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 1640，趋势分 1508。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 1640 · 趋势分 1508）
在 Hugging Face 查看
排行第二：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 922，趋势分 743。标签：qwen3_5、jev、system-one、system-two、typed-decisions。（点赞 922 · 趋势分 743）
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 3396，趋势分 691。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3396 · 趋势分 691）
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 694，趋势分 666。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 694 · 趋势分 666）
在 Hugging Face 查看
排行第五：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 5275，趋势分 557。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5275 · 趋势分 557）
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 576，趋势分 550。标签：qwen3_5、clef、cloudflare、systemone、qwen3.5。（点赞 576 · 趋势分 550）
在 Hugging Face 查看
排行第七：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 666，趋势分 528。标签：gemma4、image-text-to-text、system-one、system-two、adaptive-thinking。（点赞 666 · 趋势分 528）
在 Hugging Face 查看
排行第八：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 6614，趋势分 505。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6614 · 趋势分 505）
在 Hugging Face 查看
排行第九：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 434，趋势分 411。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 434 · 趋势分 411）
在 Hugging Face 查看
排行第十：humanizer（文本生成）
Hugging Face 趋势榜上的模型，任务类型是文本生成，点赞 372，趋势分 364。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 372 · 趋势分 364）
在 Hugging Face 查看
排行第十一：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 17095，趋势分 345。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17095 · 趋势分 345）
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 3031，趋势分 264。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 3031 · 趋势分 264）
在 Hugging Face 查看
论文
排行第一：超越语义相似性：复杂任务中智能检索的性能与成本
本文研究智能检索方法，将大型语言模型的推理能力与检索器的高效语料库探索相结合，通过ReAct智能循环解决复杂检索任务。实验表明，相比标准检索，智能检索更有效，使用相同嵌入模型时nDCG@10提升8.7点。该方法克服了仅依赖表层语义相似性的局限，适用于日益复杂的搜索应用。（论文赞 1）
在 Hugging Face 查看
排行第二：COSMI：多对象交互的组合合成方法
本文提出COSMI方法，通过组合单对象交互片段生成多对象人体交互模型。由于多对象捕捉成本高，该方法利用单对象捕获数据，通过接触一致剪辑、镜像平衡手部动作、身体间转移，并结合语言模型和几何检查确保语义和物理合理性。从而以组合方式扩展数据集，避免耗时录制。（论文赞 2）
在 Hugging Face 查看
排行第三：学习蛋白质潜在语言用于自回归生成
研究蛋白质序列和结构生成中目标表示的作用，引入两种学习到的潜在蛋白质语言。蛋白质潜在语言（PLL）将序列映射到基于冻结ESM-2编码器的4,096状态上下文字母表，每个残基对应一个标记。结构潜在语言（SLL）适配GCP-VQVAE Lite，保留骨架坐标解码。分别预训练自回归变换器以改进生成能力。（论文赞 1）
在 Hugging Face 查看
排行第四：世界编辑：在可执行世界中深度干预
将世界编辑定义为对现有可执行世界进行干预，同时保留应保持不变的性质，引入干预深度描述编辑耦合世界实体、动态和系统的强度。通过行业级游戏模组实例化该能力，提出IGMWorld和IGMBench基准，包含110个任务和超过1.1K可执行状态及行为标准，涵盖Minecraft和Terraria中的属性、实体、动态和系统任务。（论文赞 1）
在 Hugging Face 查看
排行第五：iADD：改进扩散策略优化的对齐与多样性
研究基于强化学习的扩散模型后训练，如去噪扩散策略优化（DDPO），在奖励函数下优化反向扩散过程。分析理论框架，数学证明仅更新后期时间步可能损害多样性，与先前结论相反。提出基于Feynman-Kac理论的增量训练方法，旨在通过谨慎方法设计实现更好的权衡。
在 Hugging Face 查看
排行第六：FairRSFM：遥感基础模型的生物群系感知基准与去偏框架
引入FairRSFM，一个生物群系感知基准，用于评估遥感基础模型（RSFMs）的生态组鲁棒性。它将14个陆地生物群系样本映射到6个生态宏观组，在统一冻结骨干评估协议下评估模型。基准覆盖四个下游数据集，使用Prithvi-EO-2.0等模型显示聚合性能一致，但隐藏跨生态区域的系统差异。（论文赞 1）
在 Hugging Face 查看
排行第七：Video2Skill：从流式体验到可复用的具身技能
操纵行为因物体和场景不同而多样，但共享少量可复用技能。现有智能体仅能使用已知技能，需从经验中恢复技能。本文提出流式具身技能发现（SESD）问题：模型按顺序观看视频，维护持久技能库以辅助后续决策，探索视觉语言模型（VLMs）能否将事件流组织为可复用技能。（论文赞 7）
在 Hugging Face 查看
排行第八：ProgressCompass：无恰当上下文时具身进度奖励模型会失效
智能体执行长任务时，仅看最终成败不足以评估进展，需分步判断。进度奖励模型（PRMs）可实时评分任务进展，但当前帧常无法反映进度（依赖历史），即上下文依赖的进度估计问题。现有基准多关注短任务，PRMs在需上下文场景下的表现尚未充分探索。（论文赞 6）
在 Hugging Face 查看
排行第九：Foresight：流式VLMs无需再训练即可规划未来感知
现有流式视觉语言模型（VLMs）推理时计算路径固定，无法适应场景动态变化。本文发现其具备预测近期未来的能力，从而无需再训练即可动态配置未来计算。关键挑战是未来预测需足够可靠以引导计算，且规划需与流式处理并发。
在 Hugging Face 查看
排行第十：DeskForge：为计算机使用代理提供桌面环境密集监督
计算机使用代理需在复杂桌面场景（多应用、重叠窗口）中定位操作目标，但现有训练数据缺乏密集标注。DeskForge是可控桌面环境，可组合真实应用、变化状态/布局/外观，融合截图、辅助树和窗口几何生成密集元素标注，并记录操作结果，用于大规模监督。（论文赞 5）
在 Hugging Face 查看
排行第十一：MM-ABC：通过感知、协调和想象实现通用移动操纵
移动操纵通过可控可达区域扩展机器人工作空间，面临连续自运动下的空间感知和机械臂/底座协调控制挑战。现有方法常依赖3D表示或世界模型，分离移动与操纵。MM-ABC是基础模型，通过感知、协调和想象支持跨流协作，实现通用移动操纵。（论文赞 1）
在 Hugging Face 查看
排行第十二：LMBuild：评估大语言模型代理生成可建造功能性结构的能力
大语言模型（LLM）代理能生成复杂3D结构，但现有评估多关注几何质量，忽略物理可实现性（可建造、功能性）。LMBuild是评估基准，要求生成含零件分解、连接、材料和序列的结构，支持可复现评估。（论文赞 20）
在 Hugging Face 查看
