北大与谷歌推出 PaperBanana：用 5 个 AI 智能体自动画论文图

搞科研的人都知道，写论文正文可能只要几天，但为了画出一张能镇住审稿人的方法架构图，调颜色、对齐箭头和方块能折腾掉一整周。

北京大学与谷歌云 AI 团队最近发布了一个名为 PaperBanana 的多智能体框架，专门帮科研人员自动生成出版级的论文插图与统计图表。

把画图拆成五道工序

以往用生图模型画技术流程图，出来的往往是一团糊弄人的“概念画”，文字对不上，结构也是乱的。

PaperBanana 的思路是模仿人类设计师，把任务拆给五个专业智能体：检索、规划、设计、渲染和评审。

检索智能体先在数据库里寻找风格相似的参考图；规划智能体梳理输入文本的逻辑流程；设计智能体把控配色与排版风格；渲染智能体负责调用图像模型生成画面；最后由评审智能体挑毛病，循环修改打磨。

这套系统属于模型无关架构，可以外挂各种图像模型，比如 GPT-Image-1.5 或 Nano Banana Pro。

除了从零画图，它还能帮现有手绘草图做“美学翻新”。在针对手绘图的对比评测中，PaperBanana 生成的图有 56% 的概率在美学打分上击败原作。

对于折线图、柱状图这类统计图表，它还支持两种模式：要精准就调用 Python 写 Matplotlib 代码，完全没有数值幻觉；要好看就直接走图像生成。

战胜人类评委，但搞不定连线

为了检验成色，研究团队从 NeurIPS 2025 的论文里挑出方法图，搭建了包含 292 个测试样本的基准测试集 PaperBananaBench。

评测结果显示，在信息简洁度上，PaperBanana 比 baseline 基准高出 37%，可读性提升近 13%，在忠实度和美学上也全面占优。

不过它也有明显的短板。

团队在分析失败案例时发现，系统最容易出错的地方是“连线”：经常出现多余的连接箭头，或者把输入和输出节点的指向搞反。

更尴尬的是，连最后的评审智能体也很难识别出这类拓扑连线错误，暴露出底层大模型在复杂空间感知上的先天缺陷。

为什么重要

对于经常赶论文 Deadline 的学者和开发者来说，PaperBanana 抓住了科研日常中最耗时、最痛苦的一个脏活环节。哪怕只是用它来给草图挑配色、理排版，或者让它生成第一版结构原型，也能省下大把时间。

从技术路线来看，我们认为 PaperBanana 走得非常务实。它没有指望单个多模态大模型奇迹般地画对学术图，而是把“逻辑梳理”和“视觉渲染”彻底解耦，在遇到严谨数据时甚至主动退回代码生成模式来杜绝幻觉。

但在实际使用中，读者目前依然不能完全放手。拓扑关系和逻辑流向恰恰是学术图表的命脉，既然 AI 容易接错线且自我评审也看不出来，作者在投稿前就必须人工严审每一个箭头的指向。团队表示代码和数据集将在两周内发布，届时大家可以看看它到底能不能真正扛起顶会作图的重任。