Hugging Face Paper-Seiten: Tägliche Papers, arXiv-Links und Modell-Metadaten

Eine Hugging Face Paper-Seite befindet sich unter huggingface.co/papers/<arXiv-ID> (zum Beispiel /papers/2310.06825, die Mistral 7B Paper). Sie spiegelt den arXiv-Abstract wider und fügt Upvotes, Kommentare, verifizierte Autoren sowie automatisch generierte Listen der Modelle, Datensätze und Spaces hinzu, die das Paper zitieren. huggingface.co/papers selbst ist „Daily Papers“, ein kuratierter Einreichungsfeed.

Mit dieser Anfrage meinen Menschen oft zwei weitere Dinge: die Papers, die das eigene Hugging Face-Team veröffentlicht hat, sowie die Metadaten-Infrastruktur, die ein Paper mit herunterladbaren Gewichten verbindet. Beides wird weiter unten behandelt.

Was tatsächlich auf einer Paper-Seite steht

Abschnitt	Was es ist	Wer kontrolliert sie
Abstrakt	Gespiegelter Text sowie ein Link zur arXiv-PDF	arXiv
Upvotes	Ein Indikator für Beliebtheit – keine fachliche Begutachtung, keine Reproduktion	Jeder angemeldete Account
Autoren	Autorennamen, verlinkt zu Hub-Profilen, sobald die Autorenschaft beansprucht und bestätigt wurde	Hugging Face verifiziert solche Ansprüche
Modelle / Datensätze / Spaces, die dieses Paper zitieren	Automatisch abgeleitet aus Repository-Karten, die auf die arXiv-ID verweisen	Repository-Besitzer
Community-Reiter	Threadförmige Kommentare, oft inklusive Antworten der Autoren	Jeder angemeldete Account

In der Praxis existiert eine Paper-Seite, sobald das Paper entweder in „Daily Papers“ eingereicht oder von einem Hub-Repository aus referenziert wurde. Falls Sie einem arXiv-Link folgen und auf einer 404-Seite landen, wurde das Paper noch nicht mit dem Hub verknüpft.

„Daily Papers“ versus Paper-Seiten

Es handelt sich um unterschiedliche Objekte. Die Paper-Seite ist dauerhaft und anhand der arXiv-ID eindeutig identifizierbar. „Daily Papers“ ist der zeitlich geordnete Feed unter huggingface.co/papers, wo Community-Einreichungen täglich gesammelt und vorrangig nach Upvotes sortiert werden.

Die Einreichung ist eingeschränkt: In der Regel müssen Sie als verifizierter Autor des Papers registriert sein, um es in den Feed einzustellen; zudem gilt eine Obergrenze für die Anzahl der Einreichungen pro Nutzer. Diese genaue Obergrenze sowie der tägliche Cut-off-Zeitpunkt haben sich im Laufe der Zeit geändert – orientieren Sie sich daher am besten an der Hinweisbox im Einreichungsformular statt an veralteten Angaben aus Blogposts.

Nützliche URL-Muster

URL	Was Sie erhalten
huggingface.co/papers	Heutige Daily Papers
huggingface.co/papers?date=2026-03-04	Der Feed für diesen konkreten Tag
huggingface.co/papers/2310.06825	Die Paper-Seite für diese arXiv-ID
huggingface.co/papers?q=speculative+decoding	Durchsuchen Sie alle indizierten Papers

Datum und Suchparameter sind stabil genug, um als Lesezeichen gespeichert zu werden. Die Registerkarten-Namen auf der Übersichtsseite („Trending“, „Wöchentliche Aufrufe“, „Monatliche Aufrufe“) wurden bereits mehrfach neu angeordnet – navigieren Sie daher direkt über die Seite selbst.

Wie Modelle mit einem Paper verknüpft werden: README.md und model-index

Jedes Repository auf dem Hub – Modell, Datensatz oder Space – verfügt über eine README.md im Stammverzeichnis. Diese Datei ist definiert die Karte. Sie beginnt mit einem YAML-Block, der durch zwei --- Zeilen eingeschlossen ist; der Hub analysiert diesen Abschnitt für strukturierte Metadaten, während alles nach der abschließenden Begrenzungszeile als Markdown gerendert wird.

Zum Abschnitt „Modelle, die dieses Paper zitieren“

Es gibt zwei Mechanismen – beide können Sie nutzen:

• Fügen Sie die reine arXiv-URL (https://arxiv.org/abs/2310.06825) in den Hauptteil von README.md, üblicherweise im Zitierblock, ein. Der Hub extrahiert arXiv-Links aus Karten.
• Fügen Sie das explizite Tag arxiv:2310.06825 zur tags -Liste im YAML-Frontmatter hinzu. Dies ist die eindeutige Form und ermöglicht es, das Repository gezielt nach diesem Tag zu filtern.

