fix: Optimize autograd backward tensor lifetime

[Chamberlain0w0]

优化 autograd backward 流程中对于 leaf 参数梯度的释放时机，降低训练过程的峰值显存占用。

设计文档详见：https://gxtctab8no8.feishu.cn/wiki/SJBKwmoCRiRQpAkAygmcXt0UnCd?from=from_copylink

[chen2021673]

这里要遍历两次吗？如果后续希望实现更接近 PyTorch 的 queue-based autograd engine，要不要现在直接放一个用于排序 next_functions_ 的函数，之后可以继续完善这个函数的逻辑

[Chamberlain0w0]

感觉目前的状况不太好弄，主要 grad_inputs[idx] 和 next_functions_[idx] 是按 input index 对齐的，而 input index 又跟 module/模型构造有关，如果这要改的话就得一连串地改，只改这一处的话会对不上位置。

如果要排序的话，最多也就是额外再维护一个 list（而不是原地修改 next_functions_），根据这个规则重排得到一个新的顺序，然后再遍历一次。但其实目前 grad_inputs 最多也就两三个，遍历两次也不会有很大开销。