PaperBanana: Google научила нейросети рисовать графики, за которые не стыдно перед рецензентами

Google совместно с Пекинским университетом представили фреймворк PaperBanana — мультиагентную систему, которая автоматизирует создание диаграмм методологии и статистических графиков для научных публикаций. Об этой разработке сообщает издание MarkTechPost.

Проблема научной визуализации

Научный график должен быть точным, масштабируемым и соответствовать строгим стандартам публикации. Обычные генеративные модели вроде DALL-E для этой задачи не подходят: они галлюцинируют данными и не понимают логику эксперимента. Ранее автоматизация науки касалась в основном текста и вычислений — нейросети научились писать обзоры литературы, выдвигать гипотезы и кодить, — но визуализация результатов оставалась ручным трудом.

Как устроена PaperBanana

Вместо того чтобы поручать отрисовку одной нейросети, PaperBanana распределяет задачу между специализированными агентами: один планирует структуру схемы, второй пишет код для её отрисовки, а третий критикует результат — проверяет, не перепутаны ли оси и читаются ли шрифты. Это иерархическая структура, имитирующая работу небольшой дизайн-студии.

Контекст: инструменты для ИИ-исследований

Проекты вроде AI Scientist от Sakana AI уже показывали, что нейросеть способна провести исследование от идеи до черновика статьи, но такие работы спотыкались на этапе визуализации. Google, конкурируя с OpenAI и Anthropic за инструменты для разработчиков и учёных, закрывает этот пробел фреймворком, ориентированным на академическую аудиторию.

Открытые вопросы к этике и качеству

Если статья полностью сгенерирована ИИ, включая визуализацию данных, встаёт вопрос, как рецензентам проверять достоверность этих данных. Графики в PaperBanana строятся на основе реальных цифр, но сама лёгкость их создания может спровоцировать поток низкокачественных, «красиво упакованных» публикаций.

Что делает PaperBanana?

PaperBanana — мультиагентный фреймворк от Google и Пекинского университета, который автоматизирует создание диаграмм методологии и статистических графиков для научных публикаций.

Почему для научных графиков не подходят обычные генеративные модели

вроде DALL-E?

Они галлюцинируют данными и не понимают логику эксперимента, тогда как научный график должен быть точным, масштабируемым и соответствовать строгим стандартам публикации.

Как распределены роли между агентами в PaperBanana?

Один агент планирует структуру схемы, второй пишет код для её отрисовки, а третий критикует результат — проверяет, не перепутаны ли оси и читаются ли шрифты.