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 3276，趋势分 2729。标签：qwen3_5、jev、system-one、system-two、typed-decisions。（点赞 3276 · 趋势分 2729）
在 Hugging Face 查看
排行第二：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 2037，趋势分 1761。标签：gemma4、image-text-to-text、system-one、system-two、adaptive-thinking。（点赞 2037 · 趋势分 1761）
在 Hugging Face 查看
排行第三：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 1261，趋势分 1222。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1261 · 趋势分 1222）
在 Hugging Face 查看
排行第四：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 1907，趋势分 1212。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 1907 · 趋势分 1212）
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 823，趋势分 759。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 823 · 趋势分 759）
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 3713，趋势分 671。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3713 · 趋势分 671）
在 Hugging Face 查看
排行第七：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 693，趋势分 651。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 693 · 趋势分 651）
在 Hugging Face 查看
排行第八：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 670，趋势分 618。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 670 · 趋势分 618）
在 Hugging Face 查看
排行第九：GLM5.3-Flash-E224-DGX-Spark（图文理解）
Hugging Face 趋势榜上的模型，任务类型是图文理解，点赞 552，趋势分 509。标签：vllm、glm5_next、autotrust、moe、nvfp4。（点赞 552 · 趋势分 509）
在 Hugging Face 查看
排行第十：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 6986，趋势分 495。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 6986 · 趋势分 495）
在 Hugging Face 查看
排行第十一：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 704，趋势分 467。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 704 · 趋势分 467）
在 Hugging Face 查看
排行第十二：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 5413，趋势分 365。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5413 · 趋势分 365）
在 Hugging Face 查看
论文
排行第一：EDiS：图神经网络的边不相交子图稀疏化框架
本文提出了EDiS框架，旨在降低图神经网络训练的计算成本。该框架将结构提取与图组合分离，一次性将图分解为可缓存的边不相交子图，然后在不同训练周期中根据边预算约束和保留比例重新组合这些子图，无需重复提取结构。默认方法使用基于特征的评分和连续最大得分覆盖森林，从而在保持性能的同时减少计算开销。（论文赞 1）
在 Hugging Face 查看
排行第二：SpaceFlow：局部可控的三维生成方法
本文介绍SpaceFlow，一种无需训练即可实现局部可控三维生成的流程。该方法基于文本描述和几何图元集合，每个图元作为对象部分的代理，并分配局部控制级别，允许用户指定区域是严格遵循输入形状还是允许生成补全。在结构生成过程中，在生成流中强制执行这些空间约束，并在外观合成时对生成结构进行分割和匹配。（论文赞 1）
在 Hugging Face 查看
排行第三：REMORY：学习上下文压缩的残差记忆
REMORY是一种神经记忆网络，旨在解决长序列代理在有限上下文窗口中的历史压缩问题。它在文本摘要之外添加了有限的软记忆令牌序列，网络学习生成这些令牌，帮助冻结的大型语言模型近似使用完整历史时产生的延续。令牌以摘要为条件并附加其后，形成序列维度上的残差连接类比。（论文赞 1）
在 Hugging Face 查看
排行第四：WorldGuide：面向程序化任务执行的目标导向视频世界模型
本文提出WorldGuide，将程序化视频生成建模为视觉世界空间中的闭环任务执行。该方法仅使用初始图像和任务描述，要求模型从生成状态确定下一个动作，执行该动作，并识别任务何时完成。与开环生成不同，WorldGuide能够适应执行结果，填补决定动作与成功实现之间的差距。（论文赞 4）
在 Hugging Face 查看
排行第五：FreeMatching：超越时空先验的稠密对应匹配通用框架
FreeMatching是一个通用框架，用于在图像编辑和参考引导生成等打破物理连续性的场景中建立保持视觉身份的稠密对应。它结合生成和语义基础表示，并利用来自经典数据集、跟踪视频和合成场景的异质监督。通过教师引导的迭代细化进一步改进对应关系，突破了传统时空先验的限制。（论文赞 24）
在 Hugging Face 查看
排行第六：U-Space：探究语言模型不确定性产生的时间和原因
本文研究语言模型的不确定性量化问题，旨在估计个体预测的可靠性。现有方法通常需要重复生成或单独训练组件，且标量估计无法揭示不确定性在推理过程中的产生位置和演变方式。该工作探索如何识别模型何时以及为何产生不确定性，以应对模型可能以流畅解释呈现错误结论的挑战。（论文赞 10）
在 Hugging Face 查看
排行第七：CARE: 视觉语言动作推理加速认证
该论文提出一种评估视觉语言动作模型加速方法可靠性的新框架，通过对比相同初始条件下的完整轨迹，检测加速导致的任务失败，揭示了传统平均指标无法发现的潜在风险。（论文赞 1）
在 Hugging Face 查看
排行第八：RLVR中LLM的几何结构探索
该研究利用可训练向量分析强化学习增强大语言模型的推理过程，发现其在激活空间中存在低维有效流形，并揭示了该流形的容量限制和输入依赖性表达约束。
在 Hugging Face 查看
排行第九：SatNav：基于卫星影像的长程导航基准
该论文提出SatNav，一个基于高分辨率卫星影像的可扩展长程无人机视觉语言导航基准，通过自动化流程构建大规模城市级导航任务，解决现有基准地理多样性不足的问题。（论文赞 1）
在 Hugging Face 查看
排行第十：MARGIN：多智能体模型协调的置信度校准
该研究提出MARGIN方法，在不重新训练模型或使用校准集的情况下，通过运行时跟踪准确率与置信度比率，对异构基础模型的置信度进行动态校正，提升集体决策质量。
在 Hugging Face 查看
排行第十一：SPW-Nav：流式全景世界模型导航
该论文提出SPW-Nav，一个能实时生成2K 360度全景视频的流式全景世界模型，通过理解移动指令并解耦球面旋转，实现语言引导的全景视频生成。
在 Hugging Face 查看
排行第十二：MiMo-V2.6：强化学习的自提升扩展
该报告介绍MiMo-V2.6系列模型，通过大规模强化学习计算扩展，结合多模态预训练和混合SWA架构，推动基础模型智能的提升，实现更高效的训练和扩展。（论文赞 46）
在 Hugging Face 查看
