pepoo20 commited on
Commit
cefa398
·
verified ·
1 Parent(s): ea1d94e

Upload lora/trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. lora/trainer_state.json +2283 -0
lora/trainer_state.json ADDED
@@ -0,0 +1,2283 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.44520583748817444,
3
+ "best_model_checkpoint": "saves/Orca/lora/checkpoint-3000",
4
+ "epoch": 0.9998413957176844,
5
+ "eval_steps": 500,
6
+ "global_step": 3152,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0031720856463124504,
13
+ "grad_norm": 0.8383375406265259,
14
+ "learning_rate": 5.000000000000001e-07,
15
+ "loss": 2.0081,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.006344171292624901,
20
+ "grad_norm": 0.9924185276031494,
21
+ "learning_rate": 1.0000000000000002e-06,
22
+ "loss": 2.0141,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.00951625693893735,
27
+ "grad_norm": 1.7123312950134277,
28
+ "learning_rate": 1.5e-06,
29
+ "loss": 2.0134,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.012688342585249802,
34
+ "grad_norm": 1.6002644300460815,
35
+ "learning_rate": 2.0000000000000003e-06,
36
+ "loss": 1.9886,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.01586042823156225,
41
+ "grad_norm": 1.4284940958023071,
42
+ "learning_rate": 2.5e-06,
43
+ "loss": 1.9963,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.0190325138778747,
48
+ "grad_norm": 1.9293030500411987,
49
+ "learning_rate": 3e-06,
50
+ "loss": 1.9858,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.022204599524187154,
55
+ "grad_norm": 1.8281705379486084,
56
+ "learning_rate": 3.5000000000000004e-06,
57
+ "loss": 1.9608,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.025376685170499604,
62
+ "grad_norm": 1.8404144048690796,
63
+ "learning_rate": 4.000000000000001e-06,
64
+ "loss": 1.9317,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.028548770816812053,
69
+ "grad_norm": 1.8080644607543945,
70
+ "learning_rate": 4.5e-06,
71
+ "loss": 1.8928,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.0317208564631245,
76
+ "grad_norm": 1.4789849519729614,
77
+ "learning_rate": 5e-06,
78
+ "loss": 1.8453,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.034892942109436956,
83
+ "grad_norm": 2.3675060272216797,
84
+ "learning_rate": 5.500000000000001e-06,
85
+ "loss": 1.7683,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.0380650277557494,
90
+ "grad_norm": 6.9262309074401855,
91
+ "learning_rate": 6e-06,
92
+ "loss": 1.6648,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.041237113402061855,
97
+ "grad_norm": 1.5342968702316284,
98
+ "learning_rate": 6.5000000000000004e-06,
99
+ "loss": 1.5507,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.04440919904837431,
104
+ "grad_norm": 1.7138350009918213,
105
+ "learning_rate": 7.000000000000001e-06,
106
+ "loss": 1.4388,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.047581284694686754,
111
+ "grad_norm": 0.9868146181106567,
112
+ "learning_rate": 7.5e-06,
113
+ "loss": 1.3484,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.05075337034099921,
118
+ "grad_norm": 0.649817705154419,
119
+ "learning_rate": 8.000000000000001e-06,
120
+ "loss": 1.2671,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.05392545598731166,
125
+ "grad_norm": 0.5127522945404053,
126
+ "learning_rate": 8.500000000000002e-06,
127
+ "loss": 1.19,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.057097541633624106,
132
+ "grad_norm": 0.43639031052589417,
133
+ "learning_rate": 9e-06,
134
+ "loss": 1.1479,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.06026962727993656,
139
+ "grad_norm": 0.31427648663520813,
140
+ "learning_rate": 9.5e-06,
141
+ "loss": 1.0992,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.063441712926249,
146
+ "grad_norm": 0.2897365689277649,
147
+ "learning_rate": 1e-05,
148
+ "loss": 1.0673,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.06661379857256146,
153
+ "grad_norm": 0.43495845794677734,
154
+ "learning_rate": 1.05e-05,
155
+ "loss": 1.0399,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.06978588421887391,
160
+ "grad_norm": 0.2536582946777344,
161
+ "learning_rate": 1.1000000000000001e-05,
162
+ "loss": 1.0043,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.07295796986518636,
167
+ "grad_norm": 0.3480685353279114,
168
+ "learning_rate": 1.1500000000000002e-05,
169
+ "loss": 0.9747,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.0761300555114988,
174
+ "grad_norm": 0.25048044323921204,
175
+ "learning_rate": 1.2e-05,
176
+ "loss": 0.9477,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.07930214115781126,
181
+ "grad_norm": 0.31881338357925415,
182
+ "learning_rate": 1.25e-05,
183
+ "loss": 0.9099,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.08247422680412371,
188
+ "grad_norm": 0.25372961163520813,
189
+ "learning_rate": 1.3000000000000001e-05,
