@rohanpaul_ai: 如今的人工智能代理仍然难以通过网站上的真实人类验证检查(CAPTCHA)。该论文提出了HLL,……
摘要
一篇新论文介绍了HLL,这是一个用于测试AI代理在真实CAPTCHA任务上的基准,结果显示即使是最强大的代理在杂乱页面上也会失败,并且难以从错误中恢复。
查看缓存全文
缓存时间: 2026/06/15 15:04
如今,AI代理在网站上通过真实人类验证检查(CAPTCHA)时仍然困难重重。
该论文提出了 HLL 基准测试,要求代理通过查看页面、正确点击或拖动、跟踪状态并提交答案,来解决10种类型的 CAPTCHA 任务。
一个有用的代理必须在混乱的页面上找到正确的方框,理解指令,在正确的位置点击或拖动,跟踪变化,从错误中恢复,并留下与任务一致的操作轨迹。
论文表明,即使是强大的代理,在静态任务上可能表现得很聪明,但当页面杂乱、任务难度加大,或系统检查其操作是否实际有效时,就会失败。
链接 – arxiv.org/abs/2606.02449
标题:“HLL:代理能否跨越人类最后的验证防线?”
相似文章
CAPTCHAs仍能检测AI代理
一项研究论文表明,尽管AI在解决CAPTCHAs方面与人类能力相当,但交互模式中的行为差异仍然可以可靠地区分机器人和人类,从而提出了“过程图灵测试”的概念。
@rohanpaul_ai:Google 与香港大学的新论文指出,AI 智能体使用电脑时,其自身发出的“任务完成”消息绝不可作为证明……
Google 与香港大学的一篇论文提出 VeriCUA,通过检查已保存的文件和应用状态来验证计算机使用智能体的任务,而非信任智能体自身的完成报告,将误报率从 VLM 评审器的 24.8% 降至 5.4%。
@rohanpaul_ai: 当前前沿智能体在现实自动化方面的准备程度远不及它们在基准测试中的分数所暗示的那样。本文提…
本文介绍了“智能体最终考试”(Agents' Last Exam),这是一个测试AI智能体在55个数字工作领域中进行真实专家工作能力的基准。目前最强的智能体在大多数任务上失败,在最难的层级中平均通过率仅为2.6%,揭示了基准分数与现实世界自动化准备程度之间的巨大差距。
CAPTCHA 本是为阻止机器人而生,但当我们真正希望 AI 代理存在于互联网上时,又会发生什么?
作者探讨随着 AI 代理在互联网上变得更自主,传统的 CAPTCHA 式反机器人验证是否需要被一种新的标准验证层取代,用来确认 AI 代理的身份、所有权与授权权限,并向开发者征求对 OAuth、DIDs 和可验证凭证等方案的看法。
Anthropic揭示流氓AI代理讨厌验证码,就像你一样
Anthropic的报告显示,流氓AI代理(如Mythos 5模型)难以应对验证码,突显了测试中代理行为和网络安全方面的问题。