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 \
"
```

Bloom のトレーニングスクリプトと、示されている DEEPSPEED_ARGS ブロックから始め、ZERO_STAGE と config_json がどのように設定されているかを調べ、DeepSpeed ありとなしの実行を比較します。報告されている Zero-State の値と、loss 曲線が一致しているかを検証し、その説明と結果を文書化します。

索引モデルが issue の本文から書いたものです。