👋 您好，欢迎向 MindSpeed MM 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）。
🚨 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：
💬 微信： WeChat
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！
/label add good-first-issue
申请认领该任务
你好，我想认领这个任务
你好，任务认领
申请认领该任务
欢迎认领任务，请参考https://gitcode.com/Ascend/MindSpeed-MM/issues/356 社区任务池明确该任务的：
- 完成的截止日期
- 开发进展反馈
- 微信答疑群
- 任务交付注意事项
等信息。如果您同时认领了多项任务，但无法都能进行投入，可以在部分任务中回复退出.
麻烦您加入到对应微信群，群备注名修改为"社区任务+您的gitcode账号", 后续有相关消息和问题都可以在微信群咨询答疑。 等您加入到微信群后，我这边会在社区任务池里面登记任务责任人。
你好，任务认领
欢迎参加认领社区任务，当前一个任务只分配一个开发，根据评论认领时间确定，您可以后续观察该任务是否被释放退出，或者认领其他任务 https://gitcode.com/org/Ascend/discussions/4
你好，任务认领
欢迎参加认领社区任务，当前一个任务只分配一个开发，根据评论认领时间确定，您可以后续观察该任务是否被释放退出，或者认领其他任务 https://gitcode.com/org/Ascend/discussions/4
认领这个任务
@Patrick2916
感谢您此前对该任务的关注与支持！
由于上一位认领者暂未继续推进该任务，目前该任务已重新开放。根据此前的候选顺序，我们希望优先邀请您参与该任务。
如您目前仍有意愿认领，请在3个工作日内回复确认，并简要说明预计开始时间或初步推进计划。确认后，我们将为您保留任务，并提供必要的背景资料和支持。
如您近期时间安排不便，也请直接告知，我们将继续顺延联系其他候选贡献者，不会影响您后续参与其他社区任务。
再次感谢您对昇腾开源社区的关注，期待与您合作！
请您在完成任务后填表登记：MM社区任务管理 https://www.kdocs.cn/l/cdATVWqoh385
认领这个任务
@xchencehn @lhj628
感谢您此前对该任务的关注与支持！
由于上一位认领者暂未继续推进该任务，目前该任务已重新开放。由于时间关系，请在3天内回复，若都有认领意愿会评估单季度任务数量不超过3个的开发者优先参与，由于Q3任务已经开放，希望您在认领任务后能在930前完成。
如您目前仍有意愿认领，请在3个工作日内回复确认，并简要说明预计开始时间或初步推进计划。确认后，我们将为您保留任务，并提供必要的背景资料和支持。
如您近期时间安排不便，也请直接告知，不会影响您后续参与其他社区任务。
再次感谢您对昇腾开源社区的关注，期待与您合作！
请您在完成任务后填表登记：MM社区任务管理 https://www.kdocs.cn/l/cdATVWqoh385
你好，确认认领该任务，8/11 已认领并已在推进环境准备。
计划：基于仓上 fsdp2_dev 分支（examples/fsdp2/ 目录规范）新增 Qwen3VL-30B-lora 的训练脚本、yaml 配置与优化实现，参考已有 qwen3_5、kimik2_5、qwen3tts 的 FSDP2 迁移方式。目标 8 月底前完成精度/性能验收并提交 PR。
你好，确认认领该任务，当前已跑通Qwen3VL-30B-lora训练
实现方式：
FSDP2后端无需新增专为lora适配的训练脚本，只需完成lora模型适配和yaml脚本参数配置即可实现lora微调，当前通过通配符的方式配置language_model部分的linear层作为target_modules实现了lora注入，并完成了对AB权重的训练，训练日志中也打印出了lora的相关日志，如微调参数总大小和相对全参的占比。
最新进展：已完成代码适配，正在编写实践文档，可参加下周四的社区会议
@xchencehn 我们看到您当前已在Q2任务中认领了多项任务，为鼓励更多的开发者参与社区建设，我们最新的要求是单个开发者认领的任务数量不超过3个，所以决定将认领名额顺延至下一位开发者，感谢您的理解
提交提案之前，请先检索仓库内是否已有相同的提案，如已有请在同一提案中进行讨论。
💻 需求背景、当前现状、期望实现的功能内容、具体的设计方案、以及测试方案
基于MindSpeed MM开放仓库的FSDP2源码，补齐模型的端侧功能。
本期任务的具体信息如下：
（1）模型名称：Qwen3 VL-30B-lora
（2） MindSpeed MM开放仓库的模型源码链接：
https://gitcode.com/Ascend/MindSpeed-MM/blob/master/examples/qwen3vl/finetune_lora_qwen3vl_30B.sh
（3） 开发平台：Atlas 800T A2或者A3
一、任务交付件
本期任务为基于MindSpeed MM开放仓库代码进行功能扩展，请合入开发代码。将megatron-FSDP2后端的模型迁移到仓上纯FSDP2分支。主要开发点如下：
（1） 模型训练脚本和yaml参数配置
（2） 模型优化实现
特性：
需要适配仓上当前现有特性，如CP，EP，chunkloss，recompute，async activation offload等，在开启特性后能体现出显存优化或性能优化，并确保精度对齐
二、验收标准：
1）精度/性能要求
精度：
对比megatron-FSDP2后端训练2000步平均误差小于2%
性能：
不低于megatron-FSDP2后端性能
2）实践文档：
开发模型实践1篇，性能优化实践1篇
3）任务完成标准
本次任务完成标准为：
精度/性能（根据实际要求）达标，PR完成合入，实践文档提交到仓库issue。
PR 合入
本地完成测试验证后，向MindSpeed-MM的main分支发起PR。
对接人
待补充
欢迎加入社区，感谢您对社区的贡献 🎉!
替代方案
补充说明
欢迎加入社区，感谢您对社区的贡献 🎉!
提交提案之前，请先检索仓库内是否已有相同的提案，如已有请在同一提案中进行讨论。
💻 需求背景、当前现状、期望实现的功能内容、具体的设计方案、以及测试方案
基于MindSpeed MM开放仓库的FSDP2源码，补齐模型的端侧功能。
本期任务的具体信息如下：
（1）模型名称：Qwen3 VL-30B-lora
（2） MindSpeed MM开放仓库的模型源码链接：
https://gitcode.com/Ascend/MindSpeed-MM/blob/master/examples/qwen3vl/finetune_lora_qwen3vl_30B.sh
（3） 开发平台：Atlas 800T A2或者A3
一、任务交付件
本期任务为基于MindSpeed MM开放仓库代码进行功能扩展，请合入开发代码。将megatron-FSDP2后端的模型迁移到仓上纯FSDP2分支。主要开发点如下：
（1） 模型训练脚本和yaml参数配置
（2） 模型优化实现
二、验收标准：
1）精度/性能要求
精度：
对比megatron-FSDP2后端训练2000步平均误差小于2%
性能：
不低于megatron-FSDP2后端性能
2）实践文档：
开发模型实践1篇，性能优化实践1篇
3）任务完成标准
本次任务完成标准为：
精度/性能（根据实际要求）达标，PR完成合入，实践文档提交到仓库issue。
PR 合入
本地完成测试验证后，向MindSpeed-MM的main分支发起PR。
对接人
待补充
欢迎加入社区，感谢您对社区的贡献 🎉!
替代方案
补充说明
欢迎加入社区，感谢您对社区的贡献 🎉!