Why is deepspeed enabled in the Bloom training script?

Why is the value of Zero-State 0 when deepspeed is enabled in the Bloom training script? Can the Bloom model be trained and the loss curve is aligned when deepspeed is disabled? Thanks very much.

```shell
DEEPSPEED_ARGS=" \
--deepspeed \
--deepspeed_config ${config_json} \
--zero-stage ${ZERO_STAGE} \
--deepspeed-activation-checkpointing \
"
```

Beginne mit dem Bloom-Trainingsskript und dem gezeigten DEEPSPEED_ARGS-Block; untersuche, wie ZERO_STAGE und config_json gesetzt werden, und vergleiche Läufe mit und ohne DeepSpeed. Überprüfe den angegebenen Zero-State-Wert und ob die Loss-Kurven übereinstimmen, und dokumentiere die Erklärung und die Ergebnisse.

Vom Indexierungsmodell aus dem Issue-Text verfasst.