What type of PR is this?

/kind feature

What does this PR do / why do we need it:

为 Trainer 增加统一的 Activation Checkpointing 配置和执行流程，支持 off、full、selective 三种模式，降低大模型训练的激活显存占用。

主要变更：

• 新增分布式 Activation Checkpointing 实现，支持：
  • Full activation checkpointing
  • Selective activation checkpointing
    计算密集型算子、通信算子及可选扩展算子的策略配置
• 在模型配置、from_pretrained、模型构建和 Trainer 流程中透传 activation_checkpoint 配置。
• 按照 sharding plan -> activation checkpointing -> torch.compile -> FSDP2 的顺序应用相关处理，保证 checkpoint wrapper 位于 TP/EP 转换之后及 FSDP 边界之内。
• 支持已知 Transformer/VLM 模型的语言层和视觉层容器识别，并对未知模型提供兼容性回退。
• 对 Hugging Face 原生 gradient checkpointing、KV sharing 场景及 compile 场景进行兼容处理。
• 为 MindSpore 和 PyTorch SAC 增加运行时忽略算子注册能力。
• 更新训练示例配置，将旧的 gradient_checkpointing 配置迁移为 activation_checkpoint.mode。

Which issue(s) this PR fixes:

Fixes #

Test Plan and Test result：What scenarios were tested, and what were the verification results（function, performance, reliability, etc.）：

新增并更新相关单元测试，覆盖：

• off、full、selective 配置解析及禁用行为。
• Full/Selective checkpoint wrapper 的创建和反向重计算。
• Selective checkpoint 对 TopK 原地修改输出的处理。
• SAC profiler/FSDP runtime operator 注册。
• KV sharing 场景下的 checkpoint 回退逻辑。
• 已知 VLM 模型的语言层/视觉层容器发现及去重。
• 未知模型的兼容性容器发现。
• Hugging Face 原生 gradient checkpointing 及 compile 场景。
• Activation Checkpointing 与 sharding、FSDP2 的执行顺序。
• MindSpore/PyTorch SAC 忽略算子逻辑。
• Trainer 模型阶段对 Activation Checkpointing 配置的透传。

本次提交包含测试用例更新，但当前未在本地执行完整测试套件，建议在 CI 中完成 PyTorch、MindSpore 及分布式场景验证。

Self-checklist：(请自检，在[ ]内打上√，我们将检视你的完成情况，否则会导致pr无法合入)

• 设计：PR对应的方案是否已经经过Maintainer评审，方案检视意见是否均已答复并完成方案修改
• 测试：PR中的代码是否已有UT/ST测试用例进行充分的覆盖，新增加测试用例是否随本PR一并上库或已经上库
• 验证：PR描述信息中是否已包含对该PR对应的Feature、Refactor、Bugfix的预期目标达成情况的详细验证结果描述
• 接口：是否涉及对外接口变更，相应变更已得到接口评审组织的通过，API对应的注释信息已经刷新正确
• 文档：是否涉及官网文档修改，如果涉及请及时提交资料到Doc侧