谷歌做了个论文专用版nano banana!顶会级Figure直出

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
谷歌做了个论文专用版nano banana!顶会级Figure直出
7739点击    2026-02-06 12:16

你负责写方法,AI负责画 Figure。 科研打工人,终于等来画图解放日


还在为论文里的方法框图熬夜画 PPT、拉箭头、对齐字体吗?


一张 Figure 2,动辄几个小时,严重的甚至能耗上几天,科研人的隐藏副本不是实验,而是画图。


既要忠于论文原意,又得暗暗符合顶会那套心照不宣的学术审美:颜色不能土,布局不能乱,箭头更不能连错。


看起来只是一张图,实际上是美学、逻辑和耐心的三重折磨。


那么,问题来了:现在的大模型已经能写论文、跑实验、改代码,为什么偏偏搞不定这些学术插图?有人可能会问:DALL·E、基础 VLM 不行吗?


答案是:真不行。


它们画出来的图往往是:模块和文字对不上、字体直接乱码、箭头逻辑错误。图是好看,但不中用啊。


于是,一个狠角色出现了:PaperBanana 🍌


来自北大 + Google Cloud AI Research 的团队,目标很简单也很狂:你写方法,AI 画 Figure,水准呢?直接投顶会的那种。


科研打工人,终于等到了画图解放日


谷歌做了个论文专用版nano banana!顶会级Figure直出


谷歌做了个论文专用版nano banana!顶会级Figure直出


谷歌做了个论文专用版nano banana!顶会级Figure直出


谷歌做了个论文专用版nano banana!顶会级Figure直出


来看效果成色。


PaperBanana 展示了解决两类学术插图的能力:


第一类,是论文方法流程图与模型结构示意图,用来说明算法如何运作(左);第二类,是统计图表,用来表达实验结果与数据对比(右边)。


谷歌做了个论文专用版nano banana!顶会级Figure直出

左边是方法框图(Methodology Diagrams),右边是统计图(Statistical Plots)


与以往只会画图像的生成模型不同,PaperBanana 强调两点:不是只要画得好看,而是必须画得正确


它要保证:模块之间的逻辑关系不出错、数据表达符合科研规范、图可以直接服务论文叙事,而不是装饰。


研究指出,PaperBanana 可以覆盖多种常见学术插图类型,包括方法流程图、模型结构示意图、概念性框架图,以及通过代码驱动生成的高精度统计图。


PaperBanana 不仅能从零生成,还能润色你现有的丑图。


给它一张草图或初版框图,它负责自动美化、重排布局、统一风格,让它更像顶会论文里的标准图形


更直观的对比——


左侧是手工绘制的插图,右侧是 PaperBanana 风格增强(Style Enhanced)后的版本。


谷歌做了个论文专用版nano banana!顶会级Figure直出

这些示例覆盖了多个典型科研场景,包括 Transformer 与不同 LayerNorm 变体的对比示意、工程流程与三维建模管线的系统框架,以及强化学习和表示学习中抽象几何关系的表达。它们的共同特点在于逻辑复杂、元素密集,对人工排版提出了极高要求,也正是科研人员最容易在“画图”上消耗大量时间与精力的部分。


语义结构上一致,但视觉呈现,完全不同。


原始图信息完整,却给人一种能看懂,但不好看的感觉:布局略显松散,配色偏向单一,不同模块之间的层级关系也不够清晰。


PaperBanana 润色增后,图中的逻辑被重新梳理进一套更规范的视觉体系之中。


不同功能模块通过颜色进行区分,虚线和分区框用来强化层次结构,箭头的走向也更加明确,整体观感明显更接近顶会论文中常见的标准范式。


再看下面的图例,同一张图对比,高低立判。


人类画的图,对,但不一定好看。


未经调教的原始模型生成(Nano-Banana-Pro),画出来但难读。


PaperBanana 真正做到了画清楚、讲明白,也更符合顶会审美的论文级插图:配色更现代统一,信息更精炼,模块分区更清晰。


谷歌做了个论文专用版nano banana!顶会级Figure直出


那么,它是如何做到这一点的?


PaperBanana 画论文图变成了一条由多智能体协作完成的流水线。


系统先检索参考范例,再规划结构化描述,并在审美规范约束下生成初稿;


随后由视觉代理将文本描述转化为图像或代码绘图,评论代理不断对照原始论文内容进行纠错与打磨。


经过多轮迭代后,输出的不再是普通示意图,而是一张同时满足语义正确性与顶会审美标准的论文级插图。


这不是简单的作图自动化,而是一种科研表达方式的自动规范化。


谷歌做了个论文专用版nano banana!顶会级Figure直出


研究人员还顺带对比了两种路线:直接让模型画图 VS 让模型写代码画图


结论很扎心:AI 直接画出来的图虽然精美,但经常在数字上胡说八道。


目前最靠谱的方式还是:AI 写绘图代码(基于 Gemini-3-Pro),再生成统计图。


谷歌做了个论文专用版nano banana!顶会级Figure直出


这只是开始。类似工具已经开始出现,比如:Claude Scientific Writer,集成论文写作 + 插图 + 图表生成。


未来科研可能变成这样:你不用再在 PPT 里对齐箭头、调颜色、拖文本框到凌晨三点,而是把更多时间留给真正重要的事情。


参考链接

https://dwzhu-pku.github.io/PaperBanana/

https://github.com/K-Dense-AI/claude-scientific-writer


文章来自于“机器之心”,作者 “SIA”。

AITNT-国内领先的一站式人工智能新闻资讯网站
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI代理

【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。

项目地址:https://github.com/browser-use/browser-use


2
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md