andstor's picture
Add models
8d58ecb
{
"best_metric": null,
"best_model_checkpoint": null,
"epoch": 3.0,
"eval_steps": 500,
"global_step": 1350,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0.0022222222222222222,
"grad_norm": 0.06687259674072266,
"learning_rate": 2.222222222222222e-06,
"loss": 0.6478,
"step": 1
},
{
"epoch": 0.0044444444444444444,
"grad_norm": 0.08385849744081497,
"learning_rate": 4.444444444444444e-06,
"loss": 0.6389,
"step": 2
},
{
"epoch": 0.006666666666666667,
"grad_norm": 0.06483206152915955,
"learning_rate": 6.666666666666667e-06,
"loss": 0.6552,
"step": 3
},
{
"epoch": 0.008888888888888889,
"grad_norm": 0.06315144151449203,
"learning_rate": 8.888888888888888e-06,
"loss": 0.8175,
"step": 4
},
{
"epoch": 0.011111111111111112,
"grad_norm": 0.06796158105134964,
"learning_rate": 1.111111111111111e-05,
"loss": 0.6561,
"step": 5
},
{
"epoch": 0.013333333333333334,
"grad_norm": 0.0593683160841465,
"learning_rate": 1.3333333333333333e-05,
"loss": 0.6677,
"step": 6
},
{
"epoch": 0.015555555555555555,
"grad_norm": 0.0792003720998764,
"learning_rate": 1.5555555555555555e-05,
"loss": 0.782,
"step": 7
},
{
"epoch": 0.017777777777777778,
"grad_norm": 0.0665215253829956,
"learning_rate": 1.7777777777777777e-05,
"loss": 0.752,
"step": 8
},
{
"epoch": 0.02,
"grad_norm": 0.07640073448419571,
"learning_rate": 1.9999999999999998e-05,
"loss": 0.7552,
"step": 9
},
{
"epoch": 0.022222222222222223,
"grad_norm": 0.11807028204202652,
"learning_rate": 2.222222222222222e-05,
"loss": 0.8112,
"step": 10
},
{
"epoch": 0.024444444444444446,
"grad_norm": 0.08529076725244522,
"learning_rate": 2.4444444444444445e-05,
"loss": 0.8115,
"step": 11
},
{
"epoch": 0.02666666666666667,
"grad_norm": 0.09069886803627014,
"learning_rate": 2.6666666666666667e-05,
"loss": 0.7827,
"step": 12
},
{
"epoch": 0.028888888888888888,
"grad_norm": 0.08439790457487106,
"learning_rate": 2.8888888888888885e-05,
"loss": 0.6591,
"step": 13
},
{
"epoch": 0.03111111111111111,
"grad_norm": 0.049057431519031525,
"learning_rate": 3.111111111111111e-05,
"loss": 0.4825,
"step": 14
},
{
"epoch": 0.03333333333333333,
"grad_norm": 0.06010900437831879,
"learning_rate": 3.333333333333333e-05,
"loss": 0.6372,
"step": 15
},
{
"epoch": 0.035555555555555556,
"grad_norm": 0.09451697021722794,
"learning_rate": 3.555555555555555e-05,
"loss": 0.7133,
"step": 16
},
{
"epoch": 0.03777777777777778,
"grad_norm": 0.10815142095088959,
"learning_rate": 3.777777777777777e-05,
"loss": 0.9101,
"step": 17
},
{
"epoch": 0.04,
"grad_norm": 0.08878195285797119,
"learning_rate": 3.9999999999999996e-05,
"loss": 0.695,
"step": 18
},
{
"epoch": 0.042222222222222223,
"grad_norm": 0.13616155087947845,
"learning_rate": 4.222222222222222e-05,
"loss": 0.8215,
"step": 19
},
{
"epoch": 0.044444444444444446,
"grad_norm": 0.07087361067533493,
"learning_rate": 4.444444444444444e-05,
"loss": 0.7639,
"step": 20
},
{
"epoch": 0.04666666666666667,
"grad_norm": 0.07879175245761871,
"learning_rate": 4.6666666666666665e-05,
"loss": 0.6547,
"step": 21
},
{
"epoch": 0.04888888888888889,
"grad_norm": 0.08119899034500122,
"learning_rate": 4.888888888888889e-05,
"loss": 0.69,
"step": 22
},
{
"epoch": 0.051111111111111114,
"grad_norm": 0.05957357957959175,
"learning_rate": 5.111111111111111e-05,
"loss": 0.5669,
"step": 23
},
{
"epoch": 0.05333333333333334,
"grad_norm": 0.08532346785068512,
"learning_rate": 5.333333333333333e-05,
"loss": 0.6756,
"step": 24
},
{
"epoch": 0.05555555555555555,
"grad_norm": 0.10510731488466263,
"learning_rate": 5.5555555555555545e-05,
"loss": 0.7982,
"step": 25
},
{
"epoch": 0.057777777777777775,
"grad_norm": 0.09259792417287827,
"learning_rate": 5.777777777777777e-05,
"loss": 0.7915,
"step": 26
},
{
"epoch": 0.06,
"grad_norm": 0.2204543501138687,
"learning_rate": 5.9999999999999995e-05,
"loss": 0.7374,
"step": 27
},
{
"epoch": 0.06222222222222222,
"grad_norm": 0.0847523957490921,
"learning_rate": 6.222222222222222e-05,
"loss": 0.7315,
"step": 28
},
{
"epoch": 0.06444444444444444,
"grad_norm": 0.06072792410850525,
"learning_rate": 6.444444444444444e-05,
"loss": 0.6173,
"step": 29
},
{
"epoch": 0.06666666666666667,
"grad_norm": 0.08779124915599823,
"learning_rate": 6.666666666666666e-05,
"loss": 0.7824,
"step": 30
},
{
"epoch": 0.06888888888888889,
"grad_norm": 0.07153160125017166,
"learning_rate": 6.888888888888888e-05,
"loss": 0.7171,
"step": 31
},
{
"epoch": 0.07111111111111111,
"grad_norm": 0.06395824253559113,
"learning_rate": 7.11111111111111e-05,
"loss": 0.7462,
"step": 32
},
{
"epoch": 0.07333333333333333,
"grad_norm": 0.08911176025867462,
"learning_rate": 7.333333333333332e-05,
"loss": 0.6821,
"step": 33
},
{
"epoch": 0.07555555555555556,
"grad_norm": 0.0638173520565033,
"learning_rate": 7.555555555555554e-05,
"loss": 0.6373,
"step": 34
},
{
"epoch": 0.07777777777777778,
"grad_norm": 0.07565649598836899,
"learning_rate": 7.777777777777777e-05,
"loss": 0.7063,
"step": 35
},
{
"epoch": 0.08,
"grad_norm": 0.05962090566754341,
"learning_rate": 7.999999999999999e-05,
"loss": 0.5242,
"step": 36
},
{
"epoch": 0.08222222222222222,
"grad_norm": 0.09105438739061356,
"learning_rate": 8.222222222222222e-05,
"loss": 0.7797,
"step": 37
},
{
"epoch": 0.08444444444444445,
"grad_norm": 0.06883728504180908,
"learning_rate": 8.444444444444444e-05,
"loss": 0.6209,
"step": 38
},
{
"epoch": 0.08666666666666667,
"grad_norm": 0.09342409670352936,
"learning_rate": 8.666666666666665e-05,
"loss": 0.7694,
"step": 39
},
{
"epoch": 0.08888888888888889,
"grad_norm": 0.045902229845523834,
"learning_rate": 8.888888888888888e-05,
"loss": 0.6035,
"step": 40
},
{
"epoch": 0.09111111111111111,
"grad_norm": 0.0726340040564537,
"learning_rate": 9.11111111111111e-05,
"loss": 0.7127,
"step": 41
},
{
"epoch": 0.09333333333333334,
"grad_norm": 0.08810717612504959,
"learning_rate": 9.333333333333333e-05,
"loss": 0.838,
"step": 42
},
{
"epoch": 0.09555555555555556,
"grad_norm": 0.08479885011911392,
"learning_rate": 9.555555555555555e-05,
"loss": 0.8645,
"step": 43
},
{
"epoch": 0.09777777777777778,
"grad_norm": 0.06431703269481659,
"learning_rate": 9.777777777777778e-05,
"loss": 0.8542,
"step": 44
},
{
"epoch": 0.1,
"grad_norm": 0.07358094304800034,
"learning_rate": 9.999999999999999e-05,
"loss": 0.7753,
"step": 45
},
{
"epoch": 0.10222222222222223,
"grad_norm": 0.09305302053689957,
"learning_rate": 0.00010222222222222222,
"loss": 0.6795,
"step": 46
},
{
"epoch": 0.10444444444444445,
"grad_norm": 0.08080010116100311,
"learning_rate": 0.00010444444444444444,
"loss": 0.5749,
"step": 47
},
{
"epoch": 0.10666666666666667,
"grad_norm": 0.06824497878551483,
"learning_rate": 0.00010666666666666667,
"loss": 0.6968,
"step": 48
},
{
"epoch": 0.10888888888888888,
"grad_norm": 0.09318830817937851,
"learning_rate": 0.00010888888888888889,
"loss": 0.7178,
"step": 49
},
{
"epoch": 0.1111111111111111,
"grad_norm": 0.07186290621757507,
"learning_rate": 0.00011111111111111109,
"loss": 0.742,
"step": 50
},
{
"epoch": 0.11333333333333333,
"grad_norm": 0.07324495166540146,
"learning_rate": 0.00011333333333333331,
"loss": 0.6345,
"step": 51
},
{
"epoch": 0.11555555555555555,
"grad_norm": 0.06657472252845764,
"learning_rate": 0.00011555555555555554,
"loss": 0.62,
"step": 52
},
{
"epoch": 0.11777777777777777,
"grad_norm": 0.06139868125319481,
"learning_rate": 0.00011777777777777776,
"loss": 0.7513,
"step": 53
},
{
"epoch": 0.12,
"grad_norm": 0.06240592524409294,
"learning_rate": 0.00011999999999999999,
"loss": 0.6174,
"step": 54
},
{
"epoch": 0.12222222222222222,
"grad_norm": 0.07715508341789246,
"learning_rate": 0.00012222222222222221,
"loss": 0.8125,
"step": 55
},
{
"epoch": 0.12444444444444444,
"grad_norm": 0.0686756893992424,
"learning_rate": 0.00012444444444444444,
"loss": 0.5399,
"step": 56
},
{
"epoch": 0.12666666666666668,
"grad_norm": 0.07324881106615067,
"learning_rate": 0.00012666666666666666,
"loss": 0.6211,
"step": 57
},
{
"epoch": 0.1288888888888889,
"grad_norm": 0.08367079496383667,
"learning_rate": 0.0001288888888888889,
"loss": 0.6632,
"step": 58
},
{
"epoch": 0.13111111111111112,
"grad_norm": 0.06640663743019104,
"learning_rate": 0.00013111111111111111,
"loss": 0.6054,
"step": 59
},
{
"epoch": 0.13333333333333333,
"grad_norm": 0.06046535447239876,
"learning_rate": 0.0001333333333333333,
"loss": 0.7288,
"step": 60
},
{
"epoch": 0.13555555555555557,
"grad_norm": 0.06970898061990738,
"learning_rate": 0.00013555555555555554,
"loss": 0.7491,
"step": 61
},
{
"epoch": 0.13777777777777778,
"grad_norm": 0.06068103015422821,
"learning_rate": 0.00013777777777777776,
"loss": 0.6525,
"step": 62
},
{
"epoch": 0.14,
"grad_norm": 0.08266304433345795,
"learning_rate": 0.00014,
"loss": 0.7896,
"step": 63
},
{
"epoch": 0.14222222222222222,
"grad_norm": 0.05625743046402931,
"learning_rate": 0.0001422222222222222,
"loss": 0.6877,
"step": 64
},
{
"epoch": 0.14444444444444443,
"grad_norm": 0.06797035783529282,
"learning_rate": 0.0001444444444444444,
"loss": 0.6664,
"step": 65
},
{
"epoch": 0.14666666666666667,
"grad_norm": 0.06103198602795601,
"learning_rate": 0.00014666666666666664,
"loss": 0.7097,
"step": 66
},
{
"epoch": 0.14888888888888888,
"grad_norm": 0.0863097533583641,
"learning_rate": 0.00014888888888888886,
"loss": 0.8366,
"step": 67
},
{
"epoch": 0.1511111111111111,
"grad_norm": 0.04689197614789009,
"learning_rate": 0.00015111111111111109,
"loss": 0.6539,
"step": 68
},
{
"epoch": 0.15333333333333332,
"grad_norm": 0.08514045178890228,
"learning_rate": 0.0001533333333333333,
"loss": 0.8184,
"step": 69
},
{
"epoch": 0.15555555555555556,
"grad_norm": 0.06352313607931137,
"learning_rate": 0.00015555555555555554,
"loss": 0.735,
"step": 70
},
{
"epoch": 0.15777777777777777,
"grad_norm": 0.05917006731033325,
"learning_rate": 0.00015777777777777776,
"loss": 0.6767,
"step": 71
},
{
"epoch": 0.16,
"grad_norm": 0.07596120238304138,
"learning_rate": 0.00015999999999999999,
"loss": 0.6356,
"step": 72
},
{
"epoch": 0.1622222222222222,
"grad_norm": 0.07308676093816757,
"learning_rate": 0.0001622222222222222,
"loss": 0.7718,
"step": 73
},
{
"epoch": 0.16444444444444445,
"grad_norm": 0.06971703469753265,
"learning_rate": 0.00016444444444444444,
"loss": 0.7646,
"step": 74
},
{
"epoch": 0.16666666666666666,
"grad_norm": 0.06212179735302925,
"learning_rate": 0.00016666666666666666,
"loss": 0.607,
"step": 75
},
{
"epoch": 0.1688888888888889,
"grad_norm": 0.08927149325609207,
"learning_rate": 0.00016888888888888889,
"loss": 0.838,
"step": 76
},
{
"epoch": 0.1711111111111111,
"grad_norm": 0.12827588617801666,
"learning_rate": 0.0001711111111111111,
"loss": 0.7376,
"step": 77
},
{
"epoch": 0.17333333333333334,
"grad_norm": 0.06566973775625229,
"learning_rate": 0.0001733333333333333,
"loss": 0.6345,
"step": 78
},
{
"epoch": 0.17555555555555555,
"grad_norm": 0.07192882150411606,
"learning_rate": 0.00017555555555555553,
"loss": 0.8029,
"step": 79
},
{
"epoch": 0.17777777777777778,
"grad_norm": 0.04837195575237274,
"learning_rate": 0.00017777777777777776,
"loss": 0.6689,
"step": 80
},
{
"epoch": 0.18,
"grad_norm": 0.1018751710653305,
"learning_rate": 0.00017999999999999998,
"loss": 0.6286,
"step": 81
},
{
"epoch": 0.18222222222222223,
"grad_norm": 0.05638294294476509,
"learning_rate": 0.0001822222222222222,
"loss": 0.5445,
"step": 82
},
{
"epoch": 0.18444444444444444,
"grad_norm": 0.05647343024611473,
"learning_rate": 0.00018444444444444443,
"loss": 0.6552,
"step": 83
},
{
"epoch": 0.18666666666666668,
"grad_norm": 0.07809357345104218,
"learning_rate": 0.00018666666666666666,
"loss": 0.722,
"step": 84
},
{
"epoch": 0.18888888888888888,
"grad_norm": 0.06055169925093651,
"learning_rate": 0.00018888888888888888,
"loss": 0.8052,
"step": 85
},
{
"epoch": 0.19111111111111112,
"grad_norm": 0.05945683270692825,
"learning_rate": 0.0001911111111111111,
"loss": 0.7048,
"step": 86
},
{
"epoch": 0.19333333333333333,
"grad_norm": 0.07493992894887924,
"learning_rate": 0.00019333333333333333,
"loss": 0.8066,
"step": 87
},
{
"epoch": 0.19555555555555557,
"grad_norm": 0.07349304109811783,
"learning_rate": 0.00019555555555555556,
"loss": 0.6287,
"step": 88
},
{
"epoch": 0.19777777777777777,
"grad_norm": 0.06694339215755463,
"learning_rate": 0.00019777777777777776,
"loss": 0.6973,
"step": 89
},
{
"epoch": 0.2,
"grad_norm": 0.06596689671278,
"learning_rate": 0.00019999999999999998,
"loss": 0.6139,
"step": 90
},
{
"epoch": 0.20222222222222222,
"grad_norm": 0.059765566140413284,
"learning_rate": 0.0002022222222222222,
"loss": 0.7106,
"step": 91
},
{
"epoch": 0.20444444444444446,
"grad_norm": 0.06259062141180038,
"learning_rate": 0.00020444444444444443,
"loss": 0.7255,
"step": 92
},
{
"epoch": 0.20666666666666667,
"grad_norm": 0.060403451323509216,
"learning_rate": 0.00020666666666666666,
"loss": 0.6794,
"step": 93
},
{
"epoch": 0.2088888888888889,
"grad_norm": 0.08180979639291763,
"learning_rate": 0.00020888888888888888,
"loss": 0.7074,
"step": 94
},
{
"epoch": 0.2111111111111111,
"grad_norm": 0.0711866170167923,
"learning_rate": 0.0002111111111111111,
"loss": 0.7665,
"step": 95
},
{
"epoch": 0.21333333333333335,
"grad_norm": 0.06080659106373787,
"learning_rate": 0.00021333333333333333,
"loss": 0.7143,
"step": 96
},
{
"epoch": 0.21555555555555556,
"grad_norm": 0.06005050614476204,
"learning_rate": 0.00021555555555555556,
"loss": 0.6225,
"step": 97
},
{
"epoch": 0.21777777777777776,
"grad_norm": 0.05671238526701927,
"learning_rate": 0.00021777777777777778,
"loss": 0.6115,
"step": 98
},
{
"epoch": 0.22,
"grad_norm": 0.04517147317528725,
"learning_rate": 0.00021999999999999995,
"loss": 0.6039,
"step": 99
},
{
"epoch": 0.2222222222222222,
"grad_norm": 0.06307649612426758,
"learning_rate": 0.00022222222222222218,
"loss": 0.6816,
"step": 100
},
{
"epoch": 0.22444444444444445,
"grad_norm": 0.08459043502807617,
"learning_rate": 0.0002244444444444444,
"loss": 0.742,
"step": 101
},
{
"epoch": 0.22666666666666666,
"grad_norm": 0.07087739557027817,
"learning_rate": 0.00022666666666666663,
"loss": 0.5635,
"step": 102
},
{
"epoch": 0.2288888888888889,
"grad_norm": 0.0924144759774208,
"learning_rate": 0.00022888888888888885,
"loss": 0.6658,
"step": 103
},
{
"epoch": 0.2311111111111111,
"grad_norm": 0.07960222661495209,
"learning_rate": 0.00023111111111111108,
"loss": 0.7541,
"step": 104
},
{
"epoch": 0.23333333333333334,
"grad_norm": 0.05279611423611641,
"learning_rate": 0.0002333333333333333,
"loss": 0.6112,
"step": 105
},
{
"epoch": 0.23555555555555555,
"grad_norm": 0.06858152151107788,
"learning_rate": 0.00023555555555555553,
"loss": 0.5877,
"step": 106
},
{
"epoch": 0.23777777777777778,
"grad_norm": 0.07217252254486084,
"learning_rate": 0.00023777777777777775,
"loss": 0.7188,
"step": 107
},
{
"epoch": 0.24,
"grad_norm": 0.06040087342262268,
"learning_rate": 0.00023999999999999998,
"loss": 0.7232,
"step": 108
},
{
"epoch": 0.24222222222222223,
"grad_norm": 0.07673678547143936,
"learning_rate": 0.0002422222222222222,
"loss": 0.6434,
"step": 109
},
{
"epoch": 0.24444444444444444,
"grad_norm": 0.04461099952459335,
"learning_rate": 0.00024444444444444443,
"loss": 0.539,
"step": 110
},
{
"epoch": 0.24666666666666667,
"grad_norm": 0.07912620157003403,
"learning_rate": 0.0002466666666666666,
"loss": 0.6223,
"step": 111
},
{
"epoch": 0.24888888888888888,
"grad_norm": 0.061267413198947906,
"learning_rate": 0.0002488888888888889,
"loss": 0.645,
"step": 112
},
{
"epoch": 0.2511111111111111,
"grad_norm": 0.05509350448846817,
"learning_rate": 0.0002511111111111111,
"loss": 0.5941,
"step": 113
},
{
"epoch": 0.25333333333333335,
"grad_norm": 0.07612048834562302,
"learning_rate": 0.00025333333333333333,
"loss": 0.7886,
"step": 114
},
{
"epoch": 0.25555555555555554,
"grad_norm": 0.045813750475645065,
"learning_rate": 0.00025555555555555553,
"loss": 0.5798,
"step": 115
},
{
"epoch": 0.2577777777777778,
"grad_norm": 0.07017998397350311,
"learning_rate": 0.0002577777777777778,
"loss": 0.664,
"step": 116
},
{
"epoch": 0.26,
"grad_norm": 0.059138622134923935,
"learning_rate": 0.00026,
"loss": 0.6002,
"step": 117
},
{
"epoch": 0.26222222222222225,
"grad_norm": 0.06197448447346687,
"learning_rate": 0.00026222222222222223,
"loss": 0.7018,
"step": 118
},
{
"epoch": 0.2644444444444444,
"grad_norm": 0.055604707449674606,
"learning_rate": 0.00026444444444444443,
"loss": 0.7665,
"step": 119
},
{
"epoch": 0.26666666666666666,
"grad_norm": 0.06360765546560287,
"learning_rate": 0.0002666666666666666,
"loss": 0.701,
"step": 120
},
{
"epoch": 0.2688888888888889,
"grad_norm": 0.06214721128344536,
"learning_rate": 0.0002688888888888889,
"loss": 0.567,
"step": 121
},
{
"epoch": 0.27111111111111114,
"grad_norm": 0.05708202347159386,
"learning_rate": 0.0002711111111111111,
"loss": 0.7378,
"step": 122
},
{
"epoch": 0.2733333333333333,
"grad_norm": 0.05343154817819595,
"learning_rate": 0.00027333333333333333,
"loss": 0.6234,
"step": 123
},
{
"epoch": 0.27555555555555555,
"grad_norm": 0.12749263644218445,
"learning_rate": 0.0002755555555555555,
"loss": 0.7841,
"step": 124
},
{
"epoch": 0.2777777777777778,
"grad_norm": 0.13472327589988708,
"learning_rate": 0.0002777777777777778,
"loss": 0.807,
"step": 125
},
{
"epoch": 0.28,
"grad_norm": 0.08000756055116653,
"learning_rate": 0.00028,
"loss": 0.8359,
"step": 126
},
{
"epoch": 0.2822222222222222,
"grad_norm": 0.057078856974840164,
"learning_rate": 0.00028222222222222223,
"loss": 0.6232,
"step": 127
},
{
"epoch": 0.28444444444444444,
"grad_norm": 0.07158028334379196,
"learning_rate": 0.0002844444444444444,
"loss": 0.517,
"step": 128
},
{
"epoch": 0.2866666666666667,
"grad_norm": 0.05929658189415932,
"learning_rate": 0.0002866666666666667,
"loss": 0.6644,
"step": 129
},
{
"epoch": 0.28888888888888886,
"grad_norm": 0.05705413967370987,
"learning_rate": 0.0002888888888888888,
"loss": 0.5647,
"step": 130
},
{
"epoch": 0.2911111111111111,
"grad_norm": 0.03960437327623367,
"learning_rate": 0.0002911111111111111,
"loss": 0.5516,
"step": 131
},
{
"epoch": 0.29333333333333333,
"grad_norm": 0.06845048069953918,
"learning_rate": 0.00029333333333333327,
"loss": 0.8321,
"step": 132
},
{
"epoch": 0.29555555555555557,
"grad_norm": 0.06761569529771805,
"learning_rate": 0.0002955555555555555,
"loss": 0.6994,
"step": 133
},
{
"epoch": 0.29777777777777775,
"grad_norm": 0.055330973118543625,
"learning_rate": 0.0002977777777777777,
"loss": 0.5582,
"step": 134
},
{
"epoch": 0.3,
"grad_norm": 0.06866293400526047,
"learning_rate": 0.0003,
"loss": 0.5497,
"step": 135
},
{
"epoch": 0.3022222222222222,
"grad_norm": 0.06994841247797012,
"learning_rate": 0.00029975308641975307,
"loss": 0.71,
"step": 136
},
{
"epoch": 0.30444444444444446,
"grad_norm": 0.061404068022966385,
"learning_rate": 0.00029950617283950616,
"loss": 0.7004,
"step": 137
},
{
"epoch": 0.30666666666666664,
"grad_norm": 0.08630826324224472,
"learning_rate": 0.00029925925925925926,
"loss": 0.685,
"step": 138
},
{
"epoch": 0.3088888888888889,
"grad_norm": 0.05255487933754921,
"learning_rate": 0.0002990123456790123,
"loss": 0.5405,
"step": 139
},
{
"epoch": 0.3111111111111111,
"grad_norm": 0.050141241401433945,
"learning_rate": 0.0002987654320987654,
"loss": 0.6132,
"step": 140
},
{
"epoch": 0.31333333333333335,
"grad_norm": 0.053194086998701096,
"learning_rate": 0.0002985185185185185,
"loss": 0.6057,
"step": 141
},
{
"epoch": 0.31555555555555553,
"grad_norm": 0.0686035305261612,
"learning_rate": 0.0002982716049382716,
"loss": 0.7368,
"step": 142
},
{
"epoch": 0.31777777777777777,
"grad_norm": 0.08060168474912643,
"learning_rate": 0.0002980246913580247,
"loss": 0.7203,
"step": 143
},
{
"epoch": 0.32,
"grad_norm": 0.06388822197914124,
"learning_rate": 0.0002977777777777777,
"loss": 0.6401,
"step": 144
},
{
"epoch": 0.32222222222222224,
"grad_norm": 0.08037619292736053,
"learning_rate": 0.00029753086419753087,
"loss": 0.5519,
"step": 145
},
{
"epoch": 0.3244444444444444,
"grad_norm": 0.05287360027432442,
"learning_rate": 0.0002972839506172839,
"loss": 0.634,
"step": 146
},
{
"epoch": 0.32666666666666666,
"grad_norm": 0.11447149515151978,
"learning_rate": 0.000297037037037037,
"loss": 0.6378,
"step": 147
},
{
"epoch": 0.3288888888888889,
"grad_norm": 0.052581414580345154,
"learning_rate": 0.0002967901234567901,
"loss": 0.6137,
"step": 148
},
{
"epoch": 0.33111111111111113,
"grad_norm": 0.05176948010921478,
"learning_rate": 0.0002965432098765432,
"loss": 0.6561,
"step": 149
},
{
"epoch": 0.3333333333333333,
"grad_norm": 0.06692127138376236,
"learning_rate": 0.00029629629629629624,
"loss": 0.7146,
"step": 150
},
{
"epoch": 0.33555555555555555,
"grad_norm": 0.060980744659900665,
"learning_rate": 0.00029604938271604933,
"loss": 0.6315,
"step": 151
},
{
"epoch": 0.3377777777777778,
"grad_norm": 0.057845454663038254,
"learning_rate": 0.0002958024691358025,
"loss": 0.586,
"step": 152
},
{
"epoch": 0.34,
"grad_norm": 0.05785061791539192,
"learning_rate": 0.0002955555555555555,
"loss": 0.6386,
"step": 153
},
{
"epoch": 0.3422222222222222,
"grad_norm": 0.07744596898555756,
"learning_rate": 0.0002953086419753086,
"loss": 0.7732,
"step": 154
},
{
"epoch": 0.34444444444444444,
"grad_norm": 0.051941994577646255,
"learning_rate": 0.0002950617283950617,
"loss": 0.5876,
"step": 155
},
{
"epoch": 0.3466666666666667,
"grad_norm": 0.05806094780564308,
"learning_rate": 0.0002948148148148148,
"loss": 0.7254,
"step": 156
},
{
"epoch": 0.3488888888888889,
"grad_norm": 0.06293324381113052,
"learning_rate": 0.00029456790123456785,
"loss": 0.7451,
"step": 157
},
{
"epoch": 0.3511111111111111,
"grad_norm": 0.0668523982167244,
"learning_rate": 0.00029432098765432095,
"loss": 0.5934,
"step": 158
},
{
"epoch": 0.35333333333333333,
"grad_norm": 0.07634396851062775,
"learning_rate": 0.00029407407407407404,
"loss": 0.7957,
"step": 159
},
{
"epoch": 0.35555555555555557,
"grad_norm": 0.07272932678461075,
"learning_rate": 0.00029382716049382714,
"loss": 0.6655,
"step": 160
},
{
"epoch": 0.35777777777777775,
"grad_norm": 0.059514183551073074,
"learning_rate": 0.00029358024691358023,
"loss": 0.6436,
"step": 161
},
{
"epoch": 0.36,
"grad_norm": 0.058966901153326035,
"learning_rate": 0.00029333333333333327,
"loss": 0.5661,
"step": 162
},
{
"epoch": 0.3622222222222222,
"grad_norm": 0.08566144853830338,
"learning_rate": 0.0002930864197530864,
"loss": 0.6154,
"step": 163
},
{
"epoch": 0.36444444444444446,
"grad_norm": 0.091421939432621,
"learning_rate": 0.00029283950617283946,
"loss": 0.7903,
"step": 164
},
{
"epoch": 0.36666666666666664,
"grad_norm": 0.06168731674551964,
"learning_rate": 0.00029259259259259256,
"loss": 0.6711,
"step": 165
},
{
"epoch": 0.3688888888888889,
"grad_norm": 0.0587494820356369,
"learning_rate": 0.00029234567901234565,
"loss": 0.6277,
"step": 166
},
{
"epoch": 0.3711111111111111,
"grad_norm": 0.05911793187260628,
"learning_rate": 0.00029209876543209875,
"loss": 0.6871,
"step": 167
},
{
"epoch": 0.37333333333333335,
"grad_norm": 0.06315206736326218,
"learning_rate": 0.00029185185185185184,
"loss": 0.6521,
"step": 168
},
{
"epoch": 0.37555555555555553,
"grad_norm": 0.07214728742837906,
"learning_rate": 0.0002916049382716049,
