最近用LLaMA-Factory微调了一个7B的模型做客服问答，训练集和验证集loss都降得挺好看的，测试集准确率也有85%左右。但一部署到实际环境，用户稍微换个问法，模型就开始胡言乱语，要么答非所问，要么直接复读训练集里的原话。我已经调过temperature和top_p了，效果不明显。想问下大家，这种情况是过拟合了吗？还是数据构造有问题？有没有什么排查思路？