网易首页 > 网易号 > 正文 申请入驻

谷歌北大联手学术版Banana爆火,论文图表100%精确生成

0
分享至

效果好到刷屏的Nano Banana,学术特供版热乎出炉!

名字就是如此直观——PaperBanana,给你每天都在头痛的Paper用上Banana。(试图押韵skr)

而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,三个官方案例这就给大家搬上桌。

在相同输入下,人类绘制、原版Nano Banana与PaperBanana生成的论文插图对比如下:

综合评估显示,PaperBanana在美观性、简洁性与逻辑清晰度上均全面优于原版。

而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。

此外,由于PaperBanana还提供代码出图功能 (即利用Gemini-3-Pro自动生成并执行Python可视化代码出图),所以它还能用来生成需要数值100%精准的各种图表。

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~

论文作者表示,PaperBanana为全自动生成可用于出版的插图铺平了道路。

  • 我们希望这个框架能成为连接复杂科学概念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呈现其发现。

而在看到其效果之后,一众网友也纷纷感叹“学术插图”这个老大难总算是要被攻克了。

想想以前的日子,真真是要落泪了~

  • 研究人员花费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是如何炼造的呢?

一个不够,那就5个!

用一个模型生图怎么够,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(规划智能体):把论文文字描述,转化为包含所有模块、逻辑的详细绘图说明书。
  • Stylist Agent(风格智能体):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):根据说明书,直接画图或写代码出图,产出初稿。
  • Critic Agent(批判智能体):检查图的对错与美观度,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工作流程:

划重点,连这张图也是PaperBanana自己生成的。

论文作者表示,这一过程参考了人类制作论文插图的流程。

以制作一个模型架构图为例,通常研究人员会先去看看顶会里类似工作的图是怎么画的,找找灵感和规范。

这一步就对应了检索智能体的工作。

然后就需要根据参考来规划自己的图该怎么画,“我的方法有几个关键模块?”、“数据流和逻辑顺序是怎样的?”,在想清所有关键问题后,脑子里大概就有一幅架构蓝图了。

而到这一步还不是真正动笔的时候,因为还需要结合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。

有了这两样东西(蓝图+审美),现在就可以真正出图了。

并且出完之后,研究人员往往还需要检查一番,以确保出图正确无误。

怎么样?是不是一环扣一环、且全都一一对应上了。

而在了解完PaperBanana的工作方式后,接下来的问题在于:

怎么评估PaperBanana的生图效果?

实验方法及结果

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,经过滤、人工校验后,得到584个有效样本,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):描述方法的文本,如论文方法论章节;
  • C(传达意图):图的标题/说明,如“我们的框架概述”;
  • I(参考图像):论文中实际使用的、高质量的对应图表。

参考样本集构成了一个高质量的“学术插图数据库”,主要供检索智能体进行查询和匹配。

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作为隐藏的标准答案,不参与生成过程,仅用于最终的质量比对与评分。

准备到这里,接下来就是具体生成和评估了。

裁判方面,他们采用了“VLM-as-a-Judge”(大模型当裁判)的评估范式——

让强大的视觉语言模型(如Gemini-3-Pro)作为评委,将PaperBanana生成的图与测试集中隐藏的标准答案I进行逐项对比。

对比的维度主要有四个:忠实性、简洁性、可读性、美观性。

若PaperBanana表现优于标准图得100分,劣于得0分,持平得50分,最终计算总分。

而实验结果表明,PaperBanana在所有维度上全面超越了传统的单模型直接生成(Vanilla)等基线方法。

  • 整体性能碾压:总分相对基线提升了17.0%。其中,简洁性提升最为显著,高达37.2%,说明它生成的图逻辑更干净、重点更突出;可读性(+12.9%)和美观性(+6.6%)也有大幅领先。
  • 获得人类盲测认可:在匿名的人类盲测中,研究员有72.7%的情况认为PaperBanana生成的图比基线模型更好。
  • 统计图表表现优异:在需要高精度的统计图表任务中,PaperBanana的“代码生成模式”在数值忠实性上与人类水平相当,而简洁性和美观性甚至略胜一筹。

