Hugging Face 模型趋势榜和每日论文。
模型
排行第一：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 1321，趋势分 1273。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1321 · 趋势分 1273）
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 1932，趋势分 1034。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 1932 · 趋势分 1034）
在 Hugging Face 查看
排行第三：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 838，趋势分 773。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 838 · 趋势分 773）
在 Hugging Face 查看
排行第四：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 728，趋势分 681。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 728 · 趋势分 681）
在 Hugging Face 查看
排行第五：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 3747，趋势分 655。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3747 · 趋势分 655）
在 Hugging Face 查看
排行第六：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 672，趋势分 581。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 672 · 趋势分 581）
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 7026，趋势分 469。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 7026 · 趋势分 469）
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 710，趋势分 406。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 710 · 趋势分 406）
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 17338，趋势分 336。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17338 · 趋势分 336）
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 5423，趋势分 330。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5423 · 趋势分 330）
在 Hugging Face 查看
排行第十一：ema-lightning（语音合成）
Hugging Face 趋势榜上的模型，任务类型是语音合成，点赞 316，趋势分 289。标签：ema-lightning、tts、turkish、speech-synthesis、flow-matching。（点赞 316 · 趋势分 289）
在 Hugging Face 查看
排行第十二：whistle（语音识别）
Hugging Face 趋势榜上的模型，任务类型是语音识别，点赞 256，趋势分 248。标签：cactus-needle、whistle、speech-recognition、speech-to-text、on-device。（点赞 256 · 趋势分 248）
在 Hugging Face 查看
论文
排行第一：技能星系：GitHub上的代理技能供应链
研究AI编码代理在GitHub上共享技能的方式，通过分析git历史构建了首个技能复制网络，揭示了技能的传播路径和来源，解决了技能共享中缺乏注册、版本和来源记录的问题。（论文赞 1）
在 Hugging Face 查看
排行第二：基于物理注意力偏置的电缆动力学预测
针对可变形线性物体（如电缆）的动力学预测问题，提出物理注意力偏置机制，结合弧长和欧氏距离，提升模型对接触区域的建模能力，增强长期模拟的稳定性。
在 Hugging Face 查看
排行第三：GPU并行异构多任务强化学习框架
提出Hebero基准，支持在GPU并行环境中对40个异构任务进行联合训练和评估，通过并行副本提升成功率，并引入DGPO方法以支持稀疏奖励和有限示范下的学习。（论文赞 2）
在 Hugging Face 查看
排行第四：Mara Chain：将失败转化为AI系统自进化
提出Mara Chain方法，将被拒绝的候选配置转化为优化过程中的踏脚石，避免重复失败模式，提升AI系统在提示、技能和代码编辑中的优化效率。（论文赞 2）
在 Hugging Face 查看
排行第五：偶然信息污染病历笔记影响临床推理
研究大语言模型在临床记录中对无关信息的敏感性，发现模型常将非临床对话插入病历，且背景语音干扰可能引发误判，影响临床推理的准确性。（论文赞 2）
在 Hugging Face 查看
排行第六：冻结模型持续进化：多模态医疗AI学习部署经验
提出一种模型无关框架，使冻结的LLM和VLM能从部署经验中学习，无需微调，避免过拟合和视觉细节丢失，支持医疗AI持续更新知识。（论文赞 2）
在 Hugging Face 查看
排行第七：通过模拟生成企业数据：可扩展代理系统交互
本文提出了一种名为STS的无模式数据合成方法，通过LLM代理在模拟环境中执行操作来生成企业数据，解决了传统表格数据合成在结构有效性和分布保真度方面的局限性。（论文赞 3）
在 Hugging Face 查看
排行第八：SpecFold：折叠多分支冗余加速扩散语言模型
研究提出SpecFold方法，通过识别和利用多分支计算冗余来加速扩散大语言模型的推理过程，在保持生成质量的同时提高效率。（论文赞 2）
在 Hugging Face 查看
排行第九：MIRA：音乐意图精炼代理
本文开发了MIRA系统，通过建立可独立验证的项目评分标准来评估文本到音乐生成结果与用户意图的匹配程度，解决了现有单一评分指标的局限性。（论文赞 1）
在 Hugging Face 查看
排行第十：AI代理能做开放式科学发现吗？
研究在Station开放世界环境中探索AI代理进行开放式科学发现的能力，提出了Supervisor机制和定期Meta Reflection方法来解决开放式任务特有的挑战。（论文赞 3）
在 Hugging Face 查看
排行第十一：Pumpire：统一度量距离估计基准
提出了Pumpire基准测试，通过直接评估重建几何中的点对点距离来测试3D基础模型的度量距离估计能力，并构建了包含100个真实场景的大规模数据集。（论文赞 2）
在 Hugging Face 查看
排行第十二：结构化框架下的增量开放式深度研究
研究提出增量开放式深度研究方法，将研究报告视为可演进的研究状态，通过结构化框架实现知识的持续更新和维护，提高了研究效率。（论文赞 3）
在 Hugging Face 查看
