HF 論文速讀 2026-06-24
今天的共同趨勢：AI 研究正在從模型能力本身，推進到長任務、長上下文、空間感知與可驗證環境。
今天先追 RT-DocLayout：即時文件版面理解前端，再用另外四篇補齊 Agent、robotics、spatial reasoning、context efficiency 與 SOTA 感知能力的路線圖。
今天先記三件事
- 先看是否有 SOTA / 榜單訊號，再看它能不能落地到產品或工程流程。
- Agent、長上下文、世界模型、空間推理正在變成同一件事：讓模型更可靠地做長任務。
- 今天的 50 頁簡報可以當附錄；真正要先記的是每篇 paper 解決的瓶頸與適用場景。
五篇速讀
RT-DocLayout：即時文件版面理解前端
空間/視覺推理
為什麼重要：3D segmentation 的 SOTA 訊號仍在推動自駕、機器人與空間感知基礎能力。
帶走什麼：3D segmentation 的 SOTA 訊號仍在推動自駕、機器人與空間感知基礎能力。
下一步：先看問題設定與 benchmark，再決定是否需要讀完整簡報。
Unlimited OCR：長文件一次辨識的 R-SWA
LLM/Agent 基…
為什麼重要：Recently, end-to-end OCR models, exemplified by DeepSeek OCR, have once again thrust OCR…
帶走什麼：Recently, end-to-end OCR models, exemplified by DeepSeek OCR, have once again thrust OCR…
下一步：先看問題設定與 benchmark，再決定是否需要讀完整簡報。
Tmax：開源 Terminal Agent 的簡單 RL 食譜
LLM/Agent 基…
為什麼重要：Terminal-using agents have quickly become the most popular downstream application of lang…
帶走什麼：Terminal-using agents have quickly become the most popular downstream application of lang…
下一步：先看問題設定與 benchmark，再決定是否需要讀完整簡報。
UniverSat：地球觀測的萬用 Patch Encoder
空間/視覺推理
為什麼重要：3D segmentation 的 SOTA 訊號仍在推動自駕、機器人與空間感知基礎能力。
帶走什麼：3D segmentation 的 SOTA 訊號仍在推動自駕、機器人與空間感知基礎能力。
下一步：先看問題設定與 benchmark，再決定是否需要讀完整簡報。
Qwen-AgentWorld：語言 World Model 給通用 Agent
機器人落地
為什麼重要：機器人 world model 要同時顧準確、長期一致與速度，才真的能拿來規劃動作。
帶走什麼：機器人 world model 要同時顧準確、長期一致與速度，才真的能拿來規劃動作。
下一步：先看問題設定與 benchmark，再決定是否需要讀完整簡報。