用途：把基准测试与实验数据转成计算机科学会议/期刊可用的出版级图表，覆盖延迟 CDF、吞吐曲线、训练损失、消融柱状、加速比对比和帕累托前沿。其立场偏向系统、机器学习、网络与安全论文，替代原先偏生物学的版本。
主要能力：提供面向 IEEE、ACM、USENIX、NeurIPS、ICML、ICLR、arXiv 的样式；支持多面板一致排版、概念图、灰度与色盲可读性检查、正确分辨率与格式导出。默认使用 PDF 矢量图，便于 LaTeX 无损嵌入并避免放大失真；PNG 仅用于位图截图、性能分析器或本身为位图的图。不推荐用 JPEG。建议开启 pdf.fonttype=42 以嵌入 TrueType 字体，避免投稿检查时的 Type 3 字体问题。
使用方式：在 matplotlib 中应用内置样式（如 ieee.mplstyle、acm.mplstyle、neurips.mplstyle 等），按目标版式设置 figsize，例如 IEEE 单栏 3.5 英寸，并通过 fig.savefig('latency_p99.pdf', bbox_inches='tight') 导出。使用 \includegraphics[width=\columnwidth]{figures/latency_p99.pdf} 插入 LaTeX。配色采用语义化角色色（OURS、BASELINE 等），并配合线型、标记或图案做冗余编码；热图建议 viridis、cividis，避免 jet/rainbow。多面板用 GridSpec 或 subplots，配合 constrained_layout，面板标号用加粗小写字母 (a)、(b)。
适用场景：CS 论文中的延迟、吞吐、准确率、损失、内存、F1、CDF 结果图，以及用 matplotlib 绘制、需与结果图风格一致的概念曲线、分布或点云。
限制：不用于架构、数据流或流水线示意图，这类应交给 tikz-figures 或 scientific-schematics；不用于 notebook 中的临时探索性绘图，也不用于表格。各具体会议或期刊的最终版式细节等暂未提供。