英文：Training Loss 分类：training
模型在训练集上计算的损失值（交叉熵等）：训练过程中持续下降反映模型在"背"训练数据的进展，是监控训练是否正常运行（下降、发散、平台）的首要信号。
监控：每 N 步记录、滑动平均（去噪声）、与基准（上次运行）对比；异常：发散（loss spike/NaN，需降 LR 或回滚）、平台期（调度触发）、上升（数据问题）；解读：训练损失低≠泛化好（需配验证损失）；大模型：通常降至 2-3（交叉熵/token）后进入微调；工具：TensorBoard/W&B 曲线。
用于训练过程监控（发散早发现）、超参调试（LR 扫描看曲线）、检查点决策（loss 平台期保存）与训练复现对比（loss 曲线对齐）。