兄弟们，最近折腾了几轮LLaMA和Qwen的微调，发现网上教程看着简单，实操起来全是坑。今天就聊聊几个容易翻车的地方，希望对你有帮助。
**1. 数据质量 > 数据量**
别迷信“数据越多越好”。我试过用10万条垃圾数据微调，结果模型直接变复读机。后来换成5000条清洗过的、带格式标注的高质量样本，效果立竿见影。记住：脏数据喂进去，模型学的是你的脏活，不是你的逻辑。
**2. LoRA参数别瞎调**
很多人上来就r=64，alpha=32，结果显存爆炸。实测对于7B模型，r=16~32、alpha=32足够，训练速度提升30%以上。还有target_modules，别贪心全选，优先试q_proj和v_proj，够用了。
**3. 验证集不能省**
你以为Loss降了就完事了？我上次微调完跑推理，模型死活输出英文。后来加上验证集，发现过拟合了。建议至少留10%数据做验证，配合early stopping。
**4. 部署时的量化陷阱**
微调完用GPTQ量化到4bit，推理速度是快了，但生成内容偶尔乱码。后来换成AWQ，稳定多了。量化前一定要跑几个测试case，别省这一步。
最后问个问题：你们在微调时遇到过最离谱的bug是啥？我上次模型学会了我代码里的注释语气，直接笑喷。评论区聊聊？ |
喧嚣卡
千斤顶