"loss": 0.6457,
"step": 169
},
{
"epoch": 0.37777777777777777,
"grad_norm": 0.058888014405965805,
"learning_rate": 0.000291358024691358,
"loss": 0.6962,
"step": 170
},
{
"epoch": 0.38,
"grad_norm": 0.05860765278339386,
"learning_rate": 0.0002911111111111111,
"loss": 0.6141,
"step": 171
},
{
"epoch": 0.38222222222222224,
"grad_norm": 0.04580352082848549,
"learning_rate": 0.00029086419753086417,
"loss": 0.6696,
"step": 172
},
{
"epoch": 0.3844444444444444,
"grad_norm": 0.0666603222489357,
"learning_rate": 0.00029061728395061726,
"loss": 0.6104,
"step": 173
},
{
"epoch": 0.38666666666666666,
"grad_norm": 0.05495892092585564,
"learning_rate": 0.00029037037037037036,
"loss": 0.6219,
"step": 174
},
{
"epoch": 0.3888888888888889,
"grad_norm": 0.05430325120687485,
"learning_rate": 0.00029012345679012345,
"loss": 0.6611,
"step": 175
},
{
"epoch": 0.39111111111111113,
"grad_norm": 0.06881535798311234,
"learning_rate": 0.0002898765432098765,
"loss": 0.686,
"step": 176
},
{
"epoch": 0.3933333333333333,
"grad_norm": 0.06852874904870987,
"learning_rate": 0.0002896296296296296,
"loss": 0.7312,
"step": 177
},
{
"epoch": 0.39555555555555555,
"grad_norm": 0.07395198196172714,
"learning_rate": 0.0002893827160493827,
"loss": 0.6799,
"step": 178
},
{
"epoch": 0.3977777777777778,
"grad_norm": 0.07263553887605667,
"learning_rate": 0.0002891358024691358,
"loss": 0.7232,
"step": 179
},
{
"epoch": 0.4,
"grad_norm": 0.05263182893395424,
"learning_rate": 0.0002888888888888888,
"loss": 0.5936,
"step": 180
},
{
"epoch": 0.4022222222222222,
"grad_norm": 0.047391194850206375,
"learning_rate": 0.00028864197530864197,
"loss": 0.5515,
"step": 181
},
{
"epoch": 0.40444444444444444,
"grad_norm": 0.056658029556274414,
"learning_rate": 0.00028839506172839507,
"loss": 0.6422,
"step": 182
},
{
"epoch": 0.4066666666666667,
"grad_norm": 0.053307462483644485,
"learning_rate": 0.0002881481481481481,
"loss": 0.6596,
"step": 183
},
{
"epoch": 0.4088888888888889,
"grad_norm": 0.05152831971645355,
"learning_rate": 0.0002879012345679012,
"loss": 0.6162,
"step": 184
},
{
"epoch": 0.4111111111111111,
"grad_norm": 0.05862154811620712,
"learning_rate": 0.0002876543209876543,
"loss": 0.6215,
"step": 185
},
{
"epoch": 0.41333333333333333,
"grad_norm": 0.05871991813182831,
"learning_rate": 0.0002874074074074074,
"loss": 0.6423,
"step": 186
},
{
"epoch": 0.41555555555555557,
"grad_norm": 0.0672457218170166,
"learning_rate": 0.00028716049382716043,
"loss": 0.6997,
"step": 187
},
{
"epoch": 0.4177777777777778,
"grad_norm": 0.059497442096471786,
"learning_rate": 0.00028691358024691353,
"loss": 0.7856,
"step": 188
},
{
"epoch": 0.42,
"grad_norm": 0.08486013859510422,
"learning_rate": 0.0002866666666666667,
"loss": 0.6585,
"step": 189
},
{
"epoch": 0.4222222222222222,
"grad_norm": 0.057826027274131775,
"learning_rate": 0.0002864197530864197,
"loss": 0.7507,
"step": 190
},
{
"epoch": 0.42444444444444446,
"grad_norm": 0.06144357845187187,
"learning_rate": 0.0002861728395061728,
"loss": 0.6617,
"step": 191
},
{
"epoch": 0.4266666666666667,
"grad_norm": 0.05544937029480934,
"learning_rate": 0.0002859259259259259,
"loss": 0.7459,
"step": 192
},
{
"epoch": 0.4288888888888889,
"grad_norm": 0.07672414183616638,
"learning_rate": 0.000285679012345679,
"loss": 0.7217,
"step": 193
},
{
"epoch": 0.4311111111111111,
"grad_norm": 0.07053379714488983,
"learning_rate": 0.00028543209876543204,
"loss": 0.7123,
"step": 194
},
{
"epoch": 0.43333333333333335,
"grad_norm": 0.05894757807254791,
"learning_rate": 0.00028518518518518514,
"loss": 0.6724,
"step": 195
},
{
"epoch": 0.43555555555555553,
"grad_norm": 0.06975255906581879,
"learning_rate": 0.00028493827160493824,
"loss": 0.6617,
"step": 196
},
{
"epoch": 0.43777777777777777,
"grad_norm": 0.06969016790390015,
"learning_rate": 0.00028469135802469133,
"loss": 0.6081,
"step": 197
},
{
"epoch": 0.44,
"grad_norm": 0.06051938980817795,
"learning_rate": 0.0002844444444444444,
"loss": 0.5882,
"step": 198
},
{
"epoch": 0.44222222222222224,
"grad_norm": 0.054278962314128876,
"learning_rate": 0.0002841975308641975,
"loss": 0.5356,
"step": 199
},
{
"epoch": 0.4444444444444444,
"grad_norm": 0.0599193349480629,
"learning_rate": 0.0002839506172839506,
"loss": 0.6907,
"step": 200
},
{
"epoch": 0.44666666666666666,
"grad_norm": 0.1046207845211029,
"learning_rate": 0.00028370370370370366,
"loss": 0.5205,
"step": 201
},
{
"epoch": 0.4488888888888889,
"grad_norm": 0.05720556154847145,
"learning_rate": 0.00028345679012345675,
"loss": 0.6213,
"step": 202
},
{
"epoch": 0.45111111111111113,
"grad_norm": 0.07286486029624939,
"learning_rate": 0.00028320987654320985,
"loss": 0.7178,
"step": 203
},
{
"epoch": 0.4533333333333333,
"grad_norm": 0.057378239929676056,
"learning_rate": 0.00028296296296296294,
"loss": 0.5544,
"step": 204
},
{
"epoch": 0.45555555555555555,
"grad_norm": 0.0836499035358429,
"learning_rate": 0.00028271604938271604,
"loss": 0.6861,
"step": 205
},
{
"epoch": 0.4577777777777778,
"grad_norm": 0.060671668499708176,
"learning_rate": 0.0002824691358024691,
"loss": 0.5515,
"step": 206
},
{
"epoch": 0.46,
"grad_norm": 0.0478038564324379,
"learning_rate": 0.00028222222222222223,
"loss": 0.4805,
"step": 207
},
{
"epoch": 0.4622222222222222,
"grad_norm": 0.05711014196276665,
"learning_rate": 0.00028197530864197527,
"loss": 0.6406,
"step": 208
},
{
"epoch": 0.46444444444444444,
"grad_norm": 0.06043294817209244,
"learning_rate": 0.00028172839506172836,
"loss": 0.7391,
"step": 209
},
{
"epoch": 0.4666666666666667,
"grad_norm": 0.046299222856760025,
"learning_rate": 0.00028148148148148146,
"loss": 0.5542,
"step": 210
},
{
"epoch": 0.4688888888888889,
"grad_norm": 0.08454018831253052,
"learning_rate": 0.00028123456790123455,
"loss": 0.6525,
"step": 211
},
{
"epoch": 0.4711111111111111,
"grad_norm": 0.050603095442056656,
"learning_rate": 0.00028098765432098765,
"loss": 0.5568,
"step": 212
},
{
"epoch": 0.47333333333333333,
"grad_norm": 0.052967581897974014,
"learning_rate": 0.0002807407407407407,
"loss": 0.6809,
"step": 213
},
{
"epoch": 0.47555555555555556,
"grad_norm": 0.05539657548069954,
"learning_rate": 0.0002804938271604938,
"loss": 0.5629,
"step": 214
},
{
"epoch": 0.4777777777777778,
"grad_norm": 0.05519342049956322,
"learning_rate": 0.0002802469135802469,
"loss": 0.5795,
"step": 215
},
{
"epoch": 0.48,
"grad_norm": 0.0779273733496666,
"learning_rate": 0.00028,
"loss": 0.7076,
"step": 216
},
{
"epoch": 0.4822222222222222,
"grad_norm": 0.047700658440589905,
"learning_rate": 0.00027975308641975307,
"loss": 0.5524,
"step": 217
},
{
"epoch": 0.48444444444444446,
"grad_norm": 0.05553275719285011,
"learning_rate": 0.00027950617283950617,
"loss": 0.5827,
"step": 218
},
{
"epoch": 0.4866666666666667,
"grad_norm": 0.04649887606501579,
"learning_rate": 0.00027925925925925926,
"loss": 0.6617,
"step": 219
},
{
"epoch": 0.4888888888888889,
"grad_norm": 0.0619090273976326,
"learning_rate": 0.0002790123456790123,
"loss": 0.8373,
"step": 220
},
{
"epoch": 0.4911111111111111,
"grad_norm": 0.06357704102993011,
"learning_rate": 0.0002787654320987654,
"loss": 0.5782,
"step": 221
},
{
"epoch": 0.49333333333333335,
"grad_norm": 0.06721944361925125,
"learning_rate": 0.0002785185185185185,
"loss": 0.5343,
"step": 222
},
{
"epoch": 0.4955555555555556,
"grad_norm": 0.0589229092001915,
"learning_rate": 0.0002782716049382716,
"loss": 0.6475,
"step": 223
},
{
"epoch": 0.49777777777777776,
"grad_norm": 0.04312542825937271,
"learning_rate": 0.00027802469135802463,
"loss": 0.5189,
"step": 224
},
{
"epoch": 0.5,
"grad_norm": 0.0846293643116951,
"learning_rate": 0.0002777777777777778,
"loss": 0.6499,
"step": 225
},
{
"epoch": 0.5022222222222222,
"grad_norm": 0.059431884437799454,
"learning_rate": 0.00027753086419753087,
"loss": 0.5793,
"step": 226
},
{
"epoch": 0.5044444444444445,
"grad_norm": 0.064137764275074,
"learning_rate": 0.0002772839506172839,
"loss": 0.7592,
"step": 227
},
{
"epoch": 0.5066666666666667,
"grad_norm": 0.06620758026838303,
"learning_rate": 0.000277037037037037,
"loss": 0.6093,
"step": 228
},
{
"epoch": 0.5088888888888888,
"grad_norm": 0.061502937227487564,
"learning_rate": 0.0002767901234567901,
"loss": 0.7111,
"step": 229
},
{
"epoch": 0.5111111111111111,
"grad_norm": 0.05012490227818489,
"learning_rate": 0.0002765432098765432,
"loss": 0.8083,
"step": 230
},
{
"epoch": 0.5133333333333333,
"grad_norm": 0.07317467033863068,
"learning_rate": 0.00027629629629629624,
"loss": 0.6893,
"step": 231
},
{
"epoch": 0.5155555555555555,
"grad_norm": 0.05900180712342262,
"learning_rate": 0.00027604938271604934,
"loss": 0.7233,
"step": 232
},
{
"epoch": 0.5177777777777778,
"grad_norm": 0.08215516805648804,
"learning_rate": 0.00027580246913580243,
"loss": 0.7605,
"step": 233
},
{
"epoch": 0.52,
"grad_norm": 0.06336875259876251,
"learning_rate": 0.0002755555555555555,
"loss": 0.6947,
"step": 234
},
{
"epoch": 0.5222222222222223,
"grad_norm": 0.05653493478894234,
"learning_rate": 0.0002753086419753086,
"loss": 0.5903,
"step": 235
},
{
"epoch": 0.5244444444444445,
"grad_norm": 0.05590517818927765,
"learning_rate": 0.0002750617283950617,
"loss": 0.5845,
"step": 236
},
{
"epoch": 0.5266666666666666,
"grad_norm": 0.06814274936914444,
"learning_rate": 0.0002748148148148148,
"loss": 0.8476,
"step": 237
},
{
"epoch": 0.5288888888888889,
"grad_norm": 0.05073162913322449,
"learning_rate": 0.00027456790123456785,
"loss": 0.5527,
"step": 238
},
{
"epoch": 0.5311111111111111,
"grad_norm": 0.07849614322185516,
"learning_rate": 0.00027432098765432095,
"loss": 0.6355,
"step": 239
},
{
"epoch": 0.5333333333333333,
"grad_norm": 0.04955737665295601,
"learning_rate": 0.00027407407407407404,
"loss": 0.6487,
"step": 240
},
{
"epoch": 0.5355555555555556,
"grad_norm": 0.061425868421792984,
"learning_rate": 0.00027382716049382714,
"loss": 0.4973,
"step": 241
},
{
"epoch": 0.5377777777777778,
"grad_norm": 0.07901917397975922,
"learning_rate": 0.00027358024691358023,
"loss": 0.7306,
"step": 242
},
{
"epoch": 0.54,
"grad_norm": 0.06443935632705688,
"learning_rate": 0.00027333333333333333,
"loss": 0.687,
"step": 243
},
{
"epoch": 0.5422222222222223,
"grad_norm": 0.070670947432518,
"learning_rate": 0.0002730864197530864,
"loss": 0.9579,
"step": 244
},
{
"epoch": 0.5444444444444444,
"grad_norm": 0.05495050176978111,
"learning_rate": 0.00027283950617283946,
"loss": 0.4887,
"step": 245
},
{
"epoch": 0.5466666666666666,
"grad_norm": 0.07778953015804291,
"learning_rate": 0.00027259259259259256,
"loss": 0.6945,
"step": 246
},
{
"epoch": 0.5488888888888889,
"grad_norm": 0.04747968167066574,
"learning_rate": 0.00027234567901234565,
"loss": 0.642,
"step": 247
},
{
"epoch": 0.5511111111111111,
"grad_norm": 0.060923799872398376,
"learning_rate": 0.00027209876543209875,
"loss": 0.6945,
"step": 248
},
{
"epoch": 0.5533333333333333,
"grad_norm": 0.047542307525873184,
"learning_rate": 0.00027185185185185184,
"loss": 0.4812,
"step": 249
},
{
"epoch": 0.5555555555555556,
"grad_norm": 0.0694783627986908,
"learning_rate": 0.0002716049382716049,
"loss": 0.5538,
"step": 250
},
{
"epoch": 0.5577777777777778,
"grad_norm": 0.04970422014594078,
"learning_rate": 0.00027135802469135803,
"loss": 0.6646,
"step": 251
},
{
"epoch": 0.56,
"grad_norm": 0.07231730967760086,
"learning_rate": 0.0002711111111111111,
"loss": 0.7271,
"step": 252
},
{
"epoch": 0.5622222222222222,
"grad_norm": 0.055860117077827454,
"learning_rate": 0.00027086419753086417,
"loss": 0.5625,
"step": 253
},
{
"epoch": 0.5644444444444444,
"grad_norm": 0.06579416990280151,
"learning_rate": 0.00027061728395061727,
"loss": 0.6468,
"step": 254
},
{
"epoch": 0.5666666666666667,
"grad_norm": 0.06695139408111572,
"learning_rate": 0.00027037037037037036,
"loss": 0.5721,
"step": 255
},
{
"epoch": 0.5688888888888889,
"grad_norm": 0.07215917110443115,
"learning_rate": 0.00027012345679012346,
"loss": 0.6384,
"step": 256
},
{
"epoch": 0.5711111111111111,
"grad_norm": 0.11614429950714111,
"learning_rate": 0.0002698765432098765,
"loss": 0.7965,
"step": 257
},
{
"epoch": 0.5733333333333334,
"grad_norm": 0.06437898427248001,
"learning_rate": 0.0002696296296296296,
"loss": 0.575,
"step": 258
},
{
"epoch": 0.5755555555555556,
"grad_norm": 0.051053401082754135,
"learning_rate": 0.0002693827160493827,
"loss": 0.5971,
"step": 259
},
{
"epoch": 0.5777777777777777,
"grad_norm": 0.05523311719298363,
"learning_rate": 0.0002691358024691358,
"loss": 0.5934,
"step": 260
},
{
"epoch": 0.58,
"grad_norm": 0.05467135086655617,
"learning_rate": 0.0002688888888888889,
"loss": 0.569,
"step": 261
},
{
"epoch": 0.5822222222222222,
"grad_norm": 0.06978314369916916,
"learning_rate": 0.00026864197530864197,
"loss": 0.6239,
"step": 262
},
{
"epoch": 0.5844444444444444,
"grad_norm": 0.07661367952823639,
"learning_rate": 0.000268395061728395,
"loss": 0.8036,
"step": 263
},
{
"epoch": 0.5866666666666667,
"grad_norm": 0.06496507674455643,
"learning_rate": 0.0002681481481481481,
"loss": 0.7783,
"step": 264
},
{
"epoch": 0.5888888888888889,
"grad_norm": 0.05868912860751152,
"learning_rate": 0.0002679012345679012,
"loss": 0.6631,
"step": 265
},
{
"epoch": 0.5911111111111111,
"grad_norm": 0.09481733292341232,
"learning_rate": 0.0002676543209876543,
"loss": 0.6108,
"step": 266
},
{
"epoch": 0.5933333333333334,
"grad_norm": 0.06981168687343597,
"learning_rate": 0.0002674074074074074,
"loss": 0.5884,
"step": 267
},
{
"epoch": 0.5955555555555555,
"grad_norm": 0.05572844669222832,
"learning_rate": 0.00026716049382716043,
"loss": 0.7082,
"step": 268
},
{
"epoch": 0.5977777777777777,
"grad_norm": 0.08810676634311676,
"learning_rate": 0.0002669135802469136,
"loss": 0.7245,
"step": 269
},
{
"epoch": 0.6,
"grad_norm": 0.06569419801235199,
"learning_rate": 0.0002666666666666666,
"loss": 0.5489,
"step": 270
},
{
"epoch": 0.6022222222222222,
"grad_norm": 0.08496364206075668,
"learning_rate": 0.0002664197530864197,
"loss": 0.6375,
"step": 271
},
{
"epoch": 0.6044444444444445,
"grad_norm": 0.05873265862464905,
"learning_rate": 0.0002661728395061728,
"loss": 0.7489,
"step": 272
},
{
"epoch": 0.6066666666666667,
"grad_norm": 0.07921940833330154,
"learning_rate": 0.0002659259259259259,
"loss": 0.5877,
"step": 273
},
{
"epoch": 0.6088888888888889,
"grad_norm": 0.05226515978574753,
"learning_rate": 0.000265679012345679,
"loss": 0.5937,
"step": 274
},
{
"epoch": 0.6111111111111112,
"grad_norm": 0.06759991496801376,
"learning_rate": 0.00026543209876543205,
"loss": 0.6726,
"step": 275
},
{
"epoch": 0.6133333333333333,
"grad_norm": 0.06234094873070717,
"learning_rate": 0.00026518518518518514,
"loss": 0.6509,
"step": 276
},
{
"epoch": 0.6155555555555555,
"grad_norm": 0.07358703017234802,
"learning_rate": 0.00026493827160493824,
"loss": 0.5465,
"step": 277
},
{
"epoch": 0.6177777777777778,
"grad_norm": 0.07200343906879425,
"learning_rate": 0.00026469135802469133,
"loss": 0.5876,
"step": 278
},
{
"epoch": 0.62,
"grad_norm": 0.0803864523768425,
"learning_rate": 0.00026444444444444443,
"loss": 0.6187,
"step": 279
},
{
"epoch": 0.6222222222222222,
"grad_norm": 0.07174916565418243,
"learning_rate": 0.0002641975308641975,
"loss": 0.5527,
"step": 280
},
{
"epoch": 0.6244444444444445,
"grad_norm": 0.058686818927526474,
"learning_rate": 0.0002639506172839506,
"loss": 0.64,
"step": 281
},
{
"epoch": 0.6266666666666667,
"grad_norm": 0.050265416502952576,
"learning_rate": 0.00026370370370370366,
"loss": 0.5849,
"step": 282
},
{
"epoch": 0.6288888888888889,
"grad_norm": 0.0491122230887413,
"learning_rate": 0.00026345679012345675,
"loss": 0.5673,
"step": 283
},
{
"epoch": 0.6311111111111111,
"grad_norm": 0.0580422468483448,
"learning_rate": 0.00026320987654320985,
"loss": 0.6451,
"step": 284
},
{
"epoch": 0.6333333333333333,
"grad_norm": 0.04680923372507095,
"learning_rate": 0.00026296296296296294,
"loss": 0.6308,
"step": 285
},
{
"epoch": 0.6355555555555555,
"grad_norm": 0.06512854248285294,
"learning_rate": 0.00026271604938271604,
"loss": 0.6047,
"step": 286
},
{
"epoch": 0.6377777777777778,
"grad_norm": 0.04747498780488968,
"learning_rate": 0.00026246913580246913,
"loss": 0.5444,
"step": 287
},
{
"epoch": 0.64,
"grad_norm": 0.05045843496918678,
"learning_rate": 0.00026222222222222223,
"loss": 0.5943,
"step": 288
},
{
"epoch": 0.6422222222222222,
"grad_norm": 0.06047791615128517,
"learning_rate": 0.00026197530864197527,
"loss": 0.6508,
"step": 289
},
{
"epoch": 0.6444444444444445,
"grad_norm": 0.05897914618253708,
"learning_rate": 0.00026172839506172837,
"loss": 0.6656,
"step": 290
},
{
"epoch": 0.6466666666666666,
"grad_norm": 0.06382246315479279,
"learning_rate": 0.00026148148148148146,
"loss": 0.6152,
"step": 291
},
{
"epoch": 0.6488888888888888,
"grad_norm": 0.05804605409502983,
"learning_rate": 0.00026123456790123456,
"loss": 0.7588,
"step": 292
},
{
"epoch": 0.6511111111111111,
"grad_norm": 0.06460540741682053,
"learning_rate": 0.0002609876543209876,
"loss": 0.7051,
"step": 293
},
{
"epoch": 0.6533333333333333,
"grad_norm": 0.05697052925825119,
"learning_rate": 0.0002607407407407407,
"loss": 0.6507,
"step": 294
},
{
"epoch": 0.6555555555555556,
"grad_norm": 0.08563496172428131,
"learning_rate": 0.00026049382716049384,
"loss": 0.5777,
"step": 295
},
{
"epoch": 0.6577777777777778,
"grad_norm": 0.053184833377599716,
"learning_rate": 0.0002602469135802469,
"loss": 0.5745,
"step": 296
},
{
"epoch": 0.66,
"grad_norm": 0.07504092901945114,
"learning_rate": 0.00026,
"loss": 0.5631,
"step": 297
},
{
"epoch": 0.6622222222222223,
"grad_norm": 0.060315705835819244,
"learning_rate": 0.00025975308641975307,
"loss": 0.5452,
"step": 298
},
{
"epoch": 0.6644444444444444,
"grad_norm": 0.0928531289100647,
"learning_rate": 0.00025950617283950617,
"loss": 0.7384,
"step": 299
},
{
"epoch": 0.6666666666666666,
"grad_norm": 0.05180056020617485,
"learning_rate": 0.0002592592592592592,
"loss": 0.4523,
"step": 300
},
{
"epoch": 0.6688888888888889,
"grad_norm": 0.0784502848982811,
"learning_rate": 0.0002590123456790123,
"loss": 0.8033,
"step": 301
},
{
"epoch": 0.6711111111111111,
"grad_norm": 0.06314003467559814,
"learning_rate": 0.0002587654320987654,
"loss": 0.6854,
"step": 302
},
{
"epoch": 0.6733333333333333,
"grad_norm": 0.0726189836859703,
"learning_rate": 0.0002585185185185185,
"loss": 0.6991,
"step": 303
},
{
"epoch": 0.6755555555555556,
"grad_norm": 0.08663801848888397,
"learning_rate": 0.0002582716049382716,
"loss": 0.6959,
"step": 304
},
{
"epoch": 0.6777777777777778,
"grad_norm": 0.04849329963326454,
"learning_rate": 0.0002580246913580247,
"loss": 0.5358,
"step": 305
},
{
"epoch": 0.68,
"grad_norm": 0.05882357433438301,
"learning_rate": 0.0002577777777777778,
"loss": 0.5991,
"step": 306
},
{
"epoch": 0.6822222222222222,
"grad_norm": 0.04300856962800026,
"learning_rate": 0.0002575308641975308,
"loss": 0.5293,
"step": 307
},
{
"epoch": 0.6844444444444444,
"grad_norm": 0.058613792061805725,
"learning_rate": 0.0002572839506172839,
"loss": 0.6661,
"step": 308
},
{
"epoch": 0.6866666666666666,
"grad_norm": 0.04765408858656883,
"learning_rate": 0.000257037037037037,
"loss": 0.5902,
"step": 309
},
{
"epoch": 0.6888888888888889,
"grad_norm": 0.06682875007390976,
"learning_rate": 0.0002567901234567901,
"loss": 0.6213,
"step": 310
},
{
"epoch": 0.6911111111111111,
"grad_norm": 0.05194618180394173,
"learning_rate": 0.0002565432098765432,
"loss": 0.5554,
"step": 311
},
{
"epoch": 0.6933333333333334,
"grad_norm": 0.06991297751665115,
"learning_rate": 0.00025629629629629624,
"loss": 0.5905,
"step": 312
},
{
"epoch": 0.6955555555555556,
"grad_norm": 0.07291572540998459,
"learning_rate": 0.0002560493827160494,
"loss": 0.6945,
"step": 313
},
{
"epoch": 0.6977777777777778,
"grad_norm": 0.056158553808927536,
"learning_rate": 0.00025580246913580243,
"loss": 0.6289,
"step": 314
},
{
"epoch": 0.7,
"grad_norm": 0.056562066078186035,
"learning_rate": 0.00025555555555555553,
"loss": 0.5093,
"step": 315
},
{
"epoch": 0.7022222222222222,
"grad_norm": 0.0728093609213829,
"learning_rate": 0.0002553086419753086,
"loss": 0.5912,
"step": 316
},
{
"epoch": 0.7044444444444444,
"grad_norm": 0.0464496985077858,
"learning_rate": 0.0002550617283950617,
"loss": 0.6498,
"step": 317
},
{
"epoch": 0.7066666666666667,
"grad_norm": 0.05788656324148178,
"learning_rate": 0.0002548148148148148,
"loss": 0.6619,
"step": 318
},
{
"epoch": 0.7088888888888889,
"grad_norm": 0.07232210785150528,
"learning_rate": 0.00025456790123456785,
"loss": 0.6081,
"step": 319
},
{
"epoch": 0.7111111111111111,
"grad_norm": 0.04878592863678932,
"learning_rate": 0.00025432098765432095,
"loss": 0.5144,
"step": 320
},
{
"epoch": 0.7133333333333334,
"grad_norm": 0.062463223934173584,
"learning_rate": 0.00025407407407407404,
"loss": 0.6477,
"step": 321
},
{
"epoch": 0.7155555555555555,
"grad_norm": 0.0489543080329895,
"learning_rate": 0.00025382716049382714,
"loss": 0.5673,
"step": 322
},
{
"epoch": 0.7177777777777777,
"grad_norm": 0.05130515620112419,
"learning_rate": 0.00025358024691358023,
"loss": 0.5205,
"step": 323
},
{
"epoch": 0.72,
"grad_norm": 0.09179674088954926,
"learning_rate": 0.00025333333333333333,
"loss": 0.7485,
"step": 324
},
{
"epoch": 0.7222222222222222,
"grad_norm": 0.05300341546535492,
"learning_rate": 0.0002530864197530864,
"loss": 0.6421,
"step": 325
},
{
"epoch": 0.7244444444444444,
"grad_norm": 0.05454908311367035,
"learning_rate": 0.00025283950617283947,
"loss": 0.5707,
"step": 326
},
{
"epoch": 0.7266666666666667,
"grad_norm": 0.06438113749027252,
"learning_rate": 0.00025259259259259256,
"loss": 0.5568,
"step": 327
},
{
"epoch": 0.7288888888888889,
"grad_norm": 0.052538372576236725,
"learning_rate": 0.00025234567901234566,
"loss": 0.589,
"step": 328
},
{
"epoch": 0.7311111111111112,
"grad_norm": 0.07397031784057617,
"learning_rate": 0.00025209876543209875,
"loss": 0.5477,
"step": 329
},
{
"epoch": 0.7333333333333333,
"grad_norm": 0.06466836482286453,
"learning_rate": 0.0002518518518518518,
"loss": 0.6557,
"step": 330
},
{
"epoch": 0.7355555555555555,
"grad_norm": 0.10031090676784515,
"learning_rate": 0.00025160493827160494,
"loss": 0.6862,
"step": 331
},
{
"epoch": 0.7377777777777778,
"grad_norm": 0.061177365481853485,
"learning_rate": 0.00025135802469135804,
"loss": 0.6014,
"step": 332
},
{
"epoch": 0.74,
"grad_norm": 0.0572127141058445,
"learning_rate": 0.0002511111111111111,
"loss": 0.5435,
"step": 333
},
{
"epoch": 0.7422222222222222,
"grad_norm": 0.06117907911539078,
"learning_rate": 0.00025086419753086417,
"loss": 0.5665,
"step": 334
},
{
"epoch": 0.7444444444444445,
"grad_norm": 0.053214021027088165,
"learning_rate": 0.00025061728395061727,
"loss": 0.587,
"step": 335
},
{
"epoch": 0.7466666666666667,
"grad_norm": 0.06741708517074585,
"learning_rate": 0.00025037037037037036,
"loss": 0.6778,
"step": 336
},
{
"epoch": 0.7488888888888889,
"grad_norm": 0.06096634268760681,
"learning_rate": 0.0002501234567901234,
"loss": 0.7982,
"step": 337
},
{
"epoch": 0.7511111111111111,
"grad_norm": 0.05581033229827881,
"learning_rate": 0.0002498765432098765,
"loss": 0.5297,
"step": 338
},
{
"epoch": 0.7533333333333333,
"grad_norm": 0.07700909674167633,
