Feat: add named parameters

[JYMiracle305]

1. 主要修改

• 为 Module 新增 NamedParameters(prefix, recurse, remove_duplicate)，支持参数名前缀、递归遍历和共享参数去重。
• 为 Optimizer 新增 parameter_names_ 及设置、读取接口。
• Adam 的 StateDict() 和 LoadStateDict() 使用参数名生成状态 key。
• 未设置参数名时保留数字下标 key，兼容不使用命名参数接口的调用方式。
• GPT-2 和 LLaMA3 入口根据 Tensor 指针为 optimizer 参数绑定模型参数名。
• 测试使用现有 Linear 和 Sequential，覆盖 prefix、递归、共享参数去重和空子模块。

[JYMiracle305]

精度对比

性能对比

[chen2021673]

parameters_ 和 modules_ 都是 unordered_map，不保序，同一个共享参数保存成哪个的 key 是不稳定的，现有 NamedModules() 是按名称排序 child 后遍历，这里能不能直接用NamedModules() 方法获取 modules_ 再保序遍历 parameters_ （parameters_ 数量太大的话排序不知道有没有性能问题）

[JYMiracle305]

这里保证一下顺序，先调用NamedModules保证 module 顺序，再在遍历 parameters_后进行排序，保证整体参数顺序稳定

[kilinchange]

在头文件里补充注释说明下：

InfiniTrain 的 NamedParameters 按 full parameter name 字典序返回，而不是 PyTorch registration order，且共享参数情况下保留名称字典序靠前的参数。

之后再看是否有必要与 PyTorch 语义完全对齐。

[JYMiracle305]

已补充

[chen2021673]

之前没注意，这里 NamedModules() 非 const，返回 shared_ptr，要调用的话引入了 const_cast、const_pointer_cast 和 shared_from_this()，感觉有点危险。而且如果后面param排序的话，module就不需要保序了？要不还是恢复局部递归 collect吧

[JYMiracle305]

收集完成后按照完整参数名排序，再进行共享参数去重，保证保留的参数名稳定

[chen2021673]

LGTM

[kilinchange]

在头文件里补充注释说明下：

InfiniTrain 的 NamedParameters 按 full parameter name 字典序返回，而不是 PyTorch registration order，且共享参数情况下保留名称字典序靠前的参数。

之后再看是否有必要与 PyTorch 语义完全对齐。