执行摘要
- 一句话：修复Qwen3.5 397B模型在启用专家并行时权重转换错误。
- 推荐动作：该PR值得精读，特别是对于处理大模型专家并行权重的开发者。关注点：1. 如何从权重名称中提取本地专家ID；2. 如何结合EP上下文计算全局ID；3. 确保HF张量形状与EP配置匹配的设计决策。建议补充测试用例以验证修复。
功能与动机
根据PR描述，当使用--expert-model-parallel-size 8参数时，512个专家被分配到8个EP rank，每个rank处理64个专家。但转换函数_weight_to_mcore_format在处理融合专家权重（如linear_fc1.weight0到weight63）时，使用mcore_weights_name.split("weight")[-1]提取的是本地专家ID（0-63），而HF的融合张量gate_up_proj形状为[512, 2048, 4096]，需要全局专家ID来索引。这导致EP rank 1的参数错误地从HF张量的索引0-63提取，而非正确的64-127，造成权重转换错误。
实现拆解
修改了slime_plugins/mbridge/qwen3_5.py文件中的_weight_to_mcore_format函数。关键改动点：1. 将变量名从expert_id重命名为local_expert_id以明确其含义；2. 引入专家并行上下文，通过mpu.get_expert_model_parallel_world_size()和mpu.get_expert_model_parallel_rank()获取EP大小和当前rank；3. 计算全局专家ID：如果EP大小大于1，则根据EP rank和本地专家数量计算全局ID，否则直接使用本地ID；4. 使用全局专家ID索引HF张量，确保权重正确提取。
关键文件：
slime_plugins/mbridge/qwen3_5.py（模块 plugins/mbridge）: 这是唯一修改的文件，包含权重转换的核心逻辑修复，直接影响Qwen3.5模型在专家并行下的正确性。
关键符号：_weight_to_mcore_format
评论区精华
由于review评论为空，没有讨论记录。从代码变更看，这是一个直接的bug修复，没有争议或设计权衡。
风险与影响
- 风险：风险较低：1. 回归风险：修改仅影响启用专家并行时的权重转换逻辑，对非专家并行场景无影响；但需确保EP大小和rank计算正确，否则可能导致权重映射错误。2. 性能风险：引入
mpu模块调用可能增加轻微开销，但仅在转换时执行一次，影响可忽略。3. 兼容性风险：依赖于Megatron Core的mpu模块，需确保该模块在运行环境中可用且版本兼容。4. 测试覆盖：缺少相关测试用例验证修复效果，需手动测试专家并行场景。
- 影响：影响范围：1. 对用户：修复了Qwen3.5 397B模型在专家并行下的权重转换错误，确保模型能正确加载和运行，提升大模型训练稳定性。2. 对系统：仅影响权重转换工具，不涉及运行时逻辑，不影响已训练模型。3. 对团队：简化了专家并行配置下的调试工作，避免了因权重错误导致的训练失败。影响程度：中等，因为专家并行常用于大规模模型训练，修复可避免潜在训练中断。
- 风险标记：专家并行配置敏感, 缺少测试覆盖
关联脉络
- PR #1769 Support FP8 conversion for Qwen3.5: 同样涉及Qwen3.5模型的权重转换工具（tools/convert_hf_to_fp8.py），可能共享类似转换逻辑，但本PR专注于专家并行场景。
- PR #1756 [Fix]Fix some bugs/clean up: 涉及Megatron工具链的bug修复，包括检查点加载等，与本PR同属底层工具链维护。
参与讨论