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 1812，趋势分 1623。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 1812 · 趋势分 1623）
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 1907，趋势分 1594。标签：qwen3_5、jev、system-one、system-two、typed-decisions。（点赞 1907 · 趋势分 1594）
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 1265，趋势分 1077。标签：gemma4、image-text-to-text、system-one、system-two、adaptive-thinking。（点赞 1265 · 趋势分 1077）
在 Hugging Face 查看
排行第四：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 938，趋势分 914。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 938 · 趋势分 914）
在 Hugging Face 查看
排行第五：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 774，趋势分 739。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 774 · 趋势分 739）
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 3557，趋势分 675。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3557 · 趋势分 675）
在 Hugging Face 查看
排行第七：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 625，趋势分 600。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 625 · 趋势分 600）
在 Hugging Face 查看
排行第八：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 649，趋势分 591。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 649 · 趋势分 591）
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 6792，趋势分 479。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6792 · 趋势分 479）
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 459，趋势分 449。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 459 · 趋势分 449）
在 Hugging Face 查看
排行第十一：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 5332，趋势分 436。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5332 · 趋势分 436）
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 17205，趋势分 346。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17205 · 趋势分 346）
在 Hugging Face 查看
论文
排行第一：TRIAGE: 原生NVFP4强化学习的方向感知错配稳定化
本文研究了低精度执行在大语言模型强化学习中的加速作用，分析了学习器与采样器执行差异对策略优化的不稳定性影响，区分了局部放大和收缩的更新贡献，揭示了早期不平衡现象及其对响应段的影响。（论文赞 1）
在 Hugging Face 查看
排行第二：摩洛哥Turba肥料机器学习栈技术报告
本文介绍Turba肥料机器学习栈，一个用于摩洛哥可重复的精准肥料推荐的开源三层实现，支持程序化访问站点资料、作物目标产量空间和氮磷钾推荐功能，解决推荐函数难以科学复用的问题。（论文赞 1）
在 Hugging Face 查看
排行第三：基于16万训练运行的策略学习启动
本文通过训练超过16万种策略，对离线强化学习和模仿学习进行大规模实证研究，发现算法性能在不同数据集上差异显著，没有单一算法始终领先，强调了报告方式和超参数调优的重要性。
在 Hugging Face 查看
排行第四：DMAD: 作为对抗蒸馏的分布匹配快速视觉生成
DMAD将分布匹配重构为分类问题，通过共享主干的两个判别器头直接学习所需的对数密度比，无需辅助分数拟合，从而在无需额外计算和内存成本的情况下训练少步学生模型。（论文赞 4）
在 Hugging Face 查看
排行第五：DeCoPrune: 基于去噪一致性的自回归视频扩散KV缓存修剪
DeCoPrune提出一种无需训练的方法，将缓存压缩视为去噪一致性问题，通过去噪难度作为代理指标，识别对长期保留有价值的token，提升自回归视频扩散的生成效率。（论文赞 1）
在 Hugging Face 查看
排行第六：传感器-语言-动作模型
本文提出传感器-语言-动作（SLA）建模框架，将多模态传感器观测、自然语言和动作统一建模，利用语言作为感知与行动之间的语义接口，实现异构动作的表示、预测和解释。（论文赞 1）
在 Hugging Face 查看
排行第七：CheckerBench: 长周期智能体能否合成静态分析检查器？
CheckerBench是一个包含300个任务的可执行基准，基于297个CVE漏洞，涵盖167个仓库、85个CWE和五个语言生态。每个任务包括漏洞和修复版本、固定分析环境和检查器模板，用于评估智能体从零开始开发完整检查器的能力。（论文赞 52）
在 Hugging Face 查看
排行第八：Sherpa：教会大模型自适应教学
Sherpa是一种多轮强化学习框架，通过模拟具有不同学习偏好的学生原型，训练大语言模型作为教师。该框架不依赖预设教学标准，而是根据个体学习结果动态调整教学策略，提升教学适应性。（论文赞 6）
在 Hugging Face 查看
排行第九：学习神经网络压缩的功能子空间
本文提出可学习子空间投影（LSP），用于神经网络压缩。与传统方法不同，LSP端到端学习应丢弃的子空间，避免因局部误差传播导致压缩后性能下降，从而提升低秩分解的稳定性与有效性。（论文赞 3）
在 Hugging Face 查看
排行第十：Stepped MoE：分段级路由与可配置推理复杂度
Stepped MoE提出统一框架，结合弹性结构与稀疏门控架构，使模型能同时适应部署约束和任务需求。该方法支持在不同计算资源下灵活部署，提升大语言模型在设备端推理的适应性。（论文赞 2）
在 Hugging Face 查看
排行第十一：Kinematic MeanFlow：机器人基础模型的一步动作生成策略
Kinematic MeanFlow针对机器人基础模型中一步动作生成问题，提出新策略以解决直接应用MeanFlow导致性能下降的问题。通过分析速度场的动态特性，设计适应性动作策略，提升生成效率与稳定性。（论文赞 1）
在 Hugging Face 查看
排行第十二：OPD Before RL：基于策略蒸馏的评分强化学习
本文提出两阶段训练框架，先使用评分作为教师上下文进行在线策略蒸馏，实现细粒度监督；再将其作为奖励进行强化学习。该方法在无评分访问的情况下，提升模型对开放响应的生成质量。（论文赞 4）
在 Hugging Face 查看
