Hugging Face 模型趋势榜和每日论文。
模型
排行第一：laya（文本分类）
Hugging Face 趋势榜上的模型，任务类型是文本分类，点赞 4536，趋势分 1701。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 4536 · 趋势分 1701）
在 Hugging Face 查看
排行第二：Audio8-ASR-Infinite（语音识别）
Hugging Face 趋势榜上的模型，任务类型是语音识别，点赞 1552，趋势分 1361。标签：audio8_asr_infinite、text-generation、streaming、realtime、speech-recognition。（点赞 1552 · 趋势分 1361）
在 Hugging Face 查看
排行第三：Qwen-Image-2.1-Uncensored-GGUF（文生图）
Hugging Face 趋势榜上的模型，任务类型是文生图，点赞 2459，趋势分 1003。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 2459 · 趋势分 1003）
在 Hugging Face 查看
排行第四：TeleOCR（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 889，趋势分 752。标签：qwen2_5_vl、ocr、document-parsing、multimodal、conversational。（点赞 889 · 趋势分 752）
在 Hugging Face 查看
排行第五：Qwen-Image-2.1（文生图）
Hugging Face 趋势榜上的模型，任务类型是文生图，点赞 2670，趋势分 683。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2670 · 趋势分 683）
在 Hugging Face 查看
排行第六：CLM-v0.1-8B（text-ranking）
Hugging Face 趋势榜上的模型，任务类型是text-ranking，点赞 532，趋势分 523。标签：contrastive-lm、clm、contrastive-learning、verifier、reranker。（点赞 532 · 趋势分 523）
在 Hugging Face 查看
排行第七：Nemotron-3-Diarization（语音活动检测）
Hugging Face 趋势榜上的模型，任务类型是语音活动检测，点赞 521，趋势分 502。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 521 · 趋势分 502）
在 Hugging Face 查看
排行第八：ZDTaichu5.0-9B（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 2000，趋势分 395。标签：zdtaichu5_0、multimodal、vision-language-model、spatial-reasoning、agent。（点赞 2000 · 趋势分 395）
在 Hugging Face 查看
排行第九：Xing4.0-29B-A4B（文本生成）
Hugging Face 趋势榜上的模型，任务类型是文本生成，点赞 1809，趋势分 369。标签：xing4_0、conversational、custom_code。（点赞 1809 · 趋势分 369）
在 Hugging Face 查看
排行第十：Qwen-Image-2.1-viggle-turbo（文生图）
Hugging Face 趋势榜上的模型，任务类型是文生图，点赞 429，趋势分 369。标签：diffusers、lora、image-to-image、image-editing、distillation。（点赞 429 · 趋势分 369）
在 Hugging Face 查看
排行第十一：LTX-2.5（image-to-video）
Hugging Face 趋势榜上的模型，任务类型是image-to-video，点赞 5590，趋势分 349。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 5590 · 趋势分 349）
在 Hugging Face 查看
排行第十二：Qwen3.8-27B（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 16575，趋势分 349。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 16575 · 趋势分 349）
在 Hugging Face 查看
论文
排行第一：Omni-IO技能：利用您的原生代理Omni-Native
通用型代理可以规划、推理并在长期范围内行动，但其生产能力仍然局限于文本、图像、音频、视频、文档、3D资产和代码等多种模态。将基础模型扩展到其他模式将使能力增长与昂贵的模型更新绑定，而组装专门模型和工具则留下如何协调程序、依赖关系、中间资产和跨回合修订的问题。我们介绍了Omni-IO技能，这是一种通过分层技能、标准化的多模态执行接口、依赖感知的编排和持续的资产注册表，使现有代理实现原生多模态性的插件式代理驾驭系统。（论文赞 8）
在 Hugging Face 查看
排行第二：超球面语义轨迹分析：从学术预印和专利信号映射技术扩散
