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 4913，趋势分 1115。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 4913 · 趋势分 1115）
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 1249，趋势分 882。标签：qwen2_5_vl、ocr、document-parsing、multimodal、conversational。（点赞 1249 · 趋势分 882）
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 2762，趋势分 750。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 2762 · 趋势分 750）
在 Hugging Face 查看
排行第四：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 589，趋势分 582。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 589 · 趋势分 582）
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 2813，趋势分 403。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2813 · 趋势分 403）
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 634，趋势分 403。标签：contrastive-lm、clm、contrastive-learning、verifier、reranker。（点赞 634 · 趋势分 403）
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 5907，趋势分 370。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 5907 · 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 16753，趋势分 344。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 16753 · 趋势分 344）
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 352，趋势分 337。标签：decision-model、multilingual、routing、base_model:jhu-clsp/mmBERT-small、base_model:finetune:jhu-clsp/mmBERT-small。（点赞 352 · 趋势分 337）
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 516，趋势分 284。标签：diffusers、lora、image-to-image、image-editing、distillation。（点赞 516 · 趋势分 284）
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 614，趋势分 268。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 614 · 趋势分 268）
在 Hugging Face 查看
排行第十二：VisionHOPE（图像分类）
Hugging Face 趋势榜上的模型，任务类型是图像分类，点赞 363，趋势分 255。标签：computer-vision、visionhope。（点赞 363 · 趋势分 255）
在 Hugging Face 查看
论文
排行第一：OTRetarget: 联合机器人与物体运动重定向
该论文提出了一种联合重定向人类演示中机器人和多物体运动的方法，通过最优传输技术实现。该方法利用符号距离表示表面交互，解决机器人形态差异导致的环境交互不一致问题，适用于人形机器人在操作任务中的运动适应。（论文赞 2）
在 Hugging Face 查看
排行第二：JevSpawn: 通过组合动作空间的自适应智能体推理
JevSpawn是一种将自然语言任务规范与有限概率探索结合的组合策略，通过并行动作生成和反馈驱动的分支选择，实现智能体在动态任务中的自适应推理，提升交互效率和自主性。（论文赞 1）
在 Hugging Face 查看
排行第三：Architect-Ant: 可编辑的建筑平面自动家具布置
该研究提出Architect-Ant框架，利用预训练模型学习专业家具布置知识，生成满足几何与功能约束的建筑平面布局。基于AntPlan数据集，实现无需迭代推理的直接布局生成。（论文赞 6）
在 Hugging Face 查看
排行第四：当修正变为修复？工具使用LLM内部干预机制审计
该论文提出SAKIKO审计框架，用于分析工具使用LLM中内部干预机制的修复效果，通过方向性错误发现和路由条件干预，评估不同干预方式对模型决策的影响。（论文赞 1）
在 Hugging Face 查看
排行第五：LOCI: 流式世界模型的空间线性记忆
LOCI是一种混合空间记忆架构，结合键值缓存与循环记忆，实现对过往观察的高效保存与检索，提升视频世界模型在重复场景下的重现能力。（论文赞 3）
在 Hugging Face 查看
排行第六：PhysVista: 基于感知-推理-评估循环的物理智能基准
PhysVista是一个评估视觉语言模型物理智能的基准，通过感知、推理和物理判断的闭环框架，系统评估模型对真实世界动态一致性的理解能力。（论文赞 7）
在 Hugging Face 查看
排行第七：Latent-Foresight：用于潜在世界模型的预测表示学习
该论文提出了一种端到端学习方法，用于在视觉基础模型的特征空间中生成可预测的潜在表示，以支持场景未来演化的建模。现有方法通常采用两阶段流程，先对特征进行降维，再训练预测器，而本文方法直接在特征空间中联合学习表示和时序预测，避免了表示学习与预测之间的解耦问题。
在 Hugging Face 查看
排行第八：通用性即稳定性：LLM的多维评估
该研究提出从多个维度评估大语言模型的泛化能力，强调泛化应关注模型在不同输入变体下的输出一致性，而非单一任务的准确率。通过分析单个样本在多种输入形式下的表现，揭示了现有评估方法可能掩盖真实泛化能力的问题，主张以变异性为核心进行更细致的评估。（论文赞 4）
在 Hugging Face 查看
排行第九：通过权重正交化移除LLM中的后门攻击
该论文提出了一种无需训练的后门移除方法NEEDLE，用于从大语言模型中清除植入的后门。方法通过识别触发词，估计后门方向和拒绝子空间，并利用权重正交化技术抑制后门响应，同时避免改变模型对正常输入的表示，从而在不损害性能的前提下实现安全防御。（论文赞 4）
在 Hugging Face 查看
排行第十：视频LLM推理时的时序表示强化
该研究探讨了视频大语言模型在处理时序信息时的弱点，发现反转视频帧顺序通常不会改变预测结果。通过定义层间时序差异向量，分析了模型在不同层的时序表示变化，揭示了时序差异在中间层达到峰值并逐渐减弱的规律，为改进时序推理提供了方向。
在 Hugging Face 查看
排行第十一：CorrGRPO：多奖励学习的归一化GRPO
该论文针对多奖励学习中的GRPO方法提出改进，指出传统方法中奖励相关性会影响优势估计。通过引入相关性归一化，使奖励间的协方差对优势计算的影响得到平衡，避免大尺度奖励主导归一化过程，从而更公平地利用所有奖励信号，提升训练稳定性。（论文赞 10）
在 Hugging Face 查看
排行第十二：更少token，更好动作：GPT-6机器人代理
该研究提出一种交互式代码执行框架PyRUA-Lean，用于控制机器人代理。通过结合反馈驱动的原始动作组合和选择性观察，减少冗余的视觉输入和模型调用，从而降低token消耗。在多个模拟任务中，该方法在使用更少token的情况下实现了更高的成功率。（论文赞 13）
在 Hugging Face 查看
