用 Reshard Collective 加速强化学习权重刷新

在 RL 后训练中，推理与训练通常部署在不同 GPU 资源上并行运行，因此需要周期性地把训练侧更新的策略模型权重刷新到推理 GPU。NVIDIA 介绍了 Reshard Collective，用于在训练与推理拓扑不一致时高效完成权重重分片与同步，从而加速 RL 训练流程。