_{🧠 记忆锚点：Batch 改变梯度噪声，Warmup 稳住起步，裁剪挡异常峰值；四者要结合曲线联调。}

💡 答案要点

有效 Batch Size 约为 micro_batch × gradient_accumulation × data_parallel_size。增大它会降低梯度噪声，但通常需要重新验证学习率和训练步数。Warmup 用于缓解训练初期参数与优化器状态不稳定；梯度裁剪限制异常梯度，但不能掩盖坏数据或数值溢出。

排查训练发散时应同时观察 loss、gradient norm、学习率、溢出/跳步、不同数据源占比，而不是只把学习率减半。

📚 参考：Hugging Face Transformers：Training Arguments（学习率/warmup/梯度裁剪）