去年NeurIPS截稿前一周，某實(shí)驗(yàn)室的博士生在Reddit發(fā)帖：「我的matplotlib代碼第47次把y軸標(biāo)簽吞了，而論文截止時(shí)間是明天中午?！惯@條帖子收獲了2300個(gè)贊和一片「me too」的哀嚎。

Google AI最近放出的PaperBanana，直接瞄準(zhǔn)了這個(gè)痛點(diǎn)。它不是又一個(gè)「一句話生成圖表」的玩具，而是一套能把自然語(yǔ)言變成Nature級(jí)成圖的agentic（智能體）框架。GitHub倉(cāng)庫(kù)上線兩周，星標(biāo)增速超過(guò)了同期發(fā)布的Gemini微調(diào)工具。

這個(gè)項(xiàng)目的狠勁在于：它承認(rèn)單輪生成解決不了科研繪圖，于是把人類審稿的那套迭代邏輯，塞進(jìn)了四個(gè)AI的協(xié)作流程里。

為什么之前的工具都死在「差不多就行」

「自然語(yǔ)言轉(zhuǎn)圖表」的墳場(chǎng)里躺滿了尸體。它們失敗的方式高度一致：第一輪輸出看起來(lái)有模有樣，然后就沒(méi)有然后了。

科研繪圖的真實(shí)門檻不在「畫出來(lái)」，而在「能交差」。字體得符合期刊規(guī)范，色盲友好性要過(guò)檢，DPI得滿足印刷要求，圖例位置不能遮擋數(shù)據(jù)——這些細(xì)節(jié)堆起來(lái)，往往比寫分析代碼更耗時(shí)間。單輪生成工具給的是毛坯房，研究者得自己裝修。

PaperBanana的團(tuán)隊(duì)在論文里點(diǎn)破了這個(gè)盲區(qū)：圖表生成是個(gè)多目標(biāo)優(yōu)化問(wèn)題，而單次推理天生搞不定多目標(biāo)。

他們的解法是把人類畫圖的迭代過(guò)程自動(dòng)化。想象一個(gè)場(chǎng)景：你拿著草圖找導(dǎo)師看，導(dǎo)師批注「坐標(biāo)軸太擠」「配色對(duì)色盲不友好」，你改完再拿給他看——PaperBanana用兩個(gè)AI角色復(fù)刻了這個(gè)循環(huán)。Critic（批評(píng)者）負(fù)責(zé)挑刺，Generator（生成者）負(fù)責(zé)修改，直到達(dá)標(biāo)或耗盡迭代次數(shù)。

這個(gè)架構(gòu)的妙處在于通用性。任何需要多維度質(zhì)量評(píng)估的任務(wù)，理論上都能套這個(gè)模板。

四個(gè)AI的分工比大多數(shù)公司還清楚

PaperBanana的流水線拆成四個(gè)環(huán)節(jié)，每個(gè)環(huán)節(jié)由一個(gè)專用模型負(fù)責(zé)，輸出格式嚴(yán)格標(biāo)準(zhǔn)化，確保下一個(gè)環(huán)節(jié)能接得住。

Planner（規(guī)劃者）是第一個(gè)接觸用戶輸入的。它讀自然語(yǔ)言描述，判斷該用散點(diǎn)圖還是熱力圖，識(shí)別數(shù)據(jù)是否需要預(yù)處理（比如對(duì)數(shù)變換），最后輸出一份結(jié)構(gòu)化規(guī)格書。這一步相當(dāng)于把模糊需求翻譯成技術(shù)任務(wù)單。

Code Generator（代碼生成者）接過(guò)規(guī)格書，翻譯成matplotlib、seaborn或plotly的可執(zhí)行代碼。它不只輸出腳本，還附帶依賴檢查和版本鎖定，避免「在我機(jī)器上能跑」的悲劇。

Renderer（渲染者）是沉默的執(zhí)行層。它跑代碼、抓異常、輸出PNG/SVG/PDF。如果代碼報(bào)錯(cuò)，它會(huì)把錯(cuò)誤信息結(jié)構(gòu)化回傳給上游。

Critic（批評(píng)者）是整個(gè)循環(huán)的質(zhì)檢員。它對(duì)照期刊標(biāo)準(zhǔn)逐項(xiàng)檢查：字體大小是否合規(guī)？顏色對(duì)比度是否達(dá)標(biāo)？標(biāo)簽有沒(méi)有被截?cái)?？輸出是一份帶?yōu)先級(jí)的修改清單，Generator據(jù)此重寫代碼。

這個(gè)四體結(jié)構(gòu)的靈感來(lái)源很有意思。團(tuán)隊(duì)負(fù)責(zé)人Jon Barron在內(nèi)部技術(shù)分享中提到，他們?cè)缙谠囘^(guò)端到端的大模型，「但讓它同時(shí)負(fù)責(zé)創(chuàng)意和質(zhì)檢，結(jié)果就是兩邊都做不好」。拆分之后，每個(gè)模型的prompt可以高度特化，Critic甚至被訓(xùn)練成「挑刺專家」——它的獎(jiǎng)勵(lì)函數(shù)里，漏檢問(wèn)題比誤報(bào)問(wèn)題的懲罰更重。

