feat(training): TabM模型量化交易优化

- 新增 CrossSectionSampler 支持截面数据采样（按交易日批处理）
- 新增 EnsembleQuantLoss (Huber + IC) 替代 MSE 作为损失函数
- 重构 TabMModel 支持量化场景：Rank IC 作为验证指标、CosineAnnealingLR学习率调度、梯度裁剪
- 支持 date_col 参数和特征对齐
- 更新实验配置 batch_size 2048 和 weight_decay 等超参数

src/experiment/tabm_regression.py

@@ -260,7 +260,7 @@ MODEL_PARAMS = {
     # ==================== 集成机制 ====================
     "ensemble_size": 32,  # 内置集成大小（模拟 32 个模型集成）
     # ==================== 训练参数 ====================
-    "batch_size": 1024,  # 批次大小
+    "batch_size": 2048,  # 批次大小
     "learning_rate": 1e-3,  # 学习率
     "weight_decay": 1e-5,  # 权重衰减
     "epochs": 100,  # 训练轮数