Optimize rollout-related ut execution time

[YanhuiDua]

优化前 tests/ray运行时间：~25min

优化后 tests/ray运行时间：~13min

[CyCle1024]

@YanhuiDua test_update_weight.py和test_rl_update_weight.py有更加优化的流程写法。
目前：

Update weight rollout: init train -> init rollout with empty init -> update_weight -> rollout
Ref rollout: new init rollout -> rollout

建议：

Ref rollout: init rollout -> rollout
Update weight rollout: init train -> rollout sleep (drop weight and kvcache) -> rollout wakeup (empty weight) -> update_weight -> rollout

建议的方案优势在于少执行一次推理引擎的初始化，缺点在于需要推理引擎在sleep的一定能正确drop weight，依赖sleep实现（对于目前lmdeploy实现这个条件是符合的）

[YanhuiDua]

@YanhuiDua test_update_weight.py和test_rl_update_weight.py有更加优化的流程写法。 目前：

Update weight rollout: init train -> init rollout with empty init -> update_weight -> rollout
Ref rollout: new init rollout -> rollout

建议：

Ref rollout: init rollout -> rollout
Update weight rollout: init train -> rollout sleep (drop weight and kvcache) -> rollout wakeup (empty weight) -> update_weight -> rollout

建议的方案优势在于少执行一次推理引擎的初始化，缺点在于需要推理引擎在sleep的一定能正确drop weight，依赖sleep实现（对于目前lmdeploy实现这个条件是符合的）

done，并且删掉了llm的update_weights的单测，测试VL模型的update_weights，可覆盖该功能