Hugging Face Blog（hf-mirror 镜像）·2026-09-10 08:00· 2026-09-10精选AI 评分62

用 LoRA 和 Storage Bucket 在 HF Jobs 上跑异步 GRPO，500 步从 3 小时 27 分降到 53 分钟

Async GRPO with LoRA across HF Jobs: a bucket, a proxy, and no NCCL

AI 导读

TRL v1.14 的 AsyncGRPOTrainer 支持只训练并同步 LoRA 适配器到 vLLM，rank-1 适配器只有几 MB，可经每个 Job 挂载的 Storage Bucket 传递，无需 NCCL。

推荐理由

在 HF Jobs 上把异步 GRPO 训练与 vLLM 推理拆到不同机器，用 LoRA 适配器和 Storage Bucket 替代 NCCL，500 步从 3 小时 27 分压到 53 分钟。