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 1403，趋势分 1345。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1403 · 趋势分 1345）
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 1959，趋势分 932。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 1959 · 趋势分 932）
在 Hugging Face 查看
排行第三：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 825，趋势分 776。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 825 · 趋势分 776）
在 Hugging Face 查看
排行第四：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 848，趋势分 752。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 848 · 趋势分 752）
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 3799，趋势分 665。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3799 · 趋势分 665）
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 676，趋势分 541。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 676 · 趋势分 541）
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 7097，趋势分 477。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 7097 · 趋势分 477）
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 720，趋势分 366。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 720 · 趋势分 366）
在 Hugging Face 查看
排行第九：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 358，趋势分 355。标签：diffusers、qwen、image-generation、image-editing、base_model:Qwen/Qwen-Image-2.1。（点赞 358 · 趋势分 355）
在 Hugging Face 查看
排行第十：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 17371，趋势分 332。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17371 · 趋势分 332）
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 5441，趋势分 318。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5441 · 趋势分 318）
在 Hugging Face 查看
排行第十二：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 323，趋势分 295。标签：ema-lightning、tts、turkish、speech-synthesis、flow-matching。（点赞 323 · 趋势分 295）
在 Hugging Face 查看
论文
排行第一：过渡规律的格结构
本文将扩散模型和自回归模型视为一种污染格上的路径，定义了调度成本，研究了在固定步数下预测一种模型的解码调度性能的可能性，探讨了不同模型在解码过程中的依赖关系和几何特性。（论文赞 1）
在 Hugging Face 查看
排行第二：协同进化通信的迁移与行为持续性
该研究评估了在未重新训练网络权重的情况下，将协同进化通信协议从二维仿真直接迁移到三维物理环境的效果，分析了传感器和电机翻译层的校正需求及迁移的不完全性与不对称性。
在 Hugging Face 查看
排行第三：协同进化通信从2D到3D的迁移评估
该研究考察了在2D模拟器中协同进化通信机制迁移到具有真实物理的3D模拟器中的效果，分析了时间预算、社会信号和角色不对称性对通信机制功能保留的影响。
在 Hugging Face 查看
排行第四：Opera：长时编码代理的言语批评框架
Opera是一种言语批评框架，将每次修正视为持久笔记，持续跟踪直到诊断问题解决，通过周期性和事件驱动触发机制，诊断问题并审计反馈，区分代理的合规行为与实际解决。（论文赞 8）
在 Hugging Face 查看
排行第五：技能星系：GitHub上的代理技能供应链
代理技能是AI编码代理运行的SKILL.md指令和脚本，开发者通过复制技能在仓库间共享，形成无注册、版本和来源的软件供应链，本文构建了首个带日期的技能复制网络，揭示技能传播路径。（论文赞 1）
在 Hugging Face 查看
排行第六：基于物理注意力偏置的电缆动力学预测
为预测未训练过的电缆运动并保持长周期滚动稳定，提出在注意力机制中引入物理注意力偏置，通过添加几何距离项，区分电缆弧长和欧氏距离，提升接触预测的准确性。（论文赞 1）
在 Hugging Face 查看
排行第七：GPU并行框架实现异构多任务强化学习
该论文提出Hebero异构机器人学习基准，利用GPU并行模拟技术实现40个异构任务的高效联合训练与评估。研究表明增加任务并行副本能提升固定时间预算下的成功率，并针对稀疏奖励问题提出了演示引导策略优化方法。（论文赞 8）
在 Hugging Face 查看
排行第八：Mara Chain：将失败重构为AI系统自进化的基石
研究提出Mara Chain优化框架，通过保留被拒绝的候选配置而非丢弃，将其转化为后续优化的垫脚石。该方法解决了现有技术因丢弃候选配置导致重复探索相同失败模式的问题，实现了更高效的AI系统迭代优化。（论文赞 5）
在 Hugging Face 查看
排行第九：闲聊信息污染临床记录并干扰LLM临床推理
研究分析了576例医患对话，发现前沿模型会将35%的闲聊内容插入病历，其中3.7%存在临床误用。在模拟会诊中，背景语音污染了48.2%的转录文本，揭示了LLMs在临床应用中面临的信息干扰问题。（论文赞 2）
在 Hugging Face 查看
排行第十：冻结模型演进：多模态医疗AI的部署经验学习框架
针对医学领域知识更新的需求，提出模型无关框架使冻结的LLMs/VLMs能从部署经验中学习，克服传统微调需要权重访问和参数免调方法可能过拟合固定验证集的问题。（论文赞 2）
在 Hugging Face 查看
排行第十一：通过模拟生成连贯企业数据的可扩展方法
提出STS无模式数据合成范式，通过LLM代理在模拟环境中执行API操作来生成数据，解决了传统表格合成方法的结构有效性限制和基于过程方法缺乏分布保真度的问题。（论文赞 3）
在 Hugging Face 查看
排行第十二：SpecFold：折叠多分支冗余加速扩散语言模型推测解码
针对扩散大语言模型的迭代生成特性，通过识别推测验证步骤中的多分支计算冗余，提出折叠隐藏状态相似性的加速方法，补充了现有主要利用去噪步骤间时间冗余的加速技术。（论文赞 3）
在 Hugging Face 查看