"learning_rate": 0.00024962962962962965,
"loss": 0.7023,
"step": 339
},
{
"epoch": 0.7555555555555555,
"grad_norm": 0.04708324000239372,
"learning_rate": 0.0002493827160493827,
"loss": 0.6108,
"step": 340
},
{
"epoch": 0.7577777777777778,
"grad_norm": 0.05553693324327469,
"learning_rate": 0.0002491358024691358,
"loss": 0.5974,
"step": 341
},
{
"epoch": 0.76,
"grad_norm": 0.0789913535118103,
"learning_rate": 0.0002488888888888889,
"loss": 0.6418,
"step": 342
},
{
"epoch": 0.7622222222222222,
"grad_norm": 0.057143647223711014,
"learning_rate": 0.000248641975308642,
"loss": 0.6978,
"step": 343
},
{
"epoch": 0.7644444444444445,
"grad_norm": 0.05981820449233055,
"learning_rate": 0.000248395061728395,
"loss": 0.7412,
"step": 344
},
{
"epoch": 0.7666666666666667,
"grad_norm": 0.07758378982543945,
"learning_rate": 0.0002481481481481481,
"loss": 0.5357,
"step": 345
},
{
"epoch": 0.7688888888888888,
"grad_norm": 0.0765530914068222,
"learning_rate": 0.0002479012345679012,
"loss": 0.6916,
"step": 346
},
{
"epoch": 0.7711111111111111,
"grad_norm": 0.07973485440015793,
"learning_rate": 0.0002476543209876543,
"loss": 0.675,
"step": 347
},
{
"epoch": 0.7733333333333333,
"grad_norm": 0.07663662731647491,
"learning_rate": 0.0002474074074074074,
"loss": 0.5767,
"step": 348
},
{
"epoch": 0.7755555555555556,
"grad_norm": 0.044524773955345154,
"learning_rate": 0.0002471604938271605,
"loss": 0.6424,
"step": 349
},
{
"epoch": 0.7777777777777778,
"grad_norm": 0.06698901206254959,
"learning_rate": 0.0002469135802469136,
"loss": 0.5833,
"step": 350
},
{
"epoch": 0.78,
"grad_norm": 0.04637622833251953,
"learning_rate": 0.0002466666666666666,
"loss": 0.4859,
"step": 351
},
{
"epoch": 0.7822222222222223,
"grad_norm": 0.06135889142751694,
"learning_rate": 0.0002464197530864197,
"loss": 0.6461,
"step": 352
},
{
"epoch": 0.7844444444444445,
"grad_norm": 0.05274899676442146,
"learning_rate": 0.0002461728395061728,
"loss": 0.5364,
"step": 353
},
{
"epoch": 0.7866666666666666,
"grad_norm": 0.04430905729532242,
"learning_rate": 0.0002459259259259259,
"loss": 0.5564,
"step": 354
},
{
"epoch": 0.7888888888888889,
"grad_norm": 0.08678912371397018,
"learning_rate": 0.000245679012345679,
"loss": 0.6058,
"step": 355
},
{
"epoch": 0.7911111111111111,
"grad_norm": 0.07081649452447891,
"learning_rate": 0.00024543209876543205,
"loss": 0.6037,
"step": 356
},
{
"epoch": 0.7933333333333333,
"grad_norm": 0.054697491228580475,
"learning_rate": 0.0002451851851851852,
"loss": 0.6191,
"step": 357
},
{
"epoch": 0.7955555555555556,
"grad_norm": 0.05636013299226761,
"learning_rate": 0.00024493827160493824,
"loss": 0.5038,
"step": 358
},
{
"epoch": 0.7977777777777778,
"grad_norm": 0.05813833326101303,
"learning_rate": 0.00024469135802469133,
"loss": 0.5779,
"step": 359
},
{
"epoch": 0.8,
"grad_norm": 0.08280492573976517,
"learning_rate": 0.00024444444444444443,
"loss": 0.8622,
"step": 360
},
{
"epoch": 0.8022222222222222,
"grad_norm": 0.07269857823848724,
"learning_rate": 0.0002441975308641975,
"loss": 0.5954,
"step": 361
},
{
"epoch": 0.8044444444444444,
"grad_norm": 0.05752701312303543,
"learning_rate": 0.00024395061728395062,
"loss": 0.6726,
"step": 362
},
{
"epoch": 0.8066666666666666,
"grad_norm": 0.05924740061163902,
"learning_rate": 0.0002437037037037037,
"loss": 0.5368,
"step": 363
},
{
"epoch": 0.8088888888888889,
"grad_norm": 0.09675303101539612,
"learning_rate": 0.00024345679012345678,
"loss": 0.7003,
"step": 364
},
{
"epoch": 0.8111111111111111,
"grad_norm": 0.0829503983259201,
"learning_rate": 0.00024320987654320985,
"loss": 0.6148,
"step": 365
},
{
"epoch": 0.8133333333333334,
"grad_norm": 0.04949120804667473,
"learning_rate": 0.00024296296296296295,
"loss": 0.5993,
"step": 366
},
{
"epoch": 0.8155555555555556,
"grad_norm": 0.0907658115029335,
"learning_rate": 0.00024271604938271601,
"loss": 0.7222,
"step": 367
},
{
"epoch": 0.8177777777777778,
"grad_norm": 0.0548752024769783,
"learning_rate": 0.0002424691358024691,
"loss": 0.5262,
"step": 368
},
{
"epoch": 0.82,
"grad_norm": 0.05041273310780525,
"learning_rate": 0.0002422222222222222,
"loss": 0.5163,
"step": 369
},
{
"epoch": 0.8222222222222222,
"grad_norm": 0.06130453571677208,
"learning_rate": 0.00024197530864197527,
"loss": 0.5394,
"step": 370
},
{
"epoch": 0.8244444444444444,
"grad_norm": 0.0681861937046051,
"learning_rate": 0.0002417283950617284,
"loss": 0.6466,
"step": 371
},
{
"epoch": 0.8266666666666667,
"grad_norm": 0.0512981116771698,
"learning_rate": 0.00024148148148148146,
"loss": 0.5321,
"step": 372
},
{
"epoch": 0.8288888888888889,
"grad_norm": 0.06226026266813278,
"learning_rate": 0.00024123456790123456,
"loss": 0.5056,
"step": 373
},
{
"epoch": 0.8311111111111111,
"grad_norm": 0.05910397320985794,
"learning_rate": 0.00024098765432098763,
"loss": 0.6231,
"step": 374
},
{
"epoch": 0.8333333333333334,
"grad_norm": 0.060540203005075455,
"learning_rate": 0.00024074074074074072,
"loss": 0.5323,
"step": 375
},
{
"epoch": 0.8355555555555556,
"grad_norm": 0.061202920973300934,
"learning_rate": 0.0002404938271604938,
"loss": 0.5317,
"step": 376
},
{
"epoch": 0.8377777777777777,
"grad_norm": 0.05394279956817627,
"learning_rate": 0.00024024691358024688,
"loss": 0.5134,
"step": 377
},
{
"epoch": 0.84,
"grad_norm": 0.04831009730696678,
"learning_rate": 0.00023999999999999998,
"loss": 0.5485,
"step": 378
},
{
"epoch": 0.8422222222222222,
"grad_norm": 0.05570105463266373,
"learning_rate": 0.00023975308641975305,
"loss": 0.6335,
"step": 379
},
{
"epoch": 0.8444444444444444,
"grad_norm": 0.057373929768800735,
"learning_rate": 0.00023950617283950617,
"loss": 0.6775,
"step": 380
},
{
"epoch": 0.8466666666666667,
"grad_norm": 0.0687582939863205,
"learning_rate": 0.00023925925925925924,
"loss": 0.5954,
"step": 381
},
{
"epoch": 0.8488888888888889,
"grad_norm": 0.08149206638336182,
"learning_rate": 0.00023901234567901233,
"loss": 0.6245,
"step": 382
},
{
"epoch": 0.8511111111111112,
"grad_norm": 0.07159999012947083,
"learning_rate": 0.0002387654320987654,
"loss": 0.7488,
"step": 383
},
{
"epoch": 0.8533333333333334,
"grad_norm": 0.06775209307670593,
"learning_rate": 0.0002385185185185185,
"loss": 0.6536,
"step": 384
},
{
"epoch": 0.8555555555555555,
"grad_norm": 0.05568854138255119,
"learning_rate": 0.0002382716049382716,
"loss": 0.4267,
"step": 385
},
{
"epoch": 0.8577777777777778,
"grad_norm": 0.05042643845081329,
"learning_rate": 0.00023802469135802466,
"loss": 0.5114,
"step": 386
},
{
"epoch": 0.86,
"grad_norm": 0.05210336297750473,
"learning_rate": 0.00023777777777777775,
"loss": 0.7252,
"step": 387
},
{
"epoch": 0.8622222222222222,
"grad_norm": 0.07702841609716415,
"learning_rate": 0.00023753086419753082,
"loss": 0.6754,
"step": 388
},
{
"epoch": 0.8644444444444445,
"grad_norm": 0.04862853139638901,
"learning_rate": 0.00023728395061728394,
"loss": 0.6162,
"step": 389
},
{
"epoch": 0.8666666666666667,
"grad_norm": 0.06977728009223938,
"learning_rate": 0.000237037037037037,
"loss": 0.6521,
"step": 390
},
{
"epoch": 0.8688888888888889,
"grad_norm": 0.06286180019378662,
"learning_rate": 0.0002367901234567901,
"loss": 0.6411,
"step": 391
},
{
"epoch": 0.8711111111111111,
"grad_norm": 0.06280764937400818,
"learning_rate": 0.0002365432098765432,
"loss": 0.5349,
"step": 392
},
{
"epoch": 0.8733333333333333,
"grad_norm": 0.05416274443268776,
"learning_rate": 0.00023629629629629627,
"loss": 0.5094,
"step": 393
},
{
"epoch": 0.8755555555555555,
"grad_norm": 0.06306446343660355,
"learning_rate": 0.00023604938271604937,
"loss": 0.6075,
"step": 394
},
{
"epoch": 0.8777777777777778,
"grad_norm": 0.06415388733148575,
"learning_rate": 0.00023580246913580243,
"loss": 0.5358,
"step": 395
},
{
"epoch": 0.88,
"grad_norm": 0.11125559359788895,
"learning_rate": 0.00023555555555555553,
"loss": 0.6107,
"step": 396
},
{
"epoch": 0.8822222222222222,
"grad_norm": 0.07780521363019943,
"learning_rate": 0.0002353086419753086,
"loss": 0.6397,
"step": 397
},
{
"epoch": 0.8844444444444445,
"grad_norm": 0.06937316805124283,
"learning_rate": 0.00023506172839506172,
"loss": 0.6575,
"step": 398
},
{
"epoch": 0.8866666666666667,
"grad_norm": 0.1283538043498993,
"learning_rate": 0.0002348148148148148,
"loss": 0.5819,
"step": 399
},
{
"epoch": 0.8888888888888888,
"grad_norm": 0.0543513298034668,
"learning_rate": 0.00023456790123456788,
"loss": 0.5547,
"step": 400
},
{
"epoch": 0.8911111111111111,
"grad_norm": 0.054155413061380386,
"learning_rate": 0.00023432098765432098,
"loss": 0.4027,
"step": 401
},
{
"epoch": 0.8933333333333333,
"grad_norm": 0.06638886779546738,
"learning_rate": 0.00023407407407407405,
"loss": 0.6455,
"step": 402
},
{
"epoch": 0.8955555555555555,
"grad_norm": 0.12468775361776352,
"learning_rate": 0.00023382716049382714,
"loss": 0.6439,
"step": 403
},
{
"epoch": 0.8977777777777778,
"grad_norm": 0.04853810369968414,
"learning_rate": 0.0002335802469135802,
"loss": 0.5014,
"step": 404
},
{
"epoch": 0.9,
"grad_norm": 0.17347636818885803,
"learning_rate": 0.0002333333333333333,
"loss": 0.7411,
"step": 405
},
{
"epoch": 0.9022222222222223,
"grad_norm": 0.11848603188991547,
"learning_rate": 0.00023308641975308637,
"loss": 0.6649,
"step": 406
},
{
"epoch": 0.9044444444444445,
"grad_norm": 0.059788476675748825,
"learning_rate": 0.0002328395061728395,
"loss": 0.4632,
"step": 407
},
{
"epoch": 0.9066666666666666,
"grad_norm": 0.06635454297065735,
"learning_rate": 0.0002325925925925926,
"loss": 0.6958,
"step": 408
},
{
"epoch": 0.9088888888888889,
"grad_norm": 0.057197559624910355,
"learning_rate": 0.00023234567901234566,
"loss": 0.6016,
"step": 409
},
{
"epoch": 0.9111111111111111,
"grad_norm": 0.049528613686561584,
"learning_rate": 0.00023209876543209875,
"loss": 0.6648,
"step": 410
},
{
"epoch": 0.9133333333333333,
"grad_norm": 0.06839912384748459,
"learning_rate": 0.00023185185185185182,
"loss": 0.5886,
"step": 411
},
{
"epoch": 0.9155555555555556,
"grad_norm": 0.06785445660352707,
"learning_rate": 0.00023160493827160492,
"loss": 0.615,
"step": 412
},
{
"epoch": 0.9177777777777778,
"grad_norm": 0.043476469814777374,
"learning_rate": 0.00023135802469135798,
"loss": 0.4486,
"step": 413
},
{
"epoch": 0.92,
"grad_norm": 0.06550905853509903,
"learning_rate": 0.00023111111111111108,
"loss": 0.6641,
"step": 414
},
{
"epoch": 0.9222222222222223,
"grad_norm": 0.0671965703368187,
"learning_rate": 0.0002308641975308642,
"loss": 0.6494,
"step": 415
},
{
"epoch": 0.9244444444444444,
"grad_norm": 0.07037396728992462,
"learning_rate": 0.00023061728395061727,
"loss": 0.6273,
"step": 416
},
{
"epoch": 0.9266666666666666,
"grad_norm": 0.04188195616006851,
"learning_rate": 0.00023037037037037036,
"loss": 0.5256,
"step": 417
},
{
"epoch": 0.9288888888888889,
"grad_norm": 0.05789446830749512,
"learning_rate": 0.00023012345679012343,
"loss": 0.5553,
"step": 418
},
{
"epoch": 0.9311111111111111,
"grad_norm": 0.047859832644462585,
"learning_rate": 0.00022987654320987653,
"loss": 0.5206,
"step": 419
},
{
"epoch": 0.9333333333333333,
"grad_norm": 0.08361068367958069,
"learning_rate": 0.0002296296296296296,
"loss": 0.6268,
"step": 420
},
{
"epoch": 0.9355555555555556,
"grad_norm": 0.08475058525800705,
"learning_rate": 0.0002293827160493827,
"loss": 0.6478,
"step": 421
},
{
"epoch": 0.9377777777777778,
"grad_norm": 0.042017385363578796,
"learning_rate": 0.00022913580246913579,
"loss": 0.5547,
"step": 422
},
{
"epoch": 0.94,
"grad_norm": 0.08007270842790604,
"learning_rate": 0.00022888888888888885,
"loss": 0.767,
"step": 423
},
{
"epoch": 0.9422222222222222,
"grad_norm": 0.052083924412727356,
"learning_rate": 0.00022864197530864198,
"loss": 0.4849,
"step": 424
},
{
"epoch": 0.9444444444444444,
"grad_norm": 0.053211141377687454,
"learning_rate": 0.00022839506172839504,
"loss": 0.5743,
"step": 425
},
{
"epoch": 0.9466666666666667,
"grad_norm": 0.07235322892665863,
"learning_rate": 0.00022814814814814814,
"loss": 0.6326,
"step": 426
},
{
"epoch": 0.9488888888888889,
"grad_norm": 0.08066584169864655,
"learning_rate": 0.0002279012345679012,
"loss": 0.4816,
"step": 427
},
{
"epoch": 0.9511111111111111,
"grad_norm": 0.0743255764245987,
"learning_rate": 0.0002276543209876543,
"loss": 0.6265,
"step": 428
},
{
"epoch": 0.9533333333333334,
"grad_norm": 0.048771534115076065,
"learning_rate": 0.00022740740740740737,
"loss": 0.5854,
"step": 429
},
{
"epoch": 0.9555555555555556,
"grad_norm": 0.0896950364112854,
"learning_rate": 0.00022716049382716047,
"loss": 0.5222,
"step": 430
},
{
"epoch": 0.9577777777777777,
"grad_norm": 0.05134379863739014,
"learning_rate": 0.00022691358024691356,
"loss": 0.5088,
"step": 431
},
{
"epoch": 0.96,
"grad_norm": 0.07395590096712112,
"learning_rate": 0.00022666666666666663,
"loss": 0.673,
"step": 432
},
{
"epoch": 0.9622222222222222,
"grad_norm": 0.11836867779493332,
"learning_rate": 0.00022641975308641975,
"loss": 0.7372,
"step": 433
},
{
"epoch": 0.9644444444444444,
"grad_norm": 0.07460740953683853,
"learning_rate": 0.00022617283950617282,
"loss": 0.6902,
"step": 434
},
{
"epoch": 0.9666666666666667,
"grad_norm": 0.07469192892313004,
"learning_rate": 0.00022592592592592591,
"loss": 0.8642,
"step": 435
},
{
"epoch": 0.9688888888888889,
"grad_norm": 0.06623450666666031,
"learning_rate": 0.00022567901234567898,
"loss": 0.5888,
"step": 436
},
{
"epoch": 0.9711111111111111,
"grad_norm": 0.09601905941963196,
"learning_rate": 0.00022543209876543208,
"loss": 0.5912,
"step": 437
},
{
"epoch": 0.9733333333333334,
"grad_norm": 0.06865989416837692,
"learning_rate": 0.00022518518518518517,
"loss": 0.6455,
"step": 438
},
{
"epoch": 0.9755555555555555,
"grad_norm": 0.05189220979809761,
"learning_rate": 0.00022493827160493824,
"loss": 0.5397,
"step": 439
},
{
"epoch": 0.9777777777777777,
"grad_norm": 0.05525451898574829,
"learning_rate": 0.00022469135802469134,
"loss": 0.6784,
"step": 440
},
{
"epoch": 0.98,
"grad_norm": 0.057762518525123596,
"learning_rate": 0.0002244444444444444,
"loss": 0.4479,
"step": 441
},
{
"epoch": 0.9822222222222222,
"grad_norm": 0.060063641518354416,
"learning_rate": 0.00022419753086419753,
"loss": 0.64,
"step": 442
},
{
"epoch": 0.9844444444444445,
"grad_norm": 0.06219639629125595,
"learning_rate": 0.0002239506172839506,
"loss": 0.5714,
"step": 443
},
{
"epoch": 0.9866666666666667,
"grad_norm": 0.06326323747634888,
"learning_rate": 0.0002237037037037037,
"loss": 0.6054,
"step": 444
},
{
"epoch": 0.9888888888888889,
"grad_norm": 0.04752006009221077,
"learning_rate": 0.00022345679012345678,
"loss": 0.5744,
"step": 445
},
{
"epoch": 0.9911111111111112,
"grad_norm": 0.056707534939050674,
"learning_rate": 0.00022320987654320985,
"loss": 0.6122,
"step": 446
},
{
"epoch": 0.9933333333333333,
"grad_norm": 0.06692970544099808,
"learning_rate": 0.00022296296296296295,
"loss": 0.6779,
"step": 447
},
{
"epoch": 0.9955555555555555,
"grad_norm": 0.050331197679042816,
"learning_rate": 0.00022271604938271602,
"loss": 0.4721,
"step": 448
},
{
"epoch": 0.9977777777777778,
"grad_norm": 0.06355144828557968,
"learning_rate": 0.0002224691358024691,
"loss": 0.564,
"step": 449
},
{
"epoch": 1.0,
"grad_norm": 0.04859111085534096,
"learning_rate": 0.00022222222222222218,
"loss": 0.5267,
"step": 450
},
{
"epoch": 1.0022222222222221,
"grad_norm": 0.07078340649604797,
"learning_rate": 0.0002219753086419753,
"loss": 0.5857,
"step": 451
},
{
"epoch": 1.0044444444444445,
"grad_norm": 0.061178382486104965,
"learning_rate": 0.0002217283950617284,
"loss": 0.5948,
"step": 452
},
{
"epoch": 1.0066666666666666,
"grad_norm": 0.07282081246376038,
"learning_rate": 0.00022148148148148146,
"loss": 0.5487,
"step": 453
},
{
"epoch": 1.008888888888889,
"grad_norm": 0.08245845139026642,
"learning_rate": 0.00022123456790123456,
"loss": 0.6801,
"step": 454
},
{
"epoch": 1.011111111111111,
"grad_norm": 0.06969266384840012,
"learning_rate": 0.00022098765432098763,
"loss": 0.7193,
"step": 455
},
{
"epoch": 1.0133333333333334,
"grad_norm": 0.05709267035126686,
"learning_rate": 0.00022074074074074072,
"loss": 0.5754,
"step": 456
},
{
"epoch": 1.0155555555555555,
"grad_norm": 0.06781706213951111,
"learning_rate": 0.0002204938271604938,
"loss": 0.5097,
"step": 457
},
{
"epoch": 1.0177777777777777,
"grad_norm": 0.05709918588399887,
"learning_rate": 0.00022024691358024689,
"loss": 0.5642,
"step": 458
},
{
"epoch": 1.02,
"grad_norm": 0.07334735989570618,
"learning_rate": 0.00021999999999999995,
"loss": 0.6115,
"step": 459
},
{
"epoch": 1.0222222222222221,
"grad_norm": 0.07981806248426437,
"learning_rate": 0.00021975308641975308,
"loss": 0.7185,
"step": 460
},
{
"epoch": 1.0244444444444445,
"grad_norm": 0.05394122749567032,
"learning_rate": 0.00021950617283950617,
"loss": 0.5799,
"step": 461
},
{
"epoch": 1.0266666666666666,
"grad_norm": 0.058062098920345306,
"learning_rate": 0.00021925925925925924,
"loss": 0.5288,
"step": 462
},
{
"epoch": 1.028888888888889,
"grad_norm": 0.1541467308998108,
"learning_rate": 0.00021901234567901233,
"loss": 0.5756,
"step": 463
},
{
"epoch": 1.031111111111111,
"grad_norm": 0.06938309967517853,
"learning_rate": 0.0002187654320987654,
"loss": 0.6833,
"step": 464
},
{
"epoch": 1.0333333333333334,
"grad_norm": 0.08871179074048996,
"learning_rate": 0.0002185185185185185,
"loss": 0.7262,
"step": 465
},
{
"epoch": 1.0355555555555556,
"grad_norm": 0.06083621084690094,
"learning_rate": 0.00021827160493827157,
"loss": 0.5472,
"step": 466
},
{
"epoch": 1.0377777777777777,
"grad_norm": 0.06976111978292465,
"learning_rate": 0.00021802469135802466,
"loss": 0.691,
"step": 467
},
{
"epoch": 1.04,
"grad_norm": 0.12717045843601227,
"learning_rate": 0.00021777777777777778,
"loss": 0.6161,
"step": 468
},
{
"epoch": 1.0422222222222222,
"grad_norm": 0.06936180591583252,
"learning_rate": 0.00021753086419753085,
"loss": 0.6569,
"step": 469
},
{
"epoch": 1.0444444444444445,
"grad_norm": 0.06263519823551178,
"learning_rate": 0.00021728395061728395,
"loss": 0.5334,
"step": 470
},
{
"epoch": 1.0466666666666666,
"grad_norm": 0.08511345088481903,
"learning_rate": 0.00021703703703703701,
"loss": 0.5885,
"step": 471
},
{
"epoch": 1.048888888888889,
"grad_norm": 0.06053664907813072,
"learning_rate": 0.0002167901234567901,
"loss": 0.6264,
"step": 472
},
{
"epoch": 1.051111111111111,
"grad_norm": 0.05959416553378105,
"learning_rate": 0.00021654320987654318,
"loss": 0.5635,
"step": 473
},
{
"epoch": 1.0533333333333332,
"grad_norm": 0.06442887336015701,
"learning_rate": 0.00021629629629629627,
"loss": 0.5492,
"step": 474
},
{
"epoch": 1.0555555555555556,
"grad_norm": 0.06876346468925476,
"learning_rate": 0.00021604938271604937,
"loss": 0.6686,
"step": 475
},
{
"epoch": 1.0577777777777777,
"grad_norm": 0.049920275807380676,
"learning_rate": 0.00021580246913580244,
"loss": 0.605,
"step": 476
},
{
"epoch": 1.06,
"grad_norm": 0.06928721815347672,
"learning_rate": 0.00021555555555555556,
"loss": 0.5062,
"step": 477
},
{
"epoch": 1.0622222222222222,
"grad_norm": 0.05916568636894226,
"learning_rate": 0.00021530864197530863,
"loss": 0.4742,
"step": 478
},
{
"epoch": 1.0644444444444445,
"grad_norm": 0.053693048655986786,
"learning_rate": 0.00021506172839506172,
"loss": 0.6089,
"step": 479
},
{
"epoch": 1.0666666666666667,
"grad_norm": 0.10113474726676941,
"learning_rate": 0.0002148148148148148,
"loss": 0.5749,
"step": 480
},
{
"epoch": 1.068888888888889,
"grad_norm": 0.05808864161372185,
"learning_rate": 0.00021456790123456788,
"loss": 0.6241,
"step": 481
},
{
"epoch": 1.0711111111111111,
"grad_norm": 0.059021301567554474,
"learning_rate": 0.00021432098765432095,
"loss": 0.5746,
"step": 482
},
{
"epoch": 1.0733333333333333,
"grad_norm": 0.06783812493085861,
"learning_rate": 0.00021407407407407405,
"loss": 0.593,
"step": 483
},
{
"epoch": 1.0755555555555556,
"grad_norm": 0.05687486007809639,
"learning_rate": 0.00021382716049382714,
"loss": 0.6513,
"step": 484
},
{
"epoch": 1.0777777777777777,
"grad_norm": 0.06547362357378006,
"learning_rate": 0.0002135802469135802,
"loss": 0.5432,
"step": 485
},
{
"epoch": 1.08,
"grad_norm": 0.06113448739051819,
"learning_rate": 0.00021333333333333333,
"loss": 0.6199,
"step": 486
},
{
"epoch": 1.0822222222222222,
"grad_norm": 0.055431269109249115,
"learning_rate": 0.0002130864197530864,
"loss": 0.5542,
"step": 487
},
{
"epoch": 1.0844444444444445,
"grad_norm": 0.06054743006825447,
"learning_rate": 0.0002128395061728395,
"loss": 0.5033,
"step": 488
},
{
"epoch": 1.0866666666666667,
"grad_norm": 0.0743783488869667,
"learning_rate": 0.00021259259259259256,
"loss": 0.5311,
"step": 489
},
{
"epoch": 1.0888888888888888,
"grad_norm": 0.05679158866405487,
"learning_rate": 0.00021234567901234566,
"loss": 0.4519,
"step": 490
},
{
"epoch": 1.0911111111111111,
"grad_norm": 0.05509325861930847,
"learning_rate": 0.00021209876543209875,
"loss": 0.6373,
"step": 491
},
{
"epoch": 1.0933333333333333,
"grad_norm": 0.07969211786985397,
"learning_rate": 0.00021185185185185182,
"loss": 0.6296,
"step": 492
},
{
"epoch": 1.0955555555555556,
"grad_norm": 0.06158541887998581,
"learning_rate": 0.00021160493827160492,
"loss": 0.7126,
"step": 493
},
{
"epoch": 1.0977777777777777,
"grad_norm": 0.06029195338487625,
"learning_rate": 0.00021135802469135799,
"loss": 0.5298,
"step": 494
},
{
"epoch": 1.1,
"grad_norm": 0.05442732945084572,
"learning_rate": 0.0002111111111111111,
"loss": 0.5408,
"step": 495
},
{
"epoch": 1.1022222222222222,
"grad_norm": 0.057536616921424866,
"learning_rate": 0.00021086419753086418,
"loss": 0.6603,
"step": 496
},
{
"epoch": 1.1044444444444443,
"grad_norm": 0.062051836401224136,
"learning_rate": 0.00021061728395061727,
"loss": 0.5411,
"step": 497
},
{
"epoch": 1.1066666666666667,
"grad_norm": 0.06361360847949982,
"learning_rate": 0.00021037037037037037,
"loss": 0.5855,
"step": 498
},
{
"epoch": 1.1088888888888888,
"grad_norm": 0.05750907585024834,
"learning_rate": 0.00021012345679012343,
"loss": 0.5023,
"step": 499
},
{
"epoch": 1.1111111111111112,
"grad_norm": 0.05303119495511055,
"learning_rate": 0.00020987654320987653,
"loss": 0.7192,
"step": 500
},
{
"epoch": 1.1133333333333333,
"grad_norm": 0.05355321615934372,
"learning_rate": 0.0002096296296296296,
"loss": 0.5047,
"step": 501
},
{
"epoch": 1.1155555555555556,
"grad_norm": 0.04647836089134216,
"learning_rate": 0.0002093827160493827,
"loss": 0.5495,
"step": 502
},
{
"epoch": 1.1177777777777778,
"grad_norm": 0.06943508982658386,
"learning_rate": 0.00020913580246913576,
"loss": 0.5198,
"step": 503
},
{
"epoch": 1.12,
"grad_norm": 0.07622205466032028,
"learning_rate": 0.00020888888888888888,
"loss": 0.6394,
"step": 504
},
{
"epoch": 1.1222222222222222,
"grad_norm": 0.0701436847448349,
"learning_rate": 0.00020864197530864198,
"loss": 0.6032,
"step": 505
},
{
"epoch": 1.1244444444444444,
"grad_norm": 0.06063472479581833,
"learning_rate": 0.00020839506172839505,
"loss": 0.5935,
"step": 506
},
{
"epoch": 1.1266666666666667,
"grad_norm": 0.05640608072280884,
"learning_rate": 0.00020814814814814814,
"loss": 0.5701,
"step": 507
},
{
"epoch": 1.1288888888888888,
"grad_norm": 0.06712471693754196,
"learning_rate": 0.0002079012345679012,
"loss": 0.6875,
