{
"best_metric": null,
"best_model_checkpoint": null,
"epoch": 0.5,
"eval_steps": 75,
"global_step": 375,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0.0013333333333333333,
"grad_norm": 5.494853571957073,
"learning_rate": 1.5e-06,
"loss": 2.2794,
"step": 1
},
{
"epoch": 0.0013333333333333333,
"eval_loss": 1.8317261934280396,
"eval_runtime": 98.252,
"eval_samples_per_second": 1.018,
"eval_steps_per_second": 0.254,
"step": 1
},
{
"epoch": 0.0026666666666666666,
"grad_norm": 0.4396391591358924,
"learning_rate": 3e-06,
"loss": 2.2089,
"step": 2
},
{
"epoch": 0.004,
"grad_norm": 0.6704432458412378,
"learning_rate": 4.5e-06,
"loss": 2.3789,
"step": 3
},
{
"epoch": 0.005333333333333333,
"grad_norm": 0.5524719828039701,
"learning_rate": 6e-06,
"loss": 1.9508,
"step": 4
},
{
"epoch": 0.006666666666666667,
"grad_norm": 1.551345196476793,
"learning_rate": 7.5e-06,
"loss": 2.3302,
"step": 5
},
{
"epoch": 0.008,
"grad_norm": 1.4425623787692365,
"learning_rate": 9e-06,
"loss": 2.4649,
"step": 6
},
{
"epoch": 0.009333333333333334,
"grad_norm": 1.9558403413673842,
"learning_rate": 1.05e-05,
"loss": 2.5318,
"step": 7
},
{
"epoch": 0.010666666666666666,
"grad_norm": 0.6930931382639645,
"learning_rate": 1.2e-05,
"loss": 1.9398,
"step": 8
},
{
"epoch": 0.012,
"grad_norm": 0.40522998481846323,
"learning_rate": 1.3500000000000001e-05,
"loss": 2.4355,
"step": 9
},
{
"epoch": 0.013333333333333334,
"grad_norm": 2.194079323679347,
"learning_rate": 1.5e-05,
"loss": 2.3417,
"step": 10
},
{
"epoch": 0.014666666666666666,
"grad_norm": 2.5436460717739156,
"learning_rate": 1.65e-05,
"loss": 2.4571,
"step": 11
},
{
"epoch": 0.016,
"grad_norm": 1.9496092240793341,
"learning_rate": 1.8e-05,
"loss": 1.9637,
"step": 12
},
{
"epoch": 0.017333333333333333,
"grad_norm": 1.2616722727237577,
"learning_rate": 1.95e-05,
"loss": 2.5866,
"step": 13
},
{
"epoch": 0.018666666666666668,
"grad_norm": 0.3060862022495338,
"learning_rate": 2.1e-05,
"loss": 2.1547,
"step": 14
},
{
"epoch": 0.02,
"grad_norm": 0.5028816367161089,
"learning_rate": 2.25e-05,
"loss": 1.8957,
"step": 15
},
{
"epoch": 0.021333333333333333,
"grad_norm": 0.5034069784636721,
"learning_rate": 2.4e-05,
"loss": 2.1151,
"step": 16
},
{
"epoch": 0.02266666666666667,
"grad_norm": 1.5564960276262187,
"learning_rate": 2.55e-05,
"loss": 2.3041,
"step": 17
},
{
"epoch": 0.024,
"grad_norm": 0.4958603020666427,
"learning_rate": 2.7000000000000002e-05,
"loss": 2.0962,
"step": 18
},
{
"epoch": 0.025333333333333333,
"grad_norm": 1.5362995691059922,
"learning_rate": 2.8499999999999998e-05,
"loss": 2.3989,
"step": 19
},
{
"epoch": 0.02666666666666667,
"grad_norm": 0.648652241685575,
"learning_rate": 3e-05,
"loss": 2.5339,
"step": 20
},
{
"epoch": 0.028,
"grad_norm": 0.554470724602306,
"learning_rate": 2.999996958555301e-05,
"loss": 2.4793,
"step": 21
},
{
"epoch": 0.029333333333333333,
"grad_norm": 1.3508987707917082,
"learning_rate": 2.999987834234907e-05,
"loss": 2.3167,
"step": 22
},
{
"epoch": 0.030666666666666665,
"grad_norm": 0.4599504691462346,
"learning_rate": 2.9999726270799325e-05,
"loss": 2.36,
"step": 23
},
{
"epoch": 0.032,
"grad_norm": 1.0007538870075432,
"learning_rate": 2.999951337158897e-05,
"loss": 2.2342,
"step": 24
},
{
"epoch": 0.03333333333333333,
"grad_norm": 0.8436818785690442,
"learning_rate": 2.9999239645677304e-05,
"loss": 2.2803,
"step": 25
},
{
"epoch": 0.034666666666666665,
"grad_norm": 0.37337797248642607,
"learning_rate": 2.9998905094297686e-05,
"loss": 2.188,
"step": 26
},
{
"epoch": 0.036,
"grad_norm": 0.16596641795830927,
"learning_rate": 2.9998509718957563e-05,
"loss": 2.105,
"step": 27
},
{
"epoch": 0.037333333333333336,
"grad_norm": 0.3163756174860874,
"learning_rate": 2.9998053521438427e-05,
"loss": 2.1819,
"step": 28
},
{
"epoch": 0.03866666666666667,
"grad_norm": 0.73179742586677,
"learning_rate": 2.9997536503795834e-05,
"loss": 2.2281,
"step": 29
},
{
"epoch": 0.04,
"grad_norm": 0.18793418314598326,
"learning_rate": 2.9996958668359386e-05,
"loss": 2.1174,
"step": 30
},
{
"epoch": 0.04133333333333333,
"grad_norm": 0.6403343407451153,
"learning_rate": 2.999632001773272e-05,
"loss": 2.3419,
"step": 31
},
{
"epoch": 0.042666666666666665,
"grad_norm": 0.2773466547599625,
"learning_rate": 2.9995620554793495e-05,
"loss": 1.9779,
"step": 32
},
{
"epoch": 0.044,
"grad_norm": 0.42992322954286805,
"learning_rate": 2.999486028269338e-05,
"loss": 1.891,
"step": 33
},
{
"epoch": 0.04533333333333334,
"grad_norm": 0.3880877285520559,
"learning_rate": 2.9994039204858043e-05,
"loss": 1.9488,
"step": 34
},
{
"epoch": 0.04666666666666667,
"grad_norm": 0.38995745148913935,
"learning_rate": 2.999315732498714e-05,
"loss": 2.5013,
"step": 35
},
{
"epoch": 0.048,
"grad_norm": 0.4228621926559084,
"learning_rate": 2.999221464705427e-05,
"loss": 2.1356,
"step": 36
},
{
"epoch": 0.04933333333333333,
"grad_norm": 0.4663890399818879,
"learning_rate": 2.9991211175307006e-05,
"loss": 2.155,
"step": 37
},
{
"epoch": 0.050666666666666665,
"grad_norm": 0.5287155786829871,
"learning_rate": 2.9990146914266826e-05,
"loss": 1.8496,
"step": 38
},
{
"epoch": 0.052,
"grad_norm": 0.33925018851926647,
"learning_rate": 2.9989021868729135e-05,
"loss": 2.1315,
"step": 39
},
{
"epoch": 0.05333333333333334,
"grad_norm": 0.16522140027488588,
"learning_rate": 2.99878360437632e-05,
"loss": 2.0977,
"step": 40
},
{
"epoch": 0.05466666666666667,
"grad_norm": 0.6355838754971164,
"learning_rate": 2.998658944471217e-05,
"loss": 2.1459,
"step": 41
},
{
"epoch": 0.056,
"grad_norm": 0.26447590316147407,
"learning_rate": 2.9985282077193026e-05,
"loss": 2.0833,
"step": 42
},
{
"epoch": 0.05733333333333333,
"grad_norm": 0.29258668895913753,
"learning_rate": 2.9983913947096563e-05,
"loss": 2.2603,
"step": 43
},
{
"epoch": 0.058666666666666666,
"grad_norm": 0.2920264557478038,
"learning_rate": 2.9982485060587357e-05,
"loss": 1.9828,
"step": 44
},
{
"epoch": 0.06,
"grad_norm": 0.3860467745966656,
"learning_rate": 2.9980995424103748e-05,
"loss": 2.4214,
"step": 45
},
{
"epoch": 0.06133333333333333,
"grad_norm": 0.5757512413804123,
"learning_rate": 2.9979445044357814e-05,
"loss": 2.212,
"step": 46
},
{
"epoch": 0.06266666666666666,
"grad_norm": 0.21304621427134704,
"learning_rate": 2.9977833928335316e-05,
"loss": 1.9271,
"step": 47
},
{
"epoch": 0.064,
"grad_norm": 0.3301257012003079,
"learning_rate": 2.9976162083295694e-05,
"loss": 2.0472,
