英文：Overtraining 分类：training
在超出计算最优训练量（compute-optimal，Chinchilla 定律）后继续训练的现象：边际收益递减甚至性能下降（训练 token 超过数据最优比例），需警惕"数据不够、重复训练"导致的过拟合与资源浪费。
表现：loss 继续下降但评测指标停滞/下降（过拟合训练分布）、重复数据暴露（记忆而非泛化）；判定：训练损失 vs 评测曲线、重复 epoch 数、Chinchilla 对齐度；对策：增加新数据（而非重复 epoch）、提前停止、降低学习率；相反：欠训练（under-trained，算力不足）也常见；工程：预算导向的按 token 训练。
用于训练预算决策（token 分配）、数据-算力配比评估（Chinchilla 检查）、评测退化诊断（过训练定位）与大模型训练规划（避免浪费算力）。