[Feature] 支持原生多轮对话评测流程（MultiTurnInferencer）

[shuheng-mo]

描述该功能

当前 ChatInferencer 的 infer_every 模式存在一个根本问题：
每一轮推理都是从原始 ground truth 对话中截取 history，
而不是把模型自己上一轮的输出追加进去。
这意味着模型永远看不到自己之前说过的话，
根本无法评测真正意义上的多轮对话能力（记忆、上下文一致性、连续推理等）。

新增一个 MultiTurnInferencer，支持：

• 每轮将模型自身的历史回复作为后续轮次的上下文输入，真正串联多轮
• 统一的多轮数据集格式（dialogue 字段）
• 支持单轮打分与 session 整体打分

简单思路：

class MultiTurnInferencer(BaseInferencer):
    def inference(self, retriever, ...):
        for sample in retriever.test_ds:
            history = []
            for turn in sample['dialogue']:
                if turn['role'] == 'user':
                    history.append(turn)
                elif turn['role'] == 'assistant':
                    # 关键：用真实历史（含模型自己的回复）生成
                    response = self.model.generate_from_template([history], ...)
                    history.append({'role': 'assistant', 'content': response})

可能的改动点：

• 新建 opencompass/openicl/icl_inferencer/icl_multiturn_inferencer.py
• 评测器支持多轮 session 的分轮打分与整体聚合
• 补充多轮数据集 schema 及接入文档

是否希望自己实现该功能？

• 我希望自己来实现这一功能，并向 OpenCompass 贡献代码！