[BUG] <title>token截断导致训练label被删除

[tong-1989]

是否已有关于该错误的issue或讨论？ | Is there an existing issue / discussion for this?

• 我已经搜索过已有的issues和讨论 | I have searched the existing issues / discussions

该问题是否在FAQ中有解答？ | Is there an existing answer for this in FAQ?

• 我已经搜索过FAQ | I have searched FAQ

当前行为 | Current Behavior

在做finetune的时候，dataset.py下data_collator方法，会对数据做截断，丢掉max_length之后的tokens。这样在做监督训练的会后，会把模型学习的label截掉，导致报错"No tokens available to compute loss."

期望行为 | Expected Behavior

是否在做token截断的时候只对input做，不影响label的获取

复现方法 | Steps To Reproduce

No response

运行环境 | Environment

- OS:
- Python:
- Transformers:
- PyTorch:
- CUDA (`python -c 'import torch; print(torch.version.cuda)'`):

备注 | Anything else?

No response

[LDLINGLINGLING]

你好，个人认为这里很难改，因为不好同时兼顾自动判断有效token长度和个人的显存。

[DankoZhang]

用swift框架吧，直接删除超长的数据