已关闭
Megatron 静态通信 patch 的 shape 接收缓冲区固定写死为 4 维，导致接收 3D tensor 时读入脏数据引发超大内存申请的伪 OOM #1897
simon_jia创建于 9月23日关闭于 28 天前
leizhenzhen23
9月23日 评论：
9月23日 评论：
👋 您好，欢迎向 MindSpeed-LLM 提交 Issue！
我们已收到您的反馈，感谢你对开源社区的支持。🎉
📅 处理时效： 维护团队将在 24 小时内 查看并回复您的问题（工作日）。
🔍 自助查询： 在等待期间，建议您先查阅社区文档，可能已有解决方案：
🚨 紧急联系： 如果您的问题非常紧急，可通过以下方式联系我们：
📧 邮箱：[ leizhenzhen4@huawei.com ]
请确保 Issue 描述清晰，包含复现步骤和日志，这将帮助我们更快定位问题。谢谢！
9月23日 添加了label：triaged
28 天前 添加了label：resolved
在包含动态或非固定维度 activation（如 DeepSeek-V4 开启 MHC 或包含 3D/4D 混合张量）的 PP 场景下，verl 调用的 Megatron 静态通信 patch 将接收 shape 缓冲区硬编码写死为 4 维。发送端发送 3D tensor（3个维度值）时，接收端仍强制接收 4 个整数，导致第 4 个维度读入未初始化的随机脏数据。随后 torch.empty() 传入异常巨大的维度数值，引发申请超过 1EB 内存的伪 OOM 崩溃。此外，MindSpeed-LLM 因补丁初始化链路参透时机不对及特征列表缺失 VariableSequenceLengthFeature 注册，导致无法自动切至按实际维度传输 shape 的动态通信逻辑。