"step": 48
},
{
"epoch": 0.06533333333333333,
"grad_norm": 0.3008211448973632,
"learning_rate": 2.9974429516772018e-05,
"loss": 2.4323,
"step": 49
},
{
"epoch": 0.06666666666666667,
"grad_norm": 0.26704445986476444,
"learning_rate": 2.997263623657097e-05,
"loss": 2.003,
"step": 50
},
{
"epoch": 0.068,
"grad_norm": 0.24343367493238866,
"learning_rate": 2.9970782250772786e-05,
"loss": 1.9911,
"step": 51
},
{
"epoch": 0.06933333333333333,
"grad_norm": 0.36868774906810614,
"learning_rate": 2.9968867567731233e-05,
"loss": 2.3312,
"step": 52
},
{
"epoch": 0.07066666666666667,
"grad_norm": 0.4346673091737939,
"learning_rate": 2.9966892196073583e-05,
"loss": 2.0461,
"step": 53
},
{
"epoch": 0.072,
"grad_norm": 0.27732062938320917,
"learning_rate": 2.996485614470054e-05,
"loss": 1.8782,
"step": 54
},
{
"epoch": 0.07333333333333333,
"grad_norm": 0.5044098714622329,
"learning_rate": 2.9962759422786248e-05,
"loss": 2.3024,
"step": 55
},
{
"epoch": 0.07466666666666667,
"grad_norm": 0.35584299953539106,
"learning_rate": 2.9960602039778196e-05,
"loss": 1.9019,
"step": 56
},
{
"epoch": 0.076,
"grad_norm": 0.25515628575898364,
"learning_rate": 2.995838400539723e-05,
"loss": 2.1745,
"step": 57
},
{
"epoch": 0.07733333333333334,
"grad_norm": 0.22266755698926835,
"learning_rate": 2.9956105329637454e-05,
"loss": 2.3572,
"step": 58
},
{
"epoch": 0.07866666666666666,
"grad_norm": 0.23590376658875728,
"learning_rate": 2.9953766022766228e-05,
"loss": 2.2639,
"step": 59
},
{
"epoch": 0.08,
"grad_norm": 0.19958974114647998,
"learning_rate": 2.9951366095324108e-05,
"loss": 2.2983,
"step": 60
},
{
"epoch": 0.08133333333333333,
"grad_norm": 0.26170668739549613,
"learning_rate": 2.994890555812479e-05,
"loss": 1.7797,
"step": 61
},
{
"epoch": 0.08266666666666667,
"grad_norm": 0.1947500638232896,
"learning_rate": 2.9946384422255074e-05,
"loss": 2.232,
"step": 62
},
{
"epoch": 0.084,
"grad_norm": 0.18048707660964908,
"learning_rate": 2.9943802699074796e-05,
"loss": 2.3487,
"step": 63
},
{
"epoch": 0.08533333333333333,
"grad_norm": 0.21913225188044025,
"learning_rate": 2.994116040021681e-05,
"loss": 2.1964,
"step": 64
},
{
"epoch": 0.08666666666666667,
"grad_norm": 0.4242826633242974,
"learning_rate": 2.9938457537586896e-05,
"loss": 2.3137,
"step": 65
},
{
"epoch": 0.088,
"grad_norm": 0.2557454392806272,
"learning_rate": 2.9935694123363727e-05,
"loss": 2.1458,
"step": 66
},
{
"epoch": 0.08933333333333333,
"grad_norm": 0.3093808768168103,
"learning_rate": 2.9932870169998825e-05,
"loss": 2.1153,
"step": 67
},
{
"epoch": 0.09066666666666667,
"grad_norm": 0.33819459397450213,
"learning_rate": 2.9929985690216478e-05,
"loss": 2.0772,
"step": 68
},
{
"epoch": 0.092,
"grad_norm": 0.21377958208808176,
"learning_rate": 2.9927040697013705e-05,
"loss": 2.1949,
"step": 69
},
{
"epoch": 0.09333333333333334,
"grad_norm": 0.2652218777029591,
"learning_rate": 2.9924035203660188e-05,
"loss": 2.0031,
"step": 70
},
{
"epoch": 0.09466666666666666,
"grad_norm": 0.23574741210798578,
"learning_rate": 2.9920969223698202e-05,
"loss": 1.9449,
"step": 71
},
{
"epoch": 0.096,
"grad_norm": 0.2226926959097067,
"learning_rate": 2.991784277094258e-05,
"loss": 2.031,
"step": 72
},
{
"epoch": 0.09733333333333333,
"grad_norm": 0.24814250998530846,
"learning_rate": 2.9914655859480632e-05,
"loss": 2.0921,
"step": 73
},
{
"epoch": 0.09866666666666667,
"grad_norm": 0.33914254917033065,
"learning_rate": 2.991140850367208e-05,
"loss": 2.2183,
"step": 74
},
{
"epoch": 0.1,
"grad_norm": 0.25867270370266443,
"learning_rate": 2.990810071814901e-05,
"loss": 1.6416,
"step": 75
},
{
"epoch": 0.1,
"eval_loss": 1.782590389251709,
"eval_runtime": 98.6583,
"eval_samples_per_second": 1.014,
"eval_steps_per_second": 0.253,
"step": 75
},
{
"epoch": 0.10133333333333333,
"grad_norm": 0.22920181089355457,
"learning_rate": 2.990473251781578e-05,
"loss": 2.1863,
"step": 76
},
{
"epoch": 0.10266666666666667,
"grad_norm": 0.18274633553603156,
"learning_rate": 2.9901303917848977e-05,
"loss": 2.2399,
"step": 77
},
{
"epoch": 0.104,
"grad_norm": 0.18220877055008589,
"learning_rate": 2.9897814933697335e-05,
"loss": 1.9149,
"step": 78
},
{
"epoch": 0.10533333333333333,
"grad_norm": 0.2021601886002538,
"learning_rate": 2.9894265581081682e-05,
"loss": 2.199,
"step": 79
},
{
"epoch": 0.10666666666666667,
"grad_norm": 3.7616720925364286,
"learning_rate": 2.989065587599484e-05,
"loss": 2.1179,
"step": 80
},
{
"epoch": 0.108,
"grad_norm": 0.23407462358542114,
"learning_rate": 2.9886985834701577e-05,
"loss": 2.5661,
"step": 81
},
{
"epoch": 0.10933333333333334,
"grad_norm": 1.5338568979686038,
"learning_rate": 2.9883255473738523e-05,
"loss": 2.2263,
"step": 82
},
{
"epoch": 0.11066666666666666,
"grad_norm": 0.24500727274505268,
"learning_rate": 2.9879464809914113e-05,
"loss": 2.0621,
"step": 83
},
{
"epoch": 0.112,
"grad_norm": 0.21179059127462146,
"learning_rate": 2.987561386030848e-05,
"loss": 2.0356,
"step": 84
},
{
"epoch": 0.11333333333333333,
"grad_norm": 0.3306008087329227,
"learning_rate": 2.9871702642273404e-05,
"loss": 2.0848,
"step": 85
},
{
"epoch": 0.11466666666666667,
"grad_norm": 0.15657087812683942,
"learning_rate": 2.9867731173432215e-05,
"loss": 2.2127,
"step": 86
},
{
"epoch": 0.116,
"grad_norm": 0.1886500437129195,
"learning_rate": 2.9863699471679743e-05,
"loss": 1.9854,
"step": 87
},
{
"epoch": 0.11733333333333333,
"grad_norm": 0.22974349537556282,
"learning_rate": 2.9859607555182206e-05,
"loss": 2.1972,
"step": 88
},
{
"epoch": 0.11866666666666667,
"grad_norm": 0.2578002903522265,
"learning_rate": 2.9855455442377135e-05,
"loss": 2.1804,
"step": 89
},
{
"epoch": 0.12,
"grad_norm": 0.24109737247334548,
"learning_rate": 2.9851243151973314e-05,
"loss": 1.9523,
"step": 90
},
{
"epoch": 0.12133333333333333,
"grad_norm": 0.34121465203098633,
"learning_rate": 2.9846970702950653e-05,
"loss": 1.9493,
"step": 91
},
{
"epoch": 0.12266666666666666,
"grad_norm": 0.2069391899522312,
"learning_rate": 2.9842638114560144e-05,
"loss": 2.2207,
"step": 92
},
{
"epoch": 0.124,
"grad_norm": 0.41038744334249916,
"learning_rate": 2.9838245406323763e-05,
"loss": 2.0954,
"step": 93
},
{
"epoch": 0.12533333333333332,
"grad_norm": 0.2818876029106677,
"learning_rate": 2.9833792598034362e-05,
"loss": 2.063,
"step": 94
},
{
"epoch": 0.12666666666666668,
"grad_norm": 0.3963506275688602,
"learning_rate": 2.9829279709755597e-05,
