[no-merge] add fc yaml

[Xing-lil]

Before submitting

• Lint code. If there are lint issues, please format the code first.

# Install and register `pre-commit` in the project folder
pip install pre-commit && pre-commit install

# Process previous code files separately
pre-commit run --file XXXX.py

• Add test cases into tests folder. If there are codecov issues, please add tests cases first.

PR types

Others

PR changes

Others

Description

add fc yaml

[risemeup1111]

已完成首轮 review。当前发现会阻塞这些新增 FT 配置按节点数运行的并行度问题，细节和可应用修改已放在行内评论里。

优先级：P3 非行级：PR 标题和描述无法挂到具体 diff 行。当前标题带有 [no-merge]，描述也只有 add fc yaml，如果准备继续合入，建议去掉 no-merge 标记，并在描述中补充这些配置的目标卡数/节点数、启动方式和已验证结果。

^{Powered by Nyanpasu with gpt-5.5 xhigh, please check the suggestions carefully.}

[risemeup1111]

优先级：P1

这个 2nodes 配置按同目录 FT 配置的 2 节点/8 卡约定运行时会在训练参数初始化阶段直接失败。TrainingArguments._post_init_parallel_degree() 会计算 data_parallel_size = world_size / (sharding_parallel_size * tensor_model_parallel_size * sep_parallel_size * pipeline_model_parallel_size)；16 卡下这里是 16/(4*1*1*2)=2，同时 expert_model_parallel_size=4 又得到 moe_sharding_parallel_size=16/(2*4)=2，随后代码明确拒绝 moe_sharding_parallel_size > 1 && data_parallel_size > 1 以及 data_parallel_size > 1 && expert_model_parallel_size > 1 的组合，训练不会启动。若这个文件仍是 2 节点 8 卡场景，请保持 sharding/EP 度数覆盖完整每个 PP stage；若目标其实是 2 节点 4 卡，也需要在文件名或注释里标清并配套启动脚本固定 world_size=8。

Suggested change

	sharding_parallel_size: 4
	pp_delay_scale_loss: true
	use_expert_parallel: true
	expert_model_parallel_size: 4
	sharding_parallel_size: 8
	pp_delay_scale_loss: true
	use_expert_parallel: true
	expert_model_parallel_size: 8

[risemeup1111]

优先级：P1

这个 3nodes 配置也会在常规 3 节点/8 卡的 FT 运行里被并行度校验拒绝。24 卡下当前值会得到 data_parallel_size = 24/(4*1*1*3)=2，同时 moe_sharding_parallel_size = 24/(3*4)=2；TrainingArguments._post_init_parallel_degree() 不支持 EP 和数据并行同时大于 1，也不支持 moe_sharding_parallel_size > 1 时再有 data_parallel_size > 1，因此训练初始化会抛错。若该文件表示 3 节点 8 卡，请改回覆盖完整 PP stage 的 sharding/EP 度数；若实际只打算 4 卡/节点运行，请把这个 rank 约束写进配置说明/文件名，避免按 3nodes 直接使用时失败。

Suggested change

	sharding_parallel_size: 4
	pp_delay_scale_loss: true
	use_expert_parallel: true
	expert_model_parallel_size: 4
	sharding_parallel_size: 8
	pp_delay_scale_loss: true
	use_expert_parallel: true
	expert_model_parallel_size: 8