从像素到路径：面向可编辑科学插图的多智能体框架

科学插图需要兼顾高信息密度和后期编辑性。然而，当前生成模型存在两个主要局限：首先，图像生成模型输出的光栅化图像缺乏语义结构，无法访问、编辑或重新排列图像中独立的视觉组件；其次，基于代码的生成方法（如 TikZ 或 SVG），虽然提供元素级控制，但迫使用户进入繁琐的“编写-编译-审查”循环，缺乏直观的操控性。上述两种方法都难以满足科学创作中效率、直观性和迭代修改的需求。为填补这一差距，我们引入 VisPainter，一个基于模型上下文协议构建的科学插图多智能体框架。VisPainter 协调三个专门模块——经理、设计师和工具箱——协同生成与标准矢量图形软件兼容的图表。这种模块化、基于角色的设计允许每个元素被显式表示和操控，从而实现真正的元素级控制，任何元素都可以后续添加和修改。为系统评估科学插图质量，我们引入 VisBench 基准测试，包含七维评估指标。它从内容、布局、视觉感知和交互成本四个方面评估高信息密度科学插图。为此，我们进行了大量消融实验以验证架构的合理性和评估方法的可靠性。最后，我们评估了各种视觉语言模型，给出公平可信的模型排名及详细比较。此外，我们还隔离并量化了角色划分、步骤控制和描述对插图质量的影响。