"loss": 1.9915,
"step": 95
},
{
"epoch": 0.128,
"grad_norm": 0.3357399751778237,
"learning_rate": 2.9824706761821845e-05,
"loss": 2.0319,
"step": 96
},
{
"epoch": 0.12933333333333333,
"grad_norm": 0.2484694376564558,
"learning_rate": 2.9820073774838092e-05,
"loss": 1.9593,
"step": 97
},
{
"epoch": 0.13066666666666665,
"grad_norm": 0.28583010649806945,
"learning_rate": 2.9815380769679853e-05,
"loss": 2.0876,
"step": 98
},
{
"epoch": 0.132,
"grad_norm": 0.2839808516235786,
"learning_rate": 2.9810627767493083e-05,
"loss": 2.107,
"step": 99
},
{
"epoch": 0.13333333333333333,
"grad_norm": 0.22309498057469626,
"learning_rate": 2.9805814789694065e-05,
"loss": 2.3163,
"step": 100
},
{
"epoch": 0.13466666666666666,
"grad_norm": 0.21629704903995522,
"learning_rate": 2.9800941857969325e-05,
"loss": 1.9568,
"step": 101
},
{
"epoch": 0.136,
"grad_norm": 0.2498232144819958,
"learning_rate": 2.9796008994275533e-05,
"loss": 2.2436,
"step": 102
},
{
"epoch": 0.13733333333333334,
"grad_norm": 0.23251794806618262,
"learning_rate": 2.979101622083941e-05,
"loss": 2.1077,
"step": 103
},
{
"epoch": 0.13866666666666666,
"grad_norm": 0.27094215165929786,
"learning_rate": 2.978596356015761e-05,
"loss": 2.2429,
"step": 104
},
{
"epoch": 0.14,
"grad_norm": 0.23381976958310982,
"learning_rate": 2.978085103499663e-05,
"loss": 2.1045,
"step": 105
},
{
"epoch": 0.14133333333333334,
"grad_norm": 0.31137413672950875,
"learning_rate": 2.9775678668392713e-05,
"loss": 2.2828,
"step": 106
},
{
"epoch": 0.14266666666666666,
"grad_norm": 0.2510514954722372,
"learning_rate": 2.9770446483651735e-05,
"loss": 2.0488,
"step": 107
},
{
"epoch": 0.144,
"grad_norm": 0.20677625084575546,
"learning_rate": 2.976515450434911e-05,
"loss": 2.0007,
"step": 108
},
{
"epoch": 0.14533333333333334,
"grad_norm": 0.1441931078695141,
"learning_rate": 2.9759802754329665e-05,
"loss": 2.2914,
"step": 109
},
{
"epoch": 0.14666666666666667,
"grad_norm": 0.2505777324570115,
"learning_rate": 2.9754391257707555e-05,
"loss": 2.3766,
"step": 110
},
{
"epoch": 0.148,
"grad_norm": 0.15292718959769924,
"learning_rate": 2.9748920038866134e-05,
"loss": 2.0941,
"step": 111
},
{
"epoch": 0.14933333333333335,
"grad_norm": 0.323283263320876,
"learning_rate": 2.9743389122457864e-05,
"loss": 2.249,
"step": 112
},
{
"epoch": 0.15066666666666667,
"grad_norm": 0.18122528780601804,
"learning_rate": 2.9737798533404195e-05,
"loss": 2.225,
"step": 113
},
{
"epoch": 0.152,
"grad_norm": 0.1959413592260722,
"learning_rate": 2.9732148296895444e-05,
"loss": 2.2521,
"step": 114
},
{
"epoch": 0.15333333333333332,
"grad_norm": 0.3035240193818014,
"learning_rate": 2.9726438438390702e-05,
"loss": 1.8693,
"step": 115
},
{
"epoch": 0.15466666666666667,
"grad_norm": 0.18185372954938864,
"learning_rate": 2.9720668983617685e-05,
"loss": 1.7352,
"step": 116
},
{
"epoch": 0.156,
"grad_norm": 0.22324589503263917,
"learning_rate": 2.9714839958572674e-05,
"loss": 2.1327,
"step": 117
},
{
"epoch": 0.15733333333333333,
"grad_norm": 0.17640470731953065,
"learning_rate": 2.9708951389520338e-05,
"loss": 2.3011,
"step": 118
},
{
"epoch": 0.15866666666666668,
"grad_norm": 0.22566777150432568,
"learning_rate": 2.970300330299365e-05,
"loss": 2.2591,
"step": 119
},
{
"epoch": 0.16,
"grad_norm": 0.26753575405847074,
"learning_rate": 2.9696995725793764e-05,
"loss": 1.9764,
"step": 120
},
{
"epoch": 0.16133333333333333,
"grad_norm": 0.2625838791216609,
"learning_rate": 2.969092868498988e-05,
"loss": 2.0906,
"step": 121
},
{
"epoch": 0.16266666666666665,
"grad_norm": 0.23542440806071088,
"learning_rate": 2.9684802207919144e-05,
"loss": 2.331,
"step": 122
},
{
"epoch": 0.164,
"grad_norm": 0.16614596830245607,
"learning_rate": 2.9678616322186506e-05,
"loss": 2.0534,
"step": 123
},
{
"epoch": 0.16533333333333333,
"grad_norm": 0.2087450409416601,
"learning_rate": 2.9672371055664598e-05,
"loss": 2.3241,
"step": 124
},
{
"epoch": 0.16666666666666666,
"grad_norm": 0.19314135153093137,
"learning_rate": 2.9666066436493612e-05,
"loss": 2.0654,
"step": 125
},
{
"epoch": 0.168,
"grad_norm": 0.21431158762567906,
"learning_rate": 2.9659702493081184e-05,
"loss": 1.9973,
"step": 126
},
{
"epoch": 0.16933333333333334,
"grad_norm": 1.9808549742241428,
"learning_rate": 2.965327925410226e-05,
"loss": 2.0077,
"step": 127
},
{
"epoch": 0.17066666666666666,
"grad_norm": 0.26139018103307665,
"learning_rate": 2.9646796748498934e-05,
"loss": 2.0224,
"step": 128
},
{
"epoch": 0.172,
"grad_norm": 0.25005627301032396,
"learning_rate": 2.9640255005480376e-05,
"loss": 2.2725,
"step": 129
},
{
"epoch": 0.17333333333333334,
"grad_norm": 0.15880416331686953,
"learning_rate": 2.9633654054522655e-05,
"loss": 2.2907,
"step": 130
},
{
"epoch": 0.17466666666666666,
"grad_norm": 0.33529634494995547,
"learning_rate": 2.9626993925368635e-05,
"loss": 2.0113,
"step": 131
},
{
"epoch": 0.176,
"grad_norm": 0.28246655756719385,
"learning_rate": 2.9620274648027805e-05,
"loss": 1.6602,
"step": 132
},
{
"epoch": 0.17733333333333334,
"grad_norm": 0.19752740198982274,
"learning_rate": 2.96134962527762e-05,
"loss": 2.4049,
"step": 133
},
{
"epoch": 0.17866666666666667,
"grad_norm": 0.24132626803001633,
"learning_rate": 2.960665877015619e-05,
"loss": 1.9882,
"step": 134
},
{
"epoch": 0.18,
"grad_norm": 0.20387262050547844,
"learning_rate": 2.959976223097642e-05,
"loss": 2.1055,
"step": 135
},
{
"epoch": 0.18133333333333335,
"grad_norm": 0.1624504592181784,
"learning_rate": 2.9592806666311612e-05,
"loss": 2.0519,
"step": 136
},
{
"epoch": 0.18266666666666667,
"grad_norm": 0.17429829196685362,
"learning_rate": 2.958579210750246e-05,
"loss": 2.2465,
"step": 137
},
{
"epoch": 0.184,
"grad_norm": 0.20450521945125338,
"learning_rate": 2.9578718586155467e-05,
"loss": 2.0122,
"step": 138
},
{
"epoch": 0.18533333333333332,
"grad_norm": 0.25553899821370907,
"learning_rate": 2.9571586134142824e-05,
"loss": 1.9806,
"step": 139
},
{
"epoch": 0.18666666666666668,
"grad_norm": 0.18251828378522442,
"learning_rate": 2.956439478360224e-05,
"loss": 2.0153,
"step": 140
},
{
"epoch": 0.188,
"grad_norm": 0.27047669211119385,
"learning_rate": 2.9557144566936813e-05,
"loss": 2.3386,
"step": 141
},
{
"epoch": 0.18933333333333333,
"grad_norm": 0.25054213266869674,
"learning_rate": 2.9549835516814905e-05,
"loss": 1.8871,
"step": 142
},
{
"epoch": 0.19066666666666668,
"grad_norm": 0.2177646465341283,
"learning_rate": 2.9542467666169946e-05,
