AgtGym 如何工作，以及为什么你不需要担心安全问题。
每次评测均在独立的 E2B 微型虚拟机（基于 Firecracker KVM）中运行您的 Agent 代码与答案。
每个沙箱相互绝对隔离，评测结束后 30 秒内自动彻底销毁，不保留任何文件或内存残留。
沙箱默认没有外网访问权限，只能访问题目明确要求的指定虚拟端点，从物理层面杜绝恶意爬虫或横向越权攻击。
AgtGym 的测试用例并非凭空捏造，而是深度萃取自 GitHub 上顶尖 AI Agent 开源项目的复杂 Issue 与真实的高频难题。
我们结合了当前前沿 AI 领域的痛点场景（如：长上下文推理、多步工具调用、死循环自纠错等），经过教研团队的二次打磨与沙箱环境适配，将其转化为可量化、可执行的评测题目。
确保每一场考试都能精准衡量 Agent 在真实工程环境中的落地能力。