學術研究工作流正在經歷前所未有的變革，AI的快速發展是這一變革的核心驅動力論文。學術研究流程歷來嚴謹繁瑣，遠不止構思想法和撰寫論文那麼簡單。許多研究人員面臨的一大難題，是如何有效地將研究成果視覺化。儘管AI能夠輔助文字撰寫，但要生成頂級會議和期刊所要求的複雜方法論示意圖和精確的統計圖表，難度要大得多。與此同時，科學界依賴同行評審來維護已發表研究的學術嚴謹性，然而論文投稿數量的爆炸式增長使這一體系承受巨大壓力，導致評審人疲憊不堪、評審質量參差不齊。隨著大語言模型和多智慧體系統日趨成熟，我們看到它們不僅僅是研究物件，更有潛力成為科學研究過程的主動參與者。
為此，我們推出兩個全新的智慧體框架：（一）PaperVizAgent（原名PaperBanana），一款用於繪製學術圖表的視覺化智慧體；（二）ScholarPeer，一款能夠自動且嚴格評估學術論文（包括論文中嵌入的圖表）的評審智慧體論文。這兩款智慧體專為輔助學術研究全生命週期而設計，旨在幫助科研人員將精力集中於創新本身，而非繁瑣的輔助性工作。評估結果顯示，PaperVizAgent能夠穩定生成達到專家水準的圖表，表現大幅優於主流基準模型（GPT-Image-1.5、Nano-Banana-Pro、Paper2Any）；而ScholarPeer則能輸出具有高度批判性、有文獻依據支撐的評審意見，超越當前最先進的自動化評審工具。
PaperVizAgent介紹
PaperVizAgent是一個自主框架，旨在根據學術文字自動生成適合發表的學術插圖論文。透過彌合技術描述與視覺傳達之間的鴻溝，PaperVizAgent讓研究人員能夠直接從論文手稿中生成專業級圖表。啟動流程時，研究人員需提供兩項輸入內容。
PaperVizAgent框架協同排程五個專業化AI智慧體，分別是：（1）檢索智慧體、（2）規劃智慧體、（3）風格智慧體、（4）視覺化智慧體，以及（5）評審智慧體論文。首先，檢索智慧體和規劃智慧體負責收集參考資料（例如，參照已有文獻中的相關學術圖表）並對內容進行組織整理。隨後，風格智慧體綜合歸納美學規範，確保輸出結果符合學術標準。視覺化智慧體負責渲染影像或生成可執行的Python程式碼用於統計圖表繪製。最後，評審智慧體將輸出結果與原始文字進行對照評估。若發現不一致之處，評審智慧體將向視覺化智慧體提供針對性反饋，觸發迭代最佳化迴圈。透過這一多智慧體系統的反覆迭代，最終生成的插圖既美觀大方，又在技術層面準確無誤。
在給定來源內容與傳達意圖後，PaperVizAgent會檢索相關參考示例，並綜合生成經過風格最佳化的描述，再透過迭代最佳化迴圈將該描述轉化為最終插圖論文。
展開全文
在全面的實驗評測中，PaperVizAgent持續優於各主流基準模型，包括直接提示法、少樣本提示法以及當前最先進的視覺化方法Paper2Any論文。系統採用比較評分指標（0至100分制，分值越高越好）進行嚴格評估，涵蓋忠實度、簡潔性、可讀性和美觀性四個關鍵維度。評測中使用的大語言模型評判器以人工繪製的圖表作為輸入進行校準，並將人類表現基準設定為50.0分。
PaperVizAgent取得了60.2分的優異總分，顯著超越GPT-Image-1.5、Nano-Banana-Pro和Paper2Any等所有參評基準模型，也是唯一在綜合評分上突破人類基準線50.0分的框架論文。從各細分維度來看，該系統在簡潔性和美觀性方面尤為突出，兩項得分均遠高於人類基準值；在統計圖表生成方面，其表現同樣達到了與人類相當的水平，充分體現了系統的多功能性。上述成果代表著自動化學術插圖領域的重大突破。
ScholarPeer介紹
ScholarPeer是一個具有情境感知能力、支援搜尋的多智慧體框架，旨在模擬資深研究人員的工作流程，實現同行評審過程的自動化與質量提升論文。
