TRL为AsyncGRPO加入前缀树打包，并补齐Trainium训练链路

TRL是面向语言模型后训练的开源训练框架。本次AsyncGRPO将微批次组织成前缀树，让多个rollout重复出现的提示及历史只执行一次前向计算，并沿根到当前分支路径组织注意力。官方以Qwen3-1.7B、每条rollout 32K token测试，在重复率较高的嵌套分支下，前向加反向耗时从8172毫秒降至2635毫秒，峰值显存从35.2 GiB降至13.5 GiB；没有共享前缀时约增加1%开销。该版本还补齐AWS Trainium训练支持，Neuron上默认把输入长度补齐到128的倍数，减少形状变化引发的重编译，并提供使用指南。两项变化共同构成此次训练框架更新，普通修复和模型适配不拆分计数。