Hugging Face 模型趋势榜和每日论文。
模型
排行第一：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 1356，趋势分 1304。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1356 · 趋势分 1304）
在 Hugging Face 查看
排行第二：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 1947，趋势分 972。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 1947 · 趋势分 972）
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 845，趋势分 780。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 845 · 趋势分 780）
在 Hugging Face 查看
排行第四：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 760，趋势分 711。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 760 · 趋势分 711）
在 Hugging Face 查看
排行第五：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 3774，趋势分 655。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3774 · 趋势分 655）
在 Hugging Face 查看
排行第六：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 676，趋势分 542。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 676 · 趋势分 542）
在 Hugging Face 查看
排行第七：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 7074，趋势分 473。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 7074 · 趋势分 473）
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 716，趋势分 382。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 716 · 趋势分 382）
在 Hugging Face 查看
排行第九：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 17356，趋势分 334。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17356 · 趋势分 334）
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 5430，趋势分 313。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5430 · 趋势分 313）
在 Hugging Face 查看
排行第十一：Qwen-Image-2.1-Turbo（文生图）
Hugging Face 趋势榜上的模型，任务类型是文生图，点赞 307，趋势分 305。标签：diffusers、qwen、image-generation、image-editing、base_model:Qwen/Qwen-Image-2.1。（点赞 307 · 趋势分 305）
在 Hugging Face 查看
排行第十二：ema-lightning（语音合成）
Hugging Face 趋势榜上的模型，任务类型是语音合成，点赞 323，趋势分 295。标签：ema-lightning、tts、turkish、speech-synthesis、flow-matching。（点赞 323 · 趋势分 295）
在 Hugging Face 查看
论文
排行第一：转移法则的格结构
本文探讨扩散模型和自回归模型在生成任务中的解码调度性能预测问题。通过将两类模型及其混合形式统一描述为单一腐败格上的路径，研究定义了调度成本为并行步骤所丢弃的依赖性。分析表明，零成本调度的最少步骤由格结构的几何性质决定，旨在为模型选择提供理论依据。（论文赞 1）
在 Hugging Face 查看
排行第二：进化机器人通信的行为持续性与不完全功能迁移
研究评估了协同进化通信协议从2D仿真到3D物理环境的直接迁移效果。采用带残差连接的GRU网络控制两台机器人执行觅食任务，发现需对传感运动层进行三项校正才能稳定运行。即使经过校正，迁移效果仍不完全且不对称：三十次测试中仅单智能体成功一次，表明跨维度迁移存在固有挑战。
在 Hugging Face 查看
排行第三：协同进化通信从2D到3D仿真的迁移评估
研究分析了双机器人协同进化通信机制从离散2D仿真器向3D物理仿真器的迁移效果。通过考察时间预算、社交信号和角色不对称性的影响，发现任务成功率随评估时间呈近似线性增长，在2000至6000物理步范围内未出现平台期，提示3D环境需要更长的交互时间来实现功能迁移。
在 Hugging Face 查看
排行第四：Opera：长周期编码智能体的语言批评框架
针对长周期编码智能体需要及时纠错的需求，提出Opera语言批评框架。该框架将每个修正视为持续跟踪的注释，通过周期性与事件驱动的触发机制进行复查，使用类型化运算符诊断问题，并在交付前根据可见证据审核反馈内容，同时追踪智能体后续行动以区分表面服从与实质改进。（论文赞 8）
在 Hugging Face 查看
排行第五：技能星座：追踪GitHub上智能体技能供应链
研究首次构建了带时间戳的智能体技能复制网络，覆盖GitSkills中219万次技能采纳记录。通过分析SKILL.md文件在Git历史中的传播路径，揭示了无注册机制、无版本控制的技能供应链现状，为安全补丁影响范围和代码审计提供了溯源支持。（论文赞 1）
在 Hugging Face 查看
排行第六：基于物理注意力偏置的电缆动力学预测
针对可变形线性物体的运动预测问题，提出物理注意力偏置方法。通过在线性注意力对数中添加基于弧长距离与欧氏距离差异的偏置项，使模型能区分控制弹性力的沿缆距离和控制接触的空间距离，有效提升了电缆自接触和地面接触场景的长期预测稳定性。（论文赞 1）
在 Hugging Face 查看
排行第七：GPU并行框架用于异构多任务强化学习
该论文介绍了Hebero基准测试平台，支持在40个异构任务上联合训练和评估单一策略。通过GPU并行模拟提高效率，实验表明增加并行副本能提升固定时间预算下的成功率。还提出了DGPO方法，利用稀疏奖励和有限演示数据进行密集跟踪奖励学习。（论文赞 4）
在 Hugging Face 查看
排行第八：Mara Chain：将失败重构为AI系统自进化的基石
研究指出当前AI系统优化过程中丢弃的候选配置常包含关键信息。提出的Mara Chain方法通过保留和迭代改进被拒绝的候选方案，避免重复探索相同失败模式，从而提升系统优化效率。（论文赞 4）
在 Hugging Face 查看
排行第九：LLM临床记录中的附带信息污染问题
研究考察了大型语言模型在临床记录和推理中对患者就诊无关信息的敏感性。发现在576例医患对话中，前沿模型将闲聊内容插入35%的记录，3.7%的记录出现临床误用。背景语音泄露实验显示48.2%的转录受到影响。（论文赞 2）
在 Hugging Face 查看
排行第十：冻结模型的学习框架：多模态医疗AI部署经验利用
针对部署后冻结的LLM和VLM无法从解决案例中学习的问题，提出模型无关框架。该方法不依赖模型权重或额外训练，克服参数无关方法可能过拟合验证集、缺乏可靠领域知识或丢失视觉细节等局限。（论文赞 2）
在 Hugging Face 查看
排行第十一：通过模拟生成连贯企业数据
为解决企业AI工具代理训练面临的数据限制，提出STS合成范式。LLM代理在模拟环境中执行API操作生成数据，无需依赖现有模式结构，同时保持分布保真度，克服传统表格合成和基于过程方法的局限。（论文赞 3）
在 Hugging Face 查看
