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 4762，趋势分 1246。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 4762 · 趋势分 1246）
在 Hugging Face 查看
排行第二：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 1148，趋势分 865。标签：qwen2_5_vl、ocr、document-parsing、multimodal、conversational。（点赞 1148 · 趋势分 865）
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 2648，趋势分 800。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 2648 · 趋势分 800）
在 Hugging Face 查看
排行第四：CLM-v0.1-8B（text-ranking）
Hugging Face 趋势榜上的模型，任务类型是text-ranking，点赞 587，趋势分 475。标签：contrastive-lm、clm、contrastive-learning、verifier、reranker。（点赞 587 · 趋势分 475）
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 2751，趋势分 464。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2751 · 趋势分 464）
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 5810，趋势分 373。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 5810 · 趋势分 373）
在 Hugging Face 查看
排行第七：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 16699，趋势分 357。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 16699 · 趋势分 357）
在 Hugging Face 查看
排行第八：Julia-1（文本分类）
Hugging Face 趋势榜上的模型，任务类型是文本分类，点赞 328，趋势分 318。标签：decision-model、multilingual、routing、base_model:jhu-clsp/mmBERT-small、base_model:finetune:jhu-clsp/mmBERT-small。（点赞 328 · 趋势分 318）
在 Hugging Face 查看
排行第九：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 579，趋势分 308。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 579 · 趋势分 308）
在 Hugging Face 查看
排行第十：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 2321，趋势分 292。标签：llama.cpp、ternary、2-bit、cuda、metal。（点赞 2321 · 趋势分 292）
在 Hugging Face 查看
排行第十一：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 481，趋势分 289。标签：diffusers、lora、image-to-image、image-editing、distillation。（点赞 481 · 趋势分 289）
在 Hugging Face 查看
排行第十二：GLiNER2.5-Decide（序列标注）
Hugging Face 趋势榜上的模型，任务类型是序列标注，点赞 263，趋势分 258。标签：gliner2、extractor、Text classification、Intent classification、Sentiment Analysis。（点赞 263 · 趋势分 258）
在 Hugging Face 查看
论文
排行第一：MILO：多智能体进化自动 harness 发现
MILO 是一种框架，通过协同进化智能体 harness 和发现策略来自动化设计。它结合了基于岛屿的树结构层次记忆，利用被拒绝的变异作为负样本，以更高效地探索组合搜索空间，提升长期性能。（论文赞 5）
在 Hugging Face 查看
排行第二：提示身份影响多智能体合作
当多智能体系统中的代理知道彼此模型身份时，合作会显著下降。实验表明，代理会因模型标签形成派系，偏好与同类交互，即使任务本身不鼓励这种分裂，从而影响整体协作效率。（论文赞 1）
在 Hugging Face 查看
排行第三：基于项目反应理论的评分奖励
针对无标准答案的语言任务，RRT 通过项目反应理论量化评分标准，将多维评判转化为可比较的奖励。它能更准确地衡量响应质量，并减少因标准增多导致的判断开销。（论文赞 1）
在 Hugging Face 查看
排行第四：会议中谁说了什么？持久说话人识别评估
该研究评估了跨会议的说话人身份持久性，提出 SI-cpWER 指标，在全局说话人 ID 分配下衡量转录质量。实验覆盖多个识别系统和噪声环境，验证了持久说话人识别的挑战与方法。
在 Hugging Face 查看
排行第五：MemLife：长期第一人称视频记忆
MemLife 是一种多模态记忆系统，将长时第一人称视频压缩为实体关联的文本片段，通过时间感知检索实现高效推理。它解决了记忆信息丢失和检索竞争问题，提升个性化 AI 助手的长期记忆能力。（论文赞 1）
在 Hugging Face 查看
排行第六：SeLMRoute：概率语义证据路由
SeLMRoute 通过分离查询的语义证据提取与模型性能学习，实现更合理的 LLM 路由。它先评估查询的推理需求和使用场景，再基于可解释的问题选择最合适的模型，提升路由的透明性和准确性。
在 Hugging Face 查看
排行第七：SpatialCORE：大视觉语言模型中的置信感知空间推理
大型视觉语言模型（LVLM）在视觉感知任务上取得显著进展，但空间推理仍是其薄弱环节。现有方法通过生成定位框等辅助推理，但仅优化最终答案正确性，可能忽视定位置信度。本文提出SpatialCORE框架，通过后训练增强模型对空间关系的置信感知能力。
在 Hugging Face 查看
排行第八：TERRA：地形感知的肌肉骨骼运动重定向与控制
肌肉骨骼模型与强化学习的结合已能复现复杂人体动作，但现有研究多局限于平坦地面。TERRA提出端到端流程，仅需运动轨迹数据即可重建地形几何特征，并考虑解剖学约束实现地形自适应控制，解决了地形交互重定向到肌肉骨骼系统的难题。（论文赞 8）
在 Hugging Face 查看
排行第九：重新思考潜在视觉推理：基于视觉证据的潜在推理
潜在视觉推理（LVR）使多模态大模型能在连续潜在空间进行中间计算，但其不可观察性导致监督困难。研究发现潜在标记对图像扰动的响应较弱，表明仅依赖最终答案奖励的GRPO训练存在监督不足问题，需建立更明确的潜在推理监督机制。
在 Hugging Face 查看
排行第十：软空间推理方法
现有LVLM通过离散语言标记链进行空间推理，早期标记选择错误会导致后续推理偏差。本文提出软空间推理框架，在中间步骤混合标记嵌入形成连续软状态，避免过早离散化决策，从而提升模型在空间不确定性下的推理鲁棒性。
在 Hugging Face 查看
排行第十一：AI生成网络文本的价值评估与扩展规律
研究发现2026年网络文本中27.5%-31.1%为AI生成，不同于合成数据，这些野生AI文本来自多元模型且未标注。通过训练800个语言模型并拟合扩展规律，揭示了不同数据比例下AI文本对模型预训练的影响机制，为数据筛选提供新见解。（论文赞 1）
在 Hugging Face 查看