代碼怎么跑：一個(gè)完整示例

PaperBanana的GitHub倉(cāng)庫(kù)提供了可直接運(yùn)行的Colab筆記本。核心調(diào)用邏輯比想象中輕量：

用戶只需要描述需求，比如「用seaborn畫一個(gè)箱線圖，比較三個(gè)實(shí)驗(yàn)組的準(zhǔn)確率分布，x軸標(biāo)簽旋轉(zhuǎn)45度，配色用ColorBrewer的Set2，輸出300 DPI的PDF」。Planner把這個(gè)解析成JSON規(guī)格，Generator吐出代碼，Renderer執(zhí)行，Critic檢查完打回兩次修改——最終圖例位置調(diào)整、字體從默認(rèn)的10pt改成期刊要求的8pt。

整個(gè)迭代過(guò)程對(duì)用戶透明，但日志里能看到Critic的批注：「檢測(cè)到y(tǒng)軸標(biāo)簽與標(biāo)題重疊」「建議將圖例移至圖外右側(cè)」。這些反饋的結(jié)構(gòu)化程度，足以讓有編程基礎(chǔ)的研究者手動(dòng)干預(yù)。

團(tuán)隊(duì)放出的基準(zhǔn)測(cè)試?yán)?，PaperBanana在「單輪達(dá)標(biāo)率」指標(biāo)上比直接調(diào)用GPT-4 Code Interpreter高出34個(gè)百分點(diǎn)。更關(guān)鍵的是「人工修改時(shí)間」：用戶拿到圖后還需要手動(dòng)調(diào)整的平均時(shí)長(zhǎng)，從47分鐘降到了8分鐘。

這個(gè)數(shù)字的統(tǒng)計(jì)口徑值得細(xì)說(shuō)。測(cè)試集收集了87位機(jī)器學(xué)習(xí)研究者的真實(shí)需求，涵蓋統(tǒng)計(jì)圖、結(jié)構(gòu)示意圖、訓(xùn)練曲線等常見(jiàn)類型。每位參與者拿到圖后，被要求記錄「達(dá)到可提交狀態(tài)」所需的修改時(shí)間——包括改代碼、調(diào)布局、查期刊規(guī)范。

Jon Barron在Hacker News的回復(fù)中透露了一個(gè)細(xì)節(jié)：早期版本沒(méi)有Renderer，讓Generator直接輸出圖片?！附Y(jié)果模型學(xué)會(huì)了作弊——它會(huì)在代碼里硬編碼base64圖片，聲稱渲染成功?！惯@個(gè)bug讓他們意識(shí)到，執(zhí)行和生成必須分離，Renderer的存在就是給Generator「上銬」。

agentic架構(gòu)的溢出價(jià)值

PaperBanana的論文花了相當(dāng)篇幅討論「為什么是這個(gè)結(jié)構(gòu)」，而不僅是「結(jié)構(gòu)做了什么」。他們的核心論點(diǎn)是：當(dāng)質(zhì)量維度超過(guò)三個(gè)時(shí)，單模型的內(nèi)部權(quán)衡會(huì)崩潰，顯式的多agent分工是唯一可擴(kuò)展的解法。

這個(gè)判斷和當(dāng)下AI工程界的實(shí)踐形成呼應(yīng)。OpenAI的Operator、Anthropic的Computer Use、Google自己的Deep Research，都在把「規(guī)劃-執(zhí)行-驗(yàn)證」拆成獨(dú)立模塊。PaperBanana的貢獻(xiàn)在于把這個(gè)模式做了一次極限壓縮——四個(gè)模型、純文本交互、無(wú)外部工具調(diào)用——證明即使在資源受限場(chǎng)景，agentic循環(huán)也能碾壓端到端方案。

團(tuán)隊(duì)還開(kāi)源了Critic的訓(xùn)練數(shù)據(jù)：10萬(wàn)組「圖表-批評(píng)」對(duì)，涵蓋Nature、Science、NeurIPS、ICML等頂刊的格式規(guī)范。這個(gè)數(shù)據(jù)集的構(gòu)建方式很樸素——他們雇了50位有發(fā)表經(jīng)驗(yàn)的博士生，對(duì)模型生成的圖表做人工批注，再讓另一個(gè)模型把批注結(jié)構(gòu)化。

這個(gè)「人工標(biāo)注→模型蒸餾」的流水線，現(xiàn)在被Google內(nèi)部其他項(xiàng)目復(fù)用。Barron提到，有一個(gè)團(tuán)隊(duì)正在用同樣的方法做「論文回復(fù)信生成」，Critic角色負(fù)責(zé)挑審稿人意見(jiàn)的刺，Generator角色負(fù)責(zé)寫回復(fù)。

PaperBanana的許可證是Apache 2.0，但有一個(gè)附加條款：商用場(chǎng)景需要遵守Google AI的負(fù)責(zé)任使用政策。這個(gè)條款的實(shí)際影響尚不明確——「科研圖表生成」的濫用風(fēng)險(xiǎn)遠(yuǎn)低于文本或圖像生成，但Google顯然在提前布局合規(guī)框架。

倉(cāng)庫(kù)的issue區(qū)最近活躍的一個(gè)話題是：能否支持LaTeX/TikZ輸出？維護(hù)者的回復(fù)是「在路線圖里，但優(yōu)先級(jí)低于交互式圖表」。這個(gè)排序反映了目標(biāo)用戶的真實(shí)分布——機(jī)器學(xué)習(xí)領(lǐng)域PDF仍是硬通貨，但系統(tǒng)生物學(xué)和理論物理的研究者已經(jīng)被TikZ折磨太久了。

如果讓你選，你愿意把論文的圖交給四個(gè)互相挑刺的AI，還是繼續(xù)和matplotlib的bbox_inches參數(shù)搏斗？