学术特供版Nano Banana来了！Google亲自下场，直接对齐NeurIPS审美

 

懂代码、懂审美的 AI 绘图天团，专治科研人的画图焦虑。

 

赶论文时最让人头大的，不是算力，也不是数据，而是画图。

 

虽然 AI 早就学会了补全代码、甚至自动设计实验，但在赶 deadline 的时候，绝大多数人还得打开 draw.io 或 visio 手动对齐像素。

 

虽然市面上也有不少 Nano Banana Pro 辅助科研绘图的教程，但这通常需要不断微调复杂的 Prompt，靠抽卡来碰运气。

 

Google Cloud AI Research 联合北大团队最新发布的 PaperBanana，就是为了终结这种痛苦。

 

 

论文链接：

https://arxiv.org/pdf/2601.23265

项目主页：

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

GitHub链接：

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

这是一套基于 Nano Banana Pro 构建的智能体框架。它不仅读得懂你的方法章节，更能严格遵循 NeurIPS 的审美标准，全自动生成发表级的方法架构图和统计图表。

 

 

〓 图1. PaperBanana 生成的架构图、流程图及统计图表

 

5 个智能体是如何分工的？

为什么通用的 Nano Banana Pro 很难直接画好学术图？核心难点在于它不懂空间逻辑。

 

学术架构图要求模块间的数据流向绝对严谨，而生成模型天生擅长发散，经常会出现幻觉——该连的线没连，不该连的线乱连。

 

PaperBanana 组建了一支由 5 个智能体构成的绘图团队，模拟人类绘制学术插图的完整思维链。

 

 

〓 图2. 五大智能体协同工作流：从检索、规划、风格化、可视化到审查修正

来看看这个绘图天团的配置：

 

检索（Retriever）：解决无从下笔的难题。利用 RAG 技术从图库中检索结构相似的参考图，为生成提供视觉灵感，让布局有章可循。

 

规划（Planner）：核心大脑。它将不可控的像素生成任务，降维成可控的结构化文本描述，实现内容与样式的解耦。

 

审美（Stylist）：注入灵魂的一步。基于内置的 NeurIPS 审美指南，强制对齐配色与排版，拒绝 AI 霓虹感。

 

绘图（Visualizer）：采用混合渲染策略——架构图调用 Nano Banana Pro 生成，而统计图直接生成 Matplotlib 代码，确保数据绝对精准。

为什么必须写代码？看下图对比：

 

 

〓 图3. 统计图生成对比：视觉生成（左）易含幻觉，代码生成（右）精准还原

左边是用 AI 直接画的，虽然好看但容易出现数值幻觉，右边是 AI 写代码画的，朴素但绝对精准。

 

审查（Critic）：引入闭环反馈。模拟导师视角审查细节，检查漏项或错连，支持最多 3 轮自动迭代。

 

顶会级审美

很多 AI 生成的图没法直接用于投稿，主要是因为审美风格不够学术——颜色太艳、背景太黑、特效太浮夸。

 

研究团队从 5275 篇 NeurIPS 论文中筛选并分析了高质量样本，总结出了一套详细的审美标准（详见论文 Appendix F），并将这套标准内置在审美智能体中。

 

你不需要记住这些参数，Agent 会全自动替你执行。

 

 

🎨 NeurIPS 2025 Aesthetic Guidelines (Lite)

配色：严禁高饱和霓虹色，推荐科技柔和色，如淡蓝 (#E6F3FF) 搭配柔和的橙色。

背景：必须保持纯白或极淡的灰，严禁使用纯黑背景。

几何：推荐圆角矩形，直角仅限矩阵表示。

字体：区分层级——数学变量用 LaTeX 风，普通标签用 Sans-Serif。

 

这种审美对齐有多管用？看下图：

 

 

〓 图4. PaperBanana 与原始模型及人类绘图的视觉对比

未经审美对齐的 Nano Banana Pro 虽然生成了基本的图表结构，但在整体质感上显得较为粗糙，缺乏专业学术图表应有的规范性。

 

相比之下，PaperBanana 的生成结果完美拿捏了 NeurIPS 顶会的视觉偏好，拥有清晰的模块分区和柔和的学术配色，甚至不输人类精绘的参考图。

 

PaperBanana 还有一个杀手锏，它支持风格润色模式，即便你只画了一个简陋的草图，它也能基于这套审美指南，将其重绘为精美的矢量风格插图。

 

 

〓 图5. 风格润色功能：将人类绘制的草图自动优化为符合审美规范的插图

 

它也能直接对现有的手绘示意图进行审美升级：

 

 

〓 图6. 利用审美指南，将现有的人类手绘图转化为高质量的学术插图

 

 

不仅要画得好看，关键得画对

为了客观评估生成质量，团队构建了一个包含 292 个 NeurIPS 2025 真实案例的基准测试集 PaperBananaBench。

 

 

〓 图6. 数据集统计：涵盖 CV、NLP 等多个领域

评测结果显示，PaperBanana 在忠实度、简洁性、可读性和美观度上均全面优于基线模型。

 

尤其是因为有审查智能体把关，忠实度相比原始模型提升了 2.8%；在简洁性上更是大幅提升了 37.2%，有效解决了生成模型常有的视觉噪点问题。

 

在人工评测中，PaperBanana 生成的统计图在美观度上甚至微弱击败了原论文的人类作者。

 

 

〓 表1. 主要实验结果：PaperBanana 在 Faithfulness、Conciseness 等各项指标上均优于基线

不过，PaperBanana 目前也并非全能。它生成的架构图本质上仍是位图，无法像 SVG 那样无损编辑。

 

此外，在处理极度复杂的网络拓扑时，模型偶尔仍会出现连线冗余或节点匹配错误。

 

 

〓 图8. 局限性展示：极复杂场景下模型可能出现冗余连线或节点匹配错误

 

结语

据 GitHub 项目主页显示，该项目的核心代码和数据集预计将在 2 周后正式开源。

 

PaperBanana 的核心价值很简单，把大家从低效的绘图劳动中解放出来。

 

等代码放出后，大家不妨试一试——毕竟，把时间花在 idea 上，总比花在对齐像素上划算。

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

 

·

 

<原文链接：https://mp.weixin.qq.com/s/Eav287iHkR2rcZctNduHwA