谷歌做了個論文專用版nano banana！頂會級Figure直出

編輯｜SIA

你負責寫方法，AI負責畫 Figure。 科研打工人，終于等來「畫圖解放日」。

還在為論文里的方法框圖熬夜畫 PPT、拉箭頭、對齊字體嗎？

一張 Figure 2，動輒幾個小時，嚴重的甚至能耗上幾天，科研人的「隱藏副本」不是實驗，而是畫圖。

既要忠于論文原意，又得暗暗符合頂會那套心照不宣的「學術審美」：顏色不能土，布局不能亂，箭頭更不能連錯。

看起來只是一張圖，實際上是美學、邏輯和耐心的三重折磨。

那么，問題來了：現在的大模型已經能寫論文、跑實驗、改代碼，為什么偏偏搞不定這些學術插圖？有人可能會問：DALL·E、基礎 VLM 不行嗎？

答案是：真不行。

它們畫出來的圖往往是：模塊和文字對不上、字體直接亂碼、箭頭邏輯錯誤。圖是「好看」，但不中用啊。

于是，一個狠角色出現了：PaperBanana

來自北大 + Google Cloud AI Research 的團隊，目標很簡單也很狂：你寫方法，AI 畫 Figure，水準呢？直接投頂會的那種。

科研打工人，終于等到了「畫圖解放日」。

來看效果成色。

PaperBanana 展示了解決兩類學術插圖的能力：

第一類，是論文方法流程圖與模型結構示意圖，用來說明算法如何運作（左）；第二類，是統計圖表，用來表達實驗結果與數據對比（右邊）。

左邊是方法框圖（Methodology Diagrams），右邊是統計圖（Statistical Plots）

與以往「只會畫圖像」的生成模型不同，PaperBanana 強調兩點：不是只要「畫得好看」，而是必須「畫得正確」。

它要保證：模塊之間的邏輯關系不出錯、數據表達符合科研規范、圖可以直接服務論文敘事，而不是裝飾。

研究指出，PaperBanana 可以覆蓋多種常見學術插圖類型，包括方法流程圖、模型結構示意圖、概念性框架圖，以及通過代碼驅動生成的高精度統計圖。

PaperBanana 不僅能從零生成，還能潤色你現有的丑圖。

給它一張草圖或初版框圖，它負責自動美化、重排布局、統一風格，讓它更像頂會論文里的標準圖形

更直觀的對比——

左側是手工繪制的插圖，右側是 PaperBanana 風格增強（Style Enhanced）后的版本。

這些示例覆蓋了多個典型科研場景，包括 Transformer 與不同 LayerNorm 變體的對比示意、工程流程與三維建模管線的系統框架，以及強化學習和表示學習中抽象幾何關系的表達。它們的共同特點在于邏輯復雜、元素密集，對人工排版提出了極高要求，也正是科研人員最容易在“畫圖”上消耗大量時間與精力的部分。

語義結構上一致，但視覺呈現，完全不同。

原始圖信息完整，卻給人一種「能看懂，但不好看」的感覺：布局略顯松散，配色偏向單一，不同模塊之間的層級關系也不夠清晰。

PaperBanana 潤色增后，圖中的邏輯被重新梳理進一套更規范的視覺體系之中。

不同功能模塊通過顏色進行區分，虛線和分區框用來強化層次結構，箭頭的走向也更加明確，整體觀感明顯更接近頂會論文中常見的標準范式。

再看下面的圖例，同一張圖對比，高低立判。

人類畫的圖，對，但不一定好看。

未經調教的原始模型生成（Nano-Banana-Pro），畫出來但難讀。

PaperBanana 真正做到了「畫清楚、講明白」，也更符合頂會審美的論文級插圖：配色更現代統一，信息更精煉，模塊分區更清晰。

那么，它是如何做到這一點的？

PaperBanana「畫論文圖」變成了一條由多智能體協作完成的流水線。

系統先檢索參考范例，再規劃結構化描述，并在審美規范約束下生成初稿；

隨后由視覺代理將文本描述轉化為圖像或代碼繪圖，評論代理不斷對照原始論文內容進行糾錯與打磨。

經過多輪迭代后，輸出的不再是普通示意圖，而是一張同時滿足語義正確性與頂會審美標準的論文級插圖。

這不是簡單的作圖自動化，而是一種「科研表達方式」的自動規范化。

研究人員還順帶對比了兩種路線：直接讓模型「畫圖」VS 讓模型「寫代碼畫圖」。

結論很扎心：AI 直接畫出來的圖雖然精美，但經常在數字上胡說八道。

目前最靠譜的方式還是：AI 寫繪圖代碼（基于 Gemini-3-Pro），再生成統計圖。

這只是開始。類似工具已經開始出現，比如：Claude Scientific Writer，集成論文寫作 + 插圖 + 圖表生成。

未來科研可能變成這樣：你不用再在 PPT 里對齊箭頭、調顏色、拖文本框到凌晨三點，而是把更多時間留給真正重要的事情。

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

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