OpenRLHF v0.9.1 重构为 Agent 执行架构并解耦 RL 算法

OpenRLHF 是面向大模型强化学习训练的开源框架，适用对象为训练与研究团队。本次正式版 v0.9.1 将框架全面重构为 Agent 执行架构，统一 Token 轨迹表示，并将 RL 算法与执行部分解耦，属于训练架构的实质变化。项目以 Apache-2.0 协议开源，由 OpenRLHF 维护，仓库提供训练代码与使用指南。