本文将从底层原理到代码实战，用详尽的篇幅，带你彻底拆解垂直SFT的“翻车”根源，并手把手教你如何用Y-Trainer稳住模型的“底盘”。

今天聊聊一个很多朋友踩过的坑：用SFT微调大模型时，模型越训越不对劲，回答变得越来越短、越来越模板化，动不动就重复某些句式。更要命的是，原本能轻松处理的通用任务（比如写代码、做推理、回答常识问题）也开始掉点——感觉被这批垂直数据覆盖掉了核心能力。

在大模型垂直领域微调过程中，灾难性遗忘(Catastrophic Forgetting)问题严重制约了模型的实用价值。本文深入剖析该问题的本质，并通过Y-Trainer框架的NLIRG算法提供了一种高效解决方案。

本文深入剖析垂直领域SFT训练中的三大顽疾：模型复读、灾难性遗忘和过拟合。通过Y-Trainer框架及其核心NLIRG算法，构建一套可复现、可对照的训练流程。文末提供完整代码示例、效果验证方法及实用技巧，助你提升垂直领域模型训练效果。