Prime Intellect 合并 prime-rl 的 IcePop 分数中心化与截断采样回放支持

Prime Intellect-ai 的 prime-rl 框架合并 PR #4176，为强化学习训练加入 bounded top-k、可选叠加 top-p 的 IcePop 分数中心化支持。训练器会回放完整采样器分布并精确中心化，回放 token 不再使用尾部近似；非截断采样仍保留头部加比例尾部近似方案。