feat: integrate mtvqa benchmark task

[Luodian]

Summary

• add a new mtvqa task using the official ByteDance/MTVQA dataset and prompt format aligned with MTVQA evaluation spec
• implement MTVQA-specific processing in utils.py to flatten qa_pairs, prepare image-text inputs, and score predictions with the official answer in prediction normalization
• update docs/current_tasks.md to include MTVQA in the supported benchmark list

Validation

• uv run pre-commit run --all-files
• uv run python -m lmms_eval --tasks list (verified mtvqa appears)
• uv run python -m lmms_eval --model dummy_video_reader --model_args response=placeholder --tasks mtvqa --limit 8 --batch_size 1

Smoke Validation (limit=8)

Status: PASS (LMM-296 / mtvqa)

Output Table

Metric	Value
mtvqa_score	12.5

Sample Output

Sample 1 (doc_id: 0)

• Input: ما هي أهمية قناة السويس؟ ↵ Answer the question using a word or phrase in the language of the question.
• Model Output: اتصال بين المحيطات المتوسط والبحر الأحمر
• Reference: قناة السويس هي واحدة من أهم الممرات المائية في العالم، فهي تربط بين البحر الأبيض المتوسط والبحر الأحمر، مما يسهل التجارة بين أوروبا وآسيا.
• Scores: mtvqa_score = 0.0 (category: AR)
• Tokens: output=1202, reasoning=1188

Sample 2 (doc_id: 1)

• Input: ما هو موضوع النص؟ ↵ Answer the question using a word or phrase in the language of the question.
• Model Output: اثنان
• Reference: الحب و الكراهية
• Scores: mtvqa_score = 0.0 (category: AR)
• Tokens: output=146, reasoning=144

Test Params

uv run python -m lmms_eval --model openai_compatible --model_args "model_version=bytedance-seed/seed-1.6-flash" --tasks mtvqa --batch_size 1 --limit 8.0 --log_samples