Jag：一步回归预测边界框，小模型视觉定位更快更省显存

中科院大学等团队提出 Jag，让紧凑多模态模型直接连续回归预测边界框，替代自回归逐坐标生成。其轻量回归头读取最后一个有效输入 token 状态，单次前向即输出四个坐标，几何监督联合适配语言主干、视觉合并器与回归头。Jag 在各基准上持续优于基座模型，与专用定位模型精度相当，但单请求延迟与 GPU 显存更低。