AsyncGRPO使用LoRA在HF Jobs中训练，无需NCCL

TRL v1.14 支持 AsyncGRPOTrainer 训练 LoRA 适配器并将适配器同步给 vLLM。通过将 Hugging Face Jobs 挂载 Storage Bucket 共享文件系统，并加入代理路由 KV prefix，可实现trainer与推理集群解耦。最终500步训练从3小时27分降至53分。