Hugging Face 模型趋势榜和每日论文。
模型
排行第一：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 4515，趋势分 1784。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 4515 · 趋势分 1784）
在 Hugging Face 查看
排行第二：Audio8-ASR-Infinite（语音识别）
Hugging Face 趋势榜上的模型，任务类型是语音识别，点赞 1528，趋势分 1338。标签：audio8_asr_infinite、text-generation、streaming、realtime、speech-recognition。（点赞 1528 · 趋势分 1338）
在 Hugging Face 查看
排行第三：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 2442，趋势分 1055。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 2442 · 趋势分 1055）
在 Hugging Face 查看
排行第四：TeleOCR（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 871，趋势分 735。标签：qwen2_5_vl、ocr、document-parsing、multimodal、conversational。（点赞 871 · 趋势分 735）
在 Hugging Face 查看
排行第五：Qwen-Image-2.1（文生图）
Hugging Face 趋势榜上的模型，任务类型是文生图，点赞 2657，趋势分 711。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2657 · 趋势分 711）
在 Hugging Face 查看
排行第六：CLM-v0.1-8B（text-ranking）
Hugging Face 趋势榜上的模型，任务类型是text-ranking，点赞 531，趋势分 522。标签：contrastive-lm、clm、contrastive-learning、verifier、reranker。（点赞 531 · 趋势分 522）
在 Hugging Face 查看
排行第七：Nemotron-3-Diarization（语音活动检测）
Hugging Face 趋势榜上的模型，任务类型是语音活动检测，点赞 519，趋势分 500。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 519 · 趋势分 500）
在 Hugging Face 查看
排行第八：Xing4.0-29B-A4B（文本生成）
Hugging Face 趋势榜上的模型，任务类型是文本生成，点赞 1808，趋势分 412。标签：xing4_0、conversational、custom_code。（点赞 1808 · 趋势分 412）
在 Hugging Face 查看
排行第九：ZDTaichu5.0-9B（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 1948，趋势分 396。标签：zdtaichu5_0、multimodal、vision-language-model、spatial-reasoning、agent。（点赞 1948 · 趋势分 396）
在 Hugging Face 查看
排行第十：Qwen-Image-2.1-viggle-turbo（文生图）
Hugging Face 趋势榜上的模型，任务类型是文生图，点赞 425，趋势分 381。标签：diffusers、lora、image-to-image、image-editing、distillation。（点赞 425 · 趋势分 381）
在 Hugging Face 查看
排行第十一：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 5568，趋势分 351。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 5568 · 趋势分 351）
在 Hugging Face 查看
排行第十二：Ternary-Bonsai-2-27B-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 2269，趋势分 351。标签：llama.cpp、ternary、2-bit、cuda、metal。（点赞 2269 · 趋势分 351）
在 Hugging Face 查看
论文
排行第一：VideoPhysEdit：基于刚体物理重建的物理反事实视频编辑
该研究提出物理反事实视频编辑（PCVE）问题，旨在生成给定源视频、物理编辑和执行帧后的结果运动和交互视频。需要理解场景物理并推断物理干预引发的后续运动和交互，具有挑战性。（论文赞 4）
在 Hugging Face 查看
排行第二：预训练LLM中Softmax的近似：模型敏感性与核加速
