chore(deps-dev): bump paddlepaddle from 3.2.2 to 3.3.1

[dependabot]

Bumps paddlepaddle from 3.2.2 to 3.3.1.

Release notes

Sourced from paddlepaddle's releases.

PaddlePaddle 3.3.0 Release Notes

重要更新

飞桨框架 3.3 版本在大模型训练效率、开发体验及国产硬件适配等关键领域持续突破创新，在计算显存高效利用、训推衔接转换、生态兼容性、调试效率、国产硬件适配等方面带来多项重要升级，全面提升大模型训推能力。

训练效率突破

• FlashMaskV3升级：深度优化稀疏注意力掩码计算FlashMaskV3计算内核，性能全面超越FlexAttention，算子性能最高领先2.1 倍；原生支持上下文并行并引入计算负载均衡机制，分布式场景算子性能相比Megatron-LM快80%，全面强化长文训练能力。
• FlexCheckpoint参数自动切分重组系统：基于首创的轻量级描述语言AOA (All in One Arrow)，支持从单卡视角灵活描述复杂的权重转换关系，并自动推导分片映射；通过跨机通信的高并发与负载均衡调度，在大参数规模下权重转换性能相比Megatron-LM领先1.2倍以上，有效解决大模型训推不同阶段参数转换的成本与效率难题。
• 虚拟内存动态碎片整理：引入基于虚拟内存技术的显存分配机制，可根据运行时显存占用情况动态进行碎片整理。在主流MoE模型训练中，显存碎片率从超过10%降至最低3%，显著提升显存利用率。

开发体验优化

• 生态兼容：通过框架API、算子注册、执行调度等关键链路的兼容设计，实现无缝衔接使用外部生态算子，支持FlashInfer、FlashMLA、DeepGEMM、DeepEP、TorchCodec和SonicMoE等社区高性能模块的高效集成应用。
• 动态图调试能力升级：新增动态图前反向计算图可视化功能，支持导出算子调用栈与张量MD5校验信息；系统优化关键路径日志，新增局部日志打印功能，提升调试信息丰富度与获取便捷性。
• 显存观测工具：新增显存观测功能，可视化显存池中内存块分布，支持追踪特定代码段的显存申请/释放与全局状态，助力大模型显存异常的精准定位与处置。

国产硬件深度适配

• 昆仑芯 XPU：系统完善MoE场景适配，为相关算子新增bool、bfloat16、complex64数据类型支持，并对FlashAttention、DeepEP、Profiler等模块进行深度适配。
• 海光 DCU：支持 Hygon数学库后端，进一步优化海光芯片推理性能。

1. 执行调度机制

针对大模型预训练、后训练与推理阶段中，因分布式策略及组网差异导致的权重转换困难，飞桨FlexCheckpoint机制创新提出高效的权重重组方法与灵活的模型编辑原语AOA，为模型研发到生产全流程提供高效、统一的分布式参数转换与重组支持。该机制全面适配训推衔接、跨策略断点续训、生态兼容格式加载导出、强化学习参数同步等多种场景下的权重转换需求，并在大参数规模场景下实现超越Megatron-LM 1.2倍以上的转换性能，从根本上解决了分布式参数转换成本高、效率低的难题。 在显存管理方面，针对MoE模型因专家路由动态性导致的显存碎片率高、资源浪费严重等问题，本版本推出了基于虚拟内存管理技术的高性能VMM Allocator。该分配器可在模型运行期间根据系统显存使用情况，动态自适应执行碎片整理，显著提升显存利用效率。 飞桨3.3版本持续深耕自动并行与AI编译器技术。在自动并行架构中新增对FSDP等策略的支持，并增强了动态Shape流水线并行功能；面向科学计算场景，实现了对高阶导数的支持，并拓展了相关算子切分推导规则的覆盖范围，进一步提升了自动并行架构的通用性与易用性。此外，围绕推理场景，优化了AI编译器CINN及动转静SOT功能，显著提升易用性与执行调度性能。

新特性

• FlexCheckpoint支持在线合并参数功能。#75613, #76510
• 实现基于虚拟内存管理技术的高性能VMM Allocator。#75323, #76222, #76223, #76389, #76430, #76454, #76523, #76544, #76730, #76793, #77196
• 自动并行支持高阶微分。#75689
• 自动并行支持FSDP策略。#76113, #76868
• 自动并行优化与增强argsort，bmm，elementwise，index_select，matmul，softmax，tile，transpose等算子的自动切分推导。#74826, #74829, #75036, #75044, #75050, #75095, #75246, #75265, #75555
• 动转静支持局部捕获控制流。#75548、#76198
• 动转静支持Python 3.14版本相关语法。 #75853, #75879, #75971,#76072, #76257,#76288, #76320, #76416, #76451, #76804
• 支持在静态图 PIR 上注册 Python 函数，为Triton、DeepGEMM 等 JIT 算子的转静提供图表示能力。 #76888, #76938
• 动态图支持view反向高阶微分。#76667

功能增强

• FlexCheckpoint优化AOA宏展开功能，为fuse类宏支持传入axis属性。#75282
• FlexCheckpoint AOA解析功能增强，支持优化器状态与模型状态共用一套AOA标记，切分信息传递、模型加载与存储共用一套AOA标记。#75613, #76013, #76437
• FlexCheckpoint支持ShardingStage2和ShardingStage3策略。#76309, #76538
• 优化FlexCheckpoint报错信息。 #76813, #77266
• 自动并行中层 API 流水线 Hook 支持处理元组对象。#75081
• 自动并行流水线并行策略支持动态shape。#75724
• 支持自动并行场景下的FlexCheckpoint机制及优化器状态字典的分片处理。#76240, #76305
• 升级 DLPack 到v1.2 版本，全面支持 TVM FFI，支持 C 函数交换协议、DataType 交换协议、Device 交换协议等新特性。#75193, #75205, #75650, #75854, #75973, #76828, #76673
• 将ComparePriority 函数返回类型从 bool升级为int，以满足 std::sort 的严格弱序要求，并引入 SortComparePriority 包装函数确保排序算法正确性。#76027
• 动转静支持禁用编译超时自动回退功能。#76386
• 统一EqualAllOpInferSymbolicShape 函数与InferMeta 逻辑，提升编译器与框架动态图调度结果的一致性。#76477
• 为all_reduce，c_allreduce_sum，c_concat，c_identity，flash_attn_unpadded，mp_allreduce_sum等算子添加 infer_symbolic_shape 接口，支持符号化形状推导。#76783, #76836

... (truncated)

Commits

• 7688495 [Cherry Pick | Pipeline Parallel] Merge PaddleFleet Pipeline Parallel (LayerS...
• 91b14c0 [Cherry-Pick][release/3.3][XPU] moe_permute_kernel: add return_expert_indices...
• 5ff6d40 [Cherry-Pick][release/3.3][XPU] support python39 in XPU ubuntu22 dockerfile (...
• f00f7ac [XPU][Bugfix] update bkcl to support w4a8/w8a8 (#77837) (#78346)
• d94db28 Update protobuf to 7 (#78236) (#78358)
• 462344a fix transpose (#78365)
• a5dce62 [Cherry-Pick][release/3.3][XPU] support batched_gemm xpu kernel (#77840) & fi...
• 8dab21b Support non-4-aligned block counts for ue8m0 scale in fp8_quant_blockwise. (#...
• 38eee70 add more arch support (#78320)
• 24ad20f [Memory] add log for actual memory using (#77796) (#77832)
• Additional commits viewable in compare view