"step": 508
},
{
"epoch": 1.1311111111111112,
"grad_norm": 0.05165605619549751,
"learning_rate": 0.0002076543209876543,
"loss": 0.6435,
"step": 509
},
{
"epoch": 1.1333333333333333,
"grad_norm": 0.10354224592447281,
"learning_rate": 0.00020740740740740737,
"loss": 0.762,
"step": 510
},
{
"epoch": 1.1355555555555557,
"grad_norm": 0.06619168072938919,
"learning_rate": 0.00020716049382716047,
"loss": 0.6213,
"step": 511
},
{
"epoch": 1.1377777777777778,
"grad_norm": 0.057507146149873734,
"learning_rate": 0.00020691358024691354,
"loss": 0.5507,
"step": 512
},
{
"epoch": 1.1400000000000001,
"grad_norm": 0.07064547389745712,
"learning_rate": 0.00020666666666666666,
"loss": 0.5473,
"step": 513
},
{
"epoch": 1.1422222222222222,
"grad_norm": 0.05132355913519859,
"learning_rate": 0.00020641975308641975,
"loss": 0.5543,
"step": 514
},
{
"epoch": 1.1444444444444444,
"grad_norm": 0.07275696098804474,
"learning_rate": 0.00020617283950617282,
"loss": 0.5865,
"step": 515
},
{
"epoch": 1.1466666666666667,
"grad_norm": 0.08267077058553696,
"learning_rate": 0.00020592592592592592,
"loss": 0.616,
"step": 516
},
{
"epoch": 1.1488888888888888,
"grad_norm": 0.0553496852517128,
"learning_rate": 0.00020567901234567898,
"loss": 0.505,
"step": 517
},
{
"epoch": 1.1511111111111112,
"grad_norm": 0.08034535497426987,
"learning_rate": 0.00020543209876543208,
"loss": 0.6024,
"step": 518
},
{
"epoch": 1.1533333333333333,
"grad_norm": 0.04105300456285477,
"learning_rate": 0.00020518518518518515,
"loss": 0.4681,
"step": 519
},
{
"epoch": 1.1555555555555554,
"grad_norm": 0.061053916811943054,
"learning_rate": 0.00020493827160493824,
"loss": 0.5733,
"step": 520
},
{
"epoch": 1.1577777777777778,
"grad_norm": 0.0702579915523529,
"learning_rate": 0.00020469135802469136,
"loss": 0.6121,
"step": 521
},
{
"epoch": 1.16,
"grad_norm": 0.055256616324186325,
"learning_rate": 0.00020444444444444443,
"loss": 0.5665,
"step": 522
},
{
"epoch": 1.1622222222222223,
"grad_norm": 0.05480768159031868,
"learning_rate": 0.00020419753086419753,
"loss": 0.6217,
"step": 523
},
{
"epoch": 1.1644444444444444,
"grad_norm": 0.053458116948604584,
"learning_rate": 0.0002039506172839506,
"loss": 0.5462,
"step": 524
},
{
"epoch": 1.1666666666666667,
"grad_norm": 0.057166215032339096,
"learning_rate": 0.0002037037037037037,
"loss": 0.6562,
"step": 525
},
{
"epoch": 1.1688888888888889,
"grad_norm": 0.0650937482714653,
"learning_rate": 0.00020345679012345676,
"loss": 0.5649,
"step": 526
},
{
"epoch": 1.1711111111111112,
"grad_norm": 0.06261788308620453,
"learning_rate": 0.00020320987654320985,
"loss": 0.6047,
"step": 527
},
{
"epoch": 1.1733333333333333,
"grad_norm": 0.05728009343147278,
"learning_rate": 0.00020296296296296295,
"loss": 0.626,
"step": 528
},
{
"epoch": 1.1755555555555555,
"grad_norm": 0.057623572647571564,
"learning_rate": 0.00020271604938271602,
"loss": 0.5539,
"step": 529
},
{
"epoch": 1.1777777777777778,
"grad_norm": 0.06340766698122025,
"learning_rate": 0.00020246913580246914,
"loss": 0.6803,
"step": 530
},
{
"epoch": 1.18,
"grad_norm": 0.06497206538915634,
"learning_rate": 0.0002022222222222222,
"loss": 0.5192,
"step": 531
},
{
"epoch": 1.1822222222222223,
"grad_norm": 0.06043071672320366,
"learning_rate": 0.0002019753086419753,
"loss": 0.6507,
"step": 532
},
{
"epoch": 1.1844444444444444,
"grad_norm": 0.061710089445114136,
"learning_rate": 0.00020172839506172837,
"loss": 0.477,
"step": 533
},
{
"epoch": 1.1866666666666668,
"grad_norm": 0.060189537703990936,
"learning_rate": 0.00020148148148148147,
"loss": 0.5794,
"step": 534
},
{
"epoch": 1.1888888888888889,
"grad_norm": 0.06140688434243202,
"learning_rate": 0.00020123456790123456,
"loss": 0.7886,
"step": 535
},
{
"epoch": 1.1911111111111112,
"grad_norm": 0.0800878182053566,
"learning_rate": 0.00020098765432098763,
"loss": 0.6257,
"step": 536
},
{
"epoch": 1.1933333333333334,
"grad_norm": 0.09335595369338989,
"learning_rate": 0.00020074074074074072,
"loss": 0.5105,
"step": 537
},
{
"epoch": 1.1955555555555555,
"grad_norm": 0.07600431144237518,
"learning_rate": 0.0002004938271604938,
"loss": 0.5055,
"step": 538
},
{
"epoch": 1.1977777777777778,
"grad_norm": 0.06713638454675674,
"learning_rate": 0.00020024691358024691,
"loss": 0.5703,
"step": 539
},
{
"epoch": 1.2,
"grad_norm": 0.06339897960424423,
"learning_rate": 0.00019999999999999998,
"loss": 0.6407,
"step": 540
},
{
"epoch": 1.2022222222222223,
"grad_norm": 0.07118365913629532,
"learning_rate": 0.00019975308641975308,
"loss": 0.5867,
"step": 541
},
{
"epoch": 1.2044444444444444,
"grad_norm": 0.060945894569158554,
"learning_rate": 0.00019950617283950615,
"loss": 0.6236,
"step": 542
},
{
"epoch": 1.2066666666666666,
"grad_norm": 0.0749896839261055,
"learning_rate": 0.00019925925925925924,
"loss": 0.6901,
"step": 543
},
{
"epoch": 1.208888888888889,
"grad_norm": 0.06734532117843628,
"learning_rate": 0.00019901234567901234,
"loss": 0.5685,
"step": 544
},
{
"epoch": 1.211111111111111,
"grad_norm": 0.051820721477270126,
"learning_rate": 0.0001987654320987654,
"loss": 0.5625,
"step": 545
},
{
"epoch": 1.2133333333333334,
"grad_norm": 0.07281868159770966,
"learning_rate": 0.0001985185185185185,
"loss": 0.7227,
"step": 546
},
{
"epoch": 1.2155555555555555,
"grad_norm": 0.05526493117213249,
"learning_rate": 0.00019827160493827157,
"loss": 0.5238,
"step": 547
},
{
"epoch": 1.2177777777777778,
"grad_norm": 0.05460463836789131,
"learning_rate": 0.0001980246913580247,
"loss": 0.6307,
"step": 548
},
{
"epoch": 1.22,
"grad_norm": 0.07580731064081192,
"learning_rate": 0.00019777777777777776,
"loss": 0.5489,
"step": 549
},
{
"epoch": 1.2222222222222223,
"grad_norm": 0.05781114846467972,
"learning_rate": 0.00019753086419753085,
"loss": 0.5373,
"step": 550
},
{
"epoch": 1.2244444444444444,
"grad_norm": 0.05181167647242546,
"learning_rate": 0.00019728395061728395,
"loss": 0.5223,
"step": 551
},
{
"epoch": 1.2266666666666666,
"grad_norm": 0.09700439125299454,
"learning_rate": 0.00019703703703703702,
"loss": 0.5627,
"step": 552
},
{
"epoch": 1.228888888888889,
"grad_norm": 0.055470336228609085,
"learning_rate": 0.0001967901234567901,
"loss": 0.4962,
"step": 553
},
{
"epoch": 1.231111111111111,
"grad_norm": 0.04977557808160782,
"learning_rate": 0.00019654320987654318,
"loss": 0.5354,
"step": 554
},
{
"epoch": 1.2333333333333334,
"grad_norm": 0.0558207705616951,
"learning_rate": 0.00019629629629629627,
"loss": 0.6646,
"step": 555
},
{
"epoch": 1.2355555555555555,
"grad_norm": 0.06280802190303802,
"learning_rate": 0.00019604938271604934,
"loss": 0.5616,
"step": 556
},
{
"epoch": 1.2377777777777779,
"grad_norm": 0.06775356829166412,
"learning_rate": 0.00019580246913580246,
"loss": 0.5433,
"step": 557
},
{
"epoch": 1.24,
"grad_norm": 0.05544356256723404,
"learning_rate": 0.00019555555555555556,
"loss": 0.6169,
"step": 558
},
{
"epoch": 1.2422222222222223,
"grad_norm": 0.07850141078233719,
"learning_rate": 0.00019530864197530863,
"loss": 0.5894,
"step": 559
},
{
"epoch": 1.2444444444444445,
"grad_norm": 0.048309750854969025,
"learning_rate": 0.00019506172839506172,
"loss": 0.5247,
"step": 560
},
{
"epoch": 1.2466666666666666,
"grad_norm": 0.1482103317975998,
"learning_rate": 0.0001948148148148148,
"loss": 0.6559,
"step": 561
},
{
"epoch": 1.248888888888889,
"grad_norm": 0.04897948354482651,
"learning_rate": 0.00019456790123456789,
"loss": 0.528,
"step": 562
},
{
"epoch": 1.251111111111111,
"grad_norm": 0.05171951279044151,
"learning_rate": 0.00019432098765432095,
"loss": 0.5279,
"step": 563
},
{
"epoch": 1.2533333333333334,
"grad_norm": 0.06654342263936996,
"learning_rate": 0.00019407407407407405,
"loss": 0.5316,
"step": 564
},
{
"epoch": 1.2555555555555555,
"grad_norm": 0.07495734095573425,
"learning_rate": 0.00019382716049382712,
"loss": 0.6979,
"step": 565
},
{
"epoch": 1.2577777777777777,
"grad_norm": 0.0822639912366867,
"learning_rate": 0.00019358024691358024,
"loss": 0.5646,
"step": 566
},
{
"epoch": 1.26,
"grad_norm": 0.04671519622206688,
"learning_rate": 0.00019333333333333333,
"loss": 0.4708,
"step": 567
},
{
"epoch": 1.2622222222222224,
"grad_norm": 0.05543937534093857,
"learning_rate": 0.0001930864197530864,
"loss": 0.6776,
"step": 568
},
{
"epoch": 1.2644444444444445,
"grad_norm": 0.06297334283590317,
"learning_rate": 0.0001928395061728395,
"loss": 0.6146,
"step": 569
},
{
"epoch": 1.2666666666666666,
"grad_norm": 0.06672172993421555,
"learning_rate": 0.00019259259259259257,
"loss": 0.5809,
"step": 570
},
{
"epoch": 1.268888888888889,
"grad_norm": 0.06314659118652344,
"learning_rate": 0.00019234567901234566,
"loss": 0.6398,
"step": 571
},
{
"epoch": 1.271111111111111,
"grad_norm": 0.07397986948490143,
"learning_rate": 0.00019209876543209873,
"loss": 0.5926,
"step": 572
},
{
"epoch": 1.2733333333333334,
"grad_norm": 0.05730567127466202,
"learning_rate": 0.00019185185185185182,
"loss": 0.502,
"step": 573
},
{
"epoch": 1.2755555555555556,
"grad_norm": 0.05761762708425522,
"learning_rate": 0.00019160493827160495,
"loss": 0.6246,
"step": 574
},
{
"epoch": 1.2777777777777777,
"grad_norm": 0.05256739631295204,
"learning_rate": 0.00019135802469135801,
"loss": 0.4969,
"step": 575
},
{
"epoch": 1.28,
"grad_norm": 0.07907039672136307,
"learning_rate": 0.0001911111111111111,
"loss": 0.5639,
"step": 576
},
{
"epoch": 1.2822222222222222,
"grad_norm": 0.06401896476745605,
"learning_rate": 0.00019086419753086418,
"loss": 0.455,
"step": 577
},
{
"epoch": 1.2844444444444445,
"grad_norm": 0.06785224378108978,
"learning_rate": 0.00019061728395061727,
"loss": 0.6206,
"step": 578
},
{
"epoch": 1.2866666666666666,
"grad_norm": 0.05500558391213417,
"learning_rate": 0.00019037037037037034,
"loss": 0.5703,
"step": 579
},
{
"epoch": 1.2888888888888888,
"grad_norm": 0.13497020304203033,
"learning_rate": 0.00019012345679012344,
"loss": 0.6413,
"step": 580
},
{
"epoch": 1.291111111111111,
"grad_norm": 0.05647628381848335,
"learning_rate": 0.00018987654320987653,
"loss": 0.4631,
"step": 581
},
{
"epoch": 1.2933333333333334,
"grad_norm": 0.06448817253112793,
"learning_rate": 0.0001896296296296296,
"loss": 0.7013,
"step": 582
},
{
"epoch": 1.2955555555555556,
"grad_norm": 0.05188887193799019,
"learning_rate": 0.00018938271604938272,
"loss": 0.5185,
"step": 583
},
{
"epoch": 1.2977777777777777,
"grad_norm": 0.07357285916805267,
"learning_rate": 0.0001891358024691358,
"loss": 0.6057,
"step": 584
},
{
"epoch": 1.3,
"grad_norm": 0.057298485189676285,
"learning_rate": 0.00018888888888888888,
"loss": 0.6387,
"step": 585
},
{
"epoch": 1.3022222222222222,
"grad_norm": 0.05352728068828583,
"learning_rate": 0.00018864197530864195,
"loss": 0.5425,
"step": 586
},
{
"epoch": 1.3044444444444445,
"grad_norm": 0.05617798492312431,
"learning_rate": 0.00018839506172839505,
"loss": 0.6855,
"step": 587
},
{
"epoch": 1.3066666666666666,
"grad_norm": 0.05917446315288544,
"learning_rate": 0.00018814814814814814,
"loss": 0.7752,
"step": 588
},
{
"epoch": 1.3088888888888888,
"grad_norm": 0.07065349817276001,
"learning_rate": 0.0001879012345679012,
"loss": 0.6745,
"step": 589
},
{
"epoch": 1.3111111111111111,
"grad_norm": 0.05729060247540474,
"learning_rate": 0.0001876543209876543,
"loss": 0.5004,
"step": 590
},
{
"epoch": 1.3133333333333335,
"grad_norm": 0.050993286073207855,
"learning_rate": 0.00018740740740740737,
"loss": 0.5734,
"step": 591
},
{
"epoch": 1.3155555555555556,
"grad_norm": 0.050808437168598175,
"learning_rate": 0.0001871604938271605,
"loss": 0.5089,
"step": 592
},
{
"epoch": 1.3177777777777777,
"grad_norm": 0.06159992888569832,
"learning_rate": 0.00018691358024691356,
"loss": 0.5593,
"step": 593
},
{
"epoch": 1.32,
"grad_norm": 0.057330355048179626,
"learning_rate": 0.00018666666666666666,
"loss": 0.5363,
"step": 594
},
{
"epoch": 1.3222222222222222,
"grad_norm": 0.07226645946502686,
"learning_rate": 0.00018641975308641973,
"loss": 0.62,
"step": 595
},
{
"epoch": 1.3244444444444445,
"grad_norm": 0.0795191153883934,
"learning_rate": 0.00018617283950617282,
"loss": 0.6801,
"step": 596
},
{
"epoch": 1.3266666666666667,
"grad_norm": 0.06860774755477905,
"learning_rate": 0.00018592592592592592,
"loss": 0.5357,
"step": 597
},
{
"epoch": 1.3288888888888888,
"grad_norm": 0.07353827357292175,
"learning_rate": 0.00018567901234567899,
"loss": 0.6449,
"step": 598
},
{
"epoch": 1.3311111111111111,
"grad_norm": 0.08865563571453094,
"learning_rate": 0.00018543209876543208,
"loss": 0.6238,
"step": 599
},
{
"epoch": 1.3333333333333333,
"grad_norm": 0.0657055452466011,
"learning_rate": 0.00018518518518518515,
"loss": 0.6608,
"step": 600
},
{
"epoch": 1.3355555555555556,
"grad_norm": 0.052916329354047775,
"learning_rate": 0.00018493827160493827,
"loss": 0.5771,
"step": 601
},
{
"epoch": 1.3377777777777777,
"grad_norm": 0.06563440710306168,
"learning_rate": 0.00018469135802469134,
"loss": 0.5596,
"step": 602
},
{
"epoch": 1.34,
"grad_norm": 0.05654449015855789,
"learning_rate": 0.00018444444444444443,
"loss": 0.6079,
"step": 603
},
{
"epoch": 1.3422222222222222,
"grad_norm": 0.06601669639348984,
"learning_rate": 0.00018419753086419753,
"loss": 0.5052,
"step": 604
},
{
"epoch": 1.3444444444444446,
"grad_norm": 0.05436199903488159,
"learning_rate": 0.0001839506172839506,
"loss": 0.5443,
"step": 605
},
{
"epoch": 1.3466666666666667,
"grad_norm": 0.05751197785139084,
"learning_rate": 0.0001837037037037037,
"loss": 0.5621,
"step": 606
},
{
"epoch": 1.3488888888888888,
"grad_norm": 0.056823842227458954,
"learning_rate": 0.00018345679012345676,
"loss": 0.5466,
"step": 607
},
{
"epoch": 1.3511111111111112,
"grad_norm": 0.08196792006492615,
"learning_rate": 0.00018320987654320986,
"loss": 0.6071,
"step": 608
},
{
"epoch": 1.3533333333333333,
"grad_norm": 0.07378371059894562,
"learning_rate": 0.00018296296296296292,
"loss": 0.6775,
"step": 609
},
{
"epoch": 1.3555555555555556,
"grad_norm": 0.0697040930390358,
"learning_rate": 0.00018271604938271605,
"loss": 0.6275,
"step": 610
},
{
"epoch": 1.3577777777777778,
"grad_norm": 0.05658598616719246,
"learning_rate": 0.00018246913580246914,
"loss": 0.4926,
"step": 611
},
{
"epoch": 1.3599999999999999,
"grad_norm": 0.05035831779241562,
"learning_rate": 0.0001822222222222222,
"loss": 0.5523,
"step": 612
},
{
"epoch": 1.3622222222222222,
"grad_norm": 0.08606016635894775,
"learning_rate": 0.0001819753086419753,
"loss": 0.5475,
"step": 613
},
{
"epoch": 1.3644444444444446,
"grad_norm": 0.07070509344339371,
"learning_rate": 0.00018172839506172837,
"loss": 0.7618,
"step": 614
},
{
"epoch": 1.3666666666666667,
"grad_norm": 0.054081596434116364,
"learning_rate": 0.00018148148148148147,
"loss": 0.5402,
"step": 615
},
{
"epoch": 1.3688888888888888,
"grad_norm": 0.06346143782138824,
"learning_rate": 0.00018123456790123454,
"loss": 0.5518,
"step": 616
},
{
"epoch": 1.3711111111111112,
"grad_norm": 0.07378754019737244,
"learning_rate": 0.00018098765432098763,
"loss": 0.617,
"step": 617
},
{
"epoch": 1.3733333333333333,
"grad_norm": 0.08497416228055954,
"learning_rate": 0.00018074074074074075,
"loss": 0.7788,
"step": 618
},
{
"epoch": 1.3755555555555556,
"grad_norm": 0.07911262661218643,
"learning_rate": 0.00018049382716049382,
"loss": 0.5803,
"step": 619
},
{
"epoch": 1.3777777777777778,
"grad_norm": 0.04942178353667259,
"learning_rate": 0.00018024691358024692,
"loss": 0.4716,
"step": 620
},
{
"epoch": 1.38,
"grad_norm": 0.047186482697725296,
"learning_rate": 0.00017999999999999998,
"loss": 0.5332,
"step": 621
},
{
"epoch": 1.3822222222222222,
"grad_norm": 0.06078922376036644,
"learning_rate": 0.00017975308641975308,
"loss": 0.5501,
"step": 622
},
{
"epoch": 1.3844444444444444,
"grad_norm": 0.052392344921827316,
"learning_rate": 0.00017950617283950615,
"loss": 0.5307,
"step": 623
},
{
"epoch": 1.3866666666666667,
"grad_norm": 0.06864654272794724,
"learning_rate": 0.00017925925925925924,
"loss": 0.5512,
"step": 624
},
{
"epoch": 1.3888888888888888,
"grad_norm": 0.06133788079023361,
"learning_rate": 0.0001790123456790123,
"loss": 0.4992,
"step": 625
},
{
"epoch": 1.3911111111111112,
"grad_norm": 0.06265698373317719,
"learning_rate": 0.0001787654320987654,
"loss": 0.5094,
"step": 626
},
{
"epoch": 1.3933333333333333,
"grad_norm": 0.05738376826047897,
"learning_rate": 0.00017851851851851853,
"loss": 0.6811,
"step": 627
},
{
"epoch": 1.3955555555555557,
"grad_norm": 0.07373687624931335,
"learning_rate": 0.0001782716049382716,
"loss": 0.6168,
"step": 628
},
{
"epoch": 1.3977777777777778,
"grad_norm": 0.052827995270490646,
"learning_rate": 0.0001780246913580247,
"loss": 0.5009,
"step": 629
},
{
"epoch": 1.4,
"grad_norm": 0.12193891406059265,
"learning_rate": 0.00017777777777777776,
"loss": 0.5653,
"step": 630
},
{
"epoch": 1.4022222222222223,
"grad_norm": 0.0757482722401619,
"learning_rate": 0.00017753086419753085,
"loss": 0.5405,
"step": 631
},
{
"epoch": 1.4044444444444444,
"grad_norm": 0.06812596321105957,
"learning_rate": 0.00017728395061728392,
"loss": 0.5486,
"step": 632
},
{
"epoch": 1.4066666666666667,
"grad_norm": 0.04514603316783905,
"learning_rate": 0.00017703703703703702,
"loss": 0.5271,
"step": 633
},
{
"epoch": 1.4088888888888889,
"grad_norm": 0.05779915302991867,
"learning_rate": 0.0001767901234567901,
"loss": 0.7327,
"step": 634
},
{
"epoch": 1.411111111111111,
"grad_norm": 0.07517620921134949,
"learning_rate": 0.00017654320987654318,
"loss": 0.4626,
"step": 635
},
{
"epoch": 1.4133333333333333,
"grad_norm": 0.0513499453663826,
"learning_rate": 0.0001762962962962963,
"loss": 0.5631,
"step": 636
},
{
"epoch": 1.4155555555555557,
"grad_norm": 0.06641045212745667,
"learning_rate": 0.00017604938271604937,
"loss": 0.5825,
"step": 637
},
{
"epoch": 1.4177777777777778,
"grad_norm": 0.07333184778690338,
"learning_rate": 0.00017580246913580247,
"loss": 0.6719,
"step": 638
},
{
"epoch": 1.42,
"grad_norm": 0.06464029848575592,
"learning_rate": 0.00017555555555555553,
"loss": 0.6932,
"step": 639
},
{
"epoch": 1.4222222222222223,
"grad_norm": 0.06149693578481674,
"learning_rate": 0.00017530864197530863,
"loss": 0.5776,
"step": 640
},
{
"epoch": 1.4244444444444444,
"grad_norm": 0.05443153157830238,
"learning_rate": 0.00017506172839506172,
"loss": 0.5091,
"step": 641
},
{
"epoch": 1.4266666666666667,
"grad_norm": 0.07074269652366638,
"learning_rate": 0.0001748148148148148,
"loss": 0.6371,
"step": 642
},
{
"epoch": 1.4288888888888889,
"grad_norm": 0.10091938078403473,
"learning_rate": 0.0001745679012345679,
"loss": 0.423,
"step": 643
},
{
"epoch": 1.431111111111111,
"grad_norm": 0.05455939099192619,
"learning_rate": 0.00017432098765432096,
"loss": 0.5415,
"step": 644
},
{
"epoch": 1.4333333333333333,
"grad_norm": 0.05939517170190811,
"learning_rate": 0.00017407407407407408,
"loss": 0.6316,
"step": 645
},
{
"epoch": 1.4355555555555555,
"grad_norm": 0.07641264796257019,
"learning_rate": 0.00017382716049382715,
"loss": 0.5573,
"step": 646
},
{
"epoch": 1.4377777777777778,
"grad_norm": 0.08066412806510925,
"learning_rate": 0.00017358024691358024,
"loss": 0.6718,
"step": 647
},
{
"epoch": 1.44,
"grad_norm": 0.07123071700334549,
"learning_rate": 0.0001733333333333333,
"loss": 0.538,
"step": 648
},
{
"epoch": 1.4422222222222223,
"grad_norm": 0.0550350546836853,
"learning_rate": 0.0001730864197530864,
"loss": 0.5855,
"step": 649
},
{
"epoch": 1.4444444444444444,
"grad_norm": 0.054279692471027374,
"learning_rate": 0.0001728395061728395,
"loss": 0.6959,
"step": 650
},
{
"epoch": 1.4466666666666668,
"grad_norm": 0.051811859011650085,
"learning_rate": 0.00017259259259259257,
"loss": 0.4472,
"step": 651
},
{
"epoch": 1.448888888888889,
"grad_norm": 0.059803206473588943,
"learning_rate": 0.00017234567901234566,
"loss": 0.5405,
"step": 652
},
{
"epoch": 1.451111111111111,
"grad_norm": 0.07218248397111893,
"learning_rate": 0.00017209876543209873,
"loss": 0.6648,
"step": 653
},
{
"epoch": 1.4533333333333334,
"grad_norm": 0.05009540542960167,
"learning_rate": 0.00017185185185185185,
"loss": 0.5352,
"step": 654
},
{
"epoch": 1.4555555555555555,
"grad_norm": 0.06544394046068192,
"learning_rate": 0.00017160493827160492,
"loss": 0.5009,
"step": 655
},
{
"epoch": 1.4577777777777778,
"grad_norm": 0.05920146033167839,
"learning_rate": 0.00017135802469135802,
"loss": 0.5075,
"step": 656
},
{
"epoch": 1.46,
"grad_norm": 0.04878571629524231,
"learning_rate": 0.0001711111111111111,
"loss": 0.4529,
"step": 657
},
{
"epoch": 1.462222222222222,
"grad_norm": 0.04539019986987114,
"learning_rate": 0.00017086419753086418,
"loss": 0.451,
"step": 658
},
{
"epoch": 1.4644444444444444,
"grad_norm": 0.05576840788125992,
"learning_rate": 0.00017061728395061727,
"loss": 0.5135,
"step": 659
},
{
"epoch": 1.4666666666666668,
"grad_norm": 0.05507802218198776,
"learning_rate": 0.00017037037037037034,
"loss": 0.6366,
"step": 660
},
{
"epoch": 1.468888888888889,
"grad_norm": 0.08249601721763611,
"learning_rate": 0.00017012345679012344,
"loss": 0.6801,
"step": 661
},
{
"epoch": 1.471111111111111,
"grad_norm": 0.07689239829778671,
"learning_rate": 0.0001698765432098765,
"loss": 0.6374,
"step": 662
},
{
"epoch": 1.4733333333333334,
"grad_norm": 0.10602860897779465,
"learning_rate": 0.00016962962962962963,
"loss": 0.5077,
"step": 663
},
{
"epoch": 1.4755555555555555,
"grad_norm": 0.06070888042449951,
"learning_rate": 0.00016938271604938272,
"loss": 0.7006,
"step": 664
},
{
"epoch": 1.4777777777777779,
"grad_norm": 0.05798992142081261,
"learning_rate": 0.0001691358024691358,
"loss": 0.493,
"step": 665
},
{
"epoch": 1.48,
"grad_norm": 0.08377783000469208,
"learning_rate": 0.00016888888888888889,
"loss": 0.4825,
"step": 666
},
{
"epoch": 1.482222222222222,
"grad_norm": 0.06520260870456696,
"learning_rate": 0.00016864197530864195,
"loss": 0.5424,
"step": 667
},
{
"epoch": 1.4844444444444445,
"grad_norm": 0.07959870994091034,
"learning_rate": 0.00016839506172839505,
"loss": 0.6104,
"step": 668
},
{
"epoch": 1.4866666666666668,
"grad_norm": 0.06556657701730728,
"learning_rate": 0.00016814814814814812,
"loss": 0.5864,
"step": 669
},
{
"epoch": 1.488888888888889,
"grad_norm": 0.06736795604228973,
"learning_rate": 0.0001679012345679012,
"loss": 0.5733,
"step": 670
},
{
"epoch": 1.491111111111111,
"grad_norm": 0.057398103177547455,
"learning_rate": 0.00016765432098765433,
"loss": 0.4716,
"step": 671
},
{
"epoch": 1.4933333333333334,
"grad_norm": 0.09340738505125046,
"learning_rate": 0.0001674074074074074,
"loss": 0.5637,
"step": 672
},
{
"epoch": 1.4955555555555555,
"grad_norm": 0.06669988483190536,
"learning_rate": 0.0001671604938271605,
"loss": 0.651,
"step": 673
},
{
"epoch": 1.4977777777777779,
"grad_norm": 0.08472840487957001,
"learning_rate": 0.00016691358024691357,
"loss": 0.58,
"step": 674
},
{
"epoch": 1.5,
"grad_norm": 0.057394471019506454,
"learning_rate": 0.00016666666666666666,
"loss": 0.5119,
"step": 675
},
{
"epoch": 1.5022222222222221,
"grad_norm": 0.06451477110385895,
"learning_rate": 0.00016641975308641973,
"loss": 0.5004,
"step": 676
},
{
"epoch": 1.5044444444444445,
"grad_norm": 0.07595914602279663,
"learning_rate": 0.00016617283950617282,
"loss": 0.6697,
"step": 677
},
{
"epoch": 1.5066666666666668,
