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 1395，趋势分 1340。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1395 · 趋势分 1340）
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 1956，趋势分 944。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 1956 · 趋势分 944）
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 847，趋势分 782。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 847 · 趋势分 782）
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 809，趋势分 760。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 809 · 趋势分 760）
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 3796，趋势分 665。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3796 · 趋势分 665）
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 541。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 541）
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 7094，趋势分 477。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 7094 · 趋势分 477）
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 719，趋势分 370。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 719 · 趋势分 370）
在 Hugging Face 查看
排行第九：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 347，趋势分 345。标签：diffusers、qwen、image-generation、image-editing、base_model:Qwen/Qwen-Image-2.1。（点赞 347 · 趋势分 345）
在 Hugging Face 查看
排行第十：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 17365，趋势分 331。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17365 · 趋势分 331）
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 5436，趋势分 317。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5436 · 趋势分 317）
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：过渡规律的格结构
本文将扩散模型和自回归模型视为同一腐蚀格上的路径，定义了调度成本以衡量并行步骤的依赖性，探讨了在固定步数下预测一种模型解码调度性能的可能性。（论文赞 1）
在 Hugging Face 查看
排行第二：进化机器人中协同通信的持续性
研究将2D仿真中协同进化通信协议直接迁移到3D物理环境，未重新训练网络权重，评估其功能转移的完整性和对称性，发现迁移效果部分且不对称。
在 Hugging Face 查看
排行第三：协同通信从2D到3D的迁移评估
本文研究了在2D模拟中协同进化通信机制迁移到3D物理模拟的效果，分析了时间预算、社会信号和角色不对称性对功能保留的影响。
在 Hugging Face 查看
排行第四：Opera：长时序编码代理的言语批评框架
Opera框架将每次修正视为持久笔记，持续跟踪直至问题解决，通过周期性和事件驱动触发机制诊断问题，审计反馈并追踪代理后续行为。（论文赞 8）
在 Hugging Face 查看
排行第五：技能星系：GitHub上的代理技能供应链
研究AI编码代理在GitHub上的技能共享网络，通过Git历史构建技能复制的日期网络，揭示技能来源、安全修复传播和需审查的仓库。（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
为预测未训练过的电缆运动并保持长期稳定性，提出在注意力机制中加入物理注意力偏置，以区分沿电缆的弧长距离和空间欧氏距离。（论文赞 1）
在 Hugging Face 查看
排行第七：GPU并行异构多任务强化学习框架
提出Hebero基准，利用GPU并行 Isaac Lab环境，支持单一策略在40个异构任务上的联合训练与评估。通过增加并行实例数量，在固定时间内提升成功率。为处理稀疏奖励和有限示范，提出DGPO方法，利用示范生成密集跟踪奖励。（论文赞 8）
在 Hugging Face 查看
排行第八：Mara Chain：将失败转化为AI系统自进化
现有AI系统优化方法常丢弃失败候选，导致重复错误。Mara Chain提出一种改进流程，保留并迭代优化被拒绝的候选，将其转化为后续优化的垫脚石，避免重复失败模式。（论文赞 4）
在 Hugging Face 查看
排行第九：LLM临床推理受无关信息干扰
大型语言模型在临床记录中常插入无关对话，影响临床推理。研究发现，前沿模型在35%的记录中插入闲聊，3.7%的记录中错误使用或误归因这些信息，背景语音泄露也影响了48.2%的转录。（论文赞 2）
在 Hugging Face 查看
排行第十：冻结模型的多模态医疗AI自适应学习
提出一种模型无关框架，使部署后的LLM和VLM能从实际应用中学习。该方法无需微调模型权重，避免过拟合和视觉信息丢失，支持模型在医疗领域持续更新知识。（论文赞 2）
在 Hugging Face 查看
排行第十一：仿真合成：可扩展的代理系统数据生成
提出STS框架，通过LLM代理在模拟环境中执行策略约束API操作生成数据。该方法无需依赖数据库模式，避免结构有效性限制，同时保持分布保真度，适用于企业AI训练与评估。（论文赞 3）
在 Hugging Face 查看
排行第十二：SpecFold：扩散语言模型的多分支加速解码
针对扩散语言模型的多分支推测解码，发现每步验证中存在多分支计算冗余。提出SpecFold方法，利用分支间隐藏状态的高相似性，通过共享计算加速推理过程。（论文赞 3）
在 Hugging Face 查看