宏观经济生产力指标，如总要素生产率，由于行政调查间隔和国家会计惯例的原因，对技术突破的报道存在多年的滞后。本文介绍了超球面语义轨迹分析（HSTA），一种无监督的定量方法，直接从非结构化的科学和商业文本流中跟踪技术扩散。我们分析了来自arXiv的30,000个过滤文档记录和来自美国专利商标局的专利申请记录。通过使用球形K均值聚类将高阶Transformer句子嵌入投影到单位超球面上，我们在八个主要领域中研究了技术扩散的主要轨迹、次要轨迹和边缘轨迹。
在 Hugging Face 查看
排行第三：上下文语言模型
我们引入了上下文语言模型（CLMs），这是一种原生管理自身上下文的语言模型。我们通过将上下文视为文件，并允许模型对这一文件进行不受限制的更新来实现这一点。这使模型能够学习什么是最重要的需要维持的上下文，并自然地扩展到多代理系统，其中多个代理上下文共存为文件。通过零-shot构建CLMs，在各种任务上优于最新的上下文管理策略：在BrowseComp-Plus上准确度提高11.4%，计算量减少21.5%；在12小时EdgeBench上准确度提高5%，计算量减少59%；在相同计算量（论文赞 5）
在 Hugging Face 查看
排行第四：Omni-Decision：基于证据的账本规划以实现多模态代理
多模态代理必须在视频、音频、网络页面和计算中寻求证据。它们的主要瓶颈是规划：嘈杂的多模态观察在对话历史中积累，干扰后来的决策，而多模态模型在多步骤规划方面的容量有限。通过受控的后端替换支持这一诊断：替换规划器会导致更大的性能损失，而替换感知后端则会导致较小的性能损失。我们介绍了Omni-Decision，这是一种基于证据的账本规划的多模态代理：它替换不断增长的对话历史，用一个明确的证据账本记录哪些证据仍需，哪些已被确认，以及在哪里需要重新获取。（论文赞 1）
在 Hugging Face 查看
排行第五：相同字节，不同权威：保留标记的聊天模板注入
当注入的指令被模型的自己的聊天模板包装时，对LLM代理的提示注入变得更强。一个伪造的模板标记如<|im_start|>可以到达模型，要么作为一个单一的保留控制标记，要么作为一个序列的普通子词令牌。这两种解码方式完全相同，由于令牌化在服务器端运行，防御者而不是攻击者决定模型接收到哪一个。我们利用这一点来衡量注入指令的权威有多少来自保留令牌的 learned 表示。将伪造的标记编码为子词，用固定的文本和控制额外令牌的数量来降低攻击的有效性。（论文赞 1）
在 Hugging Face 查看
排行第六：使用量化softmax在注意力中的Transformer预训练
低精度Transformer系统越来越多地对注意力矩阵乘法进行量化，而softmax通常仍保持较高精度。在预训练期间，近似softmax会改变训练模型的梯度以及其前向计算。我们研究了K间隔注意力（K-interval attention）与指数逼近的关系，该注意力使用K+1个网格值进行近似。我们 varying per-row grid calibration, interpolation versus hard rounding, and the placement of （论文赞 1）
在 Hugging Face 查看
排行第七：Chinese-Jev：将System One模型引入中文任务
本文提出Chinese-Jev，一个专为中文任务设计的System One模型。针对现有Jev模型在中文决策任务中准确率有限的问题，研究构建了统一的数据处理和训练流程。通过将异构中文标注转换为候选选项的概率目标，实现了跨领域和问题格式的共享训练框架。模型采用高效推理机制，旨在提升中文语言决策任务的性能。（论文赞 3）
在 Hugging Face 查看
排行第八：VoxMem：大型音频语言模型多模态记忆基准
本文介绍VoxMem基准，用于评估语音对话系统中的多模态记忆能力。研究指出，语音交互中的记忆信息不仅包括文本内容，还涉及说话人身份、语调和环境声音等仅存在于音频信号中的特征。基准涵盖单事实检索、多轮证据整合和跨会话状态跟踪等多样化记忆操作，弥补现有基准在维度覆盖上的不足。（论文赞 33）
在 Hugging Face 查看
排行第九：EpiCon：通过协同进化多模态记忆实现集体智能体学习
EpiCon框架支持智能体在不更新宿主模型参数的情况下进行集体经验学习。该框架通过两个独立训练的20亿参数模型（记忆控制器和树状自组织器）连接问题级记忆进化与持久经验库。控制器跨尝试联合优化文本指导和视觉证据，自组织器分层整合经验规则。在11个基准上的评估展示了其协同学习能力。（论文赞 3）
在 Hugging Face 查看
排行第十：EngiWorld：前沿智能体在专业工程环境中的表现
EngiWorld是首个围绕完整工程设计循环构建的基准，包含1,301个专家策划任务，覆盖CAD、CAE等6个工程领域和26个专业软件平台。基准包含GUI/CLI接口和从软件选择到开放式任务的6类任务类型，引入以工件为中心的评估方法，旨在测试智能体在几何物理约束下的跨软件推理能力。（论文赞 15）
在 Hugging Face 查看
排行第十一：边际零样本摊销序贯重要度采样二元矩阵
针对生态学、心理测量等领域中条件于行列和的二元矩阵分析问题，研究提出零样本摊销序贯重要度采样方法。该方法通过构建摊销提案分布替代传统解析设计，使每个样本权重等于精确计数倒数，实现高效空间均匀采样。解决了现有提案分布精度随边际变化不稳定的问题。（论文赞 1）
在 Hugging Face 查看
排行第十二：基于提示分歧的开放词汇语义分割偏好引导适配
针对开放词汇语义分割在医疗影像等专业领域性能下降的问题，提出用二元偏好替代密集掩码监督的适配框架。利用不同提示模板对同一图像产生系统性分割差异（提示分歧现象），将其转化为偏好信号指导模型适配。该方法降低了专业领域像素级标注的成本需求。
在 Hugging Face 查看