"loss": 1.9861,
"step": 143
},
{
"epoch": 0.192,
"grad_norm": 0.23131873734472552,
"learning_rate": 2.953504104820032e-05,
"loss": 2.2903,
"step": 144
},
{
"epoch": 0.19333333333333333,
"grad_norm": 0.19112449587530203,
"learning_rate": 2.9527555696369217e-05,
"loss": 2.079,
"step": 145
},
{
"epoch": 0.19466666666666665,
"grad_norm": 0.25269202301867255,
"learning_rate": 2.9520011644404457e-05,
"loss": 2.0033,
"step": 146
},
{
"epoch": 0.196,
"grad_norm": 0.27870777753889076,
"learning_rate": 2.9512408926298362e-05,
"loss": 2.0747,
"step": 147
},
{
"epoch": 0.19733333333333333,
"grad_norm": 0.2356849572111222,
"learning_rate": 2.9504747576307594e-05,
"loss": 1.9859,
"step": 148
},
{
"epoch": 0.19866666666666666,
"grad_norm": 0.24802404030831268,
"learning_rate": 2.9497027628953e-05,
"loss": 1.9636,
"step": 149
},
{
"epoch": 0.2,
"grad_norm": 0.2705817304080749,
"learning_rate": 2.9489249119019465e-05,
"loss": 2.3547,
"step": 150
},
{
"epoch": 0.2,
"eval_loss": 1.764258623123169,
"eval_runtime": 98.8204,
"eval_samples_per_second": 1.012,
"eval_steps_per_second": 0.253,
"step": 150
},
{
"epoch": 0.20133333333333334,
"grad_norm": 0.2582615198348039,
"learning_rate": 2.948141208155574e-05,
"loss": 2.0245,
"step": 151
},
{
"epoch": 0.20266666666666666,
"grad_norm": 0.4907789285423073,
"learning_rate": 2.9473516551874283e-05,
"loss": 2.0994,
"step": 152
},
{
"epoch": 0.204,
"grad_norm": 0.18922034328138926,
"learning_rate": 2.946556256555113e-05,
"loss": 2.323,
"step": 153
},
{
"epoch": 0.20533333333333334,
"grad_norm": 0.2033901054041812,
"learning_rate": 2.94575501584257e-05,
"loss": 2.0412,
"step": 154
},
{
"epoch": 0.20666666666666667,
"grad_norm": 0.44181703724009636,
"learning_rate": 2.9449479366600646e-05,
"loss": 2.0977,
"step": 155
},
{
"epoch": 0.208,
"grad_norm": 0.23299679001877052,
"learning_rate": 2.94413502264417e-05,
"loss": 2.1351,
"step": 156
},
{
"epoch": 0.20933333333333334,
"grad_norm": 0.1826511129435199,
"learning_rate": 2.94331627745775e-05,
"loss": 2.23,
"step": 157
},
{
"epoch": 0.21066666666666667,
"grad_norm": 0.21212768867139842,
"learning_rate": 2.9424917047899425e-05,
"loss": 2.1412,
"step": 158
},
{
"epoch": 0.212,
"grad_norm": 0.3826582810934168,
"learning_rate": 2.9416613083561428e-05,
"loss": 2.2128,
"step": 159
},
{
"epoch": 0.21333333333333335,
"grad_norm": 0.19962942232450726,
"learning_rate": 2.9408250918979886e-05,
"loss": 1.9778,
"step": 160
},
{
"epoch": 0.21466666666666667,
"grad_norm": 0.1694294631609089,
"learning_rate": 2.9399830591833407e-05,
"loss": 2.4602,
"step": 161
},
{
"epoch": 0.216,
"grad_norm": 0.2899013004381108,
"learning_rate": 2.9391352140062668e-05,
"loss": 1.9118,
"step": 162
},
{
"epoch": 0.21733333333333332,
"grad_norm": 0.23107679488781446,
"learning_rate": 2.9382815601870252e-05,
"loss": 2.0482,
"step": 163
},
{
"epoch": 0.21866666666666668,
"grad_norm": 0.21890406305674734,
"learning_rate": 2.9374221015720465e-05,
"loss": 2.041,
"step": 164
},
{
"epoch": 0.22,
"grad_norm": 0.23483748269482313,
"learning_rate": 2.9365568420339173e-05,
"loss": 2.2775,
"step": 165
},
{
"epoch": 0.22133333333333333,
"grad_norm": 0.2872971245253849,
"learning_rate": 2.9356857854713628e-05,
"loss": 1.9568,
"step": 166
},
{
"epoch": 0.22266666666666668,
"grad_norm": 0.2372348840011155,
"learning_rate": 2.9348089358092266e-05,
"loss": 2.262,
"step": 167
},
{
"epoch": 0.224,
"grad_norm": 0.36284791627622115,
"learning_rate": 2.9339262969984575e-05,
"loss": 2.083,
"step": 168
},
{
"epoch": 0.22533333333333333,
"grad_norm": 0.29336818899957795,
"learning_rate": 2.9330378730160882e-05,
"loss": 1.9668,
"step": 169
},
{
"epoch": 0.22666666666666666,
"grad_norm": 0.2201337837382957,
"learning_rate": 2.932143667865218e-05,
"loss": 2.2411,
"step": 170
},
{
"epoch": 0.228,
"grad_norm": 0.23312129174527574,
"learning_rate": 2.931243685574997e-05,
"loss": 1.7557,
"step": 171
},
{
"epoch": 0.22933333333333333,
"grad_norm": 0.2158943628320117,
"learning_rate": 2.930337930200603e-05,
"loss": 2.2391,
"step": 172
},
{
"epoch": 0.23066666666666666,
"grad_norm": 0.22961082626415702,
"learning_rate": 2.929426405823231e-05,
"loss": 1.983,
"step": 173
},
{
"epoch": 0.232,
"grad_norm": 0.1589890947108339,
"learning_rate": 2.9285091165500653e-05,
"loss": 2.2212,
"step": 174
},
{
"epoch": 0.23333333333333334,
"grad_norm": 0.3416891731513133,
"learning_rate": 2.9275860665142697e-05,
"loss": 2.151,
"step": 175
},
{
"epoch": 0.23466666666666666,
"grad_norm": 0.3116792178273567,
"learning_rate": 2.9266572598749632e-05,
"loss": 1.9779,
"step": 176
},
{
"epoch": 0.236,
"grad_norm": 0.2507975453340776,
"learning_rate": 2.925722700817204e-05,
"loss": 1.8828,
"step": 177
},
{
"epoch": 0.23733333333333334,
"grad_norm": 0.2679656189407352,
"learning_rate": 2.9247823935519685e-05,
"loss": 2.0387,
"step": 178
},
{
"epoch": 0.23866666666666667,
"grad_norm": 0.23989994031916193,
"learning_rate": 2.9238363423161357e-05,
"loss": 2.0543,
"step": 179
},
{
"epoch": 0.24,
"grad_norm": 0.1858192959656248,
"learning_rate": 2.9228845513724636e-05,
"loss": 2.1298,
"step": 180
},
{
"epoch": 0.24133333333333334,
"grad_norm": 0.2634790646951208,
"learning_rate": 2.921927025009575e-05,
"loss": 1.8913,
"step": 181
},
{
"epoch": 0.24266666666666667,
"grad_norm": 0.2022924360136422,
"learning_rate": 2.920963767541933e-05,
"loss": 2.125,
"step": 182
},
{
"epoch": 0.244,
"grad_norm": 0.2093674676298739,
"learning_rate": 2.919994783309827e-05,
"loss": 2.0787,
"step": 183
},
{
"epoch": 0.24533333333333332,
"grad_norm": 0.21965402179914853,
"learning_rate": 2.9190200766793476e-05,
"loss": 2.2001,
"step": 184
},
{
"epoch": 0.24666666666666667,
"grad_norm": 0.1853707607114335,
"learning_rate": 2.9180396520423712e-05,
"loss": 2.2625,
"step": 185
},
{
"epoch": 0.248,
"grad_norm": 0.16161978911997635,
"learning_rate": 2.9170535138165386e-05,
"loss": 2.1841,
"step": 186
},
{
"epoch": 0.24933333333333332,
"grad_norm": 0.3229805512119213,
"learning_rate": 2.9160616664452343e-05,
"loss": 2.3706,
"step": 187
},
{
"epoch": 0.25066666666666665,
"grad_norm": 0.2836753076906196,
"learning_rate": 2.915064114397568e-05,
"loss": 1.6237,
"step": 188
},
{
"epoch": 0.252,
"grad_norm": 0.2698172260057232,
"learning_rate": 2.9140608621683537e-05,
"loss": 1.6731,
"step": 189
},
{
"epoch": 0.25333333333333335,
"grad_norm": 0.19227100326585553,
