Hugging Face's logo

chieunq
/
v-r-5000

Safetensors
xlm-roberta
Model card Files Community
chieunq commited on
Commit
7a946d1
·
verified ·
1 Parent(s): e87099f

Upload folder using huggingface_hub

Browse files
Files changed (14) hide show
  1. .gitattributes +1 -0
  2. config.json +34 -0
  3. latest +1 -0
  4. model.safetensors +3 -0
  5. rng_state_0.pth +3 -0
  6. rng_state_1.pth +3 -0
  7. rng_state_2.pth +3 -0
  8. rng_state_3.pth +3 -0
  9. sentencepiece.bpe.model +3 -0
  10. special_tokens_map.json +51 -0
  11. tokenizer.json +3 -0
  12. tokenizer_config.json +55 -0
  13. trainer_state.json +3533 -0
  14. training_args.bin +3 -0
.gitattributes CHANGED
@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
 
 
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
36
+ tokenizer.json filter=lfs diff=lfs merge=lfs -text
config.json ADDED
@@ -0,0 +1,34 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "BAAI/bge-reranker-v2-m3",
3
+ "architectures": [
4
+ "XLMRobertaForSequenceClassification"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "bos_token_id": 0,
8
+ "classifier_dropout": null,
9
+ "eos_token_id": 2,
10
+ "hidden_act": "gelu",
11
+ "hidden_dropout_prob": 0.1,
12
+ "hidden_size": 1024,
13
+ "id2label": {
14
+ "0": "LABEL_0"
15
+ },
16
+ "initializer_range": 0.02,
17
+ "intermediate_size": 4096,
18
+ "label2id": {
19
+ "LABEL_0": 0
20
+ },
21
+ "layer_norm_eps": 1e-05,
22
+ "max_position_embeddings": 8194,
23
+ "model_type": "xlm-roberta",
24
+ "num_attention_heads": 16,
25
+ "num_hidden_layers": 24,
26
+ "output_past": true,
27
+ "pad_token_id": 1,
28
+ "position_embedding_type": "absolute",
29
+ "torch_dtype": "float16",
30
+ "transformers_version": "4.44.2",
31
+ "type_vocab_size": 1,
32
+ "use_cache": true,
33
+ "vocab_size": 250002
34
+ }
latest ADDED
@@ -0,0 +1 @@
 
 
1
+ global_step5000
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5f0441720421c5a64b9a2192498b2971db4a0583d45696ff865fe693bd750df3
3
+ size 1135559698
rng_state_0.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ee771580eaad90faa15dcbaadc8b3c67db84d9f7a55d4f04abc00aa840096170
3
+ size 14960
rng_state_1.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:cdae45c421271cc7a70fecb55afb2cfe094ed6319c074c17e3fc8c9e9fbe8403
3
+ size 14960
rng_state_2.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d78248e2cd7d6c1467e15c294023fc8087f4174ff227c4f2956266ae11426a49
3
+ size 14960
rng_state_3.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9221ab160f3f5f468ed4996ce0608f1c45cc0d111a9660495443dd9170e9fb64
3
+ size 14960
sentencepiece.bpe.model ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:cfc8146abe2a0488e9e2a0c56de7952f7c11ab059eca145a0a727afce0db2865
3
+ size 5069051
special_tokens_map.json ADDED
@@ -0,0 +1,51 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "<s>",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "cls_token": {
10
+ "content": "<s>",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "eos_token": {
17
+ "content": "</s>",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "mask_token": {
24
+ "content": "<mask>",
25
+ "lstrip": true,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "pad_token": {
31
+ "content": "<pad>",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ },
37
+ "sep_token": {
38
+ "content": "</s>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false
43
+ },
44
+ "unk_token": {
45
+ "content": "<unk>",
46
+ "lstrip": false,
47
+ "normalized": false,
48
+ "rstrip": false,
49
+ "single_word": false
50
+ }
51
+ }
tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:a365c99491f2df71142ec5badc0f24c05cf8c5ae99eb8598fe6b830c0510af4b
3
+ size 17082998
tokenizer_config.json ADDED
@@ -0,0 +1,55 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "<s>",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "<pad>",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "</s>",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "<unk>",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "250001": {
36
+ "content": "<mask>",
37
+ "lstrip": true,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "bos_token": "<s>",
45
+ "clean_up_tokenization_spaces": true,
46
+ "cls_token": "<s>",
47
+ "eos_token": "</s>",
48
+ "mask_token": "<mask>",
49
+ "model_max_length": 8192,
50
+ "pad_token": "<pad>",
51
+ "sep_token": "</s>",
52
+ "sp_model_kwargs": {},
53
+ "tokenizer_class": "XLMRobertaTokenizer",
54
+ "unk_token": "<unk>"
55
+ }
trainer_state.json ADDED
@@ -0,0 +1,3533 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.21892377074302727,
5
+ "eval_steps": 500,
6
+ "global_step": 5000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.00043784754148605456,
13
+ "grad_norm": 11.96724490271355,
14
+ "learning_rate": 7.519033870117711e-06,
15
+ "loss": 0.682,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.0008756950829721091,
20
+ "grad_norm": 16.377854891876865,
21
+ "learning_rate": 9.782488603436574e-06,
22
+ "loss": 0.5773,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.0013135426244581636,
27
+ "grad_norm": 19.097945880780852,
28
+ "learning_rate": 1.1106524744507912e-05,
29
+ "loss": 0.4648,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.0017513901659442182,
34
+ "grad_norm": 17.780105205349074,
35
+ "learning_rate": 1.2045943336755435e-05,
36
+ "loss": 0.5231,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.002189237707430273,
41
+ "grad_norm": 11.341588174257303,
42
+ "learning_rate": 1.2774613006916558e-05,
43
+ "loss": 0.373,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.002627085248916327,
48
+ "grad_norm": 12.468061614573642,
49
+ "learning_rate": 1.3369979477826773e-05,
50
+ "loss": 0.4499,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.003064932790402382,
55
+ "grad_norm": 14.844241870962383,
56
+ "learning_rate": 1.3873354656555003e-05,
57
+ "loss": 0.4481,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.0035027803318884365,
62
+ "grad_norm": 13.17618773461328,
63
+ "learning_rate": 1.4268322372265782e-05,
64
+ "loss": 0.4385,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.003940627873374491,
69
+ "grad_norm": 13.959456456486652,
70
+ "learning_rate": 1.4657529486032087e-05,
71
+ "loss": 0.5157,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.004378475414860546,
76
+ "grad_norm": 9.088640068563528,
77
+ "learning_rate": 1.5005248620577926e-05,
78
+ "loss": 0.5372,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.0048163229563466005,
83
+ "grad_norm": 8.985973448159925,
84
+ "learning_rate": 1.531947884589086e-05,
85
+ "loss": 0.3981,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.005254170497832654,
90
+ "grad_norm": 16.03083595499672,
91
+ "learning_rate": 1.5606107901730336e-05,
92
+ "loss": 0.4008,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.005692018039318709,
97
+ "grad_norm": 23.2563822200454,
98
+ "learning_rate": 1.586959551766198e-05,
99
+ "loss": 0.4434,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.006129865580804764,
104
+ "grad_norm": 13.106170808319108,
105
+ "learning_rate": 1.611340086727408e-05,
106
+ "loss": 0.4264,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.006567713122290818,
111
+ "grad_norm": 10.892983486327262,
112
+ "learning_rate": 1.634026115826661e-05,
113
+ "loss": 0.538,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.007005560663776873,
118
+ "grad_norm": 15.273372562202105,
119
+ "learning_rate": 1.6531777105584646e-05,
120
+ "loss": 0.4921,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.007443408205262928,
125
+ "grad_norm": 12.078764233569435,
126
+ "learning_rate": 1.6732175860784077e-05,
127
+ "loss": 0.4219,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.007881255746748982,
132
+ "grad_norm": 18.9218120999161,
133
+ "learning_rate": 1.692098421935095e-05,
134
+ "loss": 0.51,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.008319103288235036,
139
+ "grad_norm": 11.062242407951706,
140
+ "learning_rate": 1.7099469894607657e-05,
141
+ "loss": 0.4021,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.008756950829721092,
146
+ "grad_norm": 10.4039117059008,
147
+ "learning_rate": 1.726870335389679e-05,
148
+ "loss": 0.414,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.009194798371207145,
153
+ "grad_norm": 13.360369800315105,
154
+ "learning_rate": 1.742959672866302e-05,
155
+ "loss": 0.3934,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.009632645912693201,
160
+ "grad_norm": 17.885935179522868,
161
+ "learning_rate": 1.7582933579209726e-05,
162
+ "loss": 0.4299,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.010070493454179255,
167
+ "grad_norm": 15.613293466188615,
168
+ "learning_rate": 1.7729391978127236e-05,
169
+ "loss": 0.4348,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.010508340995665309,
174
+ "grad_norm": 8.671536275760825,
175
+ "learning_rate": 1.7869562635049198e-05,
176
+ "loss": 0.4612,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.010946188537151364,
181
+ "grad_norm": 16.1819762006921,
182
+ "learning_rate": 1.8003963288492603e-05,
183
+ "loss": 0.3756,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.011384036078637418,
188
+ "grad_norm": 13.36774911152187,
189
+ "learning_rate": 1.813305025098084e-05,
190
+ "loss": 0.4427,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.011821883620123473,
195
+ "grad_norm": 10.629955258208,
196
+ "learning_rate": 1.8257227757513754e-05,
197
+ "loss": 0.4213,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.012259731161609527,
202
+ "grad_norm": 19.332750684355226,
203
+ "learning_rate": 1.8376855600592943e-05,
204
+ "loss": 0.346,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.012697578703095583,
209
+ "grad_norm": 16.066310801594668,
210
+ "learning_rate": 1.8492255415374714e-05,
211
+ "loss": 0.4522,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.013135426244581637,
216
+ "grad_norm": 14.844884825041587,
217
+ "learning_rate": 1.860371589158547e-05,
218
+ "loss": 0.4505,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.01357327378606769,
223
+ "grad_norm": 16.539413080837956,
224
+ "learning_rate": 1.8711497124872535e-05,
225
+ "loss": 0.4296,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.014011121327553746,
230
+ "grad_norm": 11.178304803994907,
231
+ "learning_rate": 1.8815834272664066e-05,
232
+ "loss": 0.4404,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.0144489688690398,
237
+ "grad_norm": 9.171001542204067,
238
+ "learning_rate": 1.8916940643811347e-05,
239
+ "loss": 0.3785,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.014886816410525855,
244
+ "grad_norm": 18.255820822315396,
245
+ "learning_rate": 1.9015010324094007e-05,
246
+ "loss": 0.4524,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.015324663952011909,
251
+ "grad_norm": 13.044007567571079,
252
+ "learning_rate": 1.911022041882251e-05,
253
+ "loss": 0.4876,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.015762511493497965,
258
+ "grad_norm": 13.758756866189971,
259
+ "learning_rate": 1.9202732977654023e-05,
260
+ "loss": 0.5539,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.01620035903498402,
265
+ "grad_norm": 15.903726373816992,
266
+ "learning_rate": 1.929269665417383e-05,
267
+ "loss": 0.4976,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.016638206576470072,
272
+ "grad_norm": 15.248268904693534,
273
+ "learning_rate": 1.938024814292676e-05,
274
+ "loss": 0.5259,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.017076054117956128,
279
+ "grad_norm": 10.722522838992456,
280
+ "learning_rate": 1.9465513428778125e-05,
281
+ "loss": 0.489,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.017513901659442183,
286
+ "grad_norm": 16.61965558187522,
287
+ "learning_rate": 1.9548608877267744e-05,
288
+ "loss": 0.439,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.017951749200928235,
293
+ "grad_norm": 19.548934962148113,
294
+ "learning_rate": 1.9629642189639832e-05,
295
+ "loss": 0.4282,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.01838959674241429,
300
+ "grad_norm": 15.936747454659427,
301
+ "learning_rate": 1.9708713242215694e-05,
302
