PaperBanana 的常见问题解答
什么是 PaperBanana？
PaperBanana 是一个开源的代理框架，专为研究人员设计，用于自动化创建可用于出版的学术插图。它从文本描述或粗略草图生成高质量的方法论图表和统计图，弥合研究想法与视觉传达之间的差距。
代理工作流如何运作？
PaperBanana 采用多代理系统，包含四个核心阶段：Retrieve 收集相关上下文，Plan 设计布局，Render 使用先进模型生成初始图像，Refine 迭代地批评和改进输出，以增强忠实度、简洁性和美观性。
我可以生成什么类型的图表？
该框架功能多样，能够生成复杂的方法论图表，如模型架构和流程图，以及精确的统计图。它处理从文本到图像的生成和草图润色，涵盖学术论文的大多数可视化需求。
我可以用它来润色我的现有草图吗？
是的，PaperBanana 的多模态能力允许用户上传粗略的手绘草图。系统解释视觉意图，并将其润色为专业图表，同时保留原始布局并确保持续性。
这个工具适合顶级会议吗？
PaperBanana 以 NeurIPS 等领先 AI 会议的标准为基准。其评估指标侧重于忠实度、简洁性、可读性和美观性，展示了始终如一的表现，满足在著名场所出版的严格要求。
PaperBanana 是开源的吗？
是的，PaperBanana 是一个开源项目。代码、数据和模型在 GitHub 上公开提供，研究详细发表在 ArXiv 论文中。这种开放性鼓励社区协作和自动化科学插图的创新。
我需要成为设计专家吗？
不需要，PaperBanana 专为没有设计专业知识的研究人员设计。用户只需提供科学上下文或草图；代理框架处理布局规划、渲染和美学润色，以产生专业质量的图表。
生成插图的信用系统如何工作？
PaperBanana 使用基于信用的模型，其中每个插图生成任务消耗 29 个信用。如果框架在用尽所有分配迭代之前完成任务，未使用的信用将自动退还。详细的定价结构和信用包可在官方定价页面上找到。
什么是 PaperBananaBench 及其重要性？
PaperBananaBench 是一个全面的基准数据集，包含从 NeurIPS 2025 论文中提取的 292 个精心策划的测试用例。它为自动化插图工具提供标准化评估套件，实现不同系统在忠实度、简洁性和美观性上的客观比较。
PaperBanana 如何确保生成图表的准确性？
准确性通过自我批评机制确保，其中专门的代理严格根据源上下文评估输出。迭代改进过程持续提高对输入数据的忠实度并遵守学术标准，最小化幻觉或错误。
PaperBanana 可以应用于非 AI 研究领域吗？
虽然 PaperBanana 针对 AI 研究优化，并在 AI 会议论文上进行了基准测试，但其生成方法论图表和统计图的核心功能可适应其他科学学科。有效性可能因领域特定的可视化约定而异。
如何获取支持或为项目做贡献？
支持通过电子邮件 connect@paperbanana.org 提供。要贡献，用户可以探索 GitHub 上的开源代码，报告问题或提交拉取请求。项目还通过其 ArXiv 论文和项目页面资源鼓励社区参与。
如何使用 PaperBanana
- PaperBanana 是一个面向 AI 研究者的智能体框架，可自动根据文本描述或参考草图，生成可直接用于出版的学术插图，包括方法示意图和统计图表。
- 可通过 PaperBanana 官方网站 paperbanana.org 访问该工具，或从 GitHub 仓库部署开源代码以供本地或服务器使用。
- 如需从文本生成图表，请在指定输入框中输入方法背景和图形标题；这些内容将描述目标插图的组成部分与叙述逻辑。
- 配置生成参数，如长宽比（例如 16:9）和最大迭代次数，以定制输出尺寸与迭代优化的深度。
- 通过激活生成功能启动流程；该框架将协调智能体检索上下文、规划布局、渲染图像并进行自我改进评估。
- 为优化现有草图，请上传手绘图像；PaperBanana 的多模态能力将解读并优化它，在保持布局的同时生成一致、专业的图表。
- 在生成过程中监控积分使用情况，按迭代收费，若任务在达到迭代限制前完成，则自动退还未使用的积分。
- 完成后，使用内置的反馈提示检查生成的插图是否准确反映了输入背景，并符合学术美学标准。
- 通过评估保真度、简洁性和可读性来解读结果；如有必要，修改输入或重新生成，以更好地满足研究的具体要求。
- 下载最终的矢量级或高分辨率输出文件，并将其直接整合到手稿、演示文稿或补充材料中，以满足会议出版指南。
