PaperBanana

Orkestrasi Framework Agen

Menggunakan sistem multi-agen (Pengambil, Perencana, Pereka, Pengkritik) untuk mengelola alur kerja end-to-end pembuatan ilustrasi akademis secara otonom.

Generasi Diagram dari Teks

Menerima deskripsi teks atau konteks metodologi sebagai input untuk merencanakan tata letak secara otomatis dan membuat diagram metodologi serta alur kerja yang layak publikasi.

Pemolesan dan Penyempurnaan Sketsa

Mengunggah sketsa kasar yang digambar tangan, menggunakan AI multimodal untuk menafsirkan dan mengubahnya menjadi diagram yang rapi, profesional, dan konsisten.

Visualisasi Plot Statistik

Membuat plot dan grafik statistik yang akurat, dengan gaya publikasi, dari data, menjamin output vektor untuk makalah dan presentasi akademis.

Penyempurnaan Iteratif dengan Kritik Diri

Menyisipkan loop umpan balik di mana agen mengevaluasi output terhadap metrik seperti kesetiaan dan estetika, menyempurnakan hasil secara iteratif untuk memenuhi standar publikasi.

• Peneliti AI: Hasilkan diagram arsitektur model kompleks dari deskripsi teks menggunakan framework agentik PaperBanana untuk ilustrasi metodologi siap publikasi.
• Mahasiswa pascasarjana: Ubah sketsa penelitian yang digambar tangan menjadi ilustrasi akademik yang poles dengan penyempurnaan multimodal dan konsistensi gaya.
• Analis data: Buat plot statistik akurat dan grafik bergaya publikasi langsung dari deskripsi data untuk makalah penelitian.
• Laboratorium akademik: Standarkan estetika diagram dan pastikan kepatuhan konferensi melalui loop penyempurnaan kritik diri iteratif.

Apa itu PaperBanana?

PaperBanana adalah kerangka kerja agen open-source yang dirancang untuk mengotomatiskan pembuatan ilustrasi akademik siap publikasi untuk peneliti. Hal ini menghasilkan diagram metodologi berkualitas tinggi dan plot statistik dari deskripsi teks atau sketsa kasar, menggabungkan kesenjangan antara ide penelitian dan komunikasi visual.

Bagaimana alur kerja agens beroperasi?

PaperBanana menggunakan sistem multi-agen dengan empat tahap inti: Retrieve mengumpulkan konteks yang relevan, Plan merancang tata letak, Render menghasilkan gambar awal menggunakan model canggih, dan Refine secara iteratif mengkritik dan meningkatkan output untuk meningkatkan kesetiaan, kekonsisan, dan estetika.

Jenis diagram apa yang dapat saya hasilkan?

Kerangka kerja ini serbaguna, mampu menghasilkan diagram metodologi kompleks seperti arsitektur model dan diagram alur, serta plot statistik yang tepat. Hal ini menangani baik generasi teks-ke-gambar maupun pemoles sketsa, mencakup sebagian besar kebutuhan visual untuk makalah akademis.

Bisakah saya menggunakannya untuk memoles sketsa yang sudah ada?

Ya, kemampuan multimodal PaperBanana memungkinkan pengguna mengunggah sketsa kasar yang digambar tangan. Sistem menginterpretasikan niat visual dan memolesnya menjadi diagram yang rapi dan profesional sambil mempertahankan tata letak asli dan memastikan konsistensi gaya.

Apakah alat ini cocok untuk konferensi tingkat atas?

PaperBanana di-benchmark berdasarkan standar dari konferensi AI terkemuka seperti NeurIPS. Metrik evaluasinya berfokus pada kesetiaan, kekonsisan, keterbacaan, dan estetika, menunjukkan kinerja konsisten yang memenuhi persyaratan ketat untuk publikasi di forum prestisius.

Apakah PaperBanana open source?

Ya, PaperBanana adalah proyek open source. Kode, data, dan model tersedia untuk umum di GitHub, dan risetnya dijelaskan dalam makalah ArXiv. Keterbukaan ini mendukung kolaborasi dan inovasi komunitas dalam ilustrasi sains otomatis.

Apakah saya perlu menjadi ahli desain?

Tidak, PaperBanana secara khusus dirancang untuk peneliti tanpa keahlian desain. Pengguna hanya perlu memberikan konteks ilmiah atau sketsa; kerangka kerja agen menangani perencanaan tata letak, rendering, dan penyempurnaan estetika untuk menghasilkan gambar berkualitas profesional.

