我找到了一种解决这个问题的方法，但它似乎违反直觉。对于任何寻找相同方法的人：

indices = np.argsort(metric.timestamps.values_numpy())
losses = losses[indices]

感谢mrzv的报告！这非常奇怪，我们会进行调查。

我找到了一种解决这个问题的方法，但它似乎违反直觉。[...]
几个月前，当我遇到这个问题时，我最终使用了 similar workaround 来处理乱序度量数据。它通过在已知单调递增的度量(如 timestamps,正如您所指出的)上进行反向查找来工作。在我的案例中，我记录了一个 "epoch" 度量，这是我在记录我的纪元度量时当前纪元的值，并且严格单调递增，例如 1, 2, 3, 4, ...。以下是一个最小的解决方法示例：

# Workaround via reverse lookup.
def get_ordered_metric_values(metric, context, monotonic_metric="epoch"):
    _, unordered_metric_values = run.get_metric(metric, context).values.sparse_numpy()
    _, monotonic_metric_values = run.get_metric(monotonic_metric, context).values.sparse_numpy()
    idx = np.argsort(monotonic_metric_values)
    return unordered_metric_values[idx]