这里需要说明,在生成图表方面,PaperBanana有两种模式:

一种是代码生成模式(默认)。让Gemini-3-Pro这类模型自动写Python可视化代码(如Matplotlib),再运行代码出图。优点是可以保证数值绝对准确,适合需要严格精度的场景。

另一种是直接生图模式(可选方式)。跳过代码,让图像生成模型直接根据文本描述生成图表。优点是视觉效果更顶,但数值容易出现幻觉问题。

左图直接生图模式下,红框圈选出来的就是一些错误问题,而右侧的代码生图模式明显无误,但美观度略逊。

最后的消融实验证明,检索参考、风格优化、批判迭代这三个环节缺一不可,它们共同保证了最终图像的“准确”与“好看”。

不过也需要提醒,PaperBanana目前仍有一些局限性,比如它作为生图还无法编辑,同时在很多细节忠实度方面仍比不上人类手工作业。

所以,更保险的做法或许是,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,很多图都能变得更美观、更高级……当然也更容易入顶会的眼(doge)。

谷歌x北大联手打造

最后介绍下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与多模态理解的学术根基;另一拨来自Google Cloud AI Research,负责多模态系统与工业化视角。

署名第一的Dawei Zhu(兼通讯作者),本硕博均就读于北大,现为北大四年级博士生。

他重点研究长上下文建模和多模态数据,之前在微软亚洲研究院实习过,目前是Google Cloud AI Research学生研究员,PaperBanana也是他在谷歌期间参与的项目。

借着北大这条线,另外两位来自北大的分别是Xiyu Wei和Sujian Li(兼通讯作者)。

Sujian Li目前是北大计算机学院长聘副教授,也是Dawei Zhu的博导,主要研究自然语言处理、信息抽取等。

而Xiyu Wei可能还是学生,目前只能看到TA和Dawei Zhu合作过一篇关于拓展上下文的论文。

而其他几位来自Google Cloud AI Research的分别是:

负责人Tomas Pfister、高级研究科学家Yale Song、研究科学家Rui Meng和Jinsung Yoon(兼通讯作者)。

截至目前,PaperBanana已在开源社区GitHub揽获上千star,感兴趣可以继续关注。

项目主页:
https://dwzhu-pku.github.io/PaperBanana/
论文:
https://arxiv.org/abs/2601.23265
GitHub地址:
https://github.com/dwzhu-pku/PaperBanana

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
发现没有?超市、菜市场已经出现大怪现象,值得每一个人去深思

发现没有?超市、菜市场已经出现大怪现象,值得每一个人去深思

探源历史
2026-11-11 05:24:55
51年,彭老总狠心枪决周总理女婿,总理急电称罪不致死押回国!

51年,彭老总狠心枪决周总理女婿,总理急电称罪不致死押回国!

史不语
2026-10-28 17:55:07
丈夫瘫痪在床后,公公和儿媳外出跑大车赚钱,过年回家时却发生意外

丈夫瘫痪在床后,公公和儿媳外出跑大车赚钱,过年回家时却发生意外

温情邮局
2025-03-26 11:58:52
东风导弹泄密案中,间谍郭万钧一家三口均被依法执行死刑

东风导弹泄密案中,间谍郭万钧一家三口均被依法执行死刑

人生录
2026-06-17 20:53:45
沙特名宿犀利炮轰!直指C罗是球队病根,众人刻意视而不见

沙特名宿犀利炮轰!直指C罗是球队病根,众人刻意视而不见

凡人说体育
2026-11-22 01:12:54
“爸爸我爱你”为什么也会敏感违规?

“爸爸我爱你”为什么也会敏感违规?

