llmsresearch/paperbanana

PaperBanana – 基于AI的图表与绘图生成

是什么 – PaperBanana 是一个开源的 Python 包，允许研究人员将方法描述文本（或 CSV/JSON 格式的结果）转换为可直接用于出版的图表。它通过多代理 LLM/VLM 流水线协调大型语言模型（LLM）和视觉语言模型（VLM）的调用，迭代优化输出，直到评审者满意为止。

核心功能

• 方法论图表 – 输入 method.txt（或 PDF 页面）和说明文字；系统规划视觉布局，生成图像，并在循环中进行评审（默认 3 轮，支持自动优化）。
• 统计图表 – 提供数据文件和意图字符串；VLM 生成 matplotlib 代码并执行以生成图表（无需图像生成模型）。
• 批量与扫描支持 – 单个 YAML/JSON 清单可驱动数十个图表或图表的生成，支持可选的复合图表自动拼接。
• 会议风格包 – 内置 NeurIPS、ICML、ACL、IEEE 模板；用户可添加自定义风格包以强制字体、宽高比及其他格式规则。
• 多提供商支持 – 支持 OpenAI（GPT-5.2、GPT-Image-1.5）、Azure/OpenAI、Google Gemini 和 Atlas Cloud 进行文本与图像生成。可通过 CLI 标志覆盖提供商和模型。
• CLI、Python API 和 Gradio UI – paperbanana generate、paperbanana plot、paperbanana batch 等命令，以及本地 Web UI（paperbanana studio）用于交互式运行。

工作原理

1. 输入优化（可选） – 并行调用 VLM 重构原始方法文本并精炼说明文字。
2. 规划阶段 – 检索器选取相关示例图表，规划器起草详细的视觉描述，风格师为目标会议优化描述。
3. 迭代优化 – 可视化器根据描述生成图像；评审者根据源内容评估并返回改进后的描述。步骤 4–5 重复执行。

安装与快速开始

pip install paperbanana          # 核心包
pip install 'paperbanana[studio]'  # 可选 Gradio UI
paperbanana generate \
  --input examples/sample_inputs/transformer_method.txt \
  --caption "Overview of our encoder-decoder architecture"

还提供了 Colab 笔记本和 Docker 镜像，支持零配置实验。

典型使用场景

1. 编写一段简短的“方法”文本，描述你的算法。
2. 使用与论文中将使用的图注匹配的说明文字运行 paperbanana generate。
3. 检查中间图像，如有需要，提供反馈（--feedback）或让自动优化循环完成。
4. 从 outputs/run_<timestamp>/ 文件夹中获取最终的 PNG（或 JPEG/WebP）并插入你的手稿中。

谁会受益 – AI 研究人员、ML 工程师，以及任何需要生成一致、符合会议风格的图表而无需在绘图工具中手动制作的人。

---

快速参考（CLI）

命令	用途
paperbanana generate	从文本/PDF 生成方法论图表。
paperbanana plot	从 CSV/JSON 生成统计图表。
paperbanana batch / plot-batch	从清单批量运行多个图表或图表。
paperbanana venues	列出、初始化或管理会议风格包。
paperbanana studio	启动本地 Gradio UI。
paperbanana sweep	对提供商/模型等进行超参数扫描。

---

链接

• PyPI: https://pypi.org/project/paperbanana/
• 演示（HuggingFace Space）: https://huggingface.co/spaces/llmsresearch/paperbanana
• Colab 快速入门笔记本: https://colab.research.google.com/github/llmsresearch/paperbanana/blob/main/notebooks/PaperBanana_Colab_Quickstart.ipynb
• 论文（arXiv 2601.23265）: https://arxiv.org/abs/2601.23265

---

许可证 – MIT（见 LICENSE）