Hugging Face 发布 TRL v1.0 后训练库

Hugging Face 发布 TRL v1.0，将该后训练代码库明确定位为面向生产使用的稳定库，并采用稳定核心与实验层并行的模式：核心遵循语义化版本，实验接口则不承诺稳定。该版本覆盖超过 75 种后训练方法，稳定部分包括 SFT、DPO、奖励建模、RLOO 和 GRPO 等训练器；官方称从最后一个 0.x 版本迁移改动很少。