用途：在 Megatron Bridge 中启用 MoE 专家并行通信重叠，让 token dispatch/combine 与计算重叠，从而提升训练吞吐。适用于 EP>1、profile 中 dispatch 或 combine 时间明显、且训练已正确、进入吞吐调优阶段的场景；不建议作为早期 bring-up 步骤。
主要能力：支持 dispatch/combine 重叠、flex dispatcher 后端、专家 wgrad 延迟调度（delay_wgrad_compute）。
启用方式： cfg.comm_overlap.overlap_moe_expert_parallel_comm = True cfg.comm_overlap.delay_wgrad_compute = True（可选） cfg.model.moe_shared_expert_overlap = False（使用 dispatch 重叠时必须关闭共享专家重叠）
前提条件：expert_model_parallel_size > 1；num_moe_experts > 1；moe_token_dispatcher_type 为 "alltoall" 或 "flex"；精度为 BF16 或 FP16；若使用 PP，必须设置 VPP（virtual_pipeline_model_parallel_size 非 None）。
Flex dispatcher：仅设置 moe_flex_dispatcher_backend 不会激活 flex dispatch，必须同时设置 moe_token_dispatcher_type = "flex"。
重计算与 CUDA Graph：完整重计算不适合与重叠路径搭配；delay_wgrad_compute 在 CUDA-graph 作用域包含 attention 或 MoE-router 时还有额外约束。实践中启用重叠时选择性重计算更安全。
验证：初始化时查看重叠相关日志；comm_overlap.py 的校验会在前提不满足时报错，干净启动即表示已激活。短程性能冒烟可参考 run_script.py 命令，一次只调整一个重叠开关。
限制：多数公开 recipe 默认关闭 MoE 重叠，需显式覆盖开启；收益依赖工作负载，通信占比高时更明显，小规模或低负载 EP 不保证提升。资料中的 H100 x16 短程结果为方向性证据，非发布级结论，也未验证 fused permutation 路径。若 bring-up 时 fused MoE permutation 失败，可加 model.moe_permute_fusion=false 隔离重叠计时与运行时栈验证。