标签：故障排查

• 
  loss spike 的成因与对策：bf16、脏数据与优化器状态的排查顺序

  2026-09-19 · ai

  训练稳定性混合精度故障排查

  loss 曲线上的尖峰大部分不是优化器的锅。这篇按"先量化、再定位、后处置"的顺序给出排查流程：用滑动基线区分真尖峰和噪声，按命中率从高到低排查 bf16 溢出、优化器状态污染、数据异常段，并给出回滚-降 lr-换数据段的处置决策树。