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 1325，趋势分 1232。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 1325 · 趋势分 1232）
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 5201，趋势分 728。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5201 · 趋势分 728）
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 3198，趋势分 687。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3198 · 趋势分 687）
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 533，趋势分 519。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 533 · 趋势分 519）
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 6405，趋势分 469。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6405 · 趋势分 469）
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 470，趋势分 449。标签：qwen3_5、clef、cloudflare、systemone、qwen3.5。（点赞 470 · 趋势分 449）
在 Hugging Face 查看
排行第七：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 388，趋势分 367。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 388 · 趋势分 367）
在 Hugging Face 查看
排行第八：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 16981，趋势分 344。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 16981 · 趋势分 344）
在 Hugging Face 查看
排行第九：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 415，趋势分 294。标签：computer-vision、visionhope。（点赞 415 · 趋势分 294）
在 Hugging Face 查看
排行第十：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 2967，趋势分 283。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2967 · 趋势分 283）
在 Hugging Face 查看
排行第十一：Qwen3.8-Flash-Next-GSQ-RCO-GGUF（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 582，趋势分 218。标签：gsq、rco、quantization、mixed-precision、ist-daslab。（点赞 582 · 趋势分 218）
在 Hugging Face 查看
排行第十二：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 687，趋势分 209。标签：nemo、nemotron3_diarization、audio-frame-classification、speaker-diarization、streaming-sortformer。（点赞 687 · 趋势分 209）
在 Hugging Face 查看
论文
排行第一：接收者条件化潜在通信实现94%缓存回退
多智能体系统将大型上下文分布在多个智能体之间，通过通信协作完成任务。文本消息紧凑但需要解码，可能遗漏接收智能体所需证据。近期潜在通信转而传输KV缓存，避免了文本生成，可提高准确性和延迟。然而，完整KV缓存随单个智能体处理上下文及协作智能体数量线性增长，导致内存和上下文成本激增，常超出GPU资源和上下文窗口大小。本文关键观察是智能体只需发送接收者本地任务所需内容——称为接收者条件化。
在 Hugging Face 查看
排行第二：FrugalEvo：面向成本感知的LLM引导程序演化
LLM引导的演化方法（如AlphaEvolve）已成为解决计算优化难题（如圆包装）的有力手段。但先前工作通常在固定迭代次数下优化性能增益。我们认为实际优化应最大化单位成本收益。为此提出FrugalEvo框架：由更强但高成本LLM探索策略，低成本LLM实施并迭代优化代码。同时设计缓存高效演化过程，通过工具链和提示最大化不同演化步骤间前缀共享。（论文赞 1）
