[BUG] 在 ZeRO 阶段 0 中, get_global_grad_norm() 返回 None (fp32)

同 #7255 相同的症状（打开，没有相应的问题）。此处添加了一个问题、原因和修复，因此可以随意关闭一个作为另一个的重复。 描述问题 使用 fp32 训练在 ZeRO 阶段 0 中，并启用梯度裁剪，engine.get_global_grad_norm() 在 step() 之后返回 None。在阶段 1 中，相同的配置返回了范数。在 fp32 阶段 0 中，_take_model_step 中通过 clip_fp32_gradients() 进行梯度裁剪，该函数调用 deepspeed.runtime.utils.clip_grad_norm_。该函数返回总范数，但该值被丢弃（engine.py L3425-L3442）。之后，引擎只复制 optimizer._global_grad_norm。只有 fp16/bf16/ZeRO Wrapper 优化器设置了该属性。在 fp32 阶段 0 中，直接使用基本优化器（一个 torch.optim 优化器，或 DeepSpeed 的 FusedAdam、CPUAdam、FusedLamb 等），因此它保持为 None。在阶段 0 中使用 torch_autocast 也采用了相同的路径。这正是 #7255 所描述的内容：HF Trainer 将 max_grad_norm 映射为 gradient_clipping，在 max_grad_norm > 0 时从 get_global_grad_norm()（通过 Accelerate）读取范数，并在其日志中删除值为 None 的 grad_norm。由于 #8068 将 gradient_clipping 设置为默认值 1.0，因此纯粹的 DeepSpeed 配置也会遇到此问题。get_global_grad_norm() 的文档只列出了在 ZeRO-1/2 中，当禁用梯度范数计算时，返回 None，因此这看起来是意外的。 重现问题 1. 将其保存为 repro.py：