标签
一款名为 Anima Agent skill 的免费开源工具，采用 MIT 许可证，可将单条生物学提示转化为详尽、可交互的科学可视化内容，例如可切换的机制、可查看细节的分子结构和动态演示的过程，并以独立的 HTML 或 SVG 形式呈现。该技能指导 Claude 在绘图前先研究相关生物学知识，并包含一套可复用的渲染工具包及可运行的示例。
布朗大学与Adobe Research推出FigAct框架，可将静态科学图表转化为交互式视觉演示：通过训练模型生成基于画面的解说，并施加视觉操作以引导观众注意力。其层级化搜索机制将token使用量降低约40倍；研究者基于三种针对具体任务的奖励函数训练了FigAct-8B，并发布了一个经人工校验的、面向画面理解式解释的基准数据集。
本文介绍了ReFigBench，这是一个用于评估编码智能体将科学图表重建为可编辑PowerPoint幻灯片的基准测试，表明工具对不同模型家族的性能有显著影响。
本文介绍了RENDEQ，一种为科学图像生成渲染等价集的生成器，并测量了开放权重VLM中模型在语义保持的重渲染之间的一致性在多大程度上追踪正确性。研究发现，一致性仅在超过阈值时才证明正确性，而基于自一致性进行微调可能会损害准确率。
本文介绍了ICDAR 2026原子层沉积/刻蚀（ALD/E）科学图表信息提取竞赛，提出了包含四个互补任务的Sci-ImageMiner基准数据集。结果表明，最先进的多模态模型在分类和摘要任务上表现良好，但在数据提取和科学推理方面存在困难，尤其是在视觉问答任务中。
介绍了SciDraw-Bench，一个用于评估文本到图像和多模态模型生成科学图形的基准，采用四维评估协议。结果显示，领域专用系统优于通用模型，文本保真度仍然是最具挑战性的方面。
介绍了 MINARD，一个从科学图表及其论文生成带旁白、区域定位的讲解视频的流水线，以及 FigTalk 基准和新的定位指标。
这是一个将科学论文图表自动转化为可执行Python绘图代码的工具，利用Qwen视觉模型和Codex agent进行面板分割、代码生成和精修。