果好到刷屏的 Nano Banana新疆保温护角专用胶价格，学术版热乎出炉！

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 )

而且这次是由谷歌北大强强联手造。

知道你想马上看果，别急，三个官案例这就给大搬上桌。

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：

综评估显示，PaperBanana 在美观、简洁与逻辑清晰度上均优于原版。

而且它还能直接优化人工绘制的插图，瞅瞅右边，是不是感下就上去了。

此外，由于 PaperBanana 还提供代码出图  （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 的各种图表。

好好好，既能拿捏感，又不忘度，应该没有学术人不吧 ~

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视觉叙事的桥梁，赋能每位研究者，用业的视觉语言清晰呈现其发现。

而在看到其果之后，众网友也纷纷感叹"学术插图"这个老大难总是要被攻克了。

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 中绘制张图，简直令人难以置信。

那么，学术版 PaperBanana 是如何炼造的呢？

个不够，那就 5 个！

用个模型生图怎么够，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，找到与你要画的图域、结构相似的参考案例。

Planner Agent（规划智能体）：把论文文字描述新疆保温护角专用胶价格，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、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，连这张图也是 PaperBanana 自己生成的。

论文作者表示，这过程参考了人类制作论文插图的流程。

以制作个模型架构图为例，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，脑子里大概就有幅架构蓝图了。

而到这步还不是真正动笔的时候，因为还需要结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番，以确保出图正确误。

怎么样？是不是环扣环、且全都对应上了。

而在了解完 PaperBanana 的工作式后，接下来的问题在于：

怎么评估 PaperBanana 的生图果？

实验法及结果

对此，团队还门构建了个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，每个都提取了完整的（S, C, I）三元组：

S（源上下文）：描述法的文本，如论文法论章节；

C（传达意图）：图的标题 / 说明，保温护角专用胶如"我们的框架概述"；

I（参考图像）：论文中实际使用的、质量的对应图表。

参考样本集构成了个质量的"学术插图数据库"新疆保温护角专用胶价格，主要供检索智能体进行查询和匹配。

奥力斯    万能胶生产厂家    联系人：王经理    手机：13903175735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

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、简洁、可读、美观。

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

而实验结果表明，PaperBanana 在所有维度上越了传统的单模型直接生成（Vanilla）等基线法。

整体能碾压：总分相对基线提升了 17.0。其中，简洁提升为显著，达 37.2，说明它生成的图逻辑干净、突出；可读（+12.9）和美观（+6.6）也有大幅先。

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好。

统计图表表现优异：在需要精度的统计图表任务中，PaperBanana 的"代码生成模式"在数值忠实上与人类水平相当，而简洁和美观甚至略胜筹。

这里需要说明，在生成图表面，PaperBanana 有两种模式：

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对准确，适需要严格精度的场景。

另种是直接生图模式（可选式）。跳过代码，让图像生成模型直接根据文本描述生成图表。优点是视觉果顶，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些错误问题，而右侧的代码生图模式明显误，但美观度略逊。

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不可，它们共同保证了终图像的"准确"与"好看"。

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

所以，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，很多图都能变得美观、……当然也容易入顶会的眼（doge）。

谷歌 x 北大联手造

后介绍下 PaperBanana 背后的团队。

共 7 人，可以清晰分成两拨——

拨来自北大，主要提供 NLP 与多模态理解的学术根基；另拨来自 Google Cloud AI Research，负责多模态系统与工业化视角。

署名的 Dawei Zhu（兼通讯作者），本硕博均就读于北大，现为北大四年博士生。

他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 目前是北大计机学院长聘教授，也是 Dawei Zhu 的博，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 作过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、研究科学 Yale Song、研究科学 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

参考链接：

[ 1 ] https://x.com/AlphaSignalAI/status/2018815238829928711

[ 2 ] https://x.com/dwzhu128/status/2018405593976103010

—  欢迎 AI 产品从业者共建  —

� �「AI 产品知识库」是量子位智库基于长期产品库追踪和用户行为数据出的飞书知识库，旨在成为 AI 行业从业者、投资者、研究者的核心信息枢纽与决策支持平台。

键关注 � � 点亮星标

科技前沿进展每日见新疆保温护角专用胶价格