GRPO 单 GPU / 与 TRL==0.18.x 共存

⚠️ 请检查此功能请求是否已经提出过。 - [x] 我在之前的 讨论中的想法 中搜索了，没有找到类似的功能请求。 - [x] 我在之前的 问题 中搜索了，没有找到类似的功能请求。