ServiceNow开源PipelineRL，实现推理中权重更新

ServiceNow开源PipelineRL，通过推理中权重更新解决大规模LLM强化学习中的延迟与吞吐权衡问题。在7B和32B模型上，其推理性能与Open-Reasoner-Zero相当，但算法更简单且训练稳定。