FewStepRL降低扩散模型强化学习成本

FewStepRL重构强化学习目标，使其适配以区间平均速度建模的少步扩散模型。

推荐理由：传统扩散强化学习依赖昂贵的多步策略采样，且目标假设瞬时速度；该工作通过变换、分解和重构适配少步模型，有望同时削减训练回放成本并保留对齐能力。