"learning_rate": 2.913051914278089e-05,
"loss": 2.3641,
"step": 190
},
{
"epoch": 0.25466666666666665,
"grad_norm": 0.17075536856147475,
"learning_rate": 2.9120372752729364e-05,
"loss": 2.1405,
"step": 191
},
{
"epoch": 0.256,
"grad_norm": 0.18977706986071732,
"learning_rate": 2.9110169497247005e-05,
"loss": 2.2104,
"step": 192
},
{
"epoch": 0.25733333333333336,
"grad_norm": 0.19137759329665405,
"learning_rate": 2.909990942230809e-05,
"loss": 2.0225,
"step": 193
},
{
"epoch": 0.25866666666666666,
"grad_norm": 1.565607637042905,
"learning_rate": 2.9089592574142925e-05,
"loss": 1.8544,
"step": 194
},
{
"epoch": 0.26,
"grad_norm": 0.19540116729751783,
"learning_rate": 2.9079218999237602e-05,
"loss": 2.3062,
"step": 195
},
{
"epoch": 0.2613333333333333,
"grad_norm": 0.210417328406617,
"learning_rate": 2.9068788744333847e-05,
"loss": 2.1931,
"step": 196
},
{
"epoch": 0.26266666666666666,
"grad_norm": 0.17528914661443556,
"learning_rate": 2.905830185642875e-05,
"loss": 2.213,
"step": 197
},
{
"epoch": 0.264,
"grad_norm": 0.19180797982535258,
"learning_rate": 2.90477583827746e-05,
"loss": 2.0999,
"step": 198
},
{
"epoch": 0.2653333333333333,
"grad_norm": 0.20387611359379645,
"learning_rate": 2.903715837087864e-05,
"loss": 2.4077,
"step": 199
},
{
"epoch": 0.26666666666666666,
"grad_norm": 0.37614141580385196,
"learning_rate": 2.9026501868502878e-05,
"loss": 2.345,
"step": 200
},
{
"epoch": 0.268,
"grad_norm": 0.23854637338124732,
"learning_rate": 2.901578892366384e-05,
"loss": 1.9616,
"step": 201
},
{
"epoch": 0.2693333333333333,
"grad_norm": 0.360995797147823,
"learning_rate": 2.9005019584632385e-05,
"loss": 2.2637,
"step": 202
},
{
"epoch": 0.27066666666666667,
"grad_norm": 0.1964827412506095,
"learning_rate": 2.899419389993348e-05,
"loss": 2.2153,
"step": 203
},
{
"epoch": 0.272,
"grad_norm": 0.2697880949391648,
"learning_rate": 2.8983311918345973e-05,
"loss": 1.8934,
"step": 204
},
{
"epoch": 0.2733333333333333,
"grad_norm": 0.2583392197903811,
"learning_rate": 2.8972373688902372e-05,
"loss": 2.1552,
"step": 205
},
{
"epoch": 0.27466666666666667,
"grad_norm": 0.2368677594314249,
"learning_rate": 2.8961379260888634e-05,
"loss": 2.1976,
"step": 206
},
{
"epoch": 0.276,
"grad_norm": 0.28279002863897235,
"learning_rate": 2.895032868384393e-05,
"loss": 2.0461,
"step": 207
},
{
"epoch": 0.2773333333333333,
"grad_norm": 0.17431186704640889,
"learning_rate": 2.8939222007560446e-05,
"loss": 2.2258,
"step": 208
},
{
"epoch": 0.2786666666666667,
"grad_norm": 0.2607071149284682,
"learning_rate": 2.8928059282083126e-05,
"loss": 1.8783,
"step": 209
},
{
"epoch": 0.28,
"grad_norm": 0.16929508986851496,
"learning_rate": 2.8916840557709474e-05,
"loss": 2.21,
"step": 210
},
{
"epoch": 0.2813333333333333,
"grad_norm": 0.30196081586191537,
"learning_rate": 2.8905565884989304e-05,
"loss": 2.2047,
"step": 211
},
{
"epoch": 0.2826666666666667,
"grad_norm": 0.22938305453707358,
"learning_rate": 2.889423531472455e-05,
"loss": 2.1314,
"step": 212
},
{
"epoch": 0.284,
"grad_norm": 0.24253705098980116,
"learning_rate": 2.8882848897968974e-05,
"loss": 1.9166,
"step": 213
},
{
"epoch": 0.2853333333333333,
"grad_norm": 0.21184383213391744,
"learning_rate": 2.8871406686028006e-05,
"loss": 2.1445,
"step": 214
},
{
"epoch": 0.2866666666666667,
"grad_norm": 0.20065002671794552,
"learning_rate": 2.885990873045846e-05,
"loss": 2.2053,
"step": 215
},
{
"epoch": 0.288,
"grad_norm": 0.20595618063455937,
"learning_rate": 2.884835508306833e-05,
"loss": 2.0275,
"step": 216
},
{
"epoch": 0.28933333333333333,
"grad_norm": 0.22663216643758846,
"learning_rate": 2.883674579591656e-05,
"loss": 2.1399,
"step": 217
},
{
"epoch": 0.2906666666666667,
"grad_norm": 0.20459405622917667,
"learning_rate": 2.8825080921312775e-05,
"loss": 2.0352,
"step": 218
},
{
"epoch": 0.292,
"grad_norm": 0.24151264290319524,
"learning_rate": 2.8813360511817092e-05,
"loss": 2.0821,
"step": 219
},
{
"epoch": 0.29333333333333333,
"grad_norm": 0.2377001051292377,
"learning_rate": 2.8801584620239833e-05,
"loss": 2.0448,
"step": 220
},
{
"epoch": 0.2946666666666667,
"grad_norm": 0.3689003556922912,
"learning_rate": 2.878975329964134e-05,
"loss": 2.107,
"step": 221
},
{
"epoch": 0.296,
"grad_norm": 0.19280049013174935,
"learning_rate": 2.877786660333169e-05,
"loss": 2.2571,
"step": 222
},
{
"epoch": 0.29733333333333334,
"grad_norm": 0.25684356289858495,
"learning_rate": 2.876592458487049e-05,
"loss": 1.9243,
"step": 223
},
{
"epoch": 0.2986666666666667,
"grad_norm": 0.2460391604188184,
"learning_rate": 2.8753927298066608e-05,
"loss": 2.0996,
"step": 224
},
{
"epoch": 0.3,
"grad_norm": 0.2287761563539284,
"learning_rate": 2.8741874796977947e-05,
"loss": 1.9114,
"step": 225
},
{
"epoch": 0.3,
"eval_loss": 1.7546015977859497,
"eval_runtime": 98.7181,
"eval_samples_per_second": 1.013,
"eval_steps_per_second": 0.253,
"step": 225
},
{
"epoch": 0.30133333333333334,
"grad_norm": 0.31900423121867244,
"learning_rate": 2.8729767135911197e-05,
"loss": 1.5513,
"step": 226
},
{
"epoch": 0.30266666666666664,
"grad_norm": 0.21099907718331903,
"learning_rate": 2.8717604369421587e-05,
"loss": 1.8735,
"step": 227
},
{
"epoch": 0.304,
"grad_norm": 0.23179334925928516,
"learning_rate": 2.8705386552312647e-05,
"loss": 2.0279,
"step": 228
},
{
"epoch": 0.30533333333333335,
"grad_norm": 0.2249602605454057,
"learning_rate": 2.869311373963596e-05,
"loss": 2.1506,
"step": 229
},
{
"epoch": 0.30666666666666664,
"grad_norm": 0.30614551906788895,
"learning_rate": 2.8680785986690903e-05,
"loss": 2.0057,
"step": 230
},
{
"epoch": 0.308,
"grad_norm": 0.32936171428483624,
"learning_rate": 2.86684033490244e-05,
"loss": 1.9719,
"step": 231
},
{
"epoch": 0.30933333333333335,
"grad_norm": 0.21095264296363714,
"learning_rate": 2.8655965882430697e-05,
"loss": 2.0526,
"step": 232
},
{
"epoch": 0.31066666666666665,
"grad_norm": 0.2506508450731689,
"learning_rate": 2.8643473642951066e-05,
"loss": 2.034,
"step": 233
},
{
"epoch": 0.312,
"grad_norm": 0.16272890488221511,
"learning_rate": 2.8630926686873598e-05,
"loss": 2.2394,
"step": 234
},
{
"epoch": 0.31333333333333335,
"grad_norm": 0.2636216414291072,
"learning_rate": 2.8618325070732918e-05,
"loss": 1.9559,
"step": 235
},
{
"epoch": 0.31466666666666665,
"grad_norm": 0.239263175250845,
"learning_rate": 2.860566885130994e-05,
"loss": 1.9268,
"step": 236
},
{
"epoch": 0.316,
"grad_norm": 0.3034572733475333,
