AI科学家在研究中常为绘制学术插图所困，这一环节耗时费力。谷歌推出的PaperBanana框架，旨在自动化生成可直接发表的学术插图。该框架整合了顶尖视觉与图像模型，通过多Agent协作，有望彻底解放科研人员的生产力，加速科学发现进程。
智能速览
生成可直接发表的插图是AI科研流程中的主要瓶颈。
谷歌推出PaperBanana框架，自动化生成学术插图。
框架整合顶尖VLM和图像模型，协调多个专业Agent分工协作。
团队推出评测基准PaperBananaBench，含292个NeurIPS图表案例。
实验证明，PaperBanana在准确性、美观度等多方面超越现有基线。
精华内容
PaperBanana究竟如何实现从概念到成图的自动化？其核心在于一套精细化的多智能体协作机制，确保了生成结果的学术质量与可用性。
多Agent协作
PaperBanana的运作核心是协调多个专业化Agent。它首先利用顶尖的视觉-语言模型（VLM）理解任务需求，并检索相关的学术参考资料。接着，规划Agent负责构思图表的内容布局与视觉风格。随后，图像生成模型依据规划进行渲染，最后通过自我批评机制进行迭代优化，确保输出结果符合学术出版的标准。
专用评测基准
为客观评估PaperBanana的性能，研究团队构建了全新的评测基准PaperBananaBench。该基准精心选取了NeurIPS 2025出版物中的292个方法论图表作为测试案例，覆盖了多个研究领域和多样的插图风格。这为量化衡量AI生成学术插图的质量提供了严格且标准化的环境，确保了评估结果的可靠性与说服力。
性能实测表现
在PaperBananaBench上的综合实验表明，PaperBanana的表现显著优于现有的领先基线模型。具体而言，该框架在准确性、简洁性、易读性和美观度四个关键维度上均取得领先。此外，研究还证实了该方法能有效扩展到高质量统计图表的生成任务，展现了其广泛的适用性和强大的泛化能力。
PaperBanana不仅是一个高效工具，更预示着科研自动化范式的革新。它通过解决学术插图生成的痛点，让研究者能更专注于核心科学问题。随着这类工具的成熟，未来的科学发现是否会因此变得更加高效与普及？
