vLLM V0 到 V1 迁移：RL 训练中先对齐正确性再改目标

PipelineRL 在 vLLM V0 到 V1 迁移中通过四项修复让 V1 与 V0 参考轨迹对齐：启用 processed_logprobs、显式关闭 prefix caching 与 async scheduling、匹配 inflight 权重更新路径，以及最终投影使用 fp32 lm_head。