"learning_rate": 2.8592958085631616e-05,
"loss": 2.4146,
"step": 237
},
{
"epoch": 0.31733333333333336,
"grad_norm": 0.22016199356343413,
"learning_rate": 2.8580192830970674e-05,
"loss": 1.901,
"step": 238
},
{
"epoch": 0.31866666666666665,
"grad_norm": 0.23102023640647829,
"learning_rate": 2.856737314484536e-05,
"loss": 2.1498,
"step": 239
},
{
"epoch": 0.32,
"grad_norm": 0.20238380453993177,
"learning_rate": 2.8554499085019177e-05,
"loss": 2.0954,
"step": 240
},
{
"epoch": 0.32133333333333336,
"grad_norm": 0.20808439458283837,
"learning_rate": 2.854157070950063e-05,
"loss": 2.0783,
"step": 241
},
{
"epoch": 0.32266666666666666,
"grad_norm": 0.278146848673199,
"learning_rate": 2.8528588076542966e-05,
"loss": 1.7518,
"step": 242
},
{
"epoch": 0.324,
"grad_norm": 0.20915907784327617,
"learning_rate": 2.8515551244643903e-05,
"loss": 1.7229,
"step": 243
},
{
"epoch": 0.3253333333333333,
"grad_norm": 0.5420477506537028,
"learning_rate": 2.850246027254537e-05,
"loss": 1.758,
"step": 244
},
{
"epoch": 0.32666666666666666,
"grad_norm": 0.2800677412041746,
"learning_rate": 2.8489315219233248e-05,
"loss": 1.9584,
"step": 245
},
{
"epoch": 0.328,
"grad_norm": 0.22569958386724373,
"learning_rate": 2.847611614393709e-05,
"loss": 2.1033,
"step": 246
},
{
"epoch": 0.3293333333333333,
"grad_norm": 0.28225543933402175,
"learning_rate": 2.846286310612988e-05,
"loss": 2.2579,
"step": 247
},
{
"epoch": 0.33066666666666666,
"grad_norm": 0.25637825153268795,
"learning_rate": 2.844955616552773e-05,
"loss": 1.9495,
"step": 248
},
{
"epoch": 0.332,
"grad_norm": 0.3042322338758206,
"learning_rate": 2.8436195382089644e-05,
"loss": 2.2247,
"step": 249
},
{
"epoch": 0.3333333333333333,
"grad_norm": 0.2110291139150889,
"learning_rate": 2.8422780816017227e-05,
"loss": 2.2582,
"step": 250
},
{
"epoch": 0.33466666666666667,
"grad_norm": 0.24476057607988286,
"learning_rate": 2.8409312527754417e-05,
"loss": 2.1626,
"step": 251
},
{
"epoch": 0.336,
"grad_norm": 0.19859582662498323,
"learning_rate": 2.8395790577987225e-05,
"loss": 2.0592,
"step": 252
},
{
"epoch": 0.3373333333333333,
"grad_norm": 0.2560077569832347,
"learning_rate": 2.8382215027643447e-05,
"loss": 1.9116,
"step": 253
},
{
"epoch": 0.33866666666666667,
"grad_norm": 0.2325816082873428,
"learning_rate": 2.836858593789239e-05,
"loss": 2.1088,
"step": 254
},
{
"epoch": 0.34,
"grad_norm": 0.2633745282570676,
"learning_rate": 2.8354903370144613e-05,
"loss": 2.3106,
"step": 255
},
{
"epoch": 0.3413333333333333,
"grad_norm": 0.25738882949934827,
"learning_rate": 2.834116738605162e-05,
"loss": 1.9449,
"step": 256
},
{
"epoch": 0.3426666666666667,
"grad_norm": 0.19022713562039067,
"learning_rate": 2.8327378047505625e-05,
"loss": 2.0301,
"step": 257
},
{
"epoch": 0.344,
"grad_norm": 0.21459535231309906,
"learning_rate": 2.8313535416639232e-05,
"loss": 2.3784,
"step": 258
},
{
"epoch": 0.3453333333333333,
"grad_norm": 0.2725347155581082,
"learning_rate": 2.829963955582518e-05,
"loss": 1.9749,
"step": 259
},
{
"epoch": 0.3466666666666667,
"grad_norm": 0.23824574091343387,
"learning_rate": 2.828569052767604e-05,
"loss": 2.1253,
"step": 260
},
{
"epoch": 0.348,
"grad_norm": 0.30927788905161807,
"learning_rate": 2.8271688395043965e-05,
"loss": 1.6379,
"step": 261
},
{
"epoch": 0.34933333333333333,
"grad_norm": 0.13916235450047149,
"learning_rate": 2.8257633221020382e-05,
"loss": 2.0781,
"step": 262
},
{
"epoch": 0.3506666666666667,
"grad_norm": 0.2038351351610376,
"learning_rate": 2.8243525068935705e-05,
"loss": 2.1167,
"step": 263
},
{
"epoch": 0.352,
"grad_norm": 0.2282060698474947,
"learning_rate": 2.8229364002359074e-05,
"loss": 1.9761,
"step": 264
},
{
"epoch": 0.35333333333333333,
"grad_norm": 0.19533951565078514,
"learning_rate": 2.821515008509804e-05,
"loss": 2.3902,
"step": 265
},
{
"epoch": 0.3546666666666667,
"grad_norm": 0.22231788208405978,
"learning_rate": 2.8200883381198297e-05,
"loss": 2.2763,
"step": 266
},
{
"epoch": 0.356,
"grad_norm": 0.17343255119399525,
"learning_rate": 2.818656395494339e-05,
"loss": 2.1964,
"step": 267
},
{
"epoch": 0.35733333333333334,
"grad_norm": 0.3190889201723669,
"learning_rate": 2.817219187085442e-05,
"loss": 1.8898,
"step": 268
},
{
"epoch": 0.3586666666666667,
"grad_norm": 0.25221058014306336,
"learning_rate": 2.8157767193689753e-05,
"loss": 2.2137,
"step": 269
},
{
"epoch": 0.36,
"grad_norm": 0.25456852526288787,
"learning_rate": 2.8143289988444737e-05,
"loss": 2.1055,
"step": 270
},
{
"epoch": 0.36133333333333334,
"grad_norm": 0.4387988494124866,
"learning_rate": 2.8128760320351403e-05,
"loss": 2.0767,
"step": 271
},
{
"epoch": 0.3626666666666667,
"grad_norm": 0.27199878538165156,
"learning_rate": 2.8114178254878156e-05,
"loss": 2.1353,
"step": 272
},
{
"epoch": 0.364,
"grad_norm": 0.2650737962386425,
"learning_rate": 2.8099543857729525e-05,
"loss": 2.037,
"step": 273
},
{
"epoch": 0.36533333333333334,
"grad_norm": 0.19178775730316125,
"learning_rate": 2.808485719484581e-05,
"loss": 2.2227,
"step": 274
},
{
"epoch": 0.36666666666666664,
"grad_norm": 0.2495538747593823,
"learning_rate": 2.8070118332402827e-05,
"loss": 2.1111,
"step": 275
},
{
"epoch": 0.368,
"grad_norm": 0.23278524231204606,
"learning_rate": 2.8055327336811585e-05,
"loss": 2.0269,
"step": 276
},
{
"epoch": 0.36933333333333335,
"grad_norm": 0.2909743741626987,
"learning_rate": 2.804048427471801e-05,
"loss": 1.9845,
"step": 277
},
{
"epoch": 0.37066666666666664,
"grad_norm": 0.5654501769424853,
"learning_rate": 2.8025589213002624e-05,
"loss": 1.9375,
"step": 278
},
{
"epoch": 0.372,
"grad_norm": 0.24272194924805965,
"learning_rate": 2.8010642218780246e-05,
"loss": 1.9151,
"step": 279
},
{
"epoch": 0.37333333333333335,
"grad_norm": 0.23044549921686833,
"learning_rate": 2.7995643359399703e-05,
"loss": 2.1577,
"step": 280
},
{
"epoch": 0.37466666666666665,
"grad_norm": 0.2297518184027699,
"learning_rate": 2.7980592702443518e-05,
"loss": 2.2779,
"step": 281
},
{
"epoch": 0.376,
"grad_norm": 0.43013668653840365,
"learning_rate": 2.79654903157276e-05,
"loss": 1.9419,
"step": 282
},
{
"epoch": 0.37733333333333335,
"grad_norm": 0.23835905215528563,
"learning_rate": 2.795033626730095e-05,
"loss": 2.1743,
"step": 283
},
{
"epoch": 0.37866666666666665,
"grad_norm": 0.2813058642182358,
"learning_rate": 2.793513062544534e-05,
"loss": 2.0095,
"step": 284
},
{
"epoch": 0.38,
"grad_norm": 0.34406979517562547,
