HF 論文速讀 2026-06-13
今天的共同趨勢是：AI 系統能力不只靠更大模型，也靠更好的環境、介面、記憶與稀疏計算設計。
下一波 AI 進展，重點是把模型放進更會探索、推理、模擬與長文處理的系統裡。
今天先記三件事
- MiniMax MSA 瞄準百萬 token 長 context 的部署成本
- SpatialClaw 用 stateful Python 讓 VLM 做開放式 3D/4D 推理
- EurekAgent 把科研 Agent 重點轉向 environment engineering
五篇速讀
EurekAgent：讓研究 Agent 在對的環境裡自動發現
科研Agent
為什麼重要：把 autonomous scientific discovery 的瓶頸從 workflow 轉向環境設計。
帶走什麼：權限、artifact、budget、人類介入，比單純規劃流程更能塑造 Agent 行為。
下一步：看它如何抑制 reward hacking 與降低人工監督摩擦。
WEAVER：更快、更長、更準的機器人 world model
機器人WM
為什麼重要：world model 若同時有 fidelity、consistency、efficiency，才適合機器人決策。
帶走什麼：WEAVER 用 multi-view、flow-matching 預測 latent 與 reward，支援長程操作。
下一步：優先看硬體實驗與 policy evaluation 的相關性結果。
SpatialClaw：把 code 變成 VLM 的空間推理手
空間Agent
為什麼重要：它指出 spatial reasoning 的關鍵不只在感知工具，而在 action interface。
帶走什麼：用 stateful Python kernel 逐步寫 code，比一次性 code 或固定 tool call 更彈性。
下一步：拿它對照你現有 VLM tool-use 架構的介面限制。
vFusedSeg3D：Waymo 3D 語意分割挑戰的強基線
3D分割
為什麼重要：在 Waymo Open Dataset 3D semantic segmentation 有明確排行榜訊號。
帶走什麼：PWC 訊號顯示其 validation mIoU 為 72.46，rank #2。
下一步：若做自駕 3D segmentation，可當 Waymo baseline 追蹤。
MiniMax Sparse Attention：百萬 context 的便宜注意力
長文注意力
為什麼重要：長 context 正成為 Agent、repo-scale code reasoning、persistent memory 的硬需求。
帶走什麼：MSA 用 GQA 上的 blockwise sparse attention，讓各 group 選自己的 Top-k KV blocks。
下一步：重點看 Index Branch、KV-outer sparse attention 與 GPU 路徑設計。