Fix: save_pretrained saves tokenizer weights, replace with safetensor…

[1321213430]

Issue / 问题

When running train_predictor.py, calling model.module.save_pretrained() saves tokenizer weights (encoder/decoder) instead of the trained Predictor model.

• Saved checkpoint size: only ~16MB
• Missing core Predictor weights: transformer.0 ~ transformer.11
• Trained model cannot be loaded for inference

运行 train_predictor.py 时，调用 model.module.save_pretrained() 保存的并非训练后的预测模型，而是分词器（Tokenizer）权重（encoder/decoder）。

• 保存的模型文件大小仅约 16MB
• 缺失预测模型核心权重：transformer.0 ~ transformer.11
• 训练完成的模型无法加载并用于推理

Root Cause / 根本原因

The custom Kronos model's save_pretrained() method incorrectly serializes tokenizer weights instead of the main model weights.

自定义 Kronos 模型的 save_pretrained() 方法存在错误，错误地序列化了分词器权重，而非主模型权重。

Fix / 修复方案

Replace the broken save_pretrained() with direct safetensors state_dict saving to ensure the full Predictor model weights are saved correctly.

替换存在问题的 save_pretrained() 方法，直接通过 safetensors 保存模型权重字典，确保完整、正确地保存预测模型权重。

Changes / 修改内容

1. Add safetensors.torch import

2. Replace model saving logic in train_predictor.py

3. Minimal non-breaking change

4. 新增 safetensors.torch 导入语句

5. 替换 train_predictor.py 中的模型保存逻辑

6. 最小化修改，无破坏性变更