你训练一个模型，前 2000 步 loss 正常下降，之后 loss 突然尖刺到之前的 10 倍然后缓慢恢复，之后每隔几千步就来一次。数据已经 shuffle 过、代码检查过没有明显 bug。请给出你的排查顺序，并说明每一步你预期看到什么现象来支持或排除这个原因。

面试官在考什么

是否具备把“不稳定”归因到具体环节（数据、学习率/调度、数值精度、优化器状态）的能力，能不能设计出可验证的实验，而不是只会说调小学习率。

训练稳定性

回答框架 · 前两步

1. 第一步固定随机种子回放尖峰那一步的 batch，看能否复现：能复现说明与数据/输入有关（超长序列、全 padding、标签越界、异常样本），不能复现则更可能是优化过程本身。
2. 第二步看指标：把 grad_norm、每层梯度范数、激活/权重范数、AMP 的 scale 都记下来。若尖峰前某一层 grad_norm 先爆，偏数值/结构问题；若整体同步上跳且与 lr schedule 的某个节点重合，偏学习率问题。

延伸阅读

• 技术面到底在考什么：三类考点的及格线与加分线
• 从「背过」到「能选型」：原理的三层准备法

想看这个方向的整体准备路线？ 进入「深度学习基础」方向页

同一能力域的其他题

• 训练一个深度学习模型时，loss 突然变成 NaN，你会按什么顺序排查？请给出你的排查清单。
• 显存不够时你会怎么办？请按"最小改动到最大改动"排序给出你的方案。
• 你的模型离线指标很好但线上效果很差，你会从哪些角度排查？请按优先级说。
• 梯度裁剪是解决什么问题的？按值裁剪和按范数裁剪有什么区别？裁剪阈值你会怎么定？
• 模型参数量、FLOPs、显存占用、推理延迟这四个指标之间是什么关系？为什么参数量小的模型有时反而更慢？
• 你要在 A100 上训练一个 1B 参数的语言模型。用 fp16 + GradScaler 的 AMP 方案时，loss 能降但曲线比纯 fp32 抖动明显，大约 2000 步时突然出现溢出、之后又恢复。同事说「直接换 bf16 就行了，bf16 比 fp16 精度高」。请回答三件事：(1) fp16 和 bf16 在指数位/尾数位上到底差在哪；(2) 为什么 bf16 通常不需要 loss scaling 而 fp16 需要；(3) 换成 bf16 后你预期抖动、溢出和最终收敛会怎么变，代价是什么。