跳到正文
arXiv · 机器人与计算机视觉· Shangquan Sun, Ruoyu Chen, Zhirui Liu, Xiang Liu, Chenghao Qian, Wenqi Ren, Xiaochun Cao·· 2026-10-12AI 评分43

CaptchaAgent:面向验证码求解的可验证视觉推理框架

CaptchaAgent: Verifiable Visual Reasoning for CAPTCHA Solving

AI 导读

CaptchaAgent 提出结构化视觉推理框架,通过构建显式记录实体与关系的 V-IR 及 ASCII 协议解决端到端模型在细粒度感知上的脆弱性。该框架在 Open CaptchaWorld 上相比商用浏览器代理基线将 Pass@1 提升 21.3-25.8 个百分点,并在 Oedipus-data 基准上平均提升 9.2-12.3 个百分点。

来源:arXiv · 机器人与计算机视觉 · arxiv.org