TRL AsyncGRPOTrainer 树注意力支持线性注意力，最高提速 3.46x

TRL 的 AsyncGRPOTrainer 已让 tree attention 支持线性注意力模型，并宣称最高提速 3.46 倍。实现改造了两个基于 FLA chunked Triton 的 state-scan 内核，使共享前缀只处理一次，各 continuation 并行执行并在反向传播时回加梯度，同时修正了 causal conv1d 层的 token 处理。