北京大学とGoogle Cloud AI、学術論文の図表を自動生成する「PaperBanana」発表

学術論文の執筆経験がある人なら誰でも、本文の執筆以上に、手法を解説するフレームワーク図の作成に膨大な時間が奪われる苦労を知っているはずだ。

北京大学とGoogle Cloud AIの研究チームは、そうした研究者の作図負担を解消するため、出版品質の学術イラストや統計グラフを自動生成するマルチエージェント基盤「PaperBanana」を発表した。

5つの専門エージェントが分業して作図

通常の画像生成AIに論文図表を描かせようとすると、要素の配置が崩れたり、意味不明な文字が紛れ込んだりすることが多い。

PaperBananaは人間のデザイナーの作業工程を模倣し、5つの専門エージェントを連携させてこの課題を解決している。

まず検索エージェントが類似の参照図表を探し出し、計画エージェントが論文テキストから論理構成や必要な要素を整理する。続いてスタイルエージェントが配色やフォントを決定し、描画エージェントが画像を生成する。

最後に批評エージェントが不備をチェックし、複数回の反復修正を経て最終的な図表を完成させる仕組みだ。Nano Banana ProやGPT-Image-1.5など複数の基盤モデルを差し替えて利用できる。

また、人間が描いた手作業の下書き図をブラッシュアップする機能も備えており、美学的な比較評価では人間の原作図表に対して56%の勝率を記録した。

折れ線グラフなどの統計プロットに関しては、見た目重視の画像直接生成と、Matplotlibコードを書いて数値の幻覚を防ぐコード生成モードの2通りを使い分けられる。

ベンチマークで圧勝も、矢印の接続に課題

研究チームはシステムの性能を客観的に測るため、NeurIPS 2025採択論文の手法図からなる評価用データセット「PaperBananaBench」（テスト事例292件）を構築した。

評価実験において、PaperBananaはベースラインと比較して簡潔性で37%、可読性で約13%高いスコアを獲得し、美しさや原文への忠実度でも優れた数値を記録した。

しかし、明確な弱点も残されている。

主な失敗パターンとして報告されているのが、ノード同士をつなぐ線のエラーだ。余計な接続線が引かれたり、矢印の始点と終点が逆になったりするトラブルが目立つ。

さらに厄介なことに、批評エージェント自身がこうした接続の不整合を見落としやすい。基底にあるマルチモーダルモデルの空間認識力における限界が浮き彫りになっている。

なぜ重要か

研究者やエンジニアにとって、論文の採択率を左右する図表作成は最も自動化が望まれていた作業のひとつだ。下書き図をアップロードするだけで体裁を整えてくれるだけでも、締め切り前の負担を大きく減らせる。

PaperBananaのアプローチは非常に合理的だと考えられる。単一の画像モデルに丸投げするのではなく、論理の整理と美的な装飾を切り離し、正確さが求められる統計図表では手堅くコード生成を活用しているからだ。

ただし、現段階で完全に自動化へ委ねるのは禁物だろう。矢印の向きや因果関係の誤りは、学術論文において致命的な解釈違いを生む。AIの自己点検でも見落とされやすい以上、人間による最終チェックは不可欠だ。コードとデータセットは2週間以内に公開予定とされており、現場でどこまで実用に耐えるか注目が集まる。