CRUX 团队开源 CRUX-in-a-box 长周期 Agent 评测基础设施

CRUX 团队开源 CRUX-in-a-box，用于运行和监控长达数周的 Agent 评测。该项目源于团队六个月长周期评估实践，支持虚拟机长跑运行、风险标记与成本管控，为学界和业界提供可复用的评测基础设施。