导，主要研究自然语言处理、信息抽取等。
而Xiyu Wei可能还是学生，目前只能看到TA和Dawei Zhu合作过一篇关于拓展上下文的论文。

而其他几位来自Google Cloud AI Research的分别是：
负责人Tomas Pfister、高级研究科学家Yale Song、研究科学家Rui Meng和Jinsung Yoon（兼通讯作者）。
截至目前，PaperBanana已在开源社区GitHub揽获上千star，感兴趣可以继续关注。
% S/ P: D7 _2 z+ ^  I

项目主页：
https://dwzhu-pku.github.io/PaperBanana/
论文：
https://arxiv.org/abs/2601.23265
GitHub地址：
https://github.com/dwzhu-pku/PaperBanana

abnerRRR

不支持后期编辑是唯一的短板，如果后续可以像 Figma 那样接入手动修改，就几乎完美

abnerRRR

说好的100%精准呢，我瞅着那代码生图模式的美观度还是差了点，就像打印店赶工出来的图，细节处总差点意思

abnerRRR

学术插图神器来了，AI解放科研狗不是梦！

abnerRRR

不支持后期编辑是唯一的短板，如果后续可以像 Figma 那样接入手动修改，就几乎完美

abnerRRR

说好的100%精准呢，我瞅着那代码生图模式的美观度还是差了点，就像打印店赶工出来的图，细节处总差点意思