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 1760，趋势分 1581。标签：qwen3_5、clef、cloudflare、systemone、qwen3.8。（点赞 1760 · 趋势分 1581）
在 Hugging Face 查看
排行第二：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 1477，趋势分 1224。标签：qwen3_5、jev、system-one、system-two、typed-decisions。（点赞 1477 · 趋势分 1224）
在 Hugging Face 查看
排行第三：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 991，趋势分 826。标签：gemma4、image-text-to-text、system-one、system-two、adaptive-thinking。（点赞 991 · 趋势分 826）
在 Hugging Face 查看
排行第四：embeddinggemma-2（特征提取）
Hugging Face 趋势榜上的模型，任务类型是特征提取，点赞 790，趋势分 772。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 790 · 趋势分 772）
在 Hugging Face 查看
排行第五：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 756，趋势分 723。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 756 · 趋势分 723）
在 Hugging Face 查看
排行第六：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 3519，趋势分 683。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3519 · 趋势分 683）
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 613，趋势分 588。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 613 · 趋势分 588）
在 Hugging Face 查看
排行第八：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 634，趋势分 577。标签：qwen3_5、clef、cloudflare、systemone、qwen3.5。（点赞 634 · 趋势分 577）
在 Hugging Face 查看
排行第九：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 6736，趋势分 496。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6736 · 趋势分 496）
在 Hugging Face 查看
排行第十：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 5317，趋势分 474。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5317 · 趋势分 474）
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 430，趋势分 420。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 430 · 趋势分 420）
在 Hugging Face 查看
排行第十二：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 17167，趋势分 340。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17167 · 趋势分 340）
在 Hugging Face 查看
论文
排行第一：语言模型需要可训练输入嵌入表吗？
研究探讨了在17亿参数规模的语言模型中，是否必须使用可训练的输入嵌入表，还是可以通过固定token标识学习到有效的语言建模能力。通过比较三种不同输入接口的模型，发现固定编码也能实现良好的性能。
在 Hugging Face 查看
排行第二：安全动作不等于可行：视觉语言动作策略
提出可行性-似然差距概念，指出安全动作不一定能导向任务完成。通过推导历史条件下的策略-环境轨迹分布，引入候选依赖的可行未来质量，以提升策略在长期任务中的可行性。（论文赞 2）
在 Hugging Face 查看
排行第三：DiffGate：难度门控的教师指导
提出一种基于难度门控的教师指导方法，用于在线策略蒸馏。结合了策略蒸馏和可验证奖励的强化学习，解决传统方法在轨迹层面监督不足的问题，提升学生模型的推理质量。（论文赞 6）
在 Hugging Face 查看
排行第四：条件轨迹峰值：单次通过的多模态策略
提出条件轨迹峰值框架，联合预测完整动作块候选、概率质量与轨迹尺度。通过分布感知峰值专业化和证据门控轨迹信念传输，实现多模态模仿学习中的多样化可执行未来和行为一致性。
在 Hugging Face 查看
排行第五：执行对齐渐进噪声：生成式机器人策略
提出执行对齐渐进噪声方法，解决生成式机器人策略中异步重规划时的模式切换和不一致问题。通过结构化随机性在块间和块内建立相关性，实现执行对齐的连续性。
在 Hugging Face 查看
排行第六：实时视觉语言动作模型：两步流去噪
针对视觉语言动作模型的推理延迟问题，分析端到端延迟来源，提出两阶段非均匀去噪方法。根据阶段异质性优化去噪步骤，减少推理成本，提升实时性能。
在 Hugging Face 查看
排行第七：Magic-W0：结构化世界动作基础模型
Magic-W0是一种世界动作基础模型，通过结构化世界过渡（当前状态、转换、未来状态）联合建模物理状态演化和连续动作，结合视觉语言上下文与3D几何信息，实现动作驱动的环境动态预测，提升机器人智能控制能力。
在 Hugging Face 查看
排行第八：WildMatch：弱监督图像匹配适应
WildMatch针对野生动物个体重识别问题，提出弱监督图像匹配适应方法，利用局部毛发或皮肤特征进行个体检索，改进现有方法在无标注数据下的性能，提升相机陷阱图像中个体识别的准确性。（论文赞 1）
在 Hugging Face 查看
排行第九：DAEDALUS：自生成任务启动代理记忆
DAEDALUS通过两个代理协作，从自生成任务中构建可复用的代理记忆，无需预先任务或验证器，帮助LLM代理在新环境中学习工具行为和环境规范，避免重复错误，提升任务执行效率。（论文赞 5）
在 Hugging Face 查看
排行第十：口音类比引导：跨语言语音克隆
提出口音类比引导方法，通过训练-free采样项消除参考语音中的口音干扰，保留说话人特征，在跨语言语音合成中实现更高说话人相似性，同时保持口音一致性。（论文赞 4）
在 Hugging Face 查看
排行第十一：来源识别非为 Fitness 测试
研究合成数据溯源的可靠性及其对训练数据选择的影响，发现生成文本的来源识别在重写后准确率大幅下降，表明仅依赖来源信息无法有效评估数据质量，需结合其他指标。
在 Hugging Face 查看
排行第十二：CtrlCache：控制感知缓存加速
CtrlCache通过利用用户控制信号提前规划生成调度，结合控制感知缓存策略，减少交互式视频世界模型中每个视频块的去噪迭代次数，提升生成效率和响应准确性。
在 Hugging Face 查看
