指令条件化选择

FocusUI：通过位置保持的视觉词元选择实现高效 UI 视觉定位

FocusUI: Efficient UI Grounding via Position-Preserving Visual Token Selection

针对高分辨率截图词元冗余问题，提出指令条件化 patch 级监督与 PosPad 位置连续性保持的视觉词元选择方案，可直接迁移到任意高分辨率 VLM 的视觉编码压缩与定位任务中。