Hugging Face 团队近日发布技术博客,介绍了如何在 Hugging Face Jobs 上实现异步 GRPO 训练。核心思路是放弃传统的 NCCL 通信方式,改用存储桶存放 LoRA 适配器,并通过代理服务器按 KV 前缀路由推理请求。训练端和推理端不再需要共享同一台机器或同一文件系统,v…