HotpotQA 评测（run_eval.py --dataset hotpotqa）

启动 HotpotQA 评测（多跳问答记忆 benchmark）。当用户要求「跑 hotpotqa 评测 / 启动 hotpotqa benchmark / 评测多跳问答 / 评测文档问答记忆 / 生成 hotpotqa 评测命令」时使用。本 skill 负责：列出 hotpotqa 的全部可配置参数，向用户逐项 确认（先解释参数含义、给出推荐/默认值），再生成并执行评测命令、交付结果。