{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 14.962593516209477,
  "eval_steps": 500,
  "global_step": 3000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.04987531172069826,
      "grad_norm": 39.54836654663086,
      "learning_rate": 1.9940000000000002e-05,
      "loss": 7.4096,
      "step": 10
    },
    {
      "epoch": 0.09975062344139651,
      "grad_norm": 47.2942008972168,
      "learning_rate": 1.9873333333333335e-05,
      "loss": 5.883,
      "step": 20
    },
    {
      "epoch": 0.14962593516209477,
      "grad_norm": 44.06085968017578,
      "learning_rate": 1.9806666666666668e-05,
      "loss": 3.9265,
      "step": 30
    },
    {
      "epoch": 0.19950124688279303,
      "grad_norm": 19.404735565185547,
      "learning_rate": 1.974e-05,
      "loss": 1.9858,
      "step": 40
    },
    {
      "epoch": 0.24937655860349128,
      "grad_norm": 1.9771770238876343,
      "learning_rate": 1.9673333333333337e-05,
      "loss": 1.0943,
      "step": 50
    },
    {
      "epoch": 0.29925187032418954,
      "grad_norm": 0.6882551312446594,
      "learning_rate": 1.9606666666666666e-05,
      "loss": 0.9006,
      "step": 60
    },
    {
      "epoch": 0.3491271820448878,
      "grad_norm": 0.7775446772575378,
      "learning_rate": 1.9540000000000003e-05,
      "loss": 0.8786,
      "step": 70
    },
    {
      "epoch": 0.39900249376558605,
      "grad_norm": 0.720007598400116,
      "learning_rate": 1.9473333333333335e-05,
      "loss": 0.858,
      "step": 80
    },
    {
      "epoch": 0.4488778054862843,
      "grad_norm": 0.6773384809494019,
      "learning_rate": 1.940666666666667e-05,
      "loss": 0.811,
      "step": 90
    },
    {
      "epoch": 0.49875311720698257,
      "grad_norm": 0.6907929182052612,
      "learning_rate": 1.934e-05,
      "loss": 0.7896,
      "step": 100
    },
    {
      "epoch": 0.5486284289276808,
      "grad_norm": 0.7552163600921631,
      "learning_rate": 1.9273333333333334e-05,
      "loss": 0.7589,
      "step": 110
    },
    {
      "epoch": 0.5985037406483791,
      "grad_norm": 0.7480026483535767,
      "learning_rate": 1.920666666666667e-05,
      "loss": 0.7347,
      "step": 120
    },
    {
      "epoch": 0.6483790523690773,
      "grad_norm": 0.9136413931846619,
      "learning_rate": 1.914e-05,
      "loss": 0.7218,
      "step": 130
    },
    {
      "epoch": 0.6982543640897756,
      "grad_norm": 0.7177766561508179,
      "learning_rate": 1.9073333333333336e-05,
      "loss": 0.6983,
      "step": 140
    },
    {
      "epoch": 0.7481296758104738,
      "grad_norm": 0.7291643023490906,
      "learning_rate": 1.900666666666667e-05,
      "loss": 0.6811,
      "step": 150
    },
    {
      "epoch": 0.7980049875311721,
      "grad_norm": 0.8402264714241028,
      "learning_rate": 1.894e-05,
      "loss": 0.6518,
      "step": 160
    },
    {
      "epoch": 0.8478802992518704,
      "grad_norm": 0.7445259690284729,
      "learning_rate": 1.8873333333333334e-05,
      "loss": 0.6621,
      "step": 170
    },
    {
      "epoch": 0.8977556109725686,
      "grad_norm": 0.7637977004051208,
      "learning_rate": 1.8806666666666667e-05,
      "loss": 0.623,
      "step": 180
    },
    {
      "epoch": 0.9476309226932669,
      "grad_norm": 0.7605411410331726,
      "learning_rate": 1.8740000000000004e-05,
      "loss": 0.642,
      "step": 190
    },
    {
      "epoch": 0.9975062344139651,
      "grad_norm": 0.7474659085273743,
      "learning_rate": 1.8673333333333333e-05,
      "loss": 0.6081,
      "step": 200
    },
    {
      "epoch": 0.9975062344139651,
      "eval_loss": 0.6107227802276611,
      "eval_runtime": 57.9983,
      "eval_samples_per_second": 17.294,
      "eval_steps_per_second": 3.466,
      "step": 200
    },
    {
      "epoch": 1.0473815461346634,
      "grad_norm": 0.7955527901649475,
      "learning_rate": 1.860666666666667e-05,
      "loss": 0.6313,
      "step": 210
    },
    {
      "epoch": 1.0972568578553616,
      "grad_norm": 0.8842599391937256,
      "learning_rate": 1.8540000000000002e-05,
      "loss": 0.5837,
      "step": 220
    },
    {
      "epoch": 1.14713216957606,
      "grad_norm": 0.9143279790878296,
      "learning_rate": 1.8473333333333335e-05,
      "loss": 0.5668,
      "step": 230
    },
    {
      "epoch": 1.1970074812967582,
      "grad_norm": 0.8860597610473633,
      "learning_rate": 1.8406666666666668e-05,
      "loss": 0.565,
      "step": 240
    },
    {
      "epoch": 1.2468827930174564,
      "grad_norm": 0.8665011525154114,
      "learning_rate": 1.834e-05,
      "loss": 0.5611,
      "step": 250
    },
    {
      "epoch": 1.2967581047381547,
      "grad_norm": 0.8916261196136475,
      "learning_rate": 1.8273333333333333e-05,
      "loss": 0.5461,
      "step": 260
    },
    {
      "epoch": 1.346633416458853,
      "grad_norm": 0.8792281150817871,
      "learning_rate": 1.820666666666667e-05,
      "loss": 0.5569,
      "step": 270
    },
    {
      "epoch": 1.3965087281795512,
      "grad_norm": 0.8166815638542175,
      "learning_rate": 1.8140000000000003e-05,
      "loss": 0.5435,
      "step": 280
    },
    {
      "epoch": 1.4463840399002494,
      "grad_norm": 0.9711934328079224,
      "learning_rate": 1.8073333333333335e-05,
      "loss": 0.5205,
      "step": 290
    },
    {
      "epoch": 1.4962593516209477,
      "grad_norm": 0.8851374983787537,
      "learning_rate": 1.8006666666666668e-05,
      "loss": 0.5269,
      "step": 300
    },
    {
      "epoch": 1.546134663341646,
      "grad_norm": 0.940987765789032,
      "learning_rate": 1.794e-05,
      "loss": 0.5177,
      "step": 310
    },
    {
      "epoch": 1.5960099750623442,
      "grad_norm": 1.1342016458511353,
      "learning_rate": 1.7873333333333337e-05,
      "loss": 0.4981,
      "step": 320
    },
    {
      "epoch": 1.6458852867830425,
      "grad_norm": 1.0847837924957275,
      "learning_rate": 1.7806666666666667e-05,
      "loss": 0.5056,
      "step": 330
    },
    {
      "epoch": 1.6957605985037407,
      "grad_norm": 0.979576587677002,
      "learning_rate": 1.7740000000000003e-05,
      "loss": 0.5048,
      "step": 340
    },
    {
      "epoch": 1.745635910224439,
      "grad_norm": 0.9637285470962524,
      "learning_rate": 1.7673333333333336e-05,
      "loss": 0.5076,
      "step": 350
    },
    {
      "epoch": 1.7955112219451372,
      "grad_norm": 0.9592918157577515,
      "learning_rate": 1.760666666666667e-05,
      "loss": 0.512,
      "step": 360
    },
    {
      "epoch": 1.8453865336658355,
      "grad_norm": 0.9521375894546509,
      "learning_rate": 1.754e-05,
      "loss": 0.4993,
      "step": 370
    },
    {
      "epoch": 1.8952618453865338,
      "grad_norm": 1.1952577829360962,
      "learning_rate": 1.7473333333333334e-05,
      "loss": 0.4933,
