lillian039 commited on
Commit
3bdd32d
1 Parent(s): ce7e7b5

Model save

Browse files
Files changed (4) hide show
  1. README.md +69 -0
  2. all_results.json +9 -0
  3. train_results.json +9 -0
  4. trainer_state.json +3258 -0
README.md ADDED
@@ -0,0 +1,69 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: meta-llama/Meta-Llama-3.1-8B-Instruct
3
+ library_name: peft
4
+ license: llama3.1
5
+ tags:
6
+ - trl
7
+ - sft
8
+ - generated_from_trainer
9
+ model-index:
10
+ - name: barc-llama3.1-8b-instruct-lora64-induction-gpt4mini20k_lr2e-4_epoch3
11
+ results: []
12
+ ---
13
+
14
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
15
+ should probably proofread and complete it, then remove this comment. -->
16
+
17
+ # barc-llama3.1-8b-instruct-lora64-induction-gpt4mini20k_lr2e-4_epoch3
18
+
19
+ This model is a fine-tuned version of [meta-llama/Meta-Llama-3.1-8B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-8B-Instruct) on an unknown dataset.
20
+ It achieves the following results on the evaluation set:
21
+ - Loss: 0.3327
22
+
23
+ ## Model description
24
+
25
+ More information needed
26
+
27
+ ## Intended uses & limitations
28
+
29
+ More information needed
30
+
31
+ ## Training and evaluation data
32
+
33
+ More information needed
34
+
35
+ ## Training procedure
36
+
37
+ ### Training hyperparameters
38
+
39
+ The following hyperparameters were used during training:
40
+ - learning_rate: 0.0002
41
+ - train_batch_size: 8
42
+ - eval_batch_size: 4
43
+ - seed: 42
44
+ - distributed_type: multi-GPU
45
+ - num_devices: 8
46
+ - gradient_accumulation_steps: 2
47
+ - total_train_batch_size: 128
48
+ - total_eval_batch_size: 32
49
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
50
+ - lr_scheduler_type: cosine
51
+ - lr_scheduler_warmup_ratio: 0.1
52
+ - num_epochs: 3
53
+
54
+ ### Training results
55
+
56
+ | Training Loss | Epoch | Step | Validation Loss |
57
+ |:-------------:|:-----:|:----:|:---------------:|
58
+ | 0.3519 | 1.0 | 152 | 0.3529 |
59
+ | 0.3233 | 2.0 | 304 | 0.3357 |
60
+ | 0.2989 | 3.0 | 456 | 0.3327 |
61
+
62
+
63
+ ### Framework versions
64
+
65
+ - PEFT 0.13.0
66
+ - Transformers 4.45.0.dev0
67
+ - Pytorch 2.4.1+cu121
68
+ - Datasets 3.0.0
69
+ - Tokenizers 0.19.1
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "total_flos": 1.6172409563591475e+17,
4
+ "train_loss": 0.366262159849468,
5
+ "train_runtime": 5417.5508,
6
+ "train_samples": 19396,
7
+ "train_samples_per_second": 10.741,
8
+ "train_steps_per_second": 0.084
9
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "total_flos": 1.6172409563591475e+17,
4
+ "train_loss": 0.366262159849468,
5
+ "train_runtime": 5417.5508,
6
+ "train_samples": 19396,
7
+ "train_samples_per_second": 10.741,
8
+ "train_steps_per_second": 0.084
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,3258 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 3.0,
5
+ "eval_steps": 500,
6
+ "global_step": 456,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.006578947368421052,
13
+ "grad_norm": 0.9301734884942886,
14
+ "learning_rate": 4.347826086956522e-06,
15
+ "loss": 1.3345,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.013157894736842105,
20
+ "grad_norm": 0.8660026064620485,
21
+ "learning_rate": 8.695652173913044e-06,
22
+ "loss": 1.2699,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.019736842105263157,
27
+ "grad_norm": 0.9006761056531956,
28
+ "learning_rate": 1.3043478260869566e-05,
29
+ "loss": 1.3134,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.02631578947368421,
34
+ "grad_norm": 0.8334670285502003,
35
+ "learning_rate": 1.739130434782609e-05,
36
+ "loss": 1.2548,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.03289473684210526,
41
+ "grad_norm": 0.8574803030028485,
42
+ "learning_rate": 2.173913043478261e-05,
43
+ "loss": 1.2843,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.039473684210526314,
48
+ "grad_norm": 0.8390817055257793,
49
+ "learning_rate": 2.608695652173913e-05,
50
+ "loss": 1.2982,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.046052631578947366,
55
+ "grad_norm": 0.7141521506417161,
56
+ "learning_rate": 3.0434782608695656e-05,
57
+ "loss": 1.1906,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.05263157894736842,
62
+ "grad_norm": 0.6047790773556203,
63
+ "learning_rate": 3.478260869565218e-05,
64
+ "loss": 1.1499,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.05921052631578947,
69
+ "grad_norm": 0.5265109630433017,
70
+ "learning_rate": 3.91304347826087e-05,
71
+ "loss": 1.0976,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.06578947368421052,
76
+ "grad_norm": 0.5245802695709278,
77
+ "learning_rate": 4.347826086956522e-05,
78
+ "loss": 1.0108,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.07236842105263158,
83
+ "grad_norm": 0.5599855466933923,
84
+ "learning_rate": 4.782608695652174e-05,
85
+ "loss": 0.9675,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.07894736842105263,
90
+ "grad_norm": 0.5570743219368649,
91
+ "learning_rate": 5.217391304347826e-05,
92
+ "loss": 0.8945,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.08552631578947369,
97
+ "grad_norm": 0.5874369878213753,
98
+ "learning_rate": 5.652173913043478e-05,
99
+ "loss": 0.8503,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.09210526315789473,
104
+ "grad_norm": 0.522753964863263,
105
+ "learning_rate": 6.086956521739131e-05,
106
+ "loss": 0.7773,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.09868421052631579,
111
+ "grad_norm": 0.5330305040727032,
112
+ "learning_rate": 6.521739130434783e-05,
113
+ "loss": 0.7115,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.10526315789473684,
118
+ "grad_norm": 0.46085140769365757,
119
+ "learning_rate": 6.956521739130436e-05,
120
+ "loss": 0.6463,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.1118421052631579,
125
+ "grad_norm": 0.40848688620706747,
126
+ "learning_rate": 7.391304347826086e-05,
127
+ "loss": 0.6151,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.11842105263157894,
132
+ "grad_norm": 0.2704450670383811,
133
+ "learning_rate": 7.82608695652174e-05,
134
+ "loss": 0.5724,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.125,
139
+ "grad_norm": 0.26085072447544416,
140
+ "learning_rate": 8.260869565217392e-05,
141
+ "loss": 0.5528,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.13157894736842105,
146
+ "grad_norm": 0.2339583161738833,
147
+ "learning_rate": 8.695652173913044e-05,
148
+ "loss": 0.5369,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.13815789473684212,
153
+ "grad_norm": 0.1949857904626772,
154
+ "learning_rate": 9.130434782608696e-05,
155
+ "loss": 0.512,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.14473684210526316,
160
+ "grad_norm": 0.2435718076959428,
161
+ "learning_rate": 9.565217391304348e-05,
162
+ "loss": 0.5202,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.1513157894736842,
167
+ "grad_norm": 0.22205719081769748,
168
+ "learning_rate": 0.0001,
169
+ "loss": 0.5221,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.15789473684210525,
174
+ "grad_norm": 0.21129557114647404,
175
+ "learning_rate": 0.00010434782608695653,
176
+ "loss": 0.5128,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.16447368421052633,
181
+ "grad_norm": 0.18916988013906638,
182
+ "learning_rate": 0.00010869565217391305,
183
+ "loss": 0.4869,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.17105263157894737,
188
+ "grad_norm": 0.14949200071673818,
189
+ "learning_rate": 0.00011304347826086956,
190
+ "loss": 0.4821,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.17763157894736842,
195
+ "grad_norm": 0.1581846054226008,
196
+ "learning_rate": 0.0001173913043478261,
197
+ "loss": 0.4661,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.18421052631578946,
202
+ "grad_norm": 0.134913498610646,
203
+ "learning_rate": 0.00012173913043478263,
204
+ "loss": 0.4758,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.19078947368421054,
209
+ "grad_norm": 0.12244728979819958,
210
+ "learning_rate": 0.00012608695652173915,
211
+ "loss": 0.4504,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.19736842105263158,
216
+ "grad_norm": 0.12177957867071984,
217
+ "learning_rate": 0.00013043478260869567,
218
+ "loss": 0.4788,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.20394736842105263,
223
+ "grad_norm": 0.109229502136198,
224
+ "learning_rate": 0.0001347826086956522,
225
+ "loss": 0.4434,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.21052631578947367,
230
+ "grad_norm": 0.11628917220798876,
231
+ "learning_rate": 0.0001391304347826087,
232
+ "loss": 0.4536,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.21710526315789475,
237
+ "grad_norm": 0.11733881064063928,
238
+ "learning_rate": 0.0001434782608695652,
239
+ "loss": 0.4742,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.2236842105263158,
244
+ "grad_norm": 0.11627552292165463,
245
+ "learning_rate": 0.00014782608695652173,
246
+ "loss": 0.4494,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.23026315789473684,
251
+ "grad_norm": 0.11476166833257723,
252
+ "learning_rate": 0.00015217391304347827,
253
+ "loss": 0.4319,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.23684210526315788,
258
+ "grad_norm": 0.10237139066203954,
259
+ "learning_rate": 0.0001565217391304348,
260
+ "loss": 0.4263,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.24342105263157895,
265
+ "grad_norm": 0.10918908589611533,
266
+ "learning_rate": 0.00016086956521739132,
267
+ "loss": 0.4254,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.25,
272
+ "grad_norm": 0.10679450577166048,
273
+ "learning_rate": 0.00016521739130434784,
274
+ "loss": 0.4363,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.2565789473684211,
279
+ "grad_norm": 0.10517151889540283,
280
+ "learning_rate": 0.00016956521739130436,
281
+ "loss": 0.4353,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.2631578947368421,
286
+ "grad_norm": 0.10453003257689569,
287
+ "learning_rate": 0.00017391304347826088,
288
+ "loss": 0.4313,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.26973684210526316,
293
+ "grad_norm": 0.09705593623180399,
294
+ "learning_rate": 0.0001782608695652174,
295
+ "loss": 0.4146,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.27631578947368424,
300
+ "grad_norm": 0.09840834125049662,
301
+ "learning_rate": 0.00018260869565217392,
302
+ "loss": 0.414,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.28289473684210525,
307
+ "grad_norm": 0.09733214025720571,
308
+ "learning_rate": 0.00018695652173913045,
309
+ "loss": 0.4163,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.2894736842105263,
314
+ "grad_norm": 0.09403117831890086,
315
+ "learning_rate": 0.00019130434782608697,
316
+ "loss": 0.4095,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.29605263157894735,
321
+ "grad_norm": 0.0998536829474165,
322
+ "learning_rate": 0.0001956521739130435,
323
