用 LoRA 在 HF Jobs 上跑异步 GRPO：一个存储桶、一个代理，不用 NCCL

TRL v1.14 的 AsyncGRPOTrainer 支持只训练并同步 LoRA 适配器到 vLLM，rank-1 适配器仅几 MB，可经由各 Job 挂载的 Storage Bucket 传输，从而让训练与推理分属不同 Hugging Face Jobs，无需 NCCL。