Hugging Face TRL 上线 Score Centering 应对 RL 训练不稳定

Hugging Face 的 TRL 库新增并稳定上线 Score Centering，用于应对训练策略与采样策略数值不一致导致的 LLM RL 训练不稳定。该方法直接抵消相关根因，兼容现有方法、实现简单，效果具有竞争力。