+ "loss": 0.4075,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.3026315789473684,
328
+ "grad_norm": 0.09752527766251139,
329
+ "learning_rate": 0.0002,
330
+ "loss": 0.4194,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.3092105263157895,
335
+ "grad_norm": 0.09784770986893948,
336
+ "learning_rate": 0.0001999970643795027,
337
+ "loss": 0.4109,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.3157894736842105,
342
+ "grad_norm": 0.09501975538592294,
343
+ "learning_rate": 0.00019998825769036819,
344
+ "loss": 0.4116,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.3223684210526316,
349
+ "grad_norm": 0.09520308666764123,
350
+ "learning_rate": 0.0001999735804496583,
351
+ "loss": 0.4016,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.32894736842105265,
356
+ "grad_norm": 0.09458518327177581,
357
+ "learning_rate": 0.0001999530335191093,
358
+ "loss": 0.4038,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.3355263157894737,
363
+ "grad_norm": 0.08881816935147156,
364
+ "learning_rate": 0.000199926618105081,
365
+ "loss": 0.3881,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.34210526315789475,
370
+ "grad_norm": 0.09507811168988711,
371
+ "learning_rate": 0.000199894335758486,
372
+ "loss": 0.4101,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.34868421052631576,
377
+ "grad_norm": 0.0892408897509568,
378
+ "learning_rate": 0.00019985618837469864,
379
+ "loss": 0.3976,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.35526315789473684,
384
+ "grad_norm": 0.08932074970893863,
385
+ "learning_rate": 0.0001998121781934438,
386
+ "loss": 0.3869,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.3618421052631579,
391
+ "grad_norm": 0.09109394290790748,
392
+ "learning_rate": 0.00019976230779866525,
393
+ "loss": 0.3898,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.3684210526315789,
398
+ "grad_norm": 0.09116027892556224,
399
+ "learning_rate": 0.00019970658011837404,
400
+ "loss": 0.398,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.375,
405
+ "grad_norm": 0.09891633296064052,
406
+ "learning_rate": 0.00019964499842447663,
407
+ "loss": 0.4046,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.3815789473684211,
412
+ "grad_norm": 0.0939928712835388,
413
+ "learning_rate": 0.00019957756633258265,
414
+ "loss": 0.3864,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.3881578947368421,
419
+ "grad_norm": 0.09374915175716102,
420
+ "learning_rate": 0.00019950428780179274,
421
+ "loss": 0.3951,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.39473684210526316,
426
+ "grad_norm": 0.09474512693386154,
427
+ "learning_rate": 0.000199425167134466,
428
+ "loss": 0.3911,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.40131578947368424,
433
+ "grad_norm": 0.09534030624628262,
434
+ "learning_rate": 0.0001993402089759675,
435
+ "loss": 0.3917,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.40789473684210525,
440
+ "grad_norm": 0.09308439623268501,
441
+ "learning_rate": 0.0001992494183143955,
442
+ "loss": 0.3799,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.4144736842105263,
447
+ "grad_norm": 0.0963241819886369,
448
+ "learning_rate": 0.00019915280048028852,
449
+ "loss": 0.3958,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.42105263157894735,
454
+ "grad_norm": 0.09034072116748955,
455
+ "learning_rate": 0.00019905036114631247,
456
+ "loss": 0.3735,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.4276315789473684,
461
+ "grad_norm": 0.09570337959260364,
462
+ "learning_rate": 0.00019894210632692745,
463
+ "loss": 0.3854,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.4342105263157895,
468
+ "grad_norm": 0.091943482076957,
469
+ "learning_rate": 0.00019882804237803488,
470
+ "loss": 0.3839,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.4407894736842105,
475
+ "grad_norm": 0.09392178800966167,
476
+ "learning_rate": 0.000198708175996604,
477
+ "loss": 0.3922,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.4473684210526316,
482
+ "grad_norm": 0.09032901472780272,
483
+ "learning_rate": 0.00019858251422027903,
484
+ "loss": 0.3827,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.45394736842105265,
489
+ "grad_norm": 0.08955279616077026,
490
+ "learning_rate": 0.00019845106442696562,
491
+ "loss": 0.3782,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.4605263157894737,
496
+ "grad_norm": 0.08888768341850095,
497
+ "learning_rate": 0.00019831383433439797,
498
+ "loss": 0.3803,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.46710526315789475,
503
+ "grad_norm": 0.10135869270529443,
504
+ "learning_rate": 0.00019817083199968552,
505
+ "loss": 0.3876,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.47368421052631576,
510
+ "grad_norm": 0.09494931509695588,
511
+ "learning_rate": 0.00019802206581883994,
512
+ "loss": 0.3878,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.48026315789473684,
517
+ "grad_norm": 0.09731569285786043,
518
+ "learning_rate": 0.00019786754452628225,
519
+ "loss": 0.3731,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.4868421052631579,
524
+ "grad_norm": 0.09286168859706302,
525
+ "learning_rate": 0.00019770727719432994,
526
+ "loss": 0.3852,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.4934210526315789,
531
+ "grad_norm": 0.09331628340360382,
532
+ "learning_rate": 0.00019754127323266428,
533
+ "loss": 0.3679,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.5,
538
+ "grad_norm": 0.0985838743425182,
539
+ "learning_rate": 0.00019736954238777792,
540
+ "loss": 0.3751,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.506578947368421,
545
+ "grad_norm": 0.08784090808893116,
546
+ "learning_rate": 0.00019719209474240262,
547
+ "loss": 0.3857,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.5131578947368421,
552
+ "grad_norm": 0.09595397552494361,
553
+ "learning_rate": 0.00019700894071491732,
554
+ "loss": 0.3772,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.5197368421052632,
559
+ "grad_norm": 0.09751786827076832,
560
+ "learning_rate": 0.00019682009105873635,
561
+ "loss": 0.3783,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.5263157894736842,
566
+ "grad_norm": 0.08800370843142873,
567
+ "learning_rate": 0.00019662555686167808,
568
+ "loss": 0.3662,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.5328947368421053,
573
+ "grad_norm": 0.0897695028264937,
574
+ "learning_rate": 0.0001964253495453141,
575
+ "loss": 0.3524,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.5394736842105263,
580
+ "grad_norm": 0.09955413713238825,
581
+ "learning_rate": 0.00019621948086429844,
582
+ "loss": 0.3893,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.5460526315789473,
587
+ "grad_norm": 0.09349570369317932,
588
+ "learning_rate": 0.00019600796290567747,
589
+ "loss": 0.3677,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.5526315789473685,
594
+ "grad_norm": 0.08892170997103152,
595
+ "learning_rate": 0.00019579080808818032,
596
+ "loss": 0.3695,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.5592105263157895,
601
+ "grad_norm": 0.09487589068069692,
602
+ "learning_rate": 0.00019556802916148962,
603
+ "loss": 0.3758,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.5657894736842105,
608
+ "grad_norm": 0.08802853628490082,
609
+ "learning_rate": 0.00019533963920549306,
610
+ "loss": 0.3611,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.5723684210526315,
615
+ "grad_norm": 0.0952039827447668,
616
+ "learning_rate": 0.00019510565162951537,
617
+ "loss": 0.3748,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.5789473684210527,
622
+ "grad_norm": 0.08848254195231814,
623
+ "learning_rate": 0.000194866080171531,
624
+ "loss": 0.3599,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.5855263157894737,
629
+ "grad_norm": 0.09613545225239202,
630
+ "learning_rate": 0.00019462093889735765,
631
+ "loss": 0.3733,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.5921052631578947,
636
+ "grad_norm": 0.08924377105304611,
637
+ "learning_rate": 0.00019437024219983028,
638
+ "loss": 0.3788,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.5986842105263158,
643
+ "grad_norm": 0.0970473798319214,
644
+ "learning_rate": 0.00019411400479795617,
645
+ "loss": 0.3768,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.6052631578947368,
650
+ "grad_norm": 0.09487853197595246,
651
+ "learning_rate": 0.0001938522417360507,
652
+ "loss": 0.3707,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.6118421052631579,
657
+ "grad_norm": 0.08878860279782896,
658
+ "learning_rate": 0.00019358496838285406,
659
+ "loss": 0.3709,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.618421052631579,
664
+ "grad_norm": 0.0894046820861241,
665
+ "learning_rate": 0.00019331220043062894,
666
+ "loss": 0.3732,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.625,
671
+ "grad_norm": 0.0873587537636765,
672
+ "learning_rate": 0.00019303395389423918,
673
+ "loss": 0.378,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.631578947368421,
678
+ "grad_norm": 0.09689373631878609,
679
+ "learning_rate": 0.0001927502451102095,
680
+ "loss": 0.3696,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.6381578947368421,
685
+ "grad_norm": 0.09705847084532389,
686
+ "learning_rate": 0.00019246109073576628,
687
+ "loss": 0.3604,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.6447368421052632,
692
+ "grad_norm": 0.09181701291383483,
693
+ "learning_rate": 0.00019216650774785972,
694
+ "loss": 0.3711,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.6513157894736842,
699
+ "grad_norm": 0.09684384392230812,
700
+ "learning_rate": 0.00019186651344216702,
701
+ "loss": 0.3736,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.6578947368421053,
706
+ "grad_norm": 0.10298393644504046,
707
+ "learning_rate": 0.00019156112543207673,
708
+ "loss": 0.3802,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.6644736842105263,
713
+ "grad_norm": 0.09420976346161887,
714
+ "learning_rate": 0.000191250361647655,
715
+ "loss": 0.3672,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.6710526315789473,
720
+ "grad_norm": 0.08630124052676108,
721
+ "learning_rate": 0.00019093424033459248,
722
+ "loss": 0.3709,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.6776315789473685,
727
+ "grad_norm": 0.09501717321245914,
728
+ "learning_rate": 0.0001906127800531333,
729
+ "loss": 0.366,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.6842105263157895,
734
+ "grad_norm": 0.08821786734234693,
735
+ "learning_rate": 0.00019028599967698531,
736
+ "loss": 0.3689,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.6907894736842105,
741
+ "grad_norm": 0.08658177205492697,
742
+ "learning_rate": 0.0001899539183922119,
743
+ "loss": 0.3541,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.6973684210526315,
748
+ "grad_norm": 0.09325609783945248,
749
+ "learning_rate": 0.00018961655569610557,
750
+ "loss": 0.3721,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.7039473684210527,
