TRL 1.14.1：修复vLLM首轮权重同步与工具调用后的生成

TRL是面向语言模型后训练的开源训练库。1.14.1修复了使用vLLM 0.20至0.25服务模式时，第一次同步权重发生崩溃的问题；工具调用后改为每个样本生成一个completion，避免重复生成。该版本还修复CLI的init_kwargs处理，并调整检查点恢复相关问题。此次属于训练链路兼容性与执行行为修正，应结合项目使用的训练器、vLLM版本和恢复流程验证，不能把这些修复视为模型能力或训练收益提升。