190
+ "loss": 0.8661,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.08564631245043616,
195
+ "grad_norm": 0.2892467975616455,
196
+ "learning_rate": 1.3500000000000001e-05,
197
+ "loss": 0.8306,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.08881839809674862,
202
+ "grad_norm": 0.265289306640625,
203
+ "learning_rate": 1.4000000000000001e-05,
204
+ "loss": 0.79,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.09199048374306107,
209
+ "grad_norm": 0.2384192794561386,
210
+ "learning_rate": 1.45e-05,
211
+ "loss": 0.7414,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.09516256938937351,
216
+ "grad_norm": 0.2318211942911148,
217
+ "learning_rate": 1.5e-05,
218
+ "loss": 0.6994,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.09833465503568596,
223
+ "grad_norm": 0.22584764659404755,
224
+ "learning_rate": 1.55e-05,
225
+ "loss": 0.6663,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.10150674068199841,
230
+ "grad_norm": 0.2281956821680069,
231
+ "learning_rate": 1.6000000000000003e-05,
232
+ "loss": 0.6366,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.10467882632831087,
237
+ "grad_norm": 0.23853954672813416,
238
+ "learning_rate": 1.65e-05,
239
+ "loss": 0.6105,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.10785091197462332,
244
+ "grad_norm": 0.2249988317489624,
245
+ "learning_rate": 1.7000000000000003e-05,
246
+ "loss": 0.5923,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.11102299762093576,
251
+ "grad_norm": 0.22325117886066437,
252
+ "learning_rate": 1.75e-05,
253
+ "loss": 0.5782,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.11419508326724821,
258
+ "grad_norm": 0.26995840668678284,
259
+ "learning_rate": 1.8e-05,
260
+ "loss": 0.5588,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.11736716891356067,
265
+ "grad_norm": 0.3128603994846344,
266
+ "learning_rate": 1.85e-05,
267
+ "loss": 0.5539,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.12053925455987312,
272
+ "grad_norm": 0.2401484102010727,
273
+ "learning_rate": 1.9e-05,
274
+ "loss": 0.5463,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.12371134020618557,
279
+ "grad_norm": 0.252087265253067,
280
+ "learning_rate": 1.9500000000000003e-05,
281
+ "loss": 0.5396,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.126883425852498,
286
+ "grad_norm": 0.3551071286201477,
287
+ "learning_rate": 2e-05,
288
+ "loss": 0.5293,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.13005551149881048,
293
+ "grad_norm": 0.2852734625339508,
294
+ "learning_rate": 2.05e-05,
295
+ "loss": 0.5327,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.13322759714512292,
300
+ "grad_norm": 0.25599339604377747,
301
+ "learning_rate": 2.1e-05,
302
+ "loss": 0.5215,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.13639968279143536,
307
+ "grad_norm": 0.2308124303817749,
308
+ "learning_rate": 2.15e-05,
309
+ "loss": 0.5179,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.13957176843774782,
314
+ "grad_norm": 0.28417715430259705,
315
+ "learning_rate": 2.2000000000000003e-05,
316
+ "loss": 0.5122,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.14274385408406026,
321
+ "grad_norm": 0.32094892859458923,
322
+ "learning_rate": 2.25e-05,
323
+ "loss": 0.5078,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.14591593973037273,
328
+ "grad_norm": 0.28217512369155884,
329
+ "learning_rate": 2.3000000000000003e-05,
330
+ "loss": 0.5064,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.14908802537668517,
335
+ "grad_norm": 0.3319534659385681,
336
+ "learning_rate": 2.35e-05,
337
+ "loss": 0.5056,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.1522601110229976,
342
+ "grad_norm": 0.35069146752357483,
343
+ "learning_rate": 2.4e-05,
344
+ "loss": 0.5001,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.15543219666931007,
349
+ "grad_norm": 0.2778172492980957,
350
+ "learning_rate": 2.45e-05,
351
+ "loss": 0.4994,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.1586042823156225,
356
+ "grad_norm": 0.2950364053249359,
357
+ "learning_rate": 2.5e-05,
358
+ "loss": 0.5009,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.1586042823156225,
363
+ "eval_loss": 0.49637770652770996,
364
+ "eval_runtime": 23627.0877,
365
+ "eval_samples_per_second": 0.044,
366
+ "eval_steps_per_second": 0.022,
367
+ "step": 500
368
+ },
369
+ {
370
+ "epoch": 0.16177636796193498,
371
+ "grad_norm": 0.26569539308547974,
372
+ "learning_rate": 2.5500000000000003e-05,
373
+ "loss": 0.4978,
374
+ "step": 510
375
+ },
376
+ {
377
+ "epoch": 0.16494845360824742,
378
+ "grad_norm": 0.26948851346969604,
379
+ "learning_rate": 2.6000000000000002e-05,
380
+ "loss": 0.4926,
381
+ "step": 520
382
+ },
383
+ {
384
+ "epoch": 0.1681205392545599,
385
+ "grad_norm": 0.29083552956581116,
386
+ "learning_rate": 2.6500000000000004e-05,
387
+ "loss": 0.4893,