755
+ "grad_norm": 0.08841280838509634,
756
+ "learning_rate": 0.00018927393139604325,
757
+ "loss": 0.3519,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.7105263157894737,
762
+ "grad_norm": 0.09690514694100973,
763
+ "learning_rate": 0.00018892606560832337,
764
+ "loss": 0.3774,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.7171052631578947,
769
+ "grad_norm": 0.09722105218508262,
770
+ "learning_rate": 0.00018857297875698455,
771
+ "loss": 0.3558,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.7236842105263158,
776
+ "grad_norm": 0.08839435869483182,
777
+ "learning_rate": 0.00018821469157260685,
778
+ "loss": 0.3565,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.7302631578947368,
783
+ "grad_norm": 0.08814358581045939,
784
+ "learning_rate": 0.00018785122509109426,
785
+ "loss": 0.362,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.7368421052631579,
790
+ "grad_norm": 0.08994997062082188,
791
+ "learning_rate": 0.00018748260065243986,
792
+ "loss": 0.3455,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.743421052631579,
797
+ "grad_norm": 0.08543302223033665,
798
+ "learning_rate": 0.0001871088398994728,
799
+ "loss": 0.362,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.75,
804
+ "grad_norm": 0.08894111865879421,
805
+ "learning_rate": 0.00018672996477658767,
806
+ "loss": 0.3643,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.756578947368421,
811
+ "grad_norm": 0.08853456191177575,
812
+ "learning_rate": 0.00018634599752845592,
813
+ "loss": 0.3658,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.7631578947368421,
818
+ "grad_norm": 0.09412265410116702,
819
+ "learning_rate": 0.00018595696069872013,
820
+ "loss": 0.3732,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.7697368421052632,
825
+ "grad_norm": 0.08843510819092883,
826
+ "learning_rate": 0.00018556287712867005,
827
+ "loss": 0.3498,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.7763157894736842,
832
+ "grad_norm": 0.09005908717348306,
833
+ "learning_rate": 0.00018516376995590187,
834
+ "loss": 0.343,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.7828947368421053,
839
+ "grad_norm": 0.09003456135164496,
840
+ "learning_rate": 0.00018475966261295948,
841
+ "loss": 0.3708,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.7894736842105263,
846
+ "grad_norm": 0.09116449509404734,
847
+ "learning_rate": 0.00018435057882595882,
848
+ "loss": 0.3548,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.7960526315789473,
853
+ "grad_norm": 0.09200874674641456,
854
+ "learning_rate": 0.000183936542613195,
855
+ "loss": 0.3728,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.8026315789473685,
860
+ "grad_norm": 0.08854192816932756,
861
+ "learning_rate": 0.0001835175782837318,
862
+ "loss": 0.3554,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.8092105263157895,
867
+ "grad_norm": 0.0902705983711389,
868
+ "learning_rate": 0.00018309371043597473,
869
+ "loss": 0.3708,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.8157894736842105,
874
+ "grad_norm": 0.08478855503527433,
875
+ "learning_rate": 0.0001826649639562266,
876
+ "loss": 0.3455,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.8223684210526315,
881
+ "grad_norm": 0.08988565845179716,
882
+ "learning_rate": 0.0001822313640172265,
883
+ "loss": 0.3552,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.8289473684210527,
888
+ "grad_norm": 0.08874881990127954,
889
+ "learning_rate": 0.00018179293607667178,
890
+ "loss": 0.3587,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.8355263157894737,
895
+ "grad_norm": 0.09180650586751762,
896
+ "learning_rate": 0.00018134970587572343,
897
+ "loss": 0.3577,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.8421052631578947,
902
+ "grad_norm": 0.09068943599513157,
903
+ "learning_rate": 0.00018090169943749476,
904
+ "loss": 0.3616,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.8486842105263158,
909
+ "grad_norm": 0.09063538270613061,
910
+ "learning_rate": 0.00018044894306552337,
911
+ "loss": 0.3732,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.8552631578947368,
916
+ "grad_norm": 0.0901373223301407,
917
+ "learning_rate": 0.00017999146334222695,
918
+ "loss": 0.3345,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.8618421052631579,
923
+ "grad_norm": 0.0885794928608872,
924
+ "learning_rate": 0.00017952928712734268,
925
+ "loss": 0.3498,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.868421052631579,
930
+ "grad_norm": 0.08860093481405781,
931
+ "learning_rate": 0.00017906244155634982,
932
+ "loss": 0.3658,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.875,
937
+ "grad_norm": 0.08977436227076488,
938
+ "learning_rate": 0.00017859095403887696,
939
+ "loss": 0.3579,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.881578947368421,
944
+ "grad_norm": 0.08940660194253588,
945
+ "learning_rate": 0.00017811485225709256,
946
+ "loss": 0.3537,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.8881578947368421,
951
+ "grad_norm": 0.08080512906819583,
952
+ "learning_rate": 0.00017763416416407952,
953
+ "loss": 0.3379,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.8947368421052632,
958
+ "grad_norm": 0.08837755359593251,
959
+ "learning_rate": 0.0001771489179821943,
960
+ "loss": 0.3524,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.9013157894736842,
965
+ "grad_norm": 0.08523392262655982,
966
+ "learning_rate": 0.00017665914220140963,
967
+ "loss": 0.3386,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.9078947368421053,
972
+ "grad_norm": 0.09103630477831169,
973
+ "learning_rate": 0.00017616486557764187,
974
+ "loss": 0.3659,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.9144736842105263,
979
+ "grad_norm": 0.09441590695909564,
980
+ "learning_rate": 0.00017566611713106287,
981
+ "loss": 0.3507,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.9210526315789473,
986
+ "grad_norm": 0.09451841778053577,
987
+ "learning_rate": 0.00017516292614439585,
988
+ "loss": 0.357,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.9276315789473685,
993
+ "grad_norm": 0.08792822153458119,
994
+ "learning_rate": 0.00017465532216119625,
995
+ "loss": 0.3369,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.9342105263157895,
1000
+ "grad_norm": 0.09847169501416486,
1001
+ "learning_rate": 0.00017414333498411733,
1002
+ "loss": 0.3537,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.9407894736842105,
1007
+ "grad_norm": 0.09535814851654961,
1008
+ "learning_rate": 0.00017362699467316005,
1009
+ "loss": 0.3688,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.9473684210526315,
1014
+ "grad_norm": 0.0894204821997548,
1015
+ "learning_rate": 0.0001731063315439084,
1016
+ "loss": 0.3562,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.9539473684210527,
1021
+ "grad_norm": 0.08747335966415704,
1022
+ "learning_rate": 0.0001725813761657495,
1023
+ "loss": 0.3431,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.9605263157894737,
1028
+ "grad_norm": 0.09306693938804542,
1029
+ "learning_rate": 0.0001720521593600787,
1030
+ "loss": 0.3463,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 0.9671052631578947,
1035
+ "grad_norm": 0.09389776996796227,
1036
+ "learning_rate": 0.00017151871219849008,
1037
+ "loss": 0.3585,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 0.9736842105263158,
1042
+ "grad_norm": 0.08560502715505004,
1043
+ "learning_rate": 0.00017098106600095205,
1044
+ "loss": 0.3465,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 0.9802631578947368,
1049
+ "grad_norm": 0.08501659921152092,
1050
+ "learning_rate": 0.00017043925233396854,
1051
+ "loss": 0.3481,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 0.9868421052631579,
1056
+ "grad_norm": 0.09086546243483316,
1057
+ "learning_rate": 0.00016989330300872576,
1058
+ "loss": 0.355,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 0.993421052631579,
1063
+ "grad_norm": 0.08269896391914834,
1064
+ "learning_rate": 0.00016934325007922417,
1065
+ "loss": 0.347,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 1.0,
1070
+ "grad_norm": 0.08946228022278917,
1071
+ "learning_rate": 0.000168789125840397,
1072
+ "loss": 0.3519,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 1.0,
1077
+ "eval_loss": 0.3528538942337036,
1078
+ "eval_runtime": 165.9892,
1079
+ "eval_samples_per_second": 30.755,
1080
+ "eval_steps_per_second": 0.964,
1081
+ "step": 152
1082
+ },
1083
+ {
1084
+ "epoch": 1.006578947368421,
1085
+ "grad_norm": 0.08542638599767739,
1086
+ "learning_rate": 0.00016823096282621365,
1087
+ "loss": 0.3457,
1088
+ "step": 153
1089
+ },
1090
+ {
1091
+ "epoch": 1.013157894736842,
1092
+ "grad_norm": 0.08540863800720608,
1093
+ "learning_rate": 0.0001676687938077698,
1094
+ "loss": 0.3323,
1095
+ "step": 154
1096
+ },
1097
+ {
1098
+ "epoch": 1.019736842105263,
1099
+ "grad_norm": 0.08863302632538074,
1100
+ "learning_rate": 0.0001671026517913634,
1101
+ "loss": 0.3447,
1102
+ "step": 155
1103
+ },
1104
+ {
1105
+ "epoch": 1.0263157894736843,
1106
+ "grad_norm": 0.08334205967004667,
1107
+ "learning_rate": 0.00016653257001655652,
1108
+ "loss": 0.3337,
1109
+ "step": 156
1110
+ },
1111
+ {
1112
+ "epoch": 1.0328947368421053,
1113
+ "grad_norm": 0.08918626067677893,
1114
+ "learning_rate": 0.0001659585819542241,
1115
+ "loss": 0.343,
1116
+ "step": 157
1117
+ },
1118
+ {
1119
+ "epoch": 1.0394736842105263,
1120
+ "grad_norm": 0.09996420454196991,
1121
+ "learning_rate": 0.00016538072130458853,
1122
+ "loss": 0.3529,
1123
+ "step": 158
1124
+ },
1125
+ {
1126
+ "epoch": 1.0460526315789473,
1127
+ "grad_norm": 0.08514205522788368,
1128
+ "learning_rate": 0.00016479902199524116,
1129
+ "loss": 0.3338,
1130
+ "step": 159
1131
+ },
1132
+ {
1133
+ "epoch": 1.0526315789473684,
1134
+ "grad_norm": 0.08426879308880401,
1135
+ "learning_rate": 0.00016421351817915024,
1136
+ "loss": 0.3347,
1137
+ "step": 160
1138
+ },
1139
+ {
1140
+ "epoch": 1.0592105263157894,
1141
+ "grad_norm": 0.09335534193359232,
1142
+ "learning_rate": 0.00016362424423265598,
1143
+ "loss": 0.3396,
1144
+ "step": 161
1145
+ },
1146
+ {
1147
+ "epoch": 1.0657894736842106,
1148
+ "grad_norm": 0.09585726718482877,
1149
+ "learning_rate": 0.00016303123475345182,
1150
+ "loss": 0.3471,
1151
+ "step": 162
1152
+ },
1153
+ {
1154
+ "epoch": 1.0723684210526316,
1155
+ "grad_norm": 0.08521089701402258,
1156
+ "learning_rate": 0.00016243452455855342,
1157
+ "loss": 0.333,
1158
+ "step": 163
1159
+ },
1160
+ {
1161
+ "epoch": 1.0789473684210527,
1162
+ "grad_norm": 0.08924725173949923,
1163
+ "learning_rate": 0.00016183414868225433,
1164
+ "loss": 0.3311,
1165
+ "step": 164
1166
+ },
1167
+ {
1168
+ "epoch": 1.0855263157894737,
1169
+ "grad_norm": 0.08988680540431337,
1170
+ "learning_rate": 0.00016123014237406913,
1171
+ "loss": 0.3298,
1172
+ "step": 165
1173
+ },
1174
+ {
1175
+ "epoch": 1.0921052631578947,
1176
+ "grad_norm": 0.09878832595880599,
1177
