这是一篇示例中文文章，用来验证博客的双语切换和评论区配置。

大模型训练通常不是靠单一并行策略解决问题，而是把不同维度的并行组合起来：

  • FSDP 切分参数、梯度和优化器状态，主要缓解模型状态显存。
  • Pipeline Parallelism 按层切分模型深度，让更大的模型跨设备训练。
  • Context Parallelism 按序列维度切分长上下文，主要缓解 attention 激活显存。
  • Expert Parallelism 按 expert 切分 MoE 模块，适合 Qwen、DeepSeek、Mixtral 这类 MoE 模型。

后续可以把这篇替换成正式文章。