perf: streamline greedy sampling and skip identity penalties

[sufubao]

采样参数未启用 presence、frequency、repetition 惩罚时，跳过不改变 logits 的全词表惩罚计算；EOS 屏蔽和长度惩罚仍正常执行。

为无输出约束的 FP32 greedy 采样增加分块归约，直接计算 token ID 和 logprob，避免生成完整 softmax 缓冲；完整词表的 draft argmax 使用独立的两阶段归约。保留其他输入和采样模式的原有路径。

这些改动从 ReplaySSM 分支独立拆出，不依赖线性注意力或 SSM 状态管理。

验证：test_greedy_sampling.py 10 项通过，覆盖 NaN/Inf、并列最大值、屏蔽词表分块、EOS、惩罚和随机采样；git diff --check 通过。未测量性能收益。