+ "learning_rate": 0.0001606225410966638,
1178
+ "loss": 0.3322,
1179
+ "step": 166
1180
+ },
1181
+ {
1182
+ "epoch": 1.0986842105263157,
1183
+ "grad_norm": 0.08804802839862416,
1184
+ "learning_rate": 0.0001600113805237737,
1185
+ "loss": 0.3265,
1186
+ "step": 167
1187
+ },
1188
+ {
1189
+ "epoch": 1.1052631578947367,
1190
+ "grad_norm": 0.08862630237882663,
1191
+ "learning_rate": 0.0001593966965381088,
1192
+ "loss": 0.3273,
1193
+ "step": 168
1194
+ },
1195
+ {
1196
+ "epoch": 1.111842105263158,
1197
+ "grad_norm": 0.09796877182879883,
1198
+ "learning_rate": 0.00015877852522924732,
1199
+ "loss": 0.35,
1200
+ "step": 169
1201
+ },
1202
+ {
1203
+ "epoch": 1.118421052631579,
1204
+ "grad_norm": 0.08598713651781048,
1205
+ "learning_rate": 0.00015815690289151658,
1206
+ "loss": 0.3297,
1207
+ "step": 170
1208
+ },
1209
+ {
1210
+ "epoch": 1.125,
1211
+ "grad_norm": 0.08765944123128291,
1212
+ "learning_rate": 0.00015753186602186209,
1213
+ "loss": 0.3214,
1214
+ "step": 171
1215
+ },
1216
+ {
1217
+ "epoch": 1.131578947368421,
1218
+ "grad_norm": 0.09209895613253609,
1219
+ "learning_rate": 0.00015690345131770474,
1220
+ "loss": 0.3315,
1221
+ "step": 172
1222
+ },
1223
+ {
1224
+ "epoch": 1.138157894736842,
1225
+ "grad_norm": 0.09108557919395985,
1226
+ "learning_rate": 0.0001562716956747863,
1227
+ "loss": 0.3367,
1228
+ "step": 173
1229
+ },
1230
+ {
1231
+ "epoch": 1.1447368421052633,
1232
+ "grad_norm": 0.08895539817943555,
1233
+ "learning_rate": 0.00015563663618500302,
1234
+ "loss": 0.3341,
1235
+ "step": 174
1236
+ },
1237
+ {
1238
+ "epoch": 1.1513157894736843,
1239
+ "grad_norm": 0.08973951614406138,
1240
+ "learning_rate": 0.00015499831013422803,
1241
+ "loss": 0.3339,
1242
+ "step": 175
1243
+ },
1244
+ {
1245
+ "epoch": 1.1578947368421053,
1246
+ "grad_norm": 0.08620142874315022,
1247
+ "learning_rate": 0.00015435675500012212,
1248
+ "loss": 0.335,
1249
+ "step": 176
1250
+ },
1251
+ {
1252
+ "epoch": 1.1644736842105263,
1253
+ "grad_norm": 0.09126492238951715,
1254
+ "learning_rate": 0.00015371200844993332,
1255
+ "loss": 0.3312,
1256
+ "step": 177
1257
+ },
1258
+ {
1259
+ "epoch": 1.1710526315789473,
1260
+ "grad_norm": 0.09587526018453588,
1261
+ "learning_rate": 0.00015306410833828535,
1262
+ "loss": 0.3294,
1263
+ "step": 178
1264
+ },
1265
+ {
1266
+ "epoch": 1.1776315789473684,
1267
+ "grad_norm": 0.09087674252888882,
1268
+ "learning_rate": 0.00015241309270495524,
1269
+ "loss": 0.3372,
1270
+ "step": 179
1271
+ },
1272
+ {
1273
+ "epoch": 1.1842105263157894,
1274
+ "grad_norm": 0.0883641678692255,
1275
+ "learning_rate": 0.00015175899977263964,
1276
+ "loss": 0.3386,
1277
+ "step": 180
1278
+ },
1279
+ {
1280
+ "epoch": 1.1907894736842106,
1281
+ "grad_norm": 0.09379689103796256,
1282
+ "learning_rate": 0.00015110186794471103,
1283
+ "loss": 0.3377,
1284
+ "step": 181
1285
+ },
1286
+ {
1287
+ "epoch": 1.1973684210526316,
1288
+ "grad_norm": 0.09279921976435307,
1289
+ "learning_rate": 0.00015044173580296266,
1290
+ "loss": 0.3331,
1291
+ "step": 182
1292
+ },
1293
+ {
1294
+ "epoch": 1.2039473684210527,
1295
+ "grad_norm": 0.09523467660834971,
1296
+ "learning_rate": 0.0001497786421053434,
1297
+ "loss": 0.3468,
1298
+ "step": 183
1299
+ },
1300
+ {
1301
+ "epoch": 1.2105263157894737,
1302
+ "grad_norm": 0.09692763912842987,
1303
+ "learning_rate": 0.00014911262578368232,
1304
+ "loss": 0.3254,
1305
+ "step": 184
1306
+ },
1307
+ {
1308
+ "epoch": 1.2171052631578947,
1309
+ "grad_norm": 0.0905572094984609,
1310
+ "learning_rate": 0.0001484437259414027,
1311
+ "loss": 0.3428,
1312
+ "step": 185
1313
+ },
1314
+ {
1315
+ "epoch": 1.2236842105263157,
1316
+ "grad_norm": 0.0895303347607193,
1317
+ "learning_rate": 0.0001477719818512263,
1318
+ "loss": 0.3343,
1319
+ "step": 186
1320
+ },
1321
+ {
1322
+ "epoch": 1.2302631578947367,
1323
+ "grad_norm": 0.09084314989641666,
1324
+ "learning_rate": 0.00014709743295286752,
1325
+ "loss": 0.3428,
1326
+ "step": 187
1327
+ },
1328
+ {
1329
+ "epoch": 1.236842105263158,
1330
+ "grad_norm": 0.09188016999870963,
1331
+ "learning_rate": 0.0001464201188507178,
1332
+ "loss": 0.3392,
1333
+ "step": 188
1334
+ },
1335
+ {
1336
+ "epoch": 1.243421052631579,
1337
+ "grad_norm": 0.09034095867956521,
1338
+ "learning_rate": 0.00014574007931152037,
1339
+ "loss": 0.3305,
1340
+ "step": 189
1341
+ },
1342
+ {
1343
+ "epoch": 1.25,
1344
+ "grad_norm": 0.09422416865836616,
1345
+ "learning_rate": 0.00014505735426203543,
1346
+ "loss": 0.3519,
1347
+ "step": 190
1348
+ },
1349
+ {
1350
+ "epoch": 1.256578947368421,
1351
+ "grad_norm": 0.09146229714998408,
1352
+ "learning_rate": 0.00014437198378669598,
1353
+ "loss": 0.3246,
1354
+ "step": 191
1355
+ },
1356
+ {
1357
+ "epoch": 1.263157894736842,
1358
+ "grad_norm": 0.09150826987109315,
1359
+ "learning_rate": 0.00014368400812525434,
1360
+ "loss": 0.3385,
1361
+ "step": 192
1362
+ },
1363
+ {
1364
+ "epoch": 1.2697368421052633,
1365
+ "grad_norm": 0.09170822182104935,
1366
+ "learning_rate": 0.00014299346767041954,
1367
+ "loss": 0.3202,
1368
+ "step": 193
1369
+ },
1370
+ {
1371
+ "epoch": 1.2763157894736843,
1372
+ "grad_norm": 0.08611790992292927,
1373
+ "learning_rate": 0.0001423004029654859,
1374
+ "loss": 0.3309,
1375
+ "step": 194
1376
+ },
1377
+ {
1378
+ "epoch": 1.2828947368421053,
1379
+ "grad_norm": 0.09296272729378167,
1380
+ "learning_rate": 0.00014160485470195245,
1381
+ "loss": 0.3334,
1382
+ "step": 195
1383
+ },
1384
+ {
1385
+ "epoch": 1.2894736842105263,
1386
+ "grad_norm": 0.09167809377202646,
1387
+ "learning_rate": 0.00014090686371713402,
1388
+ "loss": 0.3311,
1389
+ "step": 196
1390
+ },
1391
+ {
1392
+ "epoch": 1.2960526315789473,
1393
+ "grad_norm": 0.08975846040243303,
1394
+ "learning_rate": 0.0001402064709917634,
1395
+ "loss": 0.3435,
1396
+ "step": 197
1397
+ },
1398
+ {
1399
+ "epoch": 1.3026315789473684,
1400
+ "grad_norm": 0.09083148769815752,
1401
+ "learning_rate": 0.00013950371764758542,
1402
+ "loss": 0.3252,
1403
+ "step": 198
1404
+ },
1405
+ {
1406
+ "epoch": 1.3092105263157894,
1407
+ "grad_norm": 0.09070017702344292,
1408
+ "learning_rate": 0.0001387986449449425,
1409
+ "loss": 0.3417,
1410
+ "step": 199
1411
+ },
1412
+ {
1413
+ "epoch": 1.3157894736842106,
1414
+ "grad_norm": 0.09406507310996726,
1415
+ "learning_rate": 0.00013809129428035227,
1416
+ "loss": 0.3474,
1417
+ "step": 200
1418
+ },
1419
+ {
1420
+ "epoch": 1.3223684210526316,
1421
+ "grad_norm": 0.08965350812782857,
1422
+ "learning_rate": 0.00013738170718407687,
1423
+ "loss": 0.3309,
1424
+ "step": 201
1425
+ },
1426
+ {
1427
+ "epoch": 1.3289473684210527,
1428
+ "grad_norm": 0.08959778822119953,
1429
+ "learning_rate": 0.00013666992531768482,
1430
+ "loss": 0.3402,
1431
+ "step": 202
1432
+ },
1433
+ {
1434
+ "epoch": 1.3355263157894737,
1435
+ "grad_norm": 0.092084592265277,
1436
+ "learning_rate": 0.0001359559904716048,
1437
+ "loss": 0.3375,
1438
+ "step": 203
1439
+ },
1440
+ {
1441
+ "epoch": 1.3421052631578947,
1442
+ "grad_norm": 0.09457199959869429,
1443
+ "learning_rate": 0.0001352399445626722,
1444
+ "loss": 0.3389,
1445
+ "step": 204
1446
+ },
1447
+ {
1448
+ "epoch": 1.3486842105263157,
1449
+ "grad_norm": 0.09197177008454786,
1450
+ "learning_rate": 0.00013452182963166794,
1451
+ "loss": 0.3374,
1452
+ "step": 205
1453
+ },
1454
+ {
1455
+ "epoch": 1.3552631578947367,
1456
+ "grad_norm": 0.09399945833367072,
1457
+ "learning_rate": 0.00013380168784085027,
1458
+ "loss": 0.3393,
1459
+ "step": 206
1460
+ },
1461
+ {
1462
+ "epoch": 1.361842105263158,
1463
+ "grad_norm": 0.08785100494819592,
1464
+ "learning_rate": 0.00013307956147147923,
1465
+ "loss": 0.339,
1466
+ "step": 207
1467
+ },
1468
+ {
1469
+ "epoch": 1.368421052631579,
1470
+ "grad_norm": 0.09128615601816815,
1471
+ "learning_rate": 0.00013235549292133425,
1472
+ "loss": 0.3319,
1473
+ "step": 208
1474
+ },
1475
+ {
1476
+ "epoch": 1.375,
1477
+ "grad_norm": 0.08674366087344106,
1478
+ "learning_rate": 0.00013162952470222486,
1479
+ "loss": 0.3262,
1480
+ "step": 209
1481
+ },
1482
+ {
1483
+ "epoch": 1.381578947368421,
1484
+ "grad_norm": 0.09650968662374713,
1485
+ "learning_rate": 0.00013090169943749476,
1486
+ "loss": 0.3218,
1487
+ "step": 210
1488
+ },
1489
+ {
1490
+ "epoch": 1.388157894736842,
1491
+ "grad_norm": 0.09647571976953839,
1492
+ "learning_rate": 0.00013017205985951926,
1493
+ "loss": 0.3297,
1494
+ "step": 211
1495
+ },
1496
+ {
1497
+ "epoch": 1.3947368421052633,
1498
+ "grad_norm": 0.08840745611440821,
1499
+ "learning_rate": 0.00012944064880719632,
1500
+ "loss": 0.3183,
1501
+ "step": 212
1502
+ },
1503
+ {
1504
+ "epoch": 1.4013157894736843,
1505
+ "grad_norm": 0.09429827798710846,
1506
+ "learning_rate": 0.0001287075092234316,
1507
+ "loss": 0.3441,
1508
+ "step": 213
1509
+ },
1510
+ {
1511
+ "epoch": 1.4078947368421053,
1512
+ "grad_norm": 0.09400151382755063,
1513
+ "learning_rate": 0.00012797268415261682,
1514
+ "loss": 0.3374,
1515
+ "step": 214
1516
+ },
1517
+ {
1518
+ "epoch": 1.4144736842105263,
1519
+ "grad_norm": 0.094388991307675,
1520
+ "learning_rate": 0.00012723621673810275,
1521
+ "loss": 0.3425,
1522
+ "step": 215
1523
+ },
1524
+ {
1525
+ "epoch": 1.4210526315789473,
1526
+ "grad_norm": 0.09040719138127835,
1527
+ "learning_rate": 0.0001264981502196662,
1528
+ "loss": 0.3466,
1529
+ "step": 216
1530
+ },
1531
+ {
1532
+ "epoch": 1.4276315789473684,
1533
+ "grad_norm": 0.08410156088705376,
1534
+ "learning_rate": 0.0001257585279309711,
1535
+ "loss": 0.3293,
1536
+ "step": 217
1537
+ },
1538
+ {
1539
+ "epoch": 1.4342105263157894,
1540
+ "grad_norm": 0.09012762447734174,
1541
+ "learning_rate": 0.00012501739329702453,
1542
+ "loss": 0.3241,
1543
+ "step": 218
1544
+ },
1545
+ {
1546
+ "epoch": 1.4407894736842106,
1547
+ "grad_norm": 0.08981619956473173,
1548
+ "learning_rate": 0.00012427478983162695,
1549
+ "loss": 0.3309,
1550
+ "step": 219
1551
+ },
1552
+ {
1553
+ "epoch": 1.4473684210526316,
1554
+ "grad_norm": 0.09690483937945461,
1555
+ "learning_rate": 0.0001235307611348174,
1556
+ "loss": 0.3353,
1557
+ "step": 220
1558
+ },
1559
+ {
1560
+ "epoch": 1.4539473684210527,
1561
+ "grad_norm": 0.09199281173602707,
1562
+ "learning_rate": 0.00012278535089031378,
1563
+ "loss": 0.3478,
1564
+ "step": 221
1565
+ },
1566
+ {
1567
+ "epoch": 1.4605263157894737,
1568
+ "grad_norm": 0.09383616607484997,
1569
+ "learning_rate": 0.0001220386028629479,
1570
+ "loss": 0.3226,
1571
+ "step": 222
1572
+ },
1573
+ {
1574
+ "epoch": 1.4671052631578947,
1575
+ "grad_norm": 0.0888565150769418,
1576
+ "learning_rate": 0.00012129056089609609,
1577
+ "loss": 0.3368,
1578
+ "step": 223
1579
+ },
1580
+ {
1581
+ "epoch": 1.4736842105263157,
1582
+ "grad_norm": 0.08846739233573914,
1583
+ "learning_rate": 0.00012054126890910498,
1584
+ "loss": 0.3363,
1585
+ "step": 224
1586
+ },
1587
+ {
1588
+ "epoch": 1.4802631578947367,
1589
+ "grad_norm": 0.08828966342515125,
1590
+ "learning_rate": 0.00011979077089471287,
1591
