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 2018，趋势分 1421。标签：audio8_asr_infinite、text-generation、streaming、realtime、speech-recognition。（点赞 2018 · 趋势分 1421）
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 4751，趋势分 1263。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 4751 · 趋势分 1263）
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 1141，趋势分 862。标签：qwen2_5_vl、ocr、document-parsing、multimodal、conversational。（点赞 1141 · 趋势分 862）
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 2639，趋势分 803。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 2639 · 趋势分 803）
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 584，趋势分 484。标签：contrastive-lm、clm、contrastive-learning、verifier、reranker。（点赞 584 · 趋势分 484）
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 2747，趋势分 471。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2747 · 趋势分 471）
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 5797，趋势分 370。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 5797 · 趋势分 370）
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 16693，趋势分 355。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 16693 · 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 579，趋势分 320。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 579 · 趋势分 320）
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 327，趋势分 317。标签：decision-model、multilingual、routing、base_model:jhu-clsp/mmBERT-small、base_model:finetune:jhu-clsp/mmBERT-small。（点赞 327 · 趋势分 317）
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 2318，趋势分 294。标签：llama.cpp、ternary、2-bit、cuda、metal。（点赞 2318 · 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 481，趋势分 291。标签：diffusers、lora、image-to-image、image-editing、distillation。（点赞 481 · 趋势分 291）
在 Hugging Face 查看
论文
排行第一：SeLMRoute：大语言模型路由的语义证据框架
SeLMRoute 是一个大语言模型路由框架，旨在为每个查询选择最合适的模型。与现有方法不同，它将语义证据提取、候选模型性能学习和部署目标应用分离开来。该框架首先通过决策模型评估查询的可解释性问题，如推理需求和使用方式，从而提供更透明的路由依据。
在 Hugging Face 查看
排行第二：SpatialCORE：大视觉语言模型的空间推理置信度方法
SpatialCORE 是一个后训练框架，用于提升大视觉语言模型在空间推理任务中的表现。它通过生成任务相关对象的定位输出（如边界框）作为推理轨迹的一部分，但强调模型应基于高置信度的定位进行推理。该方法旨在解决现有方法仅优化最终答案正确性而忽略推理过程可靠性的问题。
在 Hugging Face 查看
排行第三：TERRA：地形感知的肌肉骨骼运动重定向与控制
TERRA 是一个端到端管道，用于实现地形感知的肌肉骨骼运动重定向和控制。它仅从运动轨迹出发，结合地形先验、估计的接触点和负自由空间证据，恢复任务相关的支撑几何。此外，TERRA 还考虑解剖学和技术约束，以支持复杂地形上的运动生成。（论文赞 6）
在 Hugging Face 查看
排行第四：重新思考潜在视觉推理：基于视觉证据的潜在推理
该研究分析了多模态大语言模型中的潜在视觉推理行为，发现潜在令牌对图像扰动的响应较弱，导致潜在证据-信用差距。研究假设这一问题源于 GRPO 训练中缺乏显式监督，仅依赖最终答案奖励不足以指导潜在推理。工作旨在通过视觉证据 grounding 改进潜在推理的可监督性。
在 Hugging Face 查看
排行第五：软空间推理：大视觉语言模型的连续推理方法
软空间推理是一个后训练框架，针对大视觉语言模型的空间任务引入软思考机制。它在每个推理步骤中形成连续软状态，通过混合令牌嵌入而非离散令牌选择来避免过早离散化错误。该方法旨在减少链式推理中错误传播的风险，提升不确定空间解释下的推理鲁棒性。
在 Hugging Face 查看
排行第六：通过在线蒸馏缓解长度扩展税
该研究提出长度自蒸馏方法，以缓解强化学习后训练中的长度扩展税问题——即已解决问题响应过长而无准确度提升。LSD 将已解决提示路由到在线蒸馏，保留原始目标用于未解决提示，使用在线策略的指数移动平均作为教师模型，无需外部模型即可实现响应简洁性。（论文赞 1）
在 Hugging Face 查看
排行第七：AI生成文本对语言模型预训练的影响
研究了野生AI生成文本对语言模型预训练的影响，通过预训练800个模型，调整AI与人类文本比例，分析其对损失函数的影响，探讨数据稀缺模型中AI文本的作用。（论文赞 1）
在 Hugging Face 查看
排行第八：LEAP：长音频视频感知中的证据检索
提出LEAP框架，通过分块检索机制在长音频视频中提取关键证据，避免整体编码导致的上下文限制，实现与录音时长无关的高效问答。（论文赞 1）
在 Hugging Face 查看
排行第九：NavHarness：面向终身具身导航的框架
提出NavHarness，将记忆处理融入导航循环，利用地图、任务记录和房屋知识进行多轮推理，支持在持续任务中动态更新和修正导航策略。
在 Hugging Face 查看
排行第十：去除时间捷径提升脑机文本解码
发现现有脑机文本解码的改进主要源于时间窗口的重叠，而非真实脑信号，提出去除时间捷径可提升非侵入式脑信号解码的可靠性。（论文赞 1）
在 Hugging Face 查看
排行第十一：SkillGym：技能使用代理的自动训练
提出SkillGym，通过自动构建可验证环境、收集轨迹和训练技能使用代理，解决技能训练数据合成与代理训练的挑战。（论文赞 1）
在 Hugging Face 查看
排行第十二：无标签引导：测试时强化学习压缩
提出无标签偏置优化的测试时强化学习，仅优化约10万偏置参数，利用多数投票伪标签作为奖励，实现高效推理适应。（论文赞 1）
在 Hugging Face 查看
