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 \
"
```

Inizia dallo script di training di Bloom e dal blocco DEEPSPEED_ARGS mostrato; esamina come vengono impostati ZERO_STAGE e config_json e confronta le esecuzioni con e senza DeepSpeed. Verifica il valore di Zero-State riportato e se le curve della loss sono allineate, quindi documenta la spiegazione e i risultati.

Scritto dal modello di indicizzazione a partire dal testo della issue.