+ "loss": 0.3426,
1592
+ "step": 225
1593
+ },
1594
+ {
1595
+ "epoch": 1.486842105263158,
1596
+ "grad_norm": 0.09066446045227519,
1597
+ "learning_rate": 0.00011903911091646684,
1598
+ "loss": 0.3305,
1599
+ "step": 226
1600
+ },
1601
+ {
1602
+ "epoch": 1.493421052631579,
1603
+ "grad_norm": 0.0885766678361643,
1604
+ "learning_rate": 0.00011828633310613568,
1605
+ "loss": 0.3359,
1606
+ "step": 227
1607
+ },
1608
+ {
1609
+ "epoch": 1.5,
1610
+ "grad_norm": 0.08447486357210816,
1611
+ "learning_rate": 0.00011753248166111878,
1612
+ "loss": 0.342,
1613
+ "step": 228
1614
+ },
1615
+ {
1616
+ "epoch": 1.506578947368421,
1617
+ "grad_norm": 0.08995420125881844,
1618
+ "learning_rate": 0.00011677760084185123,
1619
+ "loss": 0.3239,
1620
+ "step": 229
1621
+ },
1622
+ {
1623
+ "epoch": 1.513157894736842,
1624
+ "grad_norm": 0.08976025618793185,
1625
+ "learning_rate": 0.0001160217349692051,
1626
+ "loss": 0.3234,
1627
+ "step": 230
1628
+ },
1629
+ {
1630
+ "epoch": 1.5197368421052633,
1631
+ "grad_norm": 0.08403343805686422,
1632
+ "learning_rate": 0.00011526492842188745,
1633
+ "loss": 0.3241,
1634
+ "step": 231
1635
+ },
1636
+ {
1637
+ "epoch": 1.526315789473684,
1638
+ "grad_norm": 0.08731505199027503,
1639
+ "learning_rate": 0.00011450722563383449,
1640
+ "loss": 0.323,
1641
+ "step": 232
1642
+ },
1643
+ {
1644
+ "epoch": 1.5328947368421053,
1645
+ "grad_norm": 0.08919530304419715,
1646
+ "learning_rate": 0.00011374867109160294,
1647
+ "loss": 0.335,
1648
+ "step": 233
1649
+ },
1650
+ {
1651
+ "epoch": 1.5394736842105263,
1652
+ "grad_norm": 0.08543608378136278,
1653
+ "learning_rate": 0.00011298930933175804,
1654
+ "loss": 0.3257,
1655
+ "step": 234
1656
+ },
1657
+ {
1658
+ "epoch": 1.5460526315789473,
1659
+ "grad_norm": 0.0843872841143867,
1660
+ "learning_rate": 0.00011222918493825876,
1661
+ "loss": 0.322,
1662
+ "step": 235
1663
+ },
1664
+ {
1665
+ "epoch": 1.5526315789473686,
1666
+ "grad_norm": 0.09015699624357591,
1667
+ "learning_rate": 0.00011146834253984006,
1668
+ "loss": 0.3393,
1669
+ "step": 236
1670
+ },
1671
+ {
1672
+ "epoch": 1.5592105263157894,
1673
+ "grad_norm": 0.08527720509613376,
1674
+ "learning_rate": 0.00011070682680739275,
1675
+ "loss": 0.3228,
1676
+ "step": 237
1677
+ },
1678
+ {
1679
+ "epoch": 1.5657894736842106,
1680
+ "grad_norm": 0.08882512008213382,
1681
+ "learning_rate": 0.00010994468245134071,
1682
+ "loss": 0.3307,
1683
+ "step": 238
1684
+ },
1685
+ {
1686
+ "epoch": 1.5723684210526314,
1687
+ "grad_norm": 0.0873699179145412,
1688
+ "learning_rate": 0.00010918195421901583,
1689
+ "loss": 0.3315,
1690
+ "step": 239
1691
+ },
1692
+ {
1693
+ "epoch": 1.5789473684210527,
1694
+ "grad_norm": 0.0856032512902339,
1695
+ "learning_rate": 0.00010841868689203071,
1696
+ "loss": 0.3249,
1697
+ "step": 240
1698
+ },
1699
+ {
1700
+ "epoch": 1.5855263157894737,
1701
+ "grad_norm": 0.08508957717963754,
1702
+ "learning_rate": 0.0001076549252836496,
1703
+ "loss": 0.3198,
1704
+ "step": 241
1705
+ },
1706
+ {
1707
+ "epoch": 1.5921052631578947,
1708
+ "grad_norm": 0.08646553066877591,
1709
+ "learning_rate": 0.00010689071423615709,
1710
+ "loss": 0.3201,
1711
+ "step": 242
1712
+ },
1713
+ {
1714
+ "epoch": 1.598684210526316,
1715
+ "grad_norm": 0.08651961917444705,
1716
+ "learning_rate": 0.00010612609861822556,
1717
+ "loss": 0.3273,
1718
+ "step": 243
1719
+ },
1720
+ {
1721
+ "epoch": 1.6052631578947367,
1722
+ "grad_norm": 0.08675562470697942,
1723
+ "learning_rate": 0.00010536112332228057,
1724
+ "loss": 0.3344,
1725
+ "step": 244
1726
+ },
1727
+ {
1728
+ "epoch": 1.611842105263158,
1729
+ "grad_norm": 0.09458426431125393,
1730
+ "learning_rate": 0.00010459583326186533,
1731
+ "loss": 0.3411,
1732
+ "step": 245
1733
+ },
1734
+ {
1735
+ "epoch": 1.618421052631579,
1736
+ "grad_norm": 0.09120208666424241,
1737
+ "learning_rate": 0.00010383027336900355,
1738
+ "loss": 0.3359,
1739
+ "step": 246
1740
+ },
1741
+ {
1742
+ "epoch": 1.625,
1743
+ "grad_norm": 0.09024986688209398,
1744
+ "learning_rate": 0.00010306448859156155,
1745
+ "loss": 0.3244,
1746
+ "step": 247
1747
+ },
1748
+ {
1749
+ "epoch": 1.631578947368421,
1750
+ "grad_norm": 0.08766784765589664,
1751
+ "learning_rate": 0.00010229852389060905,
1752
+ "loss": 0.3165,
1753
+ "step": 248
1754
+ },
1755
+ {
1756
+ "epoch": 1.638157894736842,
1757
+ "grad_norm": 0.08799575986715236,
1758
+ "learning_rate": 0.00010153242423777965,
1759
+ "loss": 0.3274,
1760
+ "step": 249
1761
+ },
1762
+ {
1763
+ "epoch": 1.6447368421052633,
1764
+ "grad_norm": 0.0920628008990826,
1765
+ "learning_rate": 0.00010076623461263018,
1766
+ "loss": 0.3228,
1767
+ "step": 250
1768
+ },
1769
+ {
1770
+ "epoch": 1.651315789473684,
1771
+ "grad_norm": 0.09132220875461658,
1772
+ "learning_rate": 0.0001,
1773
+ "loss": 0.3291,
1774
+ "step": 251
1775
+ },
1776
+ {
1777
+ "epoch": 1.6578947368421053,
1778
+ "grad_norm": 0.0861257482862008,
1779
+ "learning_rate": 9.923376538736985e-05,
1780
+ "loss": 0.3257,
1781
+ "step": 252
1782
+ },
1783
+ {
1784
+ "epoch": 1.6644736842105263,
1785
+ "grad_norm": 0.08970245386690526,
1786
+ "learning_rate": 9.846757576222038e-05,
1787
+ "loss": 0.333,
1788
+ "step": 253
1789
+ },
1790
+ {
1791
+ "epoch": 1.6710526315789473,
1792
+ "grad_norm": 0.08745399881851679,
1793
+ "learning_rate": 9.770147610939097e-05,
1794
+ "loss": 0.3243,
1795
+ "step": 254
1796
+ },
1797
+ {
1798
+ "epoch": 1.6776315789473686,
1799
+ "grad_norm": 0.0942879278062166,
1800
+ "learning_rate": 9.693551140843847e-05,
1801
+ "loss": 0.3305,
1802
+ "step": 255
1803
+ },
1804
+ {
1805
+ "epoch": 1.6842105263157894,
1806
+ "grad_norm": 0.08491033600054997,
1807
+ "learning_rate": 9.616972663099647e-05,
1808
+ "loss": 0.3219,
1809
+ "step": 256
1810
+ },
1811
+ {
1812
+ "epoch": 1.6907894736842106,
1813
+ "grad_norm": 0.0824170398183598,
1814
+ "learning_rate": 9.54041667381347e-05,
1815
+ "loss": 0.3067,
1816
+ "step": 257
1817
+ },
1818
+ {
1819
+ "epoch": 1.6973684210526314,
1820
+ "grad_norm": 0.08689158883776966,
1821
+ "learning_rate": 9.463887667771946e-05,
1822
+ "loss": 0.3243,
1823
+ "step": 258
1824
+ },
1825
+ {
1826
+ "epoch": 1.7039473684210527,
1827
+ "grad_norm": 0.09175347122606316,
1828
+ "learning_rate": 9.387390138177448e-05,
1829
+ "loss": 0.3315,
1830
+ "step": 259
1831
+ },
1832
+ {
1833
+ "epoch": 1.7105263157894737,
1834
+ "grad_norm": 0.08682953977254314,
1835
+ "learning_rate": 9.310928576384293e-05,
1836
+ "loss": 0.3183,
1837
+ "step": 260
1838
+ },
1839
+ {
1840
+ "epoch": 1.7171052631578947,
1841
+ "grad_norm": 0.0844793823883941,
1842
+ "learning_rate": 9.234507471635043e-05,
1843
+ "loss": 0.3262,
1844
+ "step": 261
1845
+ },
1846
+ {
1847
+ "epoch": 1.723684210526316,
1848
+ "grad_norm": 0.08904925607635152,
1849
+ "learning_rate": 9.15813131079693e-05,
1850
+ "loss": 0.3318,
1851
+ "step": 262
1852
+ },
1853
+ {
1854
+ "epoch": 1.7302631578947367,
1855
+ "grad_norm": 0.08897767966029022,
1856
+ "learning_rate": 9.08180457809842e-05,
1857
+ "loss": 0.3338,
1858
+ "step": 263
1859
+ },
1860
+ {
1861
+ "epoch": 1.736842105263158,
1862
+ "grad_norm": 0.08418525864024147,
1863
+ "learning_rate": 9.005531754865929e-05,
1864
+ "loss": 0.3224,
1865
+ "step": 264
1866
+ },
1867
+ {
1868
+ "epoch": 1.743421052631579,
1869
+ "grad_norm": 0.08369708951027545,
1870
+ "learning_rate": 8.929317319260726e-05,
1871
+ "loss": 0.3344,
1872
+ "step": 265
1873
+ },
1874
+ {
1875
+ "epoch": 1.75,
1876
+ "grad_norm": 0.08344688234687514,
1877
+ "learning_rate": 8.853165746015997e-05,
1878
+ "loss": 0.3186,
1879
+ "step": 266
1880
+ },
1881
+ {
1882
+ "epoch": 1.756578947368421,
1883
+ "grad_norm": 0.08882311328649488,
1884
+ "learning_rate": 8.777081506174127e-05,
1885
+ "loss": 0.3189,
1886
+ "step": 267
1887
+ },
1888
+ {
1889
+ "epoch": 1.763157894736842,
1890
+ "grad_norm": 0.08911077215219455,
1891
+ "learning_rate": 8.701069066824194e-05,
1892
+ "loss": 0.347,
1893
+ "step": 268
1894
+ },
1895
+ {
1896
+ "epoch": 1.7697368421052633,
1897
+ "grad_norm": 0.08845395362382234,
1898
+ "learning_rate": 8.625132890839706e-05,
1899
+ "loss": 0.3401,
1900
+ "step": 269
1901
+ },
1902
+ {
1903
+ "epoch": 1.776315789473684,
1904
+ "grad_norm": 0.0890814727471271,
1905
+ "learning_rate": 8.549277436616551e-05,
1906
+ "loss": 0.3357,
1907
+ "step": 270
1908
+ },
1909
+ {
1910
+ "epoch": 1.7828947368421053,
1911
+ "grad_norm": 0.08688996127676986,
1912
+ "learning_rate": 8.473507157811254e-05,
1913
+ "loss": 0.3255,
1914
+ "step": 271
1915
+ },
1916
+ {
1917
+ "epoch": 1.7894736842105263,
1918
+ "grad_norm": 0.08839344810308368,
1919
+ "learning_rate": 8.397826503079489e-05,
1920
+ "loss": 0.3485,
1921
+ "step": 272
1922
+ },
1923
+ {
1924
+ "epoch": 1.7960526315789473,
1925
+ "grad_norm": 0.08616082603732687,
1926
+ "learning_rate": 8.32223991581488e-05,
1927
+ "loss": 0.3333,
1928
+ "step": 273
1929
+ },
1930
+ {
1931
+ "epoch": 1.8026315789473686,
1932
+ "grad_norm": 0.0873042236962117,
1933
+ "learning_rate": 8.246751833888122e-05,
1934
+ "loss": 0.3293,
1935
+ "step": 274
1936
+ },
1937
+ {
1938
+ "epoch": 1.8092105263157894,
1939
+ "grad_norm": 0.08637643463516168,
1940
+ "learning_rate": 8.171366689386432e-05,
1941
+ "loss": 0.3366,
1942
+ "step": 275
1943
+ },
1944
+ {
1945
+ "epoch": 1.8157894736842106,
1946
+ "grad_norm": 0.08702343026083556,
1947
+ "learning_rate": 8.096088908353315e-05,
1948
+ "loss": 0.317,
1949
+ "step": 276
1950
+ },
1951
+ {
1952
+ "epoch": 1.8223684210526314,
1953
+ "grad_norm": 0.08671977794554171,
1954
+ "learning_rate": 8.020922910528717e-05,
1955
+ "loss": 0.3243,
1956
+ "step": 277
1957
+ },
1958
+ {
1959
+ "epoch": 1.8289473684210527,
1960
+ "grad_norm": 0.08800970811383262,
1961
+ "learning_rate": 7.945873109089503e-05,
1962
+ "loss": 0.328,
1963
+ "step": 278
1964
+ },
1965
+ {
1966
+ "epoch": 1.8355263157894737,
1967
+ "grad_norm": 0.08715460079863534,
1968
+ "learning_rate": 7.870943910390392e-05,
1969
+ "loss": 0.3393,
1970
+ "step": 279
1971
+ },
1972
+ {
1973
+ "epoch": 1.8421052631578947,
1974
+ "grad_norm": 0.08522036841567814,
1975
+ "learning_rate": 7.796139713705213e-05,
1976
+ "loss": 0.3264,
1977
+ "step": 280
1978
+ },
1979
+ {
1980
+ "epoch": 1.848684210526316,
1981
+ "grad_norm": 0.08867443005533418,
1982
+ "learning_rate": 7.721464910968627e-05,
1983
+ "loss": 0.3245,
1984
+ "step": 281
1985
+ },
1986
+ {
1987
+ "epoch": 1.8552631578947367,
1988
+ "grad_norm": 0.085291540055969,
1989
+ "learning_rate": 7.646923886518264e-05,
1990
+ "loss": 0.3193,
1991
+ "step": 282
1992
+ },
1993
+ {
1994
+ "epoch": 1.861842105263158,
1995
+ "grad_norm": 0.0865604586807815,
1996
+ "learning_rate": 7.57252101683731e-05,
1997
+ "loss": 0.3265,
1998
+ "step": 283
1999
+ },
2000
+ {
2001
+ "epoch": 1.868421052631579,
2002
+ "grad_norm": 0.08796722757240084,
2003
+ "learning_rate": 7.49826067029755e-05,
2004
+ "loss": 0.3315,
2005
+ "step": 284
2006
+ },
2007
+ {
2008
+ "epoch": 1.875,
2009
+ "grad_norm": 0.08552421405911567,
