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 \
"
```

Comienza con el script de entrenamiento de Bloom y el bloque DEEPSPEED_ARGS mostrado; inspecciona cómo se establecen ZERO_STAGE y config_json, y compara las ejecuciones con y sin DeepSpeed. Verifica el valor de Zero-State indicado y si las curvas de pérdida se alinean; después, documenta la explicación y los resultados.

Escrito por el modelo de indexación a partir del texto del issue.