LookAgain：通过视觉反思实现闭环GUI定位

现有GUI定位模型在标准基准上的单次预测准确率提高，但在小目标、密集控件及分布外界面上仍明显退化。本文认为，模型通常不会将输出坐标作为待验证的假设，并根据新视觉证据修正。具体问题包括缺乏预测后反思、辅助视觉证据仅服务于下一次坐标而非核验已输出坐标，以及迭代缩放只细化观察区域、不继承此前坐标以作修正。LookAgain将定位改为多轮“预测—再观察—修正”流程：“locate”提出坐标假设，在图像中标记并提供局部裁剪，下一轮继承该预测作为空间先验；“confirm”接受或拒绝假设并结束流程。模型先用构造的反思轨迹做监督微调，再以最终定位正确性为唯一奖励做GRPO训练。实验在考虑拒答及通用GUI定位基准上取得领先结果，消融支持各机制的有效性。