Pesquisador lança CRUX-in-a-box para monitorar agentes de IA
Sayash Kapoor anunciou o CRUX-in-a-box, infraestrutura de código aberto do grupo SAgE, de Princeton (EUA), para rodar e monitorar avaliações de agentes de IA que duram semanas.
Pontos principais
- Roda agentes em máquinas virtuais por semanas.
- Usa LLMs para sinalizar ações arriscadas à revisão humana.
- Permite inspecionar chamadas de ferramentas, consumo de tokens e gastos.
- Permite definir limites de tempo e de custo para os experimentos.
- Permite conversar com os agentes durante a execução, para dar feedback ou responder às perguntas deles.
- Suporta os scaffolds Agents SDK e AgentRQ/ACP, com Codex ou Claude.
Kapoor afirma que a ferramenta foi construída ao longo de seis meses de avaliações de longo horizonte no CRUX, para manter as execuções repetíveis, seguras e monitoradas. O código é do grupo SAgE, da Universidade de Princeton (EUA), e está no GitHub sob licença MIT.
A implantação usa instâncias EC2 da AWS. Segundo os autores do repositório, o código foi configurado especificamente para as avaliações CRUX, e eles incentivam pesquisadores a adaptá-lo para experimentos próprios de estilo CRUX.
Fontes primárias
Anúncio do CRUX-in-a-box
Anúncio do CRUX-in-a-box como infraestrutura de código aberto para rodar e monitorar avaliações de agentes que duram semanas. O autor diz que a ferramenta foi construída ao longo de seis meses de avaliações de longo horizonte no CRUX, para manter as execuções repetíveis, seguras e monitoradas. Segundo o post, ela permite: rodar agentes em VMs por semanas; usar LLMs para sinalizar ações arriscadas para revisão humana; inspecionar chamadas de ferramentas, tokens e gastos; definir orçamentos de tempo e custo; e conversar com agentes durante a execução para dar feedback ou responder perguntas. O link do GitHub está no post.
sage-princeton/crux-in-a-box (README)
Repositório público (licença MIT) com código inicial para experimentos no estilo CRUX: implanta agentes em instâncias EC2 da AWS, executa tarefas e permite inspecionar o trabalho feito. Suporta scaffolds com Agents SDK e AgentRQ/ACP, com Codex ou Claude. O README avisa que o código foi configurado para as avaliações CRUX e encoraja pesquisadores a adaptá-lo e reutilizá-lo para experimentos próprios. O último commit em main é de 4 de novembro de 2026.
Cobertura da mídia
Comentários (0)
Seja o primeiro a comentar.