+ "loss": 0.3974,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.018827444283900346,
307
+ "grad_norm": 17.53178788446236,
308
+ "learning_rate": 1.9785914826520243e-05,
309
+ "loss": 0.4517,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.019265291825386402,
314
+ "grad_norm": 15.309413053796602,
315
+ "learning_rate": 1.9861333303919378e-05,
316
+ "loss": 0.4155,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.019703139366872454,
321
+ "grad_norm": 13.248113533897241,
322
+ "learning_rate": 1.9935049186350462e-05,
323
+ "loss": 0.4589,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.02014098690835851,
328
+ "grad_norm": 18.437663863148952,
329
+ "learning_rate": 2e-05,
330
+ "loss": 0.388,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.020578834449844565,
335
+ "grad_norm": 14.089094860711976,
336
+ "learning_rate": 1.9995577276044317e-05,
337
+ "loss": 0.4637,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.021016681991330617,
342
+ "grad_norm": 50.22724968906943,
343
+ "learning_rate": 1.9991154552088635e-05,
344
+ "loss": 0.3967,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.021454529532816673,
349
+ "grad_norm": 9.448811402831021,
350
+ "learning_rate": 1.998673182813295e-05,
351
+ "loss": 0.405,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.021892377074302728,
356
+ "grad_norm": 12.511886438347087,
357
+ "learning_rate": 1.9982309104177265e-05,
358
+ "loss": 0.4245,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.022330224615788784,
363
+ "grad_norm": 26.23559407530874,
364
+ "learning_rate": 1.997788638022158e-05,
365
+ "loss": 0.4486,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.022768072157274836,
370
+ "grad_norm": 10.162620448000466,
371
+ "learning_rate": 1.9973463656265898e-05,
372
+ "loss": 0.4898,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.02320591969876089,
377
+ "grad_norm": 10.505426367087482,
378
+ "learning_rate": 1.996904093231021e-05,
379
+ "loss": 0.4011,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.023643767240246947,
384
+ "grad_norm": 7.19153886182727,
385
+ "learning_rate": 1.9964618208354528e-05,
386
+ "loss": 0.4566,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.024081614781733,
391
+ "grad_norm": 16.625591066795565,
392
+ "learning_rate": 1.9960195484398842e-05,
393
+ "loss": 0.3865,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.024519462323219055,
398
+ "grad_norm": 21.196277881857508,
399
+ "learning_rate": 1.995577276044316e-05,
400
+ "loss": 0.3797,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.02495730986470511,
405
+ "grad_norm": 19.530616395972775,
406
+ "learning_rate": 1.9951350036487472e-05,
407
+ "loss": 0.4596,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.025395157406191166,
412
+ "grad_norm": 10.52123656050975,
413
+ "learning_rate": 1.994692731253179e-05,
414
+ "loss": 0.3836,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.025833004947677218,
419
+ "grad_norm": 14.373796230168502,
420
+ "learning_rate": 1.9942504588576105e-05,
421
+ "loss": 0.4916,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.026270852489163273,
426
+ "grad_norm": 11.25970447321859,
427
+ "learning_rate": 1.9938081864620424e-05,
428
+ "loss": 0.3832,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.02670870003064933,
433
+ "grad_norm": 16.21224392326194,
434
+ "learning_rate": 1.9933659140664735e-05,
435
+ "loss": 0.4749,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.02714654757213538,
440
+ "grad_norm": 14.71066366579976,
441
+ "learning_rate": 1.9929236416709053e-05,
442
+ "loss": 0.3882,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.027584395113621436,
447
+ "grad_norm": 11.37877349304637,
448
+ "learning_rate": 1.992481369275337e-05,
449
+ "loss": 0.4396,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.028022242655107492,
454
+ "grad_norm": 16.754438580812046,
455
+ "learning_rate": 1.9920390968797683e-05,
456
+ "loss": 0.4539,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.028460090196593547,
461
+ "grad_norm": 11.479142887670093,
462
+ "learning_rate": 1.9915968244841998e-05,
463
+ "loss": 0.451,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.0288979377380796,
468
+ "grad_norm": 8.382864831937072,
469
+ "learning_rate": 1.9911545520886316e-05,
470
+ "loss": 0.4716,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.029335785279565655,
475
+ "grad_norm": 19.710550432188437,
476
+ "learning_rate": 1.990712279693063e-05,
477
+ "loss": 0.3545,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.02977363282105171,
482
+ "grad_norm": 17.903211831860908,
483
+ "learning_rate": 1.9902700072974946e-05,
484
+ "loss": 0.4335,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.030211480362537766,
489
+ "grad_norm": 16.390743229733264,
490
+ "learning_rate": 1.989827734901926e-05,
491
+ "loss": 0.3806,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.030649327904023818,
496
+ "grad_norm": 14.980896037745874,
497
+ "learning_rate": 1.989385462506358e-05,
498
+ "loss": 0.3767,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.031087175445509874,
503
+ "grad_norm": 11.397175060743534,
504
+ "learning_rate": 1.9889431901107894e-05,
505
+ "loss": 0.4746,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.03152502298699593,
510
+ "grad_norm": 19.04061884539536,
511
+ "learning_rate": 1.988500917715221e-05,
512
+ "loss": 0.413,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.031962870528481985,
517
+ "grad_norm": 13.947751231087285,
518
+ "learning_rate": 1.9880586453196527e-05,
519
+ "loss": 0.3386,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.03240071806996804,
524
+ "grad_norm": 41.64839133720008,
525
+ "learning_rate": 1.987616372924084e-05,
526
+ "loss": 0.4444,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.03283856561145409,
531
+ "grad_norm": 13.185903732811664,
532
+ "learning_rate": 1.9871741005285157e-05,
533
+ "loss": 0.4383,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.033276413152940144,
538
+ "grad_norm": 15.456378713797612,
539
+ "learning_rate": 1.9867318281329472e-05,
540
+ "loss": 0.4087,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.0337142606944262,
545
+ "grad_norm": 13.751468649371544,
546
+ "learning_rate": 1.986289555737379e-05,
547
+ "loss": 0.4245,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.034152108235912255,
552
+ "grad_norm": 15.975026190651212,
553
+ "learning_rate": 1.9858472833418102e-05,
554
+ "loss": 0.4263,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.03458995577739831,
559
+ "grad_norm": 11.294733923572386,
560
+ "learning_rate": 1.985405010946242e-05,
561
+ "loss": 0.5273,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.03502780331888437,
566
+ "grad_norm": 22.907563592109977,
567
+ "learning_rate": 1.9849627385506735e-05,
568
+ "loss": 0.3766,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.03546565086037042,
573
+ "grad_norm": 19.465013466925168,
574
+ "learning_rate": 1.9845204661551053e-05,
575
+ "loss": 0.3739,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.03590349840185647,
580
+ "grad_norm": 13.553846560729426,
581
+ "learning_rate": 1.9840781937595365e-05,
582
+ "loss": 0.481,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.036341345943342526,
587
+ "grad_norm": 22.910094642393723,
588
+ "learning_rate": 1.9836359213639683e-05,
589
+ "loss": 0.4659,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.03677919348482858,
594
+ "grad_norm": 16.26462964503755,
595
+ "learning_rate": 1.9831936489683998e-05,
596
+ "loss": 0.381,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.03721704102631464,
601
+ "grad_norm": 9.94980804411553,
602
+ "learning_rate": 1.9827513765728313e-05,
603
+ "loss": 0.4003,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.03765488856780069,
608
+ "grad_norm": 13.328592093222,
609
+ "learning_rate": 1.9823091041772628e-05,
610
+ "loss": 0.3755,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.03809273610928675,
615
+ "grad_norm": 18.322055654010875,
616
+ "learning_rate": 1.9818668317816946e-05,
617
+ "loss": 0.494,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.038530583650772804,
622
+ "grad_norm": 12.090527797691786,
623
+ "learning_rate": 1.981424559386126e-05,
624
+ "loss": 0.4751,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.03896843119225885,
629
+ "grad_norm": 19.070570141131398,
630
+ "learning_rate": 1.9809822869905576e-05,
631
+ "loss": 0.4483,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.03940627873374491,
636
+ "grad_norm": 18.183543820420173,
637
+ "learning_rate": 1.980540014594989e-05,
638
+ "loss": 0.3881,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.039844126275230964,
643
+ "grad_norm": 11.47870821074828,
644
+ "learning_rate": 1.980097742199421e-05,
645
+ "loss": 0.465,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.04028197381671702,
650
+ "grad_norm": 4.662342565910864,
651
+ "learning_rate": 1.9796554698038524e-05,
652
+ "loss": 0.3553,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.040719821358203075,
657
+ "grad_norm": 11.599443461780693,
658
+ "learning_rate": 1.979213197408284e-05,
659
+ "loss": 0.4284,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.04115766889968913,
664
+ "grad_norm": 20.899400532717515,
665
+ "learning_rate": 1.9787709250127154e-05,
666
+ "loss": 0.3849,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.041595516441175186,
671
+ "grad_norm": 13.83963592226824,
672
+ "learning_rate": 1.978328652617147e-05,
673
+ "loss": 0.4228,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.042033363982661234,
678
+ "grad_norm": 10.129058777896109,
679
+ "learning_rate": 1.9778863802215787e-05,
680
+ "loss": 0.4608,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.04247121152414729,
685
+ "grad_norm": 13.525629087473678,
686
+ "learning_rate": 1.9774441078260102e-05,
687
+ "loss": 0.4168,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.042909059065633345,
692
+ "grad_norm": 12.286627992129988,
693
+ "learning_rate": 1.9770018354304417e-05,
694
+ "loss": 0.3782,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.0433469066071194,
699
+ "grad_norm": 15.201916543698117,
700
+ "learning_rate": 1.976559563034873e-05,
701
+ "loss": 0.4614,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 0.043784754148605456,
706
+ "grad_norm": 12.218728770361992,
707
+ "learning_rate": 1.976117290639305e-05,
708
+ "loss": 0.3442,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 0.04422260169009151,
713
+ "grad_norm": 15.316130787659379,
714
+ "learning_rate": 1.9756750182437365e-05,
715
+ "loss": 0.424,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 0.04466044923157757,
720
+ "grad_norm": 18.53714384430074,
721
+ "learning_rate": 1.975276973087725e-05,
722
+ "loss": 0.44,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 0.045098296773063616,
727
+ "grad_norm": 10.148359314556405,
728
+ "learning_rate": 1.9748347006921564e-05,
729
+ "loss": 0.4016,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 0.04553614431454967,
734
+ "grad_norm": 10.835539686055602,
735
+ "learning_rate": 1.974392428296588e-05,
736
+ "loss": 0.3899,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 0.04597399185603573,
741
+ "grad_norm": 13.894807990285942,
742
+ "learning_rate": 1.9739501559010197e-05,
743
+ "loss": 0.4385,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 0.04641183939752178,
748
+ "grad_norm": 13.530858128888262,
749
+ "learning_rate": 1.9735078835054512e-05,
750
+ "loss": 0.4324,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 0.04684968693900784,
755
+ "grad_norm": 12.011714939023786,
756
+ "learning_rate": 1.9730656111098827e-05,
757
+ "loss": 0.4168,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 0.047287534480493894,
762
+ "grad_norm": 11.289218951662432,
763
+ "learning_rate": 1.9726233387143142e-05,
764
+ "loss": 0.4438,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 0.04772538202197995,
769
+ "grad_norm": 13.657029328270559,
770
+ "learning_rate": 1.972181066318746e-05,
771
+ "loss": 0.3996,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 0.048163229563466,
776
+ "grad_norm": 8.72748000086665,
777
+ "learning_rate": 1.9717387939231775e-05,
