企业官网建设流程全解析

AI-Scientist 自动生成科研图表：从 run_0 到带图 PDF 的出图流水线

【免费下载链接】AI-ScientistThe AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery 🧑‍🔬项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Scientist

昨晚实验跑完，你盯着终端里最后一行 loss，下一件事本该是画图：拉曲线、对齐配色、调坐标、导出格式——全是重复活。AI-Scientist 的出图流水线正是从这一步接手的：只要你的 run 目录里有标准 JSON，训练曲线和样本图就能自动生成，一路做到带配图的论文 PDF。

按下回车之后，它替你干了什么

你跑一次experiment.py，训练轨迹和指标就按固定格式落进run_0/；plot.py扫一眼当前目录，自动拼出曲线图和样本图；再往上，launch_scientist.py还能替你改代码、跑想法、写稿、编译出 PDF——你只负责看结果。

跟着一跑——2D Diffusion 从 run_0 到出图

基线跑通

先把模板数据准备好，然后跑基线：

cd templates/2d_diffusion python experiment.py --out_dir run_0

它会在run_0/下写两个关键文件：final_info.json（每个数据集的评估损失、KL 散度、训练耗时）和all_results.pkl（完整训练轨迹加采样点）。跑完再执行python plot.py，脚本会自动找出当前目录里所有run_*文件夹并加载这两类数据，产出两张图：

• train_loss.png：circle / dino / line / moons 四个数据集的 2×2 训练损失子图，曲线自带 hanning 窗平滑；
• generated_images.png：每个数据集生成的样本散点，多组 run 会自动排成多行对比。

全程没有改一行图代码——配色由generate_color_palette从tab20色板按 run 数量自动分配，平滑窗长、子图排布都是写死的默认值，够用且不突兀。

让 AI-Scientist 接手

图表是中间产物，它的完整闭环是把图表塞进论文。设好模型 API key 后：

python launch_scientist.py --model gpt-4o-2024-05-13 --experiment 2d_diffusion --num-ideas 2

这条命令之后它自己走完：生成想法并做新颖性检查，然后逐条把 templates/2d_diffusion 复制到results/下的时间戳文件夹，调用 LLM 改 experiment.py 和 plot.py 去跑新实验、出新图，最后按 latex/template.tex 写稿、编译 PDF，再让 GPT-4o 审一遍，审稿意见落在review.txt。每个想法一个独立文件夹：log.txt记录全过程，图表、tex 稿、PDF 齐全，直接归档。

你八成会想改的 3 个地方

换配色。plot.py里generate_color_palette的cmap字符串你只需要改一个词：'tab20'换成'Set1'或'viridis'，所有图自动跟着换。

调坐标范围。损失曲线前 200 步太抖、想只展示收敛段，就在set_title附近加一行axs[row, col].set_ylim(0, 2)；x 轴同理用set_xlim。

换导出格式。每个plt.savefig("train_loss.png")的后缀改成pdf或svg即可，矢量格式进 LaTeX 不失真。

速查表

跑通之后，值得试的 3 个进阶玩法

• 给上一条命令加--improvement：审稿后它会自动按意见改写再编译一版，改进稿和二次审稿（review_improved.txt）都留在同一个文件夹。
• 想批量看自动审稿的稳定性，翻 review_iclr_bench/iclr_analysis.py，它能把几百篇 ICLR 论文的评分跑出来。
• 你的方向不在三个官方模板里？照templates/的结构写一份自己的：experiment.py负责把结果对齐成final_info.json加结果包，plot.py就能直接接进去，细节以仓库 README 为准。

跑通第一条命令后，翻翻templates/里 grokking、nanoGPT 的experiment.py，看哪种数据流对得上你的实验。

【免费下载链接】AI-ScientistThe AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery 🧑‍🔬项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Scientist