{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 2.9333333333333336,
  "eval_steps": 500,
  "global_step": 54,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 4.666506767272949,
      "learning_rate": 2e-05,
      "loss": 1.292,
      "step": 1
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 7.47365140914917,
      "learning_rate": 4e-05,
      "loss": 1.7001,
      "step": 2
    },
    {
      "epoch": 0.16,
      "grad_norm": 5.822547435760498,
      "learning_rate": 6e-05,
      "loss": 1.5635,
      "step": 3
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 5.696200370788574,
      "learning_rate": 8e-05,
      "loss": 1.5232,
      "step": 4
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 6.368800640106201,
      "learning_rate": 0.0001,
      "loss": 1.6976,
      "step": 5
    },
    {
      "epoch": 0.32,
      "grad_norm": 5.016761779785156,
      "learning_rate": 0.00012,
      "loss": 1.2749,
      "step": 6
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 4.986789703369141,
      "learning_rate": 0.00014,
      "loss": 1.1729,
      "step": 7
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 4.382698059082031,
      "learning_rate": 0.00016,
      "loss": 0.8026,
      "step": 8
    },
    {
      "epoch": 0.48,
      "grad_norm": 4.508045196533203,
      "learning_rate": 0.00018,
      "loss": 0.5936,
      "step": 9
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 3.433337688446045,
      "learning_rate": 0.0002,
      "loss": 0.31,
      "step": 10
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 28.188095092773438,
      "learning_rate": 0.0001999229036240723,
      "loss": 0.2593,
      "step": 11
    },
    {
      "epoch": 0.64,
      "grad_norm": 12.629283905029297,
      "learning_rate": 0.0001996917333733128,
      "loss": 0.2529,
      "step": 12
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 8.236252784729004,
      "learning_rate": 0.00019930684569549264,
      "loss": 0.124,
      "step": 13
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 6.509011268615723,
      "learning_rate": 0.00019876883405951377,
      "loss": 0.1231,
      "step": 14
    },
    {
      "epoch": 0.8,
      "grad_norm": 5.940812110900879,
      "learning_rate": 0.00019807852804032305,
      "loss": 0.2561,
      "step": 15
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 2.8804972171783447,
      "learning_rate": 0.00019723699203976766,
      "loss": 0.0935,
      "step": 16
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 1.605584979057312,
      "learning_rate": 0.00019624552364536473,
      "loss": 0.0779,
      "step": 17
    },
    {
      "epoch": 0.96,
      "grad_norm": 10.454480171203613,
      "learning_rate": 0.00019510565162951537,
      "loss": 0.2176,
      "step": 18
    },
    {
      "epoch": 1.04,
      "grad_norm": 15.712906837463379,
      "learning_rate": 0.00019381913359224842,
      "loss": 0.2194,
      "step": 19
    },
    {
      "epoch": 1.0933333333333333,
      "grad_norm": 3.0404889583587646,
      "learning_rate": 0.0001923879532511287,
      "loss": 0.0467,
      "step": 20
    },
    {
      "epoch": 1.1466666666666667,
      "grad_norm": 2.7410025596618652,
      "learning_rate": 0.00019081431738250814,
      "loss": 0.0759,
      "step": 21
    },
    {
      "epoch": 1.2,
      "grad_norm": 1.3956505060195923,
      "learning_rate": 0.0001891006524188368,
      "loss": 0.0991,
      "step": 22
    },
    {
      "epoch": 1.2533333333333334,
      "grad_norm": 2.4015591144561768,
      "learning_rate": 0.00018724960070727972,
      "loss": 0.1033,
      "step": 23
    },
    {
      "epoch": 1.3066666666666666,
      "grad_norm": 0.7280605435371399,
      "learning_rate": 0.00018526401643540922,
      "loss": 0.0451,
      "step": 24
    },
    {
      "epoch": 1.3599999999999999,
      "grad_norm": 0.6601844429969788,
      "learning_rate": 0.00018314696123025454,
      "loss": 0.0355,
      "step": 25
    },
    {
      "epoch": 1.4133333333333333,
      "grad_norm": 3.139280319213867,
      "learning_rate": 0.00018090169943749476,
      "loss": 0.1026,
      "step": 26
    },
    {
      "epoch": 1.4666666666666668,
      "grad_norm": 1.7711118459701538,
      "learning_rate": 0.00017853169308807448,
      "loss": 0.0465,
      "step": 27
    },
    {
      "epoch": 1.52,
      "grad_norm": 3.4875471591949463,
      "learning_rate": 0.0001760405965600031,
      "loss": 0.0593,
      "step": 28
    },
    {
      "epoch": 1.5733333333333333,
      "grad_norm": 0.6932216286659241,
