环境信息

- 昇腾硬件：8 × 910B2
- CANN：25.3.RC1
- torch_npu：2.7.1
- 代码版本：master 分支，HEAD 852ddffd（2026-08-07）
- 模型：Qwen3.5-9B（LoRA r=8）

问题描述

在 LoRA 微调 + 仅导出 adapter（no_save_optim: true 且 no_save_rng: true）的配置下，每次 checkpoint 保存虽然正确写出了 adapter 的 .safetensors，但控制流未在此处返回，继续落入下方的「全量模型 DCP 写入」分支，导致每个 iter 的 save 都把冻结的基模型整份再写一遍（Qwen3.5-9B 约 36G/次）。

既无训练态可续（optim/rng 都不存），全量 DCP 写只服务于 resumption，此刻纯属浪费：磁盘与 IO 被吞掉，但训练本身不崩，是静默 bug。

根因

mindspeed_mm/fsdp/train/train_engine.py save() 方法，LoRA 分支在 save_lora_only(...) 之后没有 return，直接落到 # Default save behavior (full model) 的全量 DCP 写入：

https://gitcode.com/Ascend/MindSpeed-MM/blob/master/mindspeed_mm/fsdp/train/train_engine.py#L390-L404

def save(self, iteration, consumed_train_samples):
    """Save checkpoint with model, optimizer, and training state."""
    args = self.args

    # Handle LoRA save modes
    if args.training.lora.enable:
        # Save only LoRA adapter weights
        if self.lora_weight_manager is not None:
            self.lora_weight_manager.save_lora_only(          # ← 只存 adapter
                save_path=args.training.save,
                iteration=iteration,
            )
                                                            # ← 此处缺少 return
    # Default save behavior (full model)                       ← 落入全量 DCP 写
    state = {
        "model": self.model,
        "extra_state": { ... },
    }

复现步骤

1. 用官方 qwen3_5 插件 + qwen3_vl_nothink 模板的 Qwen3.5-9B LoRA 配置，关键字段：

training:
  lora:
    enable: true
    r: 8
  save: /path/to/save
  no_save_optim: true      # adapter-only 意图
  no_save_rng: true
  save_interval: 2
  train_iters: 3

2. 启动：

torchrun --nproc_per_node 8 mindspeed_mm/fsdp/train/trainer.py <config>.yaml

预期行为

no_save_optim + no_save_rng 时只写 adapter（~56M/次），save 目录总计应在百 MB 量级，不出现 iter_* 目录、不出现 *.distcp 分片。

实际行为

save 目录总计 71G，含 iter_0000002/ + iter_0000003/ 两个全量 DCP 目录（各约 36G，含 __*_0.distcp 分片），另有两个 adapter lora_adapter_iteration_*.safetensors。rc=0，无报错——静默浪费。

$ du -sh /path/to/save
71G
$ ls -d /path/to/save/iter_*
iter_0000002  iter_0000003
$ find /path/to/save -name '*.distcp' | head
.../iter_0000003/__0_0.distcp

建议修复

在 LoRA 分支 save_lora_only(...) 之后，当既不存 optim 也不存 rng（即无训练态可续）时早退 return，跳过只服务于 resumption 的全量 DCP 写入：

         if args.training.lora.enable:
             # Save only LoRA adapter weights
             if self.lora_weight_manager is not None:
                 self.lora_weight_manager.save_lora_only(
                     save_path=args.training.save,
                     iteration=iteration,
                 )
+            # Adapter-only export: when neither optimizer nor RNG state is being
+            # saved there is no training state to resume from, so the full-model
+            # DCP write (which only exists to support resumption) would duplicate
+            # the frozen base model on every save with no benefit. Skip it.
+            if args.training.no_save_optim and args.training.no_save_rng:
+                torch.distributed.barrier()
+                return
         # Default save behavior (full model, for resumption)
         state = {

说明：当 no_save_optim/no_save_rng 任一为 false（即确有训练态需续）时，仍走全量 DCP，行为不变——修复只裁掉「纯 adapter 导出」这一无意义全量写。