Hugging Face 发布 TRL v1.0 后训练库

Hugging Face 正式发布 TRL（Transformer Reinforcement Learning）库的 v1.0 版本。TRL 是一个用于语言模型后训练的开源库，支持强化学习（如 PPO）、直接偏好优化（DPO）等技术。v1.0 版本带来了更稳定的 API、更好的文档和示例，以及性能优化。该库旨在简化从预训练模型到对齐模型的流程，适用于 RLHF 等场景。