在 8 个 B200 GPU 上完成部署阶段后,训练无限期地挂起,其中 CP=4, TP=2

描述

训练在展开阶段完成并开始训练阶段后无限期地卡住。系统在数小时内只显示 SGLang 健康检查 ping，没有训练进展。