qwen3-235b megatron pipeline并行报错

硬件：pai DLC平台，双机16卡 810 PPU
ms-swift：最新main分支代码
命令如下
megatron sft
--model /mnt/data/OpenModels/Qwen3-235B-A22B-Instruct-2507
--dataset
'qwen3_235b_2507_distill_110k_loss_channel.jsonl'
--load_safetensors true
--save_safetensors true
--merge_lora true
--split-dataset-ratio 0.01
--train_type lora
--lora_rank 64
--lora_alpha 128
--target_modules all-linear
--pipeline_model_parallel_size 4
--tensor_model_parallel_size 1
--expert_tensor_parallel_size 1
--expert_model_parallel_size 4
--decoder_last_pipeline_num_layers 22
--moe_permute_fusion true
--moe_grouped_gemm true
--moe_shared_expert_overlap true
--moe_aux_loss_coeff 1.0e-3
--tp_comm_overlap false
--overlap_grad_reduce true
--overlap_param_gather true
--packing true
--padding_free true
--sequence_parallel true
--micro_batch_size 1
--global_batch_size 64
--recompute_granularity full
--recompute_method uniform
--recompute_num_layers 1
--max_epochs 2
--eval_iters 256
--finetune true
--loss_scale last_round
--cross_entropy_loss_fusion true
--lr 1.0e-4
--lr_warmup_fraction 0.1
--log_interval 1
--min_lr 1e-7
--save $out_put
--save_interval 256
--max_length 8192
--num_workers 32
--no_save_optim true
--no_save_rng true
--dataset_num_proc 32
--attention_backend flash
--load_from_cache_file true
--enable_channel_loss true
另外，在之前版本的时候只设置expert_model_parallel_size=16，其它都是1时，成功训练，但是显存接近打满，更新3.9版本及之后，开始OOM，然后最近又拉最新代码，还是OOM，于是尝试其它并行配置，设置tensor_model_parallel_size时，遇到卡死问题（15个小时都在卡）
最新尝试使用如上的PP=4，emp=4，遇到如下问题：

Start from the megatron sft entry point and reproduce the reported configuration on the PAI DLC platform with two machines and 16 810 PPU cards. Compare the successful expert-model-parallel-only setup with the PP=4 and EMP=4 command, then inspect the attached error and the reported OOM or 15-hour hang. Done means identifying the incompatible setting or regression and confirming a working configuration without OOM or deadlock.