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 4865，趋势分 1211。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 4865 · 趋势分 1211）
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 1229，趋势分 888。标签：qwen2_5_vl、ocr、document-parsing、multimodal、conversational。（点赞 1229 · 趋势分 888）
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 2712，趋势分 785。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 2712 · 趋势分 785）
在 Hugging Face 查看
排行第四：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 2793，趋势分 437。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2793 · 趋势分 437）
在 Hugging Face 查看
排行第五：CLM-v0.1-8B（text-ranking）
Hugging Face 趋势榜上的模型，任务类型是text-ranking，点赞 625，趋势分 436。标签：contrastive-lm、clm、contrastive-learning、verifier、reranker。（点赞 625 · 趋势分 436）
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 5860，趋势分 369。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 5860 · 趋势分 369）
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 16729，趋势分 350。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 16729 · 趋势分 350）
在 Hugging Face 查看
排行第八：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 338，趋势分 335。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 338 · 趋势分 335）
在 Hugging Face 查看
排行第九：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 340，趋势分 326。标签：decision-model、multilingual、routing、base_model:jhu-clsp/mmBERT-small、base_model:finetune:jhu-clsp/mmBERT-small。（点赞 340 · 趋势分 326）
在 Hugging Face 查看
排行第十：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 603，趋势分 293。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 603 · 趋势分 293）
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 500，趋势分 291。标签：diffusers、lora、image-to-image、image-editing、distillation。（点赞 500 · 趋势分 291）
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 2333，趋势分 260。标签：llama.cpp、ternary、2-bit、cuda、metal。（点赞 2333 · 趋势分 260）
在 Hugging Face 查看
论文
排行第一：扩展与蒸馏文本嵌入以提升扩散性
扩散语言模型（DLMs）为自回归语言生成提供了有前景的替代方案。本文探索了不同文本嵌入在连续DLMs中的应用，发现增强同一家族内的嵌入模型（如从T5到T5Gemma-2）能显著提升生成性能。然而，原始T5Gemma-2嵌入仍非最优，因其过度区分性导致生成脆弱。（论文赞 3）
在 Hugging Face 查看
排行第二：未见混沌学习混沌：自回归Transformer的全局动力学外推
研究自回归Transformer如何从局部观测中学习非线性动力系统的全局组织。通过在小规模自回归Transformer上训练来自受限参数区域的轨迹样本（如Logistic映射、Lorenz系统等），探索其在闭环条件下对未观测系统行为的推断能力。（论文赞 1）
在 Hugging Face 查看
排行第三：PixelUMM：无编码器的统一图像视频理解与生成
提出PixelUMM模型，直接在像素空间实现图像和视频的统一理解与生成。该模型摒弃传统多模态模型依赖的分离视觉表示，采用空间补丁表示图像，并创新设计视频的时空表示方案，解决了视频理解与生成表示不统一的问题。（论文赞 6）
在 Hugging Face 查看
排行第四：基于语言反馈的位置选择性自蒸馏训练LLM裁判
研究如何利用自然语言反馈训练LLM裁判模型，特别是在主观性任务中。不同于传统基于标量奖励的强化学习，该方法通过自蒸馏机制，使模型能够利用伴随偏好标签的语言反馈（如偏好理由）进行更精细的评判标准选择与权衡。（论文赞 5）
在 Hugging Face 查看
排行第五：奖励加权传输蒸馏对齐一步生成模型
针对一步生成器的后训练难题，提出奖励加权传输蒸馏（RWTD）方法。该方法仅需生成样本和标量奖励评估，通过混合当前改进分布和参考分布构建自适应目标，解决了隐式生成器既无易处理似然又无去噪轨迹的挑战。（论文赞 2）
在 Hugging Face 查看
排行第六：Tacit-TTS：从自回归解码到掩码预测的高效无转录语音克隆
提出Tacit-TTS系统，通过将自回归文本到语义解码替换为掩码非自回归生成，并引入无需训练的音长估计技术，显著加速零样本语音克隆过程。该系统在保持IndexTTS2强大克隆能力的同时，实现了更高效的推理。（论文赞 9）
在 Hugging Face 查看
排行第七：BiasReducer：奖励模型的自适应偏差缓解
奖励模型通过评分引导大语言模型（LLM）训练，但可能偏好表面特征（如回答长度），导致高分但不正确的输出。现有方法需重训练或预设修正目标，而BiasReducer提出轻量级框架，仅编辑线性奖励启发式实现自适应偏差缓解。（论文赞 18）
在 Hugging Face 查看
排行第八：BIABench：生物图像分析AI智能体评测基准
AI智能体在生物图像分析中潜力巨大，但缺乏端到端真实任务评测标准。BIABench基于16项已发表研究构建，保留原始科学问题、影像数据和真值，涵盖11类分析任务，测试智能体处理2D/3D/时序图像时调用代码与专业工具的能力。（论文赞 4）
在 Hugging Face 查看
排行第九：DAGent：深度研究智能体的评估优先规划
深度研究需综合多源证据并动态调整计划。传统DAG智能体采用先规划后修补策略，易在证据不足时过度承诺。DAGent提出评估优先的规划框架，通过持续验证子任务依赖关系避免无效计算，提升复杂知识探索的效率。（论文赞 3）
在 Hugging Face 查看
排行第十：MILO：多智能体协同演化的自动化框架发现
AI系统性能受执行框架（harness）设计影响，但人工设计成本高且需随模型迭代。MILO提出元演化岛屿协调框架，通过层级谱系记忆和负样本利用，协同演化框架与搜索策略，突破现有方法在组合搜索中的局限性。（论文赞 15）
在 Hugging Face 查看
排行第十一：模型身份提示损害多智能体LLM协作
当多智能体LLM系统暴露各Agent的底层模型身份时，会自发形成同模型集群，损害任务无关的协作。实验显示，在两类合作游戏和推理任务中，5个开源模型家族的9-25个Agent均出现这种派系分化现象。（论文赞 3）
在 Hugging Face 查看
排行第十二：基于项目反应理论的量规奖励
开放式语言任务需用量规（rubric）评估，但传统加权求和法无法区分不同判例模式。量规反应理论（RRT）通过项目反应理论建模，动态选择判别力强的评估标准并生成标量奖励，减少评委请求次数。（论文赞 10）
在 Hugging Face 查看
