بر اساس ارزیابی‌های مبتنی بر مدل که در یک پیش‌چاپ تازه گزارش شده، کمک هوش مصنوعی می‌تواند نمودارهای علمی را صریح‌تر کند و هم‌زمان از انسجام بصری آن‌ها بکاهد. در میان ۳۶۹ بازطراحی که از بررسی‌های ثبت‌شده وفاداری به منبع گذشتند، امتیاز وضوح به‌طور میانگین ۰٫۴۲۸ افزایش و امتیاز انسجام زیبایی‌شناختی ۰٫۱۱۱ کاهش یافت؛ هر دو در مقیاس‌های پنج‌امتیازی. این نتایج یک فرایند ارزیابی مشخص را توصیف می‌کنند و بهبود درک خوانندگان را اثبات نمی‌کنند.
شیائوچی ژائو، یووی پانگ و کایلای ژو از دانشگاه فناوری نانیانگ سنگاپور، ۳۷۱ شکل از ۲۰۰ مقاله را بررسی کردند. پیش‌چاپ آن‌ها در ۵ نوامبر ۲۰۲۶ در arXiv منتشر شد؛ داوری همتای آن تأیید نشده است. پژوهش میان شکل‌های انگیزشی، که مسئله یا تقابلی را معرفی می‌کنند، و شکل‌های چارچوب، که سازمان کلی یک روش را توضیح می‌دهند، تمایز می‌گذارد.
نمونه اصلی شامل ۱۶۰ مقاله و ۳۲۰ شکل بود که میان چهار دوره و چهار موضوع بینایی رایانه‌ای به‌طور متوازن توزیع شدند: تشخیص اشیا، قطعه‌بندی تصویر، بازسازی کیفیت تصویر و بینایی سه‌بعدی. نمونه‌ای جداگانه از ۴۰ مقاله، ۵۱ شکل را در بر می‌گرفت که عمداً بر اساس قراردادهای بصری انتخاب شده بودند. این نمونه از میانگین‌های زمانی کنار گذاشته شد. امتیاز شکل‌های اصلی افتی یکنواخت در طول دوره‌ها نشان نداد، اما این مقایسه نمی‌تواند مشخص کند که رواج هوش مصنوعی تصویرسازی علمی را تغییر داده است یا نه؛ استفاده نویسندگان اصلی از هوش مصنوعی عموماً نامعلوم بود.
یک مدل چندوجهی واحد، gpt-6-astra، وضوح، سازمان‌دهی و خوانایی، سازگاری گرافیکی، انسجام زیبایی‌شناختی، ابتکار بصری هدفمند و اختصاصی‌بودن طراحی برای مسئله را امتیازدهی کرد. هر نسخه از هر شکل سه بار در درخواست‌های تازه ارزیابی شد و میانه امتیازها برای هر بُعد محاسبه شد. هنگام امتیازدهی، شرح زیر شکل و شناسه‌های منبع ارائه نشدند، اما نوشته‌های داخل شکل قابل مشاهده ماندند. ارزیابی در ۳۱ اکتبر تا ۱ نوامبر ۲۰۲۶ انجام شد.
بازطراحی‌ها با استفاده از gpt-image-2.5، شرح شکل‌های منبع، توضیحات متن مقاله و بازخورد ارزیاب انجام شدند. محتوای علمی حفاظت‌شده، از جمله مقادیر عددی و نواحی تصویری حامل داده، در صورت نیاز از نسخه‌های اصلی بازگردانده شد. از ۳۷۱ تلاش، دو مورد به‌دلیل روابط علمی نادرست یا حذف‌شده در بررسی وفاداری رد شدند؛ هیچ‌کدام امتیاز کیفیت نسخه بازطراحی‌شده نگرفتند. عبور از این بررسی‌های مبتنی بر مدل، معادل تأیید مستقل متخصصان نبود.
افزایش گزارش‌شده در میانگینی که پس از طراحی مطالعه از هر شش بُعد محاسبه شد، برای شکل‌های انگیزشی نمونه اصلی بیشتر از شکل‌های چارچوب بود. مقدار عددی اثرها در این زیرگروه‌ها در مطالب ارائه‌شده موجود نبود. تحلیل موارد نشان می‌دهد توضیحات افزوده می‌توانند مقایسه‌ها را روشن‌تر کنند، در حالی که مشکلات حروف‌چینی، سلسله‌مراتب بصری و ایجاز بصری حل‌نشده بمانند. چون بازطراحی‌ها ترکیبی از اطلاعات افزوده، تغییر چیدمان و تولید تصویر بودند، مطالعه نمی‌تواند سهم هر جزء را در تغییر امتیاز جدا کند.
چند محدودیت، تفسیر نتایج را مقید می‌کند. نمونه‌گیری احتمالی نبود، طول دوره‌ها و جامعه منابع تفاوت داشت و معیارهای ورود برای ۲۳ مقاله از ۴۰ مقاله جدیدترین دوره تسهیل شد. همان مدل در نشست‌های جداگانه به گردآوری، بازخورد بازطراحی، بررسی وفاداری و امتیازدهی کمک کرد. درک انسانی، ترجیحات انسانی و توافق میان مدل‌های مختلف بررسی نشد؛ تکرار ارزیابی‌ها نیز اعتبارسنجی مستقل محسوب نمی‌شود.
معیارنامه امتیازدهی و میانگین کلی با وزن‌های برابر اعتبارسنجی نشده‌اند و امتیازها ترتیبی‌اند. روش پژوهش، بازه‌های ۹۵ درصدی حاصل از ۵٬۰۰۰ بازنمونه‌گیری بوت‌استرپ در سطح مقاله را مشخص می‌کند که وابستگی میان شکل‌های یک مقاله را حفظ می‌کنند، اما مقادیر عددی بازه‌ها برای اثرهای اصلی در متن ارائه‌شده موجود نیست. چنین بازه‌هایی سوگیری انتخاب یا ارزیاب را برطرف نمی‌کنند. نویسندگان از طراحی با هدایت پژوهشگران حمایت می‌کنند؛ هوش مصنوعی به بررسی گزینه‌ها کمک کند و مسئولیت هدف توضیحی و روابط علمی بر عهده نویسندگان بماند.
تصویر جلد با هوش مصنوعی تولید شده و تصویرسازی مفهومی است؛ مدرک پژوهش نیست.