[Feature] HyperParallel integration follow-up: CP/TP/EP/activation/HSDP

Reminder

• I have read the above rules and searched the existing issues.

Description

【动机】

#10289 已经把 MindSpore HyperParallel 作为 FSDP2 后端接入 LlamaFactory。在此基础上补齐五项能力，让长序列、大 MoE、显存紧张以及多副本 DP 场景也能复用同一后端：

• Context Parallel (CP)：沿序列维切分长上下文。
• Tensor Parallel (TP)：对线性层做 colwise / rowwise 权重切分。
• Expert Parallel (EP)：把 MoE 专家层分布到多卡。
• Activation Swap / Recompute：把激活换出到 CPU 或重算以省显存。
• HSDP（fsdp_size）：在 1D FSDP 之外支持 2D (dp_size, fsdp_size) mesh —— 每 fsdp_size 个 rank 组成一个 shard 组，组与组之间做 DP 复制，避免 shape[0] % world_size != 0 的参数 fallback 到 replicate 路径导致 OOM。

HyperParallel 侧已实现并提供集成接口，本 issue 只负责 LlamaFactory 侧的接入与开关暴露。

【架构目标】

• 默认行为不变：未开启 use_hyper_parallel 时不触发任何 HP 代码；新增字段全部默认 off / None。
• LlamaFactory 侧只暴露 use_hyper_parallel + hyper_parallel_args（JSON 路径或 dict），并行 / 显存策略字段全部经 JSON 注入到 HyperParallelArguments。
• 本期接入 pt + sft 两个 stage。

【建议的方案】

启动方式与 #10289 一致，yaml 中开启 HP 后端：

use_hyper_parallel: true
hyper_parallel_args: examples/hyper_parallel/example.json

example.json 描述并行 / 显存策略：

{
  "cp_size": 2,

  "tp_size": 2,

  "ep_size": 4,
  "ep_style": "ep",
  "expert_module_cls": "Qwen3VLMoeTextSparseMoeBlock",

  "activation_mode": "swap",
  "activation_swap_inputs": true,

  "fsdp_size": 4
}

LlamaFactory 侧改动：

1. tuner.py._training_function：use_hyper_parallel 分支条件由 stage == "sft" 扩到 stage in {"pt", "sft"}。
2. train/hyper_parallel/trainer.py：新增 HyperParallelTrainer，继承 CustomSeq2SeqTrainer，复用 LF 既有的 loss / metric / save_predictions。
3. train/hyper_parallel/workflow.py：新增 run_pt，与已有 run_sft 共享 HP arguments 解析与 HyperParallelTrainer 构造。

组件关系：

flowchart TD
    ARGS[FinetuningArguments<br/>use_hyper_parallel + hyper_parallel_args]
    TUNER[_training_function]
    WORKFLOW[run_pt / run_sft]
    TRAINER[HyperParallelTrainer<br/>extends CustomSeq2SeqTrainer]

    subgraph HP [HyperParallel integration]
        FSDP[FSDP2 / HSDP]
        CP[Context Parallel]
        TP[Tensor Parallel]
        EP[Expert Parallel]
        ACT[Activation Swap / Recompute]
    end

    ARGS --> TUNER -->|use_hyper_parallel=True<br/>stage ∈ pt, sft| WORKFLOW --> TRAINER
    TRAINER --> FSDP
    TRAINER --> CP
    TRAINER --> TP
    TRAINER --> EP
    TRAINER --> ACT

【约束】

• 模型 / 算子支持范围以已验证清单为准，其余按需补充 adapter。

schema_version: 1
source: gitcode
gitcode_repo: mindspore/hyper-parallel
gitcode_issue: 179
source_url: https://gitcode.com/mindspore/hyper-parallel/issues/179

Start with tuner.py._training_function and the existing HyperParallel integration from #10289, then read train/hyper_parallel/trainer.py and train/hyper_parallel/workflow.py. Add the proposed pt and sft integration while preserving defaults when use_hyper_parallel is disabled. Done means the JSON-configured CP, TP, EP, activation, and HSDP options are exposed through HyperParallelTrainer for both stages.