연구 논문의 그림(figure)을 수정하는 것은 일상적인 연구 과정에서 반복적이고 시간이 많이 소요되는 작업입니다. 저자들은 원고를 수정하면서 구성 요소를 재라벨링하고, 패널을 재배치하며, 시각 자료의 스타일을 변경합니다. 그러나 자연어 지침에 따라 이러한 편집 워크플로우를 자동화하는 것은 어렵습니다. 왜냐하면 과학적 그림은 특정 주장을 전개하기 위해 도식(schematics), 플롯(plots), 사진(photos), 캡션(captions), 화살표(arrows)와 같은 이질적인 시각 요소들이 엄격한 시각 문법 아래 밀집된 인포그래픽으로 구성되어 있기 때문입니다. 이를 해결하기 위해, 우리는 SciDiagramEdit을 제안합니다. 이는 자연스러운 논문 개정본으로부터 학습하고 그림의 편집 가능한 벡터 소스(editable vector source)에서 작동하는 벤치마크이자 스킬 진화 프레임워크입니다. 이 환경에서는 사용자가 에이전트와 함께 개별 기본 요소(primitives)를 검사하고 공동 편집할 수 있습니다. 우리의 벤치마크는 arXiv 버전 기록에서 전/후 그림 쌍을 채굴하며, 각 쌍은 저자 자신의 수정 의도에 기반합니다. 편집 지침의 다양성을 수용하기 위해, 우리는 스킬 진화를 통한 에이전트 학습(agentic learning via skill evolution)을 채택했습니다. 즉, 에이전트적 제안자(agentic proposer)가 여러 에포크 동안의 실행 추적(execution traces)으로부터 에이전트의 스킬 사양(skill specification)을 지속적으로 개선합니다. 그 결과로 얻어진 스킬은 별도로 보관된 검증 세트(held-out validation set)에서 편집 정확도를 점진적으로 높여가며, 자연스러운 논문 개정본이 지침 기반 그림 편집에 효과적인 훈련 신호임을 입증합니다.