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 1604，趋势分 1480。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1604 · 趋势分 1480）
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 1010，趋势分 885。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 1010 · 趋势分 885）
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 2012，趋势分 759。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 2012 · 趋势分 759）
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 3932，趋势分 645。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3932 · 趋势分 645）
在 Hugging Face 查看
排行第五：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 498，趋势分 489。标签：diffusers、qwen、image-generation、image-editing、base_model:Qwen/Qwen-Image-2.1。（点赞 498 · 趋势分 489）
在 Hugging Face 查看
排行第六：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 879，趋势分 486。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 879 · 趋势分 486）
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 7234，趋势分 448。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 7234 · 趋势分 448）
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 688，趋势分 420。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 688 · 趋势分 420）
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 17475，趋势分 362。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17475 · 趋势分 362）
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 350，趋势分 319。标签：ema-lightning、tts、turkish、speech-synthesis、flow-matching。（点赞 350 · 趋势分 319）
在 Hugging Face 查看
排行第十一：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 303，趋势分 295。标签：llama.cpp、2-bit、tool-calling、function-calling、agents。（点赞 303 · 趋势分 295）
在 Hugging Face 查看
排行第十二：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 748，趋势分 292。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 748 · 趋势分 292）
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，研究如何在固定步数下预测一种模型的解码调度性能，探讨了不同模型在解码过程中的依赖关系和几何特性。（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层的校准问题及迁移的不对称性与部分成功现象。（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
本文研究了协同进化通信机制从2D模拟器到3D物理模拟器的迁移效果，分析了时间预算、社会信号和角色不对称性对任务成功率的影响，发现成功率随时间预算线性上升。（论文赞 4）
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，审计反馈并跟踪代理后续行为，以区分表面遵从与真正解决。（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
本文构建了首个基于Git历史的代理技能复制网络，追踪了GitHub上219万次技能采用，揭示了技能共享中的来源、安全修复传播和需审查的仓库等供应链问题。（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
本文提出在电缆动力学预测中引入物理注意力偏置，通过在注意力 logits 中添加几何相关项，解决传统注意力机制缺乏空间几何感知的问题，提升对接触和弹性力的建模能力。（论文赞 5）
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，一个基于GPU并行的Isaac Lab框架，支持在40个异构任务上联合训练和评估单一策略。通过增加每个任务的并行实例数量，在固定时间内提高成功率。为稀疏奖励和有限示范学习，提出DGPO方法，利用示范生成密集跟踪奖励。（论文赞 12）
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系统优化方法常通过提出-评估-选择流程，但被拒绝的候选配置往往包含后续优化所需的关键信息。Mara Chain提出一种精炼方法，将被拒绝的候选配置保留并迭代改进，避免重复失败模式，促进系统持续进化。（论文赞 9）
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和推理中易受无关信息影响。在576个医患对话中，前沿模型在35%的记录中插入闲聊内容，导致质量评分变化不超过0.20分。3.7%的记录中模型错误归因或临床使用这些闲聊信息。（论文赞 6）
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
大型语言模型和视觉语言模型部署后通常冻结，无法从解决的病例中学习。为解决此问题，提出一种模型无关框架，使冻结的LLM和VLM能够从部署经验中学习，避免微调的权重访问需求和参数自由方法的过拟合问题。（论文赞 6）
在 Hugging Face 查看
排行第十一：模拟合成：可扩展的代理系统交互数据生成
工具调用代理在企业AI中至关重要，但其训练和评估受限于业务和法律限制。提出**合成通过模拟**（STS），一种无模式的数据合成范式，通过LLM代理在模拟环境中执行策略约束API操作生成数据，避免结构有效性和分布保真性问题。（论文赞 7）
在 Hugging Face 查看
排行第十二：SpecFold：扩散语言模型的多分支冗余加速
扩散大语言模型通过迭代块去噪生成文本，多分支推测解码通过单次前向传播验证主分支和多个草稿分支加速过程。提出SpecFold方法，利用推测验证步骤中多分支计算冗余，通过共享大部分隐藏状态提高效率。（论文赞 7）
在 Hugging Face 查看