388
+ "step": 530
389
+ },
390
+ {
391
+ "epoch": 0.17129262490087233,
392
+ "grad_norm": 0.2939367890357971,
393
+ "learning_rate": 2.7000000000000002e-05,
394
+ "loss": 0.491,
395
+ "step": 540
396
+ },
397
+ {
398
+ "epoch": 0.17446471054718476,
399
+ "grad_norm": 0.28195658326148987,
400
+ "learning_rate": 2.7500000000000004e-05,
401
+ "loss": 0.4865,
402
+ "step": 550
403
+ },
404
+ {
405
+ "epoch": 0.17763679619349723,
406
+ "grad_norm": 0.2827642858028412,
407
+ "learning_rate": 2.8000000000000003e-05,
408
+ "loss": 0.4851,
409
+ "step": 560
410
+ },
411
+ {
412
+ "epoch": 0.18080888183980967,
413
+ "grad_norm": 0.2715272605419159,
414
+ "learning_rate": 2.8499999999999998e-05,
415
+ "loss": 0.4833,
416
+ "step": 570
417
+ },
418
+ {
419
+ "epoch": 0.18398096748612214,
420
+ "grad_norm": 0.30428314208984375,
421
+ "learning_rate": 2.9e-05,
422
+ "loss": 0.4834,
423
+ "step": 580
424
+ },
425
+ {
426
+ "epoch": 0.18715305313243458,
427
+ "grad_norm": 0.2857949435710907,
428
+ "learning_rate": 2.95e-05,
429
+ "loss": 0.4796,
430
+ "step": 590
431
+ },
432
+ {
433
+ "epoch": 0.19032513877874702,
434
+ "grad_norm": 0.302212655544281,
435
+ "learning_rate": 3e-05,
436
+ "loss": 0.4826,
437
+ "step": 600
438
+ },
439
+ {
440
+ "epoch": 0.19349722442505948,
441
+ "grad_norm": 0.34079357981681824,
442
+ "learning_rate": 3.05e-05,
443
+ "loss": 0.4826,
444
+ "step": 610
445
+ },
446
+ {
447
+ "epoch": 0.19666931007137192,
448
+ "grad_norm": 0.3239024877548218,
449
+ "learning_rate": 3.1e-05,
450
+ "loss": 0.4804,
451
+ "step": 620
452
+ },
453
+ {
454
+ "epoch": 0.1998413957176844,
455
+ "grad_norm": 0.36531686782836914,
456
+ "learning_rate": 3.15e-05,
457
+ "loss": 0.4782,
458
+ "step": 630
459
+ },
460
+ {
461
+ "epoch": 0.20301348136399683,
462
+ "grad_norm": 0.3582271337509155,
463
+ "learning_rate": 3.2000000000000005e-05,
464
+ "loss": 0.4784,
465
+ "step": 640
466
+ },
467
+ {
468
+ "epoch": 0.20618556701030927,
469
+ "grad_norm": 0.3250937759876251,
470
+ "learning_rate": 3.2500000000000004e-05,
471
+ "loss": 0.4716,
472
+ "step": 650
473
+ },
474
+ {
475
+ "epoch": 0.20935765265662173,
476
+ "grad_norm": 0.28494277596473694,
477
+ "learning_rate": 3.3e-05,
478
+ "loss": 0.4764,
479
+ "step": 660
480
+ },
481
+ {
482
+ "epoch": 0.21252973830293417,
483
+ "grad_norm": 0.3156846761703491,
484
+ "learning_rate": 3.35e-05,
485
+ "loss": 0.4742,
486
+ "step": 670
487
+ },
488
+ {
489
+ "epoch": 0.21570182394924664,
490
+ "grad_norm": 0.27053794264793396,
491
+ "learning_rate": 3.4000000000000007e-05,
492
+ "loss": 0.4765,
493
+ "step": 680
494
+ },
495
+ {
496
+ "epoch": 0.21887390959555908,
497
+ "grad_norm": 0.31487756967544556,
498
+ "learning_rate": 3.45e-05,
499
+ "loss": 0.4749,
500
+ "step": 690
501
+ },
502
+ {
503
+ "epoch": 0.22204599524187152,
504
+ "grad_norm": 0.2739400267601013,
505
+ "learning_rate": 3.5e-05,
506
+ "loss": 0.4693,
507
+ "step": 700
508
+ },
509
+ {
510
+ "epoch": 0.22521808088818399,
511
+ "grad_norm": 0.2924807369709015,
512
+ "learning_rate": 3.55e-05,
513
+ "loss": 0.4697,
514
+ "step": 710
515
+ },
516
+ {
517
+ "epoch": 0.22839016653449642,
518
+ "grad_norm": 0.27241086959838867,
519
+ "learning_rate": 3.6e-05,
520
+ "loss": 0.4711,
521
+ "step": 720
522
+ },
523
+ {
524
+ "epoch": 0.2315622521808089,
525
+ "grad_norm": 0.249298095703125,
526
+ "learning_rate": 3.65e-05,
527
+ "loss": 0.4748,
528
+ "step": 730
529
+ },
530
+ {
531
+ "epoch": 0.23473433782712133,
532
+ "grad_norm": 0.33761996030807495,
533
+ "learning_rate": 3.7e-05,
534
+ "loss": 0.4692,
535
+ "step": 740
536
+ },
537
+ {
538
+ "epoch": 0.23790642347343377,
539
+ "grad_norm": 0.3454744517803192,
540
+ "learning_rate": 3.7500000000000003e-05,
541
+ "loss": 0.4691,
542
+ "step": 750
543
+ },
544
+ {
545
+ "epoch": 0.24107850911974624,
546
+ "grad_norm": 0.3940749168395996,
547
+ "learning_rate": 3.8e-05,
548
+ "loss": 0.4694,
549
+ "step": 760
550
+ },
551
+ {
552
+ "epoch": 0.24425059476605868,
553
+ "grad_norm": 0.2833056151866913,
554
+ "learning_rate": 3.85e-05,
555
+ "loss": 0.4651,
556
+ "step": 770
557
+ },
558
+ {
559
+ "epoch": 0.24742268041237114,
560
+ "grad_norm": 0.3439841866493225,
561
+ "learning_rate": 3.9000000000000006e-05,
562
+ "loss": 0.4718,
563
+ "step": 780
564
+ },
565
+ {
566
+ "epoch": 0.2505947660586836,
567
+ "grad_norm": 0.28585824370384216,
568
+ "learning_rate": 3.9500000000000005e-05,
569
+ "loss": 0.4678,
570
+ "step": 790
571
+ },
572
+ {
573
+ "epoch": 0.253766851704996,
574
+ "grad_norm": 0.2761208415031433,
575
+ "learning_rate": 4e-05,
576
+ "loss": 0.4672,
577
+ "step": 800
578
+ },
579
+ {
580
+ "epoch": 0.25693893735130846,
581
+ "grad_norm": 0.287431538105011,
582
+ "learning_rate": 4.05e-05,
583
+ "loss": 0.4654,
584
+ "step": 810
585
+ },
586
+ {
587
+ "epoch": 0.26011102299762096,
588
+ "grad_norm": 0.2529178261756897,