"learning_rate": 2.7919873458675022e-05,
"loss": 1.9489,
"step": 285
},
{
"epoch": 0.38133333333333336,
"grad_norm": 0.32231785755728004,
"learning_rate": 2.790456483573642e-05,
"loss": 1.58,
"step": 286
},
{
"epoch": 0.38266666666666665,
"grad_norm": 0.19333385414604146,
"learning_rate": 2.788920482560779e-05,
"loss": 1.9752,
"step": 287
},
{
"epoch": 0.384,
"grad_norm": 0.1765295794157884,
"learning_rate": 2.7873793497498945e-05,
"loss": 2.0614,
"step": 288
},
{
"epoch": 0.38533333333333336,
"grad_norm": 0.16114993710297087,
"learning_rate": 2.7858330920850923e-05,
"loss": 2.2809,
"step": 289
},
{
"epoch": 0.38666666666666666,
"grad_norm": 0.23825781911565472,
"learning_rate": 2.784281716533568e-05,
"loss": 2.1522,
"step": 290
},
{
"epoch": 0.388,
"grad_norm": 0.17001985217323573,
"learning_rate": 2.782725230085579e-05,
"loss": 1.9506,
"step": 291
},
{
"epoch": 0.3893333333333333,
"grad_norm": 0.26309455211904453,
"learning_rate": 2.7811636397544094e-05,
"loss": 2.2083,
"step": 292
},
{
"epoch": 0.39066666666666666,
"grad_norm": 0.20730249929125907,
"learning_rate": 2.7795969525763418e-05,
"loss": 2.2347,
"step": 293
},
{
"epoch": 0.392,
"grad_norm": 0.24136453807928746,
"learning_rate": 2.7780251756106242e-05,
"loss": 2.029,
"step": 294
},
{
"epoch": 0.3933333333333333,
"grad_norm": 0.35339039676185235,
"learning_rate": 2.7764483159394384e-05,
"loss": 2.211,
"step": 295
},
{
"epoch": 0.39466666666666667,
"grad_norm": 0.25636488066657487,
"learning_rate": 2.7748663806678684e-05,
"loss": 2.1863,
"step": 296
},
{
"epoch": 0.396,
"grad_norm": 0.20584179603071404,
"learning_rate": 2.7732793769238674e-05,
"loss": 2.2463,
"step": 297
},
{
"epoch": 0.3973333333333333,
"grad_norm": 0.23027068378292892,
"learning_rate": 2.7716873118582266e-05,
"loss": 2.2356,
"step": 298
},
{
"epoch": 0.39866666666666667,
"grad_norm": 0.192849837559735,
"learning_rate": 2.770090192644543e-05,
"loss": 2.2441,
"step": 299
},
{
"epoch": 0.4,
"grad_norm": 0.2685272097028798,
"learning_rate": 2.768488026479187e-05,
"loss": 2.0004,
"step": 300
},
{
"epoch": 0.4,
"eval_loss": 1.7474404573440552,
"eval_runtime": 98.8253,
"eval_samples_per_second": 1.012,
"eval_steps_per_second": 0.253,
"step": 300
},
{
"epoch": 0.4013333333333333,
"grad_norm": 0.26520047905722166,
"learning_rate": 2.766880820581269e-05,
"loss": 2.0768,
"step": 301
},
{
"epoch": 0.4026666666666667,
"grad_norm": 0.31076708165257216,
"learning_rate": 2.765268582192608e-05,
"loss": 2.0636,
"step": 302
},
{
"epoch": 0.404,
"grad_norm": 0.25216548132506456,
"learning_rate": 2.763651318577699e-05,
"loss": 2.0432,
"step": 303
},
{
"epoch": 0.4053333333333333,
"grad_norm": 0.2393514712031434,
"learning_rate": 2.7620290370236786e-05,
"loss": 2.3461,
"step": 304
},
{
"epoch": 0.4066666666666667,
"grad_norm": 0.21599798017132937,
"learning_rate": 2.7604017448402954e-05,
"loss": 2.3087,
"step": 305
},
{
"epoch": 0.408,
"grad_norm": 0.3082071954730338,
"learning_rate": 2.7587694493598743e-05,
"loss": 1.9302,
"step": 306
},
{
"epoch": 0.4093333333333333,
"grad_norm": 0.21921446809175332,
"learning_rate": 2.7571321579372835e-05,
"loss": 2.1354,
"step": 307
},
{
"epoch": 0.4106666666666667,
"grad_norm": 0.2141708374659774,
"learning_rate": 2.7554898779499025e-05,
"loss": 2.0915,
"step": 308
},
{
"epoch": 0.412,
"grad_norm": 0.2615730026982423,
"learning_rate": 2.7538426167975895e-05,
"loss": 1.9005,
"step": 309
},
{
"epoch": 0.41333333333333333,
"grad_norm": 0.24746987092185013,
"learning_rate": 2.7521903819026457e-05,
"loss": 2.129,
"step": 310
},
{
"epoch": 0.4146666666666667,
"grad_norm": 0.23072670442926277,
"learning_rate": 2.7505331807097845e-05,
"loss": 2.1061,
"step": 311
},
{
"epoch": 0.416,
"grad_norm": 3.0090982638780748,
"learning_rate": 2.7488710206860944e-05,
"loss": 2.1382,
"step": 312
},
{
"epoch": 0.41733333333333333,
"grad_norm": 0.2705418179646343,
"learning_rate": 2.7472039093210108e-05,
"loss": 2.2219,
"step": 313
},
{
"epoch": 0.4186666666666667,
"grad_norm": 0.3567890646341258,
"learning_rate": 2.7455318541262768e-05,
"loss": 1.6885,
"step": 314
},
{
"epoch": 0.42,
"grad_norm": 0.20851488835910675,
"learning_rate": 2.743854862635912e-05,
"loss": 1.947,
"step": 315
},
{
"epoch": 0.42133333333333334,
"grad_norm": 0.24844212488624198,
"learning_rate": 2.742172942406179e-05,
"loss": 2.1564,
"step": 316
},
{
"epoch": 0.4226666666666667,
"grad_norm": 0.304277870351501,
"learning_rate": 2.7404861010155477e-05,
"loss": 1.8723,
"step": 317
},
{
"epoch": 0.424,
"grad_norm": 0.20754447108795832,
"learning_rate": 2.7387943460646624e-05,
"loss": 2.4758,
"step": 318
},
{
"epoch": 0.42533333333333334,
"grad_norm": 0.24883308801860618,
"learning_rate": 2.7370976851763068e-05,
"loss": 1.6462,
"step": 319
},
{
"epoch": 0.4266666666666667,
"grad_norm": 0.23024352142002386,
"learning_rate": 2.73539612599537e-05,
"loss": 2.1038,
"step": 320
},
{
"epoch": 0.428,
"grad_norm": 0.3139739867715439,
"learning_rate": 2.7336896761888126e-05,
"loss": 1.902,
"step": 321
},
{
"epoch": 0.42933333333333334,
"grad_norm": 0.21999868040548332,
"learning_rate": 2.7319783434456306e-05,
"loss": 2.171,
"step": 322
},
{
"epoch": 0.43066666666666664,
"grad_norm": 0.2467001853935637,
"learning_rate": 2.7302621354768233e-05,
"loss": 1.9828,
"step": 323
},
{
"epoch": 0.432,
"grad_norm": 0.2496730220022523,
"learning_rate": 2.728541060015356e-05,
"loss": 2.3413,
"step": 324
},
{
"epoch": 0.43333333333333335,
"grad_norm": 0.4056202922850381,
"learning_rate": 2.7268151248161253e-05,
"loss": 2.0407,
"step": 325
},
{
"epoch": 0.43466666666666665,
"grad_norm": 0.2171839709482431,
"learning_rate": 2.7250843376559265e-05,
"loss": 2.0089,
"step": 326
},
{
"epoch": 0.436,
"grad_norm": 0.26937671179427725,
"learning_rate": 2.7233487063334172e-05,
"loss": 2.2827,
"step": 327
},
{
"epoch": 0.43733333333333335,
"grad_norm": 0.20567971005307945,
"learning_rate": 2.7216082386690804e-05,
"loss": 2.2386,
"step": 328
},
{
"epoch": 0.43866666666666665,
"grad_norm": 0.2027173811893726,
"learning_rate": 2.7198629425051917e-05,
"loss": 2.3031,
"step": 329
},
{
"epoch": 0.44,
"grad_norm": 0.2980323024473477,
"learning_rate": 2.7181128257057846e-05,
"loss": 2.1883,
"step": 330
},
{
"epoch": 0.44133333333333336,
"grad_norm": 0.20192851290457803,
"learning_rate": 2.716357896156611e-05,
"loss": 1.9459,
"step": 331
},
{
"epoch": 0.44266666666666665,