      "step": 380
    },
    {
      "epoch": 1.945137157107232,
      "grad_norm": 0.8078787326812744,
      "learning_rate": 1.7406666666666667e-05,
      "loss": 0.4894,
      "step": 390
    },
    {
      "epoch": 1.9950124688279303,
      "grad_norm": 1.0912864208221436,
      "learning_rate": 1.734e-05,
      "loss": 0.4865,
      "step": 400
    },
    {
      "epoch": 2.0,
      "eval_loss": 0.49822476506233215,
      "eval_runtime": 57.9997,
      "eval_samples_per_second": 17.293,
      "eval_steps_per_second": 3.466,
      "step": 401
    },
    {
      "epoch": 2.0448877805486285,
      "grad_norm": 0.9705982804298401,
      "learning_rate": 1.7273333333333336e-05,
      "loss": 0.4976,
      "step": 410
    },
    {
      "epoch": 2.0947630922693268,
      "grad_norm": 1.0686686038970947,
      "learning_rate": 1.7206666666666666e-05,
      "loss": 0.4851,
      "step": 420
    },
    {
      "epoch": 2.144638403990025,
      "grad_norm": 1.0422980785369873,
      "learning_rate": 1.7140000000000002e-05,
      "loss": 0.4577,
      "step": 430
    },
    {
      "epoch": 2.1945137157107233,
      "grad_norm": 1.0678831338882446,
      "learning_rate": 1.7073333333333335e-05,
      "loss": 0.5092,
      "step": 440
    },
    {
      "epoch": 2.2443890274314215,
      "grad_norm": 1.1621687412261963,
      "learning_rate": 1.7006666666666668e-05,
      "loss": 0.4897,
      "step": 450
    },
    {
      "epoch": 2.29426433915212,
      "grad_norm": 0.9376991391181946,
      "learning_rate": 1.694e-05,
      "loss": 0.4788,
      "step": 460
    },
    {
      "epoch": 2.344139650872818,
      "grad_norm": 1.0832690000534058,
      "learning_rate": 1.6873333333333333e-05,
      "loss": 0.4864,
      "step": 470
    },
    {
      "epoch": 2.3940149625935163,
      "grad_norm": 1.1426657438278198,
      "learning_rate": 1.680666666666667e-05,
      "loss": 0.4659,
      "step": 480
    },
    {
      "epoch": 2.4438902743142146,
      "grad_norm": 1.016119122505188,
      "learning_rate": 1.6740000000000002e-05,
      "loss": 0.4636,
      "step": 490
    },
    {
      "epoch": 2.493765586034913,
      "grad_norm": 1.1347243785858154,
      "learning_rate": 1.6673333333333335e-05,
      "loss": 0.4663,
      "step": 500
    },
    {
      "epoch": 2.543640897755611,
      "grad_norm": 1.087796926498413,
      "learning_rate": 1.6606666666666668e-05,
      "loss": 0.4729,
      "step": 510
    },
    {
      "epoch": 2.5935162094763093,
      "grad_norm": 1.1080952882766724,
      "learning_rate": 1.654e-05,
      "loss": 0.4803,
      "step": 520
    },
    {
      "epoch": 2.6433915211970076,
      "grad_norm": 0.9999821186065674,
      "learning_rate": 1.6473333333333334e-05,
      "loss": 0.4872,
      "step": 530
    },
    {
      "epoch": 2.693266832917706,
      "grad_norm": 1.2594393491744995,
      "learning_rate": 1.640666666666667e-05,
      "loss": 0.4708,
      "step": 540
    },
    {
      "epoch": 2.743142144638404,
      "grad_norm": 1.012904167175293,
      "learning_rate": 1.634e-05,
      "loss": 0.46,
      "step": 550
    },
    {
      "epoch": 2.7930174563591024,
      "grad_norm": 1.052252173423767,
      "learning_rate": 1.6273333333333336e-05,
      "loss": 0.4664,
      "step": 560
    },
    {
      "epoch": 2.8428927680798006,
      "grad_norm": 1.2155933380126953,
      "learning_rate": 1.620666666666667e-05,
      "loss": 0.4518,
      "step": 570
    },
    {
      "epoch": 2.892768079800499,
      "grad_norm": 1.064907193183899,
      "learning_rate": 1.614e-05,
      "loss": 0.4933,
      "step": 580
    },
    {
      "epoch": 2.942643391521197,
      "grad_norm": 1.0846999883651733,
      "learning_rate": 1.6073333333333334e-05,
      "loss": 0.4724,
      "step": 590
    },
    {
      "epoch": 2.9925187032418954,
      "grad_norm": 1.2878086566925049,
      "learning_rate": 1.6006666666666667e-05,
      "loss": 0.4895,
      "step": 600
    },
    {
      "epoch": 2.997506234413965,
      "eval_loss": 0.47463858127593994,
      "eval_runtime": 57.9983,
      "eval_samples_per_second": 17.294,
      "eval_steps_per_second": 3.466,
      "step": 601
    },
    {
      "epoch": 3.0423940149625937,
      "grad_norm": 1.141946792602539,
      "learning_rate": 1.5940000000000003e-05,
      "loss": 0.4808,
      "step": 610
    },
    {
      "epoch": 3.092269326683292,
      "grad_norm": 1.1112643480300903,
      "learning_rate": 1.5873333333333333e-05,
      "loss": 0.4525,
      "step": 620
    },
    {
      "epoch": 3.14214463840399,
      "grad_norm": 1.0057584047317505,
      "learning_rate": 1.580666666666667e-05,
      "loss": 0.4699,
      "step": 630
    },
    {
      "epoch": 3.1920199501246884,
      "grad_norm": 1.3252357244491577,
      "learning_rate": 1.5740000000000002e-05,
      "loss": 0.4631,
      "step": 640
    },
    {
      "epoch": 3.2418952618453867,
      "grad_norm": 1.1567648649215698,
      "learning_rate": 1.5673333333333335e-05,
      "loss": 0.4559,
      "step": 650
    },
    {
      "epoch": 3.291770573566085,
      "grad_norm": 1.0659315586090088,
      "learning_rate": 1.5606666666666667e-05,
      "loss": 0.4575,
      "step": 660
    },
    {
      "epoch": 3.341645885286783,
      "grad_norm": 1.1061469316482544,
      "learning_rate": 1.554e-05,
      "loss": 0.4592,
      "step": 670
    },
    {
      "epoch": 3.3915211970074814,
      "grad_norm": 1.342760443687439,
      "learning_rate": 1.5473333333333333e-05,
      "loss": 0.4459,
      "step": 680
    },
    {
      "epoch": 3.4413965087281797,
      "grad_norm": 1.080640196800232,
      "learning_rate": 1.5406666666666666e-05,
      "loss": 0.4801,
      "step": 690
    },
    {
      "epoch": 3.491271820448878,
      "grad_norm": 1.1660523414611816,
      "learning_rate": 1.5340000000000002e-05,
      "loss": 0.4536,
      "step": 700
    },
    {
      "epoch": 3.541147132169576,
      "grad_norm": 1.0911084413528442,
      "learning_rate": 1.5273333333333335e-05,
      "loss": 0.4536,
      "step": 710
    },
    {
      "epoch": 3.5910224438902745,
      "grad_norm": 1.1449761390686035,
      "learning_rate": 1.5206666666666668e-05,
      "loss": 0.4663,
      "step": 720
    },
    {
      "epoch": 3.6408977556109727,
      "grad_norm": 1.0596632957458496,
      "learning_rate": 1.514e-05,
      "loss": 0.4633,
      "step": 730
    },
    {
      "epoch": 3.690773067331671,
      "grad_norm": 1.1071261167526245,
      "learning_rate": 1.5073333333333335e-05,
      "loss": 0.4579,
      "step": 740
    },
    {
      "epoch": 3.7406483790523692,
      "grad_norm": 1.3376258611679077,
      "learning_rate": 1.5006666666666666e-05,
      "loss": 0.4526,
      "step": 750
    },
    {
      "epoch": 3.7905236907730675,
      "grad_norm": 1.2122935056686401,
