学术插图新神器！万字材料秒出SVG，西湖大学出品 | ICLR’26

你是否曾为论文截稿时的插图发愁？画框画到手抽筋，Nano banana生成的图颜值高但逻辑错乱，甚至带着“克苏鲁”风格的模糊字符；好不容易调好Prompt，却只能得到一张无法编辑的“死图”。现在，这些问题将被终结。

西湖大学团队推出的AutoFigure是一款智能体绘图框架，能一键读取上万字的论文、书籍或博客，自动生成高质量学术插图。更重磅的是，其优化版AutoFigure-Edit实现了从“像素”到“矢量”的跨越，生成的插图是可编辑的SVG文件，直接在PPT中修改细节。目前，该工作已入选ICLR 2026，代码、数据集和在线网站全部开源。

背景：为什么AI以前画不好科学插图？

学术绘图领域长期存在两个极端： 1. End-to-end派（如GPT-Image）：审美在线，但逻辑混乱，文字常出现幻觉字符。 2. Text-to-code派（如TikZ/SVG生成）：逻辑严谨，但视觉效果丑陋，缺乏现代感。

AutoFigure提出“推理式渲染”范式，将逻辑布局与美化渲染分离，解决了这一痛点。

技术方案：模拟设计师的“三步走”策略

1. 构建逻辑骨架：AI提取文本中的实体和关系，生成结构正确的SVG/HTML布局。
2. 闭环迭代优化：通过AI Designer修改布局，AI Critic挑毛病，反复优化直至满意。
3. 美化渲染与修正：引入“擦除-修正”策略，用OCR识别模糊字符并替换为清晰的矢量文本。

AutoFigure-Edit进一步结合Meta的SAM3技术，自动识别图标、去除背景，并将干净的图标重组为可编辑的SVG文件，用户可在浏览器中直接拖拽、改字、换色。

实验结果：专家认可率达66.7%

团队构建了全球首个大规模科学插图基准FigureBench，涵盖3,300对高质量文本-图片数据。实验显示，AutoFigure在逻辑清晰度和准确度上优势显著，尤其在教科书类任务中胜率高达97.5%。人类专家盲测表明，66.7%的专家认为其生成的插图已达到出版级标准。

项目价值：AI科学家的“最后一块拼图”

AutoFigure不仅赋能AI科学家实现全流程自主研究，还能生成流程图、算法图、教科书示意图等多种复杂插图。未来还将支持Nature、Science风格一键生成。

体验链接： - GitHub: https://github.com/ResearAI/AutoFigure-Edit
- 论文: https://arxiv.org/abs/2602.03828v1
- HuggingFace: https://huggingface.co/datasets/WestlakeNLP/FigureBench
- 网站: https://deepscientist.cc

本项目由西湖大学张岳实验室开源，欢迎感兴趣的研究者联系合作。