778
+ "loss": 0.4578,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 0.04860107710495205,
783
+ "grad_norm": 10.975240759500627,
784
+ "learning_rate": 1.971296521527609e-05,
785
+ "loss": 0.4165,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 0.04903892464643811,
790
+ "grad_norm": 11.29698373153932,
791
+ "learning_rate": 1.9708542491320405e-05,
792
+ "loss": 0.3545,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 0.049476772187924165,
797
+ "grad_norm": 20.506288633859523,
798
+ "learning_rate": 1.9704119767364723e-05,
799
+ "loss": 0.3568,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 0.04991461972941022,
804
+ "grad_norm": 11.698600515801893,
805
+ "learning_rate": 1.9699697043409035e-05,
806
+ "loss": 0.4479,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 0.050352467270896276,
811
+ "grad_norm": 13.862971410140013,
812
+ "learning_rate": 1.9695274319453353e-05,
813
+ "loss": 0.3974,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 0.05079031481238233,
818
+ "grad_norm": 12.469196053464175,
819
+ "learning_rate": 1.9690851595497668e-05,
820
+ "loss": 0.4402,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 0.05122816235386838,
825
+ "grad_norm": 11.3264424935876,
826
+ "learning_rate": 1.9686428871541986e-05,
827
+ "loss": 0.3643,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 0.051666009895354435,
832
+ "grad_norm": 19.974826992464948,
833
+ "learning_rate": 1.9682006147586298e-05,
834
+ "loss": 0.3762,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 0.05210385743684049,
839
+ "grad_norm": 10.918494229304311,
840
+ "learning_rate": 1.9677583423630616e-05,
841
+ "loss": 0.3545,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 0.052541704978326546,
846
+ "grad_norm": 11.568181801830196,
847
+ "learning_rate": 1.967316069967493e-05,
848
+ "loss": 0.4007,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 0.0529795525198126,
853
+ "grad_norm": 17.075179869568725,
854
+ "learning_rate": 1.966873797571925e-05,
855
+ "loss": 0.3989,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 0.05341740006129866,
860
+ "grad_norm": 15.560201574750726,
861
+ "learning_rate": 1.9664315251763564e-05,
862
+ "loss": 0.4096,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 0.05385524760278471,
867
+ "grad_norm": 11.91165895325058,
868
+ "learning_rate": 1.965989252780788e-05,
869
+ "loss": 0.436,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 0.05429309514427076,
874
+ "grad_norm": 11.127002664395162,
875
+ "learning_rate": 1.9655469803852194e-05,
876
+ "loss": 0.3146,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 0.05473094268575682,
881
+ "grad_norm": 17.968378053215634,
882
+ "learning_rate": 1.965104707989651e-05,
883
+ "loss": 0.444,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 0.05516879022724287,
888
+ "grad_norm": 15.278957202738837,
889
+ "learning_rate": 1.9646624355940827e-05,
890
+ "loss": 0.461,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 0.05560663776872893,
895
+ "grad_norm": 14.312647123288594,
896
+ "learning_rate": 1.9642201631985142e-05,
897
+ "loss": 0.398,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 0.056044485310214984,
902
+ "grad_norm": 12.143629725906578,
903
+ "learning_rate": 1.9637778908029457e-05,
904
+ "loss": 0.3818,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 0.05648233285170104,
909
+ "grad_norm": 10.960126916192301,
910
+ "learning_rate": 1.9633356184073772e-05,
911
+ "loss": 0.4273,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 0.056920180393187095,
916
+ "grad_norm": 14.260248079643242,
917
+ "learning_rate": 1.962893346011809e-05,
918
+ "loss": 0.469,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 0.05735802793467314,
923
+ "grad_norm": 9.509984040352219,
924
+ "learning_rate": 1.9624510736162405e-05,
925
+ "loss": 0.3732,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 0.0577958754761592,
930
+ "grad_norm": 12.88397674204099,
931
+ "learning_rate": 1.962008801220672e-05,
932
+ "loss": 0.4473,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 0.058233723017645254,
937
+ "grad_norm": 13.708354791471775,
938
+ "learning_rate": 1.9615665288251035e-05,
939
+ "loss": 0.4093,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 0.05867157055913131,
944
+ "grad_norm": 11.009628243610226,
945
+ "learning_rate": 1.9611242564295353e-05,
946
+ "loss": 0.4258,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 0.059109418100617366,
951
+ "grad_norm": 15.94608664981347,
952
+ "learning_rate": 1.9606819840339664e-05,
953
+ "loss": 0.4117,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 0.05954726564210342,
958
+ "grad_norm": 8.631681646096013,
959
+ "learning_rate": 1.9602397116383983e-05,
960
+ "loss": 0.4384,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 0.05998511318358948,
965
+ "grad_norm": 12.838858533847487,
966
+ "learning_rate": 1.9597974392428298e-05,
967
+ "loss": 0.3764,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 0.06042296072507553,
972
+ "grad_norm": 41.39191821545224,
973
+ "learning_rate": 1.9593551668472616e-05,
974
+ "loss": 0.3166,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 0.06086080826656158,
979
+ "grad_norm": 13.630700275122859,
980
+ "learning_rate": 1.9589128944516927e-05,
981
+ "loss": 0.4142,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 0.061298655808047636,
986
+ "grad_norm": 10.941493062958882,
987
+ "learning_rate": 1.9584706220561246e-05,
988
+ "loss": 0.393,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 0.06173650334953369,
993
+ "grad_norm": 12.209335407537546,
994
+ "learning_rate": 1.958028349660556e-05,
995
+ "loss": 0.3882,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 0.06217435089101975,
1000
+ "grad_norm": 11.160854212292483,
1001
+ "learning_rate": 1.957586077264988e-05,
1002
+ "loss": 0.3571,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 0.0626121984325058,
1007
+ "grad_norm": 15.758848096703037,
1008
+ "learning_rate": 1.957143804869419e-05,
1009
+ "loss": 0.4188,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 0.06305004597399186,
1014
+ "grad_norm": 14.95914949335199,
1015
+ "learning_rate": 1.956701532473851e-05,
1016
+ "loss": 0.3811,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 0.06348789351547791,
1021
+ "grad_norm": 12.602990028799342,
1022
+ "learning_rate": 1.9562592600782824e-05,
1023
+ "loss": 0.351,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 0.06392574105696397,
1028
+ "grad_norm": 11.138632661742742,
1029
+ "learning_rate": 1.955816987682714e-05,
1030
+ "loss": 0.3217,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 0.06436358859845003,
1035
+ "grad_norm": 10.073650366260493,
1036
+ "learning_rate": 1.9553747152871457e-05,
1037
+ "loss": 0.3915,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 0.06480143613993608,
1042
+ "grad_norm": 11.607027332443641,
1043
+ "learning_rate": 1.954932442891577e-05,
1044
+ "loss": 0.4501,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 0.06523928368142212,
1049
+ "grad_norm": 11.6963320729176,
1050
+ "learning_rate": 1.9544901704960087e-05,
1051
+ "loss": 0.3876,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 0.06567713122290818,
1056
+ "grad_norm": 12.978277397409164,
1057
+ "learning_rate": 1.95404789810044e-05,
1058
+ "loss": 0.4058,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 0.06611497876439423,
1063
+ "grad_norm": 10.230356140798722,
1064
+ "learning_rate": 1.953605625704872e-05,
1065
+ "loss": 0.3503,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 0.06655282630588029,
1070
+ "grad_norm": 10.411279694304964,
1071
+ "learning_rate": 1.953163353309303e-05,
1072
+ "loss": 0.4545,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 0.06699067384736634,
1077
+ "grad_norm": 12.48524397593703,
1078
+ "learning_rate": 1.952721080913735e-05,
1079
+ "loss": 0.4056,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 0.0674285213888524,
1084
+ "grad_norm": 9.054498757739506,
1085
+ "learning_rate": 1.9522788085181664e-05,
1086
+ "loss": 0.422,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 0.06786636893033846,
1091
+ "grad_norm": 12.468833215574444,
1092
+ "learning_rate": 1.9518365361225983e-05,
1093
+ "loss": 0.3668,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 0.06830421647182451,
1098
+ "grad_norm": 7.37855108081838,
1099
+ "learning_rate": 1.9513942637270294e-05,
1100
+ "loss": 0.3418,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 0.06874206401331057,
1105
+ "grad_norm": 18.087926793945318,
1106
+ "learning_rate": 1.9509519913314612e-05,
1107
+ "loss": 0.4362,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 0.06917991155479662,
1112
+ "grad_norm": 9.463333040806022,
1113
+ "learning_rate": 1.9505097189358927e-05,
1114
+ "loss": 0.351,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 0.06961775909628268,
1119
+ "grad_norm": 13.249219763473633,
1120
+ "learning_rate": 1.9500674465403246e-05,
1121
+ "loss": 0.3334,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 0.07005560663776873,
1126
+ "grad_norm": 9.494154085119547,
1127
+ "learning_rate": 1.9496251741447557e-05,
1128
+ "loss": 0.3766,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 0.07049345417925479,
1133
+ "grad_norm": 12.84431192695635,
1134
+ "learning_rate": 1.9491829017491875e-05,
1135
+ "loss": 0.3904,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 0.07093130172074084,
1140
+ "grad_norm": 10.983543223419419,
1141
+ "learning_rate": 1.948740629353619e-05,
1142
+ "loss": 0.4181,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 0.07136914926222689,
1147
+ "grad_norm": 17.280817340311735,
1148
+ "learning_rate": 1.948298356958051e-05,
1149
+ "loss": 0.3994,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 0.07180699680371294,
1154
+ "grad_norm": 11.179902123311116,
1155
+ "learning_rate": 1.947856084562482e-05,
1156
+ "loss": 0.41,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 0.072244844345199,
1161
+ "grad_norm": 7.022304150684218,
1162
+ "learning_rate": 1.947413812166914e-05,
1163
+ "loss": 0.3959,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 0.07268269188668505,
1168
+ "grad_norm": 11.715877252052287,
1169
+ "learning_rate": 1.9469715397713453e-05,
1170
+ "loss": 0.3781,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 0.07312053942817111,
1175
+ "grad_norm": 10.5240917837852,
1176
+ "learning_rate": 1.9465292673757768e-05,
1177
+ "loss": 0.4285,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 0.07355838696965716,
1182
+ "grad_norm": 13.043269992216052,
1183
+ "learning_rate": 1.9460869949802083e-05,
1184
+ "loss": 0.3953,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 0.07399623451114322,
1189
+ "grad_norm": 10.473522043776144,
1190
+ "learning_rate": 1.94564472258464e-05,
1191
+ "loss": 0.3795,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 0.07443408205262927,
1196
+ "grad_norm": 12.81124231632124,
1197
+ "learning_rate": 1.9452024501890716e-05,
1198
+ "loss": 0.4329,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 0.07487192959411533,
1203
+ "grad_norm": 9.570293367327814,
1204
+ "learning_rate": 1.944760177793503e-05,
1205
+ "loss": 0.4536,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 0.07530977713560139,
1210
+ "grad_norm": 13.781425492257062,
1211
+ "learning_rate": 1.944317905397935e-05,
1212
+ "loss": 0.3918,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 0.07574762467708744,
1217
+ "grad_norm": 13.427510367449685,
1218
+ "learning_rate": 1.943875633002366e-05,
1219
+ "loss": 0.3379,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 0.0761854722185735,
1224
+ "grad_norm": 12.599200486748096,
1225
+ "learning_rate": 1.943433360606798e-05,
1226
+ "loss": 0.3939,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 0.07662331976005955,
1231
+ "grad_norm": 14.384131674124605,
1232
+ "learning_rate": 1.9429910882112294e-05,
1233
+ "loss": 0.405,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 0.07706116730154561,
1238
+ "grad_norm": 9.414388690536624,
1239
+ "learning_rate": 1.9425488158156612e-05,
1240
+ "loss": 0.4003,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 0.07749901484303165,
1245