      "learning_rate": 1.4940000000000001e-05,
      "loss": 0.4602,
      "step": 760
    },
    {
      "epoch": 3.8403990024937658,
      "grad_norm": 1.1372263431549072,
      "learning_rate": 1.4873333333333335e-05,
      "loss": 0.4733,
      "step": 770
    },
    {
      "epoch": 3.890274314214464,
      "grad_norm": 1.1192553043365479,
      "learning_rate": 1.4806666666666667e-05,
      "loss": 0.466,
      "step": 780
    },
    {
      "epoch": 3.9401496259351623,
      "grad_norm": 1.1695116758346558,
      "learning_rate": 1.4740000000000001e-05,
      "loss": 0.4485,
      "step": 790
    },
    {
      "epoch": 3.9900249376558605,
      "grad_norm": 1.2374085187911987,
      "learning_rate": 1.4673333333333336e-05,
      "loss": 0.4428,
      "step": 800
    },
    {
      "epoch": 4.0,
      "eval_loss": 0.4639199376106262,
      "eval_runtime": 58.0007,
      "eval_samples_per_second": 17.293,
      "eval_steps_per_second": 3.465,
      "step": 802
    },
    {
      "epoch": 4.039900249376559,
      "grad_norm": 1.2248201370239258,
      "learning_rate": 1.4606666666666667e-05,
      "loss": 0.4765,
      "step": 810
    },
    {
      "epoch": 4.089775561097257,
      "grad_norm": 1.0709633827209473,
      "learning_rate": 1.4540000000000001e-05,
      "loss": 0.458,
      "step": 820
    },
    {
      "epoch": 4.139650872817955,
      "grad_norm": 1.245808482170105,
      "learning_rate": 1.4473333333333334e-05,
      "loss": 0.4413,
      "step": 830
    },
    {
      "epoch": 4.1895261845386536,
      "grad_norm": 1.0952578783035278,
      "learning_rate": 1.4406666666666669e-05,
      "loss": 0.4466,
      "step": 840
    },
    {
      "epoch": 4.239401496259352,
      "grad_norm": 1.3013060092926025,
      "learning_rate": 1.434e-05,
      "loss": 0.4579,
      "step": 850
    },
    {
      "epoch": 4.28927680798005,
      "grad_norm": 1.40675687789917,
      "learning_rate": 1.4273333333333334e-05,
      "loss": 0.4547,
      "step": 860
    },
    {
      "epoch": 4.339152119700748,
      "grad_norm": 1.0993843078613281,
      "learning_rate": 1.4206666666666669e-05,
      "loss": 0.4326,
      "step": 870
    },
    {
      "epoch": 4.389027431421447,
      "grad_norm": 1.279954195022583,
      "learning_rate": 1.414e-05,
      "loss": 0.4528,
      "step": 880
    },
    {
      "epoch": 4.438902743142145,
      "grad_norm": 1.1767985820770264,
      "learning_rate": 1.4073333333333335e-05,
      "loss": 0.4678,
      "step": 890
    },
    {
      "epoch": 4.488778054862843,
      "grad_norm": 1.2366374731063843,
      "learning_rate": 1.400666666666667e-05,
      "loss": 0.4383,
      "step": 900
    },
    {
      "epoch": 4.538653366583541,
      "grad_norm": 1.3890389204025269,
      "learning_rate": 1.394e-05,
      "loss": 0.4586,
      "step": 910
    },
    {
      "epoch": 4.58852867830424,
      "grad_norm": 1.288946509361267,
      "learning_rate": 1.3873333333333335e-05,
      "loss": 0.4329,
      "step": 920
    },
    {
      "epoch": 4.638403990024938,
      "grad_norm": 1.5377354621887207,
      "learning_rate": 1.3806666666666668e-05,
      "loss": 0.4524,
      "step": 930
    },
    {
      "epoch": 4.688279301745636,
      "grad_norm": 1.1805988550186157,
      "learning_rate": 1.3740000000000002e-05,
      "loss": 0.4421,
      "step": 940
    },
    {
      "epoch": 4.738154613466334,
      "grad_norm": 1.2433724403381348,
      "learning_rate": 1.3673333333333333e-05,
      "loss": 0.4463,
      "step": 950
    },
    {
      "epoch": 4.788029925187033,
      "grad_norm": 1.5534576177597046,
      "learning_rate": 1.3606666666666668e-05,
      "loss": 0.4529,
      "step": 960
    },
    {
      "epoch": 4.837905236907731,
      "grad_norm": 1.1943343877792358,
      "learning_rate": 1.3540000000000003e-05,
      "loss": 0.4342,
      "step": 970
    },
    {
      "epoch": 4.887780548628429,
      "grad_norm": 1.4089887142181396,
      "learning_rate": 1.3473333333333334e-05,
      "loss": 0.4474,
      "step": 980
    },
    {
      "epoch": 4.937655860349127,
      "grad_norm": 1.2032736539840698,
      "learning_rate": 1.3406666666666668e-05,
      "loss": 0.4367,
      "step": 990
    },
    {
      "epoch": 4.987531172069826,
      "grad_norm": 1.2193266153335571,
      "learning_rate": 1.3340000000000001e-05,
      "loss": 0.4617,
      "step": 1000
    },
    {
      "epoch": 4.997506234413965,
      "eval_loss": 0.457111656665802,
      "eval_runtime": 58.0103,
      "eval_samples_per_second": 17.29,
      "eval_steps_per_second": 3.465,
      "step": 1002
    },
    {
      "epoch": 5.037406483790524,
      "grad_norm": 1.2309563159942627,
      "learning_rate": 1.3273333333333334e-05,
      "loss": 0.4802,
      "step": 1010
    },
    {
      "epoch": 5.087281795511222,
      "grad_norm": 1.3006610870361328,
      "learning_rate": 1.3206666666666668e-05,
      "loss": 0.4304,
      "step": 1020
    },
    {
      "epoch": 5.13715710723192,
      "grad_norm": 1.1411958932876587,
      "learning_rate": 1.3140000000000001e-05,
      "loss": 0.4379,
      "step": 1030
    },
    {
      "epoch": 5.187032418952619,
      "grad_norm": 1.489011287689209,
      "learning_rate": 1.3073333333333334e-05,
      "loss": 0.4377,
      "step": 1040
    },
    {
      "epoch": 5.236907730673317,
      "grad_norm": 1.127456784248352,
      "learning_rate": 1.3006666666666667e-05,
      "loss": 0.4401,
      "step": 1050
    },
    {
      "epoch": 5.286783042394015,
      "grad_norm": 1.1423261165618896,
      "learning_rate": 1.2940000000000001e-05,
      "loss": 0.4195,
      "step": 1060
    },
    {
      "epoch": 5.3366583541147135,
      "grad_norm": 1.2664945125579834,
      "learning_rate": 1.2873333333333336e-05,
      "loss": 0.4421,
      "step": 1070
    },
    {
      "epoch": 5.386533665835412,
      "grad_norm": 1.3833181858062744,
      "learning_rate": 1.2806666666666667e-05,
      "loss": 0.4493,
      "step": 1080
    },
    {
      "epoch": 5.43640897755611,
      "grad_norm": 1.2505003213882446,
      "learning_rate": 1.2740000000000002e-05,
      "loss": 0.4322,
      "step": 1090
    },
    {
      "epoch": 5.486284289276808,
      "grad_norm": 1.1786164045333862,
      "learning_rate": 1.2673333333333335e-05,
      "loss": 0.4474,
      "step": 1100
    },
    {
      "epoch": 5.5361596009975065,
      "grad_norm": 1.3222135305404663,
      "learning_rate": 1.2606666666666667e-05,
      "loss": 0.4434,
      "step": 1110
    },
    {
      "epoch": 5.586034912718205,
      "grad_norm": 1.1747450828552246,
      "learning_rate": 1.254e-05,
      "loss": 0.4577,
      "step": 1120
    },
    {
      "epoch": 5.635910224438903,
      "grad_norm": 1.299611210823059,
      "learning_rate": 1.2473333333333335e-05,
      "loss": 0.4306,
