重构: load_sft_dataset 改吃散装参数（磨平接口回看记录的毛刺）

深模块修正：本函数只用 5 个字段，却索要整个 SFTConfig——层 1 无痛，但诊断脚本
被迫伪造 output_dir（4 处 /tmp/diag、outputs/_unused），层 2 更因 DistillConfig
无 teacher_completions_path 而无法复用。改收 dataset_path/split/subset_size/seed/
teacher_completions_path 五个散装参数（接口终于比实现轻）。

- data.py: 签名改散装参数；移除 TYPE_CHECKING 的 SFTConfig 依赖
- train_sft / diag_loss_probe / diag_collator: 仍持 SFTConfig（喂 collator），改调用点
- diag_generate / generate_teacher_completions: 只为 load 而造 config，直接丢弃、
  去掉伪造 output_dir，改传字面量
- 为 U5 层 2 训练脚本能直接 load_sft_dataset(distill_cfg 的字段) 铺路

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

scripts/generate_teacher_completions.py

@@ -13,7 +13,7 @@
 中断安全：缓存逐条落盘，重跑本脚本自动跳过已完成条目（断点续传）。
 """
 
-from ars_opd.configs import SFTConfig, TeacherGenConfig
+from ars_opd.configs import TeacherGenConfig
 from ars_opd.data import load_sft_dataset
 from ars_opd.teacher import TeacherClient, generate_completions
 
@@ -27,15 +27,8 @@ CACHE_PATH = "data/teacher_completions_dapo1k_minimax-m3.jsonl"
 # 同一 seed 的洗牌序列取前缀，前 5 条与前 1000 条的头 5 条完全相同，试跑写入的
 # 缓存在正式跑时全部命中，一分钱不浪费。
 
-sft_cfg = SFTConfig(
-    dataset_path=DATASET_PATH,
-    output_dir="outputs/_unused",  # 本脚本不训练，仅复用数据管线配置
-    subset_size=1000,
-    seed=42,
-    # teacher_completions_path 留空：此刻缓存尚不存在，取的就是 prompt-only 子集
-)
-
-dataset = load_sft_dataset(sft_cfg)
+# teacher_completions_path 留空：此刻缓存尚不存在，取的就是 prompt-only 子集
+dataset = load_sft_dataset(DATASET_PATH, subset_size=1000, seed=42)
 prompts = [row["messages"] for row in dataset]
 
 teacher = TeacherClient(TeacherGenConfig())  # 采样参数全用 configs.py 的显式默认