2010
+ "learning_rate": 7.424147206902891e-05,
2011
+ "loss": 0.3193,
2012
+ "step": 285
2013
+ },
2014
+ {
2015
+ "epoch": 1.881578947368421,
2016
+ "grad_norm": 0.08359126397078406,
2017
+ "learning_rate": 7.350184978033386e-05,
2018
+ "loss": 0.3283,
2019
+ "step": 286
2020
+ },
2021
+ {
2022
+ "epoch": 1.888157894736842,
2023
+ "grad_norm": 0.09295820408600056,
2024
+ "learning_rate": 7.276378326189728e-05,
2025
+ "loss": 0.34,
2026
+ "step": 287
2027
+ },
2028
+ {
2029
+ "epoch": 1.8947368421052633,
2030
+ "grad_norm": 0.08607086022906524,
2031
+ "learning_rate": 7.202731584738322e-05,
2032
+ "loss": 0.3224,
2033
+ "step": 288
2034
+ },
2035
+ {
2036
+ "epoch": 1.901315789473684,
2037
+ "grad_norm": 0.08511420128792765,
2038
+ "learning_rate": 7.129249077656843e-05,
2039
+ "loss": 0.3297,
2040
+ "step": 289
2041
+ },
2042
+ {
2043
+ "epoch": 1.9078947368421053,
2044
+ "grad_norm": 0.08811788288471267,
2045
+ "learning_rate": 7.055935119280369e-05,
2046
+ "loss": 0.327,
2047
+ "step": 290
2048
+ },
2049
+ {
2050
+ "epoch": 1.9144736842105263,
2051
+ "grad_norm": 0.08477145974314237,
2052
+ "learning_rate": 6.982794014048077e-05,
2053
+ "loss": 0.3161,
2054
+ "step": 291
2055
+ },
2056
+ {
2057
+ "epoch": 1.9210526315789473,
2058
+ "grad_norm": 0.08372118058279919,
2059
+ "learning_rate": 6.909830056250527e-05,
2060
+ "loss": 0.3306,
2061
+ "step": 292
2062
+ },
2063
+ {
2064
+ "epoch": 1.9276315789473686,
2065
+ "grad_norm": 0.08686106996534168,
2066
+ "learning_rate": 6.837047529777516e-05,
2067
+ "loss": 0.32,
2068
+ "step": 293
2069
+ },
2070
+ {
2071
+ "epoch": 1.9342105263157894,
2072
+ "grad_norm": 0.08515118561718467,
2073
+ "learning_rate": 6.764450707866576e-05,
2074
+ "loss": 0.3252,
2075
+ "step": 294
2076
+ },
2077
+ {
2078
+ "epoch": 1.9407894736842106,
2079
+ "grad_norm": 0.09265542100862634,
2080
+ "learning_rate": 6.692043852852079e-05,
2081
+ "loss": 0.3325,
2082
+ "step": 295
2083
+ },
2084
+ {
2085
+ "epoch": 1.9473684210526314,
2086
+ "grad_norm": 0.09595543410539613,
2087
+ "learning_rate": 6.619831215914974e-05,
2088
+ "loss": 0.3333,
2089
+ "step": 296
2090
+ },
2091
+ {
2092
+ "epoch": 1.9539473684210527,
2093
+ "grad_norm": 0.08927193916247748,
2094
+ "learning_rate": 6.547817036833208e-05,
2095
+ "loss": 0.34,
2096
+ "step": 297
2097
+ },
2098
+ {
2099
+ "epoch": 1.9605263157894737,
2100
+ "grad_norm": 0.08244175050863302,
2101
+ "learning_rate": 6.476005543732782e-05,
2102
+ "loss": 0.3206,
2103
+ "step": 298
2104
+ },
2105
+ {
2106
+ "epoch": 1.9671052631578947,
2107
+ "grad_norm": 0.08541613997019516,
2108
+ "learning_rate": 6.404400952839522e-05,
2109
+ "loss": 0.3095,
2110
+ "step": 299
2111
+ },
2112
+ {
2113
+ "epoch": 1.973684210526316,
2114
+ "grad_norm": 0.08585952116970799,
2115
+ "learning_rate": 6.333007468231521e-05,
2116
+ "loss": 0.3143,
2117
+ "step": 300
2118
+ },
2119
+ {
2120
+ "epoch": 1.9802631578947367,
2121
+ "grad_norm": 0.09128909476408122,
2122
+ "learning_rate": 6.261829281592314e-05,
2123
+ "loss": 0.3345,
2124
+ "step": 301
2125
+ },
2126
+ {
2127
+ "epoch": 1.986842105263158,
2128
+ "grad_norm": 0.09002004932775928,
2129
+ "learning_rate": 6.190870571964774e-05,
2130
+ "loss": 0.3257,
2131
+ "step": 302
2132
+ },
2133
+ {
2134
+ "epoch": 1.993421052631579,
2135
+ "grad_norm": 0.08541319081987805,
2136
+ "learning_rate": 6.120135505505748e-05,
2137
+ "loss": 0.3269,
2138
+ "step": 303
2139
+ },
2140
+ {
2141
+ "epoch": 2.0,
2142
+ "grad_norm": 0.08848658071924796,
2143
+ "learning_rate": 6.049628235241459e-05,
2144
+ "loss": 0.3233,
2145
+ "step": 304
2146
+ },
2147
+ {
2148
+ "epoch": 2.0,
2149
+ "eval_loss": 0.33567601442337036,
2150
+ "eval_runtime": 160.3905,
2151
+ "eval_samples_per_second": 31.829,
2152
+ "eval_steps_per_second": 0.998,
2153
+ "step": 304
2154
+ },
2155
+ {
2156
+ "epoch": 2.0065789473684212,
2157
+ "grad_norm": 0.08452043290010046,
2158
+ "learning_rate": 5.9793529008236625e-05,
2159
+ "loss": 0.308,
2160
+ "step": 305
2161
+ },
2162
+ {
2163
+ "epoch": 2.013157894736842,
2164
+ "grad_norm": 0.084981364890352,
2165
+ "learning_rate": 5.909313628286601e-05,
2166
+ "loss": 0.3138,
2167
+ "step": 306
2168
+ },
2169
+ {
2170
+ "epoch": 2.0197368421052633,
2171
+ "grad_norm": 0.08373368193427122,
2172
+ "learning_rate": 5.839514529804757e-05,
2173
+ "loss": 0.3051,
2174
+ "step": 307
2175
+ },
2176
+ {
2177
+ "epoch": 2.026315789473684,
2178
+ "grad_norm": 0.08658031473872292,
2179
+ "learning_rate": 5.769959703451413e-05,
2180
+ "loss": 0.3149,
2181
+ "step": 308
2182
+ },
2183
+ {
2184
+ "epoch": 2.0328947368421053,
2185
+ "grad_norm": 0.0872119478961657,
2186
+ "learning_rate": 5.7006532329580464e-05,
2187
+ "loss": 0.2952,
2188
+ "step": 309
2189
+ },
2190
+ {
2191
+ "epoch": 2.039473684210526,
2192
+ "grad_norm": 0.08985312096854285,
2193
+ "learning_rate": 5.63159918747457e-05,
2194
+ "loss": 0.31,
2195
+ "step": 310
2196
+ },
2197
+ {
2198
+ "epoch": 2.0460526315789473,
2199
+ "grad_norm": 0.08981442223402118,
2200
+ "learning_rate": 5.5628016213304025e-05,
2201
+ "loss": 0.2987,
2202
+ "step": 311
2203
+ },
2204
+ {
2205
+ "epoch": 2.0526315789473686,
2206
+ "grad_norm": 0.08888884200687737,
2207
+ "learning_rate": 5.49426457379646e-05,
2208
+ "loss": 0.314,
2209
+ "step": 312
2210
+ },
2211
+ {
2212
+ "epoch": 2.0592105263157894,
2213
+ "grad_norm": 0.09263884628501892,
2214
+ "learning_rate": 5.425992068847965e-05,
2215
+ "loss": 0.3105,
2216
+ "step": 313
2217
+ },
2218
+ {
2219
+ "epoch": 2.0657894736842106,
2220
+ "grad_norm": 0.09695553478937406,
2221
+ "learning_rate": 5.3579881149282204e-05,
2222
+ "loss": 0.2961,
2223
+ "step": 314
2224
+ },
2225
+ {
2226
+ "epoch": 2.0723684210526314,
2227
+ "grad_norm": 0.09301145489202128,
2228
+ "learning_rate": 5.29025670471325e-05,
2229
+ "loss": 0.3121,
2230
+ "step": 315
2231
+ },
2232
+ {
2233
+ "epoch": 2.0789473684210527,
2234
+ "grad_norm": 0.09056322468061577,
2235
+ "learning_rate": 5.222801814877369e-05,
2236
+ "loss": 0.3084,
2237
+ "step": 316
2238
+ },
2239
+ {
2240
+ "epoch": 2.085526315789474,
2241
+ "grad_norm": 0.09036800264131283,
2242
+ "learning_rate": 5.155627405859731e-05,
2243
+ "loss": 0.3068,
2244
+ "step": 317
2245
+ },
2246
+ {
2247
+ "epoch": 2.0921052631578947,
2248
+ "grad_norm": 0.09181257128694434,
2249
+ "learning_rate": 5.088737421631767e-05,
2250
+ "loss": 0.3113,
2251
+ "step": 318
2252
+ },
2253
+ {
2254
+ "epoch": 2.098684210526316,
2255
+ "grad_norm": 0.09316264301444047,
2256
+ "learning_rate": 5.0221357894656605e-05,
2257
+ "loss": 0.3067,
2258
+ "step": 319
2259
+ },
2260
+ {
2261
+ "epoch": 2.1052631578947367,
2262
+ "grad_norm": 0.09246714604570534,
2263
+ "learning_rate": 4.955826419703735e-05,
2264
+ "loss": 0.3035,
2265
+ "step": 320
2266
+ },
2267
+ {
2268
+ "epoch": 2.111842105263158,
2269
+ "grad_norm": 0.0933519192978327,
2270
+ "learning_rate": 4.889813205528895e-05,
2271
+ "loss": 0.3079,
2272
+ "step": 321
2273
+ },
2274
+ {
2275
+ "epoch": 2.1184210526315788,
2276
+ "grad_norm": 0.08840630002939555,
2277
+ "learning_rate": 4.8241000227360354e-05,
2278
+ "loss": 0.3082,
2279
+ "step": 322
2280
+ },
2281
+ {
2282
+ "epoch": 2.125,
2283
+ "grad_norm": 0.090468509851056,
2284
+ "learning_rate": 4.758690729504478e-05,
2285
+ "loss": 0.3013,
2286
+ "step": 323
2287
+ },
2288
+ {
2289
+ "epoch": 2.1315789473684212,
2290
+ "grad_norm": 0.09269514982319728,
2291
+ "learning_rate": 4.693589166171466e-05,
2292
+ "loss": 0.3045,
2293
+ "step": 324
2294
+ },
2295
+ {
2296
+ "epoch": 2.138157894736842,
2297
+ "grad_norm": 0.0944000183696063,
2298
+ "learning_rate": 4.628799155006669e-05,
2299
+ "loss": 0.3104,
2300
+ "step": 325
2301
+ },
2302
+ {
2303
+ "epoch": 2.1447368421052633,
2304
+ "grad_norm": 0.09277066986876077,
2305
+ "learning_rate": 4.56432449998779e-05,
2306
+ "loss": 0.3061,
2307
+ "step": 326
2308
+ },
2309
+ {
2310
+ "epoch": 2.151315789473684,
2311
+ "grad_norm": 0.09140609684482606,
2312
+ "learning_rate": 4.500168986577197e-05,
2313
+ "loss": 0.2987,
2314
+ "step": 327
2315
+ },
2316
+ {
2317
+ "epoch": 2.1578947368421053,
2318
+ "grad_norm": 0.09135597016385583,
2319
+ "learning_rate": 4.4363363814997004e-05,
2320
+ "loss": 0.3138,
2321
+ "step": 328
2322
+ },
2323
+ {
2324
+ "epoch": 2.1644736842105265,
2325
+ "grad_norm": 0.09228058446081117,
2326
+ "learning_rate": 4.3728304325213764e-05,
2327
+ "loss": 0.3093,
2328
+ "step": 329
2329
+ },
2330
+ {
2331
+ "epoch": 2.1710526315789473,
2332
+ "grad_norm": 0.09444538193500554,
2333
+ "learning_rate": 4.30965486822953e-05,
2334
+ "loss": 0.3121,
2335
+ "step": 330
2336
+ },
2337
+ {
2338
+ "epoch": 2.1776315789473686,
2339
+ "grad_norm": 0.09278379473856056,
2340
+ "learning_rate": 4.2468133978137945e-05,
2341
+ "loss": 0.3085,
2342
+ "step": 331
2343
+ },
2344
+ {
2345
+ "epoch": 2.1842105263157894,
2346
+ "grad_norm": 0.09002068234283259,
2347
+ "learning_rate": 4.1843097108483465e-05,
2348
+ "loss": 0.3115,
2349
+ "step": 332
2350
+ },
2351
+ {
2352
+ "epoch": 2.1907894736842106,
2353
+ "grad_norm": 0.09182734300425907,
2354
+ "learning_rate": 4.12214747707527e-05,
2355
+ "loss": 0.3041,
2356
+ "step": 333
2357
+ },
2358
+ {
2359
+ "epoch": 2.1973684210526314,
2360
+ "grad_norm": 0.09480621705211878,
2361
+ "learning_rate": 4.0603303461891253e-05,
2362
+ "loss": 0.3119,
2363
+ "step": 334
2364
+ },
2365
+ {
2366
+ "epoch": 2.2039473684210527,
2367
+ "grad_norm": 0.09462062961478308,
2368
+ "learning_rate": 3.9988619476226355e-05,
2369
+ "loss": 0.3097,
2370
+ "step": 335
2371
+ },
2372
+ {
2373
+ "epoch": 2.2105263157894735,
2374
+ "grad_norm": 0.09047742114008103,
2375
+ "learning_rate": 3.937745890333623e-05,
2376
+ "loss": 0.2977,
2377
+ "step": 336
2378
+ },
2379
+ {
2380
+ "epoch": 2.2171052631578947,
2381
+ "grad_norm": 0.09210517994431433,
2382
+ "learning_rate": 3.8769857625930906e-05,
2383
+ "loss": 0.3045,
2384
+ "step": 337
2385
+ },
2386
+ {
2387
+ "epoch": 2.223684210526316,
2388
+ "grad_norm": 0.09051025798694169,
2389
+ "learning_rate": 3.816585131774571e-05,
2390
+ "loss": 0.3042,
2391
+ "step": 338
2392
+ },
2393
+ {
2394
+ "epoch": 2.2302631578947367,
2395
+ "grad_norm": 0.0944091820926416,
2396
+ "learning_rate": 3.756547544144664e-05,
2397
+ "loss": 0.3146,
2398
+ "step": 339
2399
+ },
2400
+ {
2401
+ "epoch": 2.236842105263158,
2402
+ "grad_norm": 0.09225272107547029,
2403
+ "learning_rate": 3.69687652465482e-05,
2404
+ "loss": 0.2979,
2405
+ "step": 340
2406
+ },
2407
+ {
2408
+ "epoch": 2.2434210526315788,
2409
+ "grad_norm": 0.09466054564763007,
2410
+ "learning_rate": 3.637575576734404e-05,
2411
+ "loss": 0.3268,
2412
+ "step": 341
2413
+ },
2414
+ {
2415
+ "epoch": 2.25,
2416
+ "grad_norm": 0.09415533738249948,
2417
+ "learning_rate": 3.578648182084975e-05,
2418
+ "loss": 0.3138,
2419
+ "step": 342
2420
+ },
2421
+ {
2422
+ "epoch": 2.2565789473684212,
2423
+ "grad_norm": 0.09287732881109488,
2424
+ "learning_rate": 3.5200978004758886e-05,
2425
+ "loss": 0.3034,
