重复输出与响应长度分析

推理时增加 --dump-res-length 可以把回复长度信息写入预测。汇总阶段增加 --analysis-repeat 可以分析异常重复模式：

opencompass my_eval.py --dump-res-length --analysis-repeat

分析已有结果可使用：

python tools/analyze_repeat.py outputs/my_eval/<时间戳> \
    --model model-abbr \
    --tokenizer gpt-4o

可用 --think-tag 分开分析推理内容和最终回复，--out 指定输出文件。若提供 Hugging Face tokenizer，工具可能需要联网加载；离线环境应传入本地 tokenizer 路径。

响应长度用于发现截断、空回复和成本异常，不等同于输入 token 统计。长上下文输入检查参阅进行长上下文评测时需要注意什么？。