从事测试开发同学这两年跳槽，会越来越频繁遇到“大模型微调”类问题。很多人第一反应是：我平时写 UI 自动化、搞接口压测，怎么突然和模型训练扯上关系了？
现实就是，AI 已经渗透进测试领域：质量评估、数据生成、智能测试、甚至大模型测试本身，都需要对微调机制、预训练逻辑、指令数据构造有基本理解。
下面整理了一份涵盖 35 个经典微调面试问题的技术解读帮助你在面试里不被问懵。
- 全参数微调到底要多少显存？
取决于模型大小和训练配置。简单记一条经验：显存 ≈ 参数量 × 2～3 倍（训练时会有梯度、优化器状态等额外开销）。 比如 70B 模型，基本不考虑本地，只能上集群。
测试开发常问：为什么显存这么夸张？ 因为训练时不是“推理那么轻松”，而是要反向传播、保存梯度、优化器状态，天然三倍体积。
为什么很多人做完 SFT 感觉模型“变傻”？
SFT（有监督微调）容易让模型“过度跟随数据”，如果数据质量不均、指令风格太窄，模型会失去原有的探索能力，生成模式单一。 类似你做接口自动化时，只给脚本喂固定场景，脚本当然学不会异常情况。SFT 的指令数据怎么构建？
关键不在量，而在指令覆盖度和风格一致性。 一个常见模式是：
指令：给出任务
输入：补充信息（可空）
输出：模型应该生成的内容
对测试开发来说，可以构建一些更贴近业务的：缺陷分析、性能瓶颈定位解释、日志推理等任务。
Continue Pretrain（继续预训练）的领域数据如何选？
越“接近真实业务越好”。 比如电商行业模型，就喂商品描述、客服对话、订单结构化数据。 测试行业模型，就喂用例、日志、缺陷描述、排查步骤、指标规范等。领域训练后通用能力下降怎么解决？
这叫“遗忘”。常用方法：
混入部分通用数据
使用低学习率
训练后做一次轻量 SFT 拉回能力
就像你把接口压测工具完全调成只适应某一服务，换个微服务就废了，模型也是同理。
- Continue Pretrain 如何让模型学到更多知识？
不仅仅靠“喂更多数据”。 重点在于：
数据要干净
覆盖要均匀
格式要稳定
通过分阶段训练逐步学习
SFT 时选 Base 还是 Chat 模型？
SFT 本质是再训练模型的行为模式。 如果你是做指令对齐，通常选 Base； 如果是轻量领域增强，直接在 Chat 上继续训更高效。领域微调的数据格式要求？
保持结构清晰、风格稳定、一致性强。 模型比你想得“更敏感”，格式乱一点，训练效果立刻下降。领域模型的评测集怎么构建？
评测集是给模型的“期末考试卷子”。 必须来自真实任务，例如：
性能指标分析
测试设计推理
日志异常定位
API 失败原因判断
测试方案对比
覆盖“模型未来要承担的能力”。
- 是否需要扩词表？
中文场景有必要，比如：
行业专有名词
编程语言 token
测试领域术语
扩词表能减少“拆字”，提升模型理解能力。
如何训练自己的大模型？
如果不是机构级别，建议从 LoRA / QLoRA + SFT 入手，而不是从零训练。 从零训练 = 数据贵、算力贵、效果不稳定。中文大模型训练经验有哪些？
中文要注意：
切词方式
标点风格
多样体裁（口语/书面）
行业术语覆盖
否则训出来的模型像“语文课代表”。
指令微调有什么好处？
让模型学会“怎么回答人”，而不是“知道什么”。 类似测试开发里给脚本写公共框架，行为更一致、更稳定。知识是在预训练还是微调阶段注入的？
预训练注入“知识”； 微调注入“行为”。 一个是大脑，一个是习惯。想让模型学某行业知识，用预训练还是微调？
依赖知识密度。大量领域知识 → continue pretrain。 任务形态（怎么回答） → SFT。
- 多轮对话任务怎么微调？
适配「上下文关联」，数据一般是：
用户：...
助手：...
用户：...
助手：...
训练时保持对话链条连续。
灾难性遗忘是什么？
模型为了学新知识，把旧知识“挤掉”。 类似你把接口压测脚本改成只跑压测，功能验证相关逻辑会自动退化。微调模型需要多大显存？
LoRA（8～24GB）、QLoRA（12GB 也能练）、全参数（64GB 起步甚至更高）。SFT 时模型到底在学什么？
学“任务模式”。 比如回答风格、格式、逻辑结构，而不是百科知识。预训练与 SFT 有什么不同？
预训练：摄入全世界的文本 SFT：学会怎么当一个有用的助手样本量增大导致 OOM？
通常是因为：
batch size 设置过大
序列长度拉满
优化器状态占用爆炸
- SFT 如何优化样本？
主要是：
去掉重复
去掉风格冲突
去掉噪声
删除无意义的回答冗余
数据越干净，模型越聪明。
- 模型参数的迭代实验怎么做？
常见方式：
切不同学习率
调 LoRA rank
不同指令模板
混域 vs 纯域训练
记录每次实验的评测指标非常关键。
微调的一些经验建议
简单说，别“一把梭”。 模型训练就像性能调优：反复试、慢慢调、逐步验证。batch size 太小的影响？
梯度不稳定，收敛慢，模型易随机发散。batch size 太大的影响？
显存容易爆，模型容易“平均化”，变得呆板。batch size 如何设置？
通常根据显存、序列长度反推。不够就使用梯度累积。优化器怎么选择？
常见的是 AdamW、Lion。 小模型 AdamW 大多够用。哪些因素影响显存使用？
模型大小、batch size、序列长度、LoRA 或全参、优化器状态。领域预训练用哪些数据集？
根据行业选择：技术文档、API 文档、日志样例、缺陷描述、测试用例等。微调数据集如何构建？
围绕真实任务构建，覆盖高频业务场景，让模型“能用”。大模型训练 loss 出现突刺怎么办？
32.1 什么是 loss 突刺？
训练 loss 突然跳高但又下降。
32.2 为什么出现？
数据脏、极端样本、学习率太大、batch 太小。
32.3 如何解决？
降学习率、清洗数据、调 batch、缩序列长度。
大模型微调特别注意点
作为测试开发，你需要更关注以下方向：
怎么评估大模型的功能正确性（可控性、稳定性）
怎么构建大模型的质量评测集
领域数据采样、清洗、分类
模型的日志分析、训练监控
性能指标：吞吐、显存、迭代速度
如何发现训练中的“模式坍缩”和“模式漂移”
这些能力正在成为“AI时代的测试开发核心竞争力”。
大模型不是玄学，它越来越像微服务一样，可以拆解、监控、测试、优化。
