fix: exclude frozen parameters from DDP and improve cross-entropy reduction precision

[chen2021673]

背景

在 LoRA 等部分参数训练场景中，模型同时包含可训练参数和冻结参数。此前 DDP 初始化时会将全部参数传入 Reducer、梯度桶及反向 Hook，可能导致冻结参数被错误纳入梯度同步流程。

此外，CrossEntropy 在主机端使用 FP32 累加 batch loss，batch size 较大时可能产生较明显的数值误差。

修改内容

• 在 DDP 初始化阶段统一筛选 requires_grad=true 的参数，仅为可训练参数执行以下操作：
  • 注册梯度同步 Hook；
  • 创建参数及梯度 Buffer；
  • 进行梯度分桶；
  • 构造 Reducer。
• 当模型不存在可训练参数时提前报错，避免创建无意义的 DDP 实例。
• 扩展 LoRA 测试配置，将 c_fc 加入目标模块，覆盖更多冻结参数与可训练参数混合的场景。
• CrossEntropy 的 batch loss 改为 FP64 主机累加，计算均值后再转换为 FP32，降低累计误差。

影响

• 冻结参数不再参与梯度通信，也不会注册不会触发的反向 Hook。
• 全参数训练场景的行为保持不变。
• 提升 CrossEntropy 在较大 batch 下的数值稳定性。
• CrossEntropy 当前仍存在 D2H/H2D 数据传输，本次修改不涉及归约性能优化。

测试

精度测试：

性能测试：

[chen2021673]

与 pytorch lora baseline 对比：