首页
/ MS-SWIFT项目中DPO训练时NLL_Loss为NaN问题的分析与解决

MS-SWIFT项目中DPO训练时NLL_Loss为NaN问题的分析与解决

2025-05-31 12:56:59作者:房伟宁

问题现象

在使用MS-SWIFT项目进行RLHF(强化学习人类反馈)训练时,特别是采用DPO(直接偏好优化)方法时,开发者遇到了NLL_Loss(负对数似然损失)持续为NaN的问题。该问题出现在使用RFT(强化微调)样本采样结合DPO训练的场景下,训练参数设置为:迭代次数4、epoch数1、batch_size为1、学习率1e-5,rpo_alpha采用默认值1.0。

问题排查过程

开发者首先检查了样本生成的数据格式,确认符合预期的['id', 'messages', 'rejected_response']结构。进一步调试发现,在训练过程中所有label值均为-100,这直接导致了NLL_Loss计算结果为NaN。

通过深入分析训练配置,发现开发者使用了以下关键参数组合:

  • 模型类型:qwen2_5
  • 最大长度:8192
  • 训练类型:full(全参数训练)
  • 精度:bfloat16
  • 并行策略:deepspeed zero3
  • 注意力实现:flash_attn
  • 序列并行大小:4

根本原因

经过多次测试验证,最终确定问题根源在于sequence_parallel_size参数的设置。当该参数被移除后,NLL_Loss计算恢复正常。这表明在特定配置下,序列并行处理可能导致标签信息的异常处理或丢失。

此外,开发者还注意到之前为了解决另一个问题(模型推理中的张量设备不一致问题),修改了infer_engine.py文件中的代码,但确认这一修改与本问题无直接关联。

解决方案

针对这一问题,推荐采取以下解决方案:

  1. 移除sequence_parallel_size参数:在当前的训练配置下,暂时不使用序列并行可以避免NLL_Loss异常的问题。

  2. 数据完整性检查:虽然主要问题已定位到并行参数,但仍建议对训练数据进行全面检查,确保每条数据都包含完整的assistant响应部分,避免因数据缺失导致的其他潜在问题。

  3. 梯度监控:在训练初期加入梯度监控机制,可以更早发现数值不稳定的情况。

经验总结

这一案例为使用MS-SWIFT进行RLHF训练提供了宝贵经验:

  1. 并行策略的选择需要谨慎,特别是在结合特定模型架构和训练方法时,某些并行参数可能导致意外的数值计算问题。

  2. 在损失函数出现NaN时,除了检查数据质量外,还应该考虑训练框架层面的配置参数影响。

  3. 对于复杂的训练流程(如RFT+DPO),建议采用分阶段验证的方式,先确保基础训练正常,再逐步添加高级特性。

这一问题的解决为后续在MS-SWIFT框架下开展类似训练任务提供了重要参考,特别是在处理序列并行与损失计算交互时的注意事项。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
927
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8