+ "grad_norm": 18.045324270495772,
1246
+ "learning_rate": 1.9421065434200924e-05,
1247
+ "loss": 0.4676,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 0.0779368623845177,
1252
+ "grad_norm": 11.920491989530506,
1253
+ "learning_rate": 1.9416642710245242e-05,
1254
+ "loss": 0.3452,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 0.07837470992600376,
1259
+ "grad_norm": 13.25199040272023,
1260
+ "learning_rate": 1.9412219986289557e-05,
1261
+ "loss": 0.3281,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 0.07881255746748982,
1266
+ "grad_norm": 18.052479006801686,
1267
+ "learning_rate": 1.9407797262333875e-05,
1268
+ "loss": 0.393,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 0.07925040500897587,
1273
+ "grad_norm": 9.88776702327391,
1274
+ "learning_rate": 1.9403374538378187e-05,
1275
+ "loss": 0.3531,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 0.07968825255046193,
1280
+ "grad_norm": 8.54763684547313,
1281
+ "learning_rate": 1.9398951814422505e-05,
1282
+ "loss": 0.4018,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 0.08012610009194798,
1287
+ "grad_norm": 12.109050524886657,
1288
+ "learning_rate": 1.939452909046682e-05,
1289
+ "loss": 0.4658,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 0.08056394763343404,
1294
+ "grad_norm": 7.7518635631951485,
1295
+ "learning_rate": 1.9390106366511138e-05,
1296
+ "loss": 0.4297,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 0.0810017951749201,
1301
+ "grad_norm": 14.594279048895539,
1302
+ "learning_rate": 1.938568364255545e-05,
1303
+ "loss": 0.355,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 0.08143964271640615,
1308
+ "grad_norm": 11.417142166667903,
1309
+ "learning_rate": 1.9381260918599768e-05,
1310
+ "loss": 0.392,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 0.0818774902578922,
1315
+ "grad_norm": 11.637581528522489,
1316
+ "learning_rate": 1.9376838194644083e-05,
1317
+ "loss": 0.3802,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 0.08231533779937826,
1322
+ "grad_norm": 11.85655948956895,
1323
+ "learning_rate": 1.9372415470688398e-05,
1324
+ "loss": 0.3977,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 0.08275318534086432,
1329
+ "grad_norm": 10.54522592721261,
1330
+ "learning_rate": 1.9367992746732713e-05,
1331
+ "loss": 0.3971,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 0.08319103288235037,
1336
+ "grad_norm": 11.259013994047795,
1337
+ "learning_rate": 1.936357002277703e-05,
1338
+ "loss": 0.4662,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 0.08362888042383643,
1343
+ "grad_norm": 10.413681904734188,
1344
+ "learning_rate": 1.9359147298821346e-05,
1345
+ "loss": 0.2992,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 0.08406672796532247,
1350
+ "grad_norm": 16.01143047206335,
1351
+ "learning_rate": 1.935472457486566e-05,
1352
+ "loss": 0.4038,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 0.08450457550680852,
1357
+ "grad_norm": 8.758483697657311,
1358
+ "learning_rate": 1.9350301850909976e-05,
1359
+ "loss": 0.3402,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 0.08494242304829458,
1364
+ "grad_norm": 13.47768507552826,
1365
+ "learning_rate": 1.934587912695429e-05,
1366
+ "loss": 0.3971,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 0.08538027058978064,
1371
+ "grad_norm": 14.13100123568219,
1372
+ "learning_rate": 1.934145640299861e-05,
1373
+ "loss": 0.3485,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 0.08581811813126669,
1378
+ "grad_norm": 11.367957313924562,
1379
+ "learning_rate": 1.9337033679042924e-05,
1380
+ "loss": 0.3561,
1381
+ "step": 1960
1382
+ },
1383
+ {
1384
+ "epoch": 0.08625596567275275,
1385
+ "grad_norm": 10.362775839894933,
1386
+ "learning_rate": 1.933261095508724e-05,
1387
+ "loss": 0.3037,
1388
+ "step": 1970
1389
+ },
1390
+ {
1391
+ "epoch": 0.0866938132142388,
1392
+ "grad_norm": 14.232027197294531,
1393
+ "learning_rate": 1.9328188231131554e-05,
1394
+ "loss": 0.3772,
1395
+ "step": 1980
1396
+ },
1397
+ {
1398
+ "epoch": 0.08713166075572486,
1399
+ "grad_norm": 7.416354083499904,
1400
+ "learning_rate": 1.9323765507175872e-05,
1401
+ "loss": 0.3444,
1402
+ "step": 1990
1403
+ },
1404
+ {
1405
+ "epoch": 0.08756950829721091,
1406
+ "grad_norm": 11.816638685730455,
1407
+ "learning_rate": 1.9319342783220187e-05,
1408
+ "loss": 0.4283,
1409
+ "step": 2000
1410
+ },
1411
+ {
1412
+ "epoch": 0.08800735583869697,
1413
+ "grad_norm": 7.26923187311744,
1414
+ "learning_rate": 1.9314920059264505e-05,
1415
+ "loss": 0.3865,
1416
+ "step": 2010
1417
+ },
1418
+ {
1419
+ "epoch": 0.08844520338018302,
1420
+ "grad_norm": 15.434817185278508,
1421
+ "learning_rate": 1.9310497335308817e-05,
1422
+ "loss": 0.4109,
1423
+ "step": 2020
1424
+ },
1425
+ {
1426
+ "epoch": 0.08888305092166908,
1427
+ "grad_norm": 10.681457596084588,
1428
+ "learning_rate": 1.9306074611353135e-05,
1429
+ "loss": 0.3436,
1430
+ "step": 2030
1431
+ },
1432
+ {
1433
+ "epoch": 0.08932089846315514,
1434
+ "grad_norm": 11.348178640084303,
1435
+ "learning_rate": 1.930165188739745e-05,
1436
+ "loss": 0.3667,
1437
+ "step": 2040
1438
+ },
1439
+ {
1440
+ "epoch": 0.08975874600464119,
1441
+ "grad_norm": 14.026197173621947,
1442
+ "learning_rate": 1.9297229163441768e-05,
1443
+ "loss": 0.4237,
1444
+ "step": 2050
1445
+ },
1446
+ {
1447
+ "epoch": 0.09019659354612723,
1448
+ "grad_norm": 13.112088492075678,
1449
+ "learning_rate": 1.929280643948608e-05,
1450
+ "loss": 0.4262,
1451
+ "step": 2060
1452
+ },
1453
+ {
1454
+ "epoch": 0.09063444108761329,
1455
+ "grad_norm": 9.622691088092534,
1456
+ "learning_rate": 1.9288383715530398e-05,
1457
+ "loss": 0.3801,
1458
+ "step": 2070
1459
+ },
1460
+ {
1461
+ "epoch": 0.09107228862909934,
1462
+ "grad_norm": 9.697640310926039,
1463
+ "learning_rate": 1.9283960991574713e-05,
1464
+ "loss": 0.39,
1465
+ "step": 2080
1466
+ },
1467
+ {
1468
+ "epoch": 0.0915101361705854,
1469
+ "grad_norm": 12.500317378783329,
1470
+ "learning_rate": 1.9279538267619028e-05,
1471
+ "loss": 0.4054,
1472
+ "step": 2090
1473
+ },
1474
+ {
1475
+ "epoch": 0.09194798371207145,
1476
+ "grad_norm": 10.789036689302037,
1477
+ "learning_rate": 1.9275115543663342e-05,
1478
+ "loss": 0.4074,
1479
+ "step": 2100
1480
+ },
1481
+ {
1482
+ "epoch": 0.09238583125355751,
1483
+ "grad_norm": 12.509375756268714,
1484
+ "learning_rate": 1.927069281970766e-05,
1485
+ "loss": 0.3667,
1486
+ "step": 2110
1487
+ },
1488
+ {
1489
+ "epoch": 0.09282367879504357,
1490
+ "grad_norm": 9.389386341327063,
1491
+ "learning_rate": 1.9266270095751976e-05,
1492
+ "loss": 0.4499,
1493
+ "step": 2120
1494
+ },
1495
+ {
1496
+ "epoch": 0.09326152633652962,
1497
+ "grad_norm": 15.390016743215236,
1498
+ "learning_rate": 1.926184737179629e-05,
1499
+ "loss": 0.4473,
1500
+ "step": 2130
1501
+ },
1502
+ {
1503
+ "epoch": 0.09369937387801568,
1504
+ "grad_norm": 19.17657099807316,
1505
+ "learning_rate": 1.9257424647840605e-05,
1506
+ "loss": 0.3094,
1507
+ "step": 2140
1508
+ },
1509
+ {
1510
+ "epoch": 0.09413722141950173,
1511
+ "grad_norm": 14.244069789562317,
1512
+ "learning_rate": 1.925300192388492e-05,
1513
+ "loss": 0.426,
1514
+ "step": 2150
1515
+ },
1516
+ {
1517
+ "epoch": 0.09457506896098779,
1518
+ "grad_norm": 14.851204953612982,
1519
+ "learning_rate": 1.924857919992924e-05,
1520
+ "loss": 0.4369,
1521
+ "step": 2160
1522
+ },
1523
+ {
1524
+ "epoch": 0.09501291650247384,
1525
+ "grad_norm": 8.66142168035377,
1526
+ "learning_rate": 1.9244156475973554e-05,
1527
+ "loss": 0.3666,
1528
+ "step": 2170
1529
+ },
1530
+ {
1531
+ "epoch": 0.0954507640439599,
1532
+ "grad_norm": 10.22720519072457,
1533
+ "learning_rate": 1.923973375201787e-05,
1534
+ "loss": 0.4175,
1535
+ "step": 2180
1536
+ },
1537
+ {
1538
+ "epoch": 0.09588861158544595,
1539
+ "grad_norm": 9.595268402718855,
1540
+ "learning_rate": 1.9235311028062183e-05,
1541
+ "loss": 0.4074,
1542
+ "step": 2190
1543
+ },
1544
+ {
1545
+ "epoch": 0.096326459126932,
1546
+ "grad_norm": 11.423439263182056,
1547
+ "learning_rate": 1.92308883041065e-05,
1548
+ "loss": 0.3714,
1549
+ "step": 2200
1550
+ },
1551
+ {
1552
+ "epoch": 0.09676430666841805,
1553
+ "grad_norm": 12.195829235128782,
1554
+ "learning_rate": 1.9226465580150816e-05,
1555
+ "loss": 0.3617,
1556
+ "step": 2210
1557
+ },
1558
+ {
1559
+ "epoch": 0.0972021542099041,
1560
+ "grad_norm": 13.401702180614619,
1561
+ "learning_rate": 1.922204285619513e-05,
1562
+ "loss": 0.3476,
1563
+ "step": 2220
1564
+ },
1565
+ {
1566
+ "epoch": 0.09764000175139016,
1567
+ "grad_norm": 14.400413274132806,
1568
+ "learning_rate": 1.9217620132239446e-05,
1569
+ "loss": 0.3654,
1570
+ "step": 2230
1571
+ },
1572
+ {
1573
+ "epoch": 0.09807784929287622,
1574
+ "grad_norm": 13.728323756706255,
1575
+ "learning_rate": 1.9213197408283765e-05,
1576
+ "loss": 0.3755,
1577
+ "step": 2240
1578
+ },
1579
+ {
1580
+ "epoch": 0.09851569683436227,
1581
+ "grad_norm": 9.537467954489292,
1582
+ "learning_rate": 1.920877468432808e-05,
1583
+ "loss": 0.4267,
1584
+ "step": 2250
1585
+ },
1586
+ {
1587
+ "epoch": 0.09895354437584833,
1588
+ "grad_norm": 12.562863169113138,
1589
+ "learning_rate": 1.9204351960372394e-05,
1590
+ "loss": 0.3631,
1591
+ "step": 2260
1592
+ },
1593
+ {
1594
+ "epoch": 0.09939139191733438,
1595
+ "grad_norm": 8.916130073539824,
1596
+ "learning_rate": 1.919992923641671e-05,
1597
+ "loss": 0.3976,
1598
+ "step": 2270
1599
+ },
1600
+ {
1601
+ "epoch": 0.09982923945882044,
1602
+ "grad_norm": 10.835660087923376,
1603
+ "learning_rate": 1.9195506512461028e-05,
1604
+ "loss": 0.344,
1605
+ "step": 2280
1606
+ },
1607
+ {
1608
+ "epoch": 0.1002670870003065,
1609
+ "grad_norm": 14.089519398644,
1610
+ "learning_rate": 1.9191083788505342e-05,
1611
+ "loss": 0.3957,
1612
+ "step": 2290
1613
+ },
1614
+ {
1615
+ "epoch": 0.10070493454179255,
1616
+ "grad_norm": 13.631563897871652,
1617
+ "learning_rate": 1.9186661064549657e-05,
1618
+ "loss": 0.4412,
1619
+ "step": 2300
1620
+ },
1621
+ {
1622
+ "epoch": 0.1011427820832786,
1623
+ "grad_norm": 11.687133130522081,
1624
+ "learning_rate": 1.9182238340593972e-05,
1625
+ "loss": 0.4246,
1626
+ "step": 2310
1627
+ },
1628
+ {
1629
+ "epoch": 0.10158062962476466,
1630
+ "grad_norm": 11.012593429809936,
1631
+ "learning_rate": 1.917781561663829e-05,
1632
+ "loss": 0.3929,
1633
+ "step": 2320
1634
+ },
1635
+ {
1636
+ "epoch": 0.10201847716625072,
1637
+ "grad_norm": 11.437466647406971,
1638
+ "learning_rate": 1.9173392892682605e-05,
1639
+ "loss": 0.4196,
1640
+ "step": 2330
1641
+ },
1642
+ {
1643
+ "epoch": 0.10245632470773676,
1644
+ "grad_norm": 13.09895341492618,
1645
+ "learning_rate": 1.916897016872692e-05,
1646
+ "loss": 0.3513,
1647
+ "step": 2340
1648
+ },
1649
+ {
1650
+ "epoch": 0.10289417224922282,
1651
+ "grad_norm": 12.293757546388127,
1652
+ "learning_rate": 1.9164547444771235e-05,
1653
+ "loss": 0.3992,
1654
+ "step": 2350
1655
+ },
1656
+ {
1657
+ "epoch": 0.10333201979070887,
1658
+ "grad_norm": 10.261487153006069,
1659
+ "learning_rate": 1.916012472081555e-05,
1660
+ "loss": 0.3066,
1661
+ "step": 2360
1662
+ },
1663
+ {
1664
+ "epoch": 0.10376986733219493,
1665
+ "grad_norm": 14.709144519485733,
1666
+ "learning_rate": 1.915570199685987e-05,
1667
+ "loss": 0.4397,
1668
+ "step": 2370
1669
+ },
1670
+ {
1671
+ "epoch": 0.10420771487368098,
1672
+ "grad_norm": 10.834726410330754,
1673
+ "learning_rate": 1.9151279272904183e-05,
1674
+ "loss": 0.3525,
1675
+ "step": 2380
1676
+ },
1677
+ {
1678
+ "epoch": 0.10464556241516704,
1679
+ "grad_norm": 14.674602673430272,
1680
+ "learning_rate": 1.9146856548948498e-05,
1681
+ "loss": 0.3694,
1682
+ "step": 2390
1683
+ },
1684
+ {
1685
+ "epoch": 0.10508340995665309,
1686
+ "grad_norm": 16.41260572575191,
1687
+ "learning_rate": 1.9142433824992813e-05,
1688
+ "loss": 0.3565,
1689
+ "step": 2400
1690
+ },
1691
+ {
1692
+ "epoch": 0.10552125749813915,
1693
+ "grad_norm": 10.31589706418058,
1694
+ "learning_rate": 1.913801110103713e-05,
1695
+ "loss": 0.4554,
1696
+ "step": 2410
1697
+ },
1698
+ {
1699
+ "epoch": 0.1059591050396252,
1700
+ "grad_norm": 8.228303991240578,
1701
+ "learning_rate": 1.9133588377081446e-05,
1702
+ "loss": 0.4028,
1703
