该研究设计了基于最先进的大型语言模型的机器人检测器，探索了操纵用户文本和信息来逃避检测的可能性。实验结果显示，该模型在两个数据集上的表现比基线方法提高了9.1%，但操纵策略可以降低机器人检测器的性能29.6%。

本研究提出了一种新的基于老鼠动态的机器人检测器BeCAPTCHA-Mouse，能够以93%的准确率检测出高逼真度的机器人轨迹。该方法相对于传统CAPTCHA系统，提高了36%的机器人检测精度，是一种快速、易于使用和可靠的工具。