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 4875，趋势分 1181。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 4875 · 趋势分 1181）
在 Hugging Face 查看
排行第二：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 1236，趋势分 895。标签：qwen2_5_vl、ocr、document-parsing、multimodal、conversational。（点赞 1236 · 趋势分 895）
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 2728，趋势分 778。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 2728 · 趋势分 778）
在 Hugging Face 查看
排行第四：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 2799，趋势分 429。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2799 · 趋势分 429）
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 628，趋势分 429。标签：contrastive-lm、clm、contrastive-learning、verifier、reranker。（点赞 628 · 趋势分 429）
在 Hugging Face 查看
排行第六：clef（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 411，趋势分 408。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 411 · 趋势分 408）
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 5880，趋势分 370。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 5880 · 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 16736，趋势分 346。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 16736 · 趋势分 346）
在 Hugging Face 查看
排行第九：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 345，趋势分 331。标签：decision-model、multilingual、routing、base_model:jhu-clsp/mmBERT-small、base_model:finetune:jhu-clsp/mmBERT-small。（点赞 345 · 趋势分 331）
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 507，趋势分 292。标签：diffusers、lora、image-to-image、image-editing、distillation。（点赞 507 · 趋势分 292）
在 Hugging Face 查看
排行第十一：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 606，趋势分 288。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 606 · 趋势分 288）
在 Hugging Face 查看
排行第十二：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 2336，趋势分 262。标签：llama.cpp、ternary、2-bit、cuda、metal。（点赞 2336 · 趋势分 262）
在 Hugging Face 查看
论文
排行第一：基准测试与增强部分可观测机器人操作技能记忆
本文介绍了HIDE基准测试，用于评估部分可观测条件下的机器人操作记忆性能。该基准包含15项任务，涵盖重复计数、历史状态回忆和执行进度跟踪，具有随机初始配置和决策点，其中相似观察需要根据先前事件采取不同行动。研究还提出了SEEK框架，结合阈值机制来增强记忆能力，旨在解决隐藏任务状态依赖性问题，提升机器人策略的可靠执行。（论文赞 1）
在 Hugging Face 查看
排行第二：小模型更好拒绝：偏好蒸馏缩放研究
本研究挑战了偏好蒸馏的两个常见假设：自我生成失败是最有效的负样本，以及拒绝样本必须来自不小于学生模型的教师。实验发现，在7B到72B参数规模的学生模型上，使用更小的冻结模型生成拒绝样本，相比自我生成能以更低推理成本训练出更强学生模型。该发现适用于代码生成和数学推理任务，并通过推导直接偏好优化的有限时域效用界进行理论解释。（论文赞 1）
在 Hugging Face 查看
排行第三：InterEvolve：人形机器人操作测试时进化
研究人形机器人操作任务的测试时进化方法，使控制器能通过重组现有技能解决未训练任务，并从自身尝试中改进且保留学习成果。核心观点是广义控制器已具备新任务所需的大部分能力，通过规划与控制间的表达性接口（支持接触丰富的多阶段交互）实现能力调用。InterEvolve通过对象感知前向预测器和基于经验的进化规划器两个组件，使执行反馈能指导规划过程。（论文赞 4）
在 Hugging Face 查看
排行第四：跨模型族免预填充KV缓存传输方法
针对异构多智能体LLM系统中文本通信的冗余预填充问题，提出HeteroFold方法实现跨模型族的免预填充KV缓存传输。该方法保持发送方和接收方模型冻结，通过对齐模型结构、将发送方缓存映射到接收方空间并进行校准，解决分词差异、模型深度和KV表示不匹配等问题。在六个跨模型组合的对话任务中验证了其有效性。
在 Hugging Face 查看
排行第五：原生3D纹理生成是否必需3D训练资产？
研究原生3D纹理生成框架Tex-Zero，证明无需真实3D资产即可训练高质量模型。关键发现是3D纹理训练仅需高质量细粒度颜色信息，几何信息可通过手动构建替代真实资产。该方法通过多视图参考图像条件生成，利用2D扩散模型和3D感知训练策略，在虚拟几何体上实现逼真纹理合成，突破了传统对3D训练数据的依赖。（论文赞 1）
在 Hugging Face 查看
排行第六：多模态流：语言与视觉嵌入空间统一建模
提出Multimodal Flow全连续生成模型，统一建模语言和视觉模态。与现有方法不同，该模型避免视觉量化瓶颈和模态依赖目标，通过共享分块因果流主干网络整合多模态连续表示。模型在嵌入空间组织数据流，支持语言和图像的联合生成，为多模态预训练提供纯连续建模新范式。（论文赞 6）
在 Hugging Face 查看
排行第七：SILSA：滑动窗口切片潜在表示
提出一种拓扑感知的3D生成框架，通过固定重叠的切片窗口表示形状，避免生成大量体素令牌，保持截面连续性，提升高分辨率3D生成的拓扑一致性。（论文赞 5）
在 Hugging Face 查看
排行第八：多奖励RL中的密度感知奖励聚合
研究多奖励强化学习中奖励学习进度不均衡的问题，提出通过优势能量分析奖励密度，揭示批次级信号不平衡，为奖励校准提供理论依据。（论文赞 11）
在 Hugging Face 查看
排行第九：Argo-Bench：企业级数据代理评估
构建包含210个数据科学任务的评估框架，模拟纽约市食品配送平台的真实规模，评估数据代理在跨表推理和统计分析中的表现。（论文赞 1）
在 Hugging Face 查看
排行第十：按故障付费的多智能体流程优化
提出无需标签的多智能体工作流优化方法，通过识别子任务故障而非依赖完整结果，降低优化成本，提升复杂任务分解的效率。
在 Hugging Face 查看
排行第十一：可信AI评审中的修辞鲁棒性评估
构建RobustReview基准，评估AI评审在内容不变重写下的稳定性与论文区分能力，揭示人类对齐与修辞鲁棒性之间的差异。（论文赞 28）
在 Hugging Face 查看
排行第十二：World Observer：联合观察者生成模型
提出解耦观察与行动的框架，通过生成全景观察者持续监控环境区域，解决对象离开视野后状态丢失的问题，实现持久世界建模。（论文赞 29）
在 Hugging Face 查看
