Gemini 2.

Vertex AI 的这个 SFT（监督微调）任务简直是在挑战开发者的耐心。我本来想用 gemini-2.5-flash 做个微调，结果任务提交之后直接在 "Preparing for tuning..." 状态下原地踏步，状态显示是 "Running"，但那句 "Tuning metrics are being generated" 挂在那里几个小时了，既不出指标，也不报错，跟死机了有什么区别？

我这人比较急，遇到这种没反馈的情况习惯先做一轮排查，看看是不是我哪里配置错了：

数据量问题： 我试过全量数据集（300 条，约 1.6M tokens），也试过极小规模的测试集（5 条，31K tokens）。结果完全一样，小数据集在那儿卡了 45 分钟也毫无动静。这说明跟 Token 数量或者数据集规模没半毛钱关系。

参数与区域： Epoch 数从 2 改到 32 没区别；换了 us-central1 和 us-south1 两个区跑，结果全是一模一样的卡死。

配额检查： 专门去 Cloud Console 看了一下 "Global concurrent tuning jobs" 的配额，显示 1/1，并没有因为并发任务满了而阻塞。

日志排查： 最让人抓狂的是 Cloud Logging。CreateTuningJob 调用显示 status: {0} (OK)，状态也确实进入了 JOB_STATE_PENDING，但之后就再也没有任何日志输出了。这简直就是个黑盒，完全不知道后端到底是在调度资源还是在报错。

还有一个很诡异的细节，我发现控制台的 "Details" 标签页里，Tuning method 竟然显示成了 Multi-Step Reinforcement Learning，但我明明选的是 Supervised fine-tuning。虽然列表页显示是正确的，但这 UI 逻辑确实让人怀疑是不是后台跑偏了。

最后尝试换到 northamerica-northeast1 区域，结果直接报错：

INVALID_ARGUMENT: Base model gemini-2.5-flash is not supported

这说明不同区域对这个模型的微调支持极其不一致。

我现在非常怀疑这到底是 Google 那边的区域资源调度（Provisioning）出了问题，还是说在 "Preparation" 这个阶段有什么文档里没写的坑？如果任务一直卡在 Pending 状态，有没有什么办法能通过 API 看到更底层的日志，而不是只盯着那个毫无营养的控制台界面？