MS-SWIFT项目中DPO训练时NLL_Loss为NaN问题的分析与解决
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:
-
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。
-
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。
-
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:
-
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。
-
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。
-
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。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









