AttributeError when linear_decoupled_in_proj is enabled

[tomzw11]

Checklist / 检查清单

• I have searched existing issues, and this is a new bug report. / 我已经搜索过现有的 issues，确认这是一个新的 bug report。

Bug Description / Bug 描述

问题描述

在 linear_decoupled_in_proj 模式下，新创建的线性层（in_proj_qkvz 和 in_proj_ba）是在 super().__init__ 之后才创建的，没有被 DDP 正确处理，导致 main_grad 属性缺失。

当 gradient_accumulation_fusion 启用时，反向传播会访问 weight.main_grad.dtype，但由于 main_grad 是 None，会出现：

AttributeError: 'NoneType' object has no attribute 'dtype'

在 1.4 版本和 Qwen3.5 适配中，gradient_accumulation_fusion 是默认启用的（通过 --no-gradient-accumulation-fusion 可以禁用）。

临时解决通过配置 --no-gradient-accumulation-fusion 来避免这个问题。

How to Reproduce / 如何复现

mindspeed 0.16
megatron-core 0.16
mcore-bridge 1.4
ms-swift 4.2
Ascend 910B
megatron sft qwen3.5 35b-a3b

Additional Information / 补充信息

No response

[Jintao-Huang]

我这里测试没问题啊，DDP处理是在完整创建模型之后，不应该有这个问题啊。是sft嘛

[tomzw11]

这个和 [https://github.com//pull/109(url) 都是megatron pt场景, 没有用FLA算子，配置如下

export USE_MCORE_GDN=1 export TASK_QUEUE_ENABLE=2 megatron pt \ --tensor_model_parallel_size 4 \ --pipeline_model_parallel_size 4 \ --context_parallel_size 1 \ --expert_model_parallel_size 2 \ --model_type qwen3_5 \ --sequence_parallel true \ --use_distributed_optimizer true \ --optimizer_cpu_offload true \ --micro_batch_size 1 \ --global_batch_size 2 \ --recompute_granularity full \ --recompute_method uniform \ --recompute_num_layers 20 \ --cross_entropy_loss_fusion true \ --lr 1e-4 \ --lr_warmup_fraction 0.05 \ --min_lr 1e-5 \ --num_train_epochs 1 \ --max_length 8196 \ --dataloader_num_workers 4 \ --no_save_optim true \ --no_save_rng true \ --dataset_num_proc 4 \