"grad_norm": 0.06590458005666733,
"learning_rate": 0.0001659259259259259,
"loss": 0.5613,
"step": 678
},
{
"epoch": 1.508888888888889,
"grad_norm": 0.07247265428304672,
"learning_rate": 0.000165679012345679,
"loss": 0.6653,
"step": 679
},
{
"epoch": 1.511111111111111,
"grad_norm": 0.07311250269412994,
"learning_rate": 0.0001654320987654321,
"loss": 0.5959,
"step": 680
},
{
"epoch": 1.5133333333333332,
"grad_norm": 0.08032218366861343,
"learning_rate": 0.00016518518518518518,
"loss": 0.6595,
"step": 681
},
{
"epoch": 1.5155555555555555,
"grad_norm": 0.04984492063522339,
"learning_rate": 0.00016493827160493827,
"loss": 0.535,
"step": 682
},
{
"epoch": 1.517777777777778,
"grad_norm": 0.06561774015426636,
"learning_rate": 0.00016469135802469134,
"loss": 0.5198,
"step": 683
},
{
"epoch": 1.52,
"grad_norm": 0.08288616687059402,
"learning_rate": 0.00016444444444444444,
"loss": 0.674,
"step": 684
},
{
"epoch": 1.5222222222222221,
"grad_norm": 0.0601021908223629,
"learning_rate": 0.0001641975308641975,
"loss": 0.5975,
"step": 685
},
{
"epoch": 1.5244444444444445,
"grad_norm": 0.12323024868965149,
"learning_rate": 0.0001639506172839506,
"loss": 0.5378,
"step": 686
},
{
"epoch": 1.5266666666666666,
"grad_norm": 0.06298123300075531,
"learning_rate": 0.0001637037037037037,
"loss": 0.554,
"step": 687
},
{
"epoch": 1.528888888888889,
"grad_norm": 0.06339532881975174,
"learning_rate": 0.00016345679012345676,
"loss": 0.5133,
"step": 688
},
{
"epoch": 1.531111111111111,
"grad_norm": 0.0558561347424984,
"learning_rate": 0.00016320987654320988,
"loss": 0.5032,
"step": 689
},
{
"epoch": 1.5333333333333332,
"grad_norm": 0.055791474878787994,
"learning_rate": 0.00016296296296296295,
"loss": 0.5456,
"step": 690
},
{
"epoch": 1.5355555555555556,
"grad_norm": 0.04931165277957916,
"learning_rate": 0.00016271604938271605,
"loss": 0.4454,
"step": 691
},
{
"epoch": 1.537777777777778,
"grad_norm": 0.07284574955701828,
"learning_rate": 0.00016246913580246912,
"loss": 0.5862,
"step": 692
},
{
"epoch": 1.54,
"grad_norm": 0.1155928522348404,
"learning_rate": 0.0001622222222222222,
"loss": 0.527,
"step": 693
},
{
"epoch": 1.5422222222222222,
"grad_norm": 0.054718051105737686,
"learning_rate": 0.0001619753086419753,
"loss": 0.5375,
"step": 694
},
{
"epoch": 1.5444444444444443,
"grad_norm": 0.05141949653625488,
"learning_rate": 0.00016172839506172837,
"loss": 0.5186,
"step": 695
},
{
"epoch": 1.5466666666666666,
"grad_norm": 0.07433553040027618,
"learning_rate": 0.00016148148148148147,
"loss": 0.5112,
"step": 696
},
{
"epoch": 1.548888888888889,
"grad_norm": 0.05488400533795357,
"learning_rate": 0.00016123456790123454,
"loss": 0.5465,
"step": 697
},
{
"epoch": 1.551111111111111,
"grad_norm": 0.07929231971502304,
"learning_rate": 0.00016098765432098766,
"loss": 0.6853,
"step": 698
},
{
"epoch": 1.5533333333333332,
"grad_norm": 0.05515801161527634,
"learning_rate": 0.00016074074074074073,
"loss": 0.681,
"step": 699
},
{
"epoch": 1.5555555555555556,
"grad_norm": 0.04796384274959564,
"learning_rate": 0.00016049382716049382,
"loss": 0.4594,
"step": 700
},
{
"epoch": 1.557777777777778,
"grad_norm": 0.06954047083854675,
"learning_rate": 0.00016024691358024692,
"loss": 0.5117,
"step": 701
},
{
"epoch": 1.56,
"grad_norm": 0.04393395036458969,
"learning_rate": 0.00015999999999999999,
"loss": 0.4467,
"step": 702
},
{
"epoch": 1.5622222222222222,
"grad_norm": 0.07525661587715149,
"learning_rate": 0.00015975308641975308,
"loss": 0.5913,
"step": 703
},
{
"epoch": 1.5644444444444443,
"grad_norm": 0.07192367315292358,
"learning_rate": 0.00015950617283950615,
"loss": 0.4955,
"step": 704
},
{
"epoch": 1.5666666666666667,
"grad_norm": 0.07459937036037445,
"learning_rate": 0.00015925925925925924,
"loss": 0.6316,
"step": 705
},
{
"epoch": 1.568888888888889,
"grad_norm": 0.06207813322544098,
"learning_rate": 0.0001590123456790123,
"loss": 0.6553,
"step": 706
},
{
"epoch": 1.5711111111111111,
"grad_norm": 0.07175853848457336,
"learning_rate": 0.00015876543209876543,
"loss": 0.5826,
"step": 707
},
{
"epoch": 1.5733333333333333,
"grad_norm": 0.05727192759513855,
"learning_rate": 0.0001585185185185185,
"loss": 0.6622,
"step": 708
},
{
"epoch": 1.5755555555555556,
"grad_norm": 0.06073378771543503,
"learning_rate": 0.0001582716049382716,
"loss": 0.4843,
"step": 709
},
{
"epoch": 1.5777777777777777,
"grad_norm": 0.1481916457414627,
"learning_rate": 0.0001580246913580247,
"loss": 0.6315,
"step": 710
},
{
"epoch": 1.58,
"grad_norm": 0.07267245650291443,
"learning_rate": 0.00015777777777777776,
"loss": 0.577,
"step": 711
},
{
"epoch": 1.5822222222222222,
"grad_norm": 0.1542692631483078,
"learning_rate": 0.00015753086419753086,
"loss": 0.5453,
"step": 712
},
{
"epoch": 1.5844444444444443,
"grad_norm": 0.08447085320949554,
"learning_rate": 0.00015728395061728392,
"loss": 0.6688,
"step": 713
},
{
"epoch": 1.5866666666666667,
"grad_norm": 0.05692017823457718,
"learning_rate": 0.00015703703703703702,
"loss": 0.4807,
"step": 714
},
{
"epoch": 1.588888888888889,
"grad_norm": 0.07300254702568054,
"learning_rate": 0.0001567901234567901,
"loss": 0.5531,
"step": 715
},
{
"epoch": 1.5911111111111111,
"grad_norm": 0.07361926138401031,
"learning_rate": 0.0001565432098765432,
"loss": 0.5973,
"step": 716
},
{
"epoch": 1.5933333333333333,
"grad_norm": 0.09326552599668503,
"learning_rate": 0.0001562962962962963,
"loss": 0.68,
"step": 717
},
{
"epoch": 1.5955555555555554,
"grad_norm": 0.06923039257526398,
"learning_rate": 0.00015604938271604937,
"loss": 0.5468,
"step": 718
},
{
"epoch": 1.5977777777777777,
"grad_norm": 0.05969049409031868,
"learning_rate": 0.00015580246913580247,
"loss": 0.5393,
"step": 719
},
{
"epoch": 1.6,
"grad_norm": 0.06347218155860901,
"learning_rate": 0.00015555555555555554,
"loss": 0.5553,
"step": 720
},
{
"epoch": 1.6022222222222222,
"grad_norm": 0.04843074828386307,
"learning_rate": 0.00015530864197530863,
"loss": 0.4702,
"step": 721
},
{
"epoch": 1.6044444444444443,
"grad_norm": 0.05043656378984451,
"learning_rate": 0.0001550617283950617,
"loss": 0.6072,
"step": 722
},
{
"epoch": 1.6066666666666667,
"grad_norm": 0.06668213754892349,
"learning_rate": 0.0001548148148148148,
"loss": 0.5995,
"step": 723
},
{
"epoch": 1.608888888888889,
"grad_norm": 0.05539967119693756,
"learning_rate": 0.00015456790123456792,
"loss": 0.5543,
"step": 724
},
{
"epoch": 1.6111111111111112,
"grad_norm": 0.05010242387652397,
"learning_rate": 0.00015432098765432098,
"loss": 0.549,
"step": 725
},
{
"epoch": 1.6133333333333333,
"grad_norm": 0.08259212225675583,
"learning_rate": 0.00015407407407407408,
"loss": 0.6413,
"step": 726
},
{
"epoch": 1.6155555555555554,
"grad_norm": 0.06118133291602135,
"learning_rate": 0.00015382716049382715,
"loss": 0.5549,
"step": 727
},
{
"epoch": 1.6177777777777778,
"grad_norm": 0.053836848586797714,
"learning_rate": 0.00015358024691358024,
"loss": 0.5361,
"step": 728
},
{
"epoch": 1.62,
"grad_norm": 0.1261414736509323,
"learning_rate": 0.0001533333333333333,
"loss": 0.5703,
"step": 729
},
{
"epoch": 1.6222222222222222,
"grad_norm": 0.05367890000343323,
"learning_rate": 0.0001530864197530864,
"loss": 0.555,
"step": 730
},
{
"epoch": 1.6244444444444444,
"grad_norm": 0.09554382413625717,
"learning_rate": 0.00015283950617283947,
"loss": 0.3854,
"step": 731
},
{
"epoch": 1.6266666666666667,
"grad_norm": 0.0832231193780899,
"learning_rate": 0.00015259259259259257,
"loss": 0.6498,
"step": 732
},
{
"epoch": 1.628888888888889,
"grad_norm": 0.09230218082666397,
"learning_rate": 0.0001523456790123457,
"loss": 0.5641,
"step": 733
},
{
"epoch": 1.6311111111111112,
"grad_norm": 0.057532064616680145,
"learning_rate": 0.00015209876543209873,
"loss": 0.5838,
"step": 734
},
{
"epoch": 1.6333333333333333,
"grad_norm": 0.13021503388881683,
"learning_rate": 0.00015185185185185185,
"loss": 0.5665,
"step": 735
},
{
"epoch": 1.6355555555555554,
"grad_norm": 0.06547033041715622,
"learning_rate": 0.00015160493827160492,
"loss": 0.5572,
"step": 736
},
{
"epoch": 1.6377777777777778,
"grad_norm": 0.06860460340976715,
"learning_rate": 0.00015135802469135802,
"loss": 0.5439,
"step": 737
},
{
"epoch": 1.6400000000000001,
"grad_norm": 0.054408688098192215,
"learning_rate": 0.00015111111111111109,
"loss": 0.5768,
"step": 738
},
{
"epoch": 1.6422222222222222,
"grad_norm": 0.051527902483940125,
"learning_rate": 0.00015086419753086418,
"loss": 0.6987,
"step": 739
},
{
"epoch": 1.6444444444444444,
"grad_norm": 0.07253484427928925,
"learning_rate": 0.00015061728395061728,
"loss": 0.6066,
"step": 740
},
{
"epoch": 1.6466666666666665,
"grad_norm": 0.07275417447090149,
"learning_rate": 0.00015037037037037034,
"loss": 0.6965,
"step": 741
},
{
"epoch": 1.6488888888888888,
"grad_norm": 0.06611516326665878,
"learning_rate": 0.00015012345679012347,
"loss": 0.5983,
"step": 742
},
{
"epoch": 1.6511111111111112,
"grad_norm": 0.06346430629491806,
"learning_rate": 0.00014987654320987653,
"loss": 0.506,
"step": 743
},
{
"epoch": 1.6533333333333333,
"grad_norm": 0.0587560310959816,
"learning_rate": 0.00014962962962962963,
"loss": 0.3811,
"step": 744
},
{
"epoch": 1.6555555555555554,
"grad_norm": 0.061339814215898514,
"learning_rate": 0.0001493827160493827,
"loss": 0.617,
"step": 745
},
{
"epoch": 1.6577777777777778,
"grad_norm": 0.06670242547988892,
"learning_rate": 0.0001491358024691358,
"loss": 0.4602,
"step": 746
},
{
"epoch": 1.6600000000000001,
"grad_norm": 0.06967601925134659,
"learning_rate": 0.00014888888888888886,
"loss": 0.4374,
"step": 747
},
{
"epoch": 1.6622222222222223,
"grad_norm": 0.06698095798492432,
"learning_rate": 0.00014864197530864196,
"loss": 0.4996,
"step": 748
},
{
"epoch": 1.6644444444444444,
"grad_norm": 0.073794424533844,
"learning_rate": 0.00014839506172839505,
"loss": 0.6215,
"step": 749
},
{
"epoch": 1.6666666666666665,
"grad_norm": 0.0930507704615593,
"learning_rate": 0.00014814814814814812,
"loss": 0.6421,
"step": 750
},
{
"epoch": 1.6688888888888889,
"grad_norm": 0.05774183198809624,
"learning_rate": 0.00014790123456790124,
"loss": 0.4443,
"step": 751
},
{
"epoch": 1.6711111111111112,
"grad_norm": 0.04958115518093109,
"learning_rate": 0.0001476543209876543,
"loss": 0.4481,
"step": 752
},
{
"epoch": 1.6733333333333333,
"grad_norm": 0.06320313364267349,
"learning_rate": 0.0001474074074074074,
"loss": 0.4927,
"step": 753
},
{
"epoch": 1.6755555555555555,
"grad_norm": 0.05753500014543533,
"learning_rate": 0.00014716049382716047,
"loss": 0.6196,
"step": 754
},
{
"epoch": 1.6777777777777778,
"grad_norm": 0.05950382724404335,
"learning_rate": 0.00014691358024691357,
"loss": 0.656,
"step": 755
},
{
"epoch": 1.6800000000000002,
"grad_norm": 0.059872355312108994,
"learning_rate": 0.00014666666666666664,
"loss": 0.5287,
"step": 756
},
{
"epoch": 1.6822222222222223,
"grad_norm": 0.07446783781051636,
"learning_rate": 0.00014641975308641973,
"loss": 0.4874,
"step": 757
},
{
"epoch": 1.6844444444444444,
"grad_norm": 0.09308301657438278,
"learning_rate": 0.00014617283950617283,
"loss": 0.6015,
"step": 758
},
{
"epoch": 1.6866666666666665,
"grad_norm": 0.07845073938369751,
"learning_rate": 0.00014592592592592592,
"loss": 0.6242,
"step": 759
},
{
"epoch": 1.6888888888888889,
"grad_norm": 0.05412207916378975,
"learning_rate": 0.000145679012345679,
"loss": 0.5224,
"step": 760
},
{
"epoch": 1.6911111111111112,
"grad_norm": 0.06393057107925415,
"learning_rate": 0.00014543209876543208,
"loss": 0.6104,
"step": 761
},
{
"epoch": 1.6933333333333334,
"grad_norm": 0.0477752685546875,
"learning_rate": 0.00014518518518518518,
"loss": 0.6407,
"step": 762
},
{
"epoch": 1.6955555555555555,
"grad_norm": 0.05183986574411392,
"learning_rate": 0.00014493827160493825,
"loss": 0.4581,
"step": 763
},
{
"epoch": 1.6977777777777778,
"grad_norm": 0.07449138909578323,
"learning_rate": 0.00014469135802469134,
"loss": 0.5091,
"step": 764
},
{
"epoch": 1.7,
"grad_norm": 0.06958594918251038,
"learning_rate": 0.0001444444444444444,
"loss": 0.7315,
"step": 765
},
{
"epoch": 1.7022222222222223,
"grad_norm": 0.05860864371061325,
"learning_rate": 0.00014419753086419753,
"loss": 0.4559,
"step": 766
},
{
"epoch": 1.7044444444444444,
"grad_norm": 0.06844347715377808,
"learning_rate": 0.0001439506172839506,
"loss": 0.5453,
"step": 767
},
{
"epoch": 1.7066666666666666,
"grad_norm": 0.06979213654994965,
"learning_rate": 0.0001437037037037037,
"loss": 0.5099,
"step": 768
},
{
"epoch": 1.708888888888889,
"grad_norm": 0.05852322652935982,
"learning_rate": 0.00014345679012345676,
"loss": 0.4338,
"step": 769
},
{
"epoch": 1.7111111111111112,
"grad_norm": 0.05683210492134094,
"learning_rate": 0.00014320987654320986,
"loss": 0.5247,
"step": 770
},
{
"epoch": 1.7133333333333334,
"grad_norm": 0.05876768380403519,
"learning_rate": 0.00014296296296296295,
"loss": 0.4864,
"step": 771
},
{
"epoch": 1.7155555555555555,
"grad_norm": 0.08508090674877167,
"learning_rate": 0.00014271604938271602,
"loss": 0.6039,
"step": 772
},
{
"epoch": 1.7177777777777776,
"grad_norm": 0.052276160567998886,
"learning_rate": 0.00014246913580246912,
"loss": 0.6211,
"step": 773
},
{
"epoch": 1.72,
"grad_norm": 0.05639871582388878,
"learning_rate": 0.0001422222222222222,
"loss": 0.5547,
"step": 774
},
{
"epoch": 1.7222222222222223,
"grad_norm": 0.10673470050096512,
"learning_rate": 0.0001419753086419753,
"loss": 0.5379,
"step": 775
},
{
"epoch": 1.7244444444444444,
"grad_norm": 0.05808853358030319,
"learning_rate": 0.00014172839506172838,
"loss": 0.5664,
"step": 776
},
{
"epoch": 1.7266666666666666,
"grad_norm": 0.08077769726514816,
"learning_rate": 0.00014148148148148147,
"loss": 0.5641,
"step": 777
},
{
"epoch": 1.728888888888889,
"grad_norm": 0.09657977521419525,
"learning_rate": 0.00014123456790123454,
"loss": 0.6948,
"step": 778
},
{
"epoch": 1.7311111111111113,
"grad_norm": 0.06040675938129425,
"learning_rate": 0.00014098765432098763,
"loss": 0.5752,
"step": 779
},
{
"epoch": 1.7333333333333334,
"grad_norm": 0.09027255326509476,
"learning_rate": 0.00014074074074074073,
"loss": 0.571,
"step": 780
},
{
"epoch": 1.7355555555555555,
"grad_norm": 0.08459677547216415,
"learning_rate": 0.00014049382716049382,
"loss": 0.4594,
"step": 781
},
{
"epoch": 1.7377777777777776,
"grad_norm": 0.06038082763552666,
"learning_rate": 0.0001402469135802469,
"loss": 0.5246,
"step": 782
},
{
"epoch": 1.74,
"grad_norm": 0.07737093418836594,
"learning_rate": 0.00014,
"loss": 0.4698,
"step": 783
},
{
"epoch": 1.7422222222222223,
"grad_norm": 0.05954982340335846,
"learning_rate": 0.00013975308641975308,
"loss": 0.661,
"step": 784
},
{
"epoch": 1.7444444444444445,
"grad_norm": 0.05921616032719612,
"learning_rate": 0.00013950617283950615,
"loss": 0.5617,
"step": 785
},
{
"epoch": 1.7466666666666666,
"grad_norm": 0.07192415744066238,
"learning_rate": 0.00013925925925925925,
"loss": 0.5018,
"step": 786
},
{
"epoch": 1.748888888888889,
"grad_norm": 0.06786806136369705,
"learning_rate": 0.00013901234567901231,
"loss": 0.6252,
"step": 787
},
{
"epoch": 1.751111111111111,
"grad_norm": 0.059251997619867325,
"learning_rate": 0.00013876543209876544,
"loss": 0.5964,
"step": 788
},
{
"epoch": 1.7533333333333334,
"grad_norm": 0.08339954167604446,
"learning_rate": 0.0001385185185185185,
"loss": 0.5799,
"step": 789
},
{
"epoch": 1.7555555555555555,
"grad_norm": 0.06480483710765839,
"learning_rate": 0.0001382716049382716,
"loss": 0.6731,
"step": 790
},
{
"epoch": 1.7577777777777777,
"grad_norm": 0.08144319802522659,
"learning_rate": 0.00013802469135802467,
"loss": 0.5436,
"step": 791
},
{
"epoch": 1.76,
"grad_norm": 0.06506912410259247,
"learning_rate": 0.00013777777777777776,
"loss": 0.4995,
"step": 792
},
{
"epoch": 1.7622222222222224,
"grad_norm": 0.06140586733818054,
"learning_rate": 0.00013753086419753086,
"loss": 0.5528,
"step": 793
},
{
"epoch": 1.7644444444444445,
"grad_norm": 0.07202223688364029,
"learning_rate": 0.00013728395061728393,
"loss": 0.6095,
"step": 794
},
{
"epoch": 1.7666666666666666,
"grad_norm": 0.06542429327964783,
"learning_rate": 0.00013703703703703702,
"loss": 0.6198,
"step": 795
},
{
"epoch": 1.7688888888888887,
"grad_norm": 0.05932031571865082,
"learning_rate": 0.00013679012345679012,
"loss": 0.433,
"step": 796
},
{
"epoch": 1.771111111111111,
"grad_norm": 0.062494318932294846,
"learning_rate": 0.0001365432098765432,
"loss": 0.5766,
"step": 797
},
{
"epoch": 1.7733333333333334,
"grad_norm": 0.0756322592496872,
"learning_rate": 0.00013629629629629628,
"loss": 0.6299,
"step": 798
},
{
"epoch": 1.7755555555555556,
"grad_norm": 0.04970455914735794,
"learning_rate": 0.00013604938271604937,
"loss": 0.5057,
"step": 799
},
{
"epoch": 1.7777777777777777,
"grad_norm": 0.061017874628305435,
"learning_rate": 0.00013580246913580244,
"loss": 0.5729,
"step": 800
},
{
"epoch": 1.78,
"grad_norm": 0.056633949279785156,
"learning_rate": 0.00013555555555555554,
"loss": 0.4932,
"step": 801
},
{
"epoch": 1.7822222222222224,
"grad_norm": 0.05541403591632843,
"learning_rate": 0.00013530864197530863,
"loss": 0.4638,
"step": 802
},
{
"epoch": 1.7844444444444445,
"grad_norm": 0.06685563176870346,
"learning_rate": 0.00013506172839506173,
"loss": 0.4718,
"step": 803
},
{
"epoch": 1.7866666666666666,
"grad_norm": 0.06282782554626465,
"learning_rate": 0.0001348148148148148,
"loss": 0.4503,
"step": 804
},
{
"epoch": 1.7888888888888888,
"grad_norm": 0.08332068473100662,
"learning_rate": 0.0001345679012345679,
"loss": 0.5893,
"step": 805
},
{
"epoch": 1.791111111111111,
"grad_norm": 0.05621097981929779,
"learning_rate": 0.00013432098765432099,
"loss": 0.4665,
"step": 806
},
{
"epoch": 1.7933333333333334,
"grad_norm": 0.07574357837438583,
"learning_rate": 0.00013407407407407405,
"loss": 0.504,
"step": 807
},
{
"epoch": 1.7955555555555556,
"grad_norm": 0.09337465465068817,
"learning_rate": 0.00013382716049382715,
"loss": 0.6057,
"step": 808
},
{
"epoch": 1.7977777777777777,
"grad_norm": 0.052697040140628815,
"learning_rate": 0.00013358024691358022,
"loss": 0.5173,
"step": 809
},
{
"epoch": 1.8,
"grad_norm": 0.05568508058786392,
"learning_rate": 0.0001333333333333333,
"loss": 0.5579,
"step": 810
},
{
"epoch": 1.8022222222222222,
"grad_norm": 0.05045437812805176,
"learning_rate": 0.0001330864197530864,
"loss": 0.6121,
"step": 811
},
{
"epoch": 1.8044444444444445,
"grad_norm": 0.069134920835495,
"learning_rate": 0.0001328395061728395,
"loss": 0.4159,
"step": 812
},
{
"epoch": 1.8066666666666666,
"grad_norm": 0.1204785630106926,
"learning_rate": 0.00013259259259259257,
"loss": 0.6306,
"step": 813
},
{
"epoch": 1.8088888888888888,
"grad_norm": 0.06287333369255066,
"learning_rate": 0.00013234567901234567,
"loss": 0.4427,
"step": 814
},
{
"epoch": 1.8111111111111111,
"grad_norm": 0.05693672224879265,
"learning_rate": 0.00013209876543209876,
"loss": 0.5253,
"step": 815
},
{
"epoch": 1.8133333333333335,
"grad_norm": 0.06401466578245163,
"learning_rate": 0.00013185185185185183,
"loss": 0.4845,
"step": 816
},
{
"epoch": 1.8155555555555556,
"grad_norm": 0.10396970808506012,
"learning_rate": 0.00013160493827160492,
"loss": 0.5815,
"step": 817
},
{
"epoch": 1.8177777777777777,
"grad_norm": 0.04332258924841881,
"learning_rate": 0.00013135802469135802,
"loss": 0.5852,
"step": 818
},
{
"epoch": 1.8199999999999998,
"grad_norm": 0.06762854009866714,
"learning_rate": 0.00013111111111111111,
"loss": 0.5667,
"step": 819
},
{
"epoch": 1.8222222222222222,
"grad_norm": 0.05695168673992157,
"learning_rate": 0.00013086419753086418,
"loss": 0.4791,
"step": 820
},
{
"epoch": 1.8244444444444445,
"grad_norm": 0.0671275183558464,
"learning_rate": 0.00013061728395061728,
"loss": 0.4719,
"step": 821
},
{
"epoch": 1.8266666666666667,
"grad_norm": 0.07296454906463623,
"learning_rate": 0.00013037037037037035,
"loss": 0.6347,
"step": 822
},
{
"epoch": 1.8288888888888888,
"grad_norm": 0.06824342161417007,
"learning_rate": 0.00013012345679012344,
"loss": 0.4157,
"step": 823
},
{
"epoch": 1.8311111111111111,
"grad_norm": 0.06561208516359329,
"learning_rate": 0.00012987654320987654,
"loss": 0.5368,
"step": 824
},
{
"epoch": 1.8333333333333335,
"grad_norm": 0.07323651015758514,
"learning_rate": 0.0001296296296296296,
"loss": 0.4789,
"step": 825
},
{
"epoch": 1.8355555555555556,
"grad_norm": 0.05986982211470604,
"learning_rate": 0.0001293827160493827,
"loss": 0.5182,
"step": 826
},
{
"epoch": 1.8377777777777777,
"grad_norm": 0.06120222806930542,
"learning_rate": 0.0001291358024691358,
"loss": 0.6269,
"step": 827
},
{
"epoch": 1.8399999999999999,
"grad_norm": 0.05974249541759491,
"learning_rate": 0.0001288888888888889,
"loss": 0.4981,
"step": 828
},
{
"epoch": 1.8422222222222222,
"grad_norm": 0.06369238346815109,
"learning_rate": 0.00012864197530864196,
"loss": 0.6065,
"step": 829
},
{
"epoch": 1.8444444444444446,
"grad_norm": 0.06819500029087067,
"learning_rate": 0.00012839506172839505,
"loss": 0.5027,
"step": 830
},
{
"epoch": 1.8466666666666667,
"grad_norm": 0.08742193132638931,
"learning_rate": 0.00012814814814814812,
"loss": 0.4614,
"step": 831
},
{
"epoch": 1.8488888888888888,
"grad_norm": 0.09370777010917664,
"learning_rate": 0.00012790123456790122,
"loss": 0.4883,
"step": 832
},
{
"epoch": 1.8511111111111112,
"grad_norm": 0.04948408156633377,
"learning_rate": 0.0001276543209876543,
"loss": 0.4401,
"step": 833
},
{
"epoch": 1.8533333333333335,
"grad_norm": 0.057232894003391266,
"learning_rate": 0.0001274074074074074,
"loss": 0.4827,
"step": 834
},
{
"epoch": 1.8555555555555556,
"grad_norm": 0.06303838640451431,
"learning_rate": 0.00012716049382716047,
"loss": 0.539,
"step": 835
},
{
"epoch": 1.8577777777777778,
"grad_norm": 0.058734916150569916,
"learning_rate": 0.00012691358024691357,
"loss": 0.5328,
"step": 836
},
{
"epoch": 1.8599999999999999,
"grad_norm": 0.06439004093408585,
"learning_rate": 0.00012666666666666666,
"loss": 0.5914,
"step": 837
},
{
"epoch": 1.8622222222222222,
"grad_norm": 0.06162082031369209,
"learning_rate": 0.00012641975308641973,
"loss": 0.5006,
"step": 838
},
{
"epoch": 1.8644444444444446,
"grad_norm": 0.08706016838550568,
"learning_rate": 0.00012617283950617283,
"loss": 0.5539,
"step": 839
},
{
"epoch": 1.8666666666666667,
"grad_norm": 0.06765034794807434,
"learning_rate": 0.0001259259259259259,
"loss": 0.4778,
"step": 840
},
{
"epoch": 1.8688888888888888,
"grad_norm": 0.09286016970872879,
"learning_rate": 0.00012567901234567902,
"loss": 0.7237,
"step": 841
},
{
"epoch": 1.871111111111111,
"grad_norm": 0.06110518053174019,
"learning_rate": 0.00012543209876543209,
"loss": 0.7471,
"step": 842
},
{
"epoch": 1.8733333333333333,
"grad_norm": 0.07018718868494034,
"learning_rate": 0.00012518518518518518,
"loss": 0.5854,
"step": 843
},
{
"epoch": 1.8755555555555556,
"grad_norm": 0.05846709385514259,
"learning_rate": 0.00012493827160493825,
"loss": 0.516,
"step": 844
},
{
"epoch": 1.8777777777777778,
"grad_norm": 0.07162352651357651,
"learning_rate": 0.00012469135802469134,
"loss": 0.778,
"step": 845
},
{
"epoch": 1.88,
"grad_norm": 0.07620000839233398,
"learning_rate": 0.00012444444444444444,
"loss": 0.5572,
"step": 846
},
{
"epoch": 1.8822222222222222,
"grad_norm": 0.05490870773792267,
