以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
GUI grounding requires locating small controls in cluttered screenshots and identifying which control a natural-language instruction refers to. Cropping and enlargement can expose local detail, but the resulting image may still leave ambiguity about the intended target. We propose PreView, an auxiliary preprocessor tha
阅读原文 · Wenjun Hou, Kaishuai Xu
向阳乔木 · opencode-go/deepseek-v4.1-flash
GUI 智能体要能点对按钮，先得在密密麻麻的截图里找到那个小控件。这一步叫 GUI grounding，是很多 GUI Agent 的地基能力。地基不稳，后面规划得再好也白搭。 PreView 的思路挺务实：不改动现有的 grounding 模型，只在它前面加一个轻量预处理器，把输入改造得更容易定位。 对已经部署了 grounding 模型的团队来说，这种“...