      "step": 1130
    },
    {
      "epoch": 5.685785536159601,
      "grad_norm": 1.353705883026123,
      "learning_rate": 1.2406666666666668e-05,
      "loss": 0.4438,
      "step": 1140
    },
    {
      "epoch": 5.7356608478802995,
      "grad_norm": 1.195237398147583,
      "learning_rate": 1.234e-05,
      "loss": 0.4203,
      "step": 1150
    },
    {
      "epoch": 5.785536159600998,
      "grad_norm": 1.4759230613708496,
      "learning_rate": 1.2273333333333335e-05,
      "loss": 0.4399,
      "step": 1160
    },
    {
      "epoch": 5.835411471321696,
      "grad_norm": 1.1856341361999512,
      "learning_rate": 1.2206666666666666e-05,
      "loss": 0.4566,
      "step": 1170
    },
    {
      "epoch": 5.885286783042394,
      "grad_norm": 1.369195818901062,
      "learning_rate": 1.214e-05,
      "loss": 0.4568,
      "step": 1180
    },
    {
      "epoch": 5.9351620947630925,
      "grad_norm": 1.2702898979187012,
      "learning_rate": 1.2073333333333335e-05,
      "loss": 0.4372,
      "step": 1190
    },
    {
      "epoch": 5.985037406483791,
      "grad_norm": 1.5332574844360352,
      "learning_rate": 1.2006666666666668e-05,
      "loss": 0.454,
      "step": 1200
    },
    {
      "epoch": 6.0,
      "eval_loss": 0.45269879698753357,
      "eval_runtime": 57.8329,
      "eval_samples_per_second": 17.343,
      "eval_steps_per_second": 3.476,
      "step": 1203
    },
    {
      "epoch": 6.034912718204489,
      "grad_norm": 1.502089500427246,
      "learning_rate": 1.1940000000000001e-05,
      "loss": 0.4509,
      "step": 1210
    },
    {
      "epoch": 6.084788029925187,
      "grad_norm": 1.1866357326507568,
      "learning_rate": 1.1873333333333334e-05,
      "loss": 0.4315,
      "step": 1220
    },
    {
      "epoch": 6.134663341645886,
      "grad_norm": 1.2971949577331543,
      "learning_rate": 1.1806666666666668e-05,
      "loss": 0.4378,
      "step": 1230
    },
    {
      "epoch": 6.184538653366584,
      "grad_norm": 1.3105353116989136,
      "learning_rate": 1.1740000000000001e-05,
      "loss": 0.4462,
      "step": 1240
    },
    {
      "epoch": 6.234413965087282,
      "grad_norm": 1.6913713216781616,
      "learning_rate": 1.1673333333333334e-05,
      "loss": 0.4273,
      "step": 1250
    },
    {
      "epoch": 6.28428927680798,
      "grad_norm": 1.2743034362792969,
      "learning_rate": 1.1606666666666668e-05,
      "loss": 0.4308,
      "step": 1260
    },
    {
      "epoch": 6.334164588528679,
      "grad_norm": 1.2764904499053955,
      "learning_rate": 1.154e-05,
      "loss": 0.4416,
      "step": 1270
    },
    {
      "epoch": 6.384039900249377,
      "grad_norm": 1.2375209331512451,
      "learning_rate": 1.1473333333333334e-05,
      "loss": 0.4279,
      "step": 1280
    },
    {
      "epoch": 6.433915211970075,
      "grad_norm": 1.2813770771026611,
      "learning_rate": 1.1406666666666669e-05,
      "loss": 0.4318,
      "step": 1290
    },
    {
      "epoch": 6.483790523690773,
      "grad_norm": 1.413662314414978,
      "learning_rate": 1.134e-05,
      "loss": 0.4299,
      "step": 1300
    },
    {
      "epoch": 6.533665835411472,
      "grad_norm": 1.4377459287643433,
      "learning_rate": 1.1273333333333334e-05,
      "loss": 0.4538,
      "step": 1310
    },
    {
      "epoch": 6.58354114713217,
      "grad_norm": 1.280629277229309,
      "learning_rate": 1.1206666666666667e-05,
      "loss": 0.4305,
      "step": 1320
    },
    {
      "epoch": 6.633416458852868,
      "grad_norm": 1.4439893960952759,
      "learning_rate": 1.1140000000000002e-05,
      "loss": 0.4382,
      "step": 1330
    },
    {
      "epoch": 6.683291770573566,
      "grad_norm": 1.290280818939209,
      "learning_rate": 1.1073333333333333e-05,
      "loss": 0.4395,
      "step": 1340
    },
    {
      "epoch": 6.733167082294265,
      "grad_norm": 1.7553201913833618,
      "learning_rate": 1.1006666666666667e-05,
      "loss": 0.4633,
      "step": 1350
    },
    {
      "epoch": 6.783042394014963,
      "grad_norm": 1.3317337036132812,
      "learning_rate": 1.0940000000000002e-05,
      "loss": 0.4396,
      "step": 1360
    },
    {
      "epoch": 6.832917705735661,
      "grad_norm": 1.4611096382141113,
      "learning_rate": 1.0873333333333333e-05,
      "loss": 0.4306,
      "step": 1370
    },
    {
      "epoch": 6.882793017456359,
      "grad_norm": 1.461767554283142,
      "learning_rate": 1.0806666666666668e-05,
      "loss": 0.4363,
      "step": 1380
    },
    {
      "epoch": 6.932668329177058,
      "grad_norm": 1.2594436407089233,
      "learning_rate": 1.0740000000000002e-05,
      "loss": 0.4311,
      "step": 1390
    },
    {
      "epoch": 6.982543640897756,
      "grad_norm": 1.339422345161438,
      "learning_rate": 1.0673333333333333e-05,
      "loss": 0.4359,
      "step": 1400
    },
    {
      "epoch": 6.997506234413965,
      "eval_loss": 0.4493270516395569,
      "eval_runtime": 57.825,
      "eval_samples_per_second": 17.345,
      "eval_steps_per_second": 3.476,
      "step": 1403
    },
    {
      "epoch": 7.032418952618454,
      "grad_norm": 1.5040308237075806,
      "learning_rate": 1.0606666666666668e-05,
      "loss": 0.4513,
      "step": 1410
    },
    {
      "epoch": 7.082294264339152,
      "grad_norm": 1.3062398433685303,
      "learning_rate": 1.054e-05,
      "loss": 0.4286,
      "step": 1420
    },
    {
      "epoch": 7.132169576059851,
      "grad_norm": 1.2743724584579468,
      "learning_rate": 1.0473333333333334e-05,
      "loss": 0.4308,
      "step": 1430
    },
    {
      "epoch": 7.182044887780549,
      "grad_norm": 1.335893154144287,
      "learning_rate": 1.0406666666666666e-05,
      "loss": 0.4467,
      "step": 1440
    },
    {
      "epoch": 7.231920199501247,
      "grad_norm": 1.5432289838790894,
      "learning_rate": 1.0340000000000001e-05,
      "loss": 0.4249,
      "step": 1450
    },
    {
      "epoch": 7.2817955112219455,
      "grad_norm": 1.3191583156585693,
      "learning_rate": 1.0273333333333335e-05,
      "loss": 0.4308,
      "step": 1460
    },
    {
      "epoch": 7.331670822942644,
      "grad_norm": 1.4070515632629395,
      "learning_rate": 1.0206666666666667e-05,
      "loss": 0.4346,
      "step": 1470
    },
    {
      "epoch": 7.381546134663342,
      "grad_norm": 1.2089998722076416,
      "learning_rate": 1.0140000000000001e-05,
      "loss": 0.4261,
      "step": 1480
    },
    {
      "epoch": 7.43142144638404,
      "grad_norm": 1.349908709526062,
      "learning_rate": 1.0073333333333336e-05,
      "loss": 0.4506,
      "step": 1490
    },
    {
      "epoch": 7.4812967581047385,
      "grad_norm": 1.3772706985473633,
      "learning_rate": 1.0006666666666667e-05,
      "loss": 0.4194,
      "step": 1500
    },
    {
      "epoch": 7.531172069825437,
