我仔细的看了两个文件，我发现train的过程使用了8个H800，而prefill的过程使用了1个H800，这个是为了体现什么呢？为什么没有机器间通信呢？我们的计算和通信的overlap主要是在机器内做的吗？走的nvlink吗？如果能得到回复，我将十分感激~~~~
