University of Southern California（南加州大学）

CatchBench: When Can an Agent Failure Be Caught?

CatchBench：智能体故障何时能被检测？

Yue Zhao

机构 * University of Southern California（南加州大学） 纠错

AI总结 CatchBench是首个在同一任务-方法接口下对智能体运行前、运行中、完成后三种信息状态进行评分的基准，涵盖多类模型与配置，揭示基准分数需结合标签过程才可解释。

Comments 39 pages, 6 figures, 21 tables. Work in progress. Code and data: this https URL (https://github.com/yzhao062/catchbench)

GUI-Primitives: Diagnosing Spatial Reasoning Failures in Vision-Language GUI Grounding

GUI-Primitives：诊断视觉-语言GUI定位中的空间推理失败

Md Abrar Jahin, Md Rizwan Parvez

机构 * University of Southern California（南加州大学） ； USC Information Sciences Institute（南加州大学信息科学研究所） ； Qatar Computing Research Institute (QCRI)（卡塔尔计算研究所） 纠错

AI总结 本文提出GUI-Primitives基准，通过994个含7种空间关系的对比指令对，发现多数视觉-语言GUI定位模型的失败源于候选定位而非关系理解，且标记候选可提升准确率。

Comments Accepted to EMNLP 2026 Main Conference

What Does CLIP Learn for Regional Geolocalization? Probing Visual Cues and Scene Configuration After Adaptation

CLIP在区域地理定位任务中学习到了什么？适配后的视觉线索与场景配置探究

Changyu Lee, Yeonsoo Park, Abdullah Alfarrarjeh, Seon Ho Kim

机构 * University of Southern California（南加州大学） ； USC IMSC（南加州大学综合媒体系统中心） ； German Jordanian University（德国约旦大学） ； Integrated Media Systems Center (IMSC)（综合媒体系统中心） 纠错

AI总结 该研究针对大都市区区域地理定位问题，对比CLIP不同适配方法的性能，发现编码器适配可提升邻近区域区分能力，且对场景配置的敏感性更高。

Comments 10 pages, 4 figures, 9 tables. Manuscript under review

AI Learning and Conceptual Transfer in the Game of Hidden Rules

隐规则博弈中的人工智能学习与概念迁移

Christo Mathew, Wentian Wang, Jacob Feldman, Lazaros K. Gallos, Paul B. Kantor, Vladimir Menkov, Hao Wang

机构 * Rutgers University（罗格斯大学） ； University of Southern California（南加州大学） 纠错

AI总结 本研究围绕隐规则博弈（GOHR），采用基于Transformer的A2C框架，开展强化学习智能体的规则推断、表征设计等研究，为相关领域提供实验依据。

Q-Learning with Stable Infinite-Dimensional Linear Function Approximation

基于稳定无限维线性函数近似的Q学习

Shengbo Wang

机构 * University of Southern California（南加州大学） 纠错

AI总结 该研究开发了稳定无限维线性函数近似的Q学习框架，提出两种SA算法并证明其收敛界，可自动适应几何与光滑性，还展示了其在Q测度学习等场景的应用。