学术研究有两个经典痛点：一是做出好看的论文图表太难，二是投稿量暴增导致审稿系统承压。Google Research 刚刚发布的两个 AI 代理框架，就是专门解决这两个问题的。

4 月 8 日，Google Research 公开介绍了 PaperVizAgent 和 ScholarPeer：前者能从论文文本自动生成出版级图表，后者则能像资深审稿人一样评审学术论文。这套组合让学术工作流的两大"体力活"有了 AI 帮手。

PaperVizAgent：把方法描述变成专业图表

PaperVizAgent 的核心功能，是让研究者只需提供两样东西：论文的方法章节内容，以及想要图表传达什么信息。剩下的，代理会自动完成。

它的工作流程是这样的：

1. 检索器 先在文献库中找参考，看看同类研究是怎么画图的
2. 规划器 整理内容，决定图表的结构
3. 风格器 根据学术出版标准制定视觉规范
4. 可视化器 生成图像，或者输出 Python 代码绑图
5. 批评器 对照原文检查图表是否准确

如果批评器发现问题，会把反馈发给可视化器重新画——这个迭代修正过程，确保了图表不只是好看，还能准确反映研究内容。

实验数据显示，PaperVizAgent 在"忠实度、简洁性、可读性、美观度"四个维度上的综合得分是 60.2 分（满分 100），超过了人类基线 50 分。它也是目前唯一能稳定超过人类水平的图表生成框架。

对比对象包括 GPT-Image-1.5、Google 的 Nano-Banana-Pro，以及开源工具 Paper2Any，PaperVizAgent 都有明显优势。

ScholarPeer：像资深审稿人一样挑毛病

另一个代理 ScholarPeer 解决的是审稿问题。

学术会议和期刊这些年有个共同的烦恼：投稿量指数级增长，但合格的审稿人数量没涨多少。结果就是审稿质量参差不齐，评审周期越来越长。

ScholarPeer 的设计思路是做一个"模拟资深审稿人"的代理。它会：

• 结合文献检索，理解论文的研究背景
• 生成严格的、有文献支撑的评审意见
• 支持审阅论文中的内联图表

它的评审标准不是泛泛而谈，而是基于已有文献来判断论文的贡献、方法和实验是否扎实。

对谁有用？

这两套代理的目标用户很清晰：

• 科研人员：写论文时快速生成图表，尤其是方法示意图和统计图
• 会议和期刊：辅助审稿流程，先让 AI 做第一轮筛选
• 学术出版平台：提升审稿效率，减少审稿人疲劳

需要说明的是，这两套框架目前还是研究性质的，Google 并没有宣布把它们变成直接可用的产品。但论文已经在 arXiv 上公开，研究社区可以基于这些思路继续改进。

写在最后

学术工作流可能是 AI 代理最有机会落地的场景之一——需求明确、流程标准化、结果可量化评估。PaperVizAgent 和 ScholarPeer 的发布，意味着这个方向又往前走了一步。

论文链接：

• PaperVizAgent（原 PaperBanana）：arXiv:2601.23265
• ScholarPeer：arXiv:2601.22638

---

*来源：Google Research 博客，2026 年 4 月 8 日*

参考来源

• https://research.google/blog/improving-the-academic-workflow-introducing-two-ai-agents-for-better-figures-and-peer-review/

说明：该页面由基础模板稳定生成，后续可继续局部润色样式或补充模块，再进入发布检查。