fix(shard.py): fix isp unpack data indexes err in rotary emb

[huangting4201]

bug修复1

问题描述：在当前的代码实现中，unpack data场景下会pop出indexes字段，而在进行rotary_emb计算的位置编码时需要用到该字段，如果不传的话，默认值是offsets=0，这在非序列并行下是没有问题的。但在isp算法，序列并行场景下，seq维度是切分的，这样的话，如果没有indexes字段与切分后的seq字段进行一一对应，会导致rotary_emb计算出现问题。而这在mtp/msp/fsp算法下都没有问题，这是因为这些算法的序列并行在进行linear计算前会把seq维度进行allgather，所以在rotary_emb计算时seq维度是全量的，因此直接使用默认值offsets=0就没有问题。

代码修复：主要在core/parallel/shard.py文件中，首先unpack data保留indexes字段，然后基于sp并行进行切分，同时在2D seq parallel时支持负载均衡式的切分indexes，与seq切分对齐。

bug修复2

问题描述：在dp4cp4并行配置下，跑真实训练数据，大概五百多步后会出现Nan grad norm的情况。对比实验发现，dp4并行，dp4tp4并行，与dp4hp4并行场景下均不会出现该问题。

代码修复：排查 ring attn 开源代码，更新 update_out_and_lse 函数中使用的计算算子，提高数值稳定性。修复该代码后，再进行loss曲线对比：

新特性1

因测试发现VocabSequenceParallelCrossEntropyLoss计算出的loss有问题，所以目前改成了对head output进行all2all处理后，仍使用TP并行计算loss的方式。复用parallel_output开关，若为True，则走FlashCrossEntropyLoss方法；若为False，则走nn.CrossEntropyLoss方法。loss曲线如下：

新特性2

适配evaluate模块，支持isp序列并行。因valid data没有indexes字段，所以手动加上，使得其支持isp序列并行。