+ "step": 2420
1704
+ },
1705
+ {
1706
+ "epoch": 0.10639695258111126,
1707
+ "grad_norm": 13.474103036444346,
1708
+ "learning_rate": 1.912916565312576e-05,
1709
+ "loss": 0.4172,
1710
+ "step": 2430
1711
+ },
1712
+ {
1713
+ "epoch": 0.10683480012259731,
1714
+ "grad_norm": 11.893594097933823,
1715
+ "learning_rate": 1.9124742929170076e-05,
1716
+ "loss": 0.3997,
1717
+ "step": 2440
1718
+ },
1719
+ {
1720
+ "epoch": 0.10727264766408337,
1721
+ "grad_norm": 15.503153818507785,
1722
+ "learning_rate": 1.9120320205214394e-05,
1723
+ "loss": 0.4038,
1724
+ "step": 2450
1725
+ },
1726
+ {
1727
+ "epoch": 0.10771049520556943,
1728
+ "grad_norm": 10.232230065068523,
1729
+ "learning_rate": 1.911589748125871e-05,
1730
+ "loss": 0.4035,
1731
+ "step": 2460
1732
+ },
1733
+ {
1734
+ "epoch": 0.10814834274705548,
1735
+ "grad_norm": 12.04140450127315,
1736
+ "learning_rate": 1.9111474757303024e-05,
1737
+ "loss": 0.3076,
1738
+ "step": 2470
1739
+ },
1740
+ {
1741
+ "epoch": 0.10858619028854152,
1742
+ "grad_norm": 15.468189206217254,
1743
+ "learning_rate": 1.910705203334734e-05,
1744
+ "loss": 0.3361,
1745
+ "step": 2480
1746
+ },
1747
+ {
1748
+ "epoch": 0.10902403783002758,
1749
+ "grad_norm": 17.902774600013995,
1750
+ "learning_rate": 1.9102629309391657e-05,
1751
+ "loss": 0.4081,
1752
+ "step": 2490
1753
+ },
1754
+ {
1755
+ "epoch": 0.10946188537151363,
1756
+ "grad_norm": 24.91450836462123,
1757
+ "learning_rate": 1.9098206585435972e-05,
1758
+ "loss": 0.4367,
1759
+ "step": 2500
1760
+ },
1761
+ {
1762
+ "epoch": 0.10989973291299969,
1763
+ "grad_norm": 11.744904407487343,
1764
+ "learning_rate": 1.9094226133875857e-05,
1765
+ "loss": 0.4292,
1766
+ "step": 2510
1767
+ },
1768
+ {
1769
+ "epoch": 0.11033758045448575,
1770
+ "grad_norm": 13.899816366396042,
1771
+ "learning_rate": 1.908980340992017e-05,
1772
+ "loss": 0.4321,
1773
+ "step": 2520
1774
+ },
1775
+ {
1776
+ "epoch": 0.1107754279959718,
1777
+ "grad_norm": 12.102738226657959,
1778
+ "learning_rate": 1.9085380685964486e-05,
1779
+ "loss": 0.3108,
1780
+ "step": 2530
1781
+ },
1782
+ {
1783
+ "epoch": 0.11121327553745786,
1784
+ "grad_norm": 14.16084103947617,
1785
+ "learning_rate": 1.9080957962008805e-05,
1786
+ "loss": 0.335,
1787
+ "step": 2540
1788
+ },
1789
+ {
1790
+ "epoch": 0.11165112307894391,
1791
+ "grad_norm": 11.115420213753518,
1792
+ "learning_rate": 1.9076535238053116e-05,
1793
+ "loss": 0.3912,
1794
+ "step": 2550
1795
+ },
1796
+ {
1797
+ "epoch": 0.11208897062042997,
1798
+ "grad_norm": 13.023671826026302,
1799
+ "learning_rate": 1.9072112514097434e-05,
1800
+ "loss": 0.4168,
1801
+ "step": 2560
1802
+ },
1803
+ {
1804
+ "epoch": 0.11252681816191602,
1805
+ "grad_norm": 11.952192442175816,
1806
+ "learning_rate": 1.906768979014175e-05,
1807
+ "loss": 0.4028,
1808
+ "step": 2570
1809
+ },
1810
+ {
1811
+ "epoch": 0.11296466570340208,
1812
+ "grad_norm": 9.592598016519975,
1813
+ "learning_rate": 1.9063267066186068e-05,
1814
+ "loss": 0.4134,
1815
+ "step": 2580
1816
+ },
1817
+ {
1818
+ "epoch": 0.11340251324488813,
1819
+ "grad_norm": 9.083352138488156,
1820
+ "learning_rate": 1.905884434223038e-05,
1821
+ "loss": 0.3328,
1822
+ "step": 2590
1823
+ },
1824
+ {
1825
+ "epoch": 0.11384036078637419,
1826
+ "grad_norm": 18.60156824207177,
1827
+ "learning_rate": 1.9054421618274697e-05,
1828
+ "loss": 0.3479,
1829
+ "step": 2600
1830
+ },
1831
+ {
1832
+ "epoch": 0.11427820832786025,
1833
+ "grad_norm": 9.845963292845576,
1834
+ "learning_rate": 1.9049998894319012e-05,
1835
+ "loss": 0.3555,
1836
+ "step": 2610
1837
+ },
1838
+ {
1839
+ "epoch": 0.11471605586934629,
1840
+ "grad_norm": 10.182726906192356,
1841
+ "learning_rate": 1.904557617036333e-05,
1842
+ "loss": 0.4251,
1843
+ "step": 2620
1844
+ },
1845
+ {
1846
+ "epoch": 0.11515390341083234,
1847
+ "grad_norm": 7.335163697208383,
1848
+ "learning_rate": 1.9041153446407642e-05,
1849
+ "loss": 0.3376,
1850
+ "step": 2630
1851
+ },
1852
+ {
1853
+ "epoch": 0.1155917509523184,
1854
+ "grad_norm": 11.37657070843338,
1855
+ "learning_rate": 1.903673072245196e-05,
1856
+ "loss": 0.3645,
1857
+ "step": 2640
1858
+ },
1859
+ {
1860
+ "epoch": 0.11602959849380445,
1861
+ "grad_norm": 10.877548094642906,
1862
+ "learning_rate": 1.9032307998496275e-05,
1863
+ "loss": 0.3726,
1864
+ "step": 2650
1865
+ },
1866
+ {
1867
+ "epoch": 0.11646744603529051,
1868
+ "grad_norm": 15.333882252915895,
1869
+ "learning_rate": 1.902788527454059e-05,
1870
+ "loss": 0.385,
1871
+ "step": 2660
1872
+ },
1873
+ {
1874
+ "epoch": 0.11690529357677656,
1875
+ "grad_norm": 12.823331692401915,
1876
+ "learning_rate": 1.9023462550584905e-05,
1877
+ "loss": 0.3943,
1878
+ "step": 2670
1879
+ },
1880
+ {
1881
+ "epoch": 0.11734314111826262,
1882
+ "grad_norm": 12.692981757202359,
1883
+ "learning_rate": 1.9019039826629223e-05,
1884
+ "loss": 0.4218,
1885
+ "step": 2680
1886
+ },
1887
+ {
1888
+ "epoch": 0.11778098865974868,
1889
+ "grad_norm": 12.550522897473236,
1890
+ "learning_rate": 1.9014617102673538e-05,
1891
+ "loss": 0.4077,
1892
+ "step": 2690
1893
+ },
1894
+ {
1895
+ "epoch": 0.11821883620123473,
1896
+ "grad_norm": 11.727829165225376,
1897
+ "learning_rate": 1.9010194378717853e-05,
1898
+ "loss": 0.4516,
1899
+ "step": 2700
1900
+ },
1901
+ {
1902
+ "epoch": 0.11865668374272079,
1903
+ "grad_norm": 9.239870866145635,
1904
+ "learning_rate": 1.900577165476217e-05,
1905
+ "loss": 0.3879,
1906
+ "step": 2710
1907
+ },
1908
+ {
1909
+ "epoch": 0.11909453128420684,
1910
+ "grad_norm": 10.991158486727915,
1911
+ "learning_rate": 1.9001348930806486e-05,
1912
+ "loss": 0.4201,
1913
+ "step": 2720
1914
+ },
1915
+ {
1916
+ "epoch": 0.1195323788256929,
1917
+ "grad_norm": 10.775808182785527,
1918
+ "learning_rate": 1.89969262068508e-05,
1919
+ "loss": 0.3612,
1920
+ "step": 2730
1921
+ },
1922
+ {
1923
+ "epoch": 0.11997022636717895,
1924
+ "grad_norm": 8.786090643394553,
1925
+ "learning_rate": 1.8992503482895116e-05,
1926
+ "loss": 0.4029,
1927
+ "step": 2740
1928
+ },
1929
+ {
1930
+ "epoch": 0.12040807390866501,
1931
+ "grad_norm": 10.644438789736052,
1932
+ "learning_rate": 1.8988080758939434e-05,
1933
+ "loss": 0.3642,
1934
+ "step": 2750
1935
+ },
1936
+ {
1937
+ "epoch": 0.12084592145015106,
1938
+ "grad_norm": 10.429045582422866,
1939
+ "learning_rate": 1.8983658034983746e-05,
1940
+ "loss": 0.3972,
1941
+ "step": 2760
1942
+ },
1943
+ {
1944
+ "epoch": 0.1212837689916371,
1945
+ "grad_norm": 19.068393684191452,
1946
+ "learning_rate": 1.8979235311028064e-05,
1947
+ "loss": 0.4214,
1948
+ "step": 2770
1949
+ },
1950
+ {
1951
+ "epoch": 0.12172161653312316,
1952
+ "grad_norm": 6.510885660190795,
1953
+ "learning_rate": 1.897481258707238e-05,
1954
+ "loss": 0.3927,
1955
+ "step": 2780
1956
+ },
1957
+ {
1958
+ "epoch": 0.12215946407460922,
1959
+ "grad_norm": 13.320869214905798,
1960
+ "learning_rate": 1.8970389863116697e-05,
1961
+ "loss": 0.3801,
1962
+ "step": 2790
1963
+ },
1964
+ {
1965
+ "epoch": 0.12259731161609527,
1966
+ "grad_norm": 11.91416431821247,
1967
+ "learning_rate": 1.896596713916101e-05,
1968
+ "loss": 0.3617,
1969
+ "step": 2800
1970
+ },
1971
+ {
1972
+ "epoch": 0.12303515915758133,
1973
+ "grad_norm": 16.39803737899181,
1974
+ "learning_rate": 1.8961544415205327e-05,
1975
+ "loss": 0.4252,
1976
+ "step": 2810
1977
+ },
1978
+ {
1979
+ "epoch": 0.12347300669906738,
1980
+ "grad_norm": 18.444202304052418,
1981
+ "learning_rate": 1.8957121691249642e-05,
1982
+ "loss": 0.3753,
1983
+ "step": 2820
1984
+ },
1985
+ {
1986
+ "epoch": 0.12391085424055344,
1987
+ "grad_norm": 11.295343530031559,
1988
+ "learning_rate": 1.895269896729396e-05,
1989
+ "loss": 0.3921,
1990
+ "step": 2830
1991
+ },
1992
+ {
1993
+ "epoch": 0.1243487017820395,
1994
+ "grad_norm": 9.710371030089025,
1995
+ "learning_rate": 1.8948276243338272e-05,
1996
+ "loss": 0.3506,
1997
+ "step": 2840
1998
+ },
1999
+ {
2000
+ "epoch": 0.12478654932352555,
2001
+ "grad_norm": 13.077018882435036,
2002
+ "learning_rate": 1.894385351938259e-05,
2003
+ "loss": 0.3025,
2004
+ "step": 2850
2005
+ },
2006
+ {
2007
+ "epoch": 0.1252243968650116,
2008
+ "grad_norm": 9.815328591239517,
2009
+ "learning_rate": 1.8939430795426905e-05,
2010
+ "loss": 0.3919,
2011
+ "step": 2860
2012
+ },
2013
+ {
2014
+ "epoch": 0.12566224440649765,
2015
+ "grad_norm": 10.956422665808212,
2016
+ "learning_rate": 1.893500807147122e-05,
2017
+ "loss": 0.3592,
2018
+ "step": 2870
2019
+ },
2020
+ {
2021
+ "epoch": 0.12610009194798372,
2022
+ "grad_norm": 7.24660201847797,
2023
+ "learning_rate": 1.8930585347515535e-05,
2024
+ "loss": 0.4198,
2025
+ "step": 2880
2026
+ },
2027
+ {
2028
+ "epoch": 0.12653793948946976,
2029
+ "grad_norm": 7.084606579805614,
2030
+ "learning_rate": 1.8926162623559853e-05,
2031
+ "loss": 0.4077,
2032
+ "step": 2890
2033
+ },
2034
+ {
2035
+ "epoch": 0.12697578703095583,
2036
+ "grad_norm": 16.831228496029244,
2037
+ "learning_rate": 1.8921739899604168e-05,
2038
+ "loss": 0.3456,
2039
+ "step": 2900
2040
+ },
2041
+ {
2042
+ "epoch": 0.12741363457244187,
2043
+ "grad_norm": 12.587652277854042,
2044
+ "learning_rate": 1.8917317175648483e-05,
2045
+ "loss": 0.4014,
2046
+ "step": 2910
2047
+ },
2048
+ {
2049
+ "epoch": 0.12785148211392794,
2050
+ "grad_norm": 9.243117375162731,
2051
+ "learning_rate": 1.8912894451692798e-05,
2052
+ "loss": 0.3575,
2053
+ "step": 2920
2054
+ },
2055
+ {
2056
+ "epoch": 0.12828932965541398,
2057
+ "grad_norm": 11.159631895058327,
2058
+ "learning_rate": 1.8908471727737116e-05,
2059
+ "loss": 0.3241,
2060
+ "step": 2930
2061
+ },
2062
+ {
2063
+ "epoch": 0.12872717719690005,
2064
+ "grad_norm": 10.310646954134011,
2065
+ "learning_rate": 1.890404900378143e-05,
2066
+ "loss": 0.3682,
2067
+ "step": 2940
2068
+ },
2069
+ {
2070
+ "epoch": 0.1291650247383861,
2071
+ "grad_norm": 10.173470601980204,
2072
+ "learning_rate": 1.8899626279825746e-05,
2073
+ "loss": 0.4251,
2074
+ "step": 2950
2075
+ },
2076
+ {
2077
+ "epoch": 0.12960287227987216,
2078
+ "grad_norm": 12.609142050783468,
2079
+ "learning_rate": 1.889520355587006e-05,
2080
+ "loss": 0.394,
2081
+ "step": 2960
2082
+ },
2083
+ {
2084
+ "epoch": 0.1300407198213582,
2085
+ "grad_norm": 9.635654645850565,
2086
+ "learning_rate": 1.8890780831914376e-05,
2087
+ "loss": 0.4089,
2088
+ "step": 2970
2089
+ },
2090
+ {
2091
+ "epoch": 0.13047856736284424,
2092
+ "grad_norm": 11.436287904310273,
2093
+ "learning_rate": 1.8886358107958694e-05,
2094
+ "loss": 0.3826,
2095
+ "step": 2980
2096
+ },
2097
+ {
2098
+ "epoch": 0.1309164149043303,
2099
+ "grad_norm": 16.392761382159563,
2100
+ "learning_rate": 1.888193538400301e-05,
2101
+ "loss": 0.3276,
2102
+ "step": 2990
2103
+ },
2104
+ {
2105
+ "epoch": 0.13135426244581636,
2106
+ "grad_norm": 17.239395198967156,
2107
+ "learning_rate": 1.8877512660047327e-05,
2108
+ "loss": 0.4094,
2109
+ "step": 3000
2110
+ },
2111
+ {
2112
+ "epoch": 0.13179210998730242,
2113
+ "grad_norm": 14.545360777292585,
2114
+ "learning_rate": 1.887308993609164e-05,
2115
+ "loss": 0.3779,
2116
+ "step": 3010
2117
+ },
2118
+ {
2119
+ "epoch": 0.13222995752878847,
2120
+ "grad_norm": 14.366498738758244,
2121
+ "learning_rate": 1.8868667212135957e-05,
2122
+ "loss": 0.4288,
2123
+ "step": 3020
2124
+ },
2125
+ {
2126
+ "epoch": 0.13266780507027454,
2127
+ "grad_norm": 17.039699201481028,
2128
+ "learning_rate": 1.886424448818027e-05,
2129
+ "loss": 0.36,
2130
+ "step": 3030
2131
+ },
2132
+ {
2133
+ "epoch": 0.13310565261176058,
2134
+ "grad_norm": 9.226512886191754,
2135
+ "learning_rate": 1.885982176422459e-05,
2136
+ "loss": 0.3765,
2137
+ "step": 3040
2138
+ },
2139
+ {
2140
+ "epoch": 0.13354350015324665,
2141
+ "grad_norm": 9.028526449867499,
2142
+ "learning_rate": 1.88553990402689e-05,
2143
+ "loss": 0.4395,
2144
+ "step": 3050
2145
+ },
2146
+ {
2147
+ "epoch": 0.1339813476947327,
2148
+ "grad_norm": 13.6426618700454,
2149
+ "learning_rate": 1.885097631631322e-05,
2150
+ "loss": 0.3723,
2151
+ "step": 3060
2152
+ },
2153
+ {
2154
+ "epoch": 0.13441919523621876,
2155
+ "grad_norm": 13.305857832591359,
2156
+ "learning_rate": 1.8846553592357535e-05,
2157
+ "loss": 0.399,
2158
+ "step": 3070
2159
+ },
2160
+ {
2161
+ "epoch": 0.1348570427777048,
2162
