实现 LoRA 低秩适配层

实现 LoRA（Low-Rank Adaptation）。冻结的基础权重旁路挂上一个低秩分解的更新： y = x @ W^T + (x @ A^T @ B^T) * (alpha / r) 其中 W 为 (out_features, in_features) 的基础权重（理想情况下冻结，本题仅要求参与前向），A 为 (r, in_features)，B 为 (out_features, r)，r 为秩（A.shape[0]），alpha 为缩放超参数。输出形状 (B, out_features)。 要求： - 类必须继承 torch.nn.Module； - `__init__(self, base_weight, lora_A, lora_B, alpha: float)`，把三个张量注册为名为 `base_weight`、`lora_A`、`lora_B` 的 nn.Parameter（梯度检查按这三个名字进行）； - 秩 r 必须从 lora_A 的形状推导，缩放系数为 alpha / r； - 不要调用 torch.nn.Linear。