该文章介绍了一种基于自监督对比学习的社交机器人检测框架（BotSSCL），通过对比学习在嵌入空间中区分社交机器人和人类，改善了线性可分性。实验证明，BotSSCL 在两个数据集上的性能较其他监督、无监督和自监督基准方法都要高，并且在不同数据集间的测试也表现出较好的泛化性能。此外，BotSSCL 还提高了对抗复杂性，使对手在逃避检测方面的成功率只有 4%。

储备计算是一种递归神经网络，可用于处理时间信号，具有丰富的动力学、线性可分性和记忆能力。本文综合回顾了RC的发展，包括模型、应用和脑机制的建模，并提供了新视角。