最近在跑一个法律问答的LoRA微调，基座是Qwen2.5-7B，训练集大概5000条问答对，格式就是标准的“user/assistant”。loss降到0.8左右，但推理时发现一个诡异现象：只要用户问得稍微长一点（比如超过3句话），模型就会把用户的提问当成背景知识复述一遍，然后才开始回答，甚至有时直接“总结”用户的问题，而不是给出答案。