TRL 新增 vLLM 共置模式实现训练推理同卡

TRL 新增 vLLM 共置模式，将训练与推理置于同一 GPU 进程组，消除 HTTP 通信与设备闲置。该模式支持 TP/DP 并行，配合 vLLM sleep API 与 DeepSpeed ZeRO 优化，在 Qwen2.5-72B 等模型上实现更高吞吐量与更低硬件成本。