figures4papers README

The project's README from github.com/ChenLiu-1996/figures4papers. As one markdown file: README.md.

Figures for Papers


LinkedIn Twitter Follow Google Scholar

I am Chen Liu (刘晨), a Computer Science PhD Candidate at Yale University.

This is a centralized repository of my own Python scripts for high-quality figures.

These figures are published at top venues, including Nature Machine Intelligence, ICML, NeurIPS, ECCV, etc. 🎉

Please feel free to cite any of these papers if you find them relevant or helpful. 🎓
在符合学术规范的前提下，欢迎大家狠狠引用。 🎓


Bar plots for quantitative comparison

Bar plots for composition breakdown

3D spheres

Radar plots                   Line plots

Radar comparison Post-training comparison

Concept plots

Trend plots

Miscellaneous: figures not made end-to-end in Python

These figures were made partially in Python. I included them to acknowledge the time and efforts I spent on them.






LLM skill integration

I want to show appreciation to my friend Shan Chen who suggested doing this.

The scientific figure making skill lives in scientific-figure-making/. Demo figures live in assets/. Project-specific scripts and outputs live in figure_*/.

Skill folder hierarchy

scientific-figure-making/
├── SKILL.md                              # Quick reference: metadata, when to use, patterns, links
└── references/
    ├── api.md                            # API/conventions to implement (palette, helpers, export)
    ├── common-patterns.md                # Reusable figure patterns
    ├── demos.md                          # Real-world figure_* projects (with URLs)
    ├── design-theory.md                  # Style rationale and design principles
    └── tutorials.md                      # Step-by-step guides

Using this skill in an AI coding agent

No installation (path-based)

You can use this skill without installing anything: open this repo in your AI coding agent (e.g. Cursor, Claude Code, etc.) and reference the skill by path in your prompts. The agent reads scientific-figure-making/SKILL.md and the references/ files from the repo—no symlinks or plugins required.

Simple AI workflow

  1. Open this repository in your AI coding agent (e.g. Cursor).
  2. Ask the AI to create or update a plotting script in your target folder (for example figure_PROJECT_NAME/).
  3. In your prompt, explicitly ask it to follow scientific-figure-making/SKILL.md and scientific-figure-making/references/design-theory.md.
  4. Run the generated script and check the exported figure.

Prompt template (copy/paste)

Create a publication-quality figure script at <target_path>.
Use the Scientific Figure Making skill conventions from:
- scientific-figure-making/SKILL.md
- scientific-figure-making/references/design-theory.md
- scientific-figure-making/references/api.md (palette, helpers, export)

Implement or adapt the patterns (apply_publication_style, make_* helpers, finalize_figure). See figure_* folders for reference scripts.
Input data: <describe your data or paste arrays>.
Output files: <name>.png and <name>.pdf.
Keep the style consistent with this repository.
Install as a skill (symlink)

From the repository root, run:

Agent Commands
Cursor mkdir -p ~/.cursor/skills then ln -s "$(pwd)/scientific-figure-making" ~/.cursor/skills/scientific-figure-making
Claude Code mkdir -p ~/.claude/skills then ln -s "$(pwd)/scientific-figure-making" ~/.claude/skills/scientific-figure-making
Codex mkdir -p ~/.codex/skills then ln -s "$(pwd)/scientific-figure-making" ~/.codex/skills/scientific-figure-making

Restart the agent (or refresh its skill list) after linking. You can then invoke or cite the skill by name in addition to using path-based references when the repo is open.

ImmunoStruct (Nature Machine Intelligence 2026)

nature PDF Huggingface Huggingface GitHub Stars

@article{givechian2026immunostruct,
  title={ImmunoStruct enables multimodal deep learning for immunogenicity prediction},
  author={Givechian, Kevin Bijan and Rocha, Jo{\~a}o Felipe and Liu, Chen and Yang, Edward and Tyagi, Sidharth and Greene, Kerrie and Ying, Rex and Caron, Etienne and Iwasaki, Akiko and Krishnaswamy, Smita},
  journal={Nature Machine Intelligence},
  volume={8},
  pages={70--83},
  year={2026},
  publisher={Nature Publishing Group UK London}
}
LM-Dispersion (ICML 2026)

OpenReview ICML 2026 Project Page arXiv PDF GitHub Stars

@inproceedings{liu2026dispersion,
  title={Dispersion loss counteracts embedding condensation and improves generalization in small language models},
  author={Liu, Chen and Sun, Xingzhi and Xiao, Xi and Van Tassel, Alexandre and Xu, Ke and Reimann, Kristof and Liao, Danqi and Gerstein, Mark and Wang, Tianyang and Wang, Xiao and Krishnaswamy, Smita},
  booktitle={International Conference on Machine Learning},
  year={2026},
  organization={PMLR}
}
VIGIL (ECCV 2026)

