TRL 新增视觉语言模型对齐支持：涵盖 MPO、GRPO 及 GSPO 等方法

Hugging Face TRL 库新增对视觉语言模型（VLM）的多项对齐算法支持，包括混合偏好优化（MPO）、组相对策略优化（GRPO）和组序列策略优化（GSPO）。官方提供了相应的训练脚本、Notebook 示例以及 vLLM 集成方案，并实现了原生的监督微调（SFT）支持，帮助开发者更高效地进行多模态模型的后训练与对齐。