必须先确认GPU型号再设Batch Size，否则会OOM或loss=nan；A10配Batch Size=2+梯度累积=4，V100配Batch Size=4+梯度累积=3，乘积需为8～12；禁用混合精度、禁用Batch Size=1、禁用未核验的他人参数。
☞☞☞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☜☜☜
在LiblibAI“赛博丹炉”中设置LoRA训练的Batch Size，必须先确认当前分配的GPU型号，否则直接套用他人参数会导致OOM崩溃或训练中断——平台不提示显存超限，而是静默终止任务，日志只显示loss=nan。
第一步：确认你的GPU型号
进入“赛博丹炉”训练页，拉到页面最下方的【设备信息】栏，看清当前分配的GPU型号。A10（24GB）、V100（32GB）是当前平台主力卡型，A100暂未开放给普通用户，若显示为A100请刷新重试或联系客服。这一步跳过，后面所有参数都失去依据。
Batch Size与梯度累积配对设置
方法一：按GPU型号填固定组合（推荐新手直接抄）
→ 若设备信息显示【A10(24GB)】，Batch Size填【2】，梯度累积填【4】；
→ 若显示【V100(32GB)】，Batch Size填【4】，梯度累积填【3】。
目标是让Batch Size × 梯度累积 = 8～12。这个乘积区间是LiblibAI云端验证过的最稳吞吐窗口，低于8训练太慢，高于12第3轮大概率出现NaN Loss。
方法二：手动微调（仅当固定组合跑出loss震荡时启用）
先固定梯度累积=2，再试Batch Size=3（A10）或Batch Size=5（V100），跑满5轮看loss曲线是否平滑下降；若第3轮loss突然跳变或归零，立刻退回上一组参数并关闭混合精度——该操作不可逆，且无法从日志定位原因。
绝对不能做的三件事
① 开启“混合精度训练”：LiblibAI丹炉对fp16支持不稳定，启用后第3～5轮必现NaN Loss，无报错提示，只有loss=nan一行日志。
② 把Batch Size设为1：虽然系统允许，但会极大拖慢训练速度，且小批次加剧梯度噪声，loss曲线毛刺明显，收敛困难。
③ 在未确认GPU型号前，直接填别人截图里的参数：比如看到V100用户填了Batch Size=6，就跟着填——V100卡填6必须配梯度累积=2才能压住显存，但你若误配成1，乘积=6，训练会卡在第2轮不动，平台不报错也不中断，只无限挂起。