"learning_rate": 0.0001241975308641975,
"loss": 0.5349,
"step": 847
},
{
"epoch": 1.8844444444444446,
"grad_norm": 0.06622836738824844,
"learning_rate": 0.0001239506172839506,
"loss": 0.5669,
"step": 848
},
{
"epoch": 1.8866666666666667,
"grad_norm": 0.07705485075712204,
"learning_rate": 0.0001237037037037037,
"loss": 0.5705,
"step": 849
},
{
"epoch": 1.8888888888888888,
"grad_norm": 0.06699000298976898,
"learning_rate": 0.0001234567901234568,
"loss": 0.5654,
"step": 850
},
{
"epoch": 1.891111111111111,
"grad_norm": 0.06047092005610466,
"learning_rate": 0.00012320987654320986,
"loss": 0.4673,
"step": 851
},
{
"epoch": 1.8933333333333333,
"grad_norm": 0.07268223911523819,
"learning_rate": 0.00012296296296296296,
"loss": 0.6171,
"step": 852
},
{
"epoch": 1.8955555555555557,
"grad_norm": 0.10248938947916031,
"learning_rate": 0.00012271604938271602,
"loss": 0.5941,
"step": 853
},
{
"epoch": 1.8977777777777778,
"grad_norm": 0.05336601287126541,
"learning_rate": 0.00012246913580246912,
"loss": 0.4696,
"step": 854
},
{
"epoch": 1.9,
"grad_norm": 0.058589834719896317,
"learning_rate": 0.00012222222222222221,
"loss": 0.5427,
"step": 855
},
{
"epoch": 1.9022222222222223,
"grad_norm": 0.06546634435653687,
"learning_rate": 0.00012197530864197531,
"loss": 0.5526,
"step": 856
},
{
"epoch": 1.9044444444444446,
"grad_norm": 0.06999081373214722,
"learning_rate": 0.00012172839506172839,
"loss": 0.5001,
"step": 857
},
{
"epoch": 1.9066666666666667,
"grad_norm": 0.0729992538690567,
"learning_rate": 0.00012148148148148147,
"loss": 0.5502,
"step": 858
},
{
"epoch": 1.9088888888888889,
"grad_norm": 0.05125622823834419,
"learning_rate": 0.00012123456790123455,
"loss": 0.5191,
"step": 859
},
{
"epoch": 1.911111111111111,
"grad_norm": 0.0560213103890419,
"learning_rate": 0.00012098765432098764,
"loss": 0.4794,
"step": 860
},
{
"epoch": 1.9133333333333333,
"grad_norm": 0.06891674548387527,
"learning_rate": 0.00012074074074074073,
"loss": 0.5763,
"step": 861
},
{
"epoch": 1.9155555555555557,
"grad_norm": 0.08869532495737076,
"learning_rate": 0.00012049382716049381,
"loss": 0.5773,
"step": 862
},
{
"epoch": 1.9177777777777778,
"grad_norm": 0.08977396786212921,
"learning_rate": 0.0001202469135802469,
"loss": 0.6123,
"step": 863
},
{
"epoch": 1.92,
"grad_norm": 0.061748404055833817,
"learning_rate": 0.00011999999999999999,
"loss": 0.5121,
"step": 864
},
{
"epoch": 1.9222222222222223,
"grad_norm": 0.06991101056337357,
"learning_rate": 0.00011975308641975308,
"loss": 0.5506,
"step": 865
},
{
"epoch": 1.9244444444444444,
"grad_norm": 0.04891958832740784,
"learning_rate": 0.00011950617283950617,
"loss": 0.5519,
"step": 866
},
{
"epoch": 1.9266666666666667,
"grad_norm": 0.057783063501119614,
"learning_rate": 0.00011925925925925925,
"loss": 0.4751,
"step": 867
},
{
"epoch": 1.9288888888888889,
"grad_norm": 0.05776379629969597,
"learning_rate": 0.00011901234567901233,
"loss": 0.5066,
"step": 868
},
{
"epoch": 1.931111111111111,
"grad_norm": 0.06384903937578201,
"learning_rate": 0.00011876543209876541,
"loss": 0.5378,
"step": 869
},
{
"epoch": 1.9333333333333333,
"grad_norm": 0.05312483012676239,
"learning_rate": 0.0001185185185185185,
"loss": 0.4739,
"step": 870
},
{
"epoch": 1.9355555555555557,
"grad_norm": 0.06334760785102844,
"learning_rate": 0.0001182716049382716,
"loss": 0.4546,
"step": 871
},
{
"epoch": 1.9377777777777778,
"grad_norm": 0.047741394490003586,
"learning_rate": 0.00011802469135802468,
"loss": 0.5654,
"step": 872
},
{
"epoch": 1.94,
"grad_norm": 0.06999547779560089,
"learning_rate": 0.00011777777777777776,
"loss": 0.5412,
"step": 873
},
{
"epoch": 1.942222222222222,
"grad_norm": 0.06686510145664215,
"learning_rate": 0.00011753086419753086,
"loss": 0.5527,
"step": 874
},
{
"epoch": 1.9444444444444444,
"grad_norm": 0.059512909501791,
"learning_rate": 0.00011728395061728394,
"loss": 0.542,
"step": 875
},
{
"epoch": 1.9466666666666668,
"grad_norm": 0.047394365072250366,
"learning_rate": 0.00011703703703703702,
"loss": 0.4956,
"step": 876
},
{
"epoch": 1.948888888888889,
"grad_norm": 0.08979500085115433,
"learning_rate": 0.0001167901234567901,
"loss": 0.5184,
"step": 877
},
{
"epoch": 1.951111111111111,
"grad_norm": 0.05302036926150322,
"learning_rate": 0.00011654320987654319,
"loss": 0.4902,
"step": 878
},
{
"epoch": 1.9533333333333334,
"grad_norm": 0.07505984604358673,
"learning_rate": 0.0001162962962962963,
"loss": 0.6523,
"step": 879
},
{
"epoch": 1.9555555555555557,
"grad_norm": 0.05769059807062149,
"learning_rate": 0.00011604938271604938,
"loss": 0.5161,
"step": 880
},
{
"epoch": 1.9577777777777778,
"grad_norm": 0.054265160113573074,
"learning_rate": 0.00011580246913580246,
"loss": 0.5704,
"step": 881
},
{
"epoch": 1.96,
"grad_norm": 0.06840366125106812,
"learning_rate": 0.00011555555555555554,
"loss": 0.5586,
"step": 882
},
{
"epoch": 1.962222222222222,
"grad_norm": 0.05442436784505844,
"learning_rate": 0.00011530864197530863,
"loss": 0.5448,
"step": 883
},
{
"epoch": 1.9644444444444444,
"grad_norm": 0.07485603541135788,
"learning_rate": 0.00011506172839506172,
"loss": 0.5699,
"step": 884
},
{
"epoch": 1.9666666666666668,
"grad_norm": 0.05651551112532616,
"learning_rate": 0.0001148148148148148,
"loss": 0.5211,
"step": 885
},
{
"epoch": 1.968888888888889,
"grad_norm": 0.09889449924230576,
"learning_rate": 0.00011456790123456789,
"loss": 0.5635,
"step": 886
},
{
"epoch": 1.971111111111111,
"grad_norm": 0.06663019210100174,
"learning_rate": 0.00011432098765432099,
"loss": 0.6432,
"step": 887
},
{
"epoch": 1.9733333333333334,
"grad_norm": 0.06748384237289429,
"learning_rate": 0.00011407407407407407,
"loss": 0.6222,
"step": 888
},
{
"epoch": 1.9755555555555555,
"grad_norm": 0.06977667659521103,
"learning_rate": 0.00011382716049382715,
"loss": 0.6341,
"step": 889
},
{
"epoch": 1.9777777777777779,
"grad_norm": 0.07906489074230194,
"learning_rate": 0.00011358024691358023,
"loss": 0.5485,
"step": 890
},
{
"epoch": 1.98,
"grad_norm": 0.05564168095588684,
"learning_rate": 0.00011333333333333331,
"loss": 0.5855,
"step": 891
},
{
"epoch": 1.982222222222222,
"grad_norm": 0.06901608407497406,
"learning_rate": 0.00011308641975308641,
"loss": 0.4678,
"step": 892
},
{
"epoch": 1.9844444444444445,
"grad_norm": 0.056001629680395126,
"learning_rate": 0.00011283950617283949,
"loss": 0.5875,
"step": 893
},
{
"epoch": 1.9866666666666668,
"grad_norm": 0.06345464289188385,
"learning_rate": 0.00011259259259259259,
"loss": 0.6737,
"step": 894
},
{
"epoch": 1.988888888888889,
"grad_norm": 0.06477094441652298,
"learning_rate": 0.00011234567901234567,
"loss": 0.467,
"step": 895
},
{
"epoch": 1.991111111111111,
"grad_norm": 0.06361080706119537,
"learning_rate": 0.00011209876543209876,
"loss": 0.5965,
"step": 896
},
{
"epoch": 1.9933333333333332,
"grad_norm": 0.08266133815050125,
"learning_rate": 0.00011185185185185184,
"loss": 0.6367,
"step": 897
},
{
"epoch": 1.9955555555555555,
"grad_norm": 0.07403647899627686,
"learning_rate": 0.00011160493827160493,
"loss": 0.4981,
"step": 898
},
{
"epoch": 1.9977777777777779,
"grad_norm": 0.06103847920894623,
"learning_rate": 0.00011135802469135801,
"loss": 0.6276,
"step": 899
},
{
"epoch": 2.0,
"grad_norm": 0.044981278479099274,
"learning_rate": 0.00011111111111111109,
"loss": 0.4664,
"step": 900
},
{
"epoch": 2.002222222222222,
"grad_norm": 0.05929357558488846,
"learning_rate": 0.0001108641975308642,
"loss": 0.4904,
"step": 901
},
{
"epoch": 2.0044444444444443,
"grad_norm": 0.05011327192187309,
"learning_rate": 0.00011061728395061728,
"loss": 0.5205,
"step": 902
},
{
"epoch": 2.006666666666667,
"grad_norm": 0.09381725639104843,
"learning_rate": 0.00011037037037037036,
"loss": 0.6632,
"step": 903
},
{
"epoch": 2.008888888888889,
"grad_norm": 0.05319998413324356,
"learning_rate": 0.00011012345679012344,
"loss": 0.5231,
"step": 904
},
{
"epoch": 2.011111111111111,
"grad_norm": 0.07952640950679779,
"learning_rate": 0.00010987654320987654,
"loss": 0.5011,
"step": 905
},
{
"epoch": 2.013333333333333,
"grad_norm": 0.07917460799217224,
"learning_rate": 0.00010962962962962962,
"loss": 0.5721,
"step": 906
},
{
"epoch": 2.0155555555555558,
"grad_norm": 0.06674852222204208,
"learning_rate": 0.0001093827160493827,
"loss": 0.588,
"step": 907
},
{
"epoch": 2.017777777777778,
"grad_norm": 0.05087682232260704,
"learning_rate": 0.00010913580246913578,
"loss": 0.5812,
"step": 908
},
{
"epoch": 2.02,
"grad_norm": 0.06378140300512314,
"learning_rate": 0.00010888888888888889,
"loss": 0.5039,
"step": 909
},
{
"epoch": 2.022222222222222,
"grad_norm": 0.06806355714797974,
"learning_rate": 0.00010864197530864197,
"loss": 0.7617,
"step": 910
},
{
"epoch": 2.0244444444444443,
"grad_norm": 0.05110703036189079,
"learning_rate": 0.00010839506172839505,
"loss": 0.4773,
"step": 911
},
{
"epoch": 2.026666666666667,
"grad_norm": 0.08746683597564697,
"learning_rate": 0.00010814814814814814,
"loss": 0.511,
"step": 912
},
{
"epoch": 2.028888888888889,
"grad_norm": 0.06579595804214478,
"learning_rate": 0.00010790123456790122,
"loss": 0.6538,
"step": 913
},
{
"epoch": 2.031111111111111,
"grad_norm": 0.05616295337677002,
"learning_rate": 0.00010765432098765431,
"loss": 0.5027,
"step": 914
},
{
"epoch": 2.033333333333333,
"grad_norm": 0.08300033956766129,
"learning_rate": 0.0001074074074074074,
"loss": 0.6057,
"step": 915
},
{
"epoch": 2.0355555555555553,
"grad_norm": 0.05325921252369881,
"learning_rate": 0.00010716049382716048,
"loss": 0.5811,
"step": 916
},
{
"epoch": 2.037777777777778,
"grad_norm": 0.06213977560400963,
"learning_rate": 0.00010691358024691357,
"loss": 0.5295,
"step": 917
},
{
"epoch": 2.04,
"grad_norm": 0.050137948244810104,
"learning_rate": 0.00010666666666666667,
"loss": 0.5571,
"step": 918
},
{
"epoch": 2.042222222222222,
"grad_norm": 0.15031930804252625,
"learning_rate": 0.00010641975308641975,
"loss": 0.6984,
"step": 919
},
{
"epoch": 2.0444444444444443,
"grad_norm": 0.06720391660928726,
"learning_rate": 0.00010617283950617283,
"loss": 0.4943,
"step": 920
},
{
"epoch": 2.046666666666667,
"grad_norm": 0.06666924804449081,
"learning_rate": 0.00010592592592592591,
"loss": 0.4965,
"step": 921
},
{
"epoch": 2.048888888888889,
"grad_norm": 0.06180984526872635,
"learning_rate": 0.00010567901234567899,
"loss": 0.4507,
"step": 922
},
{
"epoch": 2.051111111111111,
"grad_norm": 0.07479197531938553,
"learning_rate": 0.00010543209876543209,
"loss": 0.7286,
"step": 923
},
{
"epoch": 2.0533333333333332,
"grad_norm": 0.06343316286802292,
"learning_rate": 0.00010518518518518518,
"loss": 0.5466,
"step": 924
},
{
"epoch": 2.0555555555555554,
"grad_norm": 0.05978839099407196,
"learning_rate": 0.00010493827160493826,
"loss": 0.4675,
"step": 925
},
{
"epoch": 2.057777777777778,
"grad_norm": 0.06739088892936707,
"learning_rate": 0.00010469135802469135,
"loss": 0.5894,
"step": 926
},
{
"epoch": 2.06,
"grad_norm": 0.08694419264793396,
"learning_rate": 0.00010444444444444444,
"loss": 0.5999,
"step": 927
},
{
"epoch": 2.062222222222222,
"grad_norm": 0.06224658340215683,
"learning_rate": 0.00010419753086419752,
"loss": 0.4674,
"step": 928
},
{
"epoch": 2.0644444444444443,
"grad_norm": 0.05369469150900841,
"learning_rate": 0.0001039506172839506,
"loss": 0.6258,
"step": 929
},
{
"epoch": 2.066666666666667,
"grad_norm": 0.08104464411735535,
"learning_rate": 0.00010370370370370369,
"loss": 0.6806,
"step": 930
},
{
"epoch": 2.068888888888889,
"grad_norm": 0.07722575217485428,
"learning_rate": 0.00010345679012345677,
"loss": 0.7507,
"step": 931
},
{
"epoch": 2.071111111111111,
"grad_norm": 0.06280424445867538,
"learning_rate": 0.00010320987654320988,
"loss": 0.6387,
"step": 932
},
{
"epoch": 2.0733333333333333,
"grad_norm": 0.0635446161031723,
"learning_rate": 0.00010296296296296296,
"loss": 0.519,
"step": 933
},
{
"epoch": 2.0755555555555554,
"grad_norm": 0.0843411311507225,
"learning_rate": 0.00010271604938271604,
"loss": 0.5354,
"step": 934
},
{
"epoch": 2.077777777777778,
"grad_norm": 0.058972544968128204,
"learning_rate": 0.00010246913580246912,
"loss": 0.6468,
"step": 935
},
{
"epoch": 2.08,
"grad_norm": 0.08231063932180405,
"learning_rate": 0.00010222222222222222,
"loss": 0.4815,
"step": 936
},
{
"epoch": 2.082222222222222,
"grad_norm": 0.04656016454100609,
"learning_rate": 0.0001019753086419753,
"loss": 0.5225,
"step": 937
},
{
"epoch": 2.0844444444444443,
"grad_norm": 0.06876270473003387,
"learning_rate": 0.00010172839506172838,
"loss": 0.676,
"step": 938
},
{
"epoch": 2.086666666666667,
"grad_norm": 0.0567607656121254,
"learning_rate": 0.00010148148148148147,
"loss": 0.5187,
"step": 939
},
{
"epoch": 2.088888888888889,
"grad_norm": 0.07258874177932739,
"learning_rate": 0.00010123456790123457,
"loss": 0.5526,
"step": 940
},
{
"epoch": 2.091111111111111,
"grad_norm": 0.0688469335436821,
"learning_rate": 0.00010098765432098765,
"loss": 0.4792,
"step": 941
},
{
"epoch": 2.0933333333333333,
"grad_norm": 0.1316925436258316,
"learning_rate": 0.00010074074074074073,
"loss": 0.5259,
"step": 942
},
{
"epoch": 2.0955555555555554,
"grad_norm": 0.06025873124599457,
"learning_rate": 0.00010049382716049381,
"loss": 0.4789,
"step": 943
},
{
"epoch": 2.097777777777778,
"grad_norm": 0.07988710701465607,
"learning_rate": 0.0001002469135802469,
"loss": 0.6522,
"step": 944
},
{
"epoch": 2.1,
"grad_norm": 0.06128866225481033,
"learning_rate": 9.999999999999999e-05,
"loss": 0.4895,
"step": 945
},
{
"epoch": 2.102222222222222,
"grad_norm": 0.05999578535556793,
"learning_rate": 9.975308641975307e-05,
"loss": 0.6414,
"step": 946
},
{
"epoch": 2.1044444444444443,
"grad_norm": 0.059802647680044174,
"learning_rate": 9.950617283950617e-05,
"loss": 0.4996,
"step": 947
},
{
"epoch": 2.1066666666666665,
"grad_norm": 0.058329831808805466,
"learning_rate": 9.925925925925925e-05,
"loss": 0.7335,
"step": 948
},
{
"epoch": 2.108888888888889,
"grad_norm": 0.054771069437265396,
"learning_rate": 9.901234567901234e-05,
"loss": 0.525,
"step": 949
},
{
"epoch": 2.111111111111111,
"grad_norm": 0.05562947317957878,
"learning_rate": 9.876543209876543e-05,
"loss": 0.4125,
"step": 950
},
{
"epoch": 2.1133333333333333,
"grad_norm": 0.05977302044630051,
"learning_rate": 9.851851851851851e-05,
"loss": 0.4594,
"step": 951
},
{
"epoch": 2.1155555555555554,
"grad_norm": 0.0554046556353569,
"learning_rate": 9.827160493827159e-05,
"loss": 0.5191,
"step": 952
},
{
"epoch": 2.117777777777778,
"grad_norm": 0.058400023728609085,
"learning_rate": 9.802469135802467e-05,
"loss": 0.6893,
"step": 953
},
{
"epoch": 2.12,
"grad_norm": 0.07758837938308716,
"learning_rate": 9.777777777777778e-05,
"loss": 0.5919,
"step": 954
},
{
"epoch": 2.1222222222222222,
"grad_norm": 0.0872005820274353,
"learning_rate": 9.753086419753086e-05,
"loss": 0.6871,
"step": 955
},
{
"epoch": 2.1244444444444444,
"grad_norm": 0.08081839233636856,
"learning_rate": 9.728395061728394e-05,
"loss": 0.6952,
"step": 956
},
{
"epoch": 2.1266666666666665,
"grad_norm": 0.06615129858255386,
"learning_rate": 9.703703703703702e-05,
"loss": 0.5317,
"step": 957
},
{
"epoch": 2.128888888888889,
"grad_norm": 0.09356512874364853,
"learning_rate": 9.679012345679012e-05,
"loss": 0.6803,
"step": 958
},
{
"epoch": 2.131111111111111,
"grad_norm": 0.05351172760128975,
"learning_rate": 9.65432098765432e-05,
"loss": 0.4233,
"step": 959
},
{
"epoch": 2.1333333333333333,
"grad_norm": 0.0722617581486702,
"learning_rate": 9.629629629629628e-05,
"loss": 0.6503,
"step": 960
},
{
"epoch": 2.1355555555555554,
"grad_norm": 0.060257527977228165,
"learning_rate": 9.604938271604936e-05,
"loss": 0.4915,
"step": 961
},
{
"epoch": 2.137777777777778,
"grad_norm": 0.10558751225471497,
"learning_rate": 9.580246913580247e-05,
"loss": 0.5252,
"step": 962
},
{
"epoch": 2.14,
"grad_norm": 0.05734710022807121,
"learning_rate": 9.555555555555555e-05,
"loss": 0.6058,
"step": 963
},
{
"epoch": 2.1422222222222222,
"grad_norm": 0.06799523532390594,
"learning_rate": 9.530864197530864e-05,
"loss": 0.5999,
"step": 964
},
{
"epoch": 2.1444444444444444,
"grad_norm": 0.07418831437826157,
"learning_rate": 9.506172839506172e-05,
"loss": 0.6482,
"step": 965
},
{
"epoch": 2.1466666666666665,
"grad_norm": 0.050821445882320404,
"learning_rate": 9.48148148148148e-05,
"loss": 0.441,
"step": 966
},
{
"epoch": 2.148888888888889,
"grad_norm": 0.05051890015602112,
"learning_rate": 9.45679012345679e-05,
"loss": 0.4902,
"step": 967
},
{
"epoch": 2.151111111111111,
"grad_norm": 0.10794457793235779,
"learning_rate": 9.432098765432098e-05,
"loss": 0.5588,
"step": 968
},
{
"epoch": 2.1533333333333333,
"grad_norm": 0.07309269160032272,
"learning_rate": 9.407407407407407e-05,
"loss": 0.5948,
"step": 969
},
{
"epoch": 2.1555555555555554,
"grad_norm": 0.049595270305871964,
"learning_rate": 9.382716049382715e-05,
"loss": 0.5163,
"step": 970
},
{
"epoch": 2.1577777777777776,
"grad_norm": 0.09771185368299484,
"learning_rate": 9.358024691358025e-05,
"loss": 0.6503,
"step": 971
},
{
"epoch": 2.16,
"grad_norm": 0.05198473855853081,
"learning_rate": 9.333333333333333e-05,
"loss": 0.5181,
"step": 972
},
{
"epoch": 2.1622222222222223,
"grad_norm": 0.07002071291208267,
"learning_rate": 9.308641975308641e-05,
"loss": 0.6796,
"step": 973
},
{
"epoch": 2.1644444444444444,
"grad_norm": 0.11276919394731522,
"learning_rate": 9.283950617283949e-05,
"loss": 0.5194,
"step": 974
},
{
"epoch": 2.1666666666666665,
"grad_norm": 0.05655023828148842,
"learning_rate": 9.259259259259257e-05,
"loss": 0.5285,
"step": 975
},
{
"epoch": 2.168888888888889,
"grad_norm": 0.08103014528751373,
"learning_rate": 9.234567901234567e-05,
"loss": 0.5859,
"step": 976
},
{
"epoch": 2.171111111111111,
"grad_norm": 0.044183384627103806,
"learning_rate": 9.209876543209876e-05,
"loss": 0.4693,
"step": 977
},
{
"epoch": 2.1733333333333333,
"grad_norm": 0.0533757321536541,
"learning_rate": 9.185185185185185e-05,
"loss": 0.5282,
"step": 978
},
{
"epoch": 2.1755555555555555,
"grad_norm": 0.048276450484991074,
"learning_rate": 9.160493827160493e-05,
"loss": 0.4395,
"step": 979
},
{
"epoch": 2.1777777777777776,
"grad_norm": 0.10359742492437363,
"learning_rate": 9.135802469135802e-05,
"loss": 0.5895,
"step": 980
},
{
"epoch": 2.18,
"grad_norm": 0.05386464670300484,
"learning_rate": 9.11111111111111e-05,
"loss": 0.4812,
"step": 981
},
{
"epoch": 2.1822222222222223,
"grad_norm": 0.072238028049469,
"learning_rate": 9.086419753086419e-05,
"loss": 0.7056,
"step": 982
},
{
"epoch": 2.1844444444444444,
"grad_norm": 0.06497480720281601,
"learning_rate": 9.061728395061727e-05,
"loss": 0.5694,
"step": 983
},
{
"epoch": 2.1866666666666665,
"grad_norm": 0.0650085061788559,
"learning_rate": 9.037037037037038e-05,
"loss": 0.535,
"step": 984
},
{
"epoch": 2.188888888888889,
"grad_norm": 0.08351404964923859,
"learning_rate": 9.012345679012346e-05,
"loss": 0.6464,
"step": 985
},
{
"epoch": 2.1911111111111112,
"grad_norm": 0.060226235538721085,
"learning_rate": 8.987654320987654e-05,
"loss": 0.4206,
"step": 986
},
{
"epoch": 2.1933333333333334,
"grad_norm": 0.07895997911691666,
"learning_rate": 8.962962962962962e-05,
"loss": 0.532,
"step": 987
},
{
"epoch": 2.1955555555555555,
"grad_norm": 0.06073553487658501,
"learning_rate": 8.93827160493827e-05,
"loss": 0.3753,
"step": 988
},
{
"epoch": 2.1977777777777776,
"grad_norm": 0.06916957348585129,
"learning_rate": 8.91358024691358e-05,
"loss": 0.5444,
"step": 989
},
{
"epoch": 2.2,
"grad_norm": 0.05763095244765282,
"learning_rate": 8.888888888888888e-05,
"loss": 0.5598,
"step": 990
},
{
"epoch": 2.2022222222222223,
"grad_norm": 0.07719336450099945,
"learning_rate": 8.864197530864196e-05,
"loss": 0.6593,
"step": 991
},
{
"epoch": 2.2044444444444444,
"grad_norm": 0.04980287328362465,
"learning_rate": 8.839506172839506e-05,
"loss": 0.4634,
"step": 992
},
{
"epoch": 2.2066666666666666,
"grad_norm": 0.07499777525663376,
"learning_rate": 8.814814814814815e-05,
"loss": 0.6515,
"step": 993
},
{
"epoch": 2.2088888888888887,
"grad_norm": 0.06283349543809891,
"learning_rate": 8.790123456790123e-05,
"loss": 0.554,
"step": 994
},
{
"epoch": 2.2111111111111112,
"grad_norm": 0.07238056510686874,
"learning_rate": 8.765432098765431e-05,
"loss": 0.5551,
"step": 995
},
{
"epoch": 2.2133333333333334,
"grad_norm": 0.06402061879634857,
"learning_rate": 8.74074074074074e-05,
"loss": 0.4701,
"step": 996
},
{
"epoch": 2.2155555555555555,
"grad_norm": 0.06097758188843727,
"learning_rate": 8.716049382716048e-05,
"loss": 0.5056,
"step": 997
},
{
"epoch": 2.2177777777777776,
"grad_norm": 0.066048763692379,
"learning_rate": 8.691358024691357e-05,
"loss": 0.5434,
"step": 998
},
{
"epoch": 2.22,
"grad_norm": 0.04893951117992401,
"learning_rate": 8.666666666666665e-05,
"loss": 0.5412,
"step": 999
},
{
"epoch": 2.2222222222222223,
"grad_norm": 0.061332616955041885,
"learning_rate": 8.641975308641975e-05,
"loss": 0.5636,
"step": 1000
},
{
"epoch": 2.2244444444444444,
"grad_norm": 0.08975567668676376,
"learning_rate": 8.617283950617283e-05,
"loss": 0.4669,
"step": 1001
},
{
"epoch": 2.2266666666666666,
"grad_norm": 0.04541618376970291,
"learning_rate": 8.592592592592593e-05,
"loss": 0.4714,
"step": 1002
},
{
"epoch": 2.2288888888888887,
"grad_norm": 0.07543133199214935,
"learning_rate": 8.567901234567901e-05,
"loss": 0.5177,
"step": 1003
},
{
"epoch": 2.2311111111111113,
"grad_norm": 0.056555863469839096,
"learning_rate": 8.543209876543209e-05,
"loss": 0.5839,
"step": 1004
},
{
"epoch": 2.2333333333333334,
"grad_norm": 0.0559513233602047,
"learning_rate": 8.518518518518517e-05,
"loss": 0.4586,
"step": 1005
},
{
"epoch": 2.2355555555555555,
"grad_norm": 0.05552906543016434,
"learning_rate": 8.493827160493825e-05,
"loss": 0.5174,
"step": 1006
},
{
"epoch": 2.2377777777777776,
"grad_norm": 0.0614011324942112,
"learning_rate": 8.469135802469136e-05,
"loss": 0.6988,
"step": 1007
},
{
"epoch": 2.24,
"grad_norm": 0.06229771301150322,
"learning_rate": 8.444444444444444e-05,
"loss": 0.4308,
"step": 1008
},
{
"epoch": 2.2422222222222223,
"grad_norm": 0.0725821703672409,
"learning_rate": 8.419753086419752e-05,
"loss": 0.5323,
"step": 1009
},
{
"epoch": 2.2444444444444445,
"grad_norm": 0.08226242661476135,
"learning_rate": 8.39506172839506e-05,
"loss": 0.5034,
"step": 1010
},
{
"epoch": 2.2466666666666666,
"grad_norm": 0.06674276292324066,
"learning_rate": 8.37037037037037e-05,
"loss": 0.4633,
"step": 1011
},
{
"epoch": 2.2488888888888887,
"grad_norm": 0.060701869428157806,
"learning_rate": 8.345679012345678e-05,
"loss": 0.4909,
"step": 1012
},
{
"epoch": 2.2511111111111113,
"grad_norm": 0.063337542116642,
"learning_rate": 8.320987654320986e-05,
"loss": 0.5566,
"step": 1013
},
{
"epoch": 2.2533333333333334,
"grad_norm": 0.05131515860557556,
"learning_rate": 8.296296296296295e-05,
"loss": 0.492,
"step": 1014
},
{
"epoch": 2.2555555555555555,
"grad_norm": 0.056889623403549194,
"learning_rate": 8.271604938271605e-05,
"loss": 0.4611,
"step": 1015
},
{
"epoch": 2.2577777777777777,
"grad_norm": 0.06834527850151062,
"learning_rate": 8.246913580246914e-05,
"loss": 0.7076,
"step": 1016
},
{
"epoch": 2.26,
"grad_norm": 0.06255058944225311,
