SciFig：迈向自动化科学图形生成

摘要

为科学论文创建高质量的图形和可视化是一项耗时的任务，需要深厚的领域知识和专业的设计技能。尽管每年发表超过 250 万篇科学论文，但图表生成过程仍然主要是手动的。我们介绍 $\textbf{SciFig}$，这是一个端到端的人工智能代理系统，可以直接从研究论文文本中生成可供发表的管道图。 SciFig 使用分层布局生成策略，解析研究描述以识别组件关系，将相关元素分组为功能模块，并生成模块间连接以建立视觉组织。此外，迭代思想链（CoT）反馈机制通过多轮视觉分析和推理逐步改进布局。我们引入了基于评分标准的评估框架，分析 2,219 个真实的科学数据，提取评估评分标准并自动生成综合评估标准。 SciFig 表现出了卓越的性能：数据集级别评估的总体质量达到 70.1$\%$，论文特定评估的总体质量达到 66.2$\%$，并且在视觉清晰度、结构组织和科学准确性等指标上始终保持高分。 SciFig 图形生成管道和我们的评估基准将开源。

SciFig：迈向科学论文可编辑图示的自动生成配图 — 图 2：SciFig 多智能体系统架构。我们的系统由三个阶段组成：分层布局生成（Hierarchical Layout Generation），其中描述智能体（Description Agent）解析研究文本，随后布局智能体（Layout Agent）将各组件组织为分层结构；迭代式 CoT 反馈（Iterative CoT Feedback），其中反馈智能体（Feedback Agent）分析渲染后的布局以识别具体问题，同时布局智能体运用思维链（Chain-of-Thought）推理在多轮中生成改进的布局；组件生成（Component Generation），其中组件智能体（Component Agent）以一致的样式渲染各个视觉元素，产出最终图形。本图由我们的系统起草并经人工润色。