CaptchaAgent：用于 CAPTCHA 求解的可验证视觉推理

英文标题：CaptchaAgent: Verifiable Visual Reasoning for CAPTCHA Solving

论文《CaptchaAgent：用于 CAPTCHA 求解的可验证视觉推理》以 arXiv:2610.12866v1 形式发布。摘要指出，现代推理型 CAPTCHA 要求具备细粒度视觉感知、组合式关系推理以及基于浏览器的落地交互能力。论文认为，端到端视觉语言模型 Agent 在这一场景中仍较为脆弱，漏检目标、计数错误或关系混淆都可能导致失败。该研究对开发可靠的 CAPTCHA 自动化求解与可验证视觉推理系统具有参考意义。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB