OpenResearch 论文级基准对比与消融图绘制指南从 grouped bars 到 delta 点图【免费下载链接】OpenResearchTurn your coding agents into research agents项目地址: https://gitcode.com/GitHub_Trending/op/OpenResearch本文是 OpenResearch 项目中orx-figures技能参考文档agent-skills/orx-figures/references/comparison.md的完整实战讲解。它回答论文写作中最常被问到的两个问题在多个基准上哪个方法赢了被消融的组件到底有没有用读完本文你将掌握分组柱状图grouped bars与差分布点图delta dot-and-whisker的选型逻辑、配色与排序规范、diff_ci差分置信区间统计以及两套可直接运行的 matplotlib 模板并了解 OpenResearch 统一的orx_figstyle样式模块如何在源码层面强制这些规范。两个相似的问题两种不同的图多个方法在多个基准上的对比与消融实验里某个组件的作用看起来都要画对比图但它们的可信编码方式完全不同。原文档用一个决策表给出了判断准则对比的类型应该用原因多个方法横跨多个基准分数从零开始测量分组柱状图—— 评测类论文的主图当坐标轴从零开始时柱子的长度是诚实的信息编码分组让读者能快速扫描某个方法在所有基准上的表现单一指标差异相对种子噪声很小差分布点图dot-and-whisker on the difference位置编码数值坐标轴可以只覆盖感兴趣的区间而不会撒谎这两条规则底下是同一条铁律柱子的长度是一种承诺——坐标轴必须从零开始。为了让 0.4 分的差距看起来决定性而截断柱状图坐标轴是 ML 论文里最常见的作弊图。注意这是反对截断而非反对柱子accuracy、passk、win rate、counts 这些指标本来就合法地从零开始柱子正是它们该用的图形标记。分组柱状图让他们的和我们的一眼可分色相Hue属于方法族明度Shade属于变体灰色给未调优的基线模型一种色相给前人工作另一种色相给我们的方法族内用浅到深的明度渐变区分变体由样式模块中的family()函数生成。这样读者在读到图例的任何一个条目之前就能先区分出别人的和我们的。七个任意选择的颜色什么都传达不了。源码层面family(name, n, lightest0.55)在 orx_figstyle.py 中实现它取 Okabe-Ito 调色板中某个基色在lightest0.55浅到0.0深之间线性插值出n个明度返回十六进制颜色列表。而MUTED #CFCFCForx_figstyle.py就是文档模板中灰色基线用的填充色。调色板本身PALETTE是色盲友好、灰度打印可区分的 Okabe-Ito 八色明确禁止jet、rainbow、hsv这类会发明数据中不存在的结构的配色见 orx-figures/SKILL.md 的 Non-negotiables 第 7 条。方法顺序全图一致且与图例顺序相同读者是通过横向扫描某个方法在所有分组中的柱子位置来读这张图的。每个分组内的方法顺序必须完全一致并且与图例顺序一致。如果每个组内部重新排序这种扫描式阅读就被破坏了。每根柱子都标上数值给每根柱子标注其值让图同时承担结果表格的职责——读者引用你的数字时不必眯着眼去对坐标轴。这是全文中唯一允许字号低于 7pt 刻度字号的地方最低可到 5pt因为标签与柱高信息冗余读不清标签的读者仍能从坐标轴恢复数值。满栏宽下约 5pt如果柱子密到标签互相碰撞那就是删掉一个方法或拆分图片的信号而不是继续缩小字号的信号。基准分组要有意排序按难度、按规模、或按与结果表格一致的顺序来排基准分组。按字母序排序是浪费机会——它把读者引导到随机位置而不是你想强调的叙事顺序。图例的框与位置房子风格house style默认图例无框这在对坐标轴之外时是对的当图例浮动在绘图区之上时必须给它不透明的底框否则它会被读成图表的一部分。同时把图例放在柱子最短的区域避免遮挡数据模板中将frameonTrue, framealpha1.0, edgecolorblack同时设置就是这个道理。规模上限分组柱状图在约 6 方法 × 6 基准处触顶。再往上任何样式技巧都救不了它——请改用表格。消融实验直接画差值当主张是这个组件重要时画variant − baseline变体减基线在零处画一条参考线按效应大小排序。读者一眼看到符号、大小、以及置信区间是否跨零——而这正是全部问题所在。必须显示差值的置信区间diff_ci要显示的是差值的区间。两个各自重叠的 per-variant 区间并不意味着差值无法与零区分——这是一个被广泛重复的错误。如果某个变体的区间跨零诚实的读法是在当前种子数下没有可检测的效应。OpenResearch 在 orx_figstyle.py 中专门实现了diff_ci(treatment, baseline)L424-L448计算均值差treatment.mean() - baseline.mean()用Welch t 检验不假定两组方差相等构造 95% 置信区间。关键细节用 t 临界值而非正态近似因为种子数很少正态近似会低估区间宽度_T95表从 df1 的 12.706 到 df120 的 1.980见 L58-L62自由度向下取整——a smaller df gives a larger t, so the interval errs wide区间偏宽而不是夸大少量种子对均值的分辨力见_t95的注释 L416-L421若任一侧只有 1 个种子函数发出警告并返回(delta, delta, delta)——区间退化为一个点必须在 caption 中说明single seed。