Angabe der Paper-Zahlen mittels model-index

model-index ist ein YAML-Schlüssel im selben Frontmatter. Damit werden selbstberichtete Evaluierungsergebnisse maschinenlesbar – statt in einer Markdown-Tabelle, die niemand abfragen kann. Es handelt sich um ein Array von Modellen, wobei jedes Modell eine Liste von Ergebnissen enthält; jedes Ergebnis verknüpft eine Aufgabe (task), einen Datensatz (dataset) und eine oder mehrere Metriken (metrics):

---
license: apache-2.0
language:
- en
library_name: transformers
pipeline_tag: text-generation
base_model: mistralai/Mistral-7B-v0.3
datasets:
- squad
tags:
- arxiv:2310.06825
model-index:
- name: my-paper-reproduction
  results:
  - task:
      type: question-answering
      name: Question Answering
    dataset:
      type: squad
      name: SQuAD v1.1
      split: validation
    metrics:
    - type: exact_match
      value: 87.3
      name: Exact Match
      verified: false
---

Drei Details, an denen Nutzer häufig scheitern. Der Schlüssel ist mit Bindestrich geschrieben (model-indexmodel-index model_index). task.type muss ein gültiger Hub-Aufgaben-Identifier sein, etwa text-generation oder question-answering– andernfalls wird der Block stillschweigend ignoriert, statt deutlich abgelehnt zu werden. Und verified: false ist der ehrliche Standardwert: Verifizierte Ergebnisse stammen von Hugging Face-eigenen Evaluierungsläufen, nicht von Ihrer eigenen Behauptung.

Falls Ihr YAML fehlerhaft ist, wird die Karte dennoch gerendert; die Metadaten verschwinden jedoch lautlos. Überprüfen Sie die Repository-Seite nach dem Commit und vergleichen Sie die gerenderten Spezifikationen Ihrer Karte mit einem Referenzbeispiel wie der Convly-Modell-Datenbank um sicherzustellen, dass die erwarteten Felder tatsächlich übernommen wurden.

Reproduktion des Modells eines Papers lokal

Bevor Sie 30 GB Gewichte herunterladen, prüfen Sie, ob das Modell auf Ihre Grafikkarte passt. Geben Sie die Angaben in den VRAM-RechnerVRAM-Berechner VRAM-Anforderungstabelle nach Modellein. Das Leistungsergebnis eines Papers wird oft auf 8×H100 erzielt; der Checkpoint auf der Paper-Seite kann hingegen eine deutlich kleinere Distillation sein.

Die Tools bestehen auf allen drei Plattformen aus einem einzigen Python-Paket:

pip install -U huggingface_hub
hf auth login
hf download mistralai/Mistral-7B-Instruct-v0.3 --include "*.safetensors" "*.json" "tokenizer*"

Die CLI wurde in einer 2025er Version von huggingface-cli auf hf umbenannt. huggingface_hubÄltere Installationen verwenden noch huggingface-cli download und huggingface-cli loginhuggingface-cli hf hf hf --help oder pip show huggingface_hub ausführen, um festzustellen, welche Version Sie nutzen.

Linux

Der Cache befindet sich standardmäßig unter ~/.cache/huggingface/hub. Verschieben Sie ihn mit export HF_HOME=/mnt/models/hf vor Ausführung beliebiger Befehle. Für große Repositories empfehlen wir pip install hf_transfer und export HF_HUB_ENABLE_HF_TRANSFER=1 steigert den Durchsatz bei schnellen Verbindungen erheblich. Dies ist der Pfad, auf dem benutzerdefinierte CUDA-Kernel, die mit dem Code einer wissenschaftlichen Arbeit ausgeliefert werden, tatsächlich kompiliert werden; siehe GPU-Empfehlungen für lokale LLMs wenn Sie Hardware für Reproduktionszwecke auswählen.

macOS

Derselbe Cache-Pfad, ~/.cache/huggingface/hub. Auf Apple Silicon deckt PyTorch’ MPS-Backend die gewöhnliche Transformer-Inferenz ab, aber Repositories zu wissenschaftlichen Arbeiten, die auf manuell geschriebene CUDA-Erweiterungen angewiesen sind, lassen sich dort überhaupt nicht kompilieren. In diesem Fall bietet sich als pragmatischer Weg eine quantisierte GGUF-Konvertierung über Ollama — Sie verlieren damit die exakte numerische Übereinstimmung mit der Originalarbeit, daher darf dies nicht als Reproduktion angegeben werden.

Windows

Der Cache befindet sich standardmäßig unter C:\Users\\.cache\huggingface\hub. Legen Sie einen anderen Speicherort in PowerShell mit $env:HF_HOME="D:\hf" für die aktuelle Sitzung fest oder dauerhaft über die Systemeigenschaften. Ohne Developer Mode oder eine erhöhte Shell kann der Hub-Cache keine symbolischen Links erstellen und wechselt stattdessen auf das Kopieren von Dateien, was zusätzlichen Speicherplatz beansprucht und bei jedem Download eine Warnung ausgibt; HF_HUB_DISABLE_SYMLINKS_WARNING=1 unterdrückt die Meldung, ändert jedoch das Verhalten nicht. Viele Forschungs-Repositories gehen von einer Unix-Shell aus, sodass WSL2 in der Regel weniger Probleme bereitet als Windows nativ – zumindest für alles über reine Inferenz hinaus.

