XTuner项目中Yi-1.5系列Chat模型训练问题分析与解决方案

问题背景

在XTuner项目中使用Yi-1.5系列Chat模型进行训练时，开发者遇到了两个主要的技术问题：首先是训练过程在数据加载阶段卡住，其次是后续出现的CUDA设备端断言错误。这些问题在LLaVA-Yi任务的Pretrain阶段尤为突出。

问题现象分析

数据加载阶段卡顿

开发者最初观察到训练过程在数据加载阶段停滞不前，控制台输出显示"xtuner_dataset_timeout = 2:00:00"后没有进一步进展。值得注意的是，同样的数据集在其他模型上可以正常训练，排除了数据本身的问题。

CUDA设备端断言错误

当尝试解决第一个问题后，系统又出现了更严重的CUDA错误，具体表现为：

1. 多个线程报告"indexSelectLargeIndex"断言失败
2. 错误信息显示"srcIndex < srcSelectDimSize"条件不满足
3. 最终导致RuntimeError: CUDA error: device-side assert triggered

技术原因探究

经过深入分析，这些问题主要源于以下几个方面：

1. Tokenizer与模型嵌入不匹配：Yi-1.5系列Chat模型的特殊token处理方式与标准LLM有所不同，自定义的模板配置可能未完全适配模型需求。

2. 数据处理流程异常：在准备多模态输入时，图像数据与文本数据的处理流程可能存在不协调，导致索引越界。

3. CUDA内核错误：设备端断言失败通常表明GPU计算过程中出现了非法内存访问或维度不匹配问题。

解决方案与最佳实践

针对上述问题，我们推荐以下解决方案：

1. 模板配置优化：

   • 确保Yi-1.5的特殊token（如<|im_start|>、<|im_end|>）被正确处理
   • 验证SUFFIX_AS_EOS设置是否符合模型预期
   • 检查STOP_WORDS列表是否完整

2. 数据预处理验证：

   • 使用xtuner log-dataset命令验证数据集加载
   • 对小规模数据样本进行测试运行
   • 确保图像和文本数据的维度对齐

3. 调试技术：

   • 设置CUDA_LAUNCH_BLOCKING=1环境变量定位错误
   • 启用TORCH_USE_CUDA_DSA进行设备端断言检查
   • 分阶段验证模型前向传播过程

经验总结

在XTuner项目中集成新模型架构时，开发者应当特别注意：

1. 模型特有的token处理机制需要完全理解并正确实现
2. 多模态数据的处理流程需要额外关注维度对齐问题
3. 分阶段测试（数据加载→模型初始化→小批量训练）有助于快速定位问题
4. CUDA错误往往反映了更深层次的逻辑问题，需要从数据处理源头排查

通过系统性地解决这些问题，开发者成功实现了Yi-1.5系列Chat模型在XTuner项目中的稳定训练，为后续的LLaVA-Yi任务奠定了坚实基础。