Liger GRPO 与 TRL 集成在 DeepSpeed ZeRO3 下出现形状不匹配

用户在使用 Qwen2.5-0.5B-Instruct 以 bf16 精度结合 DeepSpeed ZeRO3 测试 Liger GRPO loss 时，于 TRL 的 GRPO Trainer 中触发形状不匹配报错。