TRL 1.14.2 修复多 EOS 生成边界与在线训练错配

TRL 是面向语言模型后训练的开源框架。1.14.2 修复模型存在多个 EOS token 时、部分非 vLLM 生成路径未正确停止的问题，影响 GRPO、RLOO 和在线蒸馏；错误情况下，模型可能继续生成直到长度上限，额外内容进入训练。此次还修正提示与补全文本边界偏离、vLLM 路径指标和完成样本遮罩等问题，并包含 DFT 与 FSDP 相关修正。使用者应按本次 tag 升级，检查自己使用的生成后端、停止 token 和样本保留规则；这些是训练正确性修复，不代表新训练算法或无条件性能提升。