标签：大模型微调故障复盘

大模型微调故障复盘：一次惊心动魄的经历

上周做一个大模型微调项目，训练到一半模型突然崩了，损失飙升到NaN，两天的工作差点白费。经过十几个小时的排查，终于找到了原因，也总结了很多经验。本文完整复盘这次故障，从故障发生、排查过程、根因分析、解决方案，到经验总结，帮你避免同样的坑。