谷歌北大联手学术版Banana爆火，论文图表100%准确天生

效果好到刷屏的Nano Banana，学术特供版热乎出炉！

名字就是云云直观——PaperBanana，给你天天都在头痛的Paper用上Banana。（试图押韵skr)

并且这一次是由谷歌北大强强联手打造。

知道你想马上看效果，别急，三个官计划例这就给各人搬上桌。

在相同输入下，人类绘制、原版Nano Banana与PaperBanana天生的论文插图对好比下：

综合评估显示，PaperBanana在雅观性、精练性与逻辑清晰度上均周全优于原版。

并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。

别的，由于PaperBanana还提供代码出图功效（即使用Gemini-3-Pro自动天生并执行Python可视化代码出图），以是它还能用来天生需要数值100%精准的种种图表。

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~

论文作者体现，PaperBanana为全自动天生可用于出书的插图铺平了蹊径。

我们希望这个框架能成为毗连重大科学看法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泛起其发明。

而在看到其效果之后，一众网友也纷纷叹息“学术插图”这个老浩劫总算是要被攻克了。

想想以前的日子，真真是要落泪了~

研究职员破费4个小时在Figma中绘制一张图，简直令人难以置信。

那么，学术版PaperBanana是怎样炼造的呢？

一个不敷，那就5个！

用一个模子生图怎么够，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。

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（妄想智能体）：把论文文字形貌，转化为包括所有�？椤⒙呒南晗富嫱妓得魇�。Stylist Agent（气概智能体）：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）：凭听说明书，直接绘图或写代码出图，产出初稿。Critic Agent（批判智能体）：检查图的对错与雅观度，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事情流程：

划重点，连这张图也是PaperBanana自己天生的。

论文作者体现，这一历程参考了人类制作论文插图的流程。

以制作一个模子架构图为例，通常研究职员会先去看看顶会里类似事情的图是怎么画的，找找灵感和规范。

这一步就对应了检索智能体的事情。

然后就需要凭证参考来妄想自己的图该怎么画，“我的要领有几个要害�？�？”、“数据流和逻辑顺序是怎样的？”，在想清所有要害问题后，脑子里或许就有一幅架构蓝图了。

而到这一步还不是真正动笔的时间，由于还需要连系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。

有了这两样工具（蓝图+审美），现在就可以真正出图了。

并且出完之后，研究职员往往还需要检查一番，以确保出图准确无误。

怎么样？是不是一环扣一环、且全都逐一对应上了。

而在相识完PaperBanana的事情方法后，接下来的问题在于：

怎么评估PaperBanana的生图效果？

实验要领及效果

对此，团队还专门构建了一个PaperBananaBench。该基准内容源自NeurIPS 2025——

他们从5275篇论文中随机采样2000篇，经由滤、人工校验后，获得584个有用样本，然后将其均分为292个测试样本和292个参考样本。

这292个参考样本，每一个都提取了完整的（S, C, I）三元组：

S（源上下文）：形貌要领的文本，如论文要领论章节；C（转达意图）：图的问题/说明，如“我们的框架概述”；I（参考图像）：论文中现实使用的、高质量的对应图表。

参考样本集组成了一个高质量的“学术插图数据库”，主要供检索智能体举行盘问和匹配。

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作为隐藏的标准谜底，不加入天生历程，仅用于最终的质量比对与评分。

准备到这里，接下来就是详细天生和评估了。

裁判方面，他们接纳了“VLM-as-a-Judge”（大模子当裁判）的评估范式——

让强盛的视觉语言模子（如Gemini-3-Pro）作为评委，将PaperBanana天生的图与测试集中隐藏的标准谜底I举行逐项比照。

比照的维度主要有四个：忠实性、精练性、可读性、雅观性。

若PaperBanana体现优于标准图得100分，劣于得0分，持平得50分，最终盘算总分。

而实验效果批注，PaperBanana在所有维度上周全逾越了古板的单模子直接天生（Vanilla）等基线要领。

整体性能碾压：总分相对基线提升了17.0%。其中，精练性提升最为显著，高达37.2%，说明它天生的图逻辑更清洁、重点更突出；可读性（+12.9%）和雅观性（+6.6%）也有大幅领先�；竦萌死嗝げ馊峡桑涸谀涿娜死嗝げ庵�，研究员有72.7%的情形以为PaperBanana天生的图比基线模子更好。统计图表体现优异：在需要高精度的统计图表使命中，PaperBanana的“代码天生模式”在数值忠实性上与人类水平相当，而精练性和雅观性甚至略胜一筹。

这里需要说明，在天生图表方面，PaperBanana有两种模式：

一种是代码天生模式（默认）。让Gemini-3-Pro这类模子自动写Python可视化代码（如Matplotlib），再运行代码出图。优点是可以包管数值绝瞄准确，适合需要严酷精度的场景。

另一种是直接生图模式（可选方法）。跳过代码，让图像天生模子直接凭证文本形貌天生图表。优点是视觉效果更顶，但数值容易泛起幻觉问题。

左图直接生图模式下，红框圈选出来的就是一些过失问题，而右侧的代码生图模式显着无误，但雅观度略逊。

最后的消融实验证实，检索参考、气概优化、批判迭代这三个环节缺一不可，它们配合包管了最终图像的“准确”与“悦目”。

不过也需要提醒，PaperBanana现在仍有一些局限性，好比它作为生图还无法编辑，同时在许多细节忠实度方面仍比不上人类手事情业。

以是，更包管的做法或许是，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，许多图都能变得更雅观、更高级……虽然也更容易入顶会的眼（doge）。

谷歌x北大联手打造

最后先容下PaperBanana背后的团队。

一共7人，可以清晰分成两拨——

一拨来自北大，主要提供NLP与多模态明确的学术基本；另一拨来自Google Cloud AI Research，认真多模态系统与工业化视角。