GRPO trainer 中的 max length 判断疑似存在逻辑漏洞

[zhenhaoyong]

在当前 grpo_trainer.py 中当使用 _dynamic_sampling 重采样时没有再次对 max_length 做判断，如果 self.template.truncation_strategy == 'raise'，有概率采样到超长 inputs 并在 _prepare_inputs 中报错，应在 inputs = next(self.dynamic_resample_iterator) 后添加 self.resample_encode_failed_inputs(inputs)

inputs = next(self.dynamic_resample_iterator)
inputs = Trainer._prepare_inputs(self, inputs)
inputs = self._generate_completions(inputs)
rewards_per_func = self._score_completions(inputs)

[hjh0119]

thanks for reporting

would be fixed in #6309