prime-rl 新增算法层，内置 GRPO、ECHO 等六种算法

Prime Intellect 为 prime-rl 引入一等算法层，内置 GRPO、MaxRL、On-Policy Distillation、Self-Distillation、SFT distillation 和 ECHO 六种算法，可按环境分别选择，单次运行即可在不同环境训练不同算法。