PaperBanana是什么？

PaperBanana是谷歌云AI研究院和北京大学一起做的开源工具，能帮AI科研人员自动做论文配图。

PaperBanana(图1)

PaperBanana核心功能

PaperBanana是个多智能体协作的系统，5个专业AI分工，把文字描述变成符合NeurIPS这类顶会标准的学术插图：

  • Retriever（检索器）：从精选的顶会论文图库里找最相关的参考图；

  • Planner（策划师）：把方法论文字写成详细的视觉蓝图描述；

  • Stylist（风格师）：按学术审美（配色、字体、布局）来弄，这审美是从NeurIPS 2025论文反推的；

  • Visualizer（可视化器）：用Gemini-3-Pro渲染图，或生成Python代码画准统计图；

  • Critic（评审员）：给生成的图挑错，反复改。3轮改完，忠实度能从4.5升到45.8。

PaperBanana工作原理

PaperBanana是参考驱动的“智能代理框架”，靠5个专业代理把原始文字或数据变成能直接用的学术插图。

系统让5个智能体一起干活：先检索，在参考库找和用户主题、想做的图匹配的现有图表；再规划，结合源文字和找的参考，写目标插图的详细文字描述，说清组件和逻辑；然后定风格，让图看着专业好看；接着可视化，把改好的文字描述变成图；最后审核，查质量。

它把逻辑规划和美学渲染分开，还加了评审环节，所以生成的图在忠实度、简洁性、美观度上，比普通“黑盒”图像生成模型好很多。

PaperBanana主要特点

  • 双模式生成：能做架构图/流程图（直接生成图），也能做统计图表（用代码生成，数据100%准）；

  • 自动优化：能“美化”用户已有的草图或初稿，内容不变，图更好看；

  • 学术标准：内置AI/计算机科学领域的NeurIPS风格指南；

  • 开源免费：代码已开，能用CLI、Python API、MCP服务器这些方式。

PaperBanana应用场景

  • 文本转插图：输方法描述和标题，系统找类似参考，生成图；

  • 美学升级：输粗糙或“过时”的手绘图，系统自动优化；

  • UI/UX设计：按特定设计系统标准做界面原型；

  • 专利起草：做符合法律格式要求的技术图；

  • 工业制图：自动做工程示意图。

另外，它还能从原始表格或代码生成统计图表。代码模式适合要准的任务，用Python（比如Matplotlib）画，不会“编”数据；图像模式适合优先好看的简单图，可能数据有点小误差。

性能表现

在PaperBanana Bench（292个跨领域测试）里，它在忠实度、简洁性、可读性、美观性上，比现有模型都好，整体提升17%，简洁性升了37.2%。人类盲测里，72.7%的研究人员说它比传统方法好。

PaperBanana项目资源

  • 项目主页：https://dwzhu-pku.github.io/PaperBanana/

  • GitHub：https://github.com/dwzhu-pku/PaperBanana

  • 论文arXiv:https://arxiv.org/abs/2601.23265

要注意，PaperBanana是2026年1月刚出的早期项目，现在主要优化AI和计算机科学的方法图，其他学科支持还在完善。官方代码和数据集计划2周内发，现在GitHub有社区做的非官方版能试。