Hugging Face 发布 TRL v1.0 后训练库

Hugging Face 发布 TRL v1.0，将其从研究代码库转为带明确稳定性承诺的后训练库，目前实现超过 75 种后训练方法，月下载量 300 万次。稳定核心遵循语义化版本，覆盖 SFT、DPO、Reward modeling、RLOO 和 GRPO 等训练器；实验层不承诺兼容，新方法先在此落地。从最后一个 0.x 版本迁移改动很小，官方提供了迁移指南。