大模型下游任务微调时loss出现尖刺处理办法

之前在对大模型进行微调时，loss出现了尖刺，现在想起来就记录一下。
先说一下下游任务，模型的输入是较长的文本（单个样本约4000 tokens，7000左右的文本长度），输出是特定格式的文本摘要。

训练主要硬件配置如下：

CPU：Intel(R) Xeon(R) Gold 5318Y CPU @ 2.10GHz
GPU： 2 * 4090 24G
内存：128 GB

基座模型及训练的主要参数如下：

base model：Qwen2.5-7B-Instruct-GPTQ-Int8
total batch size: 32
lr: 1e-6
num_train_epochs: 5
lora_rank: 8
lora_alpha：16
lr_scheduler_type：cosine_with_restarts
lr_scheduler_num_cycles：4

训练方式：用accelerate的分布式后端FSDP做数据并行DDP，训练代码是二次封装的transformers的Trainer，数据处理部分是自己写的，对输入的system、user部分的token做了屏蔽，只计算模型回复部分assistant部分的loss。然后出现了让广大LLMer头疼的问题：loss尖刺。如下图所示。

除了第0个epoch，每个epoch的第一个batch都出现loss尖刺，尝试跳过每个epoch的第一个batch、重新打乱数据，问题依然存在。也试过打印第一个batch的数据进行检查，但并没有发现异常。

后面在网上搜到了这篇博客：Hugging Face Accelerate 两个后端的故事：FSDP 与 DeepSpeed 。省流： FSDP 与 DeepSpeed 在混合精度处理方面有差异，FSDP使用较低的学习率可能会导致不收敛。另外考虑到动态学习率的循环次数num_cycles和num_train_epochs较接近，可能会对loss有影响。故对调整以下参数为新的值：

lr: 1e-4
lr_scheduler_num_cycles：8

问题解决：