fix: Train on the last turn only truncate bug

[YeQiuO]

What does this PR do?

#4878 提出的 ”仅最后一轮参与训练“ 可以满足 Distillation、Reflective Chain 等场景的需求，但其实现方法存在一个小问题：

当对话总长度超过 cutoff_len，会退出遍历 encoded_pairs 的循环（截断），则最重要的最后一段对话无法加入训练数据中，且 label 全为 IGNORE_INDEX，该条数据无意义。

针对截断问题，即在保留最后一段对话的前提下，可行的解决方案有：

1. 反向遍历 encoded_pairs ，新增元素从头部插入 input_ids和labels，其余逻辑不变；
2. 最大化截断后所保留的对话轮次，即删除较长的单轮对话；

PR 了采取第一种方法，以最小化改动对原代码的侵入性。

Fixes #4684

Before submitting

• Did you read the contributor guideline?
• Did you write any new necessary tests?

[hiyouga]

LGTM!

[Quarkstar]

您好！请问为什么选择反向遍历对话呢？我有点担心这会影响推理任务，特别是在CoT时，后一步通常依赖前一步的结果。这样反向训练会不会影响训练效果呢？