Bagaimana sistem kredit bekerja untuk menghasilkan ilustrasi?

PaperBanana menggunakan model berbasis kredit di mana setiap tugas generasi ilustrasi mengonsumsi 29 kredit. Jika kerangka kerja menyelesaikan tugas sebelum menghabiskan semua iterasi yang dialokasikan, kredit yang tidak digunakan akan otomatis dikembalikan. Struktur harga dan paket kredit yang rinci tersedia di halaman Harga resmi.

Apa itu PaperBananaBench dan mengapa itu penting?

PaperBananaBench adalah dataset benchmark komprehensif yang berisi 292 kasus uji yang dikumpulkan dari makalah NeurIPS 2025. Hal ini menyediakan rangkaian evaluasi standar untuk alat ilustrasi otomatis, memungkinkan perbandingan objektif dari kesetiaan, kekonsisan, dan estetika di berbagai sistem.

Bagaimana PaperBanana memastikan akurasi diagram yang dihasilkan?

Akurasi dijamin melalui mekanisme kritik mandiri di mana agen khusus mengevaluasi dengan ketat output terhadap konteks sumber. Proses penyempurnaan iteratif terus-menerus meningkatkan kesetiaan terhadap data input dan mematuhi standar akademis, meminimalkan halusinasi atau kesalahan.

Dapatkah PaperBanana diterapkan pada bidang penelitian non-AI?

Meskipun PaperBanana dioptimalkan untuk penelitian AI dan diuji pada makalah konferensi AI, fungsionalitas utamanya untuk menghasilkan diagram metodologi dan plot statistik dapat disesuaikan dengan disiplin ilmu lainnya. Efektivitasnya dapat bervariasi tergantung konvensi visualisasi spesifik domain.

Bagaimana saya bisa mengakses dukungan atau berkontribusi ke proyek ini?

Dukungan tersedia melalui email di connect@paperbanana.org. Untuk berkontribusi, pengguna dapat mengeksplorasi kode open source di GitHub, melaporkan masalah, atau mengirimkan pull request. Proyek ini juga mendorong keterlibatan komunitas melalui sumber daya makalah ArXiv dan halaman proyeknya.

• PaperBanana adalah kerangka agen bagi peneliti AI, mengotomatiskan penciptaan ilustrasi akademik siap publikasi, termasuk diagram metodologi dan plot statistik, dari deskripsi tekstual atau sketsa referensi.
• Akses alat melalui situs web resmi PaperBanana di paperbanana.org atau sebarkan kode open-source dari repositori GitHub untuk penggunaan lokal atau berbasis server.
• Untuk generasi diagram dari teks, masukkan konteks metodologi dan keterangan gambar ke dalam bidang input yang ditentukan; tersebut mendeskripsikan komponen dan narasi ilustrasi yang diinginkan.
• Konfigurasikan parameter generasi seperti aspek rasio (misal 16:9) dan iterasi maksimum untuk menyesuaikan dimensi keluaran dan kedalaman penyempurnaan iteratif.
• Mulai proses dengan mengaktifkan fungsi generasi; kerangka mengorkestrasi agen untuk mengambil konteks, merencanakan tata letak, merender gambar, dan melakukan kritik diri untuk peningkatan.
• Untuk mengasah sketsa yang ada, unggah gambar yang digambar tangan; kemampuan multimodal PaperBanana menafsirkan dan mengasahnya menjadi diagram yang konsisten dan profesional sambil mempertahankan tata letak.
• Pantau penggunaan kredit selama generasi, dengan biaya per iterasi dan pengembalian otomatis untuk kredit yang tidak digunakan jika tugas berakhir sebelum batas iterasi.
• Setelah selesai, tinjau ilustrasi yang dihasilkan untuk akurasi dalam mewakili konteks input dan kepatuhan terhadap standar estetika akademik, menggunakan isyarat umpan balik yang tertanam.
• Interpretasikan hasil dengan mengevaluasi kesetiaan, kesingkatan, dan keterbacaan; jika perlu, ubah input atau hasilkan ulang untuk meningkatkan keselarasan dengan persyaratan spesifik penelitian.
• Unduh keluaran akhir berkualitas vektor atau resolusi tinggi dan integrasikan langsung ke dalam naskah, presentasi, atau materi pendukung untuk memenuhi pedoman publikasi konferensi.