**GroundAnything：实现闪电级速度的并行解码与精准视觉定位**

_GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed_

> HuggingFace 社区热门论文 GroundAnything 提出一种 4B 参数视觉定位基础模型，通过双向扩散和块状去噪技术，解决了自回归模型在空间预测上的串行延迟问题。该模型在 30 个基准测试中表现优异，其自回归变体 GroundAnything-VLM 以 72.42% 的平均成绩刷新了同规模模型纪录，甚至优于 GPT-6 Astra。此外，通过熵引导解码和自推测模式，GroundAnything 在保持高精度的同时实现了 4.51 倍的速度提升，为延迟敏感的实际应用提供了高效解决方案。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-13 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.39600)