docs(myread.md): document --folder-name, thinking scale, official suite

- Add --folder-name and --thinking-max-tokens-scale to parameter table.
- Add thinking mode examples.
- Add official suite to suite details.
- Update output directory structure to reflect new folder-based layout.

myread.md

@@ -364,6 +364,7 @@ python bash/run.py --model MyModel --api-url http://10.0.0.5:30000/v1
 | `--api-url` | `http://localhost:30000/v1` | 模型服务地址 |
 | `--dataset-dir` | `/data1/sora/evalscope` | 数据集父目录，evalscope 会自动找其下的 `datasets/` |
 | `--output-dir` | `/data1/sora/evalscope/output` | 评测输出根目录 |
+| `--folder-name` | `--model`（thinking 时为 `{model}_THINKING`） | 顶层输出文件夹名，汇总表也用它命名 |
 | `--config` | `config/dpv4-int8_nothinking.yaml` | 各 benchmark 的 `max_tokens` / `temperature` 等配置 |
 | `--tokenizer-path` | `/data1/models/DeepSeek-V4-Flash-INT8` | 本地 tokenizer 路径，用于长文本 middle-truncation |
 | `--suite` | `full` | 预置套件：`full` / `lite` / `mid` / `group1` / `group2` / `group3` |
@@ -374,6 +375,7 @@ python bash/run.py --model MyModel --api-url http://10.0.0.5:30000/v1
 | `--batch-size` | `4` | 评测并发 |
 | `--thinking` | `False` | 开启 sglang thinking 模式 |
 | `--no-thinking` | `False` | 关闭 thinking 模式（默认） |
+| `--thinking-max-tokens-scale` | `1.0` | `--thinking` 开启时，max_tokens 乘以该系数 |
 | `--judge-model` | `DeepSeek/DeepSeek-V4-Pro` | 裁判模型名（LLM-as-judge） |
 | `--judge-api-url` | Vectron 地址 | 裁判模型 API 地址 |
 | `--judge-api-key` | 内置 key | 裁判模型 API key |
@@ -381,7 +383,17 @@ python bash/run.py --model MyModel --api-url http://10.0.0.5:30000/v1
 | `--truncation-tokens` | `131072` | 长文本 middle-truncation token 上限 |
 | `--no-summary` | `False` | 禁止每次 benchmark 后自动写汇总表 |
 
-> 汇总表文件名由模型名自动派生，例如 `--model DeepSeek-V4-Flash-Int8` → `<safe_model_name>.csv/.xlsx`。
+> 汇总表文件名由 `--folder-name` 决定，默认 `results/{folder_name}.csv/.xlsx`；thinking 模式下默认 `{model_name}_THINKING`。
+
+**thinking 模式示例：**
+
+```bash
+# 开启 thinking，max_tokens 自动翻倍
+python bash/run.py --suite full --thinking --thinking-max-tokens-scale 2.0 --limit none
+
+# 自定义输出文件夹名
+python bash/run.py --suite full --thinking --folder-name my_exp_v1 --limit none
+```
 
 ### 4.3 套件详情
 
@@ -393,6 +405,7 @@ python bash/run.py --model MyModel --api-url http://10.0.0.5:30000/v1
 | `group1` | 代码 + 数学/推理 | 约 **22h** | 多机组 1 |
 | `group2` | 重知识 | 约 **26h** | 多机组 2 |
 | `group3` | 长文本 + Agent + 知识 | 约 **27h** | 多机组 3 |
+| `official` | 官方对比表全部 benchmark | 视配置而定 | 覆盖 Kimi/GLM/DS 等公开对比表里的所有任务 |
 
 > **分组时间说明**
 >
@@ -543,31 +556,36 @@ python bash/collect_results.py \
 
 ```text
 <output-dir>/
+└── <folder_name>/                    # 默认 --model；thinking 时默认 {model}_THINKING
     ├── <benchmark_name>/
     │   ├── seed_<seed>/
-│   │   ├── reports/<model_name>/<benchmark_name>.json
+    │   │   ├── reports/<benchmark_name>.json
-│   │   ├── predictions/<model_name>/<benchmark_name>.jsonl
+    │   │   ├── predictions/<benchmark_name>_<subset>.jsonl
+    │   │   ├── reviews/<benchmark_name>_<subset>.jsonl
     │   │   └── logs/eval_log.log
     │   └── seed_<seed>_run_<idx>/    # multi-run 额外目录
     ├── perf_stats_backup/            # 累计 summary 持久化（断点恢复）
     │   └── <benchmark>__<model>.json
     ├── predictions_archive/          # 原始每条样本归档（断点恢复）
     │   └── <benchmark>__<model>.jsonl
-└── <safe_model_name>/                # 汇总表（按模型名）
+    └── active_time/                  # 各 benchmark 实际运行时间累计
-    ├── <safe_model_name>.xlsx
+        └── <benchmark>__<model>.json
-    └── <safe_model_name>.csv
+
+results/                                # 项目级汇总表目录
+└── <folder_name>.xlsx
+└── <folder_name>.csv
 ```
 
 ### 查看分数
 
 ```bash
 # 单个 benchmark
-cat output/aime24/seed_42/reports/DeepSeek-V4-Flash-Int8/aime24.json
+cat output/DeepSeek-V4-Flash-Int8/aime24/seed_42/reports/aime24.json
 
 # 汇总所有分数
 python3 -c "
 import json, glob
-for f in sorted(glob.glob('output/*/seed_*/reports/*/*.json')):
+for f in sorted(glob.glob('output/*/*/seed_*/reports/*.json')):
     data = json.load(open(f))
     score = data.get('score', data.get('mean_acc', 'N/A'))
     print(f'{f}: {score}')