针对学术研究者绘制论文插图的痛点，谷歌与北京大学联合推出了AI工具PaperBanana。它通过多智能体协作，不仅能生成专业美观的插图，还能保证图表数据的100%精确，为自动化生成出版级图表铺平了道路。
智能速览
谷歌与北京大学联合推出PaperBanana，专为学术论文插图设计。
采用五智能体协作流程，模拟人类绘图逻辑，兼顾美观与精准。
在忠实性、简洁性等维度全面超越基线模型，总分提升17%。
提供“代码生成模式”，可保证图表数值100%准确。
人类盲测中，72.7%的情况下被认为优于基线模型生成结果。
精华内容
PaperBanana的强大并非凭空而来，其背后是一套精密的多智能体协作系统。它通过模拟专业研究者的绘图流程，实现了从文本描述到高质量图像的自动化生成。
五智能体协作
PaperBanana的核心是五个分工明确的智能体，协同工作模拟人类绘图全过程。检索智能体从顶会论文库中寻找相似案例；规划智能体将文字描述转化为详细的绘图说明书；风格智能体则加入学术审美规范；可视化智能体根据说明书直接画图或生成代码出图；最后，批判智能体负责检查与优化，经三轮迭代产出成品。整个过程环环相扣，高度还原了人类研究者从寻找灵感、规划蓝图到最终定稿的专业流程。
精准与美观兼得
为确保满足学术出版的严苛要求，PaperBanana提供了两种出图模式。默认的“代码生成模式”会自动编写并执行Python代码（如Matplotlib）来生成图表，优点是能保证数值100%准确，杜绝幻觉，适合需要严格精度的统计图。可选的“直接生图模式”则由图像模型直接根据描述生成，视觉效果更出色，但存在数值出错的风险。这种设计让研究者可以根据需求，在绝对精准和视觉美感之间灵活选择。
性能全面领先
为客观评估其效果，团队构建了包含584个有效样本的PaperBananaBench基准。在“VLM-as-a-Judge”的评估体系中，PaperBanana在忠实性、简洁性、可读性和美观性四个维度上全面超越了基线方法。其总分相对基线提升了17.0%，其中简洁性提升高达37.2%，表明其生成的图表逻辑更清晰。在匿名的人类盲测中，研究员有72.7%的情况认为PaperBanana的成果更优。在统计图表任务中，其代码生成模式的数值忠实性与人类水平相当。
局限与优化应用
尽管表现强大，PaperBanana目前仍存在一些局限性，例如生成的图像尚无法编辑，且在部分细节的忠实度上仍不及人工绘制。因此，一个更实际的应用场景是利用它来优化已有的手绘图。通过PaperBanana的“手图蜕变”流程，可以将研究者自己绘制的草图变得更美观、更高级，从而提升论文的整体质量和通过顶级会议审核的概率。
PaperBanana为学术出版物的视觉呈现带来了革命性的工具，它将研究者从繁琐的绘图工作中解放出来，专注于核心研究。虽然仍有提升空间，但其展现出的自动化与专业化水平，预示着学术沟通方式的变革。未来，这类工具能否成为研究者的标配，值得期待。
关键评论
有国内网友关心PaperBanana的具体使用方法和可用性。
关于合作方“北大”的具体指代，部分读者产生了疑问。
对于谷歌在中国受限的情况下仍与国内高校合作，部分网友表示好奇。
