DSA 一阶段（dense warm-up，dsa_indexer_use_sparse_loss: False）训练时，显存占用随 Transformer 层数线性增长。1M 序列 128 卡实测跑到第 4 层即 OOM，峰值 54.26 GiB。
dsa_indexer_use_sparse_loss: False
开启或关闭 DSA indexer Top-K 共享都会复现，两者峰值构成相近。
一阶段的显存占用不应随层数线性增长——主干在该阶段是冻结的，其激活无需保留。
每层留下约 8 GiB 的 indexer 中间量且直到训练步结束都不释放。memory_tracker 中 「采集结束仍未释放」的块（1M 序列，4 层合计 50.78 GiB）：
一阶段整层跳过 activation checkpoint wrapper：
# mindformers/pynative/transformers/experimental_attention_variant/dsa_transformer_layer.py self.disable_activation_recompute = self.dsa_warmup
该行为由 !8692 引入，意图正确——主干被 _DSAWarmupLayerBoundary 切断反向，重放它没有意义。 但一阶段唯一在训练的 indexer 也位于同一层内，被一并豁免后，其全部中间量不再参与重算， 按层驻留并线性累积。
_DSAWarmupLayerBoundary
!8692 的显存验证是单卡 12 GiB 量级、npu-smi 秒级粒度，该规模下 indexer 中间量很小， 因此当时未暴露；1M 序列下问题才显现。
npu-smi
问题描述 (Describe the bug)
DSA 一阶段（dense warm-up，
dsa_indexer_use_sparse_loss: False）训练时，显存占用随Transformer 层数线性增长。1M 序列 128 卡实测跑到第 4 层即 OOM，峰值 54.26 GiB。
开启或关闭 DSA indexer Top-K 共享都会复现，两者峰值构成相近。
复现步骤 (To Reproduce)
dsa_indexer_use_sparse_loss: False（一阶段 dense warm-up）；期望行为 (Expected behavior)
一阶段的显存占用不应随层数线性增长——主干在该阶段是冻结的，其激活无需保留。
实际行为 (Actual behavior)
每层留下约 8 GiB 的 indexer 中间量且直到训练步结束都不释放。memory_tracker 中
「采集结束仍未释放」的块（1M 序列，4 层合计 50.78 GiB）：
根因分析 (Root cause)
一阶段整层跳过 activation checkpoint wrapper：
# mindformers/pynative/transformers/experimental_attention_variant/dsa_transformer_layer.py self.disable_activation_recompute = self.dsa_warmup该行为由 !8692 引入，意图正确——主干被
_DSAWarmupLayerBoundary切断反向，重放它没有意义。但一阶段唯一在训练的 indexer 也位于同一层内，被一并豁免后，其全部中间量不再参与重算，
按层驻留并线性累积。
!8692 的显存验证是单卡 12 GiB 量级、
npu-smi秒级粒度，该规模下 indexer 中间量很小，因此当时未暴露；1M 序列下问题才显现。
环境 (Environment)