同时mean_ci 对单种子也会告警 one seed: the band is a line, not an interval。单种子怎么办每个变体只有一个种子时没有区间。在 caption 里写明 single seed并且不要画暗示存在区间的 whisker。什么时候该用表格而不是图如果读者需要精确数字或变体超过约 8 个或差异落在噪声之内一张booktabs表格比任何图表都传达得更好。表格格式规范见orx-paper模块agent-skills/orx-paper/SKILL.md其中明确\toprule、\midrule需要加载booktabs包并给出了可直接编译的最小 preamble。常见陷阱速查原文档给出了一张陷阱对照表值得逐条核对陷阱修正y 轴截断的柱状图从零开始或改用 delta 点图每个方法一个不同色相基线用灰色一族一个色相族内用明度渐变方法顺序随分组变化固定顺序并与图例一致误差棒含义不明写清楚95% CI over 5 seeds。SD、SEM 与 CI 相差可达数倍旋转 45° 的刻度标签用水平点图加左对齐的名称或加宽图幅我们的无论分数如何都排最前诚实地排序在某个子集上输了也是一个结果柱标签互相碰撞减少方法数或拆分图片——而不是缩小字号模板一跨基准分组柱状图原文档提供了完整可运行的figs/benchmarks.py它读取figs/benchmarks.csv列benchmark,method,score。核心结构如下Accuracy across benchmarks. Regenerate: python figs/benchmarks.py import csv import math from collections import defaultdict import numpy as np from orx_figstyle import MUTED, WIDE, family, figure, save, use_style DATA figs/benchmarks.csv # Fixed order everywhere, and the family each method belongs to. Grey for the # untuned model, blue for prior work, red for ours. METHODS [ (Qwen2.5-Math-7B, base), (SimpleRL-Zero-7B (GRPO), prior), (OpenReasoner-Zero-7B (PPO), prior), (Oat-Zero-7B (Dr.GRPO), prior), (rES$_\mathrm{CHKPT-1}$, ours), (rES$_\mathrm{CHKPT-2}$, ours), (rES$_\mathrm{CHKPT-3}$, ours), ] BENCHMARKS [AIME 2024, Minerva Math, OlympiadBench, AMC, MATH500] def method_colors(): members defaultdict(list) for name, group in METHODS: members[group].append(name) shades { base: [MUTED] * len(members[base]), prior: family(blue, len(members[prior])), ours: family(red, len(members[ours])), } return { name: shades[group][members[group].index(name)] for name, group in METHODS }main()部分的关键点def main(): use_style() scores load(DATA) colors method_colors() fig, ax figure(widthWIDE, ratio0.28) x np.arange(len(BENCHMARKS)) # Near-touching bars inside a group; the gap between groups does the separating. width 0.9 / len(METHODS) for i, (name, _) in enumerate(METHODS): offset (i - (len(METHODS) - 1) / 2) * width bars ax.bar( x offset, [scores[name][benchmark] for benchmark in BENCHMARKS], width, labelname, colorcolors[name], edgecolorblack, linewidth0.4, ) # Redundant with the bar height, so it may sit at the 5pt floor. ax.bar_label(bars, fmt%.1f, fontsize5, padding1.5) ax.set_xticks(x, BENCHMARKS) ax.set_ylabel(Accuracy (%)) # Derived, never hardcoded: a bar clipped at the axes edge no longer # encodes its value, which is the failure this whole reference is about. highest max(v for row in scores.values() for v in row.values()) top