[Feature] 提前确认离线处理的 llava 数据所使用的 tokenizer 是否和当前配置中一致

在使用过程中发现，如果用户采用 internlm2 tokenizer 离线处理数据，下次实验时候换成了 vicuna 配置训练会出现越界错误。
该越界错误不容易 debug，出现错误原因就在于 tokenizer 不一样。因此有两个办法解决：

1. 在保存离线数据集时候，保存当前 tokenizer 信息，当训练时候发现不一致则告诉用户，这样可以避免后续错误(推荐方案)
2. 在文档中说明