Hugging Face TRL 的 AsyncGRPO 上线 tree packing，同等奖励省 26 倍训练算力

Hugging Face TRL 的 AsyncGRPO 合入 tree packing，让分叉 rollout 中每个唯一 token 只前向一次。实现换成单次 FA3 varlen 调用，已在 dense、MoE、VLM 等模型上对比 sequence packing 验证，无法打包时代价约 1%。