max(10, 10 * math.ceil(highest * 1.12 / 10)) ax.set_ylim(0, top) ax.set_yticks(range(0, top 1, 10)) ax.tick_params(axisx, length0) ax.legend( ncol2, locupper left, fontsize6.5, frameonTrue, framealpha1.0, edgecolorblack, borderpad0.5, ) save(fig, figs/benchmarks)模板中几个被注释点名的设计决定值得展开widthWIDE6.75 英寸WIDE是双栏论文两栏合并宽度figure*环境COLUMN3.25是单栏宽ICML、CVPR、IEEE 风格TEXT5.5是单栏论文的\textwidthNeurIPS、article定义见 orx_figstyle.py。按最终印刷尺寸构建而不是先画大再缩放——LaTeX 中的缩放会连文字一起缩放。use_style()设置全套 house rcParamssans 字体栈、Type 42 字体嵌入、8pt 正文字号、7pt 刻度字号、y 轴网格、去上右 spine、Okabe-Ito 色彩循环等见 L92-L146。family()按方法族生成明度渐变MUTED是基线灰。y 轴上界是算出来的10 * ceil(highest * 1.12 / 10)绝不明文硬编码被坐标轴边缘剪切的柱子不再编码它的值——这正是整篇参考文档要防的失败模式。save()同时写出 PDF供\includegraphics与 SVG供预览并在保存后运行审计详见下文交付前的审计。模板二消融 delta 点图原文档同时给出figs/ablation.py它读取figs/ablation.csv列variant,seed,valueAccuracy change vs. the baseline. Regenerate: python figs/ablation.py import csv from collections import defaultdict import numpy as np from orx_figstyle import BASELINE, COLUMN, PALETTE, diff_ci, figure, save, use_style DATA figs/ablation.csv REFERENCE baseline HIGHLIGHT ours def load(path): runs defaultdict(list) with open(path) as handle: for row in csv.DictReader(handle): runs[row[variant]].append(float(row[value])) return {variant: np.array(values) for variant, values in runs.items()} def main(): use_style() runs load(DATA) reference runs[REFERENCE] n_seeds min(len(values) for values in runs.values()) effects [ (variant, *diff_ci(values, reference)) for variant, values in runs.items() if variant ! REFERENCE ] effects.sort(keylambda row: row[1]) # ascending: best ends up on top fig, ax figure(widthCOLUMN, ratio0.1 0.16 * len(effects)) ax.axvline(0, colorBASELINE, linewidth0.8, zorder1) for y, (variant, delta, lo, hi) in enumerate(effects): color PALETTE[blue] if variant HIGHLIGHT else #4D4D4D ax.plot([lo, hi], [y, y], colorcolor, linewidth1.0, solid_capstyleround, zorder2) ax.plot([delta], [y], o, colorcolor, zorder3) # Sign included: a delta figure is read for direction first. ax.annotate( f{delta:.2f}, xy(hi, y), xytext(4, 0), textcoordsoffset points, vacenter, fontsize7, colorcolor, ) ax.set_yticks(range(len(effects)), [variant for variant, *_ in effects]) ax.set_ylim(-0.6, len(effects) - 0.4) ax.set_xlabel(fAccuracy vs. {REFERENCE} (points)) ax.grid(axisx) ax.grid(axisy, visibleFalse) ax.tick_params(axisy, length0) ax.margins(x0.18) print(fn{n_seeds} seeds per variant — state this in the caption) save(fig, figs/ablation)设计要点排序后最好的在最上按效应升序排序effects.sort(keylambda row: row[1])最好的结果出现在图顶——读者第一眼看到的就是最强的主张。