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 1728，趋势分 1557。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 1728 · 趋势分 1557）
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 1218，趋势分 996。标签：qwen3_5、jev、system-one、system-two、typed-decisions。（点赞 1218 · 趋势分 996）
在 Hugging Face 查看
排行第三：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 875，趋势分 720。标签：gemma4、image-text-to-text、system-one、system-two、adaptive-thinking。（点赞 875 · 趋势分 720）
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 742，趋势分 709。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 742 · 趋势分 709）
在 Hugging Face 查看
排行第五：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 694，趋势分 680。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 694 · 趋势分 680）
在 Hugging Face 查看
排行第六：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 3480，趋势分 673。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3480 · 趋势分 673）
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 621，趋势分 565。标签：qwen3_5、clef、cloudflare、systemone、qwen3.5。（点赞 621 · 趋势分 565）
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 582，趋势分 559。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 582 · 趋势分 559）
在 Hugging Face 查看
排行第九：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 6711，趋势分 492。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6711 · 趋势分 492）
在 Hugging Face 查看
排行第十：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 5302，趋势分 490。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5302 · 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 418，趋势分 409。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 418 · 趋势分 409）
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 17148，趋势分 345。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17148 · 趋势分 345）
在 Hugging Face 查看
论文
排行第一：UNREAL：统一检索与长上下文的模型
提出UNREAL框架，利用单一模型内部机制实现从单个长提示到整个语料库的证据选择，通过冻结的LLM内部表示直接编码块并生成检索查询，仅增加少量可训练参数，保持主干模型不变。（论文赞 11）
在 Hugging Face 查看
排行第二：AGO AI质量门：基于证据的RAG发布决策
提出AGO AI质量门框架，用于工业RAG评估，整合四状态决策模型、分层评分机制、贝塔二项式门控和强制元评估协议，以处理不完整证据和LLM判断误差，实现更可靠的系统版本发布决策。（论文赞 6）
在 Hugging Face 查看
排行第三：SlimWise：解耦专家剪枝的高效MoE服务
提出SlimWise框架，针对MoE模型在解码阶段访问整个专家池的问题，通过在预填充阶段使用完整模型、解码阶段使用剪枝模型，并复用预填充生成的KV缓存，减少专家权重流量并缩小准确率差距。（论文赞 6）
在 Hugging Face 查看
排行第四：学习可区分几何以优化漂移模型
研究漂移模型在复杂图像数据集上的性能差异，发现其依赖于表示的可区分几何结构，提出持续表示学习方法，以学习更具区分性的表示几何，从而提升样本质量。（论文赞 2）
在 Hugging Face 查看
排行第五：面向小语言模型代理的感知蒸馏
提出Harness-Aware Distillation（HAD），专注于蒸馏教师模型在Harness之外的特定能力，通过动作偏好对比和策略蒸馏，使学生模型在保留Harness功能的同时学习教师的额外能力。（论文赞 3）
在 Hugging Face 查看
排行第六：自适应潜在容量的世界模型
提出ALeWM世界模型，基于联合嵌入预测架构，学习将预测信息集中在宽潜在表示的紧凑前缀中，并通过条件分布和MixSIGReg正则化，优化潜在坐标的预测重要性排序。（论文赞 6）
在 Hugging Face 查看
排行第七：NeMo-DCR：万亿参数级代理强化学习
针对代理强化学习中权重同步耗时过长的问题，提出NeMo-DCR方法，仅传输权重变化部分，实现精确且高效的增量压缩重训练，解决跨区域同步延迟和中途中断恢复难题。（论文赞 6）
在 Hugging Face 查看
排行第八：HLA：分块动态混合的混合线性注意力
提出一种查询相关的分块级注意力机制HLA，用于Gated DeltaNet模型，通过动态路由门实现对历史信息的自适应访问，提升长序列生成中的稀疏和远距离信息捕捉能力。（论文赞 1）
在 Hugging Face 查看
排行第九：VLA在机器人执行误差下的自补偿
针对视觉语言动作策略在机器人执行偏差下的失效问题，提出自补偿VLA方法，通过在线更新策略来预补偿执行误差，无需任务奖励或标签，提升部署时的鲁棒性。（论文赞 20）
在 Hugging Face 查看
排行第十：ConEx：基于概念感知的显著性图
提出ConEx框架，通过自动发现类别特定概念并利用概念激活向量生成可解释的显著性图，结合掩码机制提升概念纯度，实现忠实且可理解的视觉解释。
在 Hugging Face 查看
排行第十一：MiniCorp：AI代理公司的最后一公里
构建MiniCorp办公模拟器，用于研究代理如何协同运行公司并生成大规模企业数据，连接外部市场与内部运营，解决企业AGI训练所需长期数据稀缺的问题。（论文赞 8）
在 Hugging Face 查看
排行第十二：JLD：通过雅可比透镜的感知距离
提出JLD方法，利用冻结视觉编码器的特征来构建感知几何，结合早期局部特征与后期感知敏感表示，实现不依赖人类标注的图像差异感知距离度量。（论文赞 1）
在 Hugging Face 查看
