XTuner微调InternLM2模型时出现无限循环问题的分析与解决

问题现象

在使用XTuner对InternLM2-7b-chat模型进行微调时，用户遇到了一个典型的问题：模型在对话过程中会出现无限循环输出，直到达到最大生成长度限制为止。具体表现为：

1. 当用户输入"紫菜蛋花汤的做法"等食谱查询时，模型会先给出一个看似正常的回答
2. 随后开始不断重复输出相同或类似的内容
3. 在重复内容末尾经常出现"[UNUSED_TOKEN_145]"等特殊标记
4. 循环会持续进行，直到达到模型的最大生成长度限制

问题根源分析

经过深入排查，发现该问题主要由以下几个因素共同导致：

1. XTuner版本与Tokenizer不匹配：用户最初使用的是XTuner 0.1.12版本，而InternLM2模型采用了新的Tokenizer配置，两者之间存在兼容性问题。

2. 对话模板选择错误：在模型推理阶段，使用了不正确的对话模板参数(--prompt-template internlm_chat)，而实际上应该使用internlm2_chat模板。

3. Tokenizer配置不完整：合并后的模型目录中，tokenizer_config.json文件缺少了InternLM2特有的特殊token定义和对话模板配置。

解决方案

针对上述问题根源，我们提出以下解决方案：

1. 升级XTuner版本：

   • 必须使用XTuner 0.1.13或更高版本
   • 升级命令：pip install -U xtuner

2. 使用正确的对话模板：

   • 在模型推理时确保使用正确的模板参数
   • 正确命令：xtuner chat ./merged --prompt-template internlm2_chat

3. 更新Tokenizer配置：

   • 确保使用最新的tokenizer_config.json文件
   • 该文件应包含InternLM2特有的特殊token定义和对话模板配置
   • 可以直接从原始模型目录复制，或在重新合并模型时自动更新

技术细节说明

InternLM2模型相比第一代模型，在Tokenizer方面做了重要改进：

1. 新增了多个特殊token，如<|im_start|>、<|im_end|>等，用于更好地处理对话场景
2. 定义了专门的chat_template，规范了对话格式
3. 移除了旧版本中的[UNUSED_TOKEN_*]这类临时标记

这些改进使得模型在对话任务中表现更好，但也带来了版本兼容性的要求。当使用旧版本的XTuner或错误的配置时，模型无法正确处理对话的开始和结束标记，导致输出失控。

最佳实践建议

为了避免类似问题，建议在微调InternLM2模型时遵循以下流程：

1. 始终使用最新版本的XTuner
2. 在训练和推理阶段保持对话模板一致
3. 合并模型后检查tokenizer_config.json是否完整
4. 对于关键配置参数，建议直接从原始模型目录复制
5. 在微调前先进行小规模测试，验证配置的正确性

通过遵循这些实践，可以确保模型微调过程的顺利进行，并得到预期的对话效果。