CaptchaArena 用 2 万道可执行验证的验证码题训练出单一策略 CaptchaAgent，平均 Pass@1 从 11.4 提升到 71.7，人类为 94.1
该工作构建了 CaptchaArena——一个包含 2 万道交互式验证码谜题、覆盖 20 种类型与五种交互模式的大规模细粒度计算机使用训练数据集，每道题的解答都经真实浏览器回放并由页面验证器接受，同时提供 2 万条截图-动作轨迹（其中 1.8 万条带经裁判过滤的逐步推理标注）以及针对不规则目标的像素掩码监督；基于该数据训练单一 90 亿参数策略 CaptchaAgent，监督微调后平均 Pass@1 达 70.5，再用环境验证器作为奖励做强化学习后升至 71.7，而未训练骨干为 11.4、最强开源 GUI 智能体为 35.2、最强闭源模型为 69.2、人类为 94.1。