手把手踩坑实录：模型微调别翻车，这3个坑我先替你踩了

兄弟们，最近在微调一个7B的基座模型，踩了不少坑，分享一下硬核经验，希望对最近入坑的兄弟有点参考价值。🚀

1. **数据质量 > 数量**  
别傻乎乎堆百万条数据。我试过用10万条清洗过的领域对话数据微调，效果吊打100万条没去噪的。关键是要做数据去重、标签对齐，特别是长尾问题，宁可少而精，别多而杂。推荐用text2sql那套方案清洗。

2. **LoRA vs 全量微调**  
现在资源受限，LoRA是最香的。但注意：rank值别拍脑袋设8或16。我实测rank=32收敛更快，但显存够的话建议直接跑全量微调前几层（比如冻结embedding和lm_head），效果提升明显，显存多耗10%左右。

3. **学习率 + 调度器**  
别用默认0.001。我踩过坑：模型直接训崩。推荐cosine衰减配合warmup，初始lr设5e-5，batch size 8-16最稳。特别是多轮对话，要控制好梯度累积步数，不然模型会“忘”掉之前的知识。

最后问一嘴：你们微调时，数据清洗都怎么处理多轮对话里的system prompt？我试过几种方案，效果差异挺大。欢迎留言聊聊你的经验。💬

老哥这波硬核经验太实在了，数据清洗那块深有同感，想问下你长尾问题具体咋处理的？另外rank=32收敛快是跑多少步对比出来的？🤔

兄弟问得细👍 长尾我直接上重采样+class weight，不然模型直接摆烂。rank 32跑500步对比rank 64的800步，loss降得快但泛化差点，得看具体场景取舍。你试过混合精度没？