      "grad_norm": 1.265548586845398,
      "learning_rate": 9.940000000000001e-06,
      "loss": 0.4109,
      "step": 1510
    },
    {
      "epoch": 7.581047381546135,
      "grad_norm": 1.4737778902053833,
      "learning_rate": 9.873333333333334e-06,
      "loss": 0.4335,
      "step": 1520
    },
    {
      "epoch": 7.630922693266833,
      "grad_norm": 1.2900265455245972,
      "learning_rate": 9.806666666666667e-06,
      "loss": 0.4489,
      "step": 1530
    },
    {
      "epoch": 7.6807980049875315,
      "grad_norm": 1.3885109424591064,
      "learning_rate": 9.74e-06,
      "loss": 0.4246,
      "step": 1540
    },
    {
      "epoch": 7.73067331670823,
      "grad_norm": 1.4786447286605835,
      "learning_rate": 9.673333333333334e-06,
      "loss": 0.4307,
      "step": 1550
    },
    {
      "epoch": 7.780548628428928,
      "grad_norm": 1.4943320751190186,
      "learning_rate": 9.606666666666667e-06,
      "loss": 0.4272,
      "step": 1560
    },
    {
      "epoch": 7.830423940149626,
      "grad_norm": 1.2281179428100586,
      "learning_rate": 9.54e-06,
      "loss": 0.4361,
      "step": 1570
    },
    {
      "epoch": 7.8802992518703245,
      "grad_norm": 1.4099763631820679,
      "learning_rate": 9.473333333333335e-06,
      "loss": 0.4328,
      "step": 1580
    },
    {
      "epoch": 7.930174563591023,
      "grad_norm": 1.2165679931640625,
      "learning_rate": 9.406666666666668e-06,
      "loss": 0.4325,
      "step": 1590
    },
    {
      "epoch": 7.980049875311721,
      "grad_norm": 1.5678939819335938,
      "learning_rate": 9.340000000000002e-06,
      "loss": 0.4431,
      "step": 1600
    },
    {
      "epoch": 8.0,
      "eval_loss": 0.4465142786502838,
      "eval_runtime": 57.9689,
      "eval_samples_per_second": 17.302,
      "eval_steps_per_second": 3.467,
      "step": 1604
    },
    {
      "epoch": 8.029925187032418,
      "grad_norm": 1.3903255462646484,
      "learning_rate": 9.273333333333335e-06,
      "loss": 0.4489,
      "step": 1610
    },
    {
      "epoch": 8.079800498753118,
      "grad_norm": 1.4039775133132935,
      "learning_rate": 9.206666666666668e-06,
      "loss": 0.4282,
      "step": 1620
    },
    {
      "epoch": 8.129675810473815,
      "grad_norm": 1.238571286201477,
      "learning_rate": 9.14e-06,
      "loss": 0.4352,
      "step": 1630
    },
    {
      "epoch": 8.179551122194514,
      "grad_norm": 1.418980360031128,
      "learning_rate": 9.073333333333333e-06,
      "loss": 0.4232,
      "step": 1640
    },
    {
      "epoch": 8.229426433915211,
      "grad_norm": 1.362851619720459,
      "learning_rate": 9.006666666666666e-06,
      "loss": 0.4251,
      "step": 1650
    },
    {
      "epoch": 8.27930174563591,
      "grad_norm": 1.3849656581878662,
      "learning_rate": 8.94e-06,
      "loss": 0.4367,
      "step": 1660
    },
    {
      "epoch": 8.329177057356608,
      "grad_norm": 1.4366765022277832,
      "learning_rate": 8.873333333333334e-06,
      "loss": 0.4348,
      "step": 1670
    },
    {
      "epoch": 8.379052369077307,
      "grad_norm": 1.3090085983276367,
      "learning_rate": 8.806666666666668e-06,
      "loss": 0.4349,
      "step": 1680
    },
    {
      "epoch": 8.428927680798004,
      "grad_norm": 1.3340786695480347,
      "learning_rate": 8.740000000000001e-06,
      "loss": 0.4292,
      "step": 1690
    },
    {
      "epoch": 8.478802992518704,
      "grad_norm": 1.224572777748108,
      "learning_rate": 8.673333333333334e-06,
      "loss": 0.4225,
      "step": 1700
    },
    {
      "epoch": 8.528678304239401,
      "grad_norm": 1.3066871166229248,
      "learning_rate": 8.606666666666668e-06,
      "loss": 0.4295,
      "step": 1710
    },
    {
      "epoch": 8.5785536159601,
      "grad_norm": 1.3138604164123535,
      "learning_rate": 8.540000000000001e-06,
      "loss": 0.4249,
      "step": 1720
    },
    {
      "epoch": 8.628428927680797,
      "grad_norm": 1.3178144693374634,
      "learning_rate": 8.473333333333334e-06,
      "loss": 0.4295,
      "step": 1730
    },
    {
      "epoch": 8.678304239401497,
      "grad_norm": 1.5216317176818848,
      "learning_rate": 8.406666666666667e-06,
      "loss": 0.4249,
      "step": 1740
    },
    {
      "epoch": 8.728179551122194,
      "grad_norm": 1.3315293788909912,
      "learning_rate": 8.34e-06,
      "loss": 0.4156,
      "step": 1750
    },
    {
      "epoch": 8.778054862842893,
      "grad_norm": 1.613593578338623,
      "learning_rate": 8.273333333333334e-06,
      "loss": 0.418,
      "step": 1760
    },
    {
      "epoch": 8.82793017456359,
      "grad_norm": 1.2980856895446777,
      "learning_rate": 8.206666666666667e-06,
      "loss": 0.4234,
      "step": 1770
    },
    {
      "epoch": 8.87780548628429,
      "grad_norm": 1.4451056718826294,
      "learning_rate": 8.14e-06,
      "loss": 0.4427,
      "step": 1780
    },
    {
      "epoch": 8.927680798004987,
      "grad_norm": 1.3692457675933838,
      "learning_rate": 8.073333333333335e-06,
      "loss": 0.4394,
      "step": 1790
    },
    {
      "epoch": 8.977556109725686,
      "grad_norm": 1.4997522830963135,
      "learning_rate": 8.006666666666667e-06,
      "loss": 0.4299,
      "step": 1800
    },
    {
      "epoch": 8.997506234413965,
      "eval_loss": 0.4446782171726227,
      "eval_runtime": 57.956,
      "eval_samples_per_second": 17.306,
      "eval_steps_per_second": 3.468,
      "step": 1804
    },
    {
      "epoch": 9.027431421446384,
      "grad_norm": 1.4114794731140137,
      "learning_rate": 7.94e-06,
      "loss": 0.4409,
      "step": 1810
    },
    {
      "epoch": 9.077306733167083,
      "grad_norm": 1.2984321117401123,
      "learning_rate": 7.873333333333335e-06,
      "loss": 0.4091,
      "step": 1820
    },
    {
      "epoch": 9.12718204488778,
      "grad_norm": 1.3625205755233765,
      "learning_rate": 7.806666666666668e-06,
      "loss": 0.4224,
      "step": 1830
    },
    {
      "epoch": 9.17705735660848,
      "grad_norm": 1.4072176218032837,
      "learning_rate": 7.74e-06,
      "loss": 0.4416,
      "step": 1840
    },
    {
      "epoch": 9.226932668329177,
      "grad_norm": 1.2547061443328857,
      "learning_rate": 7.673333333333333e-06,
      "loss": 0.4228,
      "step": 1850
    },
    {
      "epoch": 9.276807980049876,
      "grad_norm": 1.5764844417572021,
      "learning_rate": 7.606666666666668e-06,
      "loss": 0.4346,
      "step": 1860
    },
    {
      "epoch": 9.326683291770573,
      "grad_norm": 1.4493110179901123,
      "learning_rate": 7.540000000000001e-06,
      "loss": 0.438,
      "step": 1870
    },
    {
      "epoch": 9.376558603491272,
      "grad_norm": 1.3886995315551758,
      "learning_rate": 7.4733333333333335e-06,
      "loss": 0.4282,
      "step": 1880