"learning_rate": 8.222222222222222e-05,
"loss": 0.5511,
"step": 1017
},
{
"epoch": 2.2622222222222224,
"grad_norm": 0.062491778284311295,
"learning_rate": 8.19753086419753e-05,
"loss": 0.6179,
"step": 1018
},
{
"epoch": 2.2644444444444445,
"grad_norm": 0.05383693054318428,
"learning_rate": 8.172839506172838e-05,
"loss": 0.4916,
"step": 1019
},
{
"epoch": 2.2666666666666666,
"grad_norm": 0.0685378834605217,
"learning_rate": 8.148148148148148e-05,
"loss": 0.6815,
"step": 1020
},
{
"epoch": 2.2688888888888887,
"grad_norm": 0.05592293292284012,
"learning_rate": 8.123456790123456e-05,
"loss": 0.6527,
"step": 1021
},
{
"epoch": 2.2711111111111113,
"grad_norm": 0.06338860839605331,
"learning_rate": 8.098765432098765e-05,
"loss": 0.6013,
"step": 1022
},
{
"epoch": 2.2733333333333334,
"grad_norm": 0.06278155744075775,
"learning_rate": 8.074074074074073e-05,
"loss": 0.591,
"step": 1023
},
{
"epoch": 2.2755555555555556,
"grad_norm": 0.07255859673023224,
"learning_rate": 8.049382716049383e-05,
"loss": 0.5748,
"step": 1024
},
{
"epoch": 2.2777777777777777,
"grad_norm": 0.06974730640649796,
"learning_rate": 8.024691358024691e-05,
"loss": 0.489,
"step": 1025
},
{
"epoch": 2.2800000000000002,
"grad_norm": 0.06803488731384277,
"learning_rate": 7.999999999999999e-05,
"loss": 0.4965,
"step": 1026
},
{
"epoch": 2.2822222222222224,
"grad_norm": 0.06226198375225067,
"learning_rate": 7.975308641975307e-05,
"loss": 0.5525,
"step": 1027
},
{
"epoch": 2.2844444444444445,
"grad_norm": 0.05195463076233864,
"learning_rate": 7.950617283950616e-05,
"loss": 0.5943,
"step": 1028
},
{
"epoch": 2.2866666666666666,
"grad_norm": 0.06786032766103745,
"learning_rate": 7.925925925925925e-05,
"loss": 0.5846,
"step": 1029
},
{
"epoch": 2.2888888888888888,
"grad_norm": 0.055401552468538284,
"learning_rate": 7.901234567901235e-05,
"loss": 0.4741,
"step": 1030
},
{
"epoch": 2.2911111111111113,
"grad_norm": 0.06985199451446533,
"learning_rate": 7.876543209876543e-05,
"loss": 0.5871,
"step": 1031
},
{
"epoch": 2.2933333333333334,
"grad_norm": 0.060605403035879135,
"learning_rate": 7.851851851851851e-05,
"loss": 0.587,
"step": 1032
},
{
"epoch": 2.2955555555555556,
"grad_norm": 0.058030206710100174,
"learning_rate": 7.82716049382716e-05,
"loss": 0.5585,
"step": 1033
},
{
"epoch": 2.2977777777777777,
"grad_norm": 0.0632559284567833,
"learning_rate": 7.802469135802469e-05,
"loss": 0.5816,
"step": 1034
},
{
"epoch": 2.3,
"grad_norm": 0.045592762529850006,
"learning_rate": 7.777777777777777e-05,
"loss": 0.5184,
"step": 1035
},
{
"epoch": 2.3022222222222224,
"grad_norm": 0.07075291126966476,
"learning_rate": 7.753086419753085e-05,
"loss": 0.5876,
"step": 1036
},
{
"epoch": 2.3044444444444445,
"grad_norm": 0.07266212999820709,
"learning_rate": 7.728395061728396e-05,
"loss": 0.5915,
"step": 1037
},
{
"epoch": 2.3066666666666666,
"grad_norm": 0.0763152539730072,
"learning_rate": 7.703703703703704e-05,
"loss": 0.4925,
"step": 1038
},
{
"epoch": 2.3088888888888888,
"grad_norm": 0.05008356273174286,
"learning_rate": 7.679012345679012e-05,
"loss": 0.5566,
"step": 1039
},
{
"epoch": 2.311111111111111,
"grad_norm": 0.058586686849594116,
"learning_rate": 7.65432098765432e-05,
"loss": 0.5645,
"step": 1040
},
{
"epoch": 2.3133333333333335,
"grad_norm": 0.06809350848197937,
"learning_rate": 7.629629629629628e-05,
"loss": 0.683,
"step": 1041
},
{
"epoch": 2.3155555555555556,
"grad_norm": 0.06814820319414139,
"learning_rate": 7.604938271604937e-05,
"loss": 0.4951,
"step": 1042
},
{
"epoch": 2.3177777777777777,
"grad_norm": 0.06426460295915604,
"learning_rate": 7.580246913580246e-05,
"loss": 0.5607,
"step": 1043
},
{
"epoch": 2.32,
"grad_norm": 0.06859628111124039,
"learning_rate": 7.555555555555554e-05,
"loss": 0.5394,
"step": 1044
},
{
"epoch": 2.3222222222222224,
"grad_norm": 0.08079138398170471,
"learning_rate": 7.530864197530864e-05,
"loss": 0.591,
"step": 1045
},
{
"epoch": 2.3244444444444445,
"grad_norm": 0.06668093800544739,
"learning_rate": 7.506172839506173e-05,
"loss": 0.5569,
"step": 1046
},
{
"epoch": 2.3266666666666667,
"grad_norm": 0.05966291204094887,
"learning_rate": 7.481481481481481e-05,
"loss": 0.4233,
"step": 1047
},
{
"epoch": 2.328888888888889,
"grad_norm": 0.058995746076107025,
"learning_rate": 7.45679012345679e-05,
"loss": 0.5384,
"step": 1048
},
{
"epoch": 2.3311111111111114,
"grad_norm": 0.050750378519296646,
"learning_rate": 7.432098765432098e-05,
"loss": 0.5719,
"step": 1049
},
{
"epoch": 2.3333333333333335,
"grad_norm": 0.054379820823669434,
"learning_rate": 7.407407407407406e-05,
"loss": 0.5022,
"step": 1050
},
{
"epoch": 2.3355555555555556,
"grad_norm": 0.06929490715265274,
"learning_rate": 7.382716049382715e-05,
"loss": 0.6144,
"step": 1051
},
{
"epoch": 2.3377777777777777,
"grad_norm": 0.0617499053478241,
"learning_rate": 7.358024691358024e-05,
"loss": 0.4842,
"step": 1052
},
{
"epoch": 2.34,
"grad_norm": 0.1699656844139099,
"learning_rate": 7.333333333333332e-05,
"loss": 0.4776,
"step": 1053
},
{
"epoch": 2.3422222222222224,
"grad_norm": 0.070797398686409,
"learning_rate": 7.308641975308641e-05,
"loss": 0.4883,
"step": 1054
},
{
"epoch": 2.3444444444444446,
"grad_norm": 0.061980705708265305,
"learning_rate": 7.28395061728395e-05,
"loss": 0.5367,
"step": 1055
},
{
"epoch": 2.3466666666666667,
"grad_norm": 0.0650290697813034,
"learning_rate": 7.259259259259259e-05,
"loss": 0.4806,
"step": 1056
},
{
"epoch": 2.348888888888889,
"grad_norm": 0.05629928782582283,
"learning_rate": 7.234567901234567e-05,
"loss": 0.4375,
"step": 1057
},
{
"epoch": 2.351111111111111,
"grad_norm": 0.0574677512049675,
"learning_rate": 7.209876543209877e-05,
"loss": 0.4422,
"step": 1058
},
{
"epoch": 2.3533333333333335,
"grad_norm": 0.045402076095342636,
"learning_rate": 7.185185185185185e-05,
"loss": 0.527,
"step": 1059
},
{
"epoch": 2.3555555555555556,
"grad_norm": 0.047060877084732056,
"learning_rate": 7.160493827160493e-05,
"loss": 0.4543,
"step": 1060
},
{
"epoch": 2.3577777777777778,
"grad_norm": 0.05593902990221977,
"learning_rate": 7.135802469135801e-05,
"loss": 0.486,
"step": 1061
},
{
"epoch": 2.36,
"grad_norm": 0.042419929057359695,
"learning_rate": 7.11111111111111e-05,
"loss": 0.5189,
"step": 1062
},
{
"epoch": 2.362222222222222,
"grad_norm": 0.05823193117976189,
"learning_rate": 7.086419753086419e-05,
"loss": 0.5521,
"step": 1063
},
{
"epoch": 2.3644444444444446,
"grad_norm": 0.07853607833385468,
"learning_rate": 7.061728395061727e-05,
"loss": 0.5679,
"step": 1064
},
{
"epoch": 2.3666666666666667,
"grad_norm": 0.056772686541080475,
"learning_rate": 7.037037037037036e-05,
"loss": 0.5089,
"step": 1065
},
{
"epoch": 2.368888888888889,
"grad_norm": 0.059823885560035706,
"learning_rate": 7.012345679012345e-05,
"loss": 0.601,
"step": 1066
},
{
"epoch": 2.371111111111111,
"grad_norm": 0.10615638643503189,
"learning_rate": 6.987654320987654e-05,
"loss": 0.5864,
"step": 1067
},
{
"epoch": 2.3733333333333335,
"grad_norm": 0.06523310393095016,
"learning_rate": 6.962962962962962e-05,
"loss": 0.5912,
"step": 1068
},
{
"epoch": 2.3755555555555556,
"grad_norm": 0.05638803914189339,
"learning_rate": 6.938271604938272e-05,
"loss": 0.4248,
"step": 1069
},
{
"epoch": 2.3777777777777778,
"grad_norm": 0.05251540243625641,
"learning_rate": 6.91358024691358e-05,
"loss": 0.4581,
"step": 1070
},
{
"epoch": 2.38,
"grad_norm": 0.05011064559221268,
"learning_rate": 6.888888888888888e-05,
"loss": 0.5094,
"step": 1071
},
{
"epoch": 2.3822222222222225,
"grad_norm": 0.06625556200742722,
"learning_rate": 6.864197530864196e-05,
"loss": 0.5462,
"step": 1072
},
{
"epoch": 2.3844444444444446,
"grad_norm": 0.06464938819408417,
"learning_rate": 6.839506172839506e-05,
"loss": 0.5221,
"step": 1073
},
{
"epoch": 2.3866666666666667,
"grad_norm": 0.06818525493144989,
"learning_rate": 6.814814814814814e-05,
"loss": 0.5493,
"step": 1074
},
{
"epoch": 2.388888888888889,
"grad_norm": 0.08517734706401825,
"learning_rate": 6.790123456790122e-05,
"loss": 0.5241,
"step": 1075
},
{
"epoch": 2.391111111111111,
"grad_norm": 0.049852389842271805,
"learning_rate": 6.765432098765432e-05,
"loss": 0.5092,
"step": 1076
},
{
"epoch": 2.3933333333333335,
"grad_norm": 0.06493844836950302,
"learning_rate": 6.74074074074074e-05,
"loss": 0.7021,
"step": 1077
},
{
"epoch": 2.3955555555555557,
"grad_norm": 0.04971351847052574,
"learning_rate": 6.716049382716049e-05,
"loss": 0.3808,
"step": 1078
},
{
"epoch": 2.397777777777778,
"grad_norm": 0.07863829284906387,
"learning_rate": 6.691358024691357e-05,
"loss": 0.6705,
"step": 1079
},
{
"epoch": 2.4,
"grad_norm": 0.05218340456485748,
"learning_rate": 6.666666666666666e-05,
"loss": 0.504,
"step": 1080
},
{
"epoch": 2.402222222222222,
"grad_norm": 0.05992546305060387,
"learning_rate": 6.641975308641975e-05,
"loss": 0.5528,
"step": 1081
},
{
"epoch": 2.4044444444444446,
"grad_norm": 0.05170424282550812,
"learning_rate": 6.617283950617283e-05,
"loss": 0.5887,
"step": 1082
},
{
"epoch": 2.4066666666666667,
"grad_norm": 0.06698056310415268,
"learning_rate": 6.592592592592591e-05,
"loss": 0.5743,
"step": 1083
},
{
"epoch": 2.408888888888889,
"grad_norm": 0.0655369758605957,
"learning_rate": 6.567901234567901e-05,
"loss": 0.5041,
"step": 1084
},
{
"epoch": 2.411111111111111,
"grad_norm": 0.05607493594288826,
"learning_rate": 6.543209876543209e-05,
"loss": 0.5527,
"step": 1085
},
{
"epoch": 2.413333333333333,
"grad_norm": 0.05267152935266495,
"learning_rate": 6.518518518518517e-05,
"loss": 0.405,
"step": 1086
},
{
"epoch": 2.4155555555555557,
"grad_norm": 0.051925208419561386,
"learning_rate": 6.493827160493827e-05,
"loss": 0.4746,
"step": 1087
},
{
"epoch": 2.417777777777778,
"grad_norm": 0.0693216323852539,
"learning_rate": 6.469135802469135e-05,
"loss": 0.5639,
"step": 1088
},
{
"epoch": 2.42,
"grad_norm": 0.04773171246051788,
"learning_rate": 6.444444444444444e-05,
"loss": 0.5445,
"step": 1089
},
{
"epoch": 2.422222222222222,
"grad_norm": 0.059276122599840164,
"learning_rate": 6.419753086419753e-05,
"loss": 0.5707,
"step": 1090
},
{
"epoch": 2.4244444444444446,
"grad_norm": 0.05703291296958923,
"learning_rate": 6.395061728395061e-05,
"loss": 0.6186,
"step": 1091
},
{
"epoch": 2.4266666666666667,
"grad_norm": 0.059713978320360184,
"learning_rate": 6.37037037037037e-05,
"loss": 0.5472,
"step": 1092
},
{
"epoch": 2.428888888888889,
"grad_norm": 0.07642186433076859,
"learning_rate": 6.345679012345678e-05,
"loss": 0.6143,
"step": 1093
},
{
"epoch": 2.431111111111111,
"grad_norm": 0.06594318151473999,
"learning_rate": 6.320987654320987e-05,
"loss": 0.4702,
"step": 1094
},
{
"epoch": 2.4333333333333336,
"grad_norm": 0.07548554241657257,
"learning_rate": 6.296296296296295e-05,
"loss": 0.5768,
"step": 1095
},
{
"epoch": 2.4355555555555557,
"grad_norm": 0.06707516312599182,
"learning_rate": 6.271604938271604e-05,
"loss": 0.6927,
"step": 1096
},
{
"epoch": 2.437777777777778,
"grad_norm": 0.0729343593120575,
"learning_rate": 6.246913580246912e-05,
"loss": 0.7841,
"step": 1097
},
{
"epoch": 2.44,
"grad_norm": 0.05313663184642792,
"learning_rate": 6.222222222222222e-05,
"loss": 0.5131,
"step": 1098
},
{
"epoch": 2.442222222222222,
"grad_norm": 0.07384145259857178,
"learning_rate": 6.19753086419753e-05,
"loss": 0.6907,
"step": 1099
},
{
"epoch": 2.4444444444444446,
"grad_norm": 0.051853831857442856,
"learning_rate": 6.17283950617284e-05,
"loss": 0.6614,
"step": 1100
},
{
"epoch": 2.4466666666666668,
"grad_norm": 0.04776390641927719,
"learning_rate": 6.148148148148148e-05,
"loss": 0.4446,
"step": 1101
},
{
"epoch": 2.448888888888889,
"grad_norm": 0.06168276071548462,
"learning_rate": 6.123456790123456e-05,
"loss": 0.5067,
"step": 1102
},
{
"epoch": 2.451111111111111,
"grad_norm": 0.05856132134795189,
"learning_rate": 6.0987654320987655e-05,
"loss": 0.5644,
"step": 1103
},
{
"epoch": 2.453333333333333,
"grad_norm": 0.06515628844499588,
"learning_rate": 6.0740740740740736e-05,
"loss": 0.6779,
"step": 1104
},
{
"epoch": 2.4555555555555557,
"grad_norm": 0.06323693692684174,
"learning_rate": 6.049382716049382e-05,
"loss": 0.577,
"step": 1105
},
{
"epoch": 2.457777777777778,
"grad_norm": 0.05601757392287254,
"learning_rate": 6.0246913580246906e-05,
"loss": 0.6251,
"step": 1106
},
{
"epoch": 2.46,
"grad_norm": 0.06924091279506683,
"learning_rate": 5.9999999999999995e-05,
"loss": 0.4927,
"step": 1107
},
{
"epoch": 2.462222222222222,
"grad_norm": 0.1901812106370926,
"learning_rate": 5.975308641975308e-05,
"loss": 0.6125,
"step": 1108
},
{
"epoch": 2.464444444444444,
"grad_norm": 0.06211036071181297,
"learning_rate": 5.9506172839506165e-05,
"loss": 0.741,
"step": 1109
},
{
"epoch": 2.466666666666667,
"grad_norm": 0.05459253862500191,
"learning_rate": 5.925925925925925e-05,
"loss": 0.5158,
"step": 1110
},
{
"epoch": 2.468888888888889,
"grad_norm": 0.06459296494722366,
"learning_rate": 5.901234567901234e-05,
"loss": 0.6143,
"step": 1111
},
{
"epoch": 2.471111111111111,
"grad_norm": 0.0627160295844078,
"learning_rate": 5.876543209876543e-05,
"loss": 0.4867,
"step": 1112
},
{
"epoch": 2.473333333333333,
"grad_norm": 0.05840280279517174,
"learning_rate": 5.851851851851851e-05,
"loss": 0.6229,
"step": 1113
},
{
"epoch": 2.4755555555555557,
"grad_norm": 0.07121528685092926,
"learning_rate": 5.827160493827159e-05,
"loss": 0.4508,
"step": 1114
},
{
"epoch": 2.477777777777778,
"grad_norm": 0.08437851071357727,
"learning_rate": 5.802469135802469e-05,
"loss": 0.6107,
"step": 1115
},
{
"epoch": 2.48,
"grad_norm": 0.09962430596351624,
"learning_rate": 5.777777777777777e-05,
"loss": 0.6031,
"step": 1116
},
{
"epoch": 2.482222222222222,
"grad_norm": 0.06262155622243881,
"learning_rate": 5.753086419753086e-05,
"loss": 0.4977,
"step": 1117
},
{
"epoch": 2.4844444444444447,
"grad_norm": 0.05871571972966194,
"learning_rate": 5.7283950617283946e-05,
"loss": 0.5218,
"step": 1118
},
{
"epoch": 2.486666666666667,
"grad_norm": 0.05485491827130318,
"learning_rate": 5.7037037037037035e-05,
"loss": 0.5382,
"step": 1119
},
{
"epoch": 2.488888888888889,
"grad_norm": 0.07214649766683578,
"learning_rate": 5.6790123456790116e-05,
"loss": 0.5695,
"step": 1120
},
{
"epoch": 2.491111111111111,
"grad_norm": 0.06216902658343315,
"learning_rate": 5.6543209876543205e-05,
"loss": 0.5668,
"step": 1121
},
{
"epoch": 2.493333333333333,
"grad_norm": 0.0855700746178627,
"learning_rate": 5.629629629629629e-05,
"loss": 0.5041,
"step": 1122
},
{
"epoch": 2.4955555555555557,
"grad_norm": 0.05714331939816475,
"learning_rate": 5.604938271604938e-05,
"loss": 0.3766,
"step": 1123
},
{
"epoch": 2.497777777777778,
"grad_norm": 0.06301258504390717,
"learning_rate": 5.580246913580246e-05,
"loss": 0.5554,
"step": 1124
},
{
"epoch": 2.5,
"grad_norm": 0.07956915348768234,
"learning_rate": 5.5555555555555545e-05,
"loss": 0.566,
"step": 1125
},
{
"epoch": 2.502222222222222,
"grad_norm": 0.06741563230752945,
"learning_rate": 5.530864197530864e-05,
"loss": 0.6758,
"step": 1126
},
{
"epoch": 2.5044444444444443,
"grad_norm": 0.07749062776565552,
"learning_rate": 5.506172839506172e-05,
"loss": 0.5189,
"step": 1127
},
{
"epoch": 2.506666666666667,
"grad_norm": 0.06751803308725357,
"learning_rate": 5.481481481481481e-05,
"loss": 0.5469,
"step": 1128
},
{
"epoch": 2.508888888888889,
"grad_norm": 0.07618889212608337,
"learning_rate": 5.456790123456789e-05,
"loss": 0.6026,
"step": 1129
},
{
"epoch": 2.511111111111111,
"grad_norm": 0.07808917760848999,
"learning_rate": 5.4320987654320986e-05,
"loss": 0.5355,
"step": 1130
},
{
"epoch": 2.513333333333333,
"grad_norm": 0.07308845967054367,
"learning_rate": 5.407407407407407e-05,
"loss": 0.5843,
"step": 1131
},
{
"epoch": 2.5155555555555553,
"grad_norm": 0.0436067134141922,
"learning_rate": 5.3827160493827156e-05,
"loss": 0.4646,
"step": 1132
},
{
"epoch": 2.517777777777778,
"grad_norm": 0.054867230355739594,
"learning_rate": 5.358024691358024e-05,
"loss": 0.5209,
"step": 1133
},
{
"epoch": 2.52,
"grad_norm": 0.05941241979598999,
"learning_rate": 5.333333333333333e-05,
"loss": 0.4341,
"step": 1134
},
{
"epoch": 2.522222222222222,
"grad_norm": 0.08015015721321106,
"learning_rate": 5.3086419753086415e-05,
"loss": 0.454,
"step": 1135
},
{
"epoch": 2.5244444444444447,
"grad_norm": 0.07355854660272598,
"learning_rate": 5.2839506172839496e-05,
"loss": 0.5666,
"step": 1136
},
{
"epoch": 2.5266666666666664,
"grad_norm": 0.051169779151678085,
"learning_rate": 5.259259259259259e-05,
"loss": 0.4666,
"step": 1137
},
{
"epoch": 2.528888888888889,
"grad_norm": 0.06035088375210762,
"learning_rate": 5.234567901234567e-05,
"loss": 0.6008,
"step": 1138
},
{
"epoch": 2.531111111111111,
"grad_norm": 0.06222086399793625,
"learning_rate": 5.209876543209876e-05,
"loss": 0.4605,
"step": 1139
},
{
"epoch": 2.533333333333333,
"grad_norm": 0.06256081163883209,
"learning_rate": 5.185185185185184e-05,
"loss": 0.5614,
"step": 1140
},
{
"epoch": 2.535555555555556,
"grad_norm": 0.0504666231572628,
"learning_rate": 5.160493827160494e-05,
"loss": 0.4592,
"step": 1141
},
{
"epoch": 2.537777777777778,
"grad_norm": 0.057697102427482605,
"learning_rate": 5.135802469135802e-05,
"loss": 0.4808,
"step": 1142
},
{
"epoch": 2.54,
"grad_norm": 0.05934306979179382,
"learning_rate": 5.111111111111111e-05,
"loss": 0.6204,
"step": 1143
},
{
"epoch": 2.542222222222222,
"grad_norm": 0.05678641051054001,
"learning_rate": 5.086419753086419e-05,
"loss": 0.4813,
"step": 1144
},
{
"epoch": 2.5444444444444443,
"grad_norm": 0.049973636865615845,
"learning_rate": 5.0617283950617285e-05,
"loss": 0.4882,
"step": 1145
},
{
"epoch": 2.546666666666667,
"grad_norm": 0.05903719365596771,
"learning_rate": 5.0370370370370366e-05,
"loss": 0.5108,
"step": 1146
},
{
"epoch": 2.548888888888889,
"grad_norm": 0.06578648090362549,
"learning_rate": 5.012345679012345e-05,
"loss": 0.5471,
"step": 1147
},
{
"epoch": 2.551111111111111,
"grad_norm": 0.07062222063541412,
"learning_rate": 4.9876543209876536e-05,
"loss": 0.5773,
"step": 1148
},
{
"epoch": 2.5533333333333332,
"grad_norm": 0.06813468784093857,
"learning_rate": 4.9629629629629625e-05,
"loss": 0.5425,
"step": 1149
},
{
"epoch": 2.5555555555555554,
"grad_norm": 0.05379043146967888,
"learning_rate": 4.938271604938271e-05,
"loss": 0.5869,
"step": 1150
},
{
"epoch": 2.557777777777778,
"grad_norm": 0.06605621427297592,
"learning_rate": 4.9135802469135795e-05,
"loss": 0.5702,
"step": 1151
},
{
"epoch": 2.56,
"grad_norm": 0.05059510096907616,
"learning_rate": 4.888888888888889e-05,
"loss": 0.5515,
"step": 1152
},
{
"epoch": 2.562222222222222,
"grad_norm": 0.08809015899896622,
"learning_rate": 4.864197530864197e-05,
"loss": 0.5429,
"step": 1153
},
{
"epoch": 2.5644444444444443,
"grad_norm": 0.1451186090707779,
"learning_rate": 4.839506172839506e-05,
"loss": 0.5834,
"step": 1154
},
{
"epoch": 2.5666666666666664,
"grad_norm": 0.0585605725646019,
"learning_rate": 4.814814814814814e-05,
"loss": 0.4758,
"step": 1155
},
{
"epoch": 2.568888888888889,
"grad_norm": 0.07379104197025299,
"learning_rate": 4.7901234567901237e-05,
"loss": 0.5267,
"step": 1156
},
{
"epoch": 2.571111111111111,
"grad_norm": 0.12918312847614288,
"learning_rate": 4.765432098765432e-05,
"loss": 0.7243,
"step": 1157
},
{
"epoch": 2.5733333333333333,
"grad_norm": 0.0846041664481163,
"learning_rate": 4.74074074074074e-05,
"loss": 0.495,
"step": 1158
},
{
"epoch": 2.575555555555556,
"grad_norm": 0.06449992209672928,
"learning_rate": 4.716049382716049e-05,
"loss": 0.6013,
"step": 1159
},
{
"epoch": 2.5777777777777775,
"grad_norm": 0.07164155691862106,
"learning_rate": 4.6913580246913576e-05,
"loss": 0.5062,
"step": 1160
},
{
"epoch": 2.58,
"grad_norm": 0.057980503886938095,
"learning_rate": 4.6666666666666665e-05,
"loss": 0.5751,
"step": 1161
},
{
"epoch": 2.582222222222222,
"grad_norm": 0.05791774019598961,
"learning_rate": 4.6419753086419746e-05,
"loss": 0.4968,
"step": 1162
},
{
"epoch": 2.5844444444444443,
"grad_norm": 0.08030201494693756,
"learning_rate": 4.6172839506172835e-05,
"loss": 0.6533,
"step": 1163
},
{
"epoch": 2.586666666666667,
"grad_norm": 0.07436682283878326,
"learning_rate": 4.592592592592592e-05,
"loss": 0.6033,
"step": 1164
},
{
"epoch": 2.588888888888889,
"grad_norm": 0.08432338386774063,
"learning_rate": 4.567901234567901e-05,
"loss": 0.664,
"step": 1165
},
{
"epoch": 2.591111111111111,
"grad_norm": 0.06954263150691986,
"learning_rate": 4.543209876543209e-05,
"loss": 0.6309,
"step": 1166
},
{
"epoch": 2.5933333333333333,
"grad_norm": 0.05851338058710098,
"learning_rate": 4.518518518518519e-05,
"loss": 0.7941,
"step": 1167
},
{
"epoch": 2.5955555555555554,
"grad_norm": 0.06911693513393402,
"learning_rate": 4.493827160493827e-05,
"loss": 0.5295,
"step": 1168
},
{
"epoch": 2.597777777777778,
"grad_norm": 0.055619195103645325,
"learning_rate": 4.469135802469135e-05,
"loss": 0.5289,
"step": 1169
},
{
"epoch": 2.6,
"grad_norm": 0.07144150882959366,
"learning_rate": 4.444444444444444e-05,
"loss": 0.7668,
"step": 1170
},
{
"epoch": 2.602222222222222,
"grad_norm": 0.05022842809557915,
"learning_rate": 4.419753086419753e-05,
"loss": 0.5514,
"step": 1171
},
{
"epoch": 2.6044444444444443,
"grad_norm": 0.09054499119520187,
"learning_rate": 4.3950617283950617e-05,
"loss": 0.5177,
"step": 1172
},
{
"epoch": 2.6066666666666665,
"grad_norm": 0.07231871783733368,
"learning_rate": 4.37037037037037e-05,
"loss": 0.5098,
"step": 1173
},
{
"epoch": 2.608888888888889,
"grad_norm": 0.06764987111091614,
"learning_rate": 4.3456790123456786e-05,
"loss": 0.5113,
"step": 1174
},
{
"epoch": 2.611111111111111,
"grad_norm": 0.06053946167230606,
"learning_rate": 4.3209876543209875e-05,
"loss": 0.5271,
"step": 1175
},
{
"epoch": 2.6133333333333333,
"grad_norm": 0.07456693798303604,
"learning_rate": 4.296296296296296e-05,
"loss": 0.5984,
"step": 1176
},
{
"epoch": 2.6155555555555554,
"grad_norm": 0.0758151188492775,
"learning_rate": 4.2716049382716045e-05,
"loss": 0.5604,
"step": 1177
},
{
"epoch": 2.6177777777777775,
"grad_norm": 0.0626075491309166,
"learning_rate": 4.2469135802469126e-05,
"loss": 0.4546,
"step": 1178
},
{
"epoch": 2.62,
"grad_norm": 0.054678939282894135,
"learning_rate": 4.222222222222222e-05,
"loss": 0.5228,
"step": 1179
},
{
"epoch": 2.6222222222222222,
"grad_norm": 0.07075554132461548,
"learning_rate": 4.19753086419753e-05,
"loss": 0.5948,
"step": 1180
},
{
"epoch": 2.6244444444444444,
"grad_norm": 0.05450223758816719,
"learning_rate": 4.172839506172839e-05,
"loss": 0.5478,
"step": 1181
},
{
"epoch": 2.626666666666667,
"grad_norm": 0.09620941430330276,
"learning_rate": 4.148148148148147e-05,
"loss": 0.5981,
"step": 1182
},
{
"epoch": 2.628888888888889,
"grad_norm": 0.07030943036079407,
"learning_rate": 4.123456790123457e-05,
"loss": 0.5803,
"step": 1183
},
{
"epoch": 2.631111111111111,
"grad_norm": 0.0563332624733448,
"learning_rate": 4.098765432098765e-05,
"loss": 0.5838,
"step": 1184
},
{
"epoch": 2.6333333333333333,
"grad_norm": 0.05982625484466553,
"learning_rate": 4.074074074074074e-05,
"loss": 0.4185,
"step": 1185
},
{
"epoch": 2.6355555555555554,
"grad_norm": 0.06112497299909592,
"learning_rate": 4.0493827160493827e-05,
