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 1452，趋势分 1384。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1452 · 趋势分 1384）
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 1976，趋势分 880。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 1976 · 趋势分 880）
在 Hugging Face 查看
排行第三：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 906，趋势分 827。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 906 · 趋势分 827）
在 Hugging Face 查看
排行第四：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 3837，趋势分 665。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3837 · 趋势分 665）
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 855，趋势分 644。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 855 · 趋势分 644）
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 679，趋势分 503。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 679 · 趋势分 503）
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 7134，趋势分 484。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 7134 · 趋势分 484）
在 Hugging Face 查看
排行第八：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 410，趋势分 404。标签：diffusers、qwen、image-generation、image-editing、base_model:Qwen/Qwen-Image-2.1。（点赞 410 · 趋势分 404）
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 725，趋势分 338。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 725 · 趋势分 338）
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 17398，趋势分 333。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17398 · 趋势分 333）
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 5453，趋势分 311。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5453 · 趋势分 311）
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 327，趋势分 297。标签：ema-lightning、tts、turkish、speech-synthesis、flow-matching。（点赞 327 · 趋势分 297）
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污染格上的路径，定义了调度成本，研究了在固定步数下预测一种模型解码调度性能的可能性，探讨了不同模型在解码过程中的依赖关系。（论文赞 1）
在 Hugging Face 查看
排行第二：协同通信的演化机器人行为持续性
本文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，未重新训练网络权重，研究了传感器和电机转换层的校准对任务成功的影响。
在 Hugging Face 查看
排行第三：协同通信从2D到3D的迁移评估
本文研究了协同进化通信机制从2D模拟器到具有真实物理的3D模拟器的迁移效果，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：长时编码代理的言语批评框架
本文提出Opera框架，将每次修正视为持久笔记，持续追踪直至问题解决，通过周期性和事件驱动触发机制诊断问题并审计反馈，确保修正的有效性。（论文赞 9）
在 Hugging Face 查看
排行第五：技能星座：GitHub上的代理技能供应链
本文构建了代理技能的日期化复制网络，基于Git历史记录分析技能在GitHub上的传播路径，揭示了技能的来源、安全修复的传播范围及需审查的仓库。（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
本文提出在电缆动力学预测中引入物理注意力偏置，通过添加注意力 logits 的附加项，区分电缆沿长度和空间中的距离，提升对接触和自接触的建模能力。（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
论文提出Hebero基准测试平台，利用GPU并行模拟实现40个异构机器人操作任务的联合训练与评估。研究表明增加并行副本能提升固定时间预算下的成功率，并提出了演示引导策略优化(DGPO)方法，通过重用演示数据提供密集跟踪奖励。（论文赞 8）
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系统优化过程中被丢弃的候选方案包含关键信息，提出Mara Chain方法通过迭代保留和优化被拒绝的候选配置，避免重复探索相同的失败模式，从而提升系统优化效率。（论文赞 5）
在 Hugging Face 查看
排行第九：闲聊信息污染临床记录并干扰大语言模型推理
研究考察了闲聊信息对临床记录和推理的影响，发现前沿模型会将35%的闲聊插入病历，3.7%的案例出现临床误用。在模拟会诊中，48.2%的转录文本受到背景语音污染。（论文赞 2）
在 Hugging Face 查看
排行第十：冻结模型下的医学AI经验学习框架
针对部署后冻结的LLMs/VLMs无法学习新病例的问题，提出无需参数调整的模型无关框架，使冻结模型能够从部署经验中学习，解决医学实践中指南更新和新疗法出现带来的挑战。（论文赞 2）
在 Hugging Face 查看
排行第十一：通过仿真生成连贯企业数据的合成方法
针对企业AI工具开发面临的数据限制，提出STS合成范式，通过LLM代理在模拟环境中执行API操作来生成数据，无需依赖现有数据库模式，平衡结构有效性和分布保真度。（论文赞 3）
在 Hugging Face 查看
排行第十二：SpecFold：折叠多分支冗余加速扩散语言模型解码
针对扩散大语言模型的多分支推测解码，发现分支间存在计算冗余，提出SpecFold方法通过折叠相似隐藏状态来减少重复计算，从而加速文本生成过程。（论文赞 3）
在 Hugging Face 查看
