CRUX开源长周期Agent评测基础设施

CRUX团队开源CRUX-in-a-box，用于运行和监控持续数周的Agent评测，结论是长周期评测得以通过虚拟机长跑、风险标记和成本管控完成。 该项目源于CRUX团队持续六个月的评估实践，面向学界和业界提供可复用的评测基础设施。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。