在微调时，如果输入的prompt太长超过max_seq_length时，prompt最后的结束符会被丢弃

[seal-wang]

提交前必须检查以下项目

• 请确保使用的是仓库最新代码（git pull）
• 已阅读项目文档和FAQ章节并且已在Issue中对问题进行了搜索，没有找到相似问题和解决方案。
• 第三方插件问题：例如llama.cpp、text-generation-webui等，建议优先去对应的项目中查找解决方案。

问题类型

模型训练与精调

基础模型

None

操作系统

Linux

详细描述问题

在这里

Chinese-LLaMA-Alpaca-3/scripts/training/build_dataset.py

Line 32 in f8df26e

target = assistant_format.format(content=output)

会添加一个结束符，但是如果prompt长度大于max_seq_length时，会在这里

Chinese-LLaMA-Alpaca-3/scripts/training/build_dataset.py

Line 44 in f8df26e

labels = torch.LongTensor([IGNORE_INDEX] * len(s) + t)[:max_seq_length]

将结束符丢弃掉。
这个丢失操作会使模型在微调阶段无法学到合适的结束符，反应到生成阶段会导致模型生成无法停止。
Chinese-LLaMA-Alpaca-1和Chinese-LLaMA-Alpaca-2也存在这样的问题，之所以最终模型生成时没问题，可能是因为max_seq_length比较大，可以满足大部分微调样本的长度需要。
不知道您有没有发现这个问题？还是我理解有错误？

[github-actions]

This issue has been automatically marked as stale because it has not had recent activity. It will be closed if no further activity occurs. Thank you for your consideration.

[github-actions]

Closing the issue, since no updates observed. Feel free to re-open if you need any further assistance.