    },
    {
      "epoch": 9.42643391521197,
      "grad_norm": 1.5260852575302124,
      "learning_rate": 7.406666666666667e-06,
      "loss": 0.4267,
      "step": 1890
    },
    {
      "epoch": 9.476309226932669,
      "grad_norm": 1.7208826541900635,
      "learning_rate": 7.340000000000001e-06,
      "loss": 0.4195,
      "step": 1900
    },
    {
      "epoch": 9.526184538653366,
      "grad_norm": 1.3822261095046997,
      "learning_rate": 7.2733333333333346e-06,
      "loss": 0.4254,
      "step": 1910
    },
    {
      "epoch": 9.576059850374065,
      "grad_norm": 1.6141988039016724,
      "learning_rate": 7.206666666666667e-06,
      "loss": 0.4165,
      "step": 1920
    },
    {
      "epoch": 9.625935162094763,
      "grad_norm": 1.4055383205413818,
      "learning_rate": 7.14e-06,
      "loss": 0.4149,
      "step": 1930
    },
    {
      "epoch": 9.675810473815462,
      "grad_norm": 1.3142189979553223,
      "learning_rate": 7.073333333333334e-06,
      "loss": 0.4107,
      "step": 1940
    },
    {
      "epoch": 9.72568578553616,
      "grad_norm": 1.2457393407821655,
      "learning_rate": 7.006666666666667e-06,
      "loss": 0.4296,
      "step": 1950
    },
    {
      "epoch": 9.775561097256858,
      "grad_norm": 1.4622180461883545,
      "learning_rate": 6.9400000000000005e-06,
      "loss": 0.4422,
      "step": 1960
    },
    {
      "epoch": 9.825436408977556,
      "grad_norm": 1.4130418300628662,
      "learning_rate": 6.873333333333334e-06,
      "loss": 0.4317,
      "step": 1970
    },
    {
      "epoch": 9.875311720698255,
      "grad_norm": 1.311515212059021,
      "learning_rate": 6.806666666666667e-06,
      "loss": 0.4184,
      "step": 1980
    },
    {
      "epoch": 9.925187032418952,
      "grad_norm": 1.4601870775222778,
      "learning_rate": 6.740000000000001e-06,
      "loss": 0.4136,
      "step": 1990
    },
    {
      "epoch": 9.975062344139651,
      "grad_norm": 1.3348491191864014,
      "learning_rate": 6.6733333333333335e-06,
      "loss": 0.4409,
      "step": 2000
    },
    {
      "epoch": 10.0,
      "eval_loss": 0.44308173656463623,
      "eval_runtime": 57.9177,
      "eval_samples_per_second": 17.318,
      "eval_steps_per_second": 3.47,
      "step": 2005
    },
    {
      "epoch": 10.024937655860349,
      "grad_norm": 1.3334033489227295,
      "learning_rate": 6.606666666666666e-06,
      "loss": 0.4456,
      "step": 2010
    },
    {
      "epoch": 10.074812967581048,
      "grad_norm": 1.5118451118469238,
      "learning_rate": 6.540000000000001e-06,
      "loss": 0.4385,
      "step": 2020
    },
    {
      "epoch": 10.124688279301745,
      "grad_norm": 1.3644325733184814,
      "learning_rate": 6.473333333333334e-06,
      "loss": 0.4208,
      "step": 2030
    },
    {
      "epoch": 10.174563591022444,
      "grad_norm": 1.426771640777588,
      "learning_rate": 6.4066666666666674e-06,
      "loss": 0.4201,
      "step": 2040
    },
    {
      "epoch": 10.224438902743142,
      "grad_norm": 1.3023799657821655,
      "learning_rate": 6.34e-06,
      "loss": 0.4068,
      "step": 2050
    },
    {
      "epoch": 10.27431421446384,
      "grad_norm": 1.3506182432174683,
      "learning_rate": 6.273333333333333e-06,
      "loss": 0.4264,
      "step": 2060
    },
    {
      "epoch": 10.324189526184538,
      "grad_norm": 1.4448788166046143,
      "learning_rate": 6.206666666666668e-06,
      "loss": 0.4249,
      "step": 2070
    },
    {
      "epoch": 10.374064837905237,
      "grad_norm": 1.3727625608444214,
      "learning_rate": 6.1400000000000005e-06,
      "loss": 0.4351,
      "step": 2080
    },
    {
      "epoch": 10.423940149625935,
      "grad_norm": 1.512022614479065,
      "learning_rate": 6.073333333333333e-06,
      "loss": 0.4332,
      "step": 2090
    },
    {
      "epoch": 10.473815461346634,
      "grad_norm": 1.305282473564148,
      "learning_rate": 6.006666666666667e-06,
      "loss": 0.4248,
      "step": 2100
    },
    {
      "epoch": 10.523690773067331,
      "grad_norm": 1.4088374376296997,
      "learning_rate": 5.94e-06,
      "loss": 0.4323,
      "step": 2110
    },
    {
      "epoch": 10.57356608478803,
      "grad_norm": 1.4796631336212158,
      "learning_rate": 5.873333333333334e-06,
      "loss": 0.4254,
      "step": 2120
    },
    {
      "epoch": 10.623441396508728,
      "grad_norm": 1.556593418121338,
      "learning_rate": 5.806666666666667e-06,
      "loss": 0.4117,
      "step": 2130
    },
    {
      "epoch": 10.673316708229427,
      "grad_norm": 1.3857340812683105,
      "learning_rate": 5.74e-06,
      "loss": 0.4241,
      "step": 2140
    },
    {
      "epoch": 10.723192019950124,
      "grad_norm": 1.6449425220489502,
      "learning_rate": 5.673333333333334e-06,
      "loss": 0.4144,
      "step": 2150
    },
    {
      "epoch": 10.773067331670823,
      "grad_norm": 1.8624916076660156,
      "learning_rate": 5.606666666666667e-06,
      "loss": 0.4239,
      "step": 2160
    },
    {
      "epoch": 10.82294264339152,
      "grad_norm": 1.3718584775924683,
      "learning_rate": 5.540000000000001e-06,
      "loss": 0.4081,
      "step": 2170
    },
    {
      "epoch": 10.87281795511222,
      "grad_norm": 1.4391957521438599,
      "learning_rate": 5.473333333333334e-06,
      "loss": 0.4195,
      "step": 2180
    },
    {
      "epoch": 10.922693266832917,
      "grad_norm": 1.6265774965286255,
      "learning_rate": 5.406666666666667e-06,
      "loss": 0.4446,
      "step": 2190
    },
    {
      "epoch": 10.972568578553616,
      "grad_norm": 1.5026485919952393,
      "learning_rate": 5.3400000000000005e-06,
      "loss": 0.4229,
      "step": 2200
    },
    {
      "epoch": 10.997506234413965,
      "eval_loss": 0.44174298644065857,
      "eval_runtime": 57.9098,
      "eval_samples_per_second": 17.32,
      "eval_steps_per_second": 3.471,
      "step": 2205
    },
    {
      "epoch": 11.022443890274314,
      "grad_norm": 1.452600121498108,
      "learning_rate": 5.273333333333333e-06,
      "loss": 0.4326,
      "step": 2210
    },
    {
      "epoch": 11.072319201995013,
      "grad_norm": 1.3822201490402222,
      "learning_rate": 5.206666666666668e-06,
      "loss": 0.4264,
      "step": 2220
    },
    {
      "epoch": 11.12219451371571,
      "grad_norm": 1.468363642692566,
      "learning_rate": 5.140000000000001e-06,
      "loss": 0.4078,
      "step": 2230
    },
    {
      "epoch": 11.17206982543641,
      "grad_norm": 1.495955467224121,
      "learning_rate": 5.073333333333334e-06,
      "loss": 0.4173,
      "step": 2240
    },
    {
      "epoch": 11.221945137157107,
      "grad_norm": 1.441292405128479,
      "learning_rate": 5.006666666666667e-06,
      "loss": 0.415,
      "step": 2250
    },
    {
      "epoch": 11.271820448877806,
