用途：在 Megatron-Bridge 中启用 MoE 专家并行（EP）通信重叠，让 token dispatch/combine 的 all-to-all 通信与专家 FFN 计算并行执行，从而隐藏通信开销。可选 delay_wgrad_compute 将专家权重梯度计算延后，与下一层前向重叠。
主要能力与用法：提供两种调度路径。alltoall 为默认、兼容性最广；flex 使用 DeepEP 或 HybridEP，在受支持的 GPU 上可获得更高重叠。基本启用方式为设置 cfg.comm_overlap.overlap_moe_expert_parallel_comm = True，保持 cfg.model.moe_shared_expert_overlap = False，并将 moe_token_dispatcher_type 设为 "alltoall" 或 "flex"。使用 flex 需调用 apply_flex_dispatcher_backend(cfg.model, moe_flex_dispatcher_backend="deepep")（或 "hybridep"），仅设置 backend 字段不会激活。仅在普通重叠路径验证可用后再启用 delay_wgrad_compute=True。
适用场景：EP > 1 的 MoE 模型、dispatch/combine 通信占步骤时间明显、有显存余量且以吞吐为调优目标时。资料给出 Qwen3 MoE 30B-A3B SFT 在 16×H100、EP=16、alltoall、BF16 下的隔离基准（迭代 3-8）：无重叠 41.25s，EP 重叠 31.31s（1.317x），叠加 delay_wgrad 31.20s（1.322x）；未显示 delayed wgrad 的独立显著收益。
限制与约束：需 expert_model_parallel_size > 1、num_moe_experts > 1、BF16 或 FP16、PyTorch >= 2.6.0；启用全量重算、moe_shared_expert_overlap 或仍在正确性搭建阶段时避免使用；PP > 1 需设置 virtual_pipeline_model_parallel_size；delay_wgrad_compute 以 EP 重叠为前提，并在 overlap_grad_reduce、gradient_accumulation_fusion、CUDA graph 等组合下对 TE 版本有额外要求；DeepEP 限 Ampere/Hopper/B200/B300，HybridEP 另支持 NVL72 的 GB200/GB300。EP 重叠与共享专家重叠互斥。验证可用 uv run python -m pytest tests/unit_tests/training/test_comm_overlap.py tests/unit_tests/training/test_deepep.py -q。公开配方常默认关闭 MoE 重叠，各模型族的端到端收益尚未在受控 Bridge 实验中全部测量。