DaoyuanLi2816/mini-verl：单张消费级GPU上的verl强化学习运行时

mini-verl把verl强化学习训练栈带到单张消费级NVIDIA GPU上，支持PPO、GRPO与on-policy蒸馏，可直接复用既有verl配置在本地训练。PyPI上的v0.16.0为稳定版，main分支为开发版；支持Python 3.10至3.13，Apache-2.0许可。经CLI即可完成数据采样与训练，官方示例以长度奖励训练Qwen3-0.6B，如以miniverl run --example hydra-ppo绑定target-length奖励配置运行。