"loss": 0.4933,
"step": 1186
},
{
"epoch": 2.637777777777778,
"grad_norm": 0.06475501507520676,
"learning_rate": 4.0246913580246915e-05,
"loss": 0.5246,
"step": 1187
},
{
"epoch": 2.64,
"grad_norm": 0.05402704328298569,
"learning_rate": 3.9999999999999996e-05,
"loss": 0.5475,
"step": 1188
},
{
"epoch": 2.6422222222222222,
"grad_norm": 0.04999251663684845,
"learning_rate": 3.975308641975308e-05,
"loss": 0.3999,
"step": 1189
},
{
"epoch": 2.6444444444444444,
"grad_norm": 0.06521523743867874,
"learning_rate": 3.950617283950617e-05,
"loss": 0.6131,
"step": 1190
},
{
"epoch": 2.6466666666666665,
"grad_norm": 0.053711630403995514,
"learning_rate": 3.9259259259259255e-05,
"loss": 0.5736,
"step": 1191
},
{
"epoch": 2.648888888888889,
"grad_norm": 0.07394678145647049,
"learning_rate": 3.901234567901234e-05,
"loss": 0.4872,
"step": 1192
},
{
"epoch": 2.651111111111111,
"grad_norm": 0.11503905057907104,
"learning_rate": 3.8765432098765425e-05,
"loss": 0.5291,
"step": 1193
},
{
"epoch": 2.6533333333333333,
"grad_norm": 0.0591617114841938,
"learning_rate": 3.851851851851852e-05,
"loss": 0.5433,
"step": 1194
},
{
"epoch": 2.6555555555555554,
"grad_norm": 0.06372568011283875,
"learning_rate": 3.82716049382716e-05,
"loss": 0.5799,
"step": 1195
},
{
"epoch": 2.6577777777777776,
"grad_norm": 0.08090534806251526,
"learning_rate": 3.802469135802468e-05,
"loss": 0.5181,
"step": 1196
},
{
"epoch": 2.66,
"grad_norm": 0.06028290092945099,
"learning_rate": 3.777777777777777e-05,
"loss": 0.4973,
"step": 1197
},
{
"epoch": 2.6622222222222223,
"grad_norm": 0.05448451265692711,
"learning_rate": 3.7530864197530867e-05,
"loss": 0.4895,
"step": 1198
},
{
"epoch": 2.6644444444444444,
"grad_norm": 0.05945173278450966,
"learning_rate": 3.728395061728395e-05,
"loss": 0.6438,
"step": 1199
},
{
"epoch": 2.6666666666666665,
"grad_norm": 0.06829828768968582,
"learning_rate": 3.703703703703703e-05,
"loss": 0.3988,
"step": 1200
},
{
"epoch": 2.6688888888888886,
"grad_norm": 0.05857190117239952,
"learning_rate": 3.679012345679012e-05,
"loss": 0.8121,
"step": 1201
},
{
"epoch": 2.671111111111111,
"grad_norm": 0.0487736314535141,
"learning_rate": 3.6543209876543207e-05,
"loss": 0.4318,
"step": 1202
},
{
"epoch": 2.6733333333333333,
"grad_norm": 0.062193140387535095,
"learning_rate": 3.6296296296296295e-05,
"loss": 0.5721,
"step": 1203
},
{
"epoch": 2.6755555555555555,
"grad_norm": 0.06735247373580933,
"learning_rate": 3.604938271604938e-05,
"loss": 0.6563,
"step": 1204
},
{
"epoch": 2.677777777777778,
"grad_norm": 0.09367570281028748,
"learning_rate": 3.5802469135802465e-05,
"loss": 0.5724,
"step": 1205
},
{
"epoch": 2.68,
"grad_norm": 0.11274941265583038,
"learning_rate": 3.555555555555555e-05,
"loss": 0.6182,
"step": 1206
},
{
"epoch": 2.6822222222222223,
"grad_norm": 0.04841291159391403,
"learning_rate": 3.5308641975308635e-05,
"loss": 0.5414,
"step": 1207
},
{
"epoch": 2.6844444444444444,
"grad_norm": 0.07584474980831146,
"learning_rate": 3.506172839506172e-05,
"loss": 0.3981,
"step": 1208
},
{
"epoch": 2.6866666666666665,
"grad_norm": 0.07028737664222717,
"learning_rate": 3.481481481481481e-05,
"loss": 0.4701,
"step": 1209
},
{
"epoch": 2.688888888888889,
"grad_norm": 0.06219390779733658,
"learning_rate": 3.45679012345679e-05,
"loss": 0.4585,
"step": 1210
},
{
"epoch": 2.6911111111111112,
"grad_norm": 0.07443705201148987,
"learning_rate": 3.432098765432098e-05,
"loss": 0.5342,
"step": 1211
},
{
"epoch": 2.6933333333333334,
"grad_norm": 0.07293137907981873,
"learning_rate": 3.407407407407407e-05,
"loss": 0.6419,
"step": 1212
},
{
"epoch": 2.6955555555555555,
"grad_norm": 0.05949751287698746,
"learning_rate": 3.382716049382716e-05,
"loss": 0.6161,
"step": 1213
},
{
"epoch": 2.6977777777777776,
"grad_norm": 0.055641401559114456,
"learning_rate": 3.3580246913580247e-05,
"loss": 0.5305,
"step": 1214
},
{
"epoch": 2.7,
"grad_norm": 0.05257444828748703,
"learning_rate": 3.333333333333333e-05,
"loss": 0.5328,
"step": 1215
},
{
"epoch": 2.7022222222222223,
"grad_norm": 0.060353755950927734,
"learning_rate": 3.3086419753086417e-05,
"loss": 0.5574,
"step": 1216
},
{
"epoch": 2.7044444444444444,
"grad_norm": 0.062428735196590424,
"learning_rate": 3.2839506172839505e-05,
"loss": 0.57,
"step": 1217
},
{
"epoch": 2.7066666666666666,
"grad_norm": 0.1273394227027893,
"learning_rate": 3.2592592592592586e-05,
"loss": 0.6074,
"step": 1218
},
{
"epoch": 2.7088888888888887,
"grad_norm": 0.08416179567575455,
"learning_rate": 3.2345679012345675e-05,
"loss": 0.5412,
"step": 1219
},
{
"epoch": 2.7111111111111112,
"grad_norm": 0.06812825053930283,
"learning_rate": 3.209876543209876e-05,
"loss": 0.4663,
"step": 1220
},
{
"epoch": 2.7133333333333334,
"grad_norm": 0.07209253311157227,
"learning_rate": 3.185185185185185e-05,
"loss": 0.7026,
"step": 1221
},
{
"epoch": 2.7155555555555555,
"grad_norm": 0.07327984273433685,
"learning_rate": 3.160493827160493e-05,
"loss": 0.6341,
"step": 1222
},
{
"epoch": 2.7177777777777776,
"grad_norm": 0.06341154873371124,
"learning_rate": 3.135802469135802e-05,
"loss": 0.6397,
"step": 1223
},
{
"epoch": 2.7199999999999998,
"grad_norm": 0.06885281205177307,
"learning_rate": 3.111111111111111e-05,
"loss": 0.4368,
"step": 1224
},
{
"epoch": 2.7222222222222223,
"grad_norm": 0.059726446866989136,
"learning_rate": 3.08641975308642e-05,
"loss": 0.6954,
"step": 1225
},
{
"epoch": 2.7244444444444444,
"grad_norm": 0.06625626981258392,
"learning_rate": 3.061728395061728e-05,
"loss": 0.54,
"step": 1226
},
{
"epoch": 2.7266666666666666,
"grad_norm": 0.042261507362127304,
"learning_rate": 3.0370370370370368e-05,
"loss": 0.5263,
"step": 1227
},
{
"epoch": 2.728888888888889,
"grad_norm": 0.048613209277391434,
"learning_rate": 3.0123456790123453e-05,
"loss": 0.4816,
"step": 1228
},
{
"epoch": 2.7311111111111113,
"grad_norm": 0.09477412700653076,
"learning_rate": 2.987654320987654e-05,
"loss": 0.5138,
"step": 1229
},
{
"epoch": 2.7333333333333334,
"grad_norm": 0.06048741191625595,
"learning_rate": 2.9629629629629627e-05,
"loss": 0.5746,
"step": 1230
},
{
"epoch": 2.7355555555555555,
"grad_norm": 0.05966867506504059,
"learning_rate": 2.9382716049382715e-05,
"loss": 0.5898,
"step": 1231
},
{
"epoch": 2.7377777777777776,
"grad_norm": 0.08776303380727768,
"learning_rate": 2.9135802469135796e-05,
"loss": 0.7237,
"step": 1232
},
{
"epoch": 2.74,
"grad_norm": 0.07035078853368759,
"learning_rate": 2.8888888888888885e-05,
"loss": 0.6296,
"step": 1233
},
{
"epoch": 2.7422222222222223,
"grad_norm": 0.06418696790933609,
"learning_rate": 2.8641975308641973e-05,
"loss": 0.4852,
"step": 1234
},
{
"epoch": 2.7444444444444445,
"grad_norm": 0.04925747588276863,
"learning_rate": 2.8395061728395058e-05,
"loss": 0.4677,
"step": 1235
},
{
"epoch": 2.7466666666666666,
"grad_norm": 0.06488417088985443,
"learning_rate": 2.8148148148148147e-05,
"loss": 0.5834,
"step": 1236
},
{
"epoch": 2.7488888888888887,
"grad_norm": 0.04511519521474838,
"learning_rate": 2.790123456790123e-05,
"loss": 0.4887,
"step": 1237
},
{
"epoch": 2.7511111111111113,
"grad_norm": 0.06843352317810059,
"learning_rate": 2.765432098765432e-05,
"loss": 0.4983,
"step": 1238
},
{
"epoch": 2.7533333333333334,
"grad_norm": 0.06756050139665604,
"learning_rate": 2.7407407407407405e-05,
"loss": 0.4994,
"step": 1239
},
{
"epoch": 2.7555555555555555,
"grad_norm": 0.06538543850183487,
"learning_rate": 2.7160493827160493e-05,
"loss": 0.3782,
"step": 1240
},
{
"epoch": 2.7577777777777777,
"grad_norm": 0.057626090943813324,
"learning_rate": 2.6913580246913578e-05,
"loss": 0.563,
"step": 1241
},
{
"epoch": 2.76,
"grad_norm": 0.1639692187309265,
"learning_rate": 2.6666666666666667e-05,
"loss": 0.434,
"step": 1242
},
{
"epoch": 2.7622222222222224,
"grad_norm": 0.048517338931560516,
"learning_rate": 2.6419753086419748e-05,
"loss": 0.5348,
"step": 1243
},
{
"epoch": 2.7644444444444445,
"grad_norm": 0.05313562974333763,
"learning_rate": 2.6172839506172837e-05,
"loss": 0.4687,
"step": 1244
},
{
"epoch": 2.7666666666666666,
"grad_norm": 0.05369576811790466,
"learning_rate": 2.592592592592592e-05,
"loss": 0.4959,
"step": 1245
},
{
"epoch": 2.7688888888888887,
"grad_norm": 0.06537558138370514,
"learning_rate": 2.567901234567901e-05,
"loss": 0.4862,
"step": 1246
},
{
"epoch": 2.771111111111111,
"grad_norm": 0.062362298369407654,
"learning_rate": 2.5432098765432095e-05,
"loss": 0.5051,
"step": 1247
},
{
"epoch": 2.7733333333333334,
"grad_norm": 0.07045628130435944,
"learning_rate": 2.5185185185185183e-05,
"loss": 0.5431,
"step": 1248
},
{
"epoch": 2.7755555555555556,
"grad_norm": 0.058078449219465256,
"learning_rate": 2.4938271604938268e-05,
"loss": 0.4098,
"step": 1249
},
{
"epoch": 2.7777777777777777,
"grad_norm": 0.04137657955288887,
"learning_rate": 2.4691358024691357e-05,
"loss": 0.5553,
"step": 1250
},
{
"epoch": 2.7800000000000002,
"grad_norm": 0.08747418969869614,
"learning_rate": 2.4444444444444445e-05,
"loss": 0.5497,
"step": 1251
},
{
"epoch": 2.7822222222222224,
"grad_norm": 0.05402607470750809,
"learning_rate": 2.419753086419753e-05,
"loss": 0.7094,
"step": 1252
},
{
"epoch": 2.7844444444444445,
"grad_norm": 0.0792861357331276,
"learning_rate": 2.3950617283950618e-05,
"loss": 0.4718,
"step": 1253
},
{
"epoch": 2.7866666666666666,
"grad_norm": 0.13500571250915527,
"learning_rate": 2.37037037037037e-05,
"loss": 0.5404,
"step": 1254
},
{
"epoch": 2.7888888888888888,
"grad_norm": 0.12560763955116272,
"learning_rate": 2.3456790123456788e-05,
"loss": 0.701,
"step": 1255
},
{
"epoch": 2.7911111111111113,
"grad_norm": 0.04671892896294594,
"learning_rate": 2.3209876543209873e-05,
"loss": 0.5641,
"step": 1256
},
{
"epoch": 2.7933333333333334,
"grad_norm": 0.043379250913858414,
"learning_rate": 2.296296296296296e-05,
"loss": 0.5214,
"step": 1257
},
{
"epoch": 2.7955555555555556,
"grad_norm": 0.06795503944158554,
"learning_rate": 2.2716049382716047e-05,
"loss": 0.7148,
"step": 1258
},
{
"epoch": 2.7977777777777777,
"grad_norm": 0.08358605951070786,
"learning_rate": 2.2469135802469135e-05,
"loss": 0.5945,
"step": 1259
},
{
"epoch": 2.8,
"grad_norm": 0.05269525200128555,
"learning_rate": 2.222222222222222e-05,
"loss": 0.6251,
"step": 1260
},
{
"epoch": 2.8022222222222224,
"grad_norm": 0.059296853840351105,
"learning_rate": 2.1975308641975308e-05,
"loss": 0.5402,
"step": 1261
},
{
"epoch": 2.8044444444444445,
"grad_norm": 0.054700687527656555,
"learning_rate": 2.1728395061728393e-05,
"loss": 0.6104,
"step": 1262
},
{
"epoch": 2.8066666666666666,
"grad_norm": 0.051813941448926926,
"learning_rate": 2.148148148148148e-05,
"loss": 0.7215,
"step": 1263
},
{
"epoch": 2.8088888888888888,
"grad_norm": 0.07439989596605301,
"learning_rate": 2.1234567901234563e-05,
"loss": 0.5278,
"step": 1264
},
{
"epoch": 2.811111111111111,
"grad_norm": 0.05079736188054085,
"learning_rate": 2.098765432098765e-05,
"loss": 0.3882,
"step": 1265
},
{
"epoch": 2.8133333333333335,
"grad_norm": 0.054003696888685226,
"learning_rate": 2.0740740740740737e-05,
"loss": 0.4078,
"step": 1266
},
{
"epoch": 2.8155555555555556,
"grad_norm": 0.05357246473431587,
"learning_rate": 2.0493827160493825e-05,
"loss": 0.504,
"step": 1267
},
{
"epoch": 2.8177777777777777,
"grad_norm": 0.05181051790714264,
"learning_rate": 2.0246913580246913e-05,
"loss": 0.4397,
"step": 1268
},
{
"epoch": 2.82,
"grad_norm": 0.06633854657411575,
"learning_rate": 1.9999999999999998e-05,
"loss": 0.467,
"step": 1269
},
{
"epoch": 2.822222222222222,
"grad_norm": 0.05127658322453499,
"learning_rate": 1.9753086419753087e-05,
"loss": 0.5133,
"step": 1270
},
{
"epoch": 2.8244444444444445,
"grad_norm": 0.0671505257487297,
"learning_rate": 1.950617283950617e-05,
"loss": 0.5096,
"step": 1271
},
{
"epoch": 2.8266666666666667,
"grad_norm": 0.07473781704902649,
"learning_rate": 1.925925925925926e-05,
"loss": 0.5238,
"step": 1272
},
{
"epoch": 2.828888888888889,
"grad_norm": 0.05219605565071106,
"learning_rate": 1.901234567901234e-05,
"loss": 0.5948,
"step": 1273
},
{
"epoch": 2.8311111111111114,
"grad_norm": 0.07204823940992355,
"learning_rate": 1.8765432098765433e-05,
"loss": 0.4418,
"step": 1274
},
{
"epoch": 2.8333333333333335,
"grad_norm": 0.06105707958340645,
"learning_rate": 1.8518518518518515e-05,
"loss": 0.4878,
"step": 1275
},
{
"epoch": 2.8355555555555556,
"grad_norm": 0.06640278548002243,
"learning_rate": 1.8271604938271603e-05,
"loss": 0.6453,
"step": 1276
},
{
"epoch": 2.8377777777777777,
"grad_norm": 0.07634621113538742,
"learning_rate": 1.802469135802469e-05,
"loss": 0.4362,
"step": 1277
},
{
"epoch": 2.84,
"grad_norm": 0.09639936685562134,
"learning_rate": 1.7777777777777777e-05,
"loss": 0.5412,
"step": 1278
},
{
"epoch": 2.8422222222222224,
"grad_norm": 0.05341300740838051,
"learning_rate": 1.753086419753086e-05,
"loss": 0.5017,
"step": 1279
},
{
"epoch": 2.8444444444444446,
"grad_norm": 0.0719999149441719,
"learning_rate": 1.728395061728395e-05,
"loss": 0.5701,
"step": 1280
},
{
"epoch": 2.8466666666666667,
"grad_norm": 0.07877740263938904,
"learning_rate": 1.7037037037037035e-05,
"loss": 0.614,
"step": 1281
},
{
"epoch": 2.848888888888889,
"grad_norm": 0.051416411995887756,
"learning_rate": 1.6790123456790123e-05,
"loss": 0.5091,
"step": 1282
},
{
"epoch": 2.851111111111111,
"grad_norm": 0.05415206402540207,
"learning_rate": 1.6543209876543208e-05,
"loss": 0.5306,
"step": 1283
},
{
"epoch": 2.8533333333333335,
"grad_norm": 0.06409255415201187,
"learning_rate": 1.6296296296296293e-05,
"loss": 0.5477,
"step": 1284
},
{
"epoch": 2.8555555555555556,
"grad_norm": 0.07997147738933563,
"learning_rate": 1.604938271604938e-05,
"loss": 0.5713,
"step": 1285
},
{
"epoch": 2.8577777777777778,
"grad_norm": 0.06648123264312744,
"learning_rate": 1.5802469135802467e-05,
"loss": 0.4982,
"step": 1286
},
{
"epoch": 2.86,
"grad_norm": 0.05242307111620903,
"learning_rate": 1.5555555555555555e-05,
"loss": 0.4074,
"step": 1287
},
{
"epoch": 2.862222222222222,
"grad_norm": 0.04754193499684334,
"learning_rate": 1.530864197530864e-05,
"loss": 0.4296,
"step": 1288
},
{
"epoch": 2.8644444444444446,
"grad_norm": 0.0683235228061676,
"learning_rate": 1.5061728395061727e-05,
"loss": 0.4713,
"step": 1289
},
{
"epoch": 2.8666666666666667,
"grad_norm": 0.05207923427224159,
"learning_rate": 1.4814814814814813e-05,
"loss": 0.4893,
"step": 1290
},
{
"epoch": 2.868888888888889,
"grad_norm": 0.056113988161087036,
"learning_rate": 1.4567901234567898e-05,
"loss": 0.4756,
"step": 1291
},
{
"epoch": 2.871111111111111,
"grad_norm": 0.06050454080104828,
"learning_rate": 1.4320987654320987e-05,
"loss": 0.3881,
"step": 1292
},
{
"epoch": 2.873333333333333,
"grad_norm": 0.06342190504074097,
"learning_rate": 1.4074074074074073e-05,
"loss": 0.4357,
"step": 1293
},
{
"epoch": 2.8755555555555556,
"grad_norm": 0.06841931492090225,
"learning_rate": 1.382716049382716e-05,
"loss": 0.5386,
"step": 1294
},
{
"epoch": 2.8777777777777778,
"grad_norm": 0.06081142649054527,
"learning_rate": 1.3580246913580247e-05,
"loss": 0.4596,
"step": 1295
},
{
"epoch": 2.88,
"grad_norm": 0.07481483370065689,
"learning_rate": 1.3333333333333333e-05,
"loss": 0.5804,
"step": 1296
},
{
"epoch": 2.8822222222222225,
"grad_norm": 0.050198931246995926,
"learning_rate": 1.3086419753086418e-05,
"loss": 0.5793,
"step": 1297
},
{
"epoch": 2.8844444444444446,
"grad_norm": 0.05838954448699951,
"learning_rate": 1.2839506172839505e-05,
"loss": 0.4812,
"step": 1298
},
{
"epoch": 2.8866666666666667,
"grad_norm": 0.05184544622898102,
"learning_rate": 1.2592592592592592e-05,
"loss": 0.481,
"step": 1299
},
{
"epoch": 2.888888888888889,
"grad_norm": 0.07582832872867584,
"learning_rate": 1.2345679012345678e-05,
"loss": 0.5617,
"step": 1300
},
{
"epoch": 2.891111111111111,
"grad_norm": 0.07804284989833832,
"learning_rate": 1.2098765432098765e-05,
"loss": 0.6318,
"step": 1301
},
{
"epoch": 2.8933333333333335,
"grad_norm": 0.060935601592063904,
"learning_rate": 1.185185185185185e-05,
"loss": 0.5654,
"step": 1302
},
{
"epoch": 2.8955555555555557,
"grad_norm": 0.058726221323013306,
"learning_rate": 1.1604938271604937e-05,
"loss": 0.593,
"step": 1303
},
{
"epoch": 2.897777777777778,
"grad_norm": 0.05662497878074646,
"learning_rate": 1.1358024691358023e-05,
"loss": 0.6047,
"step": 1304
},
{
"epoch": 2.9,
"grad_norm": 0.05847261846065521,
"learning_rate": 1.111111111111111e-05,
"loss": 0.5682,
"step": 1305
},
{
"epoch": 2.902222222222222,
"grad_norm": 0.05384650081396103,
"learning_rate": 1.0864197530864197e-05,
"loss": 0.5402,
"step": 1306
},
{
"epoch": 2.9044444444444446,
"grad_norm": 0.05802860110998154,
"learning_rate": 1.0617283950617282e-05,
"loss": 0.5522,
"step": 1307
},
{
"epoch": 2.9066666666666667,
"grad_norm": 0.062039174139499664,
"learning_rate": 1.0370370370370368e-05,
"loss": 0.4738,
"step": 1308
},
{
"epoch": 2.908888888888889,
"grad_norm": 0.07000809162855148,
"learning_rate": 1.0123456790123457e-05,
"loss": 0.6082,
"step": 1309
},
{
"epoch": 2.911111111111111,
"grad_norm": 0.05195184424519539,
"learning_rate": 9.876543209876543e-06,
"loss": 0.6155,
"step": 1310
},
{
"epoch": 2.913333333333333,
"grad_norm": 0.08509308099746704,
"learning_rate": 9.62962962962963e-06,
"loss": 0.5573,
"step": 1311
},
{
"epoch": 2.9155555555555557,
"grad_norm": 0.08439867198467255,
"learning_rate": 9.382716049382717e-06,
"loss": 0.4368,
"step": 1312
},
{
"epoch": 2.917777777777778,
"grad_norm": 0.054084569215774536,
"learning_rate": 9.135802469135802e-06,
"loss": 0.4594,
"step": 1313
},
{
"epoch": 2.92,
"grad_norm": 0.07232722640037537,
"learning_rate": 8.888888888888888e-06,
"loss": 0.5347,
"step": 1314
},
{
"epoch": 2.9222222222222225,
"grad_norm": 0.06299246847629547,
"learning_rate": 8.641975308641975e-06,
"loss": 0.4886,
"step": 1315
},
{
"epoch": 2.924444444444444,
"grad_norm": 0.06266815960407257,
"learning_rate": 8.395061728395062e-06,
"loss": 0.6174,
"step": 1316
},
{
"epoch": 2.9266666666666667,
"grad_norm": 0.06049675866961479,
"learning_rate": 8.148148148148147e-06,
"loss": 0.6329,
"step": 1317
},
{
"epoch": 2.928888888888889,
"grad_norm": 0.05617294833064079,
"learning_rate": 7.901234567901233e-06,
"loss": 0.5556,
"step": 1318
},
{
"epoch": 2.931111111111111,
"grad_norm": 0.06655992567539215,
"learning_rate": 7.65432098765432e-06,
"loss": 0.5181,
"step": 1319
},
{
"epoch": 2.9333333333333336,
"grad_norm": 0.06388793885707855,
"learning_rate": 7.407407407407407e-06,
"loss": 0.6094,
"step": 1320
},
{
"epoch": 2.9355555555555557,
"grad_norm": 0.04894081875681877,
"learning_rate": 7.160493827160493e-06,
"loss": 0.4628,
"step": 1321
},
{
"epoch": 2.937777777777778,
"grad_norm": 0.06200474873185158,
"learning_rate": 6.91358024691358e-06,
"loss": 0.7136,
"step": 1322
},
{
"epoch": 2.94,
"grad_norm": 0.07943463325500488,
"learning_rate": 6.666666666666667e-06,
"loss": 0.7333,
"step": 1323
},
{
"epoch": 2.942222222222222,
"grad_norm": 0.051468003541231155,
"learning_rate": 6.4197530864197525e-06,
"loss": 0.5301,
"step": 1324
},
{
"epoch": 2.9444444444444446,
"grad_norm": 0.0468410961329937,
"learning_rate": 6.172839506172839e-06,
"loss": 0.4637,
"step": 1325
},
{
"epoch": 2.9466666666666668,
"grad_norm": 0.09125997126102448,
"learning_rate": 5.925925925925925e-06,
"loss": 0.6117,
"step": 1326
},
{
"epoch": 2.948888888888889,
"grad_norm": 0.0682133361697197,
"learning_rate": 5.679012345679012e-06,
"loss": 0.6474,
"step": 1327
},
{
"epoch": 2.951111111111111,
"grad_norm": 0.05989382416009903,
"learning_rate": 5.432098765432098e-06,
"loss": 0.6313,
"step": 1328
},
{
"epoch": 2.953333333333333,
"grad_norm": 0.07264363765716553,
"learning_rate": 5.185185185185184e-06,
"loss": 0.5645,
"step": 1329
},
{
"epoch": 2.9555555555555557,
"grad_norm": 0.057875052094459534,
"learning_rate": 4.938271604938272e-06,
"loss": 0.4804,
"step": 1330
},
{
"epoch": 2.957777777777778,
"grad_norm": 0.07367154955863953,
"learning_rate": 4.691358024691358e-06,
"loss": 0.6391,
"step": 1331
},
{
"epoch": 2.96,
"grad_norm": 0.05268028378486633,
"learning_rate": 4.444444444444444e-06,
"loss": 0.492,
"step": 1332
},
{
"epoch": 2.962222222222222,
"grad_norm": 0.060173213481903076,
"learning_rate": 4.197530864197531e-06,
"loss": 0.5008,
"step": 1333
},
{
"epoch": 2.964444444444444,
"grad_norm": 0.06758608669042587,
"learning_rate": 3.950617283950617e-06,
"loss": 0.5625,
"step": 1334
},
{
"epoch": 2.966666666666667,
"grad_norm": 0.04485061764717102,
"learning_rate": 3.7037037037037033e-06,
"loss": 0.6103,
"step": 1335
},
{
"epoch": 2.968888888888889,
"grad_norm": 0.05087360367178917,
"learning_rate": 3.45679012345679e-06,
"loss": 0.4286,
"step": 1336
},
{
"epoch": 2.971111111111111,
"grad_norm": 0.05051387846469879,
"learning_rate": 3.2098765432098762e-06,
"loss": 0.4035,
"step": 1337
},
{
"epoch": 2.9733333333333336,
"grad_norm": 0.06164296716451645,
"learning_rate": 2.9629629629629625e-06,
"loss": 0.4906,
"step": 1338
},
{
"epoch": 2.9755555555555553,
"grad_norm": 0.05128742754459381,
"learning_rate": 2.716049382716049e-06,
"loss": 0.6804,
"step": 1339
},
{
"epoch": 2.977777777777778,
"grad_norm": 0.07346834242343903,
"learning_rate": 2.469135802469136e-06,
"loss": 0.5991,
"step": 1340
},
{
"epoch": 2.98,
"grad_norm": 0.15875644981861115,
"learning_rate": 2.222222222222222e-06,
"loss": 0.5792,
"step": 1341
},
{
"epoch": 2.982222222222222,
"grad_norm": 0.05861335247755051,
"learning_rate": 1.9753086419753083e-06,
"loss": 0.4663,
"step": 1342
},
{
"epoch": 2.9844444444444447,
"grad_norm": 0.05954683944582939,
"learning_rate": 1.728395061728395e-06,
"loss": 0.435,
"step": 1343
},
{
"epoch": 2.986666666666667,
"grad_norm": 0.07032537460327148,
"learning_rate": 1.4814814814814812e-06,
"loss": 0.4384,
"step": 1344
},
{
"epoch": 2.988888888888889,
"grad_norm": 0.07222862541675568,
"learning_rate": 1.234567901234568e-06,
"loss": 0.5334,
"step": 1345
},
{
"epoch": 2.991111111111111,
"grad_norm": 0.07875492423772812,
"learning_rate": 9.876543209876542e-07,
"loss": 0.7617,
"step": 1346
},
{
"epoch": 2.993333333333333,
"grad_norm": 0.07582969963550568,
"learning_rate": 7.407407407407406e-07,
"loss": 0.5529,
"step": 1347
},
{
"epoch": 2.9955555555555557,
"grad_norm": 0.05928955227136612,
"learning_rate": 4.938271604938271e-07,
"loss": 0.6101,
"step": 1348
},
{
"epoch": 2.997777777777778,
"grad_norm": 0.07385487854480743,
"learning_rate": 2.4691358024691354e-07,
"loss": 0.3858,
"step": 1349
},
{
"epoch": 3.0,
"grad_norm": 0.06644037365913391,
"learning_rate": 0.0,
"loss": 0.4738,
"step": 1350
},
{
"epoch": 3.0,
"step": 1350,
"total_flos": 5.088308053724365e+17,
"train_loss": 0.5877564937980087,
"train_runtime": 3779.9459,
"train_samples_per_second": 5.714,
"train_steps_per_second": 0.357
}
],
"logging_steps": 1.0,
"max_steps": 1350,
"num_input_tokens_seen": 0,
"num_train_epochs": 3,
"save_steps": 500,
"stateful_callbacks": {
"TrainerControl": {
"args": {
"should_epoch_stop": false,
"should_evaluate": false,
"should_log": false,
"should_save": true,
"should_training_stop": true
},
"attributes": {}
}
},
"total_flos": 5.088308053724365e+17,
"train_batch_size": 1,
"trial_name": null,
"trial_params": null
}