[Bug]: dualmode Trainer FSDP optimizer layout loses TP global shape

Checklist

• 已检索现有 Issue。
• 已阅读相关设计和实现。
• 已通过 dualmode Trainer 多维并行用例复现。

问题描述

dualmode Trainer 生产路径中，TP/EP 处理后的参数在进入 fully_shard 时是普通本地 Parameter，不再携带 DTensor 的 global shape。FSDP 参数管理若直接把传入参数的 local shape 当作 optimizer Layout 的 global shape，会造成元数据与 FSDP+TP/EP placements 不匹配。

Muon 根据错误的 optimizer layout 恢复 Newton-Schulz 输入形状时，会在 TP+FSDP 场景触发 shape is invalid for input of size 16384。多维 replicate mesh 下，异步 relay broadcast 若未等待前一维通信完成，还可能让后一维从尚未收到有效数据的 rank 继续广播，污染 optimizer 参数。

复现场景：8 卡 HSDP(2×2)+TP(2)、DP(2)+CP(2)+TP(2) 以及 HSDP+TP+EP MoE dualmode Trainer，用优化器执行参数更新并与 standalone 模型逐步对拍。

期望行为

FSDP 应根据 TPShardMetaInfo 中已知的 mesh 和 placements，从 TP/EP-local shape 恢复 logical global shape，再构造统一的 FSDP+TP/EP optimizer layout。Muon 应同时支持普通 Parameter 与 DTensor，并保证多维 replicate relay 的维度间数据依赖。

环境信息

• 平台：PyTorch，HYPER_PARALLEL_PLATFORM=torch
• 硬件：8×Ascend 910B
• 目标分支：trainer_dev
• 并行组合：HSDP+TP、DP+CP+TP、HSDP+TP+EP MoE

schema_version: 1
source: gitcode
gitcode_repo: mindspore/hyper-parallel
gitcode_issue: 330
source_url: https://gitcode.com/mindspore/hyper-parallel/issues/330

Start by tracing dualmode Trainer parameter handling into FSDP fully_shard, focusing on TPShardMetaInfo, optimizer layout construction, Muon shape restoration, and multidimensional replicate relay. Reproduce the listed HSDP+TP or DP+CP+TP cases, then verify that optimizer updates match the standalone model step by step and that the MoE HSDP+TP+EP path preserves relay dependencies.