AI这么能干，科学家们靠边站？｜科创要闻

科创要闻2026年No.6期

2026年 2月2日-2月8日

本期要闻汇总人：曹妍

AI4Science又进阶了。

PaperBanana可全自动生成方法架构图和统计图表，OpenScholar可利用检索生成综述论文，科学家们的论文工作至少可以轻松一半。

2026年2月2日，Google Cloud AI Research联合北京大学团队发布了一套基于Nano Banana Pro构建的智能体框架PaperBanana，不仅读得懂论文内容，更能严格遵循NeurIPS的审美标准，全自动生成发表级的方法架构图和统计图表。

PaperBanana组建了一支由5个智能体构成的绘图团队，模拟人类绘制学术插图的完整思维链：检索（Retriever），利用RAG技术从图库中检索结构相似的参考图，为生成提供视觉灵感，解决无从下笔的难题；规划（Planner），作为核心大脑，将不可控的像素生成任务，降维成可控的结构化文本描述，实现内容与样式的解耦；审美（Stylist），基于内置的NeurIPS审美指南，强制对齐配色与排版；绘图（Visualizer），采用混合渲染策略——架构图调用Nano Banana Pro生成，而统计图直接生成Matplotlib代码，确保数据精准。

论文链接：https://arxiv.org/pdf/2601.23265

项目主页：https://dwzhu-pku.github.io/PaperBanana/

GitHub链接：https://github.com/dwzhu-pku/PaperBanana

该项目的核心代码和数据集预计将在两周后开源。

2月4日，美国华盛顿大学等研究团队在《自然》（Nature）发表论文Synthesizing scientific literature with retrieval-augmented language models，报道了一个利用文献检索生成论文的开源大语言模型“OpenScholar”。

OpenScholar能够从4500万篇开放获取的论文中智能检索相关段落，并自动生成带有准确引用的长篇综述论文，涵盖计算机科学、物理学、神经科学和生物医学领域。在团队自主研发的ScholarQABench基准测试中（包含2967个专家编写查询和208篇行业论文），OpenScholar的引用准确性达到人类专家的水平。相比之下，GPT-4o在相同测试中出现了78%-90%的引用错误率。

OpenScholar是一款完全开源的AI科研助手，核心突破在于实现堪比人类专家水平的引用准确性，大幅缓解当前科研界因依赖大语言模型而产生的“引文幻觉”难题。

有AI相伴，人类未来科学研究之路，应该会高效很多。希望它们不会成为“论文工厂”的趁手工具，而是真正让科学家们解