Hugging Face TRL发布v1.8：调整GRPO/RLOO数据流程并扩展环境奖励

TRL是Hugging Face的Transformer强化学习训练库，覆盖SFT、DPO、GRPO等主流后训练方法，是开源社区常用的LLM对齐训练工具。本次v1.8版本（2026-07-22）改变GRPO与RLOO训练的数据工作流，并扩展环境奖励机制，支持更多来自外部环境的奖励信号。使用这两类算法做后训练的团队升级时需要适配数据处理改动，环境奖励新接口建议先在小规模实验中验证效果与稳定性。