零线用BASELINE灰基线/机会水平/参考线永远是灰色颜色只属于被比较的对象orx_figstyle.py。差值标注带符号f{delta:.2f}差值图首先是被用来读方向的正负号必须显式写出。y 轴无刻度线、横向网格水平点图靠 y 轴的变体名称定位y 网格关闭、只留 x 网格减少视觉噪声。脚本末尾打印种子数print(fn{n_seeds}...)提醒你把它写进 caption——这呼应了 SKILL.md 的 Non-negotiable 第 5 条展示不确定性或者说清楚没有。把图放进论文caption、多面板与交付前审计caption 才是标题论文图中禁止ax.set_title——标题会重复 caption 并偷走垂直空间orx_figstyle的_audit甚至会检出 axes title duplicates the caption — delete it 并报告为问题见 L211-L212。多面板图用a、b 面板字母命名部件panel_labels()L163-L179正文用 Fig. 2b 引用。Caption 的写法来自 orx-figures/SKILL.md 的 Write the caption with the figure 一节以一句加粗的结论短语开头然后给出读者信任它所需的细节——种子数、带状/柱状的含义、任何平滑与归一化、哪些点被拟合哪些被排除、前沿线是实测还是引导线。当前论文 caption 中位数约 28 词。针对本文主题消融图 caption 必须写明 n5 seeds 以及区间是of the difference95% CI on the difference。多面板共享坐标轴面板共享同一数量时必须shareyTrue共享轴只在显示刻度的那个面板上带一个标签。两个面板对同一指标使用悄悄不同的区间就是多面板版的截断柱轴——读者在比较并不可比的柱高。figure_grid(nrows, ncols, widthTEXT, shareyTrue)orx_figstyle.py把整个网格按最终印刷宽度排版。交付前的save()审计save()在写文件之后运行_audit()L190-L252检查印刷宽度是否为已知列宽COLUMN/TEXT/WIDE、Type 42 字体嵌入、多余的 axes 标题、缺失的轴标签、低于 5pt 下限的文字、文字互相重叠、文字跑出画布。输出figure audit stem: clean才是达标线任何一条问题都是要修的缺陷而不是可忽略的警告。审计只打印不抛异常——a silent pass is how an unpublishable figure reaches the paper一个无声的通过正是不可发表的图到达论文的途径。注意save()也写 SVG 预览且不做bbox_inchestight按内容裁剪会改变物理宽度毁掉按最终尺寸构建这一原则见 L329-L334 的文档字符串与注释。运行环境与数据来源运行模板模板依赖matplotlib与numpy。独立绘图用uv run --no-project --with matplotlib --with numpy python figs/benchmarks.py带内联依赖元数据的脚本用uv run --no-project figs/benchmarks.py。引入项目代码的绘图必须在项目环境内运行。数据必须来自真实运行每个数字都来自一次运行用orx logs读取见 agent-skills/orx-evidence/SKILL.md。绝不画记忆中的、取整过的或看起来合理的数字绝不把合成的 demo 数据留在会发布的脚本里。样式模块就地 vendormkdir -p figs orx skill figures/assets/orx_figstyle.py figs/orx_figstyle.py把样式文件放在绘图脚本旁边保证会话结束后图仍可复现生成脚本必须与输出图放在同一目标目录。图的落点与引用标签必须匹配论文图写到工作树figs/旁以仓库相对路径引用figs/benchmarks.pdf无artifacts/前缀报告/聊天回答中的图写到 artifacts 目录下的对应主题目录引用时带artifacts/前缀。标签与落点不匹配是成品图到达用户时变成死链的最常见原因。LaTeX 侧图以\includegraphics[width\linewidth]{figs/benchmarks.pdf}引入。按列宽构建并且仍写width\linewidth尺寸正确时它缩放为 1.0 不改变任何东西但万一会议栏宽比你假设的窄它仍能自适应它救不了构建尺寸错误的图——15 英寸画布丢进 5.5 英寸栏会被缩到 0.3511pt 刻度标签落到 4pt这正是真实论文图不可读的最常见原因。Checklist交付前逐项自检柱子从零开始没有任何截断。色相是方法族、明度是变体基线模型用灰色。方法顺序在所有分组中一致并与图例顺序匹配。每根柱子都有标签且标签不碰撞。Delta 图区间是差值的区间n 与区间含义写进 caption。图例仅在覆盖数据时加框并避开最高的柱子。超过约 8 个变体或需要精确数字改用表格。【免费下载链接】OpenResearchTurn your coding agents into research agents项目地址: https://gitcode.com/GitHub_Trending/op/OpenResearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 OpenResearch 论文级基准对比与消融图绘制指南：从 grouped bars 到 delta 点图
