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

tests/test_tabm_integration.py

@@ -272,7 +272,7 @@ class TestTabMIntegration:
         # 4. 验证训练历史
         model = task.get_model()
         assert len(model.training_history_["train_loss"]) > 0
-        assert len(model.training_history_["val_loss"]) > 0
+        assert len(model.training_history_["val_ic"]) > 0
 
         # 5. 预测
         predictions = task.predict({"X": X_test})