懂代码、懂审美的 AI 绘图天团专治科研人的画图焦虑。赶论文时最让人头大的不是算力也不是数据而是画图。虽然 AI 早就学会了补全代码、甚至自动设计实验但在赶 deadline 的时候绝大多数人还得打开 draw.io 或 visio 手动对齐像素。虽然市面上也有不少 Nano Banana Pro 辅助科研绘图的教程但这通常需要不断微调复杂的 Prompt靠抽卡来碰运气。Google Cloud AI Research 联合北大团队最新发布的 PaperBanana就是为了终结这种痛苦。论文链接https://arxiv.org/pdf/2601.23265项目主页https://dwzhu-pku.github.io/PaperBanana/GitHub链接https://github.com/dwzhu-pku/PaperBanana这是一套基于 Nano Banana Pro 构建的智能体框架。它不仅读得懂你的方法章节更能严格遵循 NeurIPS 的审美标准全自动生成发表级的方法架构图和统计图表。〓 图1. PaperBanana 生成的架构图、流程图及统计图表5 个智能体是如何分工的为什么通用的 Nano Banana Pro 很难直接画好学术图核心难点在于它不懂空间逻辑。学术架构图要求模块间的数据流向绝对严谨而生成模型天生擅长发散经常会出现幻觉——该连的线没连不该连的线乱连。PaperBanana 组建了一支由 5 个智能体构成的绘图团队模拟人类绘制学术插图的完整思维链。〓 图2. 五大智能体协同工作流从检索、规划、风格化、可视化到审查修正来看看这个绘图天团的配置检索Retriever解决无从下笔的难题。利用 RAG 技术从图库中检索结构相似的参考图为生成提供视觉灵感让布局有章可循。规划Planner核心大脑。它将不可控的像素生成任务降维成可控的结构化文本描述实现内容与样式的解耦。审美Stylist注入灵魂的一步。基于内置的 NeurIPS 审美指南强制对齐配色与排版拒绝 AI 霓虹感。绘图Visualizer采用混合渲染策略——架构图调用 Nano Banana Pro 生成而统计图直接生成 Matplotlib 代码确保数据绝对精准。为什么必须写代码看下图对比〓 图3. 统计图生成对比视觉生成左易含幻觉代码生成右精准还原左边是用 AI 直接画的虽然好看但容易出现数值幻觉右边是 AI 写代码画的朴素但绝对精准。审查Critic引入闭环反馈。模拟导师视角审查细节检查漏项或错连支持最多 3 轮自动迭代。顶会级审美很多 AI 生成的图没法直接用于投稿主要是因为审美风格不够学术——颜色太艳、背景太黑、特效太浮夸。研究团队从 5275 篇 NeurIPS 论文中筛选并分析了高质量样本总结出了一套详细的审美标准详见论文 Appendix F并将这套标准内置在审美智能体中。你不需要记住这些参数Agent 会全自动替你执行。 NeurIPS 2025 Aesthetic Guidelines (Lite)配色严禁高饱和霓虹色推荐科技柔和色如淡蓝 (#E6F3FF) 搭配柔和的橙色。背景必须保持纯白或极淡的灰严禁使用纯黑背景。几何推荐圆角矩形直角仅限矩阵表示。字体区分层级——数学变量用 LaTeX 风普通标签用 Sans-Serif。这种审美对齐有多管用看下图〓 图4. PaperBanana 与原始模型及人类绘图的视觉对比未经审美对齐的 Nano Banana Pro 虽然生成了基本的图表结构但在整体质感上显得较为粗糙缺乏专业学术图表应有的规范性。相比之下PaperBanana 的生成结果完美拿捏了 NeurIPS 顶会的视觉偏好拥有清晰的模块分区和柔和的学术配色甚至不输人类精绘的参考图。PaperBanana 还有一个杀手锏它支持风格润色模式即便你只画了一个简陋的草图它也能基于这套审美指南将其重绘为精美的矢量风格插图。〓 图5. 风格润色功能将人类绘制的草图自动优化为符合审美规范的插图它也能直接对现有的手绘示意图进行审美升级〓 图6. 利用审美指南将现有的人类手绘图转化为高质量的学术插图不仅要画得好看关键得画对为了客观评估生成质量团队构建了一个包含 292 个 NeurIPS 2025 真实案例的基准测试集 PaperBananaBench。〓 图6. 数据集统计涵盖 CV、NLP 等多个领域评测结果显示PaperBanana 在忠实度、简洁性、可读性和美观度上均全面优于基线模型。尤其是因为有审查智能体把关忠实度相比原始模型提升了 2.8%在简洁性上更是大幅提升了 37.2%有效解决了生成模型常有的视觉噪点问题。在人工评测中PaperBanana 生成的统计图在美观度上甚至微弱击败了原论文的人类作者。〓 表1. 主要实验结果PaperBanana 在 Faithfulness、Conciseness 等各项指标上均优于基线不过PaperBanana 目前也并非全能。它生成的架构图本质上仍是位图无法像 SVG 那样无损编辑。此外在处理极度复杂的网络拓扑时模型偶尔仍会出现连线冗余或节点匹配错误。〓 图8. 局限性展示极复杂场景下模型可能出现冗余连线或节点匹配错误结语据 GitHub 项目主页显示该项目的核心代码和数据集预计将在 2 周后正式开源。PaperBanana 的核心价值很简单把大家从低效的绘图劳动中解放出来。等代码放出后大家不妨试一试——毕竟把时间花在 idea 上总比花在对齐像素上划算。现在在「知乎」也能找到我们了进入知乎首页搜索「PaperWeekly」点击「关注」订阅我们的专栏吧·