OpenResearch 论文级基准对比与消融图绘制指南从 grouped bars 到 delta 点图【免费下载链接】OpenResearchTurn your coding agents into research agents项目地址: https://gitcode.com/GitHub_Trending/op/OpenResearch本文是 OpenResearch 项目中orx-figures技能参考文档agent-skills/orx-figures/references/comparison.md的完整实战讲解。它回答论文写作中最常被问到的两个问题在多个基准上哪个方法赢了被消融的组件到底有没有用读完本文你将掌握分组柱状图grouped bars与差分布点图delta dot-and-whisker的选型逻辑、配色与排序规范、diff_ci差分置信区间统计以及两套可直接运行的 matplotlib 模板并了解 OpenResearch 统一的orx_figstyle样式模块如何在源码层面强制这些规范。两个相似的问题两种不同的图多个方法在多个基准上的对比与消融实验里某个组件的作用看起来都要画对比图但它们的可信编码方式完全不同。原文档用一个决策表给出了判断准则对比的类型应该用原因多个方法横跨多个基准分数从零开始测量分组柱状图—— 评测类论文的主图当坐标轴从零开始时柱子的长度是诚实的信息编码分组让读者能快速扫描某个方法在所有基准上的表现单一指标差异相对种子噪声很小差分布点图dot-and-whisker on the difference位置编码数值坐标轴可以只覆盖感兴趣的区间而不会撒谎这两条规则底下是同一条铁律柱子的长度是一种承诺——坐标轴必须从零开始。为了让 0.4 分的差距看起来决定性而截断柱状图坐标轴是 ML 论文里最常见的作弊图。注意这是反对截断而非反对柱子accuracy、passk、win rate、counts 这些指标本来就合法地从零开始柱子正是它们该用的图形标记。分组柱状图让他们的和我们的一眼可分色相Hue属于方法族明度Shade属于变体灰色给未调优的基线模型一种色相给前人工作另一种色相给我们的方法族内用浅到深的明度渐变区分变体由样式模块中的family()函数生成。这样读者在读到图例的任何一个条目之前就能先区分出别人的和我们的。七个任意选择的颜色什么都传达不了。源码层面family(name, n, lightest0.55)在 orx_figstyle.py 中实现它取 Okabe-Ito 调色板中某个基色在lightest0.55浅到0.0深之间线性插值出n个明度返回十六进制颜色列表。而MUTED #CFCFCForx_figstyle.py就是文档模板中灰色基线用的填充色。调色板本身PALETTE是色盲友好、灰度打印可区分的 Okabe-Ito 八色明确禁止jet、rainbow、hsv这类会发明数据中不存在的结构的配色见 orx-figures/SKILL.md 的 Non-negotiables 第 7 条。方法顺序全图一致且与图例顺序相同读者是通过横向扫描某个方法在所有分组中的柱子位置来读这张图的。每个分组内的方法顺序必须完全一致并且与图例顺序一致。如果每个组内部重新排序这种扫描式阅读就被破坏了。每根柱子都标上数值给每根柱子标注其值让图同时承担结果表格的职责——读者引用你的数字时不必眯着眼去对坐标轴。这是全文中唯一允许字号低于 7pt 刻度字号的地方最低可到 5pt因为标签与柱高信息冗余读不清标签的读者仍能从坐标轴恢复数值。满栏宽下约 5pt如果柱子密到标签互相碰撞那就是删掉一个方法或拆分图片的信号而不是继续缩小字号的信号。基准分组要有意排序按难度、按规模、或按与结果表格一致的顺序来排基准分组。按字母序排序是浪费机会——它把读者引导到随机位置而不是你想强调的叙事顺序。图例的框与位置房子风格house style默认图例无框这在对坐标轴之外时是对的当图例浮动在绘图区之上时必须给它不透明的底框否则它会被读成图表的一部分。同时把图例放在柱子最短的区域避免遮挡数据模板中将frameonTrue, framealpha1.0, edgecolorblack同时设置就是这个道理。规模上限分组柱状图在约 6 方法 × 6 基准处触顶。再往上任何样式技巧都救不了它——请改用表格。消融实验直接画差值当主张是这个组件重要时画variant − baseline变体减基线在零处画一条参考线按效应大小排序。读者一眼看到符号、大小、以及置信区间是否跨零——而这正是全部问题所在。必须显示差值的置信区间diff_ci要显示的是差值的区间。两个各自重叠的 per-variant 区间并不意味着差值无法与零区分——这是一个被广泛重复的错误。如果某个变体的区间跨零诚实的读法是在当前种子数下没有可检测的效应。OpenResearch 在 orx_figstyle.py 中专门实现了diff_ci(treatment, baseline)L424-L448计算均值差treatment.mean() - baseline.mean()用Welch t 检验不假定两组方差相等构造 95% 置信区间。关键细节用 t 临界值而非正态近似因为种子数很少正态近似会低估区间宽度_T95表从 df1 的 12.706 到 df120 的 1.980见 L58-L62自由度向下取整——a smaller df gives a larger t, so the interval errs wide区间偏宽而不是夸大少量种子对均值的分辨力见_t95的注释 L416-L421若任一侧只有 1 个种子函数发出警告并返回(delta, delta, delta)——区间退化为一个点必须在 caption 中说明single seed。