      "learning_rate": 0.00017343225094356855,
      "loss": 0.0367,
      "step": 29
    },
    {
      "epoch": 1.6266666666666667,
      "grad_norm": 0.7455563545227051,
      "learning_rate": 0.00017071067811865476,
      "loss": 0.0504,
      "step": 30
    },
    {
      "epoch": 1.6800000000000002,
      "grad_norm": 0.5182009935379028,
      "learning_rate": 0.0001678800745532942,
      "loss": 0.0498,
      "step": 31
    },
    {
      "epoch": 1.7333333333333334,
      "grad_norm": 0.4234088063240051,
      "learning_rate": 0.00016494480483301836,
      "loss": 0.0339,
      "step": 32
    },
    {
      "epoch": 1.7866666666666666,
      "grad_norm": 0.7142859697341919,
      "learning_rate": 0.00016190939493098344,
      "loss": 0.0437,
      "step": 33
    },
    {
      "epoch": 1.8399999999999999,
      "grad_norm": 0.6082444787025452,
      "learning_rate": 0.00015877852522924732,
      "loss": 0.0497,
      "step": 34
    },
    {
      "epoch": 1.8933333333333333,
      "grad_norm": 4.673405170440674,
      "learning_rate": 0.00015555702330196023,
      "loss": 0.0375,
      "step": 35
    },
    {
      "epoch": 1.9466666666666668,
      "grad_norm": 1.5520739555358887,
      "learning_rate": 0.0001522498564715949,
      "loss": 0.1006,
      "step": 36
    },
    {
      "epoch": 2.026666666666667,
      "grad_norm": 2.047563076019287,
      "learning_rate": 0.00014886212414969553,
      "loss": 0.0872,
      "step": 37
    },
    {
      "epoch": 2.08,
      "grad_norm": 3.987710952758789,
      "learning_rate": 0.00014539904997395468,
      "loss": 0.0728,
      "step": 38
    },
    {
      "epoch": 2.1333333333333333,
      "grad_norm": 0.30054906010627747,
      "learning_rate": 0.0001418659737537428,
      "loss": 0.0322,
      "step": 39
    },
    {
      "epoch": 2.1866666666666665,
      "grad_norm": 0.503038227558136,
      "learning_rate": 0.000138268343236509,
      "loss": 0.0325,
      "step": 40
    },
    {
      "epoch": 2.24,
      "grad_norm": 0.7160049080848694,
      "learning_rate": 0.0001346117057077493,
      "loss": 0.0383,
      "step": 41
    },
    {
      "epoch": 2.2933333333333334,
      "grad_norm": 0.3441831171512604,
      "learning_rate": 0.00013090169943749476,
      "loss": 0.0395,
      "step": 42
    },
    {
      "epoch": 2.3466666666666667,
      "grad_norm": 0.6901854276657104,
      "learning_rate": 0.00012714404498650743,
      "loss": 0.0338,
      "step": 43
    },
    {
      "epoch": 2.4,
      "grad_norm": 0.7378256916999817,
      "learning_rate": 0.00012334453638559057,
      "loss": 0.0372,
      "step": 44
    },
    {
      "epoch": 2.453333333333333,
      "grad_norm": 0.38442283868789673,
      "learning_rate": 0.00011950903220161285,
      "loss": 0.0323,
      "step": 45
    },
    {
      "epoch": 2.506666666666667,
      "grad_norm": 0.4554055333137512,
      "learning_rate": 0.0001156434465040231,
      "loss": 0.0408,
      "step": 46
    },
    {
      "epoch": 2.56,
      "grad_norm": 0.3607599437236786,
      "learning_rate": 0.00011175373974578378,
      "loss": 0.0274,
      "step": 47
    },
    {
      "epoch": 2.6133333333333333,
      "grad_norm": 0.5390778183937073,
      "learning_rate": 0.0001078459095727845,
      "loss": 0.0296,
      "step": 48
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.7152863144874573,
      "learning_rate": 0.00010392598157590688,
      "loss": 0.0466,
      "step": 49
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 1.0252915620803833,
      "learning_rate": 0.0001,
      "loss": 0.0605,
      "step": 50
    },
    {
      "epoch": 2.7733333333333334,
      "grad_norm": 4.168819904327393,
      "learning_rate": 9.607401842409317e-05,
      "loss": 0.0548,
      "step": 51
    },
    {
      "epoch": 2.8266666666666667,
      "grad_norm": 0.3980584740638733,
      "learning_rate": 9.215409042721552e-05,
      "loss": 0.0248,
      "step": 52
    },
    {
      "epoch": 2.88,
      "grad_norm": 0.2687112092971802,
      "learning_rate": 8.824626025421626e-05,
      "loss": 0.0316,
      "step": 53
    },
    {
      "epoch": 2.9333333333333336,
      "grad_norm": 0.3823045492172241,
      "learning_rate": 8.435655349597689e-05,
      "loss": 0.0263,
      "step": 54
    }
  ],
  "logging_steps": 1,
  "max_steps": 90,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 5,
  "save_steps": 18,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 1.7927192902945997e+17,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}