[Bug]: 全量 UT 在预编译 CustomOps、浮点归约和可选 TensorFlow 导入场景下失败

Checklist

• I have searched the existing issues.
• I have read the relevant documentation.
• I have provided the failing cases, error signatures and reproduction environment.

🐛 Describe the bug

PR #1313 使用全量 native wheel 执行 Debug 门禁时，先后暴露出 3 个全量 UT 隔离或稳定性问题，以及 1 个 Torch differentiable all-gather 反向梯度连续性问题。

1. CustomOps 缺失扩展用例依赖运行环境

失败用例：

tests/ut/platform/mindspore/custom_ops/test_custom_op_impl.py::TestCustomOpsLoading::test_missing_extension_does_not_jit_compile

Debug 构建使用：

bash build.sh --multicore all --shmem all --custom-ops on --strict on

hyper_parallel_custom_ops_ms.so 已成功构建并打入 wheel。用例本意是验证“预编译扩展缺失时不进行 JIT 编译”，但没有显式模拟扩展不存在，而是依赖安装环境中没有该 .so。当全量 native wheel 中存在可加载扩展时，import 成功，预期的 ImportError 不再发生。

处理方式：删除该环境敏感且无法稳定构造缺失场景的用例；保留 loader 成功、加载失败包装和并发模块保护等有效覆盖。

2. MoE parity 用例使用浮点精确相等

失败用例：

tests/ut/platform/torch/common/test_moe_megatron_parity.py::TestLoadBalanceLossMegatronParity::test_semantic_difference_documentation

该用例在 CPU 上手工构造 float32 softmax 和 top-k 概率归约，没有调用 HyperParallel 的生产实现，并将浮点归约结果与整数 token 数量做精确相等比较。不同 CPU 架构、向量化实现或归约顺序可能产生末位误差；同文件其他用例已经覆盖公式等价性和负载均衡方向。

处理方式：删除该说明性、重复且依赖浮点精确相等的用例，不改动业务实现。

3. Activation checkpoint UT 间接加载 TensorFlow 后 SIGSEGV

失败用例：

tests/ut/trainer/test_activation_checkpoint.py::TestActivationCheckpointSwapInputs::test_eager_checkpoint_wrappers_receive_swap_inputs

导入链：

_apply_activation_checkpointing
  -> _should_use_hf_native_gradient_checkpointing
  -> transformers.modeling_layers
  -> transformers.processing_utils
  -> transformers.video_utils
  -> transformers.image_transforms
  -> tensorflow
  -> tensorflow.python.platform.self_check.preload_check
  -> SIGSEGV

该用例只验证 eager checkpoint wrapper 的 swap_inputs 参数透传，却没有隔离 Hugging Face native gradient-checkpoint 探测路径。门禁环境安装了 TensorFlow，Transformers 对可选后端的模块初始化触发 TensorFlow native extension 加载并崩溃。

处理方式：在该组 UT 中 mock _should_use_hf_native_gradient_checkpointing() 返回 False，使参数透传测试不再加载无关的 Transformers/TensorFlow 后端。修复后 Debug 构建 #1346 的全量 UT 通过。

4. Torch differentiable all-gather 反向传入非连续 Tensor

失败用例：

tests/torch/accuracy/test_llama3_accuracy.py::test_llama3_tp_cp_fully_shard_accuracy

Debug 构建 #1346、#1347 和 #1348 在 Context Parallel/DTensor 的 backward 路径稳定出现：

partial_loss.backward(backward_seed)
  -> torch.distributed.nn.functional._AllGather.backward
  -> torch.distributed.nn.functional._AlltoAll.forward
  -> torch.distributed.all_to_all
RuntimeError: Tensors must be contiguous

根因如下：

• TorchPlatform.differentiable_all_gather_concat() 使用 torch.distributed.nn.functional.all_gather() 保留可微语义；
• HyperParallel 原实现只保证 all-gather 的前向输入连续；
• concat 的反向可能向各个 all-gather 输出返回非连续梯度视图；
• PyTorch 的 _AllGather.backward 在当前非 NCCL 路径中通过 list-based all-to-all 归约这些梯度，HCCL/PTA 要求传入 Tensor 连续，因此在通信调用处报错。

该问题不是 native adapter、symmetric-memory CMake 或 MegaMoE kernel 引入的编译问题，而是现有 Torch platform differentiable collective 的反向张量布局契约没有覆盖 HCCL 要求。

处理方式：

• 在每个 differentiable all-gather 输出后增加 autograd identity；
• 前向直接返回原 Tensor，不增加拷贝；
• 反向将 grad_output 转为 contiguous 后再交给 PyTorch 原有 _AllGather.backward；
• 不改变通信后端、进程组、rank 顺序和原有 collective 算法。

补充了 backward 梯度连续性 UT，并通过本地 2 进程 Gloo 前向/反向验证；NPU/HCCL 回归由 PR #1313 的 Debug 门禁继续验证。

Expected behavior

• UT 不依赖 wheel 中可选 native 组件是否存在；需要缺失场景时应显式构造该场景。
• 浮点测试不使用脆弱的精确相等断言，且不保留不覆盖生产实现的重复说明性用例。
• 仅验证 checkpoint 参数透传的 UT 不加载无关的 Transformers/TensorFlow 后端。
• differentiable_all_gather_concat() 保证传给后端反向 collective 的梯度 Tensor 连续，同时保持前向结果、rank 顺序和 autograd 语义不变。
• 全量 tests/ut 可以完整执行，Torch Context Parallel NPU ST 可以完成 backward。

Additional context

• Related PR: #1313
• Full UT evidence: https://log-build.mindspore.cn/job/Hyper-parallel_Atomgit_Gate_Debug_Dongyf/1344
• Torch ST evidence: https://log-build.mindspore.cn/job/Hyper-parallel_Atomgit_Gate_Debug_Dongyf/1346
• Reproduction: https://log-build.mindspore.cn/job/Hyper-parallel_Atomgit_Gate_Debug_Dongyf/1347
• Latest reproduction: https://log-build.mindspore.cn/job/Hyper-parallel_Atomgit_Gate_Debug_Dongyf/1348
• Verification pipeline: https://log-build.mindspore.cn/job/Hyper-parallel_Atomgit_Gate_Debug_Dongyf/1350

Environment info

全量 UT（#1344）：

Python: 3.10.20
pytest: 9.1.1
PyTorch: 2.9.0+cpu
torch_npu: 2.9.0.post5
Build: --multicore all --shmem all --custom-ops on --strict on

Torch NPU ST（#1348）：

Python: 3.10.19
pytest: 6.2.5
CANN: 9.2.0
Test: test_llama3_tp_cp_fully_shard_accuracy

schema_version: 1
source: gitcode
gitcode_repo: mindspore/hyper-parallel
gitcode_issue: 358
source_url: https://gitcode.com/mindspore/hyper-parallel/issues/358

Start with the four named tests, then inspect the relevant CustomOps loader, MoE parity test, activation-checkpoint helper, and TorchPlatform.differentiable_all_gather_concat(). Run the failing UTs first. Done means isolated tests no longer depend on optional components or fragile assertions, checkpoint tests avoid unrelated backend imports, and differentiable all-gather backward passes contiguous gradients while the listed regression tests pass.