+ "grad_norm": 7.874733814403194,
2163
+ "learning_rate": 1.884213086840185e-05,
2164
+ "loss": 0.4011,
2165
+ "step": 3080
2166
+ },
2167
+ {
2168
+ "epoch": 0.13529489031919087,
2169
+ "grad_norm": 13.430051646641026,
2170
+ "learning_rate": 1.8837708144446164e-05,
2171
+ "loss": 0.3906,
2172
+ "step": 3090
2173
+ },
2174
+ {
2175
+ "epoch": 0.1357327378606769,
2176
+ "grad_norm": 8.662733163489246,
2177
+ "learning_rate": 1.8833285420490483e-05,
2178
+ "loss": 0.4138,
2179
+ "step": 3100
2180
+ },
2181
+ {
2182
+ "epoch": 0.13617058540216298,
2183
+ "grad_norm": 9.801119868851403,
2184
+ "learning_rate": 1.8828862696534798e-05,
2185
+ "loss": 0.3641,
2186
+ "step": 3110
2187
+ },
2188
+ {
2189
+ "epoch": 0.13660843294364902,
2190
+ "grad_norm": 11.778191693148269,
2191
+ "learning_rate": 1.8824439972579112e-05,
2192
+ "loss": 0.3762,
2193
+ "step": 3120
2194
+ },
2195
+ {
2196
+ "epoch": 0.13704628048513506,
2197
+ "grad_norm": 8.279726053764739,
2198
+ "learning_rate": 1.8820017248623427e-05,
2199
+ "loss": 0.3693,
2200
+ "step": 3130
2201
+ },
2202
+ {
2203
+ "epoch": 0.13748412802662113,
2204
+ "grad_norm": 10.69124033655974,
2205
+ "learning_rate": 1.8815594524667746e-05,
2206
+ "loss": 0.3369,
2207
+ "step": 3140
2208
+ },
2209
+ {
2210
+ "epoch": 0.13792197556810717,
2211
+ "grad_norm": 6.139622574926641,
2212
+ "learning_rate": 1.881117180071206e-05,
2213
+ "loss": 0.3526,
2214
+ "step": 3150
2215
+ },
2216
+ {
2217
+ "epoch": 0.13835982310959324,
2218
+ "grad_norm": 8.884320160504993,
2219
+ "learning_rate": 1.8806749076756375e-05,
2220
+ "loss": 0.321,
2221
+ "step": 3160
2222
+ },
2223
+ {
2224
+ "epoch": 0.13879767065107929,
2225
+ "grad_norm": 11.836052882069614,
2226
+ "learning_rate": 1.880232635280069e-05,
2227
+ "loss": 0.3988,
2228
+ "step": 3170
2229
+ },
2230
+ {
2231
+ "epoch": 0.13923551819256536,
2232
+ "grad_norm": 9.920797262455972,
2233
+ "learning_rate": 1.8797903628845005e-05,
2234
+ "loss": 0.5179,
2235
+ "step": 3180
2236
+ },
2237
+ {
2238
+ "epoch": 0.1396733657340514,
2239
+ "grad_norm": 14.813362193063755,
2240
+ "learning_rate": 1.8793480904889324e-05,
2241
+ "loss": 0.377,
2242
+ "step": 3190
2243
+ },
2244
+ {
2245
+ "epoch": 0.14011121327553747,
2246
+ "grad_norm": 6.695253814831782,
2247
+ "learning_rate": 1.878905818093364e-05,
2248
+ "loss": 0.3863,
2249
+ "step": 3200
2250
+ },
2251
+ {
2252
+ "epoch": 0.1405490608170235,
2253
+ "grad_norm": 11.085686646540799,
2254
+ "learning_rate": 1.8784635456977953e-05,
2255
+ "loss": 0.3708,
2256
+ "step": 3210
2257
+ },
2258
+ {
2259
+ "epoch": 0.14098690835850958,
2260
+ "grad_norm": 13.830245136728134,
2261
+ "learning_rate": 1.8780212733022268e-05,
2262
+ "loss": 0.3151,
2263
+ "step": 3220
2264
+ },
2265
+ {
2266
+ "epoch": 0.14142475589999562,
2267
+ "grad_norm": 12.120622926321499,
2268
+ "learning_rate": 1.8775790009066586e-05,
2269
+ "loss": 0.3459,
2270
+ "step": 3230
2271
+ },
2272
+ {
2273
+ "epoch": 0.1418626034414817,
2274
+ "grad_norm": 16.30580487007426,
2275
+ "learning_rate": 1.87713672851109e-05,
2276
+ "loss": 0.3745,
2277
+ "step": 3240
2278
+ },
2279
+ {
2280
+ "epoch": 0.14230045098296773,
2281
+ "grad_norm": 9.992654009584912,
2282
+ "learning_rate": 1.876694456115522e-05,
2283
+ "loss": 0.3993,
2284
+ "step": 3250
2285
+ },
2286
+ {
2287
+ "epoch": 0.14273829852445377,
2288
+ "grad_norm": 8.666190158753487,
2289
+ "learning_rate": 1.876252183719953e-05,
2290
+ "loss": 0.3774,
2291
+ "step": 3260
2292
+ },
2293
+ {
2294
+ "epoch": 0.14317614606593984,
2295
+ "grad_norm": 10.386340090996436,
2296
+ "learning_rate": 1.875809911324385e-05,
2297
+ "loss": 0.3806,
2298
+ "step": 3270
2299
+ },
2300
+ {
2301
+ "epoch": 0.14361399360742588,
2302
+ "grad_norm": 22.19356554965066,
2303
+ "learning_rate": 1.8753676389288164e-05,
2304
+ "loss": 0.3824,
2305
+ "step": 3280
2306
+ },
2307
+ {
2308
+ "epoch": 0.14405184114891195,
2309
+ "grad_norm": 9.21049973448166,
2310
+ "learning_rate": 1.874925366533248e-05,
2311
+ "loss": 0.3353,
2312
+ "step": 3290
2313
+ },
2314
+ {
2315
+ "epoch": 0.144489688690398,
2316
+ "grad_norm": 12.072168142150097,
2317
+ "learning_rate": 1.8744830941376794e-05,
2318
+ "loss": 0.4011,
2319
+ "step": 3300
2320
+ },
2321
+ {
2322
+ "epoch": 0.14492753623188406,
2323
+ "grad_norm": 12.59324716931968,
2324
+ "learning_rate": 1.8740408217421112e-05,
2325
+ "loss": 0.4021,
2326
+ "step": 3310
2327
+ },
2328
+ {
2329
+ "epoch": 0.1453653837733701,
2330
+ "grad_norm": 10.05214029931775,
2331
+ "learning_rate": 1.8735985493465427e-05,
2332
+ "loss": 0.3553,
2333
+ "step": 3320
2334
+ },
2335
+ {
2336
+ "epoch": 0.14580323131485617,
2337
+ "grad_norm": 11.803155664591488,
2338
+ "learning_rate": 1.8731562769509742e-05,
2339
+ "loss": 0.356,
2340
+ "step": 3330
2341
+ },
2342
+ {
2343
+ "epoch": 0.14624107885634222,
2344
+ "grad_norm": 14.92368689915674,
2345
+ "learning_rate": 1.8727140045554057e-05,
2346
+ "loss": 0.3801,
2347
+ "step": 3340
2348
+ },
2349
+ {
2350
+ "epoch": 0.14667892639782829,
2351
+ "grad_norm": 17.079776945779418,
2352
+ "learning_rate": 1.8722717321598375e-05,
2353
+ "loss": 0.3477,
2354
+ "step": 3350
2355
+ },
2356
+ {
2357
+ "epoch": 0.14711677393931433,
2358
+ "grad_norm": 13.097782069556722,
2359
+ "learning_rate": 1.871829459764269e-05,
2360
+ "loss": 0.3671,
2361
+ "step": 3360
2362
+ },
2363
+ {
2364
+ "epoch": 0.1475546214808004,
2365
+ "grad_norm": 8.15632623512624,
2366
+ "learning_rate": 1.8713871873687005e-05,
2367
+ "loss": 0.3389,
2368
+ "step": 3370
2369
+ },
2370
+ {
2371
+ "epoch": 0.14799246902228644,
2372
+ "grad_norm": 13.960404123834712,
2373
+ "learning_rate": 1.870944914973132e-05,
2374
+ "loss": 0.3485,
2375
+ "step": 3380
2376
+ },
2377
+ {
2378
+ "epoch": 0.1484303165637725,
2379
+ "grad_norm": 11.071464397882252,
2380
+ "learning_rate": 1.8705026425775635e-05,
2381
+ "loss": 0.3416,
2382
+ "step": 3390
2383
+ },
2384
+ {
2385
+ "epoch": 0.14886816410525855,
2386
+ "grad_norm": 13.277501194270975,
2387
+ "learning_rate": 1.8700603701819953e-05,
2388
+ "loss": 0.3789,
2389
+ "step": 3400
2390
+ },
2391
+ {
2392
+ "epoch": 0.1493060116467446,
2393
+ "grad_norm": 10.804325254909127,
2394
+ "learning_rate": 1.8696180977864268e-05,
2395
+ "loss": 0.4302,
2396
+ "step": 3410
2397
+ },
2398
+ {
2399
+ "epoch": 0.14974385918823066,
2400
+ "grad_norm": 13.368363204432509,
2401
+ "learning_rate": 1.8691758253908583e-05,
2402
+ "loss": 0.3827,
2403
+ "step": 3420
2404
+ },
2405
+ {
2406
+ "epoch": 0.1501817067297167,
2407
+ "grad_norm": 10.0824595511505,
2408
+ "learning_rate": 1.8687335529952898e-05,
2409
+ "loss": 0.3658,
2410
+ "step": 3430
2411
+ },
2412
+ {
2413
+ "epoch": 0.15061955427120277,
2414
+ "grad_norm": 12.416220706039892,
2415
+ "learning_rate": 1.8682912805997216e-05,
2416
+ "loss": 0.3614,
2417
+ "step": 3440
2418
+ },
2419
+ {
2420
+ "epoch": 0.1510574018126888,
2421
+ "grad_norm": 16.7125572642998,
2422
+ "learning_rate": 1.867849008204153e-05,
2423
+ "loss": 0.4461,
2424
+ "step": 3450
2425
+ },
2426
+ {
2427
+ "epoch": 0.15149524935417488,
2428
+ "grad_norm": 12.811501366379437,
2429
+ "learning_rate": 1.8674067358085846e-05,
2430
+ "loss": 0.4033,
2431
+ "step": 3460
2432
+ },
2433
+ {
2434
+ "epoch": 0.15193309689566092,
2435
+ "grad_norm": 17.173250485174975,
2436
+ "learning_rate": 1.866964463413016e-05,
2437
+ "loss": 0.3277,
2438
+ "step": 3470
2439
+ },
2440
+ {
2441
+ "epoch": 0.152370944437147,
2442
+ "grad_norm": 8.979558831403725,
2443
+ "learning_rate": 1.866522191017448e-05,
2444
+ "loss": 0.3373,
2445
+ "step": 3480
2446
+ },
2447
+ {
2448
+ "epoch": 0.15280879197863304,
2449
+ "grad_norm": 7.797438606883994,
2450
+ "learning_rate": 1.8660799186218794e-05,
2451
+ "loss": 0.3954,
2452
+ "step": 3490
2453
+ },
2454
+ {
2455
+ "epoch": 0.1532466395201191,
2456
+ "grad_norm": 16.155288520109096,
2457
+ "learning_rate": 1.865637646226311e-05,
2458
+ "loss": 0.385,
2459
+ "step": 3500
2460
+ },
2461
+ {
2462
+ "epoch": 0.15368448706160515,
2463
+ "grad_norm": 16.957081191616158,
2464
+ "learning_rate": 1.8651953738307424e-05,
2465
+ "loss": 0.3742,
2466
+ "step": 3510
2467
+ },
2468
+ {
2469
+ "epoch": 0.15412233460309122,
2470
+ "grad_norm": 9.531468523365854,
2471
+ "learning_rate": 1.8647531014351742e-05,
2472
+ "loss": 0.3326,
2473
+ "step": 3520
2474
+ },
2475
+ {
2476
+ "epoch": 0.15456018214457726,
2477
+ "grad_norm": 25.31643246845194,
2478
+ "learning_rate": 1.8643108290396057e-05,
2479
+ "loss": 0.39,
2480
+ "step": 3530
2481
+ },
2482
+ {
2483
+ "epoch": 0.1549980296860633,
2484
+ "grad_norm": 10.078617054363939,
2485
+ "learning_rate": 1.8638685566440372e-05,
2486
+ "loss": 0.4025,
2487
+ "step": 3540
2488
+ },
2489
+ {
2490
+ "epoch": 0.15543587722754937,
2491
+ "grad_norm": 11.02217779389865,
2492
+ "learning_rate": 1.8634262842484687e-05,
2493
+ "loss": 0.4015,
2494
+ "step": 3550
2495
+ },
2496
+ {
2497
+ "epoch": 0.1558737247690354,
2498
+ "grad_norm": 14.098789980216388,
2499
+ "learning_rate": 1.8629840118529005e-05,
2500
+ "loss": 0.3344,
2501
+ "step": 3560
2502
+ },
2503
+ {
2504
+ "epoch": 0.15631157231052148,
2505
+ "grad_norm": 15.721719692602761,
2506
+ "learning_rate": 1.862541739457332e-05,
2507
+ "loss": 0.3715,
2508
+ "step": 3570
2509
+ },
2510
+ {
2511
+ "epoch": 0.15674941985200752,
2512
+ "grad_norm": 12.716040770267046,
2513
+ "learning_rate": 1.8620994670617635e-05,
2514
+ "loss": 0.3651,
2515
+ "step": 3580
2516
+ },
2517
+ {
2518
+ "epoch": 0.1571872673934936,
2519
+ "grad_norm": 12.965209183423223,
2520
+ "learning_rate": 1.861657194666195e-05,
2521
+ "loss": 0.4063,
2522
+ "step": 3590
2523
+ },
2524
+ {
2525
+ "epoch": 0.15762511493497963,
2526
+ "grad_norm": 8.666927431536255,
2527
+ "learning_rate": 1.8612149222706265e-05,
2528
+ "loss": 0.3274,
2529
+ "step": 3600
2530
+ },
2531
+ {
2532
+ "epoch": 0.1580629624764657,
2533
+ "grad_norm": 14.516286713758953,
2534
+ "learning_rate": 1.8607726498750583e-05,
2535
+ "loss": 0.4267,
2536
+ "step": 3610
2537
+ },
2538
+ {
2539
+ "epoch": 0.15850081001795174,
2540
+ "grad_norm": 9.395231262901326,
2541
+ "learning_rate": 1.8603303774794898e-05,
2542
+ "loss": 0.3378,
2543
+ "step": 3620
2544
+ },
2545
+ {
2546
+ "epoch": 0.1589386575594378,
2547
+ "grad_norm": 15.580920245081602,
2548
+ "learning_rate": 1.8598881050839213e-05,
2549
+ "loss": 0.3727,
2550
+ "step": 3630
2551
+ },
2552
+ {
2553
+ "epoch": 0.15937650510092385,
2554
+ "grad_norm": 9.421511818637732,
2555
+ "learning_rate": 1.8594458326883528e-05,
2556
+ "loss": 0.4091,
2557
+ "step": 3640
2558
+ },
2559
+ {
2560
+ "epoch": 0.15981435264240992,
2561
+ "grad_norm": 10.903593860274887,
2562
+ "learning_rate": 1.8590035602927846e-05,
2563
+ "loss": 0.3852,
2564
+ "step": 3650
2565
+ },
2566
+ {
2567
+ "epoch": 0.16025220018389597,
2568
+ "grad_norm": 15.079459239057043,
2569
+ "learning_rate": 1.858561287897216e-05,
2570
+ "loss": 0.3161,
2571
+ "step": 3660
2572
+ },
2573
+ {
2574
+ "epoch": 0.16069004772538203,
2575
+ "grad_norm": 11.906906790652602,
2576
+ "learning_rate": 1.8581632427412045e-05,
2577
+ "loss": 0.4032,
2578
+ "step": 3670
2579
+ },
2580
+ {
2581
+ "epoch": 0.16112789526686808,
2582
+ "grad_norm": 7.299516154937353,
2583
+ "learning_rate": 1.857720970345636e-05,
2584
+ "loss": 0.4608,
2585
+ "step": 3680
2586
+ },
2587
+ {
2588
+ "epoch": 0.16156574280835412,
2589
+ "grad_norm": 10.405574742308731,
2590
+ "learning_rate": 1.8572786979500675e-05,
2591
+ "loss": 0.3277,
2592
+ "step": 3690
2593
+ },
2594
+ {
2595
+ "epoch": 0.1620035903498402,
2596
+ "grad_norm": 12.45192353736054,
2597
+ "learning_rate": 1.8568364255544993e-05,
2598
+ "loss": 0.4101,
2599
+ "step": 3700
2600
+ },
2601
+ {
2602
+ "epoch": 0.16244143789132623,
2603
+ "grad_norm": 17.784864115352764,
2604
+ "learning_rate": 1.8563941531589308e-05,
2605
+ "loss": 0.4311,
2606
+ "step": 3710
2607
+ },
2608
+ {
2609
+ "epoch": 0.1628792854328123,
2610
+ "grad_norm": 12.704077503112067,
2611
+ "learning_rate": 1.8559518807633623e-05,
2612
+ "loss": 0.3409,
2613
+ "step": 3720
2614
+ },
2615
+ {
2616
+ "epoch": 0.16331713297429834,
2617
+ "grad_norm": 26.63374521687372,
2618
+ "learning_rate": 1.8555096083677938e-05,
2619
