ElNeMeR70 构建 Rust AI 引擎 ai-rlhf-rs-kl-divergence-reference-penalty

ElNeMeR70 构建了 Rust 2021 AI 引擎 ai-rlhf-rs-kl-divergence-reference-penalty，聚焦 RLHF、DPO、GRPO 与推理验证器，核心模块为 kl-divergence-reference-penalty。