Paper Plot Skills
这里是我自己在用的，一套用于复现和生成学术论文图表的 AI Skills 工具箱。
我仔细选取了自己阅读过论文里绘图风格很有参考价值的各种图表，具有很强的参考意义，能极大程度减少绘图时候的重复工作。
这个仓库只是提供了一个起始点，从 9 张真实论文图表中提炼出系统化风格参数，支持按风格填数据和从图片复现两种使用方式。
这些skills会随着你的复现过程不断优化。
如果对你有用，麻烦点一个star🌟，鼓励我们不断优化这个仓库！
🎨 预置风格一览
| 风格 | 类型 | 来源论文 | 关键特征 |
|---|---|---|---|
[bar_paired_delta](#bar_paired_delta) |
柱状图 | MemEvolve | 配对柱 + 增益箭头，serif 字体 |
[bar_grouped_hatch](#bar_grouped_hatch) |
柱状图 | SPICE | 分组柱 + 斜线填充主方法，柱顶数值 |
[line_confidence_band](#line_confidence_band) |
折线图 | Self-Distillation | EMA 平滑 + 置信区间阴影，LaTeX 字体 |
[line_training_curve](#line_training_curve) |
折线图 | DAPO | 垂直断点线 + 水平参考线，sans-serif |
[line_loss_with_inset](#line_loss_with_inset) |
折线图 | SiameseNorm | L 形 spine + 轴端箭头 + 右侧 zoom inset |
[scatter_tsne_cluster](#scatter_tsne_cluster) |
散点图 | MemGen | t-SNE 聚类 + 圆角彩色注释框，点线网格 |
[scatter_broken_axis](#scatter_broken_axis) |
散点图 | Meta-Harness | 折断 X 轴双面板，多 marker 类型 |
[radar_dual_series](#radar_dual_series) |
雷达图 | DoRA | 正八边形虚线同心网格，双方法对比 |
Skills
| Skill | 说明 | 触发方式 |
|---|---|---|
| plot-from-data | 选择上方任意风格，填入你的数据，生成 dpi=300 论文图 | "用 bar_grouped_hatch 风格画我的数据" |
| plot-from-image | 上传论文截图，自动分析比例/字体/配色并复现为 matplotlib 脚本 | "帮我复现这张图" |
原图与复现总览
| 图名 | 原图 | 复现图 |
bar_memevolve |
 |
 |
bar_spice |
 |
 |
line_selfdistill_train |
 |
 |
line_selfdistill_scale |
 |
 |
line_aime |
 |
 |
line_loss_inset |
 |
 |
scatter_tsne |
 |
 |
scatter_break |
 |
 |
radar_dora |
 |
 |
classwise_iou |
 |
 |
其中 classwise_iou 是直接走 plot-from-image 流程新增复现的案例：
输入图片：
originals/classwise_iou.png
复现脚本：plot-from-image/scripts/classwise_iou_table.py
风格图库 · Gallery
柱状图 Bar Charts
bar_paired_delta — 配对增益柱
来源：MemEvolve: Meta-Evolution of Agent Memory Systems
serif 字体，配对柱（baseline vs method），箭头标注增益，Y 轴各子图独立
参数文档：plot-from-data/references/bar_paired_delta.md· 脚本：plot-from-data/scripts/bar_memevolve.py
| 原图 | 复现 |
|
|
bar_grouped_hatch — 分组斜线填充柱
来源：SPICE: Self-Play In Corpus Environments
LaTeX serif，分组柱 + 主方法白色斜线填充，柱顶数值（最优加粗），开口 L 形 spine
参数文档：plot-from-data/references/bar_grouped_hatch.md· 脚本：plot-from-data/scripts/bar_spice.py
| 原图 | 复现 |
|
|
折线图 Line Charts
line_confidence_band — 置信区间训练曲线
来源：Reinforcement Learning via Self-Distillation
LaTeX Computer Modern serif，EMA 平滑主线，浅色置信区间fill_between，SDPO 加粗图例
参数文档：plot-from-data/references/line_confidence_band.md· 脚本：plot-from-data/scripts/line_selfdistill.py
| 原图 | 复现 |
|
|
line_training_curve — 垂直断点 + 水平参考线
来源：DAPO: An Open-Source LLM RL System at Scale
sans-serif，四边框，朝外刻度，水平参考线（独立蓝色），两条垂直断点虚线（与曲线同色）
参数文档：plot-from-data/references/line_training_curve.md· 脚本：plot-from-data/scripts/line_aime.py
| 原图 | 复现 |
|
|
line_loss_with_inset — L 形 spine + 局部放大 inset
来源：SiameseNorm: Breaking the Barrier to Reconciling Pre/Post-Norm
LaTeX serif，L 形 spine + 轴端箭头，虚线放大框，黑色虚线连接右侧独立 inset 子图
参数文档：plot-from-data/references/line_loss_with_inset.md· 脚本：plot-from-data/scripts/line_loss_inset.py
| 原图 | 复现 |
|
|
散点图 Scatter Plots
scatter_tsne_cluster — t-SNE 聚类分布
来源：MemGen: Weaving Generative Latent Memory for Self-Evolving Agents
LaTeX serif，7 类聚类，圆角注释框（统一深灰边 + 聚类色底），浅灰点线网格，四边框
参数文档：plot-from-data/references/scatter_tsne_cluster.md· 脚本：plot-from-data/scripts/scatter_tsne.py
| 原图 | 复现 |
|
|
scatter_broken_axis — 折断 X 轴散点图
来源：Meta-Harness: End-to-End Optimization of Model Harnesses
sans-serif 粗体标签，双面板折断 X 轴（0-50k | 115k/200k），多 marker（★ ○ △ ◆ × ○），折断符仅底边
参数文档：plot-from-data/references/scatter_broken_axis.md· 脚本：plot-from-data/scripts/scatter_break.py
| 原图 | 复现 |
|
|
雷达图 Radar Chart
radar_dual_series — 双方法多维对比
来源：DoRA: Weight-Decomposed Low-Rank Adaptation
sans-serif，正八边形虚线同心网格，DoRA 深绿粗线 vs LoRA 蓝色细线，数值标注白底，图例左上
参数文档：plot-from-data/references/radar_dual_series.md· 脚本：plot-from-data/scripts/radar_dora.py
| 原图 | 复现 |
|
|
plot-from-image 示例
classwise_iou — 类别级结果表
来源：用户上传论文截图 https://github.com/Trae1ounG/paper-plot-skills/issues/1 \ 纯表格式布局，双行结果 + 强弱高亮底色，按图片比例与文字排布直接复现
输入图片：originals/classwise_iou.png· 脚本：plot-from-image/scripts/classwise_iou_table.py
| 原图 | 复现 |
|
|