CRUX-in-a-box 开源：支撑数周级长周期 Agent 评测

Sayash Kapoor 代表 CRUX 团队宣布开源 CRUX-in-a-box，一套用于运行和监控长达数周的 Agent 评测的基础设施。该项目源自 CRUX 团队六个月长周期评估的实践积累，核心能力涵盖虚拟机长跑运行、风险标记与成本管控等，为学界和业界开展长时程 Agent 评测提供了可复用的工具。

2026-11-06 ~ 2026-11-06 · 3 条相关

• CRUX 团队开源 CRUX-in-a-box：数周级 Agent 评测基础设施 — sayashk · 2026-11-06
• CRUX-in-a-box 开源:数周级 agent 评测的监控基础设施 — sayashk · 2026-11-06

另有 1 条近重复转述:sayashk