PyTorch下BERT多分类情感分类准确率极低问题求助

我在PyTorch框架下，使用GoEmotions数据集训练BERT架构实现多分类情感分类，但遇到了棘手的训练停滞问题：训练集与验证集的平均准确率始终维持在0.4左右，训练轮次中完全没有提升趋势，同时损失值也全程没有下降。

对比教程中的模型，人家从第一个训练轮次开始就能达到85%的准确率，我完全搞不懂自己的模型为何表现如此糟糕。

我已经尝试了多种调试方法，但均无成效：

• 修改模型架构，添加额外的Linear层
• 将独热编码标签替换为序列化标签（如1, 0, 2, 0...）
• 调整学习率、批量大小、分词器最大长度等超参数
• 确认损失函数选择正确，且梯度更新前已完成清零操作
• 检查并确保数据集类别均衡
• 更换其他数据集排查是否为数据本身的问题
• 其他多种针对性尝试

这个问题已经困扰我一周时间，恳请各位提供帮助或调试方向，万分感谢。

相关资源说明：

• 自定义模型代码：BertClassification.py（包含BERT分类相关的自定义函数与模型实现）
• 完整训练流程：Colaboratory笔记本（记录了训练的全部步骤及输出结果）

内容的提问来源于stack exchange，提问作者davide1996b