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 1337，趋势分 1288。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1337 · 趋势分 1288）
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 1939，趋势分 1002。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 1939 · 趋势分 1002）
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 842，趋势分 777。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 842 · 趋势分 777）
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 741，趋势分 693。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 741 · 趋势分 693）
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 3762，趋势分 652。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3762 · 趋势分 652）
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 673，趋势分 543。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 673 · 趋势分 543）
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 7054，趋势分 475。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 7054 · 趋势分 475）
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 713，趋势分 397。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 713 · 趋势分 397）
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 17344，趋势分 332。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17344 · 趋势分 332）
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 5424，趋势分 320。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5424 · 趋势分 320）
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 320，趋势分 292。标签：ema-lightning、tts、turkish、speech-synthesis、flow-matching。（点赞 320 · 趋势分 292）
在 Hugging Face 查看
排行第十二：Qwen-Image-2.1-Turbo（文生图）
Hugging Face 趋势榜上的模型，任务类型是文生图，点赞 273，趋势分 271。标签：diffusers、qwen、image-generation、image-editing、base_model:Qwen/Qwen-Image-2.1。（点赞 273 · 趋势分 271）
在 Hugging Face 查看
论文
排行第一：Opera：长时编码代理的 verbal 评论框架
Opera 是一个 verbal 评论框架，将每次修正视为持久笔记，并持续跟踪直到诊断问题解决。它通过周期性和事件驱动触发机制决定何时审查，使用类型化操作符诊断问题，并在交付反馈前审计可见证据，同时跟踪代理后续行为以区分表面合规与真正解决。（论文赞 4）
在 Hugging Face 查看
排行第二：技能星系：GitHub 上代理技能供应链分析
代理技能是 AI 编码代理使用的 SKILL.md 指令和脚本，开发者通过复制仓库共享技能，形成无注册、无版本和无来源的软件供应链。本文构建了首个基于 Git 历史的技能复制网络，覆盖 GitHub 上 219 万次技能采用，揭示技能来源、安全修复范围和需审查的仓库。（论文赞 1）
在 Hugging Face 查看
排行第三：物理注意力偏置预测电缆动力学
针对可变形线性物体（如电缆）的模拟器，需预测未训练过的电缆运动并保持长期稳定性。现有方法在电缆自接触或与地面接触处误差较大。本文引入物理注意力偏置，通过添加几何感知项改进注意力机制，区分弧长距离和欧氏距离，提升接触预测准确性。（论文赞 1）
在 Hugging Face 查看
排行第四：GPU 并行异构多任务强化学习框架
Hebero 是一个 GPU 并行的 Isaac Lab 基准，支持 40 个异构操作任务的联合训练与评估。通过增加每任务并行实例数提升成功率。为应对稀疏奖励和有限示范，提出 Demonstration-Guided Policy Optimization（DGPO），复用示范生成密集跟踪奖励，促进学习。（论文赞 2）
在 Hugging Face 查看
排行第五：Mara Chain：将失败转化为 AI 系统自进化阶梯
Mara Chain 是一种改进优化流程的方法，将被拒绝的候选配置保留并迭代重构，而非直接丢弃。它利用被拒绝的配置中的关键信息，避免重复陷入相同失败模式，从而提升 AI 系统优化效率，推动系统自动进化。（论文赞 2）
在 Hugging Face 查看
排行第六：偶然信息污染病历笔记干扰临床推理
大型语言模型在临床记录和推理中易受非相关背景信息干扰。研究发现，前沿模型在 35% 的笔记中插入闲聊内容，且 3.7% 的笔记错误地将闲聊内容用于临床判断。在模拟咨询中，背景语音污染率达 48.2%，影响临床推理准确性。（论文赞 2）
在 Hugging Face 查看
排行第七：冻结模型，持续学习：多模态医疗AI的部署经验学习
大型语言模型和视觉语言模型在部署后通常保持冻结状态，无法从解决的病例中学习。这在医学领域尤其重要，因为新的临床证据和治疗方式会改变现有实践。本文提出一种模型无关框架，使冻结的模型能够从部署经验中学习，避免了微调所需的权重访问和额外训练。（论文赞 2）
在 Hugging Face 查看
排行第八：模拟合成：通过代理系统交互生成企业数据
工具调用代理在企业AI中日益重要，但其训练和评估受限于业务和法律限制。表格数据合成受结构有效性和模式可用性限制，而基于过程的方法缺乏分布保真度。本文提出一种无模式的数据合成范式，通过LLM代理在模拟环境中执行操作生成数据。（论文赞 3）
在 Hugging Face 查看
排行第九：SpecFold：多分支冗余加速扩散语言模型解码
扩散语言模型通过迭代去噪生成文本，多分支推测解码可加速该过程。现有方法主要利用去噪步骤间的时序冗余，本文发现推测验证步骤中存在多分支计算冗余，提出利用此冗余提升解码效率。（论文赞 2）
在 Hugging Face 查看
排行第十：MIRA：音乐意图精炼代理对齐文本到音乐生成
文本到音乐系统生成的音频越来越逼真，但评估难以判断是否符合用户意图。本文将文本到音乐意图对齐建模为满足包含显性和隐性音乐意图的独立可验证项目清单，通过逐项评分实现诊断性评估。（论文赞 1）
在 Hugging Face 查看
排行第十一：AI代理能否实现开放科学发现？Station证据
近期AI系统在给定明确指标时取得科学发现进展，但能否自主进行开放性科学发现尚不明确。本文在Station开放世界环境中研究AI处理开放任务的能力，提出监督机制和周期性元反思以促进持续探索。（论文赞 4）
在 Hugging Face 查看
排行第十二：Pumpire：统一度量距离估计基准
本文提出Pumpire，一个统一基准，用于评估图像和视频级3D基础模型的点对距离估计能力，无论是否具有深度先验。与以往分别评估深度和相机内参或使用几何相似性度量不同，Pumpire直接评估重建几何中的点对距离。（论文赞 2）
在 Hugging Face 查看