在 Hugging Face 查看
排行第三：早期问题计算能否助LLM解决新问题？
大语言模型常在同一对话中解决独立问题。早期问题的计算能否帮助解决新问题？为回答此问题，先进行初步实验显示保留历史可能提升或降低后续轮次准确率。为理解此效应，使用受控回放隔离特定问题-历史配对的内部状态变化。发现不同历史下这些变化保持当前问题间相似关系。为改进保留历史下的推理，提出STAIR（陈旧令牌注意力跨查询复用），捕获早期响应键值对。（论文赞 2）
在 Hugging Face 查看
排行第四：rollout-边缘蒸馏用于长序列自回归视频生成
自回归视频扩散支持低延迟流式生成，但长序列预测误差易累积。在自身生成序列上训练生成器会暴露于不完美历史。现有视频级分布匹配蒸馏对整个序列联合评分，导致片段修正可能为保持时序一致性而匹配周边伪影。为提供更清晰视觉质量信号，提出Rollout-Marginal蒸馏：保留生成历史进行自回归预测，但独立评分每个片段。（论文赞 3）
在 Hugging Face 查看
排行第五：多语言GSM-Symbolic：能力跨语言迁移的决定因素
我们对一种语言获得的能力如何迁移至另一语言知之甚少，现有评估依赖不可比易饱和数据集且罕有联合考察决定因素。识别迁移预测因子可避免全语言对穷举评估，助力开发者瞄准低资源语言性能限制因素。为评估跨语言能力迁移，提出多语言GSM-Symbolic数据集：覆盖30,000项匹配问答对、涵盖15种语言的可扩展数学数据集，使用符号模板防止过拟合并确保泛化。（论文赞 8）
在 Hugging Face 查看
排行第六：通过模型路由与协作的集体偏见缓解
大语言模型日益应用于公共卫生、金融和治理领域，需兼顾准确性与社会价值对齐。尽管近期有进展，LLM常延续或放大训练数据中的偏见，威胁公平性。自去偏鼓励LLM识别修正自身偏见，但依赖单一模型内在知识可能不足应对根深蒂固刻板印象。为此提出集体偏见缓解框架：通过学习细粒度模型行为并促进多样LLM间知识共享来减轻偏见，这是首个系统研究模型协作去偏的工作。（论文赞 2）
在 Hugging Face 查看
排行第七：重新思考SFT中的令牌重加权：抑制、反转与外推所学特征
监督微调（SFT）会从模型认为最不可能的令牌中最积极学习，这有助获取新行为，但也会放大噪声或冲突的监督信号、覆盖有用的预训练知识。通过统一的策略-损失视角，研究发现现有令牌重加权方法仅为演示令牌分配非负系数，只能抑制或放大监督更新，无法反转已学的有害特征；且更大的训练权重不会带来特征外推，因为它们改变的是优化轨迹，而非缩放固定的SFT方向。（论文赞 1）
在 Hugging Face 查看
排行第八：基于渐进式视觉规划的世界动作建模
世界动作模型（WAMs）通过初始观察和指令联合预测未来视觉动态与动作，用于机器人控制，但长程预测因密集视频滚播效率低而困难；部分方法仅预测单帧却忽略目标推进。本文提出ProWAM，一种渐进式世界动作模型，联合预测动作和有序稀疏视觉子目标，为任务执行中的动作生成提供明确视觉指导，解决长程预测问题。（论文赞 39）
在 Hugging Face 查看
排行第九：LVMT：用于长期视频分割的视频掩码Transformer
现有在线视频分割方法难以处理长期遮挡的长复杂视频，局限在于：①时间传播机制无法自适应选择跨时间传播的目标信息；②因内存需求和梯度消失无法在长视频上训练。本文提出轻量GRU时间传播模块（学习选择记忆和传播的信息），以及截断查询传播（TQP）以支持长视频训练，解决上述问题。（论文赞 3）
在 Hugging Face 查看
排行第十：高效推理训练未必会损害CoT的忠实性与可监控性
链式思维（CoT）推理让人类能检查大模型答案过程并监督行为，但推理成本高，推动了用更少令牌训练的高效方法。普遍担忧是此类训练可能导致模型跳过关键推理步骤，使CoT无法忠实反映决策。由于不同效率方法对CoT的长度压力不同，且部分任务需更多令牌才能忠实解释决策，目前尚不明确这种情况是否及何时发生，本文旨在理解这些动态。（论文赞 6）
在 Hugging Face 查看
排行第十一：Dream4ACT：面向多化身视频-动作建模的共享视觉动作接口
视频生成模型（VGMs）为化身的观察-动作建模提供强时空先验，但联合空间动作向量缺乏图像空间结构，且跨化身维度和语义不同，难以直接利用VGMs先验；末端执行器可视化未指定完整关节配置。本文提出Dream4ACT世界模型，用于跨化身的视频-动作联合建模；引入“动作视图”共享视觉接口，通过渲染目标关节坐标的视觉表示统一跨化身动作表征。（论文赞 1）
在 Hugging Face 查看
排行第十二：空间记忆智能：为世界模型赋予理解驱动的长期记忆
长视频生成和世界模型通过用户动作与历史记忆预测未来观察，用于交互娱乐和化身仿真，但记忆序列变长、结构复杂时，管理长程空间上下文面临挑战。本文基于多模态大语言模型（MLLMs）的空间推理能力，提出空间记忆智能（SMI）——首个系统性利用理解模型，为世界模型赋予理解驱动的长期空间记忆管理能力的框架。（论文赞 12）
在 Hugging Face 查看
