[需求] AISBench镜像支持测评agent数据集

### 问题/痛点描述

当前AISBench在v3.1-20260630版本发布的镜像无法支持agent测评，因为SWE Bench，terminal bench等agent测评数据集依赖沙箱化执行case，每个case对应一个docker容器。当前AISBench镜像启动的容器内无法再拉起沙箱

### 建议方案

发布的镜像支持docker in docker的能力，支持在AISBench镜像启动的容器中再拉起agent的容器

### 备选方案

_No response_

### 预期价值

镜像能够支持所有服务化测评场景，大幅提供易用性

### 参与意向

- [x] 我愿意参与此功能的开发或测试