Hugging Face TRL：DistillationTrainer升级为稳定接口并重构蒸馏服务链路

TRL（Transformers Reinforcement Learning）是Hugging Face开源的基础模型后训练库，基于Transformers生态，支持SFT、GRPO、DPO等技术及多架构、多模态模型，是开源侧微调与对齐的主力工具之一。本次信号聚焦其迭代更新：DistillationTrainer从实验特性转为稳定接口，相关服务链路同步重构，蒸馏调用方式趋于稳定，更适合生产环境依赖；同期README重点新增长上下文训练指南，梳理序列变长后损失、位置、激活值与单卡显存四类问题，并给出在单个8-GPU节点上以百万token序列训练Qwen3-8B的示例。需要蒸馏自有模型或训练超长序列的团队可查阅对应文档与发布页，按稳定接口迁移脚本。