      "grad_norm": 1.421720266342163,
      "learning_rate": 4.94e-06,
      "loss": 0.4126,
      "step": 2260
    },
    {
      "epoch": 11.321695760598503,
      "grad_norm": 1.2590454816818237,
      "learning_rate": 4.873333333333334e-06,
      "loss": 0.4193,
      "step": 2270
    },
    {
      "epoch": 11.371571072319203,
      "grad_norm": 1.48396897315979,
      "learning_rate": 4.8066666666666675e-06,
      "loss": 0.4266,
      "step": 2280
    },
    {
      "epoch": 11.4214463840399,
      "grad_norm": 1.3837693929672241,
      "learning_rate": 4.74e-06,
      "loss": 0.4199,
      "step": 2290
    },
    {
      "epoch": 11.471321695760599,
      "grad_norm": 1.5965029001235962,
      "learning_rate": 4.673333333333333e-06,
      "loss": 0.4148,
      "step": 2300
    },
    {
      "epoch": 11.521197007481296,
      "grad_norm": 1.4824038743972778,
      "learning_rate": 4.606666666666667e-06,
      "loss": 0.4369,
      "step": 2310
    },
    {
      "epoch": 11.571072319201996,
      "grad_norm": 1.4421814680099487,
      "learning_rate": 4.540000000000001e-06,
      "loss": 0.4182,
      "step": 2320
    },
    {
      "epoch": 11.620947630922693,
      "grad_norm": 1.4961748123168945,
      "learning_rate": 4.473333333333334e-06,
      "loss": 0.4117,
      "step": 2330
    },
    {
      "epoch": 11.670822942643392,
      "grad_norm": 1.63477623462677,
      "learning_rate": 4.406666666666667e-06,
      "loss": 0.4237,
      "step": 2340
    },
    {
      "epoch": 11.72069825436409,
      "grad_norm": 1.6593093872070312,
      "learning_rate": 4.34e-06,
      "loss": 0.4279,
      "step": 2350
    },
    {
      "epoch": 11.770573566084789,
      "grad_norm": 1.5250682830810547,
      "learning_rate": 4.273333333333334e-06,
      "loss": 0.4264,
      "step": 2360
    },
    {
      "epoch": 11.820448877805486,
      "grad_norm": 1.5515984296798706,
      "learning_rate": 4.206666666666667e-06,
      "loss": 0.4341,
      "step": 2370
    },
    {
      "epoch": 11.870324189526185,
      "grad_norm": 1.6062873601913452,
      "learning_rate": 4.14e-06,
      "loss": 0.4247,
      "step": 2380
    },
    {
      "epoch": 11.920199501246882,
      "grad_norm": 1.760644793510437,
      "learning_rate": 4.073333333333334e-06,
      "loss": 0.4417,
      "step": 2390
    },
    {
      "epoch": 11.970074812967582,
      "grad_norm": 1.2911533117294312,
      "learning_rate": 4.006666666666667e-06,
      "loss": 0.4159,
      "step": 2400
    },
    {
      "epoch": 12.0,
      "eval_loss": 0.44075635075569153,
      "eval_runtime": 57.9093,
      "eval_samples_per_second": 17.32,
      "eval_steps_per_second": 3.471,
      "step": 2406
    },
    {
      "epoch": 12.019950124688279,
      "grad_norm": 1.5172271728515625,
      "learning_rate": 3.94e-06,
      "loss": 0.437,
      "step": 2410
    },
    {
      "epoch": 12.069825436408978,
      "grad_norm": 1.4542344808578491,
      "learning_rate": 3.873333333333333e-06,
      "loss": 0.4314,
      "step": 2420
    },
    {
      "epoch": 12.119700748129675,
      "grad_norm": 1.4818074703216553,
      "learning_rate": 3.806666666666667e-06,
      "loss": 0.4184,
      "step": 2430
    },
    {
      "epoch": 12.169576059850375,
      "grad_norm": 1.4975398778915405,
      "learning_rate": 3.74e-06,
      "loss": 0.4087,
      "step": 2440
    },
    {
      "epoch": 12.219451371571072,
      "grad_norm": 1.3974961042404175,
      "learning_rate": 3.673333333333334e-06,
      "loss": 0.4135,
      "step": 2450
    },
    {
      "epoch": 12.269326683291771,
      "grad_norm": 1.6019673347473145,
      "learning_rate": 3.606666666666667e-06,
      "loss": 0.4238,
      "step": 2460
    },
    {
      "epoch": 12.319201995012468,
      "grad_norm": 1.7037951946258545,
      "learning_rate": 3.54e-06,
      "loss": 0.4218,
      "step": 2470
    },
    {
      "epoch": 12.369077306733168,
      "grad_norm": 1.5602372884750366,
      "learning_rate": 3.4733333333333337e-06,
      "loss": 0.4192,
      "step": 2480
    },
    {
      "epoch": 12.418952618453865,
      "grad_norm": 1.391041874885559,
      "learning_rate": 3.406666666666667e-06,
      "loss": 0.414,
      "step": 2490
    },
    {
      "epoch": 12.468827930174564,
      "grad_norm": 1.5659008026123047,
      "learning_rate": 3.3400000000000006e-06,
      "loss": 0.4251,
      "step": 2500
    },
    {
      "epoch": 12.518703241895262,
      "grad_norm": 1.4149389266967773,
      "learning_rate": 3.2733333333333335e-06,
      "loss": 0.4299,
      "step": 2510
    },
    {
      "epoch": 12.56857855361596,
      "grad_norm": 1.5269657373428345,
      "learning_rate": 3.2066666666666667e-06,
      "loss": 0.4355,
      "step": 2520
    },
    {
      "epoch": 12.618453865336658,
      "grad_norm": 1.6707123517990112,
      "learning_rate": 3.1400000000000004e-06,
      "loss": 0.4282,
      "step": 2530
    },
    {
      "epoch": 12.668329177057357,
      "grad_norm": 1.3647090196609497,
      "learning_rate": 3.0733333333333337e-06,
      "loss": 0.3994,
      "step": 2540
    },
    {
      "epoch": 12.718204488778055,
      "grad_norm": 1.4243894815444946,
      "learning_rate": 3.0066666666666674e-06,
      "loss": 0.4181,
      "step": 2550
    },
    {
      "epoch": 12.768079800498754,
      "grad_norm": 1.3579431772232056,
      "learning_rate": 2.9400000000000002e-06,
      "loss": 0.4251,
      "step": 2560
    },
    {
      "epoch": 12.817955112219451,
      "grad_norm": 1.6759490966796875,
      "learning_rate": 2.8733333333333335e-06,
      "loss": 0.4143,
      "step": 2570
    },
    {
      "epoch": 12.86783042394015,
      "grad_norm": 1.5581449270248413,
      "learning_rate": 2.806666666666667e-06,
      "loss": 0.4083,
      "step": 2580
    },
    {
      "epoch": 12.917705735660848,
      "grad_norm": 1.607188105583191,
      "learning_rate": 2.7400000000000004e-06,
      "loss": 0.4236,
      "step": 2590
    },
    {
      "epoch": 12.967581047381547,
      "grad_norm": 1.3592510223388672,
      "learning_rate": 2.6733333333333333e-06,
      "loss": 0.4108,
      "step": 2600
    },
    {
      "epoch": 12.997506234413965,
      "eval_loss": 0.44020339846611023,
      "eval_runtime": 57.8997,
      "eval_samples_per_second": 17.323,
      "eval_steps_per_second": 3.472,
      "step": 2606
    },
    {
      "epoch": 13.017456359102244,
      "grad_norm": 1.461461067199707,
      "learning_rate": 2.606666666666667e-06,
      "loss": 0.4439,
      "step": 2610
    },
    {
      "epoch": 13.067331670822943,
      "grad_norm": 1.40589439868927,
      "learning_rate": 2.5400000000000002e-06,
      "loss": 0.4057,
      "step": 2620
    },
    {
      "epoch": 13.11720698254364,
      "grad_norm": 1.665216088294983,
      "learning_rate": 2.4733333333333335e-06,
