多轮轨迹拆分场景中，`--num_generations` 与 `--generation_batch_size` 设置疑惑与改进讨论

Checklist / 检查清单

• I have searched existing issues, and this is a new question or discussion topic. / 我已经搜索过现有的 issues，确认这是一个新的问题与讨论。

Question Description / 问题描述

背景问题：在grpo Agent 训练场景中，我们想把一个完整的n轮轨迹拆分成多条子轨迹，将这些子轨迹与完整全部用于训练。但实践发现，实际用于模型参数更新的轨迹样本受--generation_batch_size限制。

参数设置：--num_generation 为4 ，--generation_batch_size 为4 ，--max_turns 为3

正文：按照如上参数设置，我们每次采样期望使用数据集中的1个问题，使用这个问题采样4条轨迹。假如这4条轨迹的对话轮次都是3，在拆分轨迹后，那我们期望有12条样本用于训练，然而实际上我们用于模型更新的样本只有--num_generation =4 条。下一次采样应该又是用新的问题了，而不是用剩下的拆分后的8条轨迹。

疑惑：这样会造成资源浪费，并没有把所有采样结果用于模型训练。当然好像也不太好设计，因为拆分后的轨迹数量随机，不一定能被num_device整除。想看看有没有比较好的方法把所有拆分后的数据都用于训练

版本：ms-swift 3.12.2

Start by reproducing the GRPO setup with --num_generation 4, --generation_batch_size 4, and --max_turns 3, then trace how split trajectories are queued for model updates. Review the batching and device-divisibility behavior described in the issue. Done means reaching a documented design or implementation path that uses eligible split samples without violating batch or device constraints.