Buchumschlag

Compress to Focus: Efficient Coordinate Compression for Policy Optimization in Multi-Turn GUI Agents

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Song, Yurun, Yin, Jiong, Zhang, Rongjunchen, Harris, Ian G.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FinMTM: A Multi-Turn Multimodal Benchmark for Financial Reasoning and Agent Evaluation
von: Zhang, Chenxi, et al.
Veröffentlicht: (2026)

HiconAgent: History Context-aware Policy Optimization for GUI Agents
von: Zhou, Xurui, et al.
Veröffentlicht: (2025)

GUI Exploration Lab: Enhancing Screen Navigation in Agents via Multi-Turn Reinforcement Learning
von: Yan, Haolong, et al.
Veröffentlicht: (2025)

GUI-Actor: Coordinate-Free Visual Grounding for GUI Agents
von: Wu, Qianhui, et al.
Veröffentlicht: (2025)

SecAgent: Efficient Mobile GUI Agent with Semantic Context
von: Xie, Yiping, et al.
Veröffentlicht: (2026)

Efficient Long-Horizon GUI Agents via Training-Free KV Cache Compression
von: Zhou, Bowen, et al.
Veröffentlicht: (2026)

ARPO:End-to-End Policy Optimization for GUI Agents with Experience Replay
von: Lu, Fanbin, et al.
Veröffentlicht: (2025)

MMBench-GUI: Hierarchical Multi-Platform Evaluation Framework for GUI Agents
von: Wang, Xuehui, et al.
Veröffentlicht: (2025)

FocusLLaVA: A Coarse-to-Fine Approach for Efficient and Effective Visual Token Compression
von: Zhu, Yuke, et al.
Veröffentlicht: (2024)

Efficient Masked Image Compression with Position-Indexed Self-Attention
von: Dai, Chengjie, et al.
Veröffentlicht: (2025)

ApET: Approximation-Error Guided Token Compression for Efficient VLMs
von: Ma, Qiankun, et al.
Veröffentlicht: (2026)

CompressNAS : A Fast and Efficient Technique for Model Compression using Decomposition
von: Sah, Sudhakar, et al.
Veröffentlicht: (2025)

MaskFocus: Focusing Policy Optimization on Critical Steps for Masked Image Generation
von: Zhang, Guohui, et al.
Veröffentlicht: (2025)

Efficient Large Multi-modal Models via Visual Context Compression
von: Chen, Jieneng, et al.
Veröffentlicht: (2024)

UI-TARS-2 Technical Report: Advancing GUI Agent with Multi-Turn Reinforcement Learning
von: Wang, Haoming, et al.
Veröffentlicht: (2025)

Flow-Based Generative Modeling for Optimizing Sampling Policies in Compressed Sensing Applications
von: Pavelkin, Roman, et al.
Veröffentlicht: (2026)

StreamMeCo: Long-Term Agent Memory Compression for Efficient Streaming Video Understanding
von: Wang, Junxi, et al.
Veröffentlicht: (2026)

CLIP-Map: Structured Matrix Mapping for Parameter-Efficient CLIP Compression
von: Zhang, Kangjie, et al.
Veröffentlicht: (2026)

AgentCompress: Task-Aware Compression for Affordable Large Language Model Agents
von: Taha, Zuhair Ahmed Khan, et al.
Veröffentlicht: (2026)

RobustSCI: Beyond Reconstruction to Restoration for Snapshot Compressive Imaging under Real-World Degradations
von: Wang, Hao, et al.
Veröffentlicht: (2026)

Recovering Policy-Induced Errors: Benchmarking and Trajectory Synthesis for Robust GUI Agents
von: Bu, Tianpeng, et al.
Veröffentlicht: (2026)

General Compression Framework for Efficient Transformer Object Tracking
von: Hong, Lingyi, et al.
Veröffentlicht: (2024)

A Multi-Stage Optimization Framework for Deploying Learned Image Compression on FPGAs
von: Fang, Jiaxun, et al.
Veröffentlicht: (2025)

Efficient Reasoning via Thought Compression for Language Segmentation
von: Zhou, Qing, et al.
Veröffentlicht: (2026)

SnapCap: Efficient Snapshot Compressive Video Captioning
von: Sun, Jianqiao, et al.
Veröffentlicht: (2024)

Taking Notes Brings Focus? Towards Multi-Turn Multimodal Dialogue Learning
von: Liu, Jiazheng, et al.
Veröffentlicht: (2025)

Raw-JPEG Adapter: Efficient Raw Image Compression with JPEG
von: Afifi, Mahmoud, et al.
Veröffentlicht: (2025)

SCP: Spherical-Coordinate-based Learned Point Cloud Compression
von: Luo, Ao, et al.
Veröffentlicht: (2023)

DMOFC: Discrimination Metric-Optimized Feature Compression
von: Gao, Changsheng, et al.
Veröffentlicht: (2024)

Amber-Image: Efficient Compression of Large-Scale Diffusion Transformers
von: Yang, Chaojie, et al.
Veröffentlicht: (2026)

Delta-SVD: Efficient Compression for Personalized Text-to-Image Models
von: Zhang, Tangyuan, et al.
Veröffentlicht: (2025)

AutoFocus: Uncertainty-Aware Active Visual Search for GUI Grounding
von: Yao, Ruilin, et al.
Veröffentlicht: (2026)

GUI-CEval: A Hierarchical and Comprehensive Chinese Benchmark for Mobile GUI Agents
von: Li, Yang, et al.
Veröffentlicht: (2026)

METok: Multi-Stage Event-based Token Compression for Efficient Long Video Understanding
von: Wang, Mengyue, et al.
Veröffentlicht: (2025)

TriAttention: Efficient Long Reasoning with Trigonometric KV Compression
von: Mao, Weian, et al.
Veröffentlicht: (2026)

EvoCut: Multi-Layer Evolution-Aware Visual Token Compression for Efficient Large Vision-Language Models
von: Lu, Hongyu, et al.
Veröffentlicht: (2026)

\textsc{GUI-Spotlight}: Adaptive Iterative Focus Refinement for Enhanced GUI Visual Grounding
von: Lei, Bin, et al.
Veröffentlicht: (2025)

STaR-KV: Spatio-Temporal Adaptive Re-weighting for KV Cache Compression in GUI Vision-Language Models
von: Han, Yuhang, et al.
Veröffentlicht: (2026)

CogAgent: A Visual Language Model for GUI Agents
von: Hong, Wenyi, et al.
Veröffentlicht: (2023)

Head-Aware Key-Value Compression for Efficient Autoregressive Image Generation
von: Liang, Guotao, et al.
Veröffentlicht: (2026)