Free CPU 教程丨西湖大学张岳团队开源科研插图神器 AutoFigure，可精准理解长篇科学文本

9 小时前

在科研论文中，一张优秀的示意图往往胜过数百字的文字描述。无论是深度学习模型架构、生物学机制流程，还是复杂的实验设计与技术路线图，科研插图都是帮助读者快速理解核心思想的重要载体。

然而，与 AI 在论文写作、代码生成和数据分析等领域的快速发展相比，科研插图的制作过程却长期停留在高度依赖人工的阶段。研究人员通常需要反复阅读论文内容，再借助 PowerPoint 、 Illustrator 或 draw.io 等工具进行设计和绘制，不仅耗时耗力，而且对设计能力和可视化表达能力提出了较高要求。对于许多科研工作者而言，如何将复杂概念准确、美观地转化为图形表达，始终是一项难以忽视的挑战。

随着大语言模型的发展，「文本生成图像」已经成为热门研究方向，但面向学术场景的科研插图生成仍面临诸多难题。与普通图片不同，科研插图不仅需要具备视觉美观性，更需要保证逻辑结构准确、元素关系清晰以及内容与论文描述严格一致。现有生成模型往往难以同时满足这些要求，生成结果常出现结构混乱、信息缺失或不符合学术规范等问题。

针对这一痛点，西湖大学张岳团队推出了智能科研插图生成系统 AutoFigure，并同步发布了首个面向长篇科学文本生成科研插图的大规模基准数据集 FigureBench 。相关成果以「AutoFigure: Generating and Refining Publication-Ready Scientific Illustrations」为题，已经入选 ICLR 2026 。

其中，FigureBench 收录了 3,300 组高质量科学文本与插图配对样本，覆盖论文、综述、教材和技术博客等多种来源。同时，作为首个基于 Agent 架构、能够根据长篇科学文本自动生成高质量科研插图的框架，AutoFigure 在生成最终插图之前，会进行充分的推理、重组与验证，对图形布局进行持续优化，使其在结构设计上严谨合理、在视觉呈现上更加美观精致。

目前，HyperAI 官网（hyper.ai）的教程板块已经上线了「AutoFigure：基于 LLM 的学术论文插图自动生成系统」，以 notebook 的形式基于 Free CPU 即可完成部署，快来免费体验高性能插图生成神器吧！

在线运行：https://go.hyper.ai/IjyQL

项目开源地址：https://github.com/ResearAI/AutoFigure

论文链接：https://arxiv.org/abs/2602.03828

Demo 示例

更多在线教程：

https://hyper.ai/notebooks

欢迎登录官网查看更多内容：

https://hyper.ai/

Demo 运行

1. 进入 hyper.ai 首页后，选择「教程」页面，或点击「查看更多教程」，选择「AutoFigure：基于 LLM 的学术论文插图自动生成系统」，点击「运行此教程」。

2. 页面跳转后，点击右上角「Clone」，将该教程克隆至自己的容器中。

注：页面右上角支持切换语言，目前提供中文及英文两种语言，本教程文章以英文为例进行步骤展示。

3. 选择「Free CPU」以及「vLLM」镜像，点击「Continue job execution（继续执行）」。

4. 等待分配资源，当状态变为「Running（运行中）」后，点击「Open Workspace」进入 Jupyter Workspace 。

效果展示

1. 页面跳转后，点击左侧 README 文件，进入后点击上方 Run（运行）。

2. 打开 1 个新的终端，依次执行以下命令来启动后端和前端服务：

cd /output/AutoFigure
bash start.sh

3. 待运行完毕后，出现「AutoFigure is running!」，点击右侧 API 地址即可打开 AutoFigure Web 界面

4. 上传论文文件并填写相关模型信息及其 API Key，即可自动生成学术论文插图。

Free CPU 教程丨西湖大学张岳团队开源科研插图神器 AutoFigure，可精准理解长篇科学文本

9 小时前

在科研论文中，一张优秀的示意图往往胜过数百字的文字描述。无论是深度学习模型架构、生物学机制流程，还是复杂的实验设计与技术路线图，科研插图都是帮助读者快速理解核心思想的重要载体。

然而，与 AI 在论文写作、代码生成和数据分析等领域的快速发展相比，科研插图的制作过程却长期停留在高度依赖人工的阶段。研究人员通常需要反复阅读论文内容，再借助 PowerPoint 、 Illustrator 或 draw.io 等工具进行设计和绘制，不仅耗时耗力，而且对设计能力和可视化表达能力提出了较高要求。对于许多科研工作者而言，如何将复杂概念准确、美观地转化为图形表达，始终是一项难以忽视的挑战。

随着大语言模型的发展，「文本生成图像」已经成为热门研究方向，但面向学术场景的科研插图生成仍面临诸多难题。与普通图片不同，科研插图不仅需要具备视觉美观性，更需要保证逻辑结构准确、元素关系清晰以及内容与论文描述严格一致。现有生成模型往往难以同时满足这些要求，生成结果常出现结构混乱、信息缺失或不符合学术规范等问题。

针对这一痛点，西湖大学张岳团队推出了智能科研插图生成系统 AutoFigure，并同步发布了首个面向长篇科学文本生成科研插图的大规模基准数据集 FigureBench 。相关成果以「AutoFigure: Generating and Refining Publication-Ready Scientific Illustrations」为题，已经入选 ICLR 2026 。

其中，FigureBench 收录了 3,300 组高质量科学文本与插图配对样本，覆盖论文、综述、教材和技术博客等多种来源。同时，作为首个基于 Agent 架构、能够根据长篇科学文本自动生成高质量科研插图的框架，AutoFigure 在生成最终插图之前，会进行充分的推理、重组与验证，对图形布局进行持续优化，使其在结构设计上严谨合理、在视觉呈现上更加美观精致。

目前，HyperAI 官网（hyper.ai）的教程板块已经上线了「AutoFigure：基于 LLM 的学术论文插图自动生成系统」，以 notebook 的形式基于 Free CPU 即可完成部署，快来免费体验高性能插图生成神器吧！

在线运行：https://go.hyper.ai/IjyQL

项目开源地址：https://github.com/ResearAI/AutoFigure

论文链接：https://arxiv.org/abs/2602.03828

Demo 示例

更多在线教程：

https://hyper.ai/notebooks

欢迎登录官网查看更多内容：

https://hyper.ai/

Demo 运行

1. 进入 hyper.ai 首页后，选择「教程」页面，或点击「查看更多教程」，选择「AutoFigure：基于 LLM 的学术论文插图自动生成系统」，点击「运行此教程」。

2. 页面跳转后，点击右上角「Clone」，将该教程克隆至自己的容器中。

注：页面右上角支持切换语言，目前提供中文及英文两种语言，本教程文章以英文为例进行步骤展示。

3. 选择「Free CPU」以及「vLLM」镜像，点击「Continue job execution（继续执行）」。

4. 等待分配资源，当状态变为「Running（运行中）」后，点击「Open Workspace」进入 Jupyter Workspace 。

效果展示

1. 页面跳转后，点击左侧 README 文件，进入后点击上方 Run（运行）。

2. 打开 1 个新的终端，依次执行以下命令来启动后端和前端服务：

cd /output/AutoFigure
bash start.sh

3. 待运行完毕后，出现「AutoFigure is running!」，点击右侧 API 地址即可打开 AutoFigure Web 界面

4. 上传论文文件并填写相关模型信息及其 API Key，即可自动生成学术论文插图。