同时mean_ci 对单种子也会告警 one seed: the band is a line, not an interval。单种子怎么办每个变体只有一个种子时没有区间。在 caption 里写明 single seed并且不要画暗示存在区间的 whisker。什么时候该用表格而不是图如果读者需要精确数字或变体超过约 8 个或差异落在噪声之内一张booktabs表格比任何图表都传达得更好。表格格式规范见orx-paper模块agent-skills/orx-paper/SKILL.md其中明确\toprule、\midrule需要加载booktabs包并给出了可直接编译的最小 preamble。常见陷阱速查原文档给出了一张陷阱对照表值得逐条核对陷阱修正y 轴截断的柱状图从零开始或改用 delta 点图每个方法一个不同色相基线用灰色一族一个色相族内用明度渐变方法顺序随分组变化固定顺序并与图例一致误差棒含义不明写清楚95% CI over 5 seeds。SD、SEM 与 CI 相差可达数倍旋转 45° 的刻度标签用水平点图加左对齐的名称或加宽图幅我们的无论分数如何都排最前诚实地排序在某个子集上输了也是一个结果柱标签互相碰撞减少方法数或拆分图片——而不是缩小字号模板一跨基准分组柱状图原文档提供了完整可运行的figs/benchmarks.py它读取figs/benchmarks.csv列benchmark,method,score。核心结构如下Accuracy across benchmarks. Regenerate: python figs/benchmarks.py import csv import math from collections import defaultdict import numpy as np from orx_figstyle import MUTED, WIDE, family, figure, save, use_style DATA figs/benchmarks.csv # Fixed order everywhere, and the family each method belongs to. Grey for the # untuned model, blue for prior work, red for ours. METHODS [ (Qwen2.5-Math-7B, base), (SimpleRL-Zero-7B (GRPO), prior), (OpenReasoner-Zero-7B (PPO), prior), (Oat-Zero-7B (Dr.GRPO), prior), (rES$_\mathrm{CHKPT-1}$, ours), (rES$_\mathrm{CHKPT-2}$, ours), (rES$_\mathrm{CHKPT-3}$, ours), ] BENCHMARKS [AIME 2024, Minerva Math, OlympiadBench, AMC, MATH500] def method_colors(): members defaultdict(list) for name, group in METHODS: members[group].append(name) shades { base: [MUTED] * len(members[base]), prior: family(blue, len(members[prior])), ours: family(red, len(members[ours])), } return { name: shades[group][members[group].index(name)] for name, group in METHODS }main()部分的关键点def main(): use_style() scores load(DATA) colors method_colors() fig, ax figure(widthWIDE, ratio0.28) x np.arange(len(BENCHMARKS)) # Near-touching bars inside a group; the gap between groups does the separating. width 0.9 / len(METHODS) for i, (name, _) in enumerate(METHODS): offset (i - (len(METHODS) - 1) / 2) * width bars ax.bar( x offset, [scores[name][benchmark] for benchmark in BENCHMARKS], width, labelname, colorcolors[name], edgecolorblack, linewidth0.4, ) # Redundant with the bar height, so it may sit at the 5pt floor. ax.bar_label(bars, fmt%.1f, fontsize5, padding1.5) ax.set_xticks(x, BENCHMARKS) ax.set_ylabel(Accuracy (%)) # Derived, never hardcoded: a bar clipped at the axes edge no longer # encodes its value, which is the failure this whole reference is about. highest max(v for row in scores.values() for