2426
+ "step": 343
2427
+ },
2428
+ {
2429
+ "epoch": 2.263157894736842,
2430
+ "grad_norm": 0.09052642673165286,
2431
+ "learning_rate": 3.46192786954115e-05,
2432
+ "loss": 0.3136,
2433
+ "step": 344
2434
+ },
2435
+ {
2436
+ "epoch": 2.2697368421052633,
2437
+ "grad_norm": 0.0941549755498813,
2438
+ "learning_rate": 3.4041418045775895e-05,
2439
+ "loss": 0.3102,
2440
+ "step": 345
2441
+ },
2442
+ {
2443
+ "epoch": 2.276315789473684,
2444
+ "grad_norm": 0.09081461979766672,
2445
+ "learning_rate": 3.346742998344348e-05,
2446
+ "loss": 0.3156,
2447
+ "step": 346
2448
+ },
2449
+ {
2450
+ "epoch": 2.2828947368421053,
2451
+ "grad_norm": 0.09188038212201086,
2452
+ "learning_rate": 3.2897348208636614e-05,
2453
+ "loss": 0.2981,
2454
+ "step": 347
2455
+ },
2456
+ {
2457
+ "epoch": 2.2894736842105265,
2458
+ "grad_norm": 0.09139958010871077,
2459
+ "learning_rate": 3.2331206192230214e-05,
2460
+ "loss": 0.3016,
2461
+ "step": 348
2462
+ },
2463
+ {
2464
+ "epoch": 2.2960526315789473,
2465
+ "grad_norm": 0.09340863611831572,
2466
+ "learning_rate": 3.1769037173786375e-05,
2467
+ "loss": 0.2942,
2468
+ "step": 349
2469
+ },
2470
+ {
2471
+ "epoch": 2.3026315789473686,
2472
+ "grad_norm": 0.09731529194622152,
2473
+ "learning_rate": 3.121087415960304e-05,
2474
+ "loss": 0.32,
2475
+ "step": 350
2476
+ },
2477
+ {
2478
+ "epoch": 2.3092105263157894,
2479
+ "grad_norm": 0.09400113350744722,
2480
+ "learning_rate": 3.065674992077584e-05,
2481
+ "loss": 0.3121,
2482
+ "step": 351
2483
+ },
2484
+ {
2485
+ "epoch": 2.3157894736842106,
2486
+ "grad_norm": 0.09370429535454715,
2487
+ "learning_rate": 3.0106696991274276e-05,
2488
+ "loss": 0.2998,
2489
+ "step": 352
2490
+ },
2491
+ {
2492
+ "epoch": 2.3223684210526314,
2493
+ "grad_norm": 0.0931264318395488,
2494
+ "learning_rate": 2.9560747666031475e-05,
2495
+ "loss": 0.3045,
2496
+ "step": 353
2497
+ },
2498
+ {
2499
+ "epoch": 2.3289473684210527,
2500
+ "grad_norm": 0.09457813125113766,
2501
+ "learning_rate": 2.901893399904797e-05,
2502
+ "loss": 0.3102,
2503
+ "step": 354
2504
+ },
2505
+ {
2506
+ "epoch": 2.3355263157894735,
2507
+ "grad_norm": 0.09787356394017462,
2508
+ "learning_rate": 2.848128780150995e-05,
2509
+ "loss": 0.3124,
2510
+ "step": 355
2511
+ },
2512
+ {
2513
+ "epoch": 2.3421052631578947,
2514
+ "grad_norm": 0.09294514140726695,
2515
+ "learning_rate": 2.794784063992131e-05,
2516
+ "loss": 0.3029,
2517
+ "step": 356
2518
+ },
2519
+ {
2520
+ "epoch": 2.348684210526316,
2521
+ "grad_norm": 0.09472220447378009,
2522
+ "learning_rate": 2.74186238342505e-05,
2523
+ "loss": 0.3026,
2524
+ "step": 357
2525
+ },
2526
+ {
2527
+ "epoch": 2.3552631578947367,
2528
+ "grad_norm": 0.09382282625627145,
2529
+ "learning_rate": 2.6893668456091625e-05,
2530
+ "loss": 0.3067,
2531
+ "step": 358
2532
+ },
2533
+ {
2534
+ "epoch": 2.361842105263158,
2535
+ "grad_norm": 0.09371704952441416,
2536
+ "learning_rate": 2.6373005326839972e-05,
2537
+ "loss": 0.3065,
2538
+ "step": 359
2539
+ },
2540
+ {
2541
+ "epoch": 2.3684210526315788,
2542
+ "grad_norm": 0.098774530422876,
2543
+ "learning_rate": 2.5856665015882685e-05,
2544
+ "loss": 0.3098,
2545
+ "step": 360
2546
+ },
2547
+ {
2548
+ "epoch": 2.375,
2549
+ "grad_norm": 0.09126307975009218,
2550
+ "learning_rate": 2.5344677838803733e-05,
2551
+ "loss": 0.3044,
2552
+ "step": 361
2553
+ },
2554
+ {
2555
+ "epoch": 2.3815789473684212,
2556
+ "grad_norm": 0.09144641630016763,
2557
+ "learning_rate": 2.4837073855604188e-05,
2558
+ "loss": 0.2908,
2559
+ "step": 362
2560
+ },
2561
+ {
2562
+ "epoch": 2.388157894736842,
2563
+ "grad_norm": 0.09468863277888301,
2564
+ "learning_rate": 2.433388286893714e-05,
2565
+ "loss": 0.3101,
2566
+ "step": 363
2567
+ },
2568
+ {
2569
+ "epoch": 2.3947368421052633,
2570
+ "grad_norm": 0.09354400587822048,
2571
+ "learning_rate": 2.383513442235812e-05,
2572
+ "loss": 0.3136,
2573
+ "step": 364
2574
+ },
2575
+ {
2576
+ "epoch": 2.401315789473684,
2577
+ "grad_norm": 0.09390078122691951,
2578
+ "learning_rate": 2.334085779859041e-05,
2579
+ "loss": 0.3079,
2580
+ "step": 365
2581
+ },
2582
+ {
2583
+ "epoch": 2.4078947368421053,
2584
+ "grad_norm": 0.09248111646485846,
2585
+ "learning_rate": 2.2851082017805703e-05,
2586
+ "loss": 0.305,
2587
+ "step": 366
2588
+ },
2589
+ {
2590
+ "epoch": 2.4144736842105265,
2591
+ "grad_norm": 0.09244167723770774,
2592
+ "learning_rate": 2.236583583592049e-05,
2593
+ "loss": 0.302,
2594
+ "step": 367
2595
+ },
2596
+ {
2597
+ "epoch": 2.4210526315789473,
2598
+ "grad_norm": 0.09129005795575806,
2599
+ "learning_rate": 2.1885147742907465e-05,
2600
+ "loss": 0.3027,
2601
+ "step": 368
2602
+ },
2603
+ {
2604
+ "epoch": 2.4276315789473686,
2605
+ "grad_norm": 0.09432198973734413,
2606
+ "learning_rate": 2.1409045961123065e-05,
2607
+ "loss": 0.3217,
2608
+ "step": 369
2609
+ },
2610
+ {
2611
+ "epoch": 2.4342105263157894,
2612
+ "grad_norm": 0.09309602245093605,
2613
+ "learning_rate": 2.0937558443650206e-05,
2614
+ "loss": 0.3063,
2615
+ "step": 370
2616
+ },
2617
+ {
2618
+ "epoch": 2.4407894736842106,
2619
+ "grad_norm": 0.09208894600051501,
2620
+ "learning_rate": 2.047071287265735e-05,
2621
+ "loss": 0.3052,
2622
+ "step": 371
2623
+ },
2624
+ {
2625
+ "epoch": 2.4473684210526314,
2626
+ "grad_norm": 0.09266552082076217,
2627
+ "learning_rate": 2.0008536657773046e-05,
2628
+ "loss": 0.3089,
2629
+ "step": 372
2630
+ },
2631
+ {
2632
+ "epoch": 2.4539473684210527,
2633
+ "grad_norm": 0.09140806866621644,
2634
+ "learning_rate": 1.9551056934476654e-05,
2635
+ "loss": 0.3013,
2636
+ "step": 373
2637
+ },
2638
+ {
2639
+ "epoch": 2.4605263157894735,
2640
+ "grad_norm": 0.09231696012858444,
2641
+ "learning_rate": 1.9098300562505266e-05,
2642
+ "loss": 0.3086,
2643
+ "step": 374
2644
+ },
2645
+ {
2646
+ "epoch": 2.4671052631578947,
2647
+ "grad_norm": 0.08976907732352662,
2648
+ "learning_rate": 1.8650294124276556e-05,
2649
+ "loss": 0.2908,
2650
+ "step": 375
2651
+ },
2652
+ {
2653
+ "epoch": 2.473684210526316,
2654
+ "grad_norm": 0.09089868074014618,
2655
+ "learning_rate": 1.8207063923328237e-05,
2656
+ "loss": 0.2934,
2657
+ "step": 376
2658
+ },
2659
+ {
2660
+ "epoch": 2.4802631578947367,
2661
+ "grad_norm": 0.09124223709758555,
2662
+ "learning_rate": 1.7768635982773528e-05,
2663
+ "loss": 0.3025,
2664
+ "step": 377
2665
+ },
2666
+ {
2667
+ "epoch": 2.486842105263158,
2668
+ "grad_norm": 0.09141228045415595,
2669
+ "learning_rate": 1.73350360437734e-05,
2670
+ "loss": 0.2984,
2671
+ "step": 378
2672
+ },
2673
+ {
2674
+ "epoch": 2.4934210526315788,
2675
+ "grad_norm": 0.09338433503873096,
2676
+ "learning_rate": 1.6906289564025278e-05,
2677
+ "loss": 0.3015,
2678
+ "step": 379
2679
+ },
2680
+ {
2681
+ "epoch": 2.5,
2682
+ "grad_norm": 0.09381766067303669,
2683
+ "learning_rate": 1.6482421716268215e-05,
2684
+ "loss": 0.3034,
2685
+ "step": 380
2686
+ },
2687
+ {
2688
+ "epoch": 2.5065789473684212,
2689
+ "grad_norm": 0.09841665883274005,
2690
+ "learning_rate": 1.6063457386805004e-05,
2691
+ "loss": 0.3097,
2692
+ "step": 381
2693
+ },
2694
+ {
2695
+ "epoch": 2.513157894736842,
2696
+ "grad_norm": 0.09562609257672962,
2697
+ "learning_rate": 1.564942117404119e-05,
2698
+ "loss": 0.3194,
2699
+ "step": 382
2700
+ },
2701
+ {
2702
+ "epoch": 2.5197368421052633,
2703
+ "grad_norm": 0.09236226141715091,
2704
+ "learning_rate": 1.524033738704056e-05,
2705
+ "loss": 0.3116,
2706
+ "step": 383
2707
+ },
2708
+ {
2709
+ "epoch": 2.526315789473684,
2710
+ "grad_norm": 0.09295111594898633,
2711
+ "learning_rate": 1.4836230044098166e-05,
2712
+ "loss": 0.2926,
2713
+ "step": 384
2714
+ },
2715
+ {
2716
+ "epoch": 2.5328947368421053,
2717
+ "grad_norm": 0.09050178834061187,
2718
+ "learning_rate": 1.4437122871329955e-05,
2719
+ "loss": 0.3048,
2720
+ "step": 385
2721
+ },
2722
+ {
2723
+ "epoch": 2.5394736842105265,
2724
+ "grad_norm": 0.09354446958969953,
2725
+ "learning_rate": 1.4043039301279903e-05,
2726
+ "loss": 0.3094,
2727
+ "step": 386
2728
+ },
2729
+ {
2730
+ "epoch": 2.5460526315789473,
2731
+ "grad_norm": 0.094528346545483,
2732
+ "learning_rate": 1.3654002471544091e-05,
2733
+ "loss": 0.2976,
2734
+ "step": 387
2735
+ },
2736
+ {
2737
+ "epoch": 2.5526315789473686,
2738
+ "grad_norm": 0.09437075440256357,
2739
+ "learning_rate": 1.3270035223412369e-05,
2740
+ "loss": 0.303,
2741
+ "step": 388
2742
+ },
2743
+ {
2744
+ "epoch": 2.5592105263157894,
2745
+ "grad_norm": 0.09299672016467998,
2746
+ "learning_rate": 1.2891160100527222e-05,
2747
+ "loss": 0.2991,
2748
+ "step": 389
2749
+ },
2750
+ {
2751
+ "epoch": 2.5657894736842106,
2752
+ "grad_norm": 0.09295508003371206,
2753
+ "learning_rate": 1.2517399347560167e-05,
2754
+ "loss": 0.3111,
2755
+ "step": 390
2756
+ },
2757
+ {
2758
+ "epoch": 2.5723684210526314,
2759
+ "grad_norm": 0.09416195404382027,
2760
+ "learning_rate": 1.214877490890578e-05,
2761
+ "loss": 0.3175,
2762
+ "step": 391
2763
+ },
2764
+ {
2765
+ "epoch": 2.5789473684210527,
2766
+ "grad_norm": 0.09276583875255047,
2767
+ "learning_rate": 1.1785308427393183e-05,
2768
+ "loss": 0.299,
2769
+ "step": 392
2770
+ },
2771
+ {
2772
+ "epoch": 2.5855263157894735,
2773
+ "grad_norm": 0.09118856826069724,
2774
+ "learning_rate": 1.1427021243015467e-05,
2775
+ "loss": 0.3029,
2776
+ "step": 393
2777
+ },
2778
+ {
2779
+ "epoch": 2.5921052631578947,
2780
+ "grad_norm": 0.09153124872331597,
2781
+ "learning_rate": 1.1073934391676667e-05,
2782
+ "loss": 0.3053,
2783
+ "step": 394
2784
+ },
2785
+ {
2786
+ "epoch": 2.598684210526316,
2787
+ "grad_norm": 0.0931741744031297,
2788
+ "learning_rate": 1.0726068603956741e-05,
2789
+ "loss": 0.2962,
2790
+ "step": 395
2791
+ },
2792
+ {
2793
+ "epoch": 2.6052631578947367,
2794
+ "grad_norm": 0.0939187765998417,
2795
+ "learning_rate": 1.0383444303894452e-05,
2796
+ "loss": 0.3008,
2797
+ "step": 396
2798
+ },
2799
+ {
2800
+ "epoch": 2.611842105263158,
2801
+ "grad_norm": 0.09383471721688587,
2802
+ "learning_rate": 1.0046081607788127e-05,
2803
+ "loss": 0.312,
2804
+ "step": 397
2805
+ },
2806
+ {
2807
+ "epoch": 2.6184210526315788,
2808
+ "grad_norm": 0.09081224477516317,
2809
+ "learning_rate": 9.714000323014705e-06,
2810
+ "loss": 0.2947,
2811
+ "step": 398
2812
+ },
2813
+ {
2814
+ "epoch": 2.625,
2815
+ "grad_norm": 0.09356165649233147,
2816
+ "learning_rate": 9.3872199468667e-06,
2817
+ "loss": 0.3016,
2818
+ "step": 399
2819
+ },
2820
+ {
2821
+ "epoch": 2.6315789473684212,
2822
+ "grad_norm": 0.09192904823893439,
2823
+ "learning_rate": 9.065759665407515e-06,
2824
+ "loss": 0.2971,
2825
+ "step": 400
2826
+ },
2827
+ {
2828
+ "epoch": 2.638157894736842,
2829
+ "grad_norm": 0.09313138523215327,
2830
+ "learning_rate": 8.749638352345002e-06,
2831
+ "loss": 0.3042,
2832
+ "step": 401
2833
+ },
2834
+ {
2835
+ "epoch": 2.6447368421052633,
2836
+ "grad_norm": 0.0921977880339759,
2837
+ "learning_rate": 8.43887456792326e-06,
2838
+ "loss": 0.3016,
2839
+ "step": 402
2840
+ },
2841
+ {
2842
+ "epoch": 2.651315789473684,