历史总在押韵
2026-11-20 18:32:28
印度小伙来中国,与中国姑娘交往2个月被踹,姑娘:我现在全身病

印度小伙来中国,与中国姑娘交往2个月被踹,姑娘:我现在全身病

悬案解密档案
2025-05-21 10:46:02
工地男子扛蛇皮袋坐软卧被乘客举报,乘警检查后,全车人集体起立

工地男子扛蛇皮袋坐软卧被乘客举报,乘警检查后,全车人集体起立

悬案解密档案
2025-07-14 16:42:58
一男子将3000万存银行,银行承诺3年利息为4%,每年120万利息,可第三年只给105万利息,还有15万元不给了,男子直接起诉,法院判了

一男子将3000万存银行,银行承诺3年利息为4%,每年120万利息,可第三年只给105万利息,还有15万元不给了,男子直接起诉,法院判了

LULU生活家
2026-10-24 14:40:06
琼斯26分香港金牛爆冷淘汰广东,徐杰21分独木难支

琼斯26分香港金牛爆冷淘汰广东,徐杰21分独木难支

李广专业体育评论
2026-11-21 22:02:04
薄一波的夫人胡明,她有多美?1960年的留影,眉目清秀,灵气温婉

薄一波的夫人胡明,她有多美?1960年的留影,眉目清秀,灵气温婉

乡野小珥
2026-11-17 14:39:45
我二叔年轻时赶夜路借宿,醒来发现睡在坟地里,屋里的人全没了

我二叔年轻时赶夜路借宿,醒来发现睡在坟地里,屋里的人全没了

千秋文化
2026-11-18 20:57:40
魏莹“陪睡”案新进展:案件细节太颠覆,三方口述揭露更多内幕!

魏莹“陪睡”案新进展:案件细节太颠覆,三方口述揭露更多内幕!

莫地方
2026-10-22 10:22:36
养老金若不再大幅上调,真正承压的,可能不是已经退休的老人

养老金若不再大幅上调,真正承压的,可能不是已经退休的老人

你在偷看谁
2026-10-31 19:07:37
冠军赛落地上海,樊振东会不会参加?德甲赛程安排已经给出答案!

冠军赛落地上海,樊振东会不会参加?德甲赛程安排已经给出答案!

林子说事
2026-11-22 00:38:13
六个小时废话没拖住66张票,内塔尼亚胡的闸门被人从外面关上了

六个小时废话没拖住66张票,内塔尼亚胡的闸门被人从外面关上了

静暖文字
2026-11-21 21:25:47
《伟大的长征》的三个遗憾:没有出现的人,缺失的诗词,湮没的军团

《伟大的长征》的三个遗憾:没有出现的人,缺失的诗词,湮没的军团

北方丽人读书观史
2026-11-20 21:44:47
起床人还好好的,突然就倒下了……浙江有医院近半个月收治超百起脑梗

起床人还好好的,突然就倒下了……浙江有医院近半个月收治超百起脑梗

都市快报橙柿互动
2026-11-21 17:58:15
输的太窝囊!火箭惜败掘金,最大罪人无可争议,葬送好局

输的太窝囊!火箭惜败掘金,最大罪人无可争议,葬送好局

体育见习官
2026-11-21 13:48:51
老人1万退休金全给儿子,在儿子家过年时,意外听到儿媳亲家母对话

老人1万退休金全给儿子,在儿子家过年时,意外听到儿媳亲家母对话

泽泽先生
2025-05-16 16:41:10
2026-11-22 03:24:49
量子位 incentive-icons
量子位
追踪人工智能动态
13707文章数 176601关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

墨西哥女总统发布深圳行vlog

头条要闻

墨西哥女总统发布深圳行vlog

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

港姐季军吴文忻去世,生前已办追思会

财经要闻

走过三年牛市,黄金何去何从?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

家居
游戏
房产
健康
旅游

家居要闻

2026建博会(广州) 公装联探展交流活动

曝GTA6与大表哥2是同一宇宙!多处彩蛋佐证

房产要闻

黄埔商业规划曝光!科学城能级跃升,核心入场券已锁定

医生眼里"很伤腰"的椅子,很多人天天坐

旅游要闻

旅游淡季,喜洲的马车队在默契中略显萧瑟,幸好有旅游团的支撑

无障碍浏览 进入关怀版