AutoFigure生态全景从ICLR 2026论文到AutoFigure-Edit与DeepScientist的开源科研工具清单【免费下载链接】AutoFigure项目地址: https://gitcode.com/gh_mirrors/au/AutoFigureAutoFigure是一个被 ICLR 2026 接收的开源 AI 科研插图生成系统输入一段文字描述或一篇 PDF 论文它就能自动生成、自动评审、自动打磨出可直接用于论文、综述和教科书的出版级科学插图。围绕这个核心项目团队还构建了一套完整的科研工具生态更强的AutoFigure-Edit生成可编辑矢量插图、全自动科研系统DeepScientist、首个长文本科研插图生成基准FigureBench以及配套的 AI 审稿工具 DeepReviewer 等。本文将用清单式的方式帮你 10 分钟看懂这个生态的每个成员以及它到底怎么用。️ 一图看懂AutoFigure 生态都有谁可以把 ResearAI 团队的开源项目理解为一条科研流水线上的分工协作项目定位它解决什么问题AutoFigure论文插图生成系统ICLR 2026从文字/论文自动生成出版级插图AutoFigure-Edit可编辑插图生成升级版生成的图能在 draw.io 中继续精细编辑FigureBench科研插图生成基准数据集3,300 个样本统一评测各家模型DeepScientist端到端自主科研系统ICLR 2026从想法、实验到论文全流程自动化DeepReviewer-v2AI 审稿助手论文与初稿的自动评审其中 AutoFigure 与 FigureBench 都在本仓库中核心生成逻辑在 autofigure/Web 界面在 frontend/Flask API 服务在 backend/项目说明见 README.md。 ICLR 2026 论文背后的核心机制Review-RefineAutoFigure 不是一次生成而是采用双智能体生成 评审的 Review-Refine 迭代循环生成智能体先产出 SVG 布局草稿评审智能体按 0-10 分打分并给出具体修改意见未达标就继续修改直到插图达到出版标准。它的完整流程分为两阶段阶段一 概念落地与布局生成预处理长文本 → 生成初始布局 → 迭代评审修正红色占位符表示错误、绿色表示正确阶段二 美学合成与文本后处理风格化渲染 → OCR 擦除模糊文字 → 擦除纠正 → 代码渲染最终输出人类可编辑的科学插图整个方法流程如下图来自论文方法图代码层面这套机制分别对应主智能体与结果对象autofigure/agent.py生成流水线含迭代循环autofigure/generator.py评审打分逻辑autofigure/judge.py可选的 AI 美化增强autofigure/enhancer.pyPDF 论文方法学提取autofigure/extractor.py下图是一个典型的迭代精修场景多个候选方案被逐步评分、定位低分步骤、定向反馈后再生成精修版本——这正是 AutoFigure 评审-修改循环在论文实验中的体现。新手提示你不需要理解这些代码只要知道生成→打分→修改会循环最多 5 轮max_iterations默认值质量阈值默认 9.0 分这些都可以随时调整详见 autofigure/config.py。 FigureBench第一个长文本科研插图基准AutoFigure 团队同时开源了FigureBench—— 首个面向长文本 → 科研插图的大规模评测基准共 3,300 个样本覆盖 4 大内容类型类型样本数平均 Token复杂度 论文 Paper3,20012,732高 博客 Blog204,047中 综述 Survey402,179高 教科书 Textbook40352低下图展示了 FigureBench 中不同来源样本的长文 → 插图样例数据集托管在 HuggingFaceWestlakeNLP/FigureBench仓库内也内置了若干参考插图示例位于 autofigure/references/paper/可以作为生成风格的参考输入。 新手上手两种方式零配置也能跑方式一一键启动 Web 界面推荐新手仓库提供了启动脚本会自动安装前后端依赖并拉起服务./start.sh # 然后浏览器打开 http://localhost:6002启动逻辑在 start.sh后端 Flask 服务端口 8796负责生成前端 Next.js 画布端口 6002负责可视化编辑前端入口见 frontend/app/autofigure/canvas/page.tsx。在画布里你可以直接描述想要什么图、设置迭代次数、切换 SVG / mxGraph XML 输出格式还可以一键调用 AI 美化生成多个变体。方式二Python SDK 三行代码出图git clone https://gitcode.com/gh_mirrors/au/AutoFigure cd AutoFigure pip install -e . playwright install chromium之后几行代码即可完成文字→插图from autofigure import AutoFigureAgent, Config config Config(generation_api_keyyour-api-key) agent AutoFigureAgent(config) result agent.generate( descriptionTransformer 训练流程的流程图, topicpaper, # 可选 paper / survey / blog / textbook output_formatsvg, ) print(result.svg_path, result.final_score)如果是从 PDF 论文直接出图把generate换成generate_from_paper(paper_path./paper.pdf)即可——系统会先自动提取论文方法学再绘图提取逻辑见 autofigure/extractor.py。成本参考按官方推荐配置Gemini 3.1 Pro Flash-Image单次生成约花费 0.5 美元、消耗约 3 万 token、耗时 20 分钟左右国内用户可通过 Bianxie 聚合 API 接入无需外币信用卡配置说明见 autofigure/config.py。 生态延伸AutoFigure-Edit 与 DeepScientistAutoFigure-Edit让插图可编辑AutoFigure 的下一步升级是AutoFigure-Edit它生成的插图是真正的可编辑矢量结构可以导入 draw.io 继续微调这就是mxgraphxml输出格式的用途。该工作的论文已被 Hugging Face Daily Papers 收录并配套免费在线平台对所有学者开放。DeepScientist从画一张图到做一整个研究DeepScientist v1.5是同团队的本地优先开源自主科研系统同样是 ICLR 2026 论文它把科研拆成构思与假设 → 实现与验证 → 分析与报告三个阶段自动完成文献调研、实验代码编写、GPU 实验执行直至论文初稿与插图——AutoFigure 在其中正是画插图的得力助手。下图展示了 DeepScientist 的完整科研循环其他同门工具工具一句话定位DeepReviewer-v2给论文和初稿当审稿人Awesome-AI-ScientistAI 科学家方向的开源项目导航✅ 总结与引用指南一句话总结这份清单AutoFigure 负责把文字变成出版级插图FigureBench 负责公平地评测谁画得更好AutoFigure-Edit 负责让图可编辑DeepScientist 负责把整个科研流程串起来。新手可以从 Web 界面./start.sh开始体验进阶用户可以按 CITATION.cff 与 CITATION_AND_ATTRIBUTION.md 的指引引用相关论文AutoFigure 与 AutoFigure-Edit 均为 ICLR 2026 / 2026 年工作并遵守 TRADEMARK.md 中的名称与 Logo 使用规范。整个仓库采用 MIT 协议开源见 LICENSE欢迎在研究与学习中直接使用。【免费下载链接】AutoFigure项目地址: https://gitcode.com/gh_mirrors/au/AutoFigure创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考