要训练出稳定收敛、生成效果可控的LoRA模型，必须严格把控数据质量：逐张人工校验裁剪（主体居中±5%、边缘留白10像素）、强制等比缩放至768×768或1024×1024（关闭“保持原始比例”）、净化文件名与标签（删中文标点、权重限0.7～1.4、禁用泛化词）、触发词前置且大小写统一、底模按图像物理属性匹配（人像/二次元用SD1.5，写实风景用SDXL，高反光材质用Foundation1.0）、关闭混合精度训练。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想在LiblibAI上训练出稳定收敛、生成效果可控的LoRA模型，却总被loss震荡、特征模糊、风格漂移卡住？问题往往不出在参数设置，而是在上传前那批图——数据质量不过关，后续所有操作都是在无效燃烧积分。
人工校验每张图的裁剪边界
别信“自动裁剪”能搞定一切。LiblibAI后台的批量裁剪会按最长边等比缩放后居中截取正方形，但人物头肩比例、建筑中轴线、道具关键结构极易被切掉一半。必须用PS或PixInsight逐张打开，用标尺工具确认：主体完整位于画面中央±5%偏移范围内，头顶/脚底/左右边缘至少留白10像素。
这一步跳过，训练时模型会把截断边缘当成正常构图学习，生成图里人物永远缺半只耳朵、建筑永远少一根飞檐。
裁完立刻导出为768×768或1024×1024，【务必关闭“保持原始比例”选项】，否则非等比拉伸会让线条扭曲、材质失真。
命名与标签文件必须同步净化
方法一：用Bulk Rename Utility批量处理文件名。选中全部图片→右键“Rename”→勾选“Remove Characters”，输入中文标点、空格、括号、全角数字，点击“Preview”确认无误后再执行重命名。
方法二：标签文件（.txt）必须与图片同名且放在同一文件夹。打开任意一张图对应的txt，删除所有中文逗号、顿号、句号，只保留英文逗号分隔；权重值严格控制在0.7～1.4之间，例如(scholar:1.2), ink_wash, soft_gradient —— 【超过1.5会导致局部过拟合，低于0.7则特征无法激活】。
标签里混入“a beautiful”“high quality”这类泛化词，模型会把噪声当信号学，生成图自带莫名柔焦和塑料感。
触发词必须前置并独立成词
第一步：进入“赛博丹炉”→点击“训练LoRA”→在“模型效果预览提示词”框中，把触发词放在最开头，后面紧跟英文逗号，再写其他描述。例如：ink_wash, scholar figure, ink_brush_stroke。
第二步：删掉所有冠词（a/an/the）、介词（in/on/of）、冗余形容词（beautiful, amazing）。触发词必须是名词性短语，且不能嵌套在长句中。
第三步：检查是否出现大小写混用。平台对大小写敏感，ink_wash和Ink_Wash会被识别为两个不同触发词，导致预览图完全不带LoRA特征。
这一步操作起来很简单，直接把触发词粘贴到最前面就行。但漏掉它，整个训练过程就只是在跑一个没加载插件的基础模型。
底模选择必须匹配图像物理属性
人像/二次元类图集→强制选SD1.5底模。SDXL对皮肤纹理建模过强，容易把训练图里的痘印、皱纹当核心特征学走。
写实风景/工业设计类图集→必须用SDXL底模。SD1.5缺乏大场景空间理解力，训练30张城市照片后生成图永远只有局部特写，拼不出完整天际线。
PVC/金属/玻璃等高反光材质图集→切换Foundation1.0底模。其他底模会把反光噪点误判为材质纹理，生成图表面布满无法去除的颗粒伪影。
选错底模，所有后续参数调整都无效。系统不会报错，但loss曲线会从第3轮开始持续平缓，最终停在0.4～0.6区间不动。
关闭混合精度训练是硬性开关
在简易参数面板底部，找到“混合精度训练”开关，把它手动关闭。LiblibAI云端fp16计算存在隐性溢出缺陷，开启后87%的训练任务会在第5～7轮突然爆出NaN Loss，日志里只显示“Training interrupted”，没有任何具体报错位置。
这个开关默认是开启的，新手最容易忽略。一旦发现loss值突然变成nan，不用重传数据、不用调参，直接关掉这个开关重新提交即可恢复。
