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 1995，趋势分 1418。标签：audio8_asr_infinite、text-generation、streaming、realtime、speech-recognition。（点赞 1995 · 趋势分 1418）
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 4747，趋势分 1283。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 4747 · 趋势分 1283）
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 1133，趋势分 854。标签：qwen2_5_vl、ocr、document-parsing、multimodal、conversational。（点赞 1133 · 趋势分 854）
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 2633，趋势分 801。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 2633 · 趋势分 801）
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 583，趋势分 492。标签：contrastive-lm、clm、contrastive-learning、verifier、reranker。（点赞 583 · 趋势分 492）
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 2744，趋势分 477。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2744 · 趋势分 477）
在 Hugging Face 查看
排行第七：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 5789，趋势分 368。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 5789 · 趋势分 368）
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 16689，趋势分 355。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 16689 · 趋势分 355）
在 Hugging Face 查看
排行第九：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 578，趋势分 333。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 578 · 趋势分 333）
在 Hugging Face 查看
排行第十：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 326，趋势分 316。标签：decision-model、multilingual、routing、base_model:jhu-clsp/mmBERT-small、base_model:finetune:jhu-clsp/mmBERT-small。（点赞 326 · 趋势分 316）
在 Hugging Face 查看
排行第十一：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 2315，趋势分 294。标签：llama.cpp、ternary、2-bit、cuda、metal。（点赞 2315 · 趋势分 294）
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 479，趋势分 293。标签：diffusers、lora、image-to-image、image-editing、distillation。（点赞 479 · 趋势分 293）
在 Hugging Face 查看
论文
排行第一：AI生成文本的预训练影响研究
研究分析了网络文本中AI生成内容的比例及其对语言模型预训练的影响。通过实验发现，随着AI生成文本比例上升，模型性能变化显著，提出了一种基于比例变化的Scaling Laws模型来评估不同AI文本比例下的预训练效果。
在 Hugging Face 查看
排行第二：LEAP：长音频视频证据检索框架
LEAP框架通过分块检索机制解决长音频视频问答中的上下文限制问题。将录音划分为固定时长块，对每个块进行局部证据评分，提取高分窗口并统一编码，实现与录音长度无关的上下文处理，提升细粒度信息提取能力。（论文赞 1）
在 Hugging Face 查看
排行第三：NavHarness：持续性具身导航框架
NavHarness是一种无需训练的具身导航框架，将记忆处理融入导航循环。通过多轮代理会话，结合地图、任务记录和环境知识，实时验证观察结果并记录修正，实现跨任务经验的持续积累与导航决策优化。
在 Hugging Face 查看
排行第四：去除时间捷径提升脑机解码
研究发现，现有脑机解码中对单词的提升主要源于时间窗口的重叠，而非真实脑信号。通过分析固定时长窗口和重叠机制，揭示了时间信息对解码结果的干扰，提出去除此类时间捷径以提升非侵入式脑机接口的可靠性。（论文赞 1）
在 Hugging Face 查看
排行第五：SkillGym：技能使用代理训练系统
SkillGym提出自动构建可验证环境的流水线，用于训练技能使用代理。通过爬取互联网技能并筛选可复现流程，构建可控难度任务，收集轨迹数据，实现对复杂任务中技能应用的可靠训练与验证。（论文赞 1）
在 Hugging Face 查看
排行第六：无标签微调：仅优化偏置参数
提出一种仅优化约10万偏置参数的无标签测试时强化学习方法，利用多数投票伪标签作为奖励信号，保持预训练主干冻结。在MATH-500数据集上，该方法在Qwen2.5-7B模型上达到76.67%准确率，优于传统标签微调方法。（论文赞 1）
在 Hugging Face 查看
排行第七：CUA-SWE：计算机使用代理与视觉软件工程
本文提出CUA-SWE，一个用于研究计算机使用代理在软件工程中应用的基准、环境和评估流程。该研究关注开发者在运行软件、观察界面行为和修改代码之间的交互过程，强调视觉反馈与代码修改之间的关联，旨在探索如何通过视觉观察诊断运行时错误并验证修复效果。（论文赞 1）
在 Hugging Face 查看
排行第八：超越记忆世界：预测性4D信念用于持续导航
本文研究了在动态变化环境中持续导航的问题，提出EvolvingNav方法，通过时间索引信念构建3D对象状态，结合间歇性观测预测目标位置，并在有限可视条件下利用视觉证据更新信念，以应对目标在未观察期间的移动问题。
在 Hugging Face 查看
排行第九：受限自主性的评估：监管代理AI的诊断框架
本文提出RegLLM，一个用于评估受监管代理AI中受限自主性的诊断框架。该框架通过六个信任信号评估系统，包括引用有效性、来源依据、模式合规性等，并利用程序验证、任务级标签和AI评分进行监督，同时设置运行时监管机制以阻止未依据的回答。
在 Hugging Face 查看
排行第十：无尽考试：从当前模型迈向超级智能的数学构造
本文引入无尽考试基准，涵盖十四类参数化数学构造问题，通过自动验证和相对质量评分区分模型在已知数学前沿前后的进展。该基准基于开放数学问题生成更大规模实例，使用紧凑证书验证大规模构造，无需列出所有元素。（论文赞 1）
在 Hugging Face 查看
排行第十一：图像无关：无关上下文干扰VLM判断
本文提出MIST测试，评估视觉语言模型在图像误导情况下的判断稳定性。测试包含200个英语句子，每个句子有字面或隐喻两种解读，配合对齐图像、误导图像或无图像，旨在检验模型是否仅依据句子判断，而不受图像影响。（论文赞 14）
在 Hugging Face 查看
排行第十二：多智能体系统中潜在通信的安全性
本文研究多智能体系统中潜在通信的安全性，指出即使在良性训练下，轻量级可训练链接也可能增加有害合规性。攻击者可通过优化有害查询-响应对或污染训练数据放大此效应，并提出一种强化学习攻击方法。（论文赞 1）
在 Hugging Face 查看
