Hugging Face 在 TRL 中实现增量权重同步，异步 RL 每步传输量降至 20-35MB

Hugging Face 在 TRL 中落地了增量权重同步（Delta Weight Sync）：只把两次 RL 优化步之间真正变化的 bf16 权重编码成稀疏 safetensors 文件，上传到 Hugging Face Bucket，再由 vLLM 拉取应用。