Hugging Face 模型趋势榜和每日论文。
模型
排行第一：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 2818，趋势分 2336。标签：qwen3_5、jev、system-one、system-two、typed-decisions。（点赞 2818 · 趋势分 2336）
在 Hugging Face 查看
排行第二：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 1809，趋势分 1549。标签：gemma4、image-text-to-text、system-one、system-two、adaptive-thinking。（点赞 1809 · 趋势分 1549）
在 Hugging Face 查看
排行第三：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 1878，趋势分 1474。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 1878 · 趋势分 1474）
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 1168，趋势分 1132。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1168 · 趋势分 1132）
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 810，趋势分 748。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 810 · 趋势分 748）
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 3665，趋势分 675。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3665 · 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 661，趋势分 609。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 661 · 趋势分 609）
在 Hugging Face 查看
排行第八：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 612，趋势分 571。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 612 · 趋势分 571）
在 Hugging Face 查看
排行第九：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 686，趋势分 554。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 686 · 趋势分 554）
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 6917，趋势分 492。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6917 · 趋势分 492）
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 5382，趋势分 381。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5382 · 趋势分 381）
在 Hugging Face 查看
排行第十二：GLM5.3-Flash-E224-DGX-Spark（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 374，趋势分 341。标签：vllm、glm5_next、autotrust、moe、nvfp4。（点赞 374 · 趋势分 341）
在 Hugging Face 查看
论文
排行第一：RoboJEPA：机器人潜在世界模型的扩展
本文提出RoboJEPA，基于联合嵌入预测架构（JEPA）训练的潜在世界模型，使用大规模机器人数据集进行训练。研究发现其想象误差随计算量呈二阶幂律变化，可预测模型性能，为模型能力扩展提供理论依据。（论文赞 1）
在 Hugging Face 查看
排行第二：Inherit-MAS：多智能体系统的测试时进化
本文提出Inherit-MAS，受生物进化启发，通过工作流和执行层面的显式继承机制，优化多智能体系统在测试时的流程演化。该方法结合元模型生成工作流和评分机制，提升复杂任务的协调效率。（论文赞 1）
在 Hugging Face 查看
排行第三：超越参数单体：可重构记忆与执行技能
本文提出FEM-ASM，一种受有限元方法启发的组织结构，将上下文计算、持久存储和精确执行分离。通过独立构建文档状态和确定性可执行技能，实现语言模型状态的协同更新。
在 Hugging Face 查看
排行第四：DSReg：无需重建恢复个体世界潜在变量
本文提出DSReg方法，无需重建、解码或标签，可严格恢复个体世界潜在变量。关键在于结构多样性：不同潜在变量在观测中留下不同的依赖痕迹，从而实现无监督的潜在变量分离。（论文赞 1）
在 Hugging Face 查看
排行第五：如何衡量角落案例的极端程度
本文提出将高速公路场景生成中的极端性表示为条件风险分布中的百分位数，从而实现对生成场景极端程度的校准控制。该方法支持对生成场景的“角落性”进行量化评估。
在 Hugging Face 查看
排行第六：MIMESIS：用于交互智能体训练的用户模拟器
本文提出MIMESIS，一种基于真实用户交互数据训练的用户模拟器。通过显式推理监督和13种真实行为模式，模拟更贴近真实用户的交互行为，为交互语言智能体提供有效的训练环境。（论文赞 9）
在 Hugging Face 查看
排行第七：Iris-3B：像素空间扩散训练与微调
本文提出Iris-3B，一个3B参数的像素空间文本到图像Transformer模型，通过256到512再到1024的课程训练从头预训练，并将预训练的潜在模型FLUX.2 Klein转换到像素空间，用于单目深度估计和图像恢复/超分辨率任务。（论文赞 6）
在 Hugging Face 查看
排行第八：谱系感知记忆治理：列级访问控制框架
针对企业AI代理共享内存时敏感数据泄露和KPI计算逻辑冲突的问题，提出分析记忆单元（AMU），为每个缓存结果附加完整的推导图谱，并通过授权策略控制访问，确保仅允许授权用户访问相关列。（论文赞 1）
在 Hugging Face 查看
排行第九：多教师在线蒸馏的教师相对偏移
提出Δ-MOPD方法，通过转移教师相对于基础模型的logit偏移而非端点策略，在共同领域组合和路由领域蒸馏两种设置下进行比较，以更精确地传递教师学习到的知识。（论文赞 6）
在 Hugging Face 查看
排行第十：PAMI：基于部件锚定的运动交互生成
提出PAMI框架，通过身体部件锚点投票来定位物体运动，实现文本条件下的全身人-物交互生成，解决传统方法中物体漂移、接触缺失和穿透等问题。（论文赞 1）
在 Hugging Face 查看
排行第十一：系统切换：快速决策模型何时停止思考
研究快速决策模型在实时环境中何时切换到慢速推理模型，通过门控机制控制决策过程，在Doom游戏和新型“系统一”类型决策模型中测试不同参数规模模型的决策行为。
在 Hugging Face 查看
排行第十二：CoDance：从视频学习人-人形交互
提出CoDance框架，通过视频学习人-人形交互，实现运动协调与连续物理接触的响应，研究双人舞蹈场景中人形机器人与移动伙伴的步态同步和双手接触保持。（论文赞 2）
在 Hugging Face 查看