589
+ "learning_rate": 4.1e-05,
590
+ "loss": 0.4658,
591
+ "step": 820
592
+ },
593
+ {
594
+ "epoch": 0.2632831086439334,
595
+ "grad_norm": 0.22234879434108734,
596
+ "learning_rate": 4.15e-05,
597
+ "loss": 0.467,
598
+ "step": 830
599
+ },
600
+ {
601
+ "epoch": 0.26645519429024583,
602
+ "grad_norm": 0.2847014367580414,
603
+ "learning_rate": 4.2e-05,
604
+ "loss": 0.4643,
605
+ "step": 840
606
+ },
607
+ {
608
+ "epoch": 0.2696272799365583,
609
+ "grad_norm": 0.27712419629096985,
610
+ "learning_rate": 4.25e-05,
611
+ "loss": 0.4604,
612
+ "step": 850
613
+ },
614
+ {
615
+ "epoch": 0.2727993655828707,
616
+ "grad_norm": 0.24886064231395721,
617
+ "learning_rate": 4.3e-05,
618
+ "loss": 0.4657,
619
+ "step": 860
620
+ },
621
+ {
622
+ "epoch": 0.2759714512291832,
623
+ "grad_norm": 0.3196752369403839,
624
+ "learning_rate": 4.35e-05,
625
+ "loss": 0.4652,
626
+ "step": 870
627
+ },
628
+ {
629
+ "epoch": 0.27914353687549565,
630
+ "grad_norm": 0.27527421712875366,
631
+ "learning_rate": 4.4000000000000006e-05,
632
+ "loss": 0.4634,
633
+ "step": 880
634
+ },
635
+ {
636
+ "epoch": 0.2823156225218081,
637
+ "grad_norm": 0.26819467544555664,
638
+ "learning_rate": 4.4500000000000004e-05,
639
+ "loss": 0.4633,
640
+ "step": 890
641
+ },
642
+ {
643
+ "epoch": 0.2854877081681205,
644
+ "grad_norm": 0.26196032762527466,
645
+ "learning_rate": 4.5e-05,
646
+ "loss": 0.4656,
647
+ "step": 900
648
+ },
649
+ {
650
+ "epoch": 0.28865979381443296,
651
+ "grad_norm": 0.23337453603744507,
652
+ "learning_rate": 4.55e-05,
653
+ "loss": 0.4622,
654
+ "step": 910
655
+ },
656
+ {
657
+ "epoch": 0.29183187946074546,
658
+ "grad_norm": 0.2958989143371582,
659
+ "learning_rate": 4.600000000000001e-05,
660
+ "loss": 0.4627,
661
+ "step": 920
662
+ },
663
+ {
664
+ "epoch": 0.2950039651070579,
665
+ "grad_norm": 0.23167885839939117,
666
+ "learning_rate": 4.6500000000000005e-05,
667
+ "loss": 0.4636,
668
+ "step": 930
669
+ },
670
+ {
671
+ "epoch": 0.29817605075337034,
672
+ "grad_norm": 0.2608003318309784,
673
+ "learning_rate": 4.7e-05,
674
+ "loss": 0.4628,
675
+ "step": 940
676
+ },
677
+ {
678
+ "epoch": 0.3013481363996828,
679
+ "grad_norm": 0.2806340456008911,
680
+ "learning_rate": 4.75e-05,
681
+ "loss": 0.4624,
682
+ "step": 950
683
+ },
684
+ {
685
+ "epoch": 0.3045202220459952,
686
+ "grad_norm": 0.2206449806690216,
687
+ "learning_rate": 4.8e-05,
688
+ "loss": 0.4594,
689
+ "step": 960
690
+ },
691
+ {
692
+ "epoch": 0.3076923076923077,
693
+ "grad_norm": 0.2883213460445404,
694
+ "learning_rate": 4.85e-05,
695
+ "loss": 0.4612,
696
+ "step": 970
697
+ },
698
+ {
699
+ "epoch": 0.31086439333862015,
700
+ "grad_norm": 0.23365403711795807,
701
+ "learning_rate": 4.9e-05,
702
+ "loss": 0.463,
703
+ "step": 980
704
+ },
705
+ {
706
+ "epoch": 0.3140364789849326,
707
+ "grad_norm": 0.28844788670539856,
708
+ "learning_rate": 4.9500000000000004e-05,
709
+ "loss": 0.4612,
710
+ "step": 990
711
+ },
712
+ {
713
+ "epoch": 0.317208564631245,
714
+ "grad_norm": 0.26974356174468994,
715
+ "learning_rate": 5e-05,
716
+ "loss": 0.4641,
717
+ "step": 1000
718
+ },
719
+ {
720
+ "epoch": 0.317208564631245,
721
+ "eval_loss": 0.45910927653312683,
722
+ "eval_runtime": 419.1696,
723
+ "eval_samples_per_second": 2.457,
724
+ "eval_steps_per_second": 1.229,
725
+ "step": 1000
726
+ },
727
+ {
728
+ "epoch": 0.3203806502775575,
729
+ "grad_norm": 0.23146626353263855,
730
+ "learning_rate": 4.9997336102492574e-05,
731
+ "loss": 0.4583,
732
+ "step": 1010
733
+ },
734
+ {
735
+ "epoch": 0.32355273592386996,
736
+ "grad_norm": 0.24651704728603363,
737
+ "learning_rate": 4.9989344977678285e-05,
738
+ "loss": 0.461,
739
+ "step": 1020
740
+ },
741
+ {
742
+ "epoch": 0.3267248215701824,
743
+ "grad_norm": 0.2995850741863251,
744
+ "learning_rate": 4.997602832856013e-05,
745
+ "loss": 0.4583,
746
+ "step": 1030
747
+ },
748
+ {
749
+ "epoch": 0.32989690721649484,
750
+ "grad_norm": 0.2886098325252533,
751
+ "learning_rate": 4.995738899307319e-05,
752
+ "loss": 0.4565,
753
+ "step": 1040
754
+ },
755
+ {
756
+ "epoch": 0.3330689928628073,
757
+ "grad_norm": 0.2367076575756073,
758
+ "learning_rate": 4.99334309434798e-05,
759
+ "loss": 0.4598,
760
+ "step": 1050
761
+ },
762
+ {
763
+ "epoch": 0.3362410785091198,
764
+ "grad_norm": 0.29130271077156067,
765
+ "learning_rate": 4.990415928552305e-05,
766
+ "loss": 0.4564,
767
+ "step": 1060
768
+ },
769
+ {
770
+ "epoch": 0.3394131641554322,
771
+ "grad_norm": 0.23702391982078552,
772
+ "learning_rate": 4.9869580257338685e-05,
773
+ "loss": 0.4567,
774
+ "step": 1070
775
+ },
776
+ {
777
+ "epoch": 0.34258524980174465,
778
+ "grad_norm": 0.24812078475952148,
779
+ "learning_rate": 4.9829701228125655e-05,
780
+ "loss": 0.4587,
781
+ "step": 1080
782
+ },
783
+ {
784
+ "epoch": 0.3457573354480571,
785
+ "grad_norm": 0.2195880264043808,
