Qwen2.5-vl预训练过程中loss突然激增 #4634
Description
我用Qwen2.5-vl-7b模型实验了一下预训练，发现训练开始时候正常，过一段时间之后loss和grad norm都突然激增，想问问别的朋友有遇到过这种情况吗？
配置文件如下：
NPROC_PER_NODE=3 \
MAX_PIXELS=1003520 \
CUDA_VISIBLE_DEVICES=0,1,2 \
swift pt \
--model /mypath/model_hub/Qwen/Qwen2.5-VL-7B-Instruct \
--train_type full \
--dataset /mypath/myfile.jsonl \
--torch_dtype bfloat16 \
--attn_impl flash_attn \
--freeze_vit false \
--freeze_llm false \
--freeze_aligner false \
--num_train_epochs 1 \
--per_device_train_batch_size 2 \
--per_device_eval_batch_size 2 \
--learning_rate 1e-5 \
--gradient_accumulation_steps 2 \
--eval_steps 1000 \
--save_steps 1000 \
--logging_steps 5 \
--max_length 4096 \
--output_dir output/Qwen2_5_VL \
--dataloader_num_workers 2 \
--dataset_num_proc 8 \
--deepspeed zero3 \
--padding_free true \训练数据总数大概有15w左右个图文对，大概训练到5w组数据的时候，发现loss曲线升起来了：
grad norm也飙升得很高：
另外想问一下padding_free true的作用到底什么呢，我看其他的issue说pack有问题所以用padding_free，但是padding_free时候我发现数据并没有拼起来，还是每个step取的一条原始数据来训练的。