AutoRLBench 发布，用于评测 AI Agent 诊断与修复真实 RL 训练故障

Thinking Space 团队发布 AutoRLBench，用于评测 AI Agent 在真实 RL 训练故障上的诊断与修复能力。基准包含 6 大失败类别和 21 个任务，其中 15 个支持 solution 级评估，并以 Issue Score 和 Solution Score 衡量根因定位与修复成功率。所有任务开源于公共仓库，团队还面向社区征集训练故障任务。