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 1430，趋势分 1332。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 1430 · 趋势分 1332）
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 5225，趋势分 687。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5225 · 趋势分 687）
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 3243，趋势分 683。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3243 · 趋势分 683）
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 611，趋势分 590。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 611 · 趋势分 590）
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 6474，趋势分 491。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6474 · 趋势分 491）
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 506，趋势分 483。标签：qwen3_5、clef、cloudflare、systemone、qwen3.5。（点赞 506 · 趋势分 483）
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 410，趋势分 389。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 410 · 趋势分 389）
在 Hugging Face 查看
排行第八：JEV-27B-VL（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 478，趋势分 383。标签：qwen3_5、jev、system-one、system-two、typed-decisions。（点赞 478 · 趋势分 383）
在 Hugging Face 查看
排行第九：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 17017，趋势分 341。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17017 · 趋势分 341）
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 417，趋势分 296。标签：computer-vision、visionhope。（点赞 417 · 趋势分 296）
在 Hugging Face 查看
排行第十一：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 2983，趋势分 275。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 2983 · 趋势分 275）
在 Hugging Face 查看
排行第十二：GEV-26B-Decide（文本分类）
Hugging Face 趋势榜上的模型，任务类型是文本分类，点赞 361，趋势分 270。标签：gemma4、image-text-to-text、system-one、system-two、adaptive-thinking。（点赞 361 · 趋势分 270）
在 Hugging Face 查看
论文
排行第一：通过聚焦视图提升原子事实召回
大型语言模型作为事实知识的通用接口，其参数无法自动反映预训练后的信息变化。知识编辑通过修改特定知识来替代昂贵的重新训练，但现有非结构化知识编辑方法存在上下文依赖问题，即编辑后的模型在没有原始文本时无法可靠回忆单个事实。（论文赞 1）
在 Hugging Face 查看
排行第二：终端环境的自监督扩展方法
终端代理正被应用于科学等专业领域，但构建训练环境需要可执行的参考行为和领域特定的验证器，这限制了复用性。本文提出软件在环重构框架，从现有软件工作流中自监督获取参考输出和验证目标，通过执行多种输入配置并划分案例来实现。（论文赞 2）
在 Hugging Face 查看
排行第三：Extender：一种日志结构化的Transformer
本文提出Extender，一种日志结构化的Transformer变体。在标准Transformer中，每层通过残差通道h与后续层通信。Extender增加了一个连接通道x，每层不仅输出残差更新δ_ell，还输出较小的扩展ε_ell并附加到x。注意力键值投影仅使用x作为输入，从而减少持久注意力内存占用。（论文赞 1）
在 Hugging Face 查看
排行第四：EyeRobot 2.0：无需腕部摄像头的主动凝视
受人类视觉启发，本文提出一种利用主动凝视实现精细双臂操作的框架，仅使用单个立体相机。EyeRobot 2.0通过旋转两个眼点使视线聚焦于场景中的3D固定点，处理时对图像中心分配更多视觉令牌，聚焦于任务相关特征。主动视觉固定需要在任务执行中协调凝视，通过分层训练实现。（论文赞 4）
在 Hugging Face 查看
排行第五：4DCodeBench：动态场景逆图形基准
本文提出4DCodeBench，一个通过代码生成进行4D逆图形的基准，代理需从视频中重建动态场景为可执行的图形程序。代理必须将视觉观察转化为场景结构和动态的紧凑表示，实现如物理模拟等抽象以重现复杂行为。通过整理真实视频和构建合成场景，涵盖多种物理现象进行评估。（论文赞 12）
在 Hugging Face 查看
排行第六：CVaR策略评估的尾部影响采样
具有相似平均回报的策略在罕见失败上可能差异显著，但准确估计下尾部条件风险（CVaR）需要大量昂贵的回放。当随机工作流的不同条件组件可单独查询时，本文研究如何分配固定评估预算以最准确估计固定策略的CVaR。推导出每个查询条件的尾部影响，聚合其不确定性对CVaR的影响。（论文赞 17）
在 Hugging Face 查看
排行第七：KeyRec：用于流媒体和长视频理解的 bounded 视觉记忆
提出 KeyRec 框架，用于构建受限的视觉记忆。通过保留近期细粒度观察并组织历史证据为结构化事件库，在无需训练的情况下实现高效的长视频理解，解决视觉令牌积累导致的计算开销问题。（论文赞 3）
在 Hugging Face 查看
排行第八：基于检索的开放性评估失败原因分析
研究检索式事实性评估在医疗长文本中的失效问题，提出基于案例研究的两个分类体系，分解失败原因，揭示现有方法在缺乏标注答案时的局限性，推动更透明可靠的医学事实验证。（论文赞 7）
在 Hugging Face 查看
排行第九：RealCompanion：基于长期对话的人类理解基准
发布包含10组真实人际关系的对话数据集，涵盖27,218条消息，用于评估AI伴侣对人类长期对话的理解能力，提供人物画像、对话真相和问题集，支持对理解过程的可解释性分析。（论文赞 187）
在 Hugging Face 查看
排行第十：MinkowskiPE：时空感知的位置编码
提出 MinkowskiPE 方法，利用时空联合坐标参数化洛伦兹变换，显式建模时间和空间的耦合关系，结合学习灵活性与几何偏置，提升物理智能模型在多尺度下的时空感知能力。（论文赞 9）
在 Hugging Face 查看
排行第十一：Latent-MOPD：潜在多教师在线策略蒸馏
提出 Latent-MOPD 方法，通过整合教师模型的预测和隐藏状态实现表示层面的多教师蒸馏，无需额外训练，协调多个专家的表示监督，提升学生模型的性能。（论文赞 30）
在 Hugging Face 查看
排行第十二：QuantWM：视频世界模型的2比特KV缓存量化
针对视频世界模型中KV缓存内存瓶颈问题，提出QuantWM方法，研究2比特KV缓存量化，分析键值量化差异导致的视觉退化问题，探索实现时间一致性与高效存储的平衡方案。（论文赞 5）
在 Hugging Face 查看
