prime-rl 新增演算法層，支援按環境選擇訓練演算法

Prime Intellect 為 prime-rl 新增演算法層，內建六種演算法並支援按環境選用，讓同一訓練執行可混用不同演算法。六種包括 GRPO、MaxRL、On-Policy Distillation、Self-Distillation、SFT distillation 和 ECHO；自訂演算法可沿用同一抽象實作，而毋須修改 trainer。