與將評審視為簡單文字生成任務的標準大語言模型不同，ScholarPeer依賴於情境獲取與主動核驗的雙流程機制論文。它透過一個子領域歷史智慧體動態構建領域敘事，將評審內容錨定於即時的網路規模文獻之中。基線偵察智慧體則充當對抗性審計員，專門排查作者可能遺漏的資料集或對比基準。最後，多維度問答引擎對論文的技術主張進行嚴格核實，確保評審內容深入且基於事實。最終生成的評審報告涵蓋詳細摘要、優點、不足以及對作者的提問，形式與標準專家評審高度一致。
針對輸入論文，ScholarPeer採用雙流資訊檢索流程論文。情境與知識模組透過摘要生成器和具備搜尋功能的文獻綜述工具，對內外部資訊進行壓縮整合。這些輸入隨後進入多維度問答引擎，該引擎圍繞論文的創新性和技術可靠性生成並回答深度追問。最後，評審生成器綜合以上輸入及特定會議的評審規範，生成最終評審意見。
ScholarPeer的表現充分證明了將主動網路搜尋與多智慧體協同編排相結合在學術評審領域的巨大潛力論文。在大型公開資料集上的測試中，ScholarPeer在與當前最先進的自動化評審方法的對比評測中取得了顯著的勝率優勢。更重要的是，該系統的主動核驗工作流大幅縮小了AI生成反饋與人類評審多樣性之間的差距，所產出的評審意見批判性強、貼近實際，並深度植根於現有文獻之中。
總結與展望
PaperVizAgent與ScholarPeer是我們探索AI輔助科研這一宏觀方向的重要組成部分論文。透過分別應對論文發表生命週期中兩個截然不同卻同樣繁重的階段，這兩款工具以協作者的角色提升了科學交流的質量，並能與其他工具協同，加速知識的傳播與擴散。
儘管這兩個框架已能為學術界帶來即時且切實的價值，但這僅僅是我們探索旅程的起點論文。我們期望未來的研究人員能夠擁有一套豐富且互聯互通的AI助手生態系統，無縫融入科學研究工作流的每一個環節，我們也將在這一方向上持續深耕。
致謝
感謝Palash Goyal、Dawei Zhu、Mihir Parmar、Rui Meng、Yiwen Song、Yale Song、Hamid Palangi、Xiyu Wei、Sujian Li和Burak Gokturk對本項工作的寶貴貢獻論文。
免責宣告
PaperVizAgent與ScholarPeer均為實驗性研究原型，並非面向生產環境的成熟工具論文。其自動生成的反饋、圖表及評審意見僅供研究探索使用，不應作為編輯或出版決策的唯一依據。
Q&A
Q1：PaperVizAgent是什麼論文？它能生成哪些型別的學術圖表？
A：PaperVizAgent是一個自主智慧體框架，能夠根據學術文字自動生成適合發表的學術插圖，包括方法論示意圖和統計圖表論文。它由五個專業化智慧體協同工作，透過迭代最佳化確保圖表在視覺上美觀、技術上準確。在評測中，其綜合得分為60.2分，是唯一超越人類基準線（50.0分）的框架，在簡潔性和美觀性維度上表現尤為突出。
Q2：ScholarPeer和普通大語言模型做論文評審有什麼區別論文？
A：ScholarPeer與普通大語言模型的核心區別在於其雙流程機制：它不僅做文字生成，還透過子領域歷史智慧體即時檢索網路文獻構建領域背景，並用基線偵察智慧體專門查詢作者遺漏的對比基準論文。多維度問答引擎則對論文技術主張進行嚴格核實。最終生成的評審報告包含摘要、優點、不足及對作者的追問，接近真實專家評審水準，並在公開資料集測試中顯著優於現有自動化評審工具。
Q3：PaperVizAgent和ScholarPeer現在可以直接使用嗎論文？
A：目前這兩款工具均為實驗性研究原型，尚未達到生產環境部署標準論文。官方明確說明，其自動生成的圖表、反饋和評審意見僅供研究探索使用，不應作為編輯或出版決策的唯一依據。如需使用，需瞭解其侷限性，並結合人工判斷進行綜合評估。