"grad_norm": 0.2871519578556366,
"learning_rate": 2.7145981617651108e-05,
"loss": 2.1742,
"step": 332
},
{
"epoch": 0.444,
"grad_norm": 0.1949811627760568,
"learning_rate": 2.712833630460372e-05,
"loss": 2.2647,
"step": 333
},
{
"epoch": 0.44533333333333336,
"grad_norm": 0.2741619826374072,
"learning_rate": 2.7110643101930978e-05,
"loss": 1.9767,
"step": 334
},
{
"epoch": 0.44666666666666666,
"grad_norm": 0.22305808717890685,
"learning_rate": 2.7092902089355693e-05,
"loss": 1.9271,
"step": 335
},
{
"epoch": 0.448,
"grad_norm": 0.31086274795948865,
"learning_rate": 2.7075113346816092e-05,
"loss": 1.9092,
"step": 336
},
{
"epoch": 0.4493333333333333,
"grad_norm": 0.34135122978923976,
"learning_rate": 2.7057276954465484e-05,
"loss": 1.9028,
"step": 337
},
{
"epoch": 0.45066666666666666,
"grad_norm": 0.2422925649756551,
"learning_rate": 2.703939299267186e-05,
"loss": 2.3585,
"step": 338
},
{
"epoch": 0.452,
"grad_norm": 0.21763822152397602,
"learning_rate": 2.702146154201757e-05,
"loss": 1.9407,
"step": 339
},
{
"epoch": 0.4533333333333333,
"grad_norm": 0.26419913958274843,
"learning_rate": 2.7003482683298935e-05,
"loss": 2.0248,
"step": 340
},
{
"epoch": 0.45466666666666666,
"grad_norm": 0.2463717390301776,
"learning_rate": 2.698545649752588e-05,
"loss": 2.0147,
"step": 341
},
{
"epoch": 0.456,
"grad_norm": 0.21124149059138703,
"learning_rate": 2.696738306592159e-05,
"loss": 1.9508,
"step": 342
},
{
"epoch": 0.4573333333333333,
"grad_norm": 0.2758662340977994,
"learning_rate": 2.694926246992213e-05,
"loss": 2.1917,
"step": 343
},
{
"epoch": 0.45866666666666667,
"grad_norm": 0.30773115319803324,
"learning_rate": 2.693109479117608e-05,
"loss": 2.0674,
"step": 344
},
{
"epoch": 0.46,
"grad_norm": 0.23761648514026573,
"learning_rate": 2.6912880111544163e-05,
"loss": 2.0919,
"step": 345
},
{
"epoch": 0.4613333333333333,
"grad_norm": 0.25681238620857727,
"learning_rate": 2.6894618513098882e-05,
"loss": 1.9084,
"step": 346
},
{
"epoch": 0.46266666666666667,
"grad_norm": 0.22830005506281845,
"learning_rate": 2.687631007812415e-05,
"loss": 2.056,
"step": 347
},
{
"epoch": 0.464,
"grad_norm": 0.2947866578986673,
"learning_rate": 2.6857954889114923e-05,
"loss": 1.7343,
"step": 348
},
{
"epoch": 0.4653333333333333,
"grad_norm": 0.24624687251309207,
"learning_rate": 2.6839553028776817e-05,
"loss": 2.2644,
"step": 349
},
{
"epoch": 0.4666666666666667,
"grad_norm": 0.23775099815354966,
"learning_rate": 2.682110458002575e-05,
"loss": 2.0576,
"step": 350
},
{
"epoch": 0.468,
"grad_norm": 0.24126580378308465,
"learning_rate": 2.6802609625987548e-05,
"loss": 2.1331,
"step": 351
},
{
"epoch": 0.4693333333333333,
"grad_norm": 0.26152377053961967,
"learning_rate": 2.6784068249997586e-05,
"loss": 2.194,
"step": 352
},
{
"epoch": 0.4706666666666667,
"grad_norm": 0.2670202218764803,
"learning_rate": 2.676548053560042e-05,
"loss": 1.885,
"step": 353
},
{
"epoch": 0.472,
"grad_norm": 0.2227627113395291,
"learning_rate": 2.674684656654938e-05,
"loss": 2.2919,
"step": 354
},
{
"epoch": 0.47333333333333333,
"grad_norm": 0.5386305755161744,
"learning_rate": 2.6728166426806237e-05,
"loss": 2.1106,
"step": 355
},
{
"epoch": 0.4746666666666667,
"grad_norm": 0.2713934931123545,
"learning_rate": 2.6709440200540778e-05,
"loss": 1.9203,
"step": 356
},
{
"epoch": 0.476,
"grad_norm": 0.2687463890320937,
"learning_rate": 2.669066797213046e-05,
"loss": 2.0278,
"step": 357
},
{
"epoch": 0.47733333333333333,
"grad_norm": 0.2420523080214261,
"learning_rate": 2.6671849826160018e-05,
"loss": 1.9393,
"step": 358
},
{
"epoch": 0.4786666666666667,
"grad_norm": 0.2400087971667011,
"learning_rate": 2.6652985847421074e-05,
"loss": 2.1867,
"step": 359
},
{
"epoch": 0.48,
"grad_norm": 0.28320805189191467,
"learning_rate": 2.663407612091178e-05,
"loss": 1.8562,
"step": 360
},
{
"epoch": 0.48133333333333334,
"grad_norm": 0.20819758118379753,
"learning_rate": 2.6615120731836412e-05,
"loss": 2.0647,
"step": 361
},
{
"epoch": 0.4826666666666667,
"grad_norm": 0.19756628127478343,
"learning_rate": 2.6596119765604996e-05,
"loss": 2.1335,
"step": 362
},
{
"epoch": 0.484,
"grad_norm": 0.26928306040248223,
"learning_rate": 2.6577073307832925e-05,
"loss": 2.0874,
"step": 363
},
{
"epoch": 0.48533333333333334,
"grad_norm": 0.2164920362315045,
"learning_rate": 2.655798144434056e-05,
"loss": 2.1714,
"step": 364
},
{
"epoch": 0.4866666666666667,
"grad_norm": 0.24919806333780237,
"learning_rate": 2.6538844261152863e-05,
"loss": 1.9509,
"step": 365
},
{
"epoch": 0.488,
"grad_norm": 0.27032556044133776,
"learning_rate": 2.6519661844498997e-05,
"loss": 1.801,
"step": 366
},
{
"epoch": 0.48933333333333334,
"grad_norm": 0.26804357878114354,
"learning_rate": 2.650043428081194e-05,
"loss": 2.1762,
"step": 367
},
{
"epoch": 0.49066666666666664,
"grad_norm": 0.3572135575195324,
"learning_rate": 2.6481161656728093e-05,
"loss": 1.9907,
"step": 368
},
{
"epoch": 0.492,
"grad_norm": 0.20724767007565056,
"learning_rate": 2.646184405908689e-05,
"loss": 2.0845,
"step": 369
},
{
"epoch": 0.49333333333333335,
"grad_norm": 0.29461252876218635,
"learning_rate": 2.6442481574930417e-05,
"loss": 2.0182,
"step": 370
},
{
"epoch": 0.49466666666666664,
"grad_norm": 0.32302958691645034,
"learning_rate": 2.6423074291503e-05,
"loss": 1.8637,
"step": 371
},
{
"epoch": 0.496,
"grad_norm": 0.21633487662675288,
"learning_rate": 2.6403622296250843e-05,
"loss": 2.1181,
"step": 372
},
{
"epoch": 0.49733333333333335,
"grad_norm": 0.23982202171517725,
"learning_rate": 2.6384125676821594e-05,
"loss": 2.2663,
"step": 373
},
{
"epoch": 0.49866666666666665,
"grad_norm": 0.26674040749443334,
"learning_rate": 2.636458452106398e-05,
"loss": 1.9904,
"step": 374
},
{
"epoch": 0.5,
"grad_norm": 0.20615794890547487,
"learning_rate": 2.63449989170274e-05,
"loss": 2.2052,
"step": 375
},
{
"epoch": 0.5,
"eval_loss": 1.7428412437438965,
"eval_runtime": 98.8155,
"eval_samples_per_second": 1.012,
"eval_steps_per_second": 0.253,
"step": 375
}
],
"logging_steps": 1,
"max_steps": 1500,
"num_input_tokens_seen": 0,
"num_train_epochs": 2,
"save_steps": 375,
"stateful_callbacks": {
"TrainerControl": {
"args": {
"should_epoch_stop": false,
"should_evaluate": false,
"should_log": false,
"should_save": true,
"should_training_stop": false
},
"attributes": {}
}
},
"total_flos": 87275077632000.0,
"train_batch_size": 1,
"trial_name": null,
"trial_params": null
}