导航|地址|刷新
谷歌做了个论文专用版nano banana！顶会级Figure直出_手机网易网

网易网易号



0

谷歌做了个论文专用版nano banana！顶会级Figure直出

机器之心Pro
2026-02-05 15:52·北京·《机器之心》官方网易号

0

打开网易新闻查看精彩图片

编辑｜SIA

你负责写方法，AI负责画 Figure。科研打工人，终于等来「画图解放日」。

还在为论文里的方法框图熬夜画 PPT、拉箭头、对齐字体吗？

一张 Figure 2，动辄几个小时，严重的甚至能耗上几天，科研人的「隐藏副本」不是实验，而是画图。

既要忠于论文原意，又得暗暗符合顶会那套心照不宣的「学术审美」：颜色不能土，布局不能乱，箭头更不能连错。

看起来只是一张图，实际上是美学、逻辑和耐心的三重折磨。

那么，问题来了：现在的大模型已经能写论文、跑实验、改代码，为什么偏偏搞不定这些学术插图？有人可能会问：DALL·E、基础 VLM 不行吗？

答案是：真不行。

它们画出来的图往往是：模块和文字对不上、字体直接乱码、箭头逻辑错误。图是「好看」，但不中用啊。

于是，一个狠角色出现了：PaperBanana

来自北大 + Google Cloud AI Research 的团队，目标很简单也很狂：你写方法，AI 画 Figure，水准呢？直接投顶会的那种。

科研打工人，终于等到了「画图解放日」。

打开网易新闻查看精彩图片

打开网易新闻查看精彩图片

打开网易新闻查看精彩图片

打开网易新闻查看精彩图片

来看效果成色。

PaperBanana 展示了解决两类学术插图的能力：

第一类，是论文方法流程图与模型结构示意图，用来说明算法如何运作（左）；第二类，是统计图表，用来表达实验结果与数据对比（右边）。

打开网易新闻查看精彩图片

左边是方法框图（Methodology Diagrams），右边是统计图（Statistical Plots）

与以往「只会画图像」的生成模型不同，PaperBanana 强调两点：不是只要「画得好看」，而是必须「画得正确」。

它要保证：模块之间的逻辑关系不出错、数据表达符合科研规范、图可以直接服务论文叙事，而不是装饰。

研究指出，PaperBanana 可以覆盖多种常见学术插图类型，包括方法流程图、模型结构示意图、概念性框架图，以及通过代码驱动生成的高精度统计图。

PaperBanana 不仅能从零生成，还能润色你现有的丑图。

给它一张草图或初版框图，它负责自动美化、重排布局、统一风格，让它更像顶会论文里的标准图形

更直观的对比——

左侧是手工绘制的插图，右侧是 PaperBanana 风格增强（Style Enhanced）后的版本。

打开网易新闻查看精彩图片

这些示例覆盖了多个典型科研场景，包括 Transformer 与不同 LayerNorm 变体的对比示意、工程流程与三维建模管线的系统框架，以及强化学习和表示学习中抽象几何关系的表达。它们的共同特点在于逻辑复杂、元素密集，对人工排版提出了极高要求，也正是科研人员最容易在“画图”上消耗大量时间与精力的部分。

