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 1561，趋势分 1440。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 1561 · 趋势分 1440）
在 Hugging Face 查看
排行第二：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 3329，趋势分 685。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3329 · 趋势分 685）
在 Hugging Face 查看
排行第三：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 825，趋势分 661。标签：qwen3_5、jev、system-one、system-two、typed-decisions。（点赞 825 · 趋势分 661）
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 661，趋势分 636。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 661 · 趋势分 636）
在 Hugging Face 查看
排行第五：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 5261，趋势分 608。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5261 · 趋势分 608）
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 553，趋势分 527。标签：qwen3_5、clef、cloudflare、systemone、qwen3.5。（点赞 553 · 趋势分 527）
在 Hugging Face 查看
排行第七：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 6554，趋势分 498。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6554 · 趋势分 498）
在 Hugging Face 查看
排行第八：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 535，趋势分 414。标签：gemma4、image-text-to-text、system-one、system-two、adaptive-thinking。（点赞 535 · 趋势分 414）
在 Hugging Face 查看
排行第九：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 424，趋势分 401。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 424 · 趋势分 401）
在 Hugging Face 查看
排行第十：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 17063，趋势分 345。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17063 · 趋势分 345）
在 Hugging Face 查看
排行第十一：humanizer（文本生成）
Hugging Face 趋势榜上的模型，任务类型是文本生成，点赞 301，趋势分 293。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 301 · 趋势分 293）
在 Hugging Face 查看
排行第十二：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 3021，趋势分 275。标签：diffusers、qwen、image-generation、image-editing、rgba。（点赞 3021 · 趋势分 275）
在 Hugging Face 查看
论文
排行第一：UndoBench：分离任务能力与恢复能力
该论文提出UndoBench基准，用于评估工具使用型AI代理在企业软件系统中的表现。通过在36个基础工作流和36个故障场景中进行对比实验，分离任务执行能力与故障恢复能力，使用配对试验和环境状态或acles来评估模型在故障下的恢复能力。（论文赞 2）
在 Hugging Face 查看
排行第二：梯度对文本泄露的影响分析
该研究探讨了在分割语言模型训练中，梯度信息如何加剧文本泄露问题。通过分析客户端与服务器之间的通信数据，发现攻击者可利用激活值和梯度信息重建大部分原始文本，显著提升文本恢复准确率，揭示了模型训练中的隐私风险。（论文赞 2）
在 Hugging Face 查看
排行第三：DEPICT：基于答案一致性的图文对齐评分
该论文提出DEPICT方法，用于评估文本到图像生成模型的对齐质量。通过设计分解验证问题，利用视觉语言模型进行细粒度检查，解决现有方法在对象缺失、属性错误等问题上的不足，提升对图文一致性的评估能力。
在 Hugging Face 查看
排行第四：OmniReasoning：音频视觉联合推理挑战
该研究构建了OmniReasoningBench基准，用于评估音频和视觉信息联合推理的能力。通过设计需要同时依赖视听证据的多选和开放式问题，推动多模态模型在视频推理和超越视频推理任务中的能力发展。（论文赞 2）
在 Hugging Face 查看
排行第五：CARPM-FIQA：稳定人脸图像质量评估
该论文提出CARPM-FIQA方法，用于稳定人脸识别系统中的人脸图像质量评估。通过累积训练过程中的相对点边际分数，解决现有方法因特征空间变化导致的质量预测不稳定问题，提高评估的可靠性。（论文赞 1）
在 Hugging Face 查看
排行第六：逆蒸馏实现数据删除
该研究提出逆蒸馏未学习（IDU）框架，用于多步匹配模型的数据删除。通过将教师模型蒸馏为高效的一步学生生成器，同时抑制特定训练子集的输出，实现对训练数据的可控删除，降低推理成本并提升模型隐私保护能力。
在 Hugging Face 查看
排行第七：优化优化器：语言模型加速分子弛豫
该研究探讨语言模型能否通过自动研究改进现有最快的分子几何优化方法。研究人员开发了AutoSella优化器家族，通过两个准入机制防止过早停止和泛化失败，显著减少了量子化学计算中耗时的力评估步骤。（论文赞 4）
在 Hugging Face 查看
排行第八：主动式智能体基础：原理与技术框架
研究提出主动式LLM智能体的设计基础框架3T原则：任务能力、时间分配和信任。通过五个维度(任务范围、预期范围等)构建设计空间，旨在让智能体在用户未请求时也能提供有效支持，同时保持用户信任。（论文赞 10）
在 Hugging Face 查看
排行第九：自生成反馈导致测试时训练不稳定
研究发现当测试时训练(TTT)模型从自身输出学习时，权重更新会改变后续训练数据的生成。在12.8万token的实验中，这种自我反馈机制导致对独立人类文本的预测性能下降，而固定生成模型可消除98%的负面影响。（论文赞 3）
在 Hugging Face 查看
排行第十：学习如何学习语言
提出Prior-Fitted语言模型(PFLM)，这个3亿参数的模型仅通过合成非语言先验数据训练，却能根据真实文本前缀预测语言。训练中每个序列都来自新生成的结构因果模型，迫使模型必须从上下文推断语言规律。（论文赞 1）
在 Hugging Face 查看
排行第十一：骨骼动画压缩新方法
研究骨骼动画压缩技术，分析运动数据冗余来源。改进的CurveCodec 2通过学习熵模型，在保持平均误差的同时改进最坏情况表现，实现与游戏引擎生产库ACL相当的压缩效果，但使用比特而非浮点数计量载荷。（论文赞 1）
在 Hugging Face 查看
