Hugging Face 模型趋势榜和每日论文。
模型
排行第一：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 1287，趋势分 1197。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 1287 · 趋势分 1197）
在 Hugging Face 查看
排行第二：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 5185，趋势分 744。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5185 · 趋势分 744）
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 3175，趋势分 703。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3175 · 趋势分 703）
在 Hugging Face 查看
排行第四：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 480，趋势分 469。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 480 · 趋势分 469）
在 Hugging Face 查看
排行第五：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 6366，趋势分 456。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6366 · 趋势分 456）
在 Hugging Face 查看
排行第六：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 454，趋势分 434。标签：qwen3_5、clef、cloudflare、systemone、qwen3.5。（点赞 454 · 趋势分 434）
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 16960，趋势分 337。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 16960 · 趋势分 337）
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 346，趋势分 325。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 346 · 趋势分 325）
在 Hugging Face 查看
排行第九：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 2958，趋势分 292。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2958 · 趋势分 292）
在 Hugging Face 查看
排行第十：VisionHOPE（图像分类）
Hugging Face 趋势榜上的模型，任务类型是图像分类，点赞 408，趋势分 287。标签：computer-vision、visionhope。（点赞 408 · 趋势分 287）
在 Hugging Face 查看
排行第十一：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 679，趋势分 214。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 679 · 趋势分 214）
在 Hugging Face 查看
排行第十二：CLM-v0.1-8B（text-ranking）
Hugging Face 趋势榜上的模型，任务类型是text-ranking，点赞 720，趋势分 213。标签：contrastive-lm、clm、contrastive-learning、verifier、reranker。（点赞 720 · 趋势分 213）
在 Hugging Face 查看
论文
排行第一：LVMT: 长时视频分割的视频掩码变换器
现有在线视频分割方法在处理长时复杂视频时难以跟踪被遮挡的物体。本文提出使用轻量级GRU模块实现自适应信息传播，并引入截断查询传播技术，以解决长视频训练中的内存和梯度消失问题。
在 Hugging Face 查看
排行第二：高效推理训练未必损害思维链忠实性
思维链推理使人类能检查大模型的决策过程，但推理成本高。本文研究高效训练方法是否会导致模型跳过关键步骤，发现不同方法对思维链长度的压力不同，且某些任务本身需要更多推理步骤。（论文赞 4）
在 Hugging Face 查看
排行第三：Dream4ACT: 多具身视频动作建模接口
视频生成模型为具身观察-动作建模提供时空先验，但不同机器人动作向量结构不一致。本文提出Dream4ACT，通过共享视觉动作接口统一动作表示，实现跨具身的视频-动作联合建模。
在 Hugging Face 查看
排行第四：空间记忆智能：理解驱动的长期记忆
长视频生成和世界模型需要管理复杂的长期空间上下文。本文提出空间记忆智能框架，利用多模态大模型的空间推理能力，系统性地构建理解驱动的记忆管理策略。（论文赞 2）
在 Hugging Face 查看
排行第五：VeriHarness：扩展代理验证能力
随着大语言模型代理执行复杂长时任务，验证输出变得困难。本文提出VeriHarness，利用模型生成的多个轨迹中的共识与分歧，构建代理验证机制，无需参考答案即可判断正确性。（论文赞 2）
在 Hugging Face 查看
排行第六：从视频中学习原生动作先验
世界动作模型需要动作标注数据，但观察视频包含丰富的交互动态。本文提出NAVA-WAM，直接从观察视频预训练动作策略，避免间接表示到控制的转换或单独的潜在动作模型。（论文赞 1）
在 Hugging Face 查看
排行第七：从检索到类型化决策：基于生物医学句子编码器的校准系统
该研究探讨了生物医学句子编码器在类型化决策模型中的应用。通过将Sentence-Transformers编码器转换为双编码器、交叉头（C）和先验融合残差（PFR）决策模型，提出了SBERT2S1方法，并开发了BIODECIDE生物医学类型化决策套件。研究表明，检索训练能提升零样本内容匹配能力，但其效果取决于具体模型头部设计。（论文赞 1）
在 Hugging Face 查看
排行第八：Pivot-SD：掩码扩散语言模型的高效自蒸馏方法
针对掩码扩散语言模型（dLMs）存在的信用分配挑战，本研究提出Pivot-SD框架。该方法通过监督去噪过程中影响响应形成的关键承诺（commitments），而非整个去噪步骤或最终文本，实现了高效的离线自蒸馏。相比传统训练方法，Pivot-SD能更精准地识别和训练对模型输出具有决定性作用的token。（论文赞 18）
在 Hugging Face 查看
排行第九：局部支持学习：缓解大模型灾难性遗忘的新框架
研究从权重矩阵输入空间的几何视角分析灾难性遗忘问题，提出局部支持学习（LSL）框架。LSL包含两个组件：标准权重适配器（按常规训练最小化损失）和门控函数（控制适配器在特定输入激活上的作用）。该方法无需访问历史数据即可保持模型原有能力，为持续学习提供了新思路。（论文赞 2）
在 Hugging Face 查看
排行第十：HelixWorld：实时交互式视听世界模型
研究突破了现有交互世界模型仅关注视觉维度的局限，开发了HelixWorld实时视听世界模型。该系统基于高保真空间视听数据集，通过6自由度相机轨迹和用户动作条件化的双向教师模型，实现了视觉场景与相机空间立体声的协同演化，为多感官交互模拟提供了新范式。（论文赞 2）
在 Hugging Face 查看
排行第十一：SimuVerity：面向工程级Simulink模型生成的智能体基准
研究提出SimuVerity基准测试，包含10个工程领域的101个文本到可执行Simulink模型生成任务。相比现有基准仅检查模型编译和执行，该工作通过可执行系统配置和四类原生仿真场景，构建了包含工程规范符合度、输出质量等六维度的层次化评估体系，为工程级模型生成提供了严格测试标准。（论文赞 6）
在 Hugging Face 查看
排行第十二：HyperBrowseComp：多语言多模态网页浏览智能体压力测试
研究开发了包含13种语言423个问题的HyperBrowseComp基准，所有问题均由母语者设计，要求智能体通过定位隐蔽证据、追踪多步线索链或解析视频/扫描文档等异构源来获取可公开验证的答案。通过过滤可由参数知识直接回答的简单问题，该基准有效测试了模型在复杂真实场景中的网页浏览能力。（论文赞 12）
在 Hugging Face 查看