      "loss": 0.4053,
      "step": 2630
    },
    {
      "epoch": 13.16708229426434,
      "grad_norm": 1.4636025428771973,
      "learning_rate": 2.4066666666666668e-06,
      "loss": 0.4199,
      "step": 2640
    },
    {
      "epoch": 13.216957605985037,
      "grad_norm": 1.4638257026672363,
      "learning_rate": 2.3400000000000005e-06,
      "loss": 0.4062,
      "step": 2650
    },
    {
      "epoch": 13.266832917705736,
      "grad_norm": 1.4565849304199219,
      "learning_rate": 2.2733333333333333e-06,
      "loss": 0.4354,
      "step": 2660
    },
    {
      "epoch": 13.316708229426434,
      "grad_norm": 1.4819647073745728,
      "learning_rate": 2.206666666666667e-06,
      "loss": 0.4088,
      "step": 2670
    },
    {
      "epoch": 13.366583541147133,
      "grad_norm": 1.5023897886276245,
      "learning_rate": 2.1400000000000003e-06,
      "loss": 0.4313,
      "step": 2680
    },
    {
      "epoch": 13.41645885286783,
      "grad_norm": 1.4261906147003174,
      "learning_rate": 2.0733333333333335e-06,
      "loss": 0.4179,
      "step": 2690
    },
    {
      "epoch": 13.46633416458853,
      "grad_norm": 1.6513773202896118,
      "learning_rate": 2.006666666666667e-06,
      "loss": 0.4341,
      "step": 2700
    },
    {
      "epoch": 13.516209476309227,
      "grad_norm": 1.6153149604797363,
      "learning_rate": 1.94e-06,
      "loss": 0.4231,
      "step": 2710
    },
    {
      "epoch": 13.566084788029926,
      "grad_norm": 1.6202324628829956,
      "learning_rate": 1.8733333333333333e-06,
      "loss": 0.4173,
      "step": 2720
    },
    {
      "epoch": 13.615960099750623,
      "grad_norm": 1.2559431791305542,
      "learning_rate": 1.8066666666666668e-06,
      "loss": 0.4238,
      "step": 2730
    },
    {
      "epoch": 13.665835411471322,
      "grad_norm": 1.3010227680206299,
      "learning_rate": 1.74e-06,
      "loss": 0.4287,
      "step": 2740
    },
    {
      "epoch": 13.71571072319202,
      "grad_norm": 1.432409644126892,
      "learning_rate": 1.6733333333333335e-06,
      "loss": 0.4143,
      "step": 2750
    },
    {
      "epoch": 13.765586034912719,
      "grad_norm": 1.4686477184295654,
      "learning_rate": 1.606666666666667e-06,
      "loss": 0.4192,
      "step": 2760
    },
    {
      "epoch": 13.815461346633416,
      "grad_norm": 1.526962161064148,
      "learning_rate": 1.54e-06,
      "loss": 0.4199,
      "step": 2770
    },
    {
      "epoch": 13.865336658354115,
      "grad_norm": 1.5790767669677734,
      "learning_rate": 1.4733333333333336e-06,
      "loss": 0.4089,
      "step": 2780
    },
    {
      "epoch": 13.915211970074813,
      "grad_norm": 1.4289913177490234,
      "learning_rate": 1.4066666666666668e-06,
      "loss": 0.4195,
      "step": 2790
    },
    {
      "epoch": 13.965087281795512,
      "grad_norm": 1.613978624343872,
      "learning_rate": 1.34e-06,
      "loss": 0.4279,
      "step": 2800
    },
    {
      "epoch": 14.0,
      "eval_loss": 0.439765065908432,
      "eval_runtime": 57.9105,
      "eval_samples_per_second": 17.32,
      "eval_steps_per_second": 3.471,
      "step": 2807
    },
    {
      "epoch": 14.01496259351621,
      "grad_norm": 1.4722168445587158,
      "learning_rate": 1.2733333333333334e-06,
      "loss": 0.445,
      "step": 2810
    },
    {
      "epoch": 14.064837905236908,
      "grad_norm": 1.6725043058395386,
      "learning_rate": 1.2066666666666668e-06,
      "loss": 0.4313,
      "step": 2820
    },
    {
      "epoch": 14.114713216957606,
      "grad_norm": 1.4227081537246704,
      "learning_rate": 1.14e-06,
      "loss": 0.4181,
      "step": 2830
    },
    {
      "epoch": 14.164588528678305,
      "grad_norm": 1.5610967874526978,
      "learning_rate": 1.0733333333333334e-06,
      "loss": 0.4229,
      "step": 2840
    },
    {
      "epoch": 14.214463840399002,
      "grad_norm": 1.520051121711731,
      "learning_rate": 1.0066666666666668e-06,
      "loss": 0.4301,
      "step": 2850
    },
    {
      "epoch": 14.264339152119701,
      "grad_norm": 1.4826945066452026,
      "learning_rate": 9.400000000000001e-07,
      "loss": 0.443,
      "step": 2860
    },
    {
      "epoch": 14.314214463840399,
      "grad_norm": 1.6496617794036865,
      "learning_rate": 8.733333333333334e-07,
      "loss": 0.4109,
      "step": 2870
    },
    {
      "epoch": 14.364089775561098,
      "grad_norm": 1.472607135772705,
      "learning_rate": 8.066666666666667e-07,
      "loss": 0.4075,
      "step": 2880
    },
    {
      "epoch": 14.413965087281795,
      "grad_norm": 1.4754953384399414,
      "learning_rate": 7.4e-07,
      "loss": 0.4257,
      "step": 2890
    },
    {
      "epoch": 14.463840399002494,
      "grad_norm": 1.6782726049423218,
      "learning_rate": 6.733333333333334e-07,
      "loss": 0.4099,
      "step": 2900
    },
    {
      "epoch": 14.513715710723192,
      "grad_norm": 1.4635963439941406,
      "learning_rate": 6.066666666666668e-07,
      "loss": 0.3977,
      "step": 2910
    },
    {
      "epoch": 14.563591022443891,
      "grad_norm": 1.5924144983291626,
      "learning_rate": 5.4e-07,
      "loss": 0.4181,
      "step": 2920
    },
    {
      "epoch": 14.613466334164588,
      "grad_norm": 1.346475601196289,
      "learning_rate": 4.7333333333333334e-07,
      "loss": 0.4132,
      "step": 2930
    },
    {
      "epoch": 14.663341645885287,
      "grad_norm": 1.4001176357269287,
      "learning_rate": 4.0666666666666666e-07,
      "loss": 0.4007,
      "step": 2940
    },
    {
      "epoch": 14.713216957605985,
      "grad_norm": 1.6243798732757568,
      "learning_rate": 3.4000000000000003e-07,
      "loss": 0.4332,
      "step": 2950
    },
    {
      "epoch": 14.763092269326684,
      "grad_norm": 1.5413304567337036,
      "learning_rate": 2.7333333333333335e-07,
      "loss": 0.4083,
      "step": 2960
    },
    {
      "epoch": 14.812967581047381,
      "grad_norm": 1.4332594871520996,
      "learning_rate": 2.066666666666667e-07,
      "loss": 0.4206,
      "step": 2970
    },
    {
      "epoch": 14.86284289276808,
      "grad_norm": 1.4844541549682617,
      "learning_rate": 1.4e-07,
      "loss": 0.4285,
      "step": 2980
    },
    {
      "epoch": 14.912718204488778,
      "grad_norm": 1.471591830253601,
      "learning_rate": 7.333333333333334e-08,
      "loss": 0.4118,
      "step": 2990
    },
    {
      "epoch": 14.962593516209477,
      "grad_norm": 1.3903006315231323,
      "learning_rate": 6.666666666666667e-09,
      "loss": 0.4145,
      "step": 3000
    }
  ],
  "logging_steps": 10,
  "max_steps": 3000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 15,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 4.48818315264e+16,
  "train_batch_size": 5,
  "trial_name": null,
  "trial_params": null
}