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

Prime Intellect 的 prime-rl 合并 PR #4176，为强化学习训练加入截断采样下的 IcePop 分数中心化支持。截断采样采用 bounded top-k，可选叠加 top-p；新方案从记录的支撑集采样，在训练器回放整个采样器分布并精确中心化，回放 token 不再用尾部近似。非截断采样保留原有头部加比例尾部近似，此次改动是 PR #4012 的后续改进。