**Nereus：面向 LLM 后训练的自适应并行运行时**

_Nereus: Adaptive Parallelism for LLM Post-Training_

> Nereus 是一种成本感知运行时，旨在解决 LLM 强化学习后训练中因资源、序列长度及内存压力变化导致的执行计划失效问题。通过引入弹性模型单元（EMU）和全局转换图，Nereus 实现了低开销的在线张量/流水线并行（TP/PP）自适应调整。实验显示，其平均步延迟降低 27.7%，转换开销仅占 0.079%，端到端吞吐量较 OpenRLHF 提升 2.14-7.27 倍。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.34645)