语义结构上一致，但视觉呈现，完全不同。

原始图信息完整，却给人一种「能看懂，但不好看」的感觉：布局略显松散，配色偏向单一，不同模块之间的层级关系也不够清晰。

PaperBanana 润色增后，图中的逻辑被重新梳理进一套更规范的视觉体系之中。

不同功能模块通过颜色进行区分，虚线和分区框用来强化层次结构，箭头的走向也更加明确，整体观感明显更接近顶会论文中常见的标准范式。

再看下面的图例，同一张图对比，高低立判。

人类画的图，对，但不一定好看。

未经调教的原始模型生成（Nano-Banana-Pro），画出来但难读。

PaperBanana 真正做到了「画清楚、讲明白」，也更符合顶会审美的论文级插图：配色更现代统一，信息更精炼，模块分区更清晰。

打开网易新闻查看精彩图片

那么，它是如何做到这一点的？

PaperBanana「画论文图」变成了一条由多智能体协作完成的流水线。

系统先检索参考范例，再规划结构化描述，并在审美规范约束下生成初稿；

随后由视觉代理将文本描述转化为图像或代码绘图，评论代理不断对照原始论文内容进行纠错与打磨。

经过多轮迭代后，输出的不再是普通示意图，而是一张同时满足语义正确性与顶会审美标准的论文级插图。

这不是简单的作图自动化，而是一种「科研表达方式」的自动规范化。

打开网易新闻查看精彩图片

研究人员还顺带对比了两种路线：直接让模型「画图」VS 让模型「写代码画图」。

结论很扎心：AI 直接画出来的图虽然精美，但经常在数字上胡说八道。

目前最靠谱的方式还是：AI 写绘图代码（基于 Gemini-3-Pro），再生成统计图。

打开网易新闻查看精彩图片

这只是开始。类似工具已经开始出现，比如：Claude Scientific Writer，集成论文写作 + 插图 + 图表生成。

未来科研可能变成这样：你不用再在 PPT 里对齐箭头、调颜色、拖文本框到凌晨三点，而是把更多时间留给真正重要的事情。

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

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

特别声明：本文为网易自媒体平台“网易号”作者上传并发布，仅代表该作者观点。网易仅提供信息发布平台。

打开网易新闻体验更佳

热搜

外交部提醒避免危险抵近中方舰艇

 台风“白海豚”或冲击今年风王

 今年军校报考热度与生源质量均创历史新高

 男孩被奶奶责怪负气离家5天后被找到

 大众ID.AURA T6纯电SUV开启盲订

 吴宜泽vs墨菲

热门跟贴

打开APP发贴

0条跟贴

相关推荐

智元全模态大模型，登顶全球第一！力压谷歌英伟达，跑赢大厂

智东西25跟贴



刚刚，谷歌诺奖团队解散了！AlphaFold部分核心成员投奔Anthropic

新智元



100多万人围观！没头没腿，神似充电宝的机器人全网走红？

机器之心Pro

GaussianDWM：用3D高斯表示统一自动驾驶场景理解与多模态生成

机器之心Pro

视频生成模型会「推理」吗？303道题全面揭示世界模型的推理短板

机器之心Pro

我把昨晚的梦输入AI，它居然直接把我拉进去玩儿了一把？！

量子位



给世界模型加上因果，她要让机器人真正理解“为什么”

DeepTech深科技



飞渡科技：一家空间智能“隐形冠军”的显性时刻

钛媒体APP

10万科学家免费用1年！OpenAI把科研流水线搬进ChatGPT

新智元



人形机器人“拐点”已至：产量只是下限，模型决定天花板

经济观察报



再多安全训练，也堵不住大语言模型的致命漏洞

DeepTech深科技



00后小哥复刻Claude最强神话模型OpenMythos

量子位



“AI领域最被滥用的术语”李飞飞终于把世界模型讲明白了

量子位



抢完互联网数据，AI公司开始抢绝版纸质书

DeepTech深科技



甲骨文公司股价盘前上涨4%

每日经济新闻



谷歌正在为错过的时间付出代价：负自由现金流会是未来几个季度的常态

虎嗅APP

杨植麟暴怒了！彻底掀桌！你OpenAI的算法不都是抄的？

网易科技态度见闻2跟贴



AI推动软件漏洞发现数量激增，微软、谷歌安全漏洞披露创新高

界面新闻



机器之心逛谷歌，分享最热的Self-Improving

机器之心Pro

他做出爆火的谷歌CLI工具转头却被开除了

量子位

回到顶部回到首页

------
导航页打开网址