Nereus 让 RL 后训练在运行中自适应并行：真实数据轨迹上平均步延迟降 27.7%，8B PPO 吞吐最高达 OpenRLHF 的 7.27 倍
Nereus 是一个面向大语言模型强化学习后训练的成本感知运行时，它把每个模型-阶段副本抽象为 Elastic Model Unit，用全局转移图编排 Split、Merge、Extend、Destroy 四种原语，在运行中按“收益能否偿还转移成本”的准则在线调整 DP/TP/PP 执行计划；在真实数据构建的轨迹上，在线 TP/PP 自适应相对初始固定 TP/PP 布局把平均步延迟降低 27.7%，1,000 步扩展到 1,024 GPU 的运行中六次转移仅占总运行时间的 0.079%，8B PPO 端到端吞吐相对 OpenRLHF 提升 2.14–7.27 倍、相对 Verl 提升 1.10–1.47 倍。