TRL 支持与 vLLM 同卡部署：消除 GPU 空闲并提升 GRPO 训练吞吐

Hugging Face 在 TRL 中支持将 vLLM 推理引擎与训练任务同卡部署，使 GRPO 等在线强化学习任务无需再为推理单独占用 GPU。该架构让训练和生成在同一分布式进程组内交替复用显卡，省去 HTTP 通信开销并结合 vLLM 的 sleep 机制释放显存。