v in row.values()) top max(10, 10 * math.ceil(highest * 1.12 / 10)) ax.set_ylim(0, top) ax.set_yticks(range(0, top 1, 10)) ax.tick_params(axisx, length0) ax.legend( ncol2, locupper left, fontsize6.5, frameonTrue, framealpha1.0, edgecolorblack, borderpad0.5, ) save(fig, figs/benchmarks)模板中几个被注释点名的设计决定值得展开widthWIDE6.75 英寸WIDE是双栏论文两栏合并宽度figure*环境COLUMN3.25是单栏宽ICML、CVPR、IEEE 风格TEXT5.5是单栏论文的\textwidthNeurIPS、article定义见 orx_figstyle.py。按最终印刷尺寸构建而不是先画大再缩放——LaTeX 中的缩放会连文字一起缩放。use_style()设置全套 house rcParamssans 字体栈、Type 42 字体嵌入、8pt 正文字号、7pt 刻度字号、y 轴网格、去上右 spine、Okabe-Ito 色彩循环等见 L92-L146。family()按方法族生成明度渐变MUTED是基线灰。y 轴上界是算出来的10 * ceil(highest * 1.12 / 10)绝不明文硬编码被坐标轴边缘剪切的柱子不再编码它的值——这正是整篇参考文档要防的失败模式。save()同时写出 PDF供\includegraphics与 SVG供预览并在保存后运行审计详见下文交付前的审计。模板二消融 delta 点图原文档同时给出figs/ablation.py它读取figs/ablation.csv列variant,seed,valueAccuracy change vs. the baseline. Regenerate: python figs/ablation.py import csv from collections import defaultdict import numpy as np from orx_figstyle import BASELINE, COLUMN, PALETTE, diff_ci, figure, save, use_style DATA figs/ablation.csv REFERENCE baseline HIGHLIGHT ours def load(path): runs defaultdict(list) with open(path) as handle: for row in csv.DictReader(handle): runs[row[variant]].append(float(row[value])) return {variant: np.array(values) for variant, values in runs.items()} def main(): use_style() runs load(DATA) reference runs[REFERENCE] n_seeds min(len(values) for values in runs.values()) effects [ (variant, *diff_ci(values, reference)) for variant, values in runs.items() if variant ! REFERENCE ] effects.sort(keylambda row: row[1]) # ascending: best ends up on top fig, ax figure(widthCOLUMN, ratio0.1 0.16 * len(effects)) ax.axvline(0, colorBASELINE, linewidth0.8, zorder1) for y, (variant, delta, lo, hi) in enumerate(effects): color PALETTE[blue] if variant HIGHLIGHT else #4D4D4D ax.plot([lo, hi], [y, y], colorcolor, linewidth1.0, solid_capstyleround, zorder2) ax.plot([delta], [y], o, colorcolor, zorder3) # Sign included: a delta figure is read for direction first. ax.annotate( f{delta:.2f}, xy(hi, y), xytext(4, 0), textcoordsoffset points, vacenter, fontsize7, colorcolor, ) ax.set_yticks(range(len(effects)), [variant for variant, *_ in effects]) ax.set_ylim(-0.6, len(effects) - 0.4) ax.set_xlabel(fAccuracy vs. {REFERENCE} (points)) ax.grid(axisx) ax.grid(axisy, visibleFalse) ax.tick_params(axisy, length0) ax.margins(x0.18) print(fn{n_seeds} seeds per variant — state this in the caption) save(fig, figs/ablation)设计要点排序后最好的在最上按效应升序排序effects.sort(keylambda row: row[1])最好的结果出现在图顶——读者第一眼看到的就是最强的主张。