agent评测基准

• τ²-Bench
  • τ²-Bench 测评基准简介
  • AISBench中快速上手 τ²-Bench 测评
  • 中断后继续执行测评
  • 单条case多次执行（pass^k）
  • 使用 TAU2-mini 采样子集
• SWEbench 使用指南
  • 1. 功能概览
  • 2. 前置依赖
  • 3. 最小配置（先跑通再调优）
  • 4. 运行命令
  • 5. 输出结果怎么看
  • 6. 常见问题与排障（SWEB 错误码）
  • 7. 进阶建议（可选）