2843
+ "grad_norm": 0.09055704810960578,
2844
+ "learning_rate": 8.133486557833015e-06,
2845
+ "loss": 0.3003,
2846
+ "step": 403
2847
+ },
2848
+ {
2849
+ "epoch": 2.6578947368421053,
2850
+ "grad_norm": 0.08952929321885197,
2851
+ "learning_rate": 7.833492252140284e-06,
2852
+ "loss": 0.2912,
2853
+ "step": 404
2854
+ },
2855
+ {
2856
+ "epoch": 2.6644736842105265,
2857
+ "grad_norm": 0.0917144195389881,
2858
+ "learning_rate": 7.538909264233751e-06,
2859
+ "loss": 0.2908,
2860
+ "step": 405
2861
+ },
2862
+ {
2863
+ "epoch": 2.6710526315789473,
2864
+ "grad_norm": 0.09112348602865261,
2865
+ "learning_rate": 7.249754889790539e-06,
2866
+ "loss": 0.2765,
2867
+ "step": 406
2868
+ },
2869
+ {
2870
+ "epoch": 2.6776315789473686,
2871
+ "grad_norm": 0.09188227591595896,
2872
+ "learning_rate": 6.966046105760826e-06,
2873
+ "loss": 0.2998,
2874
+ "step": 407
2875
+ },
2876
+ {
2877
+ "epoch": 2.6842105263157894,
2878
+ "grad_norm": 0.09193344799591113,
2879
+ "learning_rate": 6.6877995693710785e-06,
2880
+ "loss": 0.3073,
2881
+ "step": 408
2882
+ },
2883
+ {
2884
+ "epoch": 2.6907894736842106,
2885
+ "grad_norm": 0.09125510240984186,
2886
+ "learning_rate": 6.41503161714595e-06,
2887
+ "loss": 0.2856,
2888
+ "step": 409
2889
+ },
2890
+ {
2891
+ "epoch": 2.6973684210526314,
2892
+ "grad_norm": 0.09093722035003914,
2893
+ "learning_rate": 6.147758263949321e-06,
2894
+ "loss": 0.3029,
2895
+ "step": 410
2896
+ },
2897
+ {
2898
+ "epoch": 2.7039473684210527,
2899
+ "grad_norm": 0.09720543266247605,
2900
+ "learning_rate": 5.885995202043848e-06,
2901
+ "loss": 0.3069,
2902
+ "step": 411
2903
+ },
2904
+ {
2905
+ "epoch": 2.7105263157894735,
2906
+ "grad_norm": 0.09427472370082618,
2907
+ "learning_rate": 5.629757800169733e-06,
2908
+ "loss": 0.3084,
2909
+ "step": 412
2910
+ },
2911
+ {
2912
+ "epoch": 2.7171052631578947,
2913
+ "grad_norm": 0.089990452112005,
2914
+ "learning_rate": 5.379061102642358e-06,
2915
+ "loss": 0.2999,
2916
+ "step": 413
2917
+ },
2918
+ {
2919
+ "epoch": 2.723684210526316,
2920
+ "grad_norm": 0.09500774461582016,
2921
+ "learning_rate": 5.1339198284689916e-06,
2922
+ "loss": 0.3027,
2923
+ "step": 414
2924
+ },
2925
+ {
2926
+ "epoch": 2.7302631578947367,
2927
+ "grad_norm": 0.09140486608400628,
2928
+ "learning_rate": 4.8943483704846475e-06,
2929
+ "loss": 0.2943,
2930
+ "step": 415
2931
+ },
2932
+ {
2933
+ "epoch": 2.736842105263158,
2934
+ "grad_norm": 0.09254297353923395,
2935
+ "learning_rate": 4.660360794506946e-06,
2936
+ "loss": 0.2929,
2937
+ "step": 416
2938
+ },
2939
+ {
2940
+ "epoch": 2.7434210526315788,
2941
+ "grad_norm": 0.09259358584474216,
2942
+ "learning_rate": 4.431970838510391e-06,
2943
+ "loss": 0.3057,
2944
+ "step": 417
2945
+ },
2946
+ {
2947
+ "epoch": 2.75,
2948
+ "grad_norm": 0.0933006035630196,
2949
+ "learning_rate": 4.209191911819688e-06,
2950
+ "loss": 0.3066,
2951
+ "step": 418
2952
+ },
2953
+ {
2954
+ "epoch": 2.7565789473684212,
2955
+ "grad_norm": 0.09175027584175248,
2956
+ "learning_rate": 3.992037094322532e-06,
2957
+ "loss": 0.2974,
2958
+ "step": 419
2959
+ },
2960
+ {
2961
+ "epoch": 2.763157894736842,
2962
+ "grad_norm": 0.09612639615242942,
2963
+ "learning_rate": 3.7805191357015657e-06,
2964
+ "loss": 0.3152,
2965
+ "step": 420
2966
+ },
2967
+ {
2968
+ "epoch": 2.7697368421052633,
2969
+ "grad_norm": 0.09267277826656926,
2970
+ "learning_rate": 3.5746504546859018e-06,
2971
+ "loss": 0.3122,
2972
+ "step": 421
2973
+ },
2974
+ {
2975
+ "epoch": 2.776315789473684,
2976
+ "grad_norm": 0.09173196582903508,
2977
+ "learning_rate": 3.3744431383219367e-06,
2978
+ "loss": 0.3068,
2979
+ "step": 422
2980
+ },
2981
+ {
2982
+ "epoch": 2.7828947368421053,
2983
+ "grad_norm": 0.09141455521971137,
2984
+ "learning_rate": 3.1799089412636762e-06,
2985
+ "loss": 0.3,
2986
+ "step": 423
2987
+ },
2988
+ {
2989
+ "epoch": 2.7894736842105265,
2990
+ "grad_norm": 0.09007921765376342,
2991
+ "learning_rate": 2.991059285082698e-06,
2992
+ "loss": 0.3009,
2993
+ "step": 424
2994
+ },
2995
+ {
2996
+ "epoch": 2.7960526315789473,
2997
+ "grad_norm": 0.0953184723452783,
2998
+ "learning_rate": 2.8079052575973765e-06,
2999
+ "loss": 0.3043,
3000
+ "step": 425
3001
+ },
3002
+ {
3003
+ "epoch": 2.8026315789473686,
3004
+ "grad_norm": 0.09157757129707106,
3005
+ "learning_rate": 2.6304576122221035e-06,
3006
+ "loss": 0.3,
3007
+ "step": 426
3008
+ },
3009
+ {
3010
+ "epoch": 2.8092105263157894,
3011
+ "grad_norm": 0.09169344011676386,
3012
+ "learning_rate": 2.4587267673357394e-06,
3013
+ "loss": 0.2917,
3014
+ "step": 427
3015
+ },
3016
+ {
3017
+ "epoch": 2.8157894736842106,
3018
+ "grad_norm": 0.09140035394059028,
3019
+ "learning_rate": 2.2927228056700777e-06,
3020
+ "loss": 0.3086,
3021
+ "step": 428
3022
+ },
3023
+ {
3024
+ "epoch": 2.8223684210526314,
3025
+ "grad_norm": 0.08884580894240417,
3026
+ "learning_rate": 2.1324554737177648e-06,
3027
+ "loss": 0.2974,
3028
+ "step": 429
3029
+ },
3030
+ {
3031
+ "epoch": 2.8289473684210527,
3032
+ "grad_norm": 0.09227882207821884,
3033
+ "learning_rate": 1.9779341811600794e-06,
3034
+ "loss": 0.2993,
3035
+ "step": 430
3036
+ },
3037
+ {
3038
+ "epoch": 2.8355263157894735,
3039
+ "grad_norm": 0.09230636915969623,
3040
+ "learning_rate": 1.8291680003145073e-06,
3041
+ "loss": 0.3014,
3042
+ "step": 431
3043
+ },
3044
+ {
3045
+ "epoch": 2.8421052631578947,
3046
+ "grad_norm": 0.09126820223778219,
3047
+ "learning_rate": 1.6861656656020464e-06,
3048
+ "loss": 0.301,
3049
+ "step": 432
3050
+ },
3051
+ {
3052
+ "epoch": 2.848684210526316,
3053
+ "grad_norm": 0.09346572537156347,
3054
+ "learning_rate": 1.5489355730343934e-06,
3055
+ "loss": 0.3047,
3056
+ "step": 433
3057
+ },
3058
+ {
3059
+ "epoch": 2.8552631578947367,
3060
+ "grad_norm": 0.09159445394674477,
3061
+ "learning_rate": 1.417485779720995e-06,
3062
+ "loss": 0.3111,
3063
+ "step": 434
3064
+ },
3065
+ {
3066
+ "epoch": 2.861842105263158,
3067
+ "grad_norm": 0.09263259410862734,
3068
+ "learning_rate": 1.2918240033960027e-06,
3069
+ "loss": 0.3064,
3070
+ "step": 435
3071
+ },
3072
+ {
3073
+ "epoch": 2.8684210526315788,
3074
+ "grad_norm": 0.09195985713654573,
3075
+ "learning_rate": 1.1719576219651585e-06,
3076
+ "loss": 0.3085,
3077
+ "step": 436
3078
+ },
3079
+ {
3080
+ "epoch": 2.875,
3081
+ "grad_norm": 0.09287155646470045,
3082
+ "learning_rate": 1.057893673072563e-06,
3083
+ "loss": 0.3123,
3084
+ "step": 437
3085
+ },
3086
+ {
3087
+ "epoch": 2.8815789473684212,
3088
+ "grad_norm": 0.09261252125029774,
3089
+ "learning_rate": 9.496388536875623e-07,
3090
+ "loss": 0.3014,
3091
+ "step": 438
3092
+ },
3093
+ {
3094
+ "epoch": 2.888157894736842,
3095
+ "grad_norm": 0.09510242096519511,
3096
+ "learning_rate": 8.471995197114835e-07,
3097
+ "loss": 0.3117,
3098
+ "step": 439
3099
+ },
3100
+ {
3101
+ "epoch": 2.8947368421052633,
3102
+ "grad_norm": 0.09143211071538708,
3103
+ "learning_rate": 7.505816856045012e-07,
3104
+ "loss": 0.3021,
3105
+ "step": 440
3106
+ },
3107
+ {
3108
+ "epoch": 2.901315789473684,
3109
+ "grad_norm": 0.0920917445117736,
3110
+ "learning_rate": 6.597910240324967e-07,
3111
+ "loss": 0.3049,
3112
+ "step": 441
3113
+ },
3114
+ {
3115
+ "epoch": 2.9078947368421053,
3116
+ "grad_norm": 0.09323526996440369,
3117
+ "learning_rate": 5.74832865534014e-07,
3118
+ "loss": 0.3044,
3119
+ "step": 442
3120
+ },
3121
+ {
3122
+ "epoch": 2.9144736842105265,
3123
+ "grad_norm": 0.08995868186598065,
3124
+ "learning_rate": 4.957121982072765e-07,
3125
+ "loss": 0.3074,
3126
+ "step": 443
3127
+ },
3128
+ {
3129
+ "epoch": 2.9210526315789473,
3130
+ "grad_norm": 0.09113776795368703,
3131
+ "learning_rate": 4.224336674173546e-07,
3132
+ "loss": 0.3109,
3133
+ "step": 444
3134
+ },
3135
+ {
3136
+ "epoch": 2.9276315789473686,
3137
+ "grad_norm": 0.09224937503409146,
3138
+ "learning_rate": 3.5500157552337264e-07,
3139
+ "loss": 0.3017,
3140
+ "step": 445
3141
+ },
3142
+ {
3143
+ "epoch": 2.9342105263157894,
3144
+ "grad_norm": 0.09468784220174042,
3145
+ "learning_rate": 2.934198816259559e-07,
3146
+ "loss": 0.2992,
3147
+ "step": 446
3148
+ },
3149
+ {
3150
+ "epoch": 2.9407894736842106,
3151
+ "grad_norm": 0.09123611642303985,
3152
+ "learning_rate": 2.3769220133477156e-07,
3153
+ "loss": 0.3068,
3154
+ "step": 447
3155
+ },
3156
+ {
3157
+ "epoch": 2.9473684210526314,
3158
+ "grad_norm": 0.09217795191626804,
3159
+ "learning_rate": 1.8782180655622095e-07,
3160
+ "loss": 0.3032,
3161
+ "step": 448
3162
+ },
3163
+ {
3164
+ "epoch": 2.9539473684210527,
3165
+ "grad_norm": 0.09439928587738844,
3166
+ "learning_rate": 1.4381162530135993e-07,
3167
+ "loss": 0.3149,
3168
+ "step": 449
3169
+ },
3170
+ {
3171
+ "epoch": 2.9605263157894735,
3172
+ "grad_norm": 0.09155507167334377,
3173
+ "learning_rate": 1.0566424151401411e-07,
3174
+ "loss": 0.3064,
3175
+ "step": 450
3176
+ },
3177
+ {
3178
+ "epoch": 2.9671052631578947,
3179
+ "grad_norm": 0.09353543798817081,
3180
+ "learning_rate": 7.338189491900016e-08,
3181
+ "loss": 0.3079,
3182
+ "step": 451
3183
+ },
3184
+ {
3185
+ "epoch": 2.973684210526316,
3186
+ "grad_norm": 0.09071512231087696,
3187
+ "learning_rate": 4.696648089068667e-08,
3188
+ "loss": 0.3019,
3189
+ "step": 452
3190
+ },
3191
+ {
3192
+ "epoch": 2.9802631578947367,
3193
+ "grad_norm": 0.09100478976490751,
3194
+ "learning_rate": 2.641955034170529e-08,
3195
+ "loss": 0.3038,
3196
+ "step": 453
3197
+ },
3198
+ {
3199
+ "epoch": 2.986842105263158,
3200
+ "grad_norm": 0.09180608030721753,
3201
+ "learning_rate": 1.1742309631845861e-08,
3202
+ "loss": 0.305,
3203
+ "step": 454
3204
+ },
3205
+ {
3206
+ "epoch": 2.9934210526315788,
3207
+ "grad_norm": 0.09166087142524931,
3208
+ "learning_rate": 2.935620497301894e-09,
3209
+ "loss": 0.2995,
3210
+ "step": 455
3211
+ },
3212
+ {
3213
+ "epoch": 3.0,
3214
+ "grad_norm": 0.08984730795754493,
3215
+ "learning_rate": 0.0,
3216
+ "loss": 0.2989,
3217
+ "step": 456
3218
+ },
3219
+ {
3220
+ "epoch": 3.0,
3221
+ "eval_loss": 0.3327427804470062,
3222
+ "eval_runtime": 158.4336,
3223
+ "eval_samples_per_second": 32.222,
3224
+ "eval_steps_per_second": 1.01,
3225
+ "step": 456
3226
+ },
3227
+ {
3228
+ "epoch": 3.0,
3229
+ "step": 456,
3230
+ "total_flos": 1.6172409563591475e+17,
3231
+ "train_loss": 0.366262159849468,
3232
+ "train_runtime": 5417.5508,
3233
+ "train_samples_per_second": 10.741,
3234
+ "train_steps_per_second": 0.084
3235
+ }
3236
+ ],
3237
+ "logging_steps": 1,
3238
+ "max_steps": 456,
3239
+ "num_input_tokens_seen": 0,
3240
+ "num_train_epochs": 3,
3241
+ "save_steps": 500,
3242
+ "stateful_callbacks": {
3243
+ "TrainerControl": {
3244
+ "args": {
3245
+ "should_epoch_stop": false,
3246
+ "should_evaluate": false,
3247
+ "should_log": false,
3248
+ "should_save": true,
3249
+ "should_training_stop": true
3250
+ },
3251
+ "attributes": {}
3252
+ }
3253
+ },
3254
+ "total_flos": 1.6172409563591475e+17,
3255
+ "train_batch_size": 8,
3256
+ "trial_name": null,
3257
+ "trial_params": null
3258
+ }