Hugging Face 模型趋势榜和每日论文。
模型
排行第一：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 1970，趋势分 1498。标签：audio8_asr_infinite、text-generation、streaming、realtime、speech-recognition。（点赞 1970 · 趋势分 1498）
在 Hugging Face 查看
排行第二：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 4708，趋势分 1345。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 4708 · 趋势分 1345）
在 Hugging Face 查看
排行第三：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 1110，趋势分 855。标签：qwen2_5_vl、ocr、document-parsing、multimodal、conversational。（点赞 1110 · 趋势分 855）
在 Hugging Face 查看
排行第四：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 2599，趋势分 846。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 2599 · 趋势分 846）
在 Hugging Face 查看
排行第五：CLM-v0.1-8B（text-ranking）
Hugging Face 趋势榜上的模型，任务类型是text-ranking，点赞 579，趋势分 529。标签：contrastive-lm、clm、contrastive-learning、verifier、reranker。（点赞 579 · 趋势分 529）
在 Hugging Face 查看
排行第六：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 2726，趋势分 515。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2726 · 趋势分 515）
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 567，趋势分 376。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 567 · 趋势分 376）
在 Hugging Face 查看
排行第八：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 16673，趋势分 365。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 16673 · 趋势分 365）
在 Hugging Face 查看
排行第九：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 5746，趋势分 364。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 5746 · 趋势分 364）
在 Hugging Face 查看
排行第十：Ternary-Bonsai-2-27B-gguf（文本生成）
Hugging Face 趋势榜上的模型，任务类型是文本生成，点赞 2310，趋势分 311。标签：llama.cpp、ternary、2-bit、cuda、metal。（点赞 2310 · 趋势分 311）
在 Hugging Face 查看
排行第十一：Julia-1（文本分类）
Hugging Face 趋势榜上的模型，任务类型是文本分类，点赞 321，趋势分 311。标签：decision-model、multilingual、routing、base_model:jhu-clsp/mmBERT-small、base_model:finetune:jhu-clsp/mmBERT-small。（点赞 321 · 趋势分 311）
在 Hugging Face 查看
排行第十二：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 463，趋势分 303。标签：diffusers、lora、image-to-image、image-editing、distillation。（点赞 463 · 趋势分 303）
在 Hugging Face 查看
论文
排行第一：自演化搜索代理中的共作弊诊断
研究自演化搜索代理在训练过程中出现的共作弊现象，即提议者和求解器在内部奖励提升的同时，外部正确性未提高，甚至下降。通过多样本验证方法检测并缓解该问题。（论文赞 1）
在 Hugging Face 查看
排行第二：EVOKE：提取世界知识用于决策
研究如何从大型语言模型中提取世界知识以提升多步决策能力，避免传统世界模型训练中的误差累积，强调在预训练阶段已有知识的唤醒与利用。（论文赞 6）
在 Hugging Face 查看
排行第三：状态适应对掩码扩散语言模型的影响
探讨掩码扩散语言模型在生成过程中状态适应的重要性，分析不同解码策略在生成阶段的优劣，提出五维推理框架以优化生成顺序与预测质量。（论文赞 13）
在 Hugging Face 查看
排行第四：Mid-Harness：模型与执行器间的动作协调
研究在终端代理中通过在模型与执行器边界分配测试时计算来提升动作可靠性，提出Mid-Harness方法，通过候选动作采样与验证提高执行成功率。（论文赞 2）
在 Hugging Face 查看
排行第五：循环混合专家的缩放定律
提出联合建模循环与稀疏性的缩放定律，分析循环变压器和混合专家模型在参数和数据扩展中的协同效应，预测循环模型的损失表现。（论文赞 4）
在 Hugging Face 查看
排行第六：打破巴别塔：自演化多代理字幕翻译
提出SMART系统，通过自演化多代理架构实现长篇字幕翻译，利用动态路由和混合代理层，在测试时训练中构建系列级记忆并保持术语一致性。（论文赞 12）
在 Hugging Face 查看
排行第七：UniEvo-VL：多模态模型自进化框架
提出UniEvo-VL框架，利用多模态模型在测试时计算中自我修正的反馈进行自进化。模型在不同上下文中同时扮演教师和学生角色，学生仅看到原始问题，教师则利用特权批评信息，通过最小化状态间差异来训练模型，实现自我改进。（论文赞 40）
在 Hugging Face 查看
排行第八：PivotOPD：多轮智能体恢复关键错误
研究多轮交互中错误累积问题，发现超过一半的失败轨迹包含早期关键错误。提出PivotOPD方法，通过在关键错误后引导模型几轮，帮助其恢复任务成功，提升语言代理的训练效率。（论文赞 2）
在 Hugging Face 查看
排行第九：AREX-2：长时反思任务中的自改进智能体
提出AREX-2，旨在提升大语言模型代理的自改进能力，通过反思和长时执行两个互补能力，在机器学习和算法编程任务中合成长时改进轨迹，实现持续迭代优化。（论文赞 29）
在 Hugging Face 查看
排行第十：Galahad：字节精确内存降低LLM读取成本
针对语言模型在处理文档时重复计算问题，提出Galahad内存层，使文档读取成本变为一次性开销。在七个真实数据集上，98.7%的提示token为已读文本，显著降低计算开销。（论文赞 1）
在 Hugging Face 查看
排行第十一：AdviSD：多轮自蒸馏指导前沿LLM
提出AdviSD方法，通过目标导向的多轮自蒸馏训练可训练的指导模型，利用完成交互的反馈改进建议。研究发现，仅在部分修正中学习可提升模型最终性能，避免过度依赖弱指导。
在 Hugging Face 查看
排行第十二：决策导向推荐重排序研究
研究大语言模型在推荐重排序中的应用，探讨推荐质量与服务效率之间的权衡。通过实验证明，决策导向模型在结构化候选项目选择任务中表现良好，优于特定推荐模型和Qwen重排序器。（论文赞 1）
在 Hugging Face 查看