+ "loss": 0.3658,
2620
+ "step": 3730
2621
+ },
2622
+ {
2623
+ "epoch": 0.1637549805157844,
2624
+ "grad_norm": 10.121501930571688,
2625
+ "learning_rate": 1.8550673359722256e-05,
2626
+ "loss": 0.3402,
2627
+ "step": 3740
2628
+ },
2629
+ {
2630
+ "epoch": 0.16419282805727045,
2631
+ "grad_norm": 14.094860227716598,
2632
+ "learning_rate": 1.854625063576657e-05,
2633
+ "loss": 0.4277,
2634
+ "step": 3750
2635
+ },
2636
+ {
2637
+ "epoch": 0.16463067559875652,
2638
+ "grad_norm": 9.994141579233393,
2639
+ "learning_rate": 1.8541827911810886e-05,
2640
+ "loss": 0.4692,
2641
+ "step": 3760
2642
+ },
2643
+ {
2644
+ "epoch": 0.16506852314024256,
2645
+ "grad_norm": 8.67508870280096,
2646
+ "learning_rate": 1.85374051878552e-05,
2647
+ "loss": 0.4016,
2648
+ "step": 3770
2649
+ },
2650
+ {
2651
+ "epoch": 0.16550637068172863,
2652
+ "grad_norm": 14.502486443265836,
2653
+ "learning_rate": 1.853298246389952e-05,
2654
+ "loss": 0.4075,
2655
+ "step": 3780
2656
+ },
2657
+ {
2658
+ "epoch": 0.16594421822321467,
2659
+ "grad_norm": 11.515960895499763,
2660
+ "learning_rate": 1.852855973994383e-05,
2661
+ "loss": 0.3435,
2662
+ "step": 3790
2663
+ },
2664
+ {
2665
+ "epoch": 0.16638206576470074,
2666
+ "grad_norm": 9.745079168132195,
2667
+ "learning_rate": 1.852413701598815e-05,
2668
+ "loss": 0.3109,
2669
+ "step": 3800
2670
+ },
2671
+ {
2672
+ "epoch": 0.16681991330618678,
2673
+ "grad_norm": 8.495004869159922,
2674
+ "learning_rate": 1.8519714292032464e-05,
2675
+ "loss": 0.3922,
2676
+ "step": 3810
2677
+ },
2678
+ {
2679
+ "epoch": 0.16725776084767285,
2680
+ "grad_norm": 8.988712438049474,
2681
+ "learning_rate": 1.8515291568076782e-05,
2682
+ "loss": 0.4012,
2683
+ "step": 3820
2684
+ },
2685
+ {
2686
+ "epoch": 0.1676956083891589,
2687
+ "grad_norm": 12.853240059584076,
2688
+ "learning_rate": 1.8510868844121094e-05,
2689
+ "loss": 0.4125,
2690
+ "step": 3830
2691
+ },
2692
+ {
2693
+ "epoch": 0.16813345593064494,
2694
+ "grad_norm": 9.825049278388068,
2695
+ "learning_rate": 1.8506446120165412e-05,
2696
+ "loss": 0.3032,
2697
+ "step": 3840
2698
+ },
2699
+ {
2700
+ "epoch": 0.168571303472131,
2701
+ "grad_norm": 7.994348437089401,
2702
+ "learning_rate": 1.8502023396209727e-05,
2703
+ "loss": 0.3636,
2704
+ "step": 3850
2705
+ },
2706
+ {
2707
+ "epoch": 0.16900915101361705,
2708
+ "grad_norm": 12.765237118303892,
2709
+ "learning_rate": 1.8497600672254045e-05,
2710
+ "loss": 0.3478,
2711
+ "step": 3860
2712
+ },
2713
+ {
2714
+ "epoch": 0.16944699855510312,
2715
+ "grad_norm": 12.546641498449894,
2716
+ "learning_rate": 1.8493177948298357e-05,
2717
+ "loss": 0.3,
2718
+ "step": 3870
2719
+ },
2720
+ {
2721
+ "epoch": 0.16988484609658916,
2722
+ "grad_norm": 23.911174431535404,
2723
+ "learning_rate": 1.8488755224342675e-05,
2724
+ "loss": 0.451,
2725
+ "step": 3880
2726
+ },
2727
+ {
2728
+ "epoch": 0.17032269363807523,
2729
+ "grad_norm": 10.520515381695157,
2730
+ "learning_rate": 1.848433250038699e-05,
2731
+ "loss": 0.358,
2732
+ "step": 3890
2733
+ },
2734
+ {
2735
+ "epoch": 0.17076054117956127,
2736
+ "grad_norm": 11.224917445909368,
2737
+ "learning_rate": 1.8479909776431305e-05,
2738
+ "loss": 0.3162,
2739
+ "step": 3900
2740
+ },
2741
+ {
2742
+ "epoch": 0.17119838872104734,
2743
+ "grad_norm": 18.902395009875733,
2744
+ "learning_rate": 1.847548705247562e-05,
2745
+ "loss": 0.4223,
2746
+ "step": 3910
2747
+ },
2748
+ {
2749
+ "epoch": 0.17163623626253338,
2750
+ "grad_norm": 11.55198595552304,
2751
+ "learning_rate": 1.8471064328519938e-05,
2752
+ "loss": 0.3808,
2753
+ "step": 3920
2754
+ },
2755
+ {
2756
+ "epoch": 0.17207408380401945,
2757
+ "grad_norm": 11.00362301896321,
2758
+ "learning_rate": 1.8466641604564253e-05,
2759
+ "loss": 0.3252,
2760
+ "step": 3930
2761
+ },
2762
+ {
2763
+ "epoch": 0.1725119313455055,
2764
+ "grad_norm": 10.336995942120799,
2765
+ "learning_rate": 1.8462218880608568e-05,
2766
+ "loss": 0.364,
2767
+ "step": 3940
2768
+ },
2769
+ {
2770
+ "epoch": 0.17294977888699156,
2771
+ "grad_norm": 10.710989141583203,
2772
+ "learning_rate": 1.8457796156652883e-05,
2773
+ "loss": 0.4231,
2774
+ "step": 3950
2775
+ },
2776
+ {
2777
+ "epoch": 0.1733876264284776,
2778
+ "grad_norm": 12.229225448822383,
2779
+ "learning_rate": 1.84533734326972e-05,
2780
+ "loss": 0.4117,
2781
+ "step": 3960
2782
+ },
2783
+ {
2784
+ "epoch": 0.17382547396996365,
2785
+ "grad_norm": 14.915171514555029,
2786
+ "learning_rate": 1.8448950708741516e-05,
2787
+ "loss": 0.4032,
2788
+ "step": 3970
2789
+ },
2790
+ {
2791
+ "epoch": 0.17426332151144971,
2792
+ "grad_norm": 12.229642807866787,
2793
+ "learning_rate": 1.844452798478583e-05,
2794
+ "loss": 0.4361,
2795
+ "step": 3980
2796
+ },
2797
+ {
2798
+ "epoch": 0.17470116905293576,
2799
+ "grad_norm": 7.010608264256624,
2800
+ "learning_rate": 1.844010526083015e-05,
2801
+ "loss": 0.3638,
2802
+ "step": 3990
2803
+ },
2804
+ {
2805
+ "epoch": 0.17513901659442183,
2806
+ "grad_norm": 15.912932485500148,
2807
+ "learning_rate": 1.843568253687446e-05,
2808
+ "loss": 0.455,
2809
+ "step": 4000
2810
+ },
2811
+ {
2812
+ "epoch": 0.17557686413590787,
2813
+ "grad_norm": 6.924969603544103,
2814
+ "learning_rate": 1.843125981291878e-05,
2815
+ "loss": 0.2625,
2816
+ "step": 4010
2817
+ },
2818
+ {
2819
+ "epoch": 0.17601471167739394,
2820
+ "grad_norm": 15.139219047531501,
2821
+ "learning_rate": 1.8426837088963094e-05,
2822
+ "loss": 0.4141,
2823
+ "step": 4020
2824
+ },
2825
+ {
2826
+ "epoch": 0.17645255921887998,
2827
+ "grad_norm": 11.17823518693945,
2828
+ "learning_rate": 1.8422414365007412e-05,
2829
+ "loss": 0.3224,
2830
+ "step": 4030
2831
+ },
2832
+ {
2833
+ "epoch": 0.17689040676036605,
2834
+ "grad_norm": 15.7161064579388,
2835
+ "learning_rate": 1.8417991641051723e-05,
2836
+ "loss": 0.3664,
2837
+ "step": 4040
2838
+ },
2839
+ {
2840
+ "epoch": 0.1773282543018521,
2841
+ "grad_norm": 13.792070427062033,
2842
+ "learning_rate": 1.841356891709604e-05,
2843
+ "loss": 0.3284,
2844
+ "step": 4050
2845
+ },
2846
+ {
2847
+ "epoch": 0.17776610184333816,
2848
+ "grad_norm": 9.000617959741795,
2849
+ "learning_rate": 1.8409146193140357e-05,
2850
+ "loss": 0.344,
2851
+ "step": 4060
2852
+ },
2853
+ {
2854
+ "epoch": 0.1782039493848242,
2855
+ "grad_norm": 12.402957661971133,
2856
+ "learning_rate": 1.8404723469184675e-05,
2857
+ "loss": 0.3871,
2858
+ "step": 4070
2859
+ },
2860
+ {
2861
+ "epoch": 0.17864179692631027,
2862
+ "grad_norm": 12.032781330103441,
2863
+ "learning_rate": 1.8400300745228986e-05,
2864
+ "loss": 0.3787,
2865
+ "step": 4080
2866
+ },
2867
+ {
2868
+ "epoch": 0.1790796444677963,
2869
+ "grad_norm": 11.222860194370364,
2870
+ "learning_rate": 1.8395878021273305e-05,
2871
+ "loss": 0.3077,
2872
+ "step": 4090
2873
+ },
2874
+ {
2875
+ "epoch": 0.17951749200928238,
2876
+ "grad_norm": 13.7968119601476,
2877
+ "learning_rate": 1.839145529731762e-05,
2878
+ "loss": 0.4786,
2879
+ "step": 4100
2880
+ },
2881
+ {
2882
+ "epoch": 0.17995533955076842,
2883
+ "grad_norm": 11.921299671774793,
2884
+ "learning_rate": 1.8387032573361934e-05,
2885
+ "loss": 0.4037,
2886
+ "step": 4110
2887
+ },
2888
+ {
2889
+ "epoch": 0.18039318709225446,
2890
+ "grad_norm": 8.879545954875514,
2891
+ "learning_rate": 1.838260984940625e-05,
2892
+ "loss": 0.4584,
2893
+ "step": 4120
2894
+ },
2895
+ {
2896
+ "epoch": 0.18083103463374053,
2897
+ "grad_norm": 14.982597428617236,
2898
+ "learning_rate": 1.8378187125450568e-05,
2899
+ "loss": 0.3815,
2900
+ "step": 4130
2901
+ },
2902
+ {
2903
+ "epoch": 0.18126888217522658,
2904
+ "grad_norm": 9.147231103073068,
2905
+ "learning_rate": 1.8373764401494882e-05,
2906
+ "loss": 0.4014,
2907
+ "step": 4140
2908
+ },
2909
+ {
2910
+ "epoch": 0.18170672971671264,
2911
+ "grad_norm": 12.294983152398926,
2912
+ "learning_rate": 1.8369341677539197e-05,
2913
+ "loss": 0.4019,
2914
+ "step": 4150
2915
+ },
2916
+ {
2917
+ "epoch": 0.1821445772581987,
2918
+ "grad_norm": 9.927235418370907,
2919
+ "learning_rate": 1.8364918953583512e-05,
2920
+ "loss": 0.3566,
2921
+ "step": 4160
2922
+ },
2923
+ {
2924
+ "epoch": 0.18258242479968476,
2925
+ "grad_norm": 11.734461472925389,
2926
+ "learning_rate": 1.8360496229627827e-05,
2927
+ "loss": 0.4055,
2928
+ "step": 4170
2929
+ },
2930
+ {
2931
+ "epoch": 0.1830202723411708,
2932
+ "grad_norm": 17.077445949446012,
2933
+ "learning_rate": 1.8356073505672145e-05,
2934
+ "loss": 0.3583,
2935
+ "step": 4180
2936
+ },
2937
+ {
2938
+ "epoch": 0.18345811988265687,
2939
+ "grad_norm": 12.654896604913636,
2940
+ "learning_rate": 1.835165078171646e-05,
2941
+ "loss": 0.3492,
2942
+ "step": 4190
2943
+ },
2944
+ {
2945
+ "epoch": 0.1838959674241429,
2946
+ "grad_norm": 16.58090166573664,
2947
+ "learning_rate": 1.8347228057760775e-05,
2948
+ "loss": 0.4069,
2949
+ "step": 4200
2950
+ },
2951
+ {
2952
+ "epoch": 0.18433381496562898,
2953
+ "grad_norm": 12.423854991570149,
2954
+ "learning_rate": 1.834280533380509e-05,
2955
+ "loss": 0.3649,
2956
+ "step": 4210
2957
+ },
2958
+ {
2959
+ "epoch": 0.18477166250711502,
2960
+ "grad_norm": 8.687455211496507,
2961
+ "learning_rate": 1.833838260984941e-05,
2962
+ "loss": 0.3713,
2963
+ "step": 4220
2964
+ },
2965
+ {
2966
+ "epoch": 0.1852095100486011,
2967
+ "grad_norm": 10.328403486459152,
2968
+ "learning_rate": 1.8333959885893723e-05,
2969
+ "loss": 0.3679,
2970
+ "step": 4230
2971
+ },
2972
+ {
2973
+ "epoch": 0.18564735759008713,
2974
+ "grad_norm": 12.579913013442551,
2975
+ "learning_rate": 1.832953716193804e-05,
2976
+ "loss": 0.3538,
2977
+ "step": 4240
2978
+ },
2979
+ {
2980
+ "epoch": 0.18608520513157317,
2981
+ "grad_norm": 10.7018660870028,
2982
+ "learning_rate": 1.8325114437982353e-05,
2983
+ "loss": 0.3401,
2984
+ "step": 4250
2985
+ },
2986
+ {
2987
+ "epoch": 0.18652305267305924,
2988
+ "grad_norm": 7.833366421027678,
2989
+ "learning_rate": 1.832069171402667e-05,
2990
+ "loss": 0.4208,
2991
+ "step": 4260
2992
+ },
2993
+ {
2994
+ "epoch": 0.18696090021454528,
2995
+ "grad_norm": 13.791401625254139,
2996
+ "learning_rate": 1.8316268990070986e-05,
2997
+ "loss": 0.3355,
2998
+ "step": 4270
2999
+ },
3000
+ {
3001
+ "epoch": 0.18739874775603135,
3002
+ "grad_norm": 15.146634353101764,
3003
+ "learning_rate": 1.8311846266115305e-05,
3004
+ "loss": 0.4045,
3005
+ "step": 4280
3006
+ },
3007
+ {
3008
+ "epoch": 0.1878365952975174,
3009
+ "grad_norm": 11.438151690151432,
3010
+ "learning_rate": 1.8307423542159616e-05,
3011
+ "loss": 0.392,
3012
+ "step": 4290
3013
+ },
3014
+ {
3015
+ "epoch": 0.18827444283900346,
3016
+ "grad_norm": 12.907194015301421,
3017
+ "learning_rate": 1.8303000818203934e-05,
3018
+ "loss": 0.4075,
3019
+ "step": 4300
3020
+ },
3021
+ {
3022
+ "epoch": 0.1887122903804895,
3023
+ "grad_norm": 13.004770430694967,
3024
+ "learning_rate": 1.829857809424825e-05,
3025
+ "loss": 0.3703,
3026
+ "step": 4310
3027
+ },
3028
+ {
3029
+ "epoch": 0.18915013792197558,
3030
+ "grad_norm": 13.767940400122603,
3031
+ "learning_rate": 1.8294155370292564e-05,
3032
+ "loss": 0.3479,
3033
+ "step": 4320
3034
+ },
3035
+ {
3036
+ "epoch": 0.18958798546346162,
3037
+ "grad_norm": 13.598058539546074,
3038
+ "learning_rate": 1.828973264633688e-05,
3039
+ "loss": 0.3426,
3040
+ "step": 4330
3041
+ },
3042
+ {
3043
+ "epoch": 0.1900258330049477,
3044
+ "grad_norm": 15.83770263349553,
3045
+ "learning_rate": 1.8285309922381197e-05,
3046
+ "loss": 0.3301,
3047
+ "step": 4340
3048
+ },
3049
+ {
3050
+ "epoch": 0.19046368054643373,
3051
+ "grad_norm": 9.739199794350526,
3052
+ "learning_rate": 1.8280887198425512e-05,
3053
+ "loss": 0.3444,
3054
+ "step": 4350
3055
+ },
3056
+ {
3057
+ "epoch": 0.1909015280879198,
3058
+ "grad_norm": 11.924698121670366,
3059
+ "learning_rate": 1.8276464474469827e-05,
3060
+ "loss": 0.3052,
3061
+ "step": 4360
3062
+ },
3063
+ {
3064
+ "epoch": 0.19133937562940584,
3065
+ "grad_norm": 12.922426444929348,
3066
+ "learning_rate": 1.8272041750514142e-05,
3067
+ "loss": 0.3838,
3068
+ "step": 4370
3069
+ },
3070
+ {
3071
+ "epoch": 0.1917772231708919,
3072
+ "grad_norm": 10.139430182884723,
3073
+ "learning_rate": 1.8267619026558457e-05,
3074
+ "loss": 0.339,
3075
+ "step": 4380
3076
+ },
3077
+ {
3078
+ "epoch": 0.19221507071237795,
