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 1556，趋势分 1453。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1556 · 趋势分 1453）
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 989，趋势分 866。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 989 · 趋势分 866）
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 2008，趋势分 790。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 2008 · 趋势分 790）
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 3909，趋势分 667。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3909 · 趋势分 667）
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 876，趋势分 516。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 876 · 趋势分 516）
在 Hugging Face 查看
排行第六：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 478，趋势分 470。标签：diffusers、qwen、image-generation、image-editing、base_model:Qwen/Qwen-Image-2.1。（点赞 478 · 趋势分 470）
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 7213，趋势分 456。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 7213 · 趋势分 456）
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 687，趋势分 435。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 687 · 趋势分 435）
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 17460，趋势分 354。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17460 · 趋势分 354）
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 347，趋势分 316。标签：ema-lightning、tts、turkish、speech-synthesis、flow-matching。（点赞 347 · 趋势分 316）
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 745，趋势分 306。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 745 · 趋势分 306）
在 Hugging Face 查看
排行第十二：Underdog-Saluki-27B-1.0（文本生成）
Hugging Face 趋势榜上的模型，任务类型是文本生成，点赞 294，趋势分 286。标签：llama.cpp、2-bit、tool-calling、function-calling、agents。（点赞 294 · 趋势分 286）
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，研究其解码调度的性能是否能在固定步数前预测。通过定义调度成本来衡量并行步骤中丢弃的依赖关系，探讨了不同模型在解码过程中的效率与几何特性。（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
本文评估了协同进化通信协议从二维仿真到三维物理环境的直接迁移效果，未重新训练网络权重。两台机器人在食物寻找任务中使用GRU网络进行社会信号交流，尽管进行了传感器和电机层的校正，迁移仍不完全且不对称。（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仿真中协同进化通信机制迁移到具有真实物理的3D仿真环境中的有效性。通过分析时间预算、社会线索和角色不对称性的影响，发现成功率随时间预算线性上升，未在2000至6000步间出现平台期。（论文赞 4）
在 Hugging Face 查看
排行第四：Opera：长期编码代理的言语批评框架
长期编码代理需要及时纠正，但反馈可能因误判或未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、类型化操作诊断和反馈审计，确保反馈有效。（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编码代理运行的SKILL.md指令和脚本，开发者通过复制在仓库间共享，形成无注册、版本和来源的软件供应链。本文构建了首个基于Git历史的技能复制网络，覆盖219万次技能采用，揭示技能来源和安全修复的传播路径。（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期稳定。大多数误差出现在电缆接触自身或地面时。注意力机制可表示远距离接触，但缺乏几何概念。本文引入物理注意力偏置，通过添加注意力logits的附加项，区分弧长距离和欧氏距离。（论文赞 5）
在 Hugging Face 查看
排行第七：GPU并行框架实现异构多任务强化学习
该论文提出Hebero异构机器人学习基准，利用GPU并行模拟技术实现40个异构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，并提出了演示引导策略优化方法，通过重用演示数据提供密集跟踪奖励。（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常包含关键信息。提出的Mara Chain方法通过保留并迭代改进被拒候选方案，将其转化为后续优化的垫脚石，避免重复探索相同失败模式，改进了传统提议-评估-选择流程的局限性。（论文赞 9）
在 Hugging Face 查看
排行第九：大语言模型中无关信息污染临床记录
研究考察大语言模型在临床记录和推理中对非核心信息的敏感性。实验发现前沿模型会将35%的闲聊内容插入病历，3.7%的案例出现临床误用。在模拟会诊中，48.2%的转录文本受到其他患者背景语音污染。（论文赞 6）
在 Hugging Face 查看
排行第十：冻结模型演进：多模态医疗AI的部署经验学习
针对医疗领域模型冻结部署后无法更新的问题，提出模型无关框架使冻结的LLMs和VLMs能从部署经验中学习。该方法克服了参数微调需要权重访问、无参数方法易过拟合或丢失视觉细节等现有局限。（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
针对企业AI工具调用代理面临的数据约束，提出无模式数据合成范式STS。通过LLM代理在模拟环境中执行API操作生成数据，既保持结构有效性又确保分布保真度，无需领域特定编写或完整数据库模式。（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模型解码
研究发现扩散大语言模型的多分支推测解码中存在计算冗余。提出的SpecFold方法通过识别分支间隐藏状态的相似性，折叠冗余计算，在保持单次前向验证的同时加速文本生成过程。（论文赞 7）
在 Hugging Face 查看
