vLLM V0 到 V1 迁移：RL 训练中先对齐正确性再改目标

PipelineRL 在 vLLM V0 到 V1 迁移中通过修复四项问题让 V1 与 V0 参考对齐：processed_logprobs 语义、V1 专属运行时默认值、inflight 权重更新路径，以及最终投影所用的 fp32 lm_head。