Hugging Face TRL 全面支持视觉语言模型对齐训练

Hugging Face 宣布 TRL 库全面支持视觉语言模型（VLM）对齐训练，新增对 MPO、GRPO 及 GSPO 算法的直接支持。更新还将 RLOO、Online DPO 与原生 SFT 扩展至多模态架构，并集成 vLLM 支持在线样本生成，配套提供了完整训练脚本与运行示例。