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 4550，趋势分 1664。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 4550 · 趋势分 1664）
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 1554，趋势分 1363。标签：audio8_asr_infinite、text-generation、streaming、realtime、speech-recognition。（点赞 1554 · 趋势分 1363）
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 2464，趋势分 978。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 2464 · 趋势分 978）
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 907，趋势分 770。标签：qwen2_5_vl、ocr、document-parsing、multimodal、conversational。（点赞 907 · 趋势分 770）
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 2676，趋势分 671。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2676 · 趋势分 671）
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 539，趋势分 530。标签：contrastive-lm、clm、contrastive-learning、verifier、reranker。（点赞 539 · 趋势分 530）
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 524，趋势分 505。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 524 · 趋势分 505）
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 2033，趋势分 396。标签：zdtaichu5_0、multimodal、vision-language-model、spatial-reasoning、agent。（点赞 2033 · 趋势分 396）
在 Hugging Face 查看
排行第九：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 432，趋势分 361。标签：diffusers、lora、image-to-image、image-editing、distillation。（点赞 432 · 趋势分 361）
在 Hugging Face 查看
排行第十：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 1810，趋势分 358。标签：xing4_0、conversational、custom_code。（点赞 1810 · 趋势分 358）
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 5597，趋势分 351。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 5597 · 趋势分 351）
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 16579，趋势分 346。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 16579 · 趋势分 346）
在 Hugging Face 查看
论文
排行第一：Jev 的校准挑战：Sys1Cal-v1 数据集引入
本文针对 Jev 等系统一模型声称的概率校准问题，提出了 Sys1Cal-v1 数据集。该数据集通过构建已知精确概率的真/假命题问题，利用 Jev 的三种基本操作（Noul、Choice 和 Score）进行查询，旨在评估模型返回选项概率的数值意义是否准确，而非仅测试置信度校准。
在 Hugging Face 查看
排行第二：SoL-Refiner：高速一步式高分辨率视频优化
研究提出 SoL-Refiner，一种一步式视频优化方法，将低分辨率模型输出通过单次去噪步骤转换为 4K 视频。该方法结合高分辨率持续训练、强化学习后训练和一步蒸馏三阶段流程，并引入 Refiner-Bench 基准测试，以解决传统多步优化带来的采样瓶颈问题。（论文赞 6）
在 Hugging Face 查看
排行第三：SplitMoE：突破均匀性陷阱的视频扩散模型扩展
针对视频数据的时空冗余和语义长尾特性，本文提出 SplitMoE 架构。该方案通过角色分离的稀疏专家混合设计，避免传统 MoE 在均匀正则化下导致的语义路由分散和结构扭曲问题，提升视频生成模型的扩展效率。（论文赞 1）
在 Hugging Face 查看
排行第四：StructRL：长视野视觉语言动作任务的在线结构化强化学习
StructRL 框架针对长视野视觉语言动作任务，通过将任务分解为可验证的子任务，构建结构化中间监督信号。该方法利用在线强化学习，在环境交互中提供密集奖励，以改善仅依赖终端稀疏奖励的策略优化问题。（论文赞 1）
在 Hugging Face 查看
排行第五：VoxPolyMem：多模态记忆框架用于多方语音对话
研究提出 VoxPolyMem 框架，专注于多方语音对话的长期记忆管理。该框架结合增量说话人识别与包含交互记忆、事实记忆和参与者档案的记忆层次结构，并通过智能体顺序决策实现查询重写和检索，以处理跨会话的对话内容与参与者关系。（论文赞 16）
在 Hugging Face 查看
排行第六：EmoRES-TTS：残差增强向量调控的情感语音生成
本文改进情感文本转语音模型的向量调控方法，发现情感向量可分解为共享和特定分量。通过残差增强技术，在冻结模型基础上实现更精细的情感控制，避免传统单一全局强度调控的局限性，提升情感表达的准确性。（论文赞 3）
在 Hugging Face 查看
排行第七：基于稀疏交叉编码器的策略蒸馏机制研究
本文从机制可解释性角度研究了策略蒸馏技术，通过稀疏交叉编码器分析学生模型和教师模型之间的特征共享，提出交换读出方法来捕捉模型特征使用的变化，揭示策略蒸馏如何影响学生模型的内部表示。（论文赞 1）
在 Hugging Face 查看
排行第八：基于实体追踪的代理搜索语料图谱
针对大型文档集合中的多文档证据关联问题，本文提出一种基于实体追踪的代理搜索方法，通过构建语料图谱来显式表示文档间关系，避免重复发现关联，减少额外的token消耗并提升证据获取效率。（论文赞 12）
在 Hugging Face 查看
排行第九：Omni-IO技能：实现代理全模态原生能力
本文提出Omni-IO技能框架，通过标准化的多模态执行接口、依赖感知编排和持久化资产注册表，使现有代理具备全模态原生能力，统一协调多资产、多步骤任务的执行过程。（论文赞 36）
在 Hugging Face 查看
排行第十：超球面语义轨迹分析技术扩散
本文提出超球面语义轨迹分析方法，通过无监督方式从arXiv预印本和美国专利局文本中提取技术扩散路径，利用高维Transformer嵌入投影到单位超球面，追踪技术演进的语义轨迹。
在 Hugging Face 查看
排行第十一：上下文语言模型的自我管理
本文提出上下文语言模型，将上下文视为可自由更新的文件，使模型能自主学习维持重要信息，支持多代理系统中多个上下文文件的共存，并在多种任务中优于现有上下文管理策略。（论文赞 6）
在 Hugging Face 查看
排行第十二：Omni-Decision：证据账本驱动的规划
本文提出Omni-Decision框架，通过显式证据账本替代不断增长的对话历史，记录缺失证据、已确认信息和检索位置，解决多模态代理在噪声干扰下的规划瓶颈问题。（论文赞 5）
在 Hugging Face 查看
