TRL AsyncGRPOTrainer 树注意力现已支持线性注意力，最高提速 3.46 倍

TRL 的 AsyncGRPOTrainer 树注意力现已支持线性注意力模型，最高加速 3.46 倍。1x H100 BF16 实测中，Qwen3.5-0.8B 在 grpo-g1-64k 加速 3.84x、agent-fork-long 4.36x，Qwen3.5-2B 最高 4.24x，部分 baseline 直接 OOM。