786
+ "learning_rate": 4.9784530696575684e-05,
787
+ "loss": 0.4578,
788
+ "step": 1090
789
+ },
790
+ {
791
+ "epoch": 0.34892942109436953,
792
+ "grad_norm": 0.2531008720397949,
793
+ "learning_rate": 4.973407828906208e-05,
794
+ "loss": 0.4551,
795
+ "step": 1100
796
+ },
797
+ {
798
+ "epoch": 0.352101506740682,
799
+ "grad_norm": 0.2672252655029297,
800
+ "learning_rate": 4.967835475758825e-05,
801
+ "loss": 0.4596,
802
+ "step": 1110
803
+ },
804
+ {
805
+ "epoch": 0.35527359238699446,
806
+ "grad_norm": 0.2659941613674164,
807
+ "learning_rate": 4.961737197749633e-05,
808
+ "loss": 0.4536,
809
+ "step": 1120
810
+ },
811
+ {
812
+ "epoch": 0.3584456780333069,
813
+ "grad_norm": 0.2517182230949402,
814
+ "learning_rate": 4.955114294493639e-05,
815
+ "loss": 0.4579,
816
+ "step": 1130
817
+ },
818
+ {
819
+ "epoch": 0.36161776367961934,
820
+ "grad_norm": 0.2654310166835785,
821
+ "learning_rate": 4.947968177409681e-05,
822
+ "loss": 0.4548,
823
+ "step": 1140
824
+ },
825
+ {
826
+ "epoch": 0.3647898493259318,
827
+ "grad_norm": 0.36614441871643066,
828
+ "learning_rate": 4.940300369419637e-05,
829
+ "loss": 0.4575,
830
+ "step": 1150
831
+ },
832
+ {
833
+ "epoch": 0.3679619349722443,
834
+ "grad_norm": 0.2583513855934143,
835
+ "learning_rate": 4.9321125046238756e-05,
836
+ "loss": 0.4598,
837
+ "step": 1160
838
+ },
839
+ {
840
+ "epoch": 0.3711340206185567,
841
+ "grad_norm": 0.23981873691082,
842
+ "learning_rate": 4.923406327953008e-05,
843
+ "loss": 0.4546,
844
+ "step": 1170
845
+ },
846
+ {
847
+ "epoch": 0.37430610626486915,
848
+ "grad_norm": 0.23798957467079163,
849
+ "learning_rate": 4.9141836947960165e-05,
850
+ "loss": 0.458,
851
+ "step": 1180
852
+ },
853
+ {
854
+ "epoch": 0.3774781919111816,
855
+ "grad_norm": 0.2931083142757416,
856
+ "learning_rate": 4.904446570604863e-05,
857
+ "loss": 0.4543,
858
+ "step": 1190
859
+ },
860
+ {
861
+ "epoch": 0.38065027755749403,
862
+ "grad_norm": 0.27312615513801575,
863
+ "learning_rate": 4.8941970304756144e-05,
864
+ "loss": 0.4552,
865
+ "step": 1200
866
+ },
867
+ {
868
+ "epoch": 0.3838223632038065,
869
+ "grad_norm": 0.2659391164779663,
870
+ "learning_rate": 4.883437258706224e-05,
871
+ "loss": 0.4583,
872
+ "step": 1210
873
+ },
874
+ {
875
+ "epoch": 0.38699444885011897,
876
+ "grad_norm": 0.23010990023612976,
877
+ "learning_rate": 4.8721695483310275e-05,
878
+ "loss": 0.4564,
879
+ "step": 1220
880
+ },
881
+ {
882
+ "epoch": 0.3901665344964314,
883
+ "grad_norm": 0.2815942168235779,
884
+ "learning_rate": 4.860396300632072e-05,
885
+ "loss": 0.4548,
886
+ "step": 1230
887
+ },
888
+ {
889
+ "epoch": 0.39333862014274384,
890
+ "grad_norm": 0.36561158299446106,
891
+ "learning_rate": 4.848120024627372e-05,
892
+ "loss": 0.4528,
893
+ "step": 1240
894
+ },
895
+ {
896
+ "epoch": 0.3965107057890563,
897
+ "grad_norm": 0.25015613436698914,
898
+ "learning_rate": 4.835343336536212e-05,
899
+ "loss": 0.4567,
900
+ "step": 1250
901
+ },
902
+ {
903
+ "epoch": 0.3996827914353688,
904
+ "grad_norm": 0.2373395711183548,
905
+ "learning_rate": 4.822068959221598e-05,
906
+ "loss": 0.4544,
907
+ "step": 1260
908
+ },
909
+ {
910
+ "epoch": 0.4028548770816812,
911
+ "grad_norm": 0.26331648230552673,
912
+ "learning_rate": 4.80829972160998e-05,
913
+ "loss": 0.4532,
914
+ "step": 1270
915
+ },
916
+ {
917
+ "epoch": 0.40602696272799366,
918
+ "grad_norm": 0.2622736692428589,
919
+ "learning_rate": 4.794038558088378e-05,
920
+ "loss": 0.4535,
921
+ "step": 1280
922
+ },
923
+ {
924
+ "epoch": 0.4091990483743061,
925
+ "grad_norm": 0.1999824345111847,
926
+ "learning_rate": 4.779288507879031e-05,
927
+ "loss": 0.4568,
928
+ "step": 1290
929
+ },
930
+ {
931
+ "epoch": 0.41237113402061853,
932
+ "grad_norm": 0.24161754548549652,
933
+ "learning_rate": 4.764052714391695e-05,
934
+ "loss": 0.4534,
935
+ "step": 1300
936
+ },
937
+ {
938
+ "epoch": 0.41554321966693103,
939
+ "grad_norm": 0.2368980497121811,
940
+ "learning_rate": 4.7483344245537545e-05,
941
+ "loss": 0.4558,
942
+ "step": 1310
943
+ },
944
+ {
945
+ "epoch": 0.41871530531324347,
946
+ "grad_norm": 0.1948440819978714,
947
+ "learning_rate": 4.7321369881182584e-05,
948
+ "loss": 0.4564,
949
+ "step": 1320
950
+ },
951
+ {
952
+ "epoch": 0.4218873909595559,
953
+ "grad_norm": 0.2509821355342865,
954
+ "learning_rate": 4.715463856950053e-05,
955
+ "loss": 0.4558,
956
+ "step": 1330
957
+ },
958
+ {
959
+ "epoch": 0.42505947660586835,
960
+ "grad_norm": 0.23150520026683807,
961
+ "learning_rate": 4.698318584290141e-05,
962
+ "loss": 0.4538,
963
+ "step": 1340
964
+ },
965
+ {
966
+ "epoch": 0.4282315622521808,
967
+ "grad_norm": 0.22577635943889618,
968
+ "learning_rate": 4.680704823998452e-05,
969
+ "loss": 0.4571,
970
+ "step": 1350
971
+ },
972
+ {
973
+ "epoch": 0.4314036478984933,
974
+ "grad_norm": 0.22882512211799622,
975
