研究让 AI 通过持续使用改进视觉 CAPTCHA 求解能力

研究将微调后的 YOLOv8 检测器与开放权重 VLM 及置信度路由结合，在不依赖浏览器自动化或 DOM 访问的情况下处理截图和操作系统输入事件。该系统在 16 个类别上的总体准确率为 85.4%，宏平均准确率为 84.2%；VLM 每次生成的答案都会成为训练标签，使检测器通常在一两次接触后吸收新类别，并在模拟的月度对抗中恢复受扰动后的准确率。