研究针对NVIDIA Blackwell B200上张量核心吞吐量远超特殊函数指数吞吐量的问题，对预训练Transformer在推理时近似softmax进行研究，探索在不同精度下对模型性能的影响及优化策略。（论文赞 1）
在 Hugging Face 查看
排行第三：CineSubBench：多语言电影字幕的长文本叙事与文化理解评估
提出CineSubBench基准，用于评估大语言模型对多语言电影字幕的长文本叙事和文化理解能力。通过数千条时间有序的台词，模型需重构角色、关系、事件和主题等信息。（论文赞 1）
在 Hugging Face 查看
排行第四：LeRF：学习参考坐标系用于视角推理
提出LeRF框架，训练视觉语言模型构建和使用显式参考坐标系进行视角依赖推理。在图像和查询给定情况下，决定是否使用坐标系来实现从不同视角的空间关系推理。（论文赞 1）
在 Hugging Face 查看
排行第五：选择多样化SFT轨迹提升后RL泛化能力
研究发现，监督微调数据中不同推理路径的多样性对强化学习后泛化能力至关重要。通过轻量规则选择多样化轨迹，可提升模型在谜题和数学问题上的表现。（论文赞 14）
在 Hugging Face 查看
排行第六：自对弈搜索蒸馏用于大语言模型推理
提出自对弈搜索蒸馏（SPSD）框架，通过类似MuZero的网络在棋类游戏中进行自对弈生成高质量合成数据，用于提升大语言模型的推理能力。（论文赞 1）
在 Hugging Face 查看
排行第七：在学生状态中从教师延续中学习
本文提出了OLIVE（OnLine InterVEntion）方法。在每次迭代中，学生策略生成一个新的前缀，教师对其进行自回归延续，学生通过计算教师生成的标记上的交叉熵进行更新。每个设计选择旨在解决现有知识蒸馏方法的相应局限性：（1）在固定教师轨迹上的离线监督微调中存在顺序协变量偏移，（2）在标记级在策略蒸馏中前缀失败导致的监督碎片化，（3）在分布匹配蒸馏中需要访问教师标记概率。OLIVE在推理性能上优于OPD（使用top-16 KL方法）（论文赞 13）
在 Hugging Face 查看
排行第八：先指定后生成：对LLM生成代码的规范框架的预注册五模型配对评估
大型语言模型生成的代码在四年间通过安全检查的比率几乎没有变化。在受监管的后端系统中，最重要的缺陷类别是货币计算、时间处理、重试安全性和访问控制。团队通常通过指令文件进行回答，但迄今为止最大的指令文件对照研究并未发现其优势。本文测试了一个更狭窄的想法：当提示中包含规范（即固定前缀，说明结果必须满足的条件）时，生成的代码会得到改善。我们预先注册了假设、反驳者、分析代码和一次性生成规则，然后通过五个模型对50个现实的后端任务进行了评估。
在 Hugging Face 查看
排行第九：NVAlign：用于连续自回归流匹配文本到语音的直接梯度优化
尽管现代文本到语音（TTS）系统能够生成高度自然的语音并支持内联非言语发声（NVV）标签，但对这些事件的精确控制仍然具有挑战性。一个关键的空白是缺乏针对连续自回归流匹配TTS架构中非言语控制的已建立的后训练方法。为此，我们提出了NVAlign，一种直接梯度的后训练框架，用于实现该架构中的NVV标签跟随。我们首先对TTS模型和一个具有NVV感知能力的自动语音识别（NV-ASR）模型进行监督微调（SFT），然后冻结NV-ASR模型作为后训练的奖励模型。一个两步梯度代理使该方法能够（论文赞 3）
在 Hugging Face 查看
排行第十：我们真的需要KL散度来进行大语言模型的在策略蒸馏吗？
自知识蒸馏问世以来，KL散度一直是蒸馏的标准损失函数。最近，一种高效的后训练范式——在策略蒸馏（OPD）被提出。作为一种蒸馏方法，OPD自然继承了KL散度作为其标准损失。然而，本文发现KL散度对于OPD可能并非必需。我们证明，只要保留更新方向即可实现有效的OPD。更具体地说，不是每个标记的方向，而是教师和学生强烈分歧的一小部分标记的方向。我们首先展示仅通过分配这些标记的方向即可实现有效的OPD。
在 Hugging Face 查看
排行第十一：WhiteMatter：通过KV源混合实现全层交叉连接
在生成文本时，Transformer在每一层都会生成过去标记的表示，但通常每一层只能使用相同深度的表示。这种限制使得模型无法充分重用已计算的信息。我们引入了WhiteMatter，使每一层都能从任何深度提取过去标记的表示。一个学习的混合器会为当前上下文选择最有用的深度，并将它们的表示合并到共享的键值（KV）缓存通道中。在各层之间共享这些通道可以减少缓存大小。在相同数量的训练标记下，WhiteMatter使用全尺寸缓存的性能与标准Transformer相当。（论文赞 2）
在 Hugging Face 查看
排行第十二：我们能信任教师吗？自蒸馏中的解耦信用方向与幅度
RLVR提供了可靠的轨迹级信用，而OPSD提供了标记级信用的密集监督。这暴露了在更新步骤级信用方向和幅度时，使用教师监督所存在的根本耦合问题，使得步骤无法同时获得可靠的信用方向和贡献幅度，并使两者都容易受到教师判断错误和偏好变化的影响，这在我们的理论分析中得到了支持。为了解耦信用方向与幅度，我们引入了解耦信用自蒸馏（DCSD），该方法理论上将信用方向与幅度解耦为两个可靠信号，并利用它们来校准特权教师监督。（论文赞 4）
在 Hugging Face 查看