OpenReview Project Page arXiv PDF

@inproceedings{xiao2026vigil,
  title={Staying VIGILant: Mitigating Visual Laziness via Counterfactual Visual Alignment in MLLMs},
  author={Xiao, Xi and Liu, Chen and Liao, Chih-Ting and Zhang, Yunbei and Lan, Qizhen and Wei, Yuxiang and Zhao, Lin and Wang, Janet and Gu, Jianyang and Ye, Muchao and Wang, Tianyang and Xu, Hao},
  booktitle={European Conference on Computer Vision},
  year={2026},
  organization={Springer}
}
RNAGenScape

arXiv PDF

@article{liao2025rnagenscape,
  title={RNAGenScape: Property-Guided, Optimized Generation of mRNA Sequences with Manifold Langevin Dynamics},
  author={Liao, Danqi and Liu, Chen and Sun, Xingzhi and Tang, Di{\'e} and Wang, Haochen and Youlten, Scott and Gopinath, Srikar Krishna and Lee, Haejeong and Strayer, Ethan C and Giraldez, Antonio J and Krishnaswamy, Smita},
  journal={arXiv preprint arXiv:2510.24736},
  year={2025}
}
Brainteaser (NeurIPS 2025)

OpenReview NeurIPS 2025 HuggingFace Dataset arXiv PDF GitHub Stars

@inproceedings{han2025creativity,
  title={Creativity or brute force? using brainteasers as a window into the problem-solving abilities of large language models},
  author={Han, Sophia and Dai, Howard and Xia, Stephen and Zhang, Grant and Liu, Chen and Chen, Lichang and Nguyen, Hoang H and Mei, Hongyuan and Mao, Jiayuan and McCoy, R Thomas},
  journal={Advances in Neural Information Processing Systems},
  volume={38},
  pages={146950--147004},
  year={2025}
}

figures4papers (ChenLiu-1996/figures4papers)

Searching Database…

8.7K ·GitHub
Figures4papers
Что это такое?Личная коллекция Python-скриптов (плюс навык для ИИ-агента) для создания тех самых качественных рисунков, которые автор использовал в статьях, опубликованных в таких местах, как Nature Machine Intelligence, ICML, NeurIPS и ECCV.
Это Python-библиотека, которую ставят через pip, или что-то другое?Нет, это не библиотека для установки через pip — это репозиторий самостоятельных примеров-скриптов плюс папка-навык 'scientific-figure-making', которую агенты для кодинга (Cursor, Claude Code, Codex) читают напрямую, чтобы писать для вас новый код построения графиков.
Как на практике пользоваться навыком создания рисунков?Проще всего без установки: откройте репозиторий в вашем ИИ-агенте и попросите его следовать файлам scientific-figure-making/SKILL.md и references/design-theory.md при написании скрипта для графика, а затем запустите скрипт сами. Можно также создать символическую ссылку на папку навыка в каталоге навыков агента для постоянной установки.
Какие агенты для кодинга поддерживает навык?Явно задокументированы Cursor, Claude Code и Codex, для каждого есть своя команда символической ссылки (например, ln -s в ~/.claude/skills/scientific-figure-making для Claude Code); любой агент, умеющий читать файлы в открытом репозитории, тоже может использовать режим по пути.
Можно ли просто взять и запустить эти скрипты на своих данных сразу?Не совсем — большинство скриптов это примеры под конкретные проекты. Задуманный сценарий таков: ваш ИИ-агент пишет новый скрипт для вашей целевой папки, следуя руководству навыка, затем вы запускаете его и сами проверяете полученный рисунок.
Какие типы рисунков можно делать с этим навыком?Он охватывает столбчатые диаграммы для количественного сравнения и разбора состава, 3D-сферы и радарные диаграммы, линейные графики, концептуальные схемы и графики трендов — те же типы рисунков, что использованы в статьях самого автора на ICML, NeurIPS и ECCV.
Почему автор сделал это навыком для ИИ-агента, а не просто библиотекой скриптов?Чэнь Лю добавил формат навыка по совету друга, чтобы агенты для кодинга вроде Cursor и Claude Code могли читать SKILL.md и генерировать новые готовые к публикации рисунки по запросу, а не чтобы пользователям приходилось вручную копировать и адаптировать сырые скрипты.
В каких статьях использованы рисунки из этого рабочего процесса?Среди связанных работ, использовавших этот подход к созданию рисунков, перечислены ImmunoStruct (Nature Machine Intelligence 2026), LM-Dispersion (ICML 2026), VIGIL (ECCV 2026) и RNAGenScape Brainteaser (NeurIPS 2025).
What are similar projects?pwc, codex-claude-academic-skills, nature-skills, skills, Research-Paper-Writing-Skills, Auto-claude-code-research-in-sleep, Auto-Empirical-Research-Skills, leanrea
Which topics is it in?cvpr, matplotlib, academic, data-visualization, academic-research, skill, cursor, skills, agent-skills, codex, research, claude-code
Creator
ChenLiu-1996
Size
44.6 MB
Stars
8.7K
Updated
CommitOct 12
Age
1y
Commits · 90 Days