用途：降低 Megatron Bridge 训练时的峰值 GPU 显存，解决 OOM。
主要能力：1) 显存碎片治理：设置 export PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True，多数 Slurm 模板已包含，零吞吐损失。2) 启动前用 estimate_training_memory(cfg, num_microbatches=num_microbatches) 估算最重分片，区分稠密/嵌入、MoE 专家与激活占用，但不含碎片、CUDA/NCCL 工作区、CUDA graph 缓冲等。3) 并行度调整：增加 PP、TP、分布式优化器（use_distributed_optimizer=True）、FSDP、激活重算（recompute_modules=[core_attn]）。4) CPU offloading：cfg.model.cpu_offloading = True。
决策顺序：先设 expandable_segments；再加选择性激活重算；避免靠加 TP 省显存；避免牺牲 DP 加 PP；仍 OOM 可考虑 mlp 重算。
限制：expandable_segments:True 与 --use-nccl-ub 不兼容；配合 CUDA graphs 需设 NCCL_GRAPH_REGISTER=0；CPU offloading 要求 pipeline_model_parallel_size = 1，PP>1 报 ValueError；VPP 对峰值显存影响极小，应只用于减少流水线气泡。实测 Llama3 70B 中加 TP 吞吐下降约 28%，加 PP 约 6%。估算器不替代实际显存剖析。