用途：把单节点 uv run python -m torch.distributed.run 命令转换为带 Enroot 容器支持的多节点 Slurm sbatch 脚本，并排查多节点作业的常见故障。
主要能力：推荐 srun 原生启动（--ntasks-per-node=8，直接 srun 拉起），避免 torch.distributed.run 与 TRAIN_CMD 转义问题；说明 Bridge 在 initialize.py 分布式初始化时从 SLURM 变量（SLURM_PROCID、SLURM_NTASKS、SLURM_LOCALID、SLURM_NODELIST）自动推导 RANK、WORLD_SIZE、LOCAL_RANK、MASTER_ADDR、MASTER_PORT。旧式 uv run torch.distributed 方式用 --ntasks-per-node=1，由 torchrun 按节点派发进程，否则会端口冲突。提供 salloc + srun 交互式 GPU 调试三步法。
使用方式：仓库、数据、日志、HF_HOME、UV_CACHE_DIR、NEMO_HOME 需放在共享文件系统；采用两阶段 srun，先单进程 uv sync 预热缓存再跑全量；凭证通过调度器环境或受限密钥文件提供，不写入脚本。
限制与注意事项：NEMO_HOME 不能用容器本地默认路径，否则多节点 SFT 会因打包数据不可见失败；MoE 模型需按 experts_per_gpu = num_experts / EP 估算显存，TP 不减少专家内存；FP8 权重往返比对可能因 BF16/FP8 精度差报权重不匹配；日志排查需过滤警告噪声并先看首个失败 rank。可复制的 sbatch 模板见 references/templates.md。