PhyDrawGen 是一篇于 2026 年 5 月 28 日提交到 arXiv 的论文，作者为 Nafiul Haque 等三人，论文编号 arXiv:2605.30512v1，归类于 cs.AI，并交叉涉及计算机视觉与模式识别（cs.CV）。该论文目前正在 EMNLP 2026 接受评审，全文包含 9 幅图和 7 张表格。
论文关注的核心问题是：从自然语言文本生成物理示意图。这类任务与一般图像生成不同，它要求输出严格符合物理定律。作者指出，现有生成模型虽然能产出视觉上看似合理的结果，却会系统性地出现三类错误：凭空捏造力矢量、忽视守恒定律，以及违反几何约束。换言之，图像看起来“像那么回事”，但在物理上是错误的，而这对教学、解题和工程场景都可能造成误导。
为应对这一问题，研究团队提出了 PhyDrawGen，一条神经—符号（neuro-symbolic）流水线。其关键设计思路是将“语义场景理解”与“物理约束满足”解耦，让擅长理解语言的模型负责理解题目，让确定性的符号求解器负责保证物理正确性，从而避免让单一生成模型同时承担两种性质不同的职责。
该流水线分为三个主要阶段。第一步，由大语言模型从问题文本中抽取一个带类型标注的场景图（typed scene graph），把题目中的对象、关系与物理量结构化。第二步，用确定性求解器把这个场景图转换为平面直线图（Planar Straight-Line Graph，PSLG），将力平衡、光路和场拓扑等物理关系编码为精确的几何基元。由于这一步是确定性的，因此物理约束不会被模型“随手改写”。第三步，使用经过微调的 Qwen-VL 模型执行一个以视觉为依据的“提议—验证”循环（propose-verify loop），反复提出绘制方案并进行检查，迭代修正任何违反约束的地方。
在评估方面，作者构建了一个包含 1,449 道题的基准，覆盖力学、光学和电磁学三个领域。结果显示，PhyDrawGen 显著优于 GPT-5-image、Gemini 2.5 Flash 和 Gemini 3 Pro，并且在涉及不常见物体的问题上同样表现出稳健的物理准确性。这一点尤为重要，因为非常规对象往往是纯生成模型最容易出错、也最难依靠训练数据记忆来补救的情形。
从方法定位看，这项工作强调的不是让模型“画得更漂亮”，而是让模型“画得更正确”，其价值在于把可验证的物理推理引入生成流程。论文摘要同时给出了 PDF、实验性 HTML 版本和 TeX 源码等访问途径，提交记录显示 v1 版本于 UTC 时间 2026 年 5 月 28 日 19:49:27 上传，文件大小约 2,781 KB。需要注意的是，该论文尚处于评审阶段，上述基准结果仍需经过同行评议的进一步检验。