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 1510，趋势分 1435。标签：embedding_gemma2、embedding、sentence-transformers、multimodal-embedding、multimodal。（点赞 1510 · 趋势分 1435）
在 Hugging Face 查看
排行第二：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 957，趋势分 844。标签：gemma4_unified、image-text-to-text、humanizer、text-rewriting、rewriting。（点赞 957 · 趋势分 844）
在 Hugging Face 查看
排行第三：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 1989，趋势分 837。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 1989 · 趋势分 837）
在 Hugging Face 查看
排行第四：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 3874，趋势分 674。标签：qwen、image-generation、comfyui、comfyui-gguf、base_model:Qwen/Qwen-Image-2.1。（点赞 3874 · 趋势分 674）
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 860，趋势分 554。标签：vllm、kolibri1、reasoning、moe、conversational。（点赞 860 · 趋势分 554）
在 Hugging Face 查看
排行第六：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 7175，趋势分 467。标签：diffusion-single-file、text-to-video、video-to-video、image-text-to-video、audio-to-video。（点赞 7175 · 趋势分 467）
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 679，趋势分 466。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 679 · 趋势分 466）
在 Hugging Face 查看
排行第八：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 447，趋势分 440。标签：diffusers、qwen、image-generation、image-editing、base_model:Qwen/Qwen-Image-2.1。（点赞 447 · 趋势分 440）
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 17427，趋势分 342。标签：qwen3_5、conversational、eval-results、deploy:azure、deploy:sagemaker。（点赞 17427 · 趋势分 342）
在 Hugging Face 查看
排行第十：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 731，趋势分 320。标签：qwen3_5、clef、cloudflare、systemone、decision-model。（点赞 731 · 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 336，趋势分 305。标签：ema-lightning、tts、turkish、speech-synthesis、flow-matching。（点赞 336 · 趋势分 305）
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 5462，趋势分 298。标签：laya、system-one、calibrated-decisions、rlcd、classification。（点赞 5462 · 趋势分 298）
在 Hugging Face 查看
论文
排行第一：过渡定律格：生成模型解码调度性能预测研究
长期以来，扩散和自回归（AR）被视为不同生成模型，近期混合模型固定解码调度。本文探讨能否在固定步数前预测解码调度性能，将扩散、AR及中间模型描述为corruption lattice上的路径，定义调度成本为并行步骤丢弃的依赖，发现零成本调度的最少步数由几何决定。（论文赞 1）
在 Hugging Face 查看
排行第二：进化机器人中协同进化通信的行为持续性与不完全转移
评估共进化通信协议从2D仿真到3D物理环境的直接转移（不重新训练网络权重），两个e-puck型机器人执行食物寻找任务，感觉运动翻译层需校准饥饿项等三个修正，转移仍部分且不对称，一个机器人仅1次成功，另一个从未成功。
在 Hugging Face 查看
排行第三：协同进化通信从2D到3D仿真的转移效果评估
考察协同进化通信机制从离散2D模拟器到带真实物理的3D模拟器的转移，关注其功能是否保留，分析时间预算、社交线索、角色不对称的影响，发现成功率随时间预算线性增加，2000到6000物理步未出现平台期。
在 Hugging Face 查看
排行第四：Opera：长视野编码代理的语言批评框架
长视野编码代理需及时纠正，但反馈可能无效或有害，现有方法少跟踪反馈后情况。Opera将纠正视为持久笔记，通过定期和事件驱动触发审查，用类型运算符诊断问题，交付前审核反馈，跟踪后续行动区分合规与真正解决问题。（论文赞 10）
在 Hugging Face 查看
排行第五：技能星座：追踪GitHub上代理技能的供应链
代理技能是AI编码代理运行的SKILL.md指令和脚本，开发者通过仓库间复制共享，形成无注册表、版本或来源的供应链。本文构建首个带时间的技能复制网络（基于GitSkills的SKILL.md git历史），覆盖GitHub上219万次技能采用，揭示技能复制关系。（论文赞 1）
在 Hugging Face 查看
排行第六：用物理注意力偏差预测电缆动力学
可变形线性物体（如电缆）的学习模拟器需预测未训练电缆的运动并长期稳定，误差多来自自接触或地面接触。注意力可表示远距离段接触但无几何概念，电缆有弧长（弹性力）和欧氏（接触）距离，本文添加物理注意力偏差（注意力对数的加性项）以改进预测。（论文赞 1）
在 Hugging Face 查看
排行第七：GPU并行异构多任务强化学习框架
提出Hebero基准，基于GPU并行Isaac Lab平台，支持单个策略在40个异构任务上的联合训练与评估。通过增加并行实例数量，在固定时间内提升任务成功率，并引入DGPO方法，利用演示数据生成密集跟踪奖励以支持稀疏奖励和有限演示的学习。（论文赞 8）
在 Hugging Face 查看
排行第八：Mara Chain：将失败转化为AI系统自进化跳板
现有AI系统优化方法常通过提出-评估-选择流程，但被舍弃的候选方案往往包含后续优化所需的关键信息。Mara Chain提出一种改进方法，将被拒绝的候选方案保留并迭代精炼，避免重复失败模式，提升优化效率。（论文赞 5）
在 Hugging Face 查看
排行第九：LLM临床笔记中的偶然信息干扰推理
大型语言模型在临床记录和推理中易受非相关对话干扰。研究发现前沿模型在35%的笔记中插入闲聊内容，3.7%出现误用或临床误判。背景语音泄露也影响48.2%的转录，说明模型对无关信息敏感，影响临床判断。（论文赞 2）
在 Hugging Face 查看
排行第十：冻结模型的多模态医疗AI持续学习
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。该方法无需访问模型权重或重新训练，避免过拟合和视觉信息丢失，支持在医疗领域持续更新知识，适应新证据和诊疗变化。（论文赞 2）
在 Hugging Face 查看
排行第十一：仿真合成：可扩展代理系统交互生成企业数据
提出Synthesis Through Simulation（STS）方法，通过LLM代理在模拟环境中执行受策略约束的API操作生成数据。该方法无需Schema，克服了表格合成的结构限制和程序方法的分布偏差，实现可扩展的企业数据生成。（论文赞 3）
在 Hugging Face 查看
排行第十二：SpecFold：多分支冗余加速扩散语言模型解码
针对扩散语言模型的多分支推测解码，发现每个验证步骤中存在多分支计算冗余。通过分析父分支与子分支的隐藏状态相似性，提出SpecFold方法，利用冗余加速推理过程，提升生成效率。（论文赞 3）
在 Hugging Face 查看
