[cherry-pick][fix] internal_medicine_monitor_interval default to 0 (disabled)

[yuweivvv]

Merged in dev: #4746

Backport of #4746 to release/1.2.

Manually resolved conflicts in:

• paddleformers/cli/hparams/finetuning_args.py
• paddleformers/trainer/trainer.py
• paddleformers/trainer/trainer_callback.py

[Paddle-CI-Bot]

PaddleFormers Log Analysis

Run #28878578015 · Attempt 1

日志分析报告

流水线名称	问题标签	修复建议	日志片段
Fleet Model Test — GLM4.5 sft	Loss Diff	在 develop 更新 glm45_sft_multi_card_gt_loss.txt 精度基准后 rerun	报错代码
Fleet Model Test — GLM4.5 lora	Loss Diff	在 develop 更新 glm45_lora_multi_card_gt_loss.txt 精度基准后 rerun	报错代码
Fleet Model Test — GLM4.5 dpo	Loss Diff	在 develop 更新 glm45_dpo_multi_card_gt_loss.txt 精度基准后 rerun	报错代码

失败的测试case:

GLM4.5 sft    Step 10: Log Loss=0.06036192, GT Loss=0.05900278, abs_diff=0.00135914, rel_diff=2.30%
GLM4.5 lora   Step 10: Log Loss=0.00465447, GT Loss=0.00569033, abs_diff=0.00103586, rel_diff=18.20%
GLM4.5 dpo    Step 10: Log Loss=0.60607970, GT Loss=0.60747975, abs_diff=0.00140005, rel_diff=0.23%

根本原因分析:
PR #4751 对 trainer.py 的 internal_medicine_monitor_interval gate 逻辑做了修改（仅当 interval>0 时才注册 callback），该改动影响了 SFT/LoRA/DPO 训练路径的数值行为，导致 3 个场景的 step-10 loss 均与 release/1.2 分支上的旧基准值不匹配；CI 脚本在非 develop 分支时明确打印 please update precision in develop and rerun this workflow 并 exit 1。

修复建议:

1. 在 develop 分支上分别运行 GLM4.5 sft / lora / dpo multi-card 任务，用新产出的 loss 值更新 BOS 上的三个基准文件：
   • glm45_sft_multi_card_gt_loss.txt
   • glm45_lora_multi_card_gt_loss.txt
   • glm45_dpo_multi_card_gt_loss.txt
2. 基准更新后，对本 PR (release/1.2) 重新触发 Fleet Model Test workflow。

---

🔍 准确性记录：请点击评论底部 😊 图标，选择 👍（准确）或 👎（有误），将自动记录到 CI 监控系统

_{🔄 每次 Re-run 后自动更新}

[zjjlivein]

lgtm : CI精度diff 是已知问题