如果數據量很大，建議先跑一輪 增量預訓練 (Continual Pre-training) 讓模型「看過」這些字，再進行 指令微調 (SFT) 讓模型「學會回答」相關問題。
準備讓模型吸收專業知識，在 2x RTX 5090 的硬體基礎下，最專業的做法是分為兩個階段：增量預訓練（Continual Pre-training） 負責讓模型「看過並記住」知識，指令微調（SFT） 負責讓模型「學會用人類的方式回答」這些知識。
以下是針對這兩階段的切換配置與實作建議：第一階段：增量預訓練 (Continual Pre-training)
✏️ 目標： 讓模型內化專業術語、邏輯與事實。
- 數據格式： 純文本（如專業文章、手冊、代碼）。
- 學習率： 極低（例如 $5 \times 10^{-6}$），避免破壞模型原有的基礎常識。
- 核心配置：
- DeepSpeed ZeRO-2/3： 必須開啟。因為這階段通常需要處理長文本（Context Window），ZeRO 能分攤顯存壓力。
- Liger Kernel： 強烈建議開啟。它能優化 CrossEntropyLoss，在處理大量新專業詞彙時，能顯著降低顯存峰值。
- Flash Attention 3： 必開。確保 5090 在處理 8k 或 16k 窗口時保持極速。全參數訓練： 如果數據量超過 500MB，建議嘗試全參數訓練，效果遠好於 LoRA。
第二階段：指令微調 (Supervised Fine-tuning, SFT)
✏️ 目標： 訓練模型如何根據第一階段學到的知識來回答問題。
- 數據格式： 問答對（QA pairs，例如「根據文獻 A，XX 操作的步驟為何？」）。
- 學習率： 稍高（例如 $2 \times 10^{-5}$）。
- 核心配置：
- LoRA (Rank=64/128)： 為了節省資源並保持靈活性，這階段常用 LoRA。
- NEFTune： 建議開啟（在 SFTTrainer 中加入 neftune_noise_alpha）。這能對輸入 Embedding 加入雜訊，防止模型過擬合到特定的問答樣版中。
- Packing： 將多個短 QA 拼接在一起訓練，避免 5090 在處理短文本時頻繁空轉。
5090 雙卡切換配置表 (Cheatsheet)
實作小技巧：如何判斷模型學進去了？
👍 在兩張 5090 跑訓練時，請觀察 Perplexity (PPL)：
- 第一階段： PPL 應該平穩下降。如果下降太快，可能是過擬合；如果不降，說明學習率太低。
- 驗證： 訓練完第一階段後，你可以用
base_model直接補全一段專業術語。如果它能接出正確的專有名詞，代表知識已經注入。
