Hugging Face 模型趋势榜和每日论文。
模型
排行第一：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 1979，趋势分 1653。标签：qwen3_5、jev、system-one、system-two、typed-decisions。（点赞 1979 · 趋势分 1653）
在 Hugging Face 查看
排行第二：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 1816，趋势分 1627。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 1816 · 趋势分 1627）
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 1314，趋势分 1122。标签：gemma4、image-text-to-text、system-one、system-two、adaptive-thinking。（点赞 1314 · 趋势分 1122）
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 953，趋势分 929。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 953 · 趋势分 929）
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 775，趋势分 740。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 775 · 趋势分 740）
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 3560，趋势分 671。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3560 · 趋势分 671）
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 626，趋势分 601。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 626 · 趋势分 601）
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 652，趋势分 594。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 652 · 趋势分 594）
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 6798，趋势分 476。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6798 · 趋势分 476）
在 Hugging Face 查看
排行第十：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 464，趋势分 454。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 464 · 趋势分 454）
在 Hugging Face 查看
排行第十一：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 5332，趋势分 432。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5332 · 趋势分 432）
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 17207，趋势分 343。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17207 · 趋势分 343）
在 Hugging Face 查看
论文
排行第一：RLHND：基于视频基础模型的手部追踪
提出RLHND模型，利用视频基础模型从单目视角视频中联合估计手部姿态和真实的触觉信息，将预训练的Cosmos 3视频扩散骨干网络转化为确定性片段模型，提升手部运动和物体交互的物理一致性。（论文赞 1）
在 Hugging Face 查看
排行第二：我们查询，故我们计算：超越机器的Oracle计算
构建一个抽象机器，将大型语言模型视为Oracle，扩展双栈下推自动机，通过指令查询Oracle并附加答案，实现Oracle计算与图灵完备计算的结合，为工作流和代理系统提供统一框架。（论文赞 1）
在 Hugging Face 查看
排行第三：TimeBraid：统一时间序列与语言模型
提出TimeBraid模型，通过交错全局残差注意力层对齐预训练语言模型与时间序列基础模型，融合两者知识，在共享表示空间中实现跨模态理解与生成，提升时间序列预测能力。
在 Hugging Face 查看
排行第四：MoE专家选择在代理强化学习中的结构化
研究代理后训练与MoE专家选择的联系，发现专家路由结构与代理轨迹自然对齐，提出优化方法以利用这种结构化特性，提升长时程LLM代理在稀疏专家模型中的性能。（论文赞 1）
在 Hugging Face 查看
排行第五：TRIAGE：NVFP4强化学习的失配稳定化
分析低精度执行中学习器与采样器执行差异对策略优化的不稳定性，区分放大与收缩更新贡献，提出方向感知的失配稳定化方法，提升原生NVFP4强化学习的训练稳定性。（论文赞 2）
在 Hugging Face 查看
排行第六：摩洛哥Turba肥料机器学习栈技术报告
介绍Turba肥料机器学习栈，一个开源的三层实现，支持可复现的特定地点肥料推荐，提供程序化访问、版本控制和独立加载功能，提升推荐函数的科学可重用性。（论文赞 1）
在 Hugging Face 查看
排行第七：从16万次训练中学习策略
本文通过分析超过16万次策略训练和114个数据集，系统研究了离线强化学习和模仿学习中算法性能的变异性。研究发现，不同算法在整体性能上差异不大，但最优选择会随条件变化而变化。
在 Hugging Face 查看
排行第八：DMAD：对抗蒸馏分布匹配
DMAD方法将分布匹配重新定义为分类问题，直接学习所需的对数密度比。通过共享骨干网络的两个判别器头区分真实数据、教师样本和学生样本，并使用线性损失训练学生模型，无需额外的分数拟合。（论文赞 4）
在 Hugging Face 查看
排行第九：DeCoPrune：基于去噪一致性的KV缓存剪枝
DeCoPrune是一种无需训练的方法，将自回归视频扩散中的KV缓存压缩视为去噪一致性问题。研究发现，去噪难度可以作为衡量token长期保留价值的有用指标。（论文赞 1）
在 Hugging Face 查看
排行第十：传感器-语言-动作模型
本文提出SLA模型框架，将多模态传感器观测、自然语言和动作统一在一个模型中。通过语言作为感知和行动之间的语义接口，使异构动作能够在传感器证据基础上进行表示、预测和解释。（论文赞 1）
在 Hugging Face 查看
排行第十一：CheckerBench：长视野代理能合成静态分析检查器吗？
CheckerBench是一个包含300个任务的基准测试，源自297个CVE漏洞和167个代码库。每个任务包括漏洞和修复版本、固定的分析环境和检查器脚手架，用于评估代理开发完整检查器的能力。（论文赞 52）
在 Hugging Face 查看
排行第十二：Sherpa：让LLM学会自适应教学
Sherpa是一个多轮强化学习框架，通过实例化具有不同学习偏好的LLM学生原型，训练教师模型根据个体学生学习结果进行自适应教学，而不是依赖预定义的教学标准。（论文赞 6）
在 Hugging Face 查看