3079
+ "grad_norm": 16.77456639919075,
3080
+ "learning_rate": 1.8263196302602775e-05,
3081
+ "loss": 0.3662,
3082
+ "step": 4390
3083
+ },
3084
+ {
3085
+ "epoch": 0.192652918253864,
3086
+ "grad_norm": 16.923778423361814,
3087
+ "learning_rate": 1.825877357864709e-05,
3088
+ "loss": 0.4345,
3089
+ "step": 4400
3090
+ },
3091
+ {
3092
+ "epoch": 0.19309076579535006,
3093
+ "grad_norm": 9.79791653342669,
3094
+ "learning_rate": 1.8254350854691405e-05,
3095
+ "loss": 0.374,
3096
+ "step": 4410
3097
+ },
3098
+ {
3099
+ "epoch": 0.1935286133368361,
3100
+ "grad_norm": 14.223990277487626,
3101
+ "learning_rate": 1.824992813073572e-05,
3102
+ "loss": 0.3418,
3103
+ "step": 4420
3104
+ },
3105
+ {
3106
+ "epoch": 0.19396646087832217,
3107
+ "grad_norm": 10.280657812067675,
3108
+ "learning_rate": 1.8245505406780038e-05,
3109
+ "loss": 0.4258,
3110
+ "step": 4430
3111
+ },
3112
+ {
3113
+ "epoch": 0.1944043084198082,
3114
+ "grad_norm": 11.454773579977681,
3115
+ "learning_rate": 1.8241082682824353e-05,
3116
+ "loss": 0.3558,
3117
+ "step": 4440
3118
+ },
3119
+ {
3120
+ "epoch": 0.19484215596129428,
3121
+ "grad_norm": 10.05797176474998,
3122
+ "learning_rate": 1.8236659958868668e-05,
3123
+ "loss": 0.4195,
3124
+ "step": 4450
3125
+ },
3126
+ {
3127
+ "epoch": 0.19528000350278032,
3128
+ "grad_norm": 17.413968742737737,
3129
+ "learning_rate": 1.8232237234912983e-05,
3130
+ "loss": 0.4842,
3131
+ "step": 4460
3132
+ },
3133
+ {
3134
+ "epoch": 0.1957178510442664,
3135
+ "grad_norm": 7.594947751878203,
3136
+ "learning_rate": 1.82278145109573e-05,
3137
+ "loss": 0.376,
3138
+ "step": 4470
3139
+ },
3140
+ {
3141
+ "epoch": 0.19615569858575244,
3142
+ "grad_norm": 7.752555917921395,
3143
+ "learning_rate": 1.8223391787001616e-05,
3144
+ "loss": 0.3874,
3145
+ "step": 4480
3146
+ },
3147
+ {
3148
+ "epoch": 0.1965935461272385,
3149
+ "grad_norm": 11.095188960924157,
3150
+ "learning_rate": 1.821896906304593e-05,
3151
+ "loss": 0.3199,
3152
+ "step": 4490
3153
+ },
3154
+ {
3155
+ "epoch": 0.19703139366872455,
3156
+ "grad_norm": 8.85243989748995,
3157
+ "learning_rate": 1.8214546339090246e-05,
3158
+ "loss": 0.3514,
3159
+ "step": 4500
3160
+ },
3161
+ {
3162
+ "epoch": 0.19746924121021062,
3163
+ "grad_norm": 10.110803517936658,
3164
+ "learning_rate": 1.8210123615134564e-05,
3165
+ "loss": 0.3794,
3166
+ "step": 4510
3167
+ },
3168
+ {
3169
+ "epoch": 0.19790708875169666,
3170
+ "grad_norm": 10.373451209228024,
3171
+ "learning_rate": 1.820570089117888e-05,
3172
+ "loss": 0.408,
3173
+ "step": 4520
3174
+ },
3175
+ {
3176
+ "epoch": 0.19834493629318273,
3177
+ "grad_norm": 13.162706254319437,
3178
+ "learning_rate": 1.8201278167223194e-05,
3179
+ "loss": 0.3425,
3180
+ "step": 4530
3181
+ },
3182
+ {
3183
+ "epoch": 0.19878278383466877,
3184
+ "grad_norm": 15.282957890404685,
3185
+ "learning_rate": 1.819685544326751e-05,
3186
+ "loss": 0.3852,
3187
+ "step": 4540
3188
+ },
3189
+ {
3190
+ "epoch": 0.1992206313761548,
3191
+ "grad_norm": 13.370558527120265,
3192
+ "learning_rate": 1.8192432719311827e-05,
3193
+ "loss": 0.3652,
3194
+ "step": 4550
3195
+ },
3196
+ {
3197
+ "epoch": 0.19965847891764088,
3198
+ "grad_norm": 10.259778080672527,
3199
+ "learning_rate": 1.8188009995356142e-05,
3200
+ "loss": 0.356,
3201
+ "step": 4560
3202
+ },
3203
+ {
3204
+ "epoch": 0.20009632645912692,
3205
+ "grad_norm": 10.736808667558975,
3206
+ "learning_rate": 1.8183587271400457e-05,
3207
+ "loss": 0.3329,
3208
+ "step": 4570
3209
+ },
3210
+ {
3211
+ "epoch": 0.200534174000613,
3212
+ "grad_norm": 8.501933158502284,
3213
+ "learning_rate": 1.817916454744477e-05,
3214
+ "loss": 0.3397,
3215
+ "step": 4580
3216
+ },
3217
+ {
3218
+ "epoch": 0.20097202154209903,
3219
+ "grad_norm": 28.24241657929224,
3220
+ "learning_rate": 1.8174741823489087e-05,
3221
+ "loss": 0.393,
3222
+ "step": 4590
3223
+ },
3224
+ {
3225
+ "epoch": 0.2014098690835851,
3226
+ "grad_norm": 13.727765781245198,
3227
+ "learning_rate": 1.8170319099533405e-05,
3228
+ "loss": 0.306,
3229
+ "step": 4600
3230
+ },
3231
+ {
3232
+ "epoch": 0.20184771662507114,
3233
+ "grad_norm": 9.98011595817274,
3234
+ "learning_rate": 1.816589637557772e-05,
3235
+ "loss": 0.3357,
3236
+ "step": 4610
3237
+ },
3238
+ {
3239
+ "epoch": 0.2022855641665572,
3240
+ "grad_norm": 10.817739639396102,
3241
+ "learning_rate": 1.8161473651622035e-05,
3242
+ "loss": 0.3352,
3243
+ "step": 4620
3244
+ },
3245
+ {
3246
+ "epoch": 0.20272341170804326,
3247
+ "grad_norm": 17.39150590199315,
3248
+ "learning_rate": 1.815705092766635e-05,
3249
+ "loss": 0.453,
3250
+ "step": 4630
3251
+ },
3252
+ {
3253
+ "epoch": 0.20316125924952932,
3254
+ "grad_norm": 15.480462835918628,
3255
+ "learning_rate": 1.8152628203710668e-05,
3256
+ "loss": 0.3469,
3257
+ "step": 4640
3258
+ },
3259
+ {
3260
+ "epoch": 0.20359910679101537,
3261
+ "grad_norm": 14.206320760863697,
3262
+ "learning_rate": 1.8148205479754983e-05,
3263
+ "loss": 0.3593,
3264
+ "step": 4650
3265
+ },
3266
+ {
3267
+ "epoch": 0.20403695433250144,
3268
+ "grad_norm": 10.767887226596823,
3269
+ "learning_rate": 1.8143782755799298e-05,
3270
+ "loss": 0.3401,
3271
+ "step": 4660
3272
+ },
3273
+ {
3274
+ "epoch": 0.20447480187398748,
3275
+ "grad_norm": 12.432796643275674,
3276
+ "learning_rate": 1.8139360031843613e-05,
3277
+ "loss": 0.3875,
3278
+ "step": 4670
3279
+ },
3280
+ {
3281
+ "epoch": 0.20491264941547352,
3282
+ "grad_norm": 9.006109071644179,
3283
+ "learning_rate": 1.813493730788793e-05,
3284
+ "loss": 0.3813,
3285
+ "step": 4680
3286
+ },
3287
+ {
3288
+ "epoch": 0.2053504969569596,
3289
+ "grad_norm": 15.616401442667728,
3290
+ "learning_rate": 1.8130514583932246e-05,
3291
+ "loss": 0.3465,
3292
+ "step": 4690
3293
+ },
3294
+ {
3295
+ "epoch": 0.20578834449844563,
3296
+ "grad_norm": 10.59820948899193,
3297
+ "learning_rate": 1.812609185997656e-05,
3298
+ "loss": 0.382,
3299
+ "step": 4700
3300
+ },
3301
+ {
3302
+ "epoch": 0.2062261920399317,
3303
+ "grad_norm": 14.208386612211477,
3304
+ "learning_rate": 1.8121669136020875e-05,
3305
+ "loss": 0.3476,
3306
+ "step": 4710
3307
+ },
3308
+ {
3309
+ "epoch": 0.20666403958141774,
3310
+ "grad_norm": 12.589160774020666,
3311
+ "learning_rate": 1.8117246412065194e-05,
3312
+ "loss": 0.3421,
3313
+ "step": 4720
3314
+ },
3315
+ {
3316
+ "epoch": 0.2071018871229038,
3317
+ "grad_norm": 7.568667332444265,
3318
+ "learning_rate": 1.811282368810951e-05,
3319
+ "loss": 0.3727,
3320
+ "step": 4730
3321
+ },
3322
+ {
3323
+ "epoch": 0.20753973466438985,
3324
+ "grad_norm": 10.812577263881279,
3325
+ "learning_rate": 1.8108400964153824e-05,
3326
+ "loss": 0.3881,
3327
+ "step": 4740
3328
+ },
3329
+ {
3330
+ "epoch": 0.20797758220587592,
3331
+ "grad_norm": 13.018455316703584,
3332
+ "learning_rate": 1.810397824019814e-05,
3333
+ "loss": 0.3337,
3334
+ "step": 4750
3335
+ },
3336
+ {
3337
+ "epoch": 0.20841542974736196,
3338
+ "grad_norm": 13.969299442144436,
3339
+ "learning_rate": 1.8099555516242457e-05,
3340
+ "loss": 0.4362,
3341
+ "step": 4760
3342
+ },
3343
+ {
3344
+ "epoch": 0.20885327728884803,
3345
+ "grad_norm": 14.510644097153572,
3346
+ "learning_rate": 1.809513279228677e-05,
3347
+ "loss": 0.3534,
3348
+ "step": 4770
3349
+ },
3350
+ {
3351
+ "epoch": 0.20929112483033407,
3352
+ "grad_norm": 6.43215364830629,
3353
+ "learning_rate": 1.8090710068331087e-05,
3354
+ "loss": 0.3813,
3355
+ "step": 4780
3356
+ },
3357
+ {
3358
+ "epoch": 0.20972897237182014,
3359
+ "grad_norm": 9.94692028441624,
3360
+ "learning_rate": 1.80862873443754e-05,
3361
+ "loss": 0.3787,
3362
+ "step": 4790
3363
+ },
3364
+ {
3365
+ "epoch": 0.21016681991330619,
3366
+ "grad_norm": 14.658374754366635,
3367
+ "learning_rate": 1.8081864620419716e-05,
3368
+ "loss": 0.332,
3369
+ "step": 4800
3370
+ },
3371
+ {
3372
+ "epoch": 0.21060466745479225,
3373
+ "grad_norm": 12.603661359425915,
3374
+ "learning_rate": 1.8077441896464035e-05,
3375
+ "loss": 0.5098,
3376
+ "step": 4810
3377
+ },
3378
+ {
3379
+ "epoch": 0.2110425149962783,
3380
+ "grad_norm": 8.069510317555627,
3381
+ "learning_rate": 1.807301917250835e-05,
3382
+ "loss": 0.3345,
3383
+ "step": 4820
3384
+ },
3385
+ {
3386
+ "epoch": 0.21148036253776434,
3387
+ "grad_norm": 15.50460058047792,
3388
+ "learning_rate": 1.8068596448552664e-05,
3389
+ "loss": 0.4389,
3390
+ "step": 4830
3391
+ },
3392
+ {
3393
+ "epoch": 0.2119182100792504,
3394
+ "grad_norm": 7.479416895287082,
3395
+ "learning_rate": 1.806417372459698e-05,
3396
+ "loss": 0.4058,
3397
+ "step": 4840
3398
+ },
3399
+ {
3400
+ "epoch": 0.21235605762073645,
3401
+ "grad_norm": 10.414700579430006,
3402
+ "learning_rate": 1.8059751000641298e-05,
3403
+ "loss": 0.3713,
3404
+ "step": 4850
3405
+ },
3406
+ {
3407
+ "epoch": 0.21279390516222252,
3408
+ "grad_norm": 11.290754293107446,
3409
+ "learning_rate": 1.8055328276685612e-05,
3410
+ "loss": 0.3759,
3411
+ "step": 4860
3412
+ },
3413
+ {
3414
+ "epoch": 0.21323175270370856,
3415
+ "grad_norm": 11.549866408859454,
3416
+ "learning_rate": 1.8050905552729927e-05,
3417
+ "loss": 0.3288,
3418
+ "step": 4870
3419
+ },
3420
+ {
3421
+ "epoch": 0.21366960024519463,
3422
+ "grad_norm": 18.046144465733533,
3423
+ "learning_rate": 1.8046482828774242e-05,
3424
+ "loss": 0.2962,
3425
+ "step": 4880
3426
+ },
3427
+ {
3428
+ "epoch": 0.21410744778668067,
3429
+ "grad_norm": 10.63709064776316,
3430
+ "learning_rate": 1.804206010481856e-05,
3431
+ "loss": 0.3126,
3432
+ "step": 4890
3433
+ },
3434
+ {
3435
+ "epoch": 0.21454529532816674,
3436
+ "grad_norm": 13.401948678962873,
3437
+ "learning_rate": 1.8037637380862875e-05,
3438
+ "loss": 0.335,
3439
+ "step": 4900
3440
+ },
3441
+ {
3442
+ "epoch": 0.21498314286965278,
3443
+ "grad_norm": 28.923645525898227,
3444
+ "learning_rate": 1.803321465690719e-05,
3445
+ "loss": 0.3323,
3446
+ "step": 4910
3447
+ },
3448
+ {
3449
+ "epoch": 0.21542099041113885,
3450
+ "grad_norm": 12.023966063146357,
3451
+ "learning_rate": 1.8028791932951505e-05,
3452
+ "loss": 0.3436,
3453
+ "step": 4920
3454
+ },
3455
+ {
3456
+ "epoch": 0.2158588379526249,
3457
+ "grad_norm": 16.66651723158919,
3458
+ "learning_rate": 1.8024369208995823e-05,
3459
+ "loss": 0.3434,
3460
+ "step": 4930
3461
+ },
3462
+ {
3463
+ "epoch": 0.21629668549411096,
3464
+ "grad_norm": 11.447028188385977,
3465
+ "learning_rate": 1.801994648504014e-05,
3466
+ "loss": 0.3734,
3467
+ "step": 4940
3468
+ },
3469
+ {
3470
+ "epoch": 0.216734533035597,
3471
+ "grad_norm": 9.454223770724575,
3472
+ "learning_rate": 1.8015523761084453e-05,
3473
+ "loss": 0.3928,
3474
+ "step": 4950
3475
+ },
3476
+ {
3477
+ "epoch": 0.21717238057708305,
3478
+ "grad_norm": 8.902373316783942,
3479
+ "learning_rate": 1.8011101037128768e-05,
3480
+ "loss": 0.3856,
3481
+ "step": 4960
3482
+ },
3483
+ {
3484
+ "epoch": 0.21761022811856912,
3485
+ "grad_norm": 18.191989619833368,
3486
+ "learning_rate": 1.8006678313173086e-05,
3487
+ "loss": 0.4122,
3488
+ "step": 4970
3489
+ },
3490
+ {
3491
+ "epoch": 0.21804807566005516,
3492
+ "grad_norm": 10.46306034169101,
3493
+ "learning_rate": 1.80022555892174e-05,
3494
+ "loss": 0.3303,
3495
+ "step": 4980
3496
+ },
3497
+ {
3498
+ "epoch": 0.21848592320154123,
3499
+ "grad_norm": 14.018809081253679,
3500
+ "learning_rate": 1.7997832865261716e-05,
3501
+ "loss": 0.3167,
3502
+ "step": 4990
3503
+ },
3504
+ {
3505
+ "epoch": 0.21892377074302727,
3506
+ "grad_norm": 9.557186071382484,
3507
+ "learning_rate": 1.799341014130603e-05,
3508
+ "loss": 0.4131,
3509
+ "step": 5000
3510
+ }
3511
+ ],
3512
+ "logging_steps": 10,
3513
+ "max_steps": 45678,
3514
+ "num_input_tokens_seen": 0,
3515
+ "num_train_epochs": 2,
3516
+ "save_steps": 5000,
3517
+ "stateful_callbacks": {
3518
+ "TrainerControl": {
3519
+ "args": {
3520
+ "should_epoch_stop": false,
3521
+ "should_evaluate": false,
3522
+ "should_log": false,
3523
+ "should_save": true,
3524
+ "should_training_stop": false
3525
+ },
3526
+ "attributes": {}
3527
+ }
3528
+ },
3529
+ "total_flos": 0.0,
3530
+ "train_batch_size": 16,
3531
+ "trial_name": null,
3532
+ "trial_params": null
3533
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:97bb877cd869e51d00556636e5c7bff4145f01b50e5552af287b5d3619ff59fd
3
+ size 7096