El problema que todo investigador conoce demasiado bien
Cualquiera que haya hecho investigacion conoce este dolor: crear una sola figura desde la idea hasta la version final puede ser mas agotador que escribir el propio articulo. Necesitas estructura logica, precision de datos y cumplimiento estetico; si falla una de las tres, vuelves al inicio.
Las herramientas de IA de generacion con un solo modelo suelen producir imagenes bonitas pero con logica rota, o diagramas logicamente correctos pero feos, o peor aun, figuras en las que todas las proporciones estan mal.
PaperBanana resolvio este problema, y lo hizo sorprendentemente bien. La idea clave es dividir la tarea en varios roles y dejar que un equipo de IA colabore.
Por que la IA tradicional se queda corta
Muchos asumen que basta con lanzar un gran modelo al problema. Pero las figuras de investigacion no son ilustraciones corrientes: necesitan expresar la logica con precision, mantener exactitud en los datos y, ademas, ajustarse a la estetica de las revistas academicas.
Un solo modelo no consigue las tres cosas a la vez. El resultado suele ser una imagen preciosa con una logica completamente equivocada, o un diagrama correcto pero con un aspecto anticuado, y casi siempre con proporciones numericas que no tienen sentido.
Ese es el verdadero punto de dolor en la generacion de figuras cientificas, y exactamente por eso surgieron soluciones como PaperBanana.
La colaboracion de cinco roles en PaperBanana
La filosofia de diseno de PaperBanana es simple: dividir la generacion en cinco roles especializados, dejar que cada uno se concentre en lo que mejor hace y colaborar de forma iterativa.
El flujo visual
1. Retriever — El tablero de inspiracion
El Retriever busca en una base de referencias curada para encontrar los ejemplos mas relevantes.
Se centra en la coincidencia de estructura visual, para que la generacion posterior tenga referencias de disposicion fiables.
Es como un disenador que revisa plantillas antes de empezar a bocetar: eso es lo que hace el Retriever.
2. Planner — El disenador del esqueleto
El Planner es el cerebro central. Convierte la descripcion del articulo y el objetivo de la figura en un plan detallado, que incluye:
-
Componentes de la figura (nodos o modulos)
-
Relaciones logicas y direcciones de flechas entre componentes
-
Sugerencias de distribucion espacial
-
Etiquetas, anotaciones, etc.
La tarea central del Planner es aportar el esqueleto y evitar que la generacion se descontrole.
3. Stylist — El director estetico
Una vez definido el esqueleto, el Stylist se ocupa de la apariencia.
Extrae colores, tipografias, grosores de linea y formas de los ejemplos de referencia, y optimiza la salida del Planner para que cumpla con los estandares de una revista.
NeurIPS y Nature tienen estilos de figura distintos; el Stylist se asegura de que las figuras generadas respeten esas normas academicas.
4. Visualizer — El ejecutor
El Visualizer genera las figuras a partir del plan estandarizado:
-
Figuras metodologicas → Se renderizan con modelos de generacion de imagenes de alta calidad
-
Graficos de datos → Producen codigo reproducible en Matplotlib
Eso significa que las figuras generadas no solo son bonitas: tambien se pueden usar directamente como material de investigacion, reproducir y modificar.
5. Critic — QA y bucle de retroalimentacion
El Critic es clave para cerrar el ciclo. Comprueba si la figura representa fielmente el texto, si es clara y si cumple con las especificaciones visuales.
Si no queda satisfecho, propone revisiones y hace que Planner y Visualizer iteren de nuevo. Normalmente, con 2 o 3 rondas se obtienen figuras de alta calidad.
Por que funciona la colaboracion multirrol
Frente a la generacion de extremo a extremo con un solo modelo, PaperBanana ofrece tres ventajas principales:
-
Guiado por referencias: el Retriever aporta ejemplos estructurales y visuales que hacen la generacion mas fiable
-
Division clara del trabajo: logica, estilo y renderizado se separan, evitando el caos de una generacion en caja negra
-
Autoverificacion en circuito cerrado: Critic + iteracion hacen que la calidad de la figura sea controlable
En otras palabras, esto es una innovacion de proceso para la creacion de figuras cientificas asistida por IA. En los experimentos, PaperBanana supero claramente a los baselines en fidelidad, legibilidad y estetica.
Si te interesa el diseno de este caso de uso, reuni el conjunto completo de prompts aqui.
Mas alla de las figuras academicas
Este patron de colaboracion multirrol no se limita a las ilustraciones academicas.
Tambien resulta mas fiable en diagramas de flujo, esquemas de diseno experimental, demostraciones docentes, generacion automatica de visualizaciones de datos e incluso en tareas complejas como generacion de codigo o planificacion de decisiones.