Hugging Face TRL v1.18.0 稳定版 AsyncGRPOTrainer

Hugging Face TRL v1.18.0 将 AsyncGRPOTrainer 转为稳定版。该训练器可让 GRPO 的生成与训练阶段在不同 GPU 上并行运行，避免两个阶段交替占用 GPU，从而提升 RL 训练吞吐；官方博客还提供了运行方法、可训练任务类型及与同步版 GRPOTrainer 的对比结果。