+ "learning_rate": 4.6626263297751546e-05,
976
+ "loss": 0.453,
977
+ "step": 1360
978
+ },
979
+ {
980
+ "epoch": 0.4345757335448057,
981
+ "grad_norm": 0.1979285478591919,
982
+ "learning_rate": 4.644086954360708e-05,
983
+ "loss": 0.4542,
984
+ "step": 1370
985
+ },
986
+ {
987
+ "epoch": 0.43774781919111816,
988
+ "grad_norm": 0.2554062008857727,
989
+ "learning_rate": 4.625090648714786e-05,
990
+ "loss": 0.4561,
991
+ "step": 1380
992
+ },
993
+ {
994
+ "epoch": 0.4409199048374306,
995
+ "grad_norm": 0.2330465316772461,
996
+ "learning_rate": 4.60564146117429e-05,
997
+ "loss": 0.4525,
998
+ "step": 1390
999
+ },
1000
+ {
1001
+ "epoch": 0.44409199048374304,
1002
+ "grad_norm": 0.22269243001937866,
1003
+ "learning_rate": 4.585743536590599e-05,
1004
+ "loss": 0.4544,
1005
+ "step": 1400
1006
+ },
1007
+ {
1008
+ "epoch": 0.44726407613005553,
1009
+ "grad_norm": 0.2291986495256424,
1010
+ "learning_rate": 4.565401115446246e-05,
1011
+ "loss": 0.4548,
1012
+ "step": 1410
1013
+ },
1014
+ {
1015
+ "epoch": 0.45043616177636797,
1016
+ "grad_norm": 0.21675272285938263,
1017
+ "learning_rate": 4.5446185329512314e-05,
1018
+ "loss": 0.4518,
1019
+ "step": 1420
1020
+ },
1021
+ {
1022
+ "epoch": 0.4536082474226804,
1023
+ "grad_norm": 0.21207275986671448,
1024
+ "learning_rate": 4.5234002181191304e-05,
1025
+ "loss": 0.4511,
1026
+ "step": 1430
1027
+ },
1028
+ {
1029
+ "epoch": 0.45678033306899285,
1030
+ "grad_norm": 0.22509776055812836,
1031
+ "learning_rate": 4.5017506928232247e-05,
1032
+ "loss": 0.4518,
1033
+ "step": 1440
1034
+ },
1035
+ {
1036
+ "epoch": 0.4599524187153053,
1037
+ "grad_norm": 0.23429358005523682,
1038
+ "learning_rate": 4.4796745708328294e-05,
1039
+ "loss": 0.4556,
1040
+ "step": 1450
1041
+ },
1042
+ {
1043
+ "epoch": 0.4631245043616178,
1044
+ "grad_norm": 0.18599826097488403,
1045
+ "learning_rate": 4.457176556830054e-05,
1046
+ "loss": 0.4538,
1047
+ "step": 1460
1048
+ },
1049
+ {
1050
+ "epoch": 0.4662965900079302,
1051
+ "grad_norm": 0.2500051259994507,
1052
+ "learning_rate": 4.434261445407172e-05,
1053
+ "loss": 0.4538,
1054
+ "step": 1470
1055
+ },
1056
+ {
1057
+ "epoch": 0.46946867565424266,
1058
+ "grad_norm": 0.213278666138649,
1059
+ "learning_rate": 4.410934120044838e-05,
1060
+ "loss": 0.4545,
1061
+ "step": 1480
1062
+ },
1063
+ {
1064
+ "epoch": 0.4726407613005551,
1065
+ "grad_norm": 0.2551578879356384,
1066
+ "learning_rate": 4.387199552071366e-05,
1067
+ "loss": 0.4512,
1068
+ "step": 1490
1069
+ },
1070
+ {
1071
+ "epoch": 0.47581284694686754,
1072
+ "grad_norm": 0.23356303572654724,
1073
+ "learning_rate": 4.3630627996032706e-05,
1074
+ "loss": 0.4514,
1075
+ "step": 1500
1076
+ },
1077
+ {
1078
+ "epoch": 0.47581284694686754,
1079
+ "eval_loss": 0.4515945613384247,
1080
+ "eval_runtime": 293.5383,
1081
+ "eval_samples_per_second": 3.509,
1082
+ "eval_steps_per_second": 1.754,
1083
+ "step": 1500
1084
+ },
1085
+ {
1086
+ "epoch": 0.47898493259318004,
1087
+ "grad_norm": 0.22167843580245972,
1088
+ "learning_rate": 4.3385290064673316e-05,
1089
+ "loss": 0.4529,
1090
+ "step": 1510
1091
+ },
1092
+ {
1093
+ "epoch": 0.4821570182394925,
1094
+ "grad_norm": 0.2573811709880829,
1095
+ "learning_rate": 4.31360340110438e-05,
1096
+ "loss": 0.4517,
1097
+ "step": 1520
1098
+ },
1099
+ {
1100
+ "epoch": 0.4853291038858049,
1101
+ "grad_norm": 0.20118848979473114,
1102
+ "learning_rate": 4.288291295455055e-05,
1103
+ "loss": 0.4538,
1104
+ "step": 1530
1105
+ },
1106
+ {
1107
+ "epoch": 0.48850118953211735,
1108
+ "grad_norm": 0.24297507107257843,
1109
+ "learning_rate": 4.262598083827769e-05,
1110
+ "loss": 0.4519,
1111
+ "step": 1540
1112
+ },
1113
+ {
1114
+ "epoch": 0.4916732751784298,
1115
+ "grad_norm": 0.18671482801437378,
1116
+ "learning_rate": 4.236529241749114e-05,
1117
+ "loss": 0.4515,
1118
+ "step": 1550
1119
+ },
1120
+ {
1121
+ "epoch": 0.4948453608247423,
1122
+ "grad_norm": 0.20851927995681763,
1123
+ "learning_rate": 4.2100903247969644e-05,
1124
+ "loss": 0.4526,
1125
+ "step": 1560
1126
+ },
1127
+ {
1128
+ "epoch": 0.4980174464710547,
1129
+ "grad_norm": 0.23694059252738953,
1130
+ "learning_rate": 4.1832869674165204e-05,
1131
+ "loss": 0.4519,
1132
+ "step": 1570
1133
+ },
1134
+ {
1135
+ "epoch": 0.5011895321173672,
1136
+ "grad_norm": 0.3004760146141052,
1137
+ "learning_rate": 4.156124881719533e-05,
1138
+ "loss": 0.4493,
1139
+ "step": 1580
1140
+ },
1141
+ {
1142
+ "epoch": 0.5043616177636796,
1143
+ "grad_norm": 0.20880846679210663,
1144
+ "learning_rate": 4.1286098562669925e-05,
1145
+ "loss": 0.4508,
1146
+ "step": 1590
1147
+ },
1148
+ {
1149
+ "epoch": 0.507533703409992,
1150
+ "grad_norm": 0.2033112347126007,
1151
+ "learning_rate": 4.1007477548355185e-05,
1152
+ "loss": 0.4522,
1153
+ "step": 1600
1154
+ },
1155
+ {
1156
+ "epoch": 0.5107057890563045,
1157
+ "grad_norm": 0.24385987222194672,
1158
