Nereus adapte en cours d’exécution le parallélisme du post-entraînement par RL des grands modèles de langage
1 sourcemis à jour 29 sept.pertinence 3,4 sur5
L’essentiel
Sur PPO 8B, Nereus améliore le débit de bout en bout de 2,14 à 7,27 fois face à OpenRLHF et de 1,10 à 1,47 fois face à Verl. Sur 1 000 pas, avec jusqu’à 1 024 GPU, six transitions consomment 0,079 % du temps total.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceSonglin Jiang, Tuo Shi, Sitong Zhang et al.huggingface.co
Nereus: Adaptive Parallelism for LLM Post-Training (site externe)
Reinforcement learning (RL) post-training for large language models (LLMs) coordinates multiple models across generation, inference, and training on GPU clusters.
Sur les mêmes thèmes
Infra
Ai2 publie Olmo-core 3, son framework d’entraînement ouvert pour de grands modèles à mélange d’experts
Infra
SlimWise élague les experts uniquement au décodage pour servir plus efficacement les modèles MoE
Recherche
RayOrch, un moteur distribué, préserve les liens parent-enfant dans la préparation de données d’IA
Infra
TRACE propose un entraînement FP4 par RL pour les modèles MoE, guidé par les rollouts
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5