loss 在训练过程中没有迅速降低 红色是正常的，黄色是不正常的，loss 虽然也降低了，但在 50 之后就波动式向上走了 看 grad-norm，发现一直相对较大 所以思路是排查看 grad-norm 是咋回事，有谁比较大： 有些参数的梯度为 0 pp=2，此时查看是哪些参数的梯度为 0: 然后发现这部分参数虽然初始化了，但是并没有参与计算，所以梯度是0: optimizer 里有个 zero grad，然后再 fwd bwd 的阶段
