TRL 新增 VLM 对齐支持：MPO、GRPO、GSPO 等方法与原生 SFT

Hugging Face TRL 宣布为视觉语言模型（VLM）对齐新增 Mixed Preference Optimization（MPO）、多模态 GRPO、GSPO 支持，并扩展 RLOO 和 Online DPO。