零线用BASELINE灰基线/机会水平/参考线永远是灰色颜色只属于被比较的对象orx_figstyle.py。差值标注带符号f{delta:.2f}差值图首先是被用来读方向的正负号必须显式写出。y 轴无刻度线、横向网格水平点图靠 y 轴的变体名称定位y 网格关闭、只留 x 网格减少视觉噪声。脚本末尾打印种子数print(fn{n_seeds}...)提醒你把它写进 caption——这呼应了 SKILL.md 的 Non-negotiable 第 5 条展示不确定性或者说清楚没有。把图放进论文caption、多面板与交付前审计caption 才是标题论文图中禁止ax.set_title——标题会重复 caption 并偷走垂直空间orx_figstyle的_audit甚至会检出 axes title duplicates the caption — delete it 并报告为问题见 L211-L212。多面板图用a、b 面板字母命名部件panel_labels()L163-L179正文用 Fig. 2b 引用。Caption 的写法来自 orx-figures/SKILL.md 的 Write the caption with the figure 一节以一句加粗的结论短语开头然后给出读者信任它所需的细节——种子数、带状/柱状的含义、任何平滑与归一化、哪些点被拟合哪些被排除、前沿线是实测还是引导线。当前论文 caption 中位数约 28 词。针对本文主题消融图 caption 必须写明 n5 seeds 以及区间是of the difference95% CI on the difference。多面板共享坐标轴面板共享同一数量时必须shareyTrue共享轴只在显示刻度的那个面板上带一个标签。两个面板对同一指标使用悄悄不同的区间就是多面板版的截断柱轴——读者在比较并不可比的柱高。figure_grid(nrows, ncols, widthTEXT, shareyTrue)orx_figstyle.py把整个网格按最终印刷宽度排版。交付前的save()审计save()在写文件之后运行_audit()L190-L252检查印刷宽度是否为已知列宽COLUMN/TEXT/WIDE、Type 42 字体嵌入、多余的 axes 标题、缺失的轴标签、低于 5pt 下限的文字、文字互相重叠、文字跑出画布。输出figure audit stem: clean才是达标线任何一条问题都是要修的缺陷而不是可忽略的警告。审计只打印不抛异常——a silent pass is how an unpublishable figure reaches the paper一个无声的通过正是不可发表的图到达论文的途径。注意save()也写 SVG 预览且不做bbox_inchestight按内容裁剪会改变物理宽度毁掉按最终尺寸构建这一原则见 L329-L334 的文档字符串与注释。运行环境与数据来源运行模板模板依赖matplotlib与numpy。独立绘图用uv run --no-project --with matplotlib --with numpy python figs/benchmarks.py带内联依赖元数据的脚本用uv run --no-project figs/benchmarks.py。引入项目代码的绘图必须在项目环境内运行。数据必须来自真实运行每个数字都来自一次运行用orx logs读取见 agent-skills/orx-evidence/SKILL.md。绝不画记忆中的、取整过的或看起来合理的数字绝不把合成的 demo 数据留在会发布的脚本里。样式模块就地 vendormkdir -p figs orx skill figures/assets/orx_figstyle.py figs/orx_figstyle.py把样式文件放在绘图脚本旁边保证会话结束后图仍可复现生成脚本必须与输出图放在同一目标目录。图的落点与引用标签必须匹配论文图写到工作树figs/旁以仓库相对路径引用figs/benchmarks.pdf无artifacts/前缀报告/聊天回答中的图写到 artifacts 目录下的对应主题目录引用时带artifacts/前缀。标签与落点不匹配是成品图到达用户时变成死链的最常见原因。LaTeX 侧图以\includegraphics[width\linewidth]{figs/benchmarks.pdf}引入。按列宽构建并且仍写width\linewidth尺寸正确时它缩放为 1.0 不改变任何东西但万一会议栏宽比你假设的窄它仍能自适应它救不了构建尺寸错误的图——15 英寸画布丢进 5.5 英寸栏会被缩到 0.3511pt 刻度标签落到 4pt这正是真实论文图不可读的最常见原因。Checklist交付前逐项自检柱子从零开始没有任何截断。色相是方法族、明度是变体基线模型用灰色。方法顺序在所有分组中一致并与图例顺序匹配。每根柱子都有标签且标签不碰撞。Delta 图区间是差值的区间n 与区间含义写进 caption。图例仅在覆盖数据时加框并避开最高的柱子。超过约 8 个变体或需要精确数字改用表格。【免费下载链接】OpenResearchTurn your coding agents into research agents项目地址: https://gitcode.com/GitHub_Trending/op/OpenResearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考