feat: lr scheduler

[Chamberlain0w0]

2025 年训练营项目选题“学习率调度器实现”中， @littleotherut 完成了学习率调度器模块的基本实现（PR #113 ）。这个 PR 是在他实现的基础上进一步修改接口、规范相关，使之符合我们项目实际应用的需求。

设计文档可以参考：https://gxtctab8no8.feishu.cn/wiki/Bd6Pw1BeeiQ7QfktiT8cbSiTnFb?from=from_copylink。

核心修改：

1. 接口上的修改：采用 megatron 风格的学习率调度相关参数，main.cc 里面加了相应的 gflags。

DEFINE_double(learning_rate, ..., "Peak learning rate.");
DEFINE_double(min_lr, 0.0, "Minimum learning rate.");
DEFINE_string(lr_decay_style, "constant", "LR decay style: none|constant|linear|cosine|inverse-square-root");
DEFINE_int64(lr_warmup_iters, 0, "Number of linear warmup iterations.");
DEFINE_double(lr_warmup_init, 0.0, "Initial learning rate at the start of warmup.");
DEFINE_int64(lr_decay_iters, 0, "Number of iterations to decay LR over (0 = num_iteration).");

获得上述参数后，构造相应的 TrainingLRSchedulerConfig 结构体，然后同优化器一并传给 CreateLRScheduler() 构造得到对应的学习率调度器。

2. 设计上的修改：
   a. 新增 LRScheduler 基类以及各种调度策略对应的派生类，与 torch 实现以及使用方式均对齐。训练循环中在 optimizer.step() 之后再调用 scheduler.step() 即完成学习率更新。
   b. LRScheduler 需要与 Optimizer 交互来获取、更新、同步学习率，所以给 Optimizer 基类也加了对应的 setter 和 getter。
   c. LRScheduler::State() 的部分仍是一个较 naive 的实现，后续等 ckpt 机制完成以后再进一步修改。