+ "learning_rate": 4.072544515167714e-05,
1159
+ "loss": 0.45,
1160
+ "step": 1610
1161
+ },
1162
+ {
1163
+ "epoch": 0.5138778747026169,
1164
+ "grad_norm": 0.19505774974822998,
1165
+ "learning_rate": 4.044006147706768e-05,
1166
+ "loss": 0.4528,
1167
+ "step": 1620
1168
+ },
1169
+ {
1170
+ "epoch": 0.5170499603489295,
1171
+ "grad_norm": 0.20980720221996307,
1172
+ "learning_rate": 4.0151387343155545e-05,
1173
+ "loss": 0.4512,
1174
+ "step": 1630
1175
+ },
1176
+ {
1177
+ "epoch": 0.5202220459952419,
1178
+ "grad_norm": 0.2582622766494751,
1179
+ "learning_rate": 3.985948426980521e-05,
1180
+ "loss": 0.452,
1181
+ "step": 1640
1182
+ },
1183
+ {
1184
+ "epoch": 0.5233941316415543,
1185
+ "grad_norm": 0.18902088701725006,
1186
+ "learning_rate": 3.956441446500624e-05,
1187
+ "loss": 0.4498,
1188
+ "step": 1650
1189
+ },
1190
+ {
1191
+ "epoch": 0.5265662172878668,
1192
+ "grad_norm": 0.21405866742134094,
1193
+ "learning_rate": 3.926624081161604e-05,
1194
+ "loss": 0.4462,
1195
+ "step": 1660
1196
+ },
1197
+ {
1198
+ "epoch": 0.5297383029341792,
1199
+ "grad_norm": 0.21340113878250122,
1200
+ "learning_rate": 3.896502685395876e-05,
1201
+ "loss": 0.449,
1202
+ "step": 1670
1203
+ },
1204
+ {
1205
+ "epoch": 0.5329103885804917,
1206
+ "grad_norm": 0.2296970933675766,
1207
+ "learning_rate": 3.8660836784283275e-05,
1208
+ "loss": 0.4513,
1209
+ "step": 1680
1210
+ },
1211
+ {
1212
+ "epoch": 0.5360824742268041,
1213
+ "grad_norm": 0.2143164724111557,
1214
+ "learning_rate": 3.835373542908308e-05,
1215
+ "loss": 0.4488,
1216
+ "step": 1690
1217
+ },
1218
+ {
1219
+ "epoch": 0.5392545598731165,
1220
+ "grad_norm": 0.1945250779390335,
1221
+ "learning_rate": 3.804378823528093e-05,
1222
+ "loss": 0.4529,
1223
+ "step": 1700
1224
+ },
1225
+ {
1226
+ "epoch": 0.542426645519429,
1227
+ "grad_norm": 0.20191755890846252,
1228
+ "learning_rate": 3.7731061256281394e-05,
1229
+ "loss": 0.4507,
1230
+ "step": 1710
1231
+ },
1232
+ {
1233
+ "epoch": 0.5455987311657414,
1234
+ "grad_norm": 0.21345514059066772,
1235
+ "learning_rate": 3.7415621137894056e-05,
1236
+ "loss": 0.4487,
1237
+ "step": 1720
1238
+ },
1239
+ {
1240
+ "epoch": 0.548770816812054,
1241
+ "grad_norm": 0.2062884271144867,
1242
+ "learning_rate": 3.709753510413052e-05,
1243
+ "loss": 0.4504,
1244
+ "step": 1730
1245
+ },
1246
+ {
1247
+ "epoch": 0.5519429024583664,
1248
+ "grad_norm": 0.20377105474472046,
1249
+ "learning_rate": 3.6776870942878196e-05,
1250
+ "loss": 0.4489,
1251
+ "step": 1740
1252
+ },
1253
+ {
1254
+ "epoch": 0.5551149881046789,
1255
+ "grad_norm": 0.19985787570476532,
1256
+ "learning_rate": 3.645369699145387e-05,
1257
+ "loss": 0.4497,
1258
+ "step": 1750
1259
+ },
1260
+ {
1261
+ "epoch": 0.5582870737509913,
1262
+ "grad_norm": 0.2308078110218048,
1263
+ "learning_rate": 3.6128082122040224e-05,
1264
+ "loss": 0.453,
1265
+ "step": 1760
1266
+ },
1267
+ {
1268
+ "epoch": 0.5614591593973037,
1269
+ "grad_norm": 0.19868697226047516,
1270
+ "learning_rate": 3.5800095727008395e-05,
1271
+ "loss": 0.4512,
1272
+ "step": 1770
1273
+ },
1274
+ {
1275
+ "epoch": 0.5646312450436162,
1276
+ "grad_norm": 0.20231026411056519,
1277
+ "learning_rate": 3.54698077041296e-05,
1278
+ "loss": 0.4482,
1279
+ "step": 1780
1280
+ },
1281
+ {
1282
+ "epoch": 0.5678033306899286,
1283
+ "grad_norm": 0.21103453636169434,
1284
+ "learning_rate": 3.51372884416791e-05,
1285
+ "loss": 0.452,
1286
+ "step": 1790
1287
+ },
1288
+ {
1289
+ "epoch": 0.570975416336241,
1290
+ "grad_norm": 0.21350406110286713,
1291
+ "learning_rate": 3.4802608803435646e-05,
1292
+ "loss": 0.4518,
1293
+ "step": 1800
1294
+ },
1295
+ {
1296
+ "epoch": 0.5741475019825535,
1297
+ "grad_norm": 0.2247006744146347,
1298
+ "learning_rate": 3.446584011357957e-05,
1299
+ "loss": 0.451,
1300
+ "step": 1810
1301
+ },
1302
+ {
1303
+ "epoch": 0.5773195876288659,
1304
+ "grad_norm": 0.20522333681583405,
1305
+ "learning_rate": 3.412705414149276e-05,
1306
+ "loss": 0.4491,
1307
+ "step": 1820
1308
+ },
1309
+ {
1310
+ "epoch": 0.5804916732751785,
1311
+ "grad_norm": 0.20249220728874207,
1312
+ "learning_rate": 3.3786323086463736e-05,
1313
+ "loss": 0.4508,
1314
+ "step": 1830
1315
+ },
1316
+ {
1317
+ "epoch": 0.5836637589214909,
1318
+ "grad_norm": 0.17756901681423187,
1319
+ "learning_rate": 3.3443719562301147e-05,
1320
+ "loss": 0.4493,
1321
+ "step": 1840
1322
+ },
1323
+ {
1324
+ "epoch": 0.5868358445678034,
1325
+ "grad_norm": 0.19246827065944672,
1326
+ "learning_rate": 3.309931658185892e-05,
1327
+ "loss": 0.4501,
1328
+ "step": 1850
1329
+ },
1330
+ {
1331
+ "epoch": 0.5900079302141158,
1332
+ "grad_norm": 0.20991584658622742,
1333
+ "learning_rate": 3.275318754147636e-05,
1334
+ "loss": 0.4478,
1335
+ "step": 1860
1336
+ },
1337
+ {
1338
+ "epoch": 0.5931800158604282,
1339
+ "grad_norm": 0.21498160064220428,
1340
+ "learning_rate": 3.240540620533649e-05,
