Hugging Face 模型趋势榜和每日论文。
模型
排行第一：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 1451，趋势分 1352。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 1451 · 趋势分 1352）
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 5227，趋势分 681。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5227 · 趋势分 681）
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 3249，趋势分 681。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3249 · 趋势分 681）
在 Hugging Face 查看
排行第四：Kolibri-1（文本生成）
Hugging Face 趋势榜上的模型，任务类型是文本生成，点赞 617，趋势分 596。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 617 · 趋势分 596）
在 Hugging Face 查看
排行第五：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 6482，趋势分 490。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6482 · 趋势分 490）
在 Hugging Face 查看
排行第六：clef-flash（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 512，趋势分 489。标签：qwen3_5、clef、cloudflare、systemone、qwen3.5。（点赞 512 · 趋势分 489）
在 Hugging Face 查看
排行第七：JEV-27B-VL（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 509，趋势分 407。标签：qwen3_5、jev、system-one、system-two、typed-decisions。（点赞 509 · 趋势分 407）
在 Hugging Face 查看
排行第八：Xing4.0-29B-A4B-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 410，趋势分 389。标签：xing4_0、conversational、custom_code、base_model:XingChen-AGI/Xing4.0-29B-A4B、base_model:quantized:XingChen-AGI/Xing4.0-29B-A4B。（点赞 410 · 趋势分 389）
在 Hugging Face 查看
排行第九：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 17022，趋势分 339。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17022 · 趋势分 339）
在 Hugging Face 查看
排行第十：GEV-26B-Decide（文本分类）
Hugging Face 趋势榜上的模型，任务类型是文本分类，点赞 402，趋势分 306。标签：gemma4、image-text-to-text、system-one、system-two、adaptive-thinking。（点赞 402 · 趋势分 306）
在 Hugging Face 查看
排行第十一：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 417，趋势分 296。标签：computer-vision、visionhope。（点赞 417 · 趋势分 296）
在 Hugging Face 查看
排行第十二：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 2988，趋势分 275。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2988 · 趋势分 275）
在 Hugging Face 查看
论文
排行第一：WM-VLM：用于视觉文本推理的世界模型
本文提出WM-VLM，通过在预训练视觉语言模型中引入轻量级世界模型分支，生成中间视觉状态，实现文本与视觉状态的联合推理。模型通过两阶段训练学习生成下一视觉状态并用于推理，构建可验证的程序化空间推理任务评估模型性能。（论文赞 2）
在 Hugging Face 查看
排行第二：基于聚焦视图的原子事实召回改进
本文研究非结构化知识编辑中模型对单个事实的召回能力，发现现有编辑器存在依赖上下文的缺陷。通过聚焦视图方法，提升模型在无原始上下文时对编辑事实的可靠回忆能力，从而改进知识编辑效果。（论文赞 1）
在 Hugging Face 查看
排行第三：终端环境的自监督扩展方法
本文提出软件在环重建框架，通过执行现有软件工作流获取参考输出和验证目标，实现终端环境的自监督构建。该方法减少重复工程，提高环境构建效率，并支持科学领域等专用任务的训练。（论文赞 2）
在 Hugging Face 查看
排行第四：Extender：日志结构化的Transformer
本文提出Extender，一种日志结构化的Transformer变体。它在标准Transformer基础上增加连接通道，使每层输出残差更新和扩展信息，减少注意力内存占用，提升模型效率。（论文赞 1）
在 Hugging Face 查看
排行第五：EyeRobot 2.0：无腕部摄像头的主动凝视系统
本文提出EyeRobot 2.0，通过主动凝视机制实现精细双臂操作。系统通过旋转双目摄像头对准三维固定点，结合中心聚焦的视觉处理，提高任务相关特征的计算效率，实现无腕部摄像头的精确操控。（论文赞 4）
在 Hugging Face 查看
排行第六：4DCodeBench：动态场景逆图形基准
本文提出4DCodeBench，通过代码生成重建动态场景的逆图形基准。模型需从视频中提取场景结构和动态特征，生成可执行的图形程序，评估其在变形、流体和断裂等物理现象上的重建能力。（论文赞 12）
在 Hugging Face 查看
排行第七：尾部影响采样用于CVaR策略评估
研究如何在固定评估预算下，通过分配资源来更准确地估计策略的条件风险价值（CVaR）。提出尾部影响采样方法，利用试点模型估计各条件分布的不确定性对CVaR的影响，并据此重新分配资源，提高估计效率。（论文赞 17）
在 Hugging Face 查看
排行第八：KeyRec：用于流媒体和长视频理解的有限视觉记忆
为解决长视频和连续流中视觉令牌积累导致的计算成本问题，提出KeyRec框架。该方法在写入阶段保留近期细粒度观察，并将历史证据结构化存储，实现高效的视觉记忆构建，提升长视频理解性能。（论文赞 3）
在 Hugging Face 查看
排行第九：基于检索的开放式评估在何处失效？
研究基于检索的医学事实验证方法在长文本中的失效原因，提出两个基于案例研究的分类体系，分解失败类型，揭示现有评估方法在缺乏金标准答案时的局限性，推动更透明的医疗事实验证。（论文赞 7）
在 Hugging Face 查看
排行第十：RealCompanion：基于纵向真实对话的人类理解基准
发布包含真实人际关系的对话数据集，用于评估AI伴侣对人类长期对话的理解能力。数据集包含27,218条消息和多个衍生文件，提供对话、人物画像、问答集等，支持对理解能力的系统评估。（论文赞 204）
在 Hugging Face 查看
排行第十一：MinkowskiPE：时空感知的位置编码
提出MinkowskiPE方法，利用时空联合坐标参数化洛伦兹变换，显式建模时间和空间的耦合关系，结合灵活学习与几何偏置，提升物理智能模型在多尺度时空感知中的表现。（论文赞 9）
在 Hugging Face 查看
排行第十二：Latent-MOPD：潜在多教师在线策略蒸馏
提出Latent-MOPD方法，首次在表示层面实现多教师在线策略蒸馏。通过整合教师的预测和隐藏状态，无需额外训练，协调多个专家的表示监督，提升学生模型的学习效率。（论文赞 32）
在 Hugging Face 查看
