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 1707，趋势分 1540。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 1707 · 趋势分 1540）
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 1014，趋势分 824。标签：qwen3_5、jev、system-one、system-two、typed-decisions。（点赞 1014 · 趋势分 824）
在 Hugging Face 查看
排行第三：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 725，趋势分 694。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 725 · 趋势分 694）
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 3457，趋势分 664。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3457 · 趋势分 664）
在 Hugging Face 查看
排行第五：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 761，趋势分 621。标签：gemma4、image-text-to-text、system-one、system-two、adaptive-thinking。（点赞 761 · 趋势分 621）
在 Hugging Face 查看
排行第六：embeddinggemma-2（特征提取）
Hugging Face 趋势榜上的模型，任务类型是特征提取，点赞 574，趋势分 563。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 574 · 趋势分 563）
在 Hugging Face 查看
排行第七：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 610，趋势分 556。标签：qwen3_5、clef、cloudflare、systemone、qwen3.5。（点赞 610 · 趋势分 556）
在 Hugging Face 查看
排行第八：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 5295，趋势分 504。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5295 · 趋势分 504）
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 526，趋势分 503。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 526 · 趋势分 503）
在 Hugging Face 查看
排行第十：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 6690，趋势分 490。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6690 · 趋势分 490）
在 Hugging Face 查看
排行第十一：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 407，趋势分 399。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 407 · 趋势分 399）
在 Hugging Face 查看
排行第十二：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 17135，趋势分 343。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17135 · 趋势分 343）
在 Hugging Face 查看
论文
排行第一：TRACE：面向MoE语言模型FP4强化学习的rollout引导量化训练
本文提出TRACE框架，针对混合专家语言模型的FP4量化强化学习。现有FP4方法独立优化训练和rollout路径的量化精度，而TRACE通过紧凑引导对齐两者，减少量化执行路径间的差异，从而提升RL训练效率。（论文赞 9）
在 Hugging Face 查看
排行第二：WING：基于交互中心谱潜在引导的世界动作学习
该研究提出WING框架，从以自我为中心的视频中提取人类交互知识并迁移至机器人策略。解决两个挑战：帧重构的潜在动作易受相机运动等干扰主导，以及人与机器人行为的时间动态差异。（论文赞 18）
在 Hugging Face 查看
排行第三：Attacca：长视野具身智能体的目标导向连续状态控制
研究聚焦具身智能体在连续长视野任务中的目标导向控制。每个任务从前一任务结束状态开始，目标可能不在当前视野内。Attacca旨在改进视觉目标条件策略，使其适应这种连续执行条件。（论文赞 1）
在 Hugging Face 查看
排行第四：HuatuoGPT-3：仅用RL实现基础模型的领域自适应
本文探索仅使用强化学习将通用大语言模型适配到特定领域。识别纯策略RL的冷启动问题及混合策略RL的梯度饥饿和教师分布锚定问题，并提出一次性RL方法来解决这些挑战。（论文赞 14）
在 Hugging Face 查看
排行第五：跨平台用户历史的个人Agent中介推荐
研究个人LLM Agent中介推荐的新范式：平台推荐器使用本地信息排序候选集，个人Agent利用跨平台历史调解排序。关键挑战是平衡有益救援与有害覆盖，以有效整合人口证据。（论文赞 2）
在 Hugging Face 查看
排行第六：工具使用Agent很少将无用判断转化为停止决策
在受控源失败检索环境中，分析Agent如何判断工具结果无用与实际停止行为的关系。实验显示Agent常判断结果无用却很少停止，提示线索可改变停止时机但不影响停止依据，某些设置会导致过早停止。（论文赞 1）
在 Hugging Face 查看
排行第七：GUI-HARVEST: 基于证据驱动的GUI代理自优化框架
该论文提出GUI-HARVEST框架，通过自动化优化GUI代理的执行环境来解决三个关键挑战：模型意图与视觉效果的协调、可变执行结果下的故障诊断，以及跨任务可复用运行时变更的识别。该方法使固定主干模型的GUI代理能够实现自我改进。（论文赞 5）
在 Hugging Face 查看
排行第八：DistScene: 面向3D场景生成的物体到场景蒸馏
本文提出DistScene框架，通过联合建模环境和单个对象来实现单图像组合式3D场景生成。与现有方法不同，该框架将环境作为显式场景组件，为物体布局提供几何上下文。方法包含场景帧生成、物体中心精炼和物体到场景蒸馏三个关键步骤。（论文赞 1）
在 Hugging Face 查看
排行第九：EmbodiedSmith: 基于递归自改进的仿真数据扩展
该研究提出EmbodiedSmith框架，通过递归自改进机制实现可扩展的具身数据生成。该框架统一了资产、场景和任务生成流程，支持自主创建和语言驱动的定制化。其核心是一个代理精炼循环，使场景生成能够预判下游任务需求。（论文赞 2）
在 Hugging Face 查看
排行第十：VeriFine: 具身推理中的可扩展验证框架
论文介绍VeriFine框架，通过策略、训练课程和评判器的协同进化来解决具身推理中的验证扩展问题。该框架使用评判器诊断重复故障，构建自适应课程，并实现持续自我改进，特别关注空间基础、因果推理和安全感知决策。（论文赞 1）
在 Hugging Face 查看
排行第十一：世界模型的物理终极测试
研究提出一个基于测量的基准测试，评估视频世界模型的物理一致性。该基准包含40个控制任务，涵盖力学、光学、流体、热力学、电磁学和表面张力等现象。每个任务将初始图像与生成提示配对，并预定义物理标准进行直接评估。（论文赞 1）
在 Hugging Face 查看
排行第十二：AutoSciBench: 科学代理的自动基准生成
该论文提出AutoSciBench框架，通过将每个任务表示为指定科学领域、数据模态和所需推理方法的高级概念，实现科学代理基准的自动生成和迭代适应。该方法解决了科学领域基准构建耗时且需要专业知识的问题。（论文赞 14）
在 Hugging Face 查看
