Harden rollout abort and routed experts handling

[YanhuiDua]

这个 PR 主要修复 rollout pause/abort 在高并发异步 RL 训练中的收尾问题，并拆成三类改动：

1. 增强 abort_request 的可靠性

   • 在 RL trainer 初始化阶段根据 train_batch_size * prompt_repeat_k * (1 + over_sample_threshold) / rollout_workers 检查所需 HTTP 并发，如果当前 allow_over_concurrency_ratio 不足，会自动调大并打印 warning。
   • rollout worker 收到 abort 后，如果已有 HTTP response 返回，不再直接丢弃 response，而是正常解析 response，然后把 status 和 finish_reason 标记为 ABORTED，避免 abort 后完成的 response 被误当成 completed sample，然后继续 judge
   • 对 abort 后仍未返回的 HTTP client task 增加 cancel/drain timeout，避免本地 cancel 卡住。
   • producer cleanup 超时后会强制 cancel 剩余 pending rollout tasks，并用 drain timeout 收口，避免 pause 卡死。
   • producer 在等待 pending tasks 回收期间周期性补发 abort，覆盖 abort 后才到达 LMDeploy 的少量请求。
   • 对 HTTP client task、pending rollout task、judger pause 都加 timeout/drain，避免任何一个环节无限阻塞 pause。

2. 支持 judger abort

   • AgentLoop.pause() 统一触发 rollout pause 和 judger pause。
   • 如果 group 中存在 aborted sample，会跳过 judge，避免 abort 后的样本继续进入 batch judge 导致 pause 尾部卡住。
     - 新的修复：不在Judger中定义pause方法，如果在基类写pause方法，没办法做到每个judger都能用，为了简化judger的用法，所以在 SingleTurnAgentLoop中将调用judger作为可取消的

3. 修复 routed experts 的返回与清理

   • return_routed_experts 改为同时受全局 enable_return_routed_experts 和 request-level sample_params.return_routed_experts 控制，评估请求关闭 routed experts 返回。
   • filtered sample 入 replay buffer 前会清理 response/routed experts，减少无效样本持有大对象。