[Ascend]: Qwen3多模态MOE架构模型使用EP训练报错

[lxjhunan]

Add a description

模型可以正常加载，30分钟左右后出现超时，报错信息如下：
c10_npu::acl::AclrtSynchronizeStreamWithTimeout(copy_stream), error code is 107020

训练参数设置：
--train.micro_batch_size 1
--train.global_batch_size 32
--train.profile.with_stack false
--train.accelerator.ep_size 4

[Crystal-jiang]

您好！收到你的报错信息。为了复现并排查问题，辛苦提供以下信息：

启动脚本：
完整的 bash 启动命令（特别是涉及ascend 相关参数的部分）。

环境信息：
Python 包版本（pip list 或 requirements.txt）
华为 CANN 版本（npu-smi info 或 cat /usr/local/Ascend/ascend-toolkit/set_env.sh）
驱动版本（npu-smi info）

代码版本：VeOmni代码的 Commit ID

硬件配置：具体的 NPU 型号（如 910B）以及卡数

完整报错信息：包含报错堆栈的报错信息