TRL修正FSDP2异步训练的权重同步阻塞

TRL的AsyncGRPO和AsyncDistillation使用vLLM生成样本。FSDP2在指定bfloat16或从BF16检查点自动推断类型时，vLLM初始化得到低精度权重清单，Accelerate随后却可能把训练参数升为FP32，导致实际广播字节数与清单不同，权重同步阻塞。默认float32配置不触发同一问题。 主线在WeightTransferClient.send_weights中，按清单为每个张量转换类型，再交给打包NCCL广播。最终合入版保留类型转换，未保留提案中的名称、形状校验和有界等待，因此不能宣称提供了完整传输验证协议。作者用Qwen3-0.6B、FSDP2 BF16和vLLM 0.30完成单训练进程验证，三次同步均完成；分布式较大规模结果来自较早版本，不作为最终版本同等验证。