fix: correct batched matmul stride for bs=1 and integrate CTest into build pipeline

[chen2021673]

Summary

• 修复 matmul 单 batch 时 stride 计算错误：当 bs == 1 时将 stride 设为 0，
  使 cuBLAS 正确广播单个矩阵，避免非法内存访问或结果错误。涉及 forward、backward_input、backward_other 三个函数。
• 构建流水线集成 CTest：在 run_models_and_profile.bash 中新增 RUN_CTEST / CTEST_CMD
  可配置项，构建完成后自动执行测试；test_config.json 添加对应默认值。
• 新增 googletest 子模块（third_party/googletest），为 CTest 提供测试框架支持。
• 文档更新：cmake 示例补充 -DUSE_NCCL=ON 标志。

Changes

文件	改动
infini_train/src/kernels/cuda/matmul.cu	stride 在 bs==1 时设为 0（forward/backward）
scripts/run_models_and_profile.bash	新增 RUN_CTEST 开关和 CTEST_CMD，构建后条件执行
scripts/test_config.json	添加 RUN_CTEST、CTEST_CMD 默认配置
docs/test_usage_guide.md	cmake 命令加 -DUSE_NCCL=ON
third_party/googletest	添加 googletest 子模块

Test

ctest 测例全部通过，写入对应文件。此处将测试按照非CUDA和CUDA标签来执行（ctest --output-on-failure -LE cuda -j$(nproc) && ctest --output-on-failure -L cuda -j1 ），目的是非CUDA测试并行加速。CUDA测试并行会抢占资源，待后续优化修复。
非CUDA测试：

CUDA测试：

loss对比：

性能对比：

[kilinchange]

请贴测试通过截图。