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 1537，趋势分 1434。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1537 · 趋势分 1434）
在 Hugging Face 查看
排行第二：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 984，趋势分 861。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 984 · 趋势分 861）
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 2003，趋势分 809。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 2003 · 趋势分 809）
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 3892，趋势分 665。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3892 · 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 874，趋势分 540。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 874 · 趋势分 540）
在 Hugging Face 查看
排行第六：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 7201，趋势分 463。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 7201 · 趋势分 463）
在 Hugging Face 查看
排行第七：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 470，趋势分 462。标签：diffusers、qwen、image-generation、image-editing、base_model:Qwen/Qwen-Image-2.1。（点赞 470 · 趋势分 462）
在 Hugging Face 查看
排行第八：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 686，趋势分 445。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 686 · 趋势分 445）
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 17446，趋势分 346。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17446 · 趋势分 346）
在 Hugging Face 查看
排行第十：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 346，趋势分 315。标签：ema-lightning、tts、turkish、speech-synthesis、flow-matching。（点赞 346 · 趋势分 315）
在 Hugging Face 查看
排行第十一：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 744，趋势分 313。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 744 · 趋势分 313）
在 Hugging Face 查看
排行第十二：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 5473，趋势分 291。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5473 · 趋势分 291）
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，定义解码调度的成本为并行步骤中丢弃的依赖关系。通过分析不同模型在固定步数下的解码调度性能，研究如何预测其性能，揭示了零成本调度的最少步数由几何结构决定。（论文赞 5）
在 Hugging Face 查看
排行第二：进化机器人中协同通信的持续性
本文评估了在2D仿真中协同进化通信协议直接转移到3D物理环境的效果，未重新训练网络权重。两个e-puck型机器人在食物寻找任务中使用GRU网络进行社会信号传递，尽管进行了校准，但转移效果部分且不对称，仅一个代理在部分测试中成功到达食物源。（论文赞 4）
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环境中协同进化通信机制转移到具有真实物理的3D模拟器中的功能保留情况。通过分析时间预算、社会线索和两个协同进化角色之间的不对称性，结果表明成功率随时间预算线性增加，且在2000至6000物理步长之间未出现平台期。（论文赞 4）
在 Hugging Face 查看
排行第四：Opera：长时序编码代理的言语批评框架
长时序编码代理需要及时纠正，但反馈可能因误判或未能解决根本问题而无效甚至有害。Opera框架将每次纠正视为持久笔记，持续跟踪直至问题解决。通过周期性和事件驱动触发决定审查时机，使用类型化操作符诊断问题，交付前审计反馈与可见证据的一致性，并跟踪代理后续行动以区分合规与真正解决。（论文赞 14）
在 Hugging Face 查看
排行第五：技能星系：GitHub上的代理技能供应链
代理技能是AI编码代理如Claude Code和Codex运行的SKILL.md指令和脚本，开发者通过复制技能在仓库间共享，形成无注册、无版本和无来源的软件供应链。本文构建了首个基于Git历史的代理技能日期化复制网络，覆盖GitHub上219万次技能采用，揭示技能来源和安全修复传播范围。（论文赞 5）
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
用于可变形线性物体（如电缆）的学习模拟器需预测未训练过的电缆运动并保持长时间滚动的稳定性。大多数误差发生在电缆接触自身或地面时。注意力机制可表示沿电缆长度较远部分的接触，但缺乏几何概念。本文引入物理注意力偏置，在注意力logits上添加与几何相关的附加项，以提升预测准确性。（论文赞 5）
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
本文提出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。研究表明增加任务并行副本能提升固定时间预算下的成功率，并针对稀疏奖励和有限演示数据问题，提出演示引导策略优化方法。（论文赞 12）
在 Hugging Face 查看
排行第八：Mara Chain：将失败重构为AI系统自进化基石
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方法保留并迭代改进被拒绝的候选配置，避免后续提案重复相同失败模式，从而提升系统优化效率。（论文赞 9）
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
研究发现前沿大语言模型在35%的临床记录中插入闲聊内容，3.7%的记录存在临床误用。模拟实验显示48.2%的转写文本会混入其他患者背景语音，影响模型临床推理准确性。（论文赞 6）
在 Hugging Face 查看
排行第十：冻结模型演进经验：多模态医疗AI的部署学习框架
针对医疗领域模型冻结部署后无法学习新知识的问题，提出模型无关框架，使冻结的LLMs和VLMs能够从实际应用案例中持续学习，克服传统微调方法和无参数方法的局限性。（论文赞 6）
在 Hugging Face 查看
排行第十一：通过模拟生成连贯企业数据的可扩展方法
提出STS合成范式，通过LLM代理在模拟环境中执行API操作生成企业数据，无需依赖数据库模式，同时保持结构有效性和分布保真度，解决企业AI工具训练的数据获取难题。（论文赞 7）
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过程，发现分支间存在计算冗余特性，提出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 7）
在 Hugging Face 查看
