想请教练角色LoRA的朋友，人脸相似度直接当训练目标这个方案，谁上手跑过？
我一直嫌普通SFT收敛慢，练完还不一定像。这个方案思路挺顺：人脸embedding的距离本来就能求导，那就别学预测噪声或者速度了，直接拿脸的相似度当loss来训。说是4090上十来分钟就能出一版，对各种数据集都挺稳。
代价在单步上：普通SFT大概0.5秒一步，它要四秒多，因为每步都得生图、VAE解码、人脸检测再反传，一整套全算进去。总步数少、每步更贵，换来目标对齐更强，角色向我觉得这买卖划算。
现在卡我的是过拟合，跑过的能说说是怎么压住的吗？