Plattform	Standard-Cache	Wichtigste Fallgrube
Linux	~/.cache/huggingface/hub	Keine; die Referenzumgebung
macOS	~/.cache/huggingface/hub	Kein CUDA; benutzerdefinierte Kernel lassen sich nicht kompilieren
Windows	C:\Users\\.cache\huggingface\hub	Fehlender Symlink führt zum Kopieren von Dateien

Von Hugging Face selbst veröffentlichte Papers

Die beiden am häufigsten zitierten Arbeiten lassen sich leicht identifizieren:

Arbeit	arXiv-ID
Transformers: State-of-the-Art Natural Language Processing	1910.03771
DistilBERT, eine komprimierte Version von BERT	1910.01108

Spätere Arbeiten – etwa die Zephyr-Alignment-Papiere, die FineWeb-Datensatz-Publikation oder die SmolLM-Reihe – finden Sie am besten direkt bei der Quelle statt anhand einer aus dem Gedächtnis gerufenen ID. Öffnen Sie das entsprechende Organisationsprofil (z. B.huggingface.co/HuggingFaceTB) und nutzen Sie dessen Registerkarte „Papers“, oder öffnen Sie eine Modellkarte und lesen Sie deren Zitierblock. Beide Wege liefern Ihnen die aktuelle, kanonische Referenz; eine hartcodierte Liste in einem Artikel tut dies nicht.

Programmatischer Abruf von Paper-Daten

Der stabile, dokumentierte Weg ist die gewöhnliche Hub-API, die funktioniert, weil arxiv:<id> ein normaler Tag ist:

curl "https://huggingface.co/api/models?filter=arxiv:2310.06825"

Dies gibt alle Modell-Repositories zurück, die diese Arbeit deklarieren. Hinter dem Daily Papers-Feed selbst existiert zudem ein JSON-Endpunkt, doch dieser ist nicht dokumentiert und bietet keinerlei Kompatibilitätsgarantie – gut geeignet für ein persönliches Digest-Skript, aber nicht für ein Produkt.

Häufig gestellte Fragen

Ist eine Hugging Face Paper-Seite identisch mit der arXiv-Seite?

Nein. Sie spiegelt lediglich den Abstract wider und enthält einen Link zur arXiv-PDF, ist aber ein eigenständiges Objekt mit eigenen Upvotes, Kommentaren und Repository-Links. Für Zitierungen verwenden Sie stets den arXiv-Eintrag oder die in einer Fachzeitschrift veröffentlichte Version. Die Angabe der Hugging Face-URL in einer Bibliographie ist ein häufiger Fehler bei Preprints – Gutachter bemerken dies.

Wie bekomme ich mein Modell unter „Modelle, die dieses Paper zitieren“ angezeigt?

Fügen Sie den arXiv-Link in die README.md, oder fügen Sie eine arxiv:<id> zur tags -Liste in den YAML-Frontmatter der Karte ein. Die Auflistung wird aus den Metadaten der Karte generiert, aktualisiert sich also nach dem Commit der Karte – nicht bereits beim Hochladen der Gewichte. Fehlt der Eintrag, liegt dies meist an fehlerhaftem YAML im Frontmatter.

Kann ich die Arbeit einer anderen Person für Daily Papers einreichen?

Grundsätzlich nicht – die Einreichung ist auf verifizierte Autoren des Papers beschränkt. Sie können jedoch weiterhin bestehende Seiten upvoten, kommentieren und teilen; zudem reicht es aus, die arXiv-ID in einem von Ihnen verwalteten Repository zu verlinken, damit eine Paper-Seite automatisch erstellt wird. Ansprüche auf Autorenschaft werden über die Paper-Seite geltend gemacht und von Hugging Face bestätigt.

Bedeuten Upvotes, dass ein Paper gut ist?

Damit ist gemeint, dass sie am Tag ihrer Veröffentlichung Aufmerksamkeit erhielt. Der Feed belohnt neben den Ergebnissen vor allem den Zeitpunkt der Veröffentlichung, eine bekannte Autorenliste und einen auffälligen Titel. Behandeln Sie Benchmark-Angaben daher als unverifiziert, bis Sie sie unabhängig bestätigt haben – ein LLM-Leaderboard ist eine bessere Vergleichsbasis als die eigene Tabelle einer Arbeit, und die API-Kostenrechner ist nützlicher als die Effizienzangaben einer Arbeit, wenn Sie entscheiden müssen, was Sie tatsächlich einsetzen wollen.

Woher stammen die Bewertungszahlen auf einer Modellkarte?

Aus dem model-index -Block in der README.md, die der Repository-Besitzer manuell verfasst. Diese Angaben stammen von ihm selbst, es sei denn, eine Metrik enthält den Hinweis verified: true, was bedeutet, dass Hugging Face die Evaluation durchgeführt hat. Behandeln Sie nicht verifizierte Einträge wie jede beliebige Zahl in einem Preprint: plausibel, aber nicht geprüft – und lohnt daher eine eigenständige Überprüfung mit Ihren eigenen Daten.