1341
+ "loss": 0.4454,
1342
+ "step": 1870
1343
+ },
1344
+ {
1345
+ "epoch": 0.5963521015067407,
1346
+ "grad_norm": 0.199667289853096,
1347
+ "learning_rate": 3.205604668974607e-05,
1348
+ "loss": 0.4469,
1349
+ "step": 1880
1350
+ },
1351
+ {
1352
+ "epoch": 0.5995241871530531,
1353
+ "grad_norm": 0.21041718125343323,
1354
+ "learning_rate": 3.170518344734051e-05,
1355
+ "loss": 0.4517,
1356
+ "step": 1890
1357
+ },
1358
+ {
1359
+ "epoch": 0.6026962727993656,
1360
+ "grad_norm": 0.2041397988796234,
1361
+ "learning_rate": 3.135289125121718e-05,
1362
+ "loss": 0.4518,
1363
+ "step": 1900
1364
+ },
1365
+ {
1366
+ "epoch": 0.605868358445678,
1367
+ "grad_norm": 0.18860045075416565,
1368
+ "learning_rate": 3.0999245179000325e-05,
1369
+ "loss": 0.4511,
1370
+ "step": 1910
1371
+ },
1372
+ {
1373
+ "epoch": 0.6090404440919904,
1374
+ "grad_norm": 0.20879918336868286,
1375
+ "learning_rate": 3.064432059684117e-05,
1376
+ "loss": 0.4504,
1377
+ "step": 1920
1378
+ },
1379
+ {
1380
+ "epoch": 0.612212529738303,
1381
+ "grad_norm": 0.18158119916915894,
1382
+ "learning_rate": 3.0288193143356484e-05,
1383
+ "loss": 0.4501,
1384
+ "step": 1930
1385
+ },
1386
+ {
1387
+ "epoch": 0.6153846153846154,
1388
+ "grad_norm": 0.20405800640583038,
1389
+ "learning_rate": 2.9930938713509125e-05,
1390
+ "loss": 0.4478,
1391
+ "step": 1940
1392
+ },
1393
+ {
1394
+ "epoch": 0.6185567010309279,
1395
+ "grad_norm": 0.19368775188922882,
1396
+ "learning_rate": 2.9572633442433917e-05,
1397
+ "loss": 0.449,
1398
+ "step": 1950
1399
+ },
1400
+ {
1401
+ "epoch": 0.6217287866772403,
1402
+ "grad_norm": 0.19516830146312714,
1403
+ "learning_rate": 2.9213353689212337e-05,
1404
+ "loss": 0.4509,
1405
+ "step": 1960
1406
+ },
1407
+ {
1408
+ "epoch": 0.6249008723235527,
1409
+ "grad_norm": 0.2207994908094406,
1410
+ "learning_rate": 2.8853176020599504e-05,
1411
+ "loss": 0.4524,
1412
+ "step": 1970
1413
+ },
1414
+ {
1415
+ "epoch": 0.6280729579698652,
1416
+ "grad_norm": 0.20896515250205994,
1417
+ "learning_rate": 2.849217719470691e-05,
1418
+ "loss": 0.447,
1419
+ "step": 1980
1420
+ },
1421
+ {
1422
+ "epoch": 0.6312450436161776,
1423
+ "grad_norm": 0.19302915036678314,
1424
+ "learning_rate": 2.8130434144644364e-05,
1425
+ "loss": 0.4462,
1426
+ "step": 1990
1427
+ },
1428
+ {
1429
+ "epoch": 0.63441712926249,
1430
+ "grad_norm": 0.21044501662254333,
1431
+ "learning_rate": 2.776802396212461e-05,
1432
+ "loss": 0.4522,
1433
+ "step": 2000
1434
+ },
1435
+ {
1436
+ "epoch": 0.63441712926249,
1437
+ "eval_loss": 0.44816499948501587,
1438
+ "eval_runtime": 293.5621,
1439
+ "eval_samples_per_second": 3.509,
1440
+ "eval_steps_per_second": 1.754,
1441
+ "step": 2000
1442
+ },
1443
+ {
1444
+ "epoch": 0.6375892149088025,
1445
+ "grad_norm": 0.2075473517179489,
1446
+ "learning_rate": 2.7405023881034204e-05,
1447
+ "loss": 0.4487,
1448
+ "step": 2010
1449
+ },
1450
+ {
1451
+ "epoch": 0.640761300555115,
1452
+ "grad_norm": 0.1936168372631073,
1453
+ "learning_rate": 2.7041511260974028e-05,
1454
+ "loss": 0.4485,
1455
+ "step": 2020
1456
+ },
1457
+ {
1458
+ "epoch": 0.6439333862014275,
1459
+ "grad_norm": 0.2282039374113083,
1460
+ "learning_rate": 2.66775635707731e-05,
1461
+ "loss": 0.4478,
1462
+ "step": 2030
1463
+ },
1464
+ {
1465
+ "epoch": 0.6471054718477399,
1466
+ "grad_norm": 0.18652349710464478,
1467
+ "learning_rate": 2.6313258371978994e-05,
1468
+ "loss": 0.449,
1469
+ "step": 2040
1470
+ },
1471
+ {
1472
+ "epoch": 0.6502775574940524,
1473
+ "grad_norm": 0.20407763123512268,
1474
+ "learning_rate": 2.5948673302328587e-05,
1475
+ "loss": 0.4486,
1476
+ "step": 2050
1477
+ },
1478
+ {
1479
+ "epoch": 0.6534496431403648,
1480
+ "grad_norm": 0.22227470576763153,
1481
+ "learning_rate": 2.558388605920255e-05,
1482
+ "loss": 0.4506,
1483
+ "step": 2060
1484
+ },
1485
+ {
1486
+ "epoch": 0.6566217287866772,
1487
+ "grad_norm": 0.20888665318489075,
1488
+ "learning_rate": 2.5218974383067085e-05,
1489
+ "loss": 0.4487,
1490
+ "step": 2070
1491
+ },
1492
+ {
1493
+ "epoch": 0.6597938144329897,
1494
+ "grad_norm": 0.19797295331954956,
1495
+ "learning_rate": 2.4854016040906572e-05,
1496
+ "loss": 0.4521,
1497
+ "step": 2080
1498
+ },
1499
+ {
1500
+ "epoch": 0.6629659000793021,
1501
+ "grad_norm": 0.22293215990066528,
1502
+ "learning_rate": 2.4489088809650425e-05,
1503
+ "loss": 0.449,
1504
+ "step": 2090
1505
+ },
1506
+ {
1507
+ "epoch": 0.6661379857256146,
1508
+ "grad_norm": 0.2310066670179367,
1509
+ "learning_rate": 2.4124270459598007e-05,
1510
+ "loss": 0.4479,
1511
+ "step": 2100
1512
+ },
1513
+ {
1514
+ "epoch": 0.669310071371927,
1515
+ "grad_norm": 0.19995397329330444,
1516
+ "learning_rate": 2.375963873784478e-05,
1517
+ "loss": 0.4504,
1518
+ "step": 2110
1519
+ },
1520
+ {
1521
+ "epoch": 0.6724821570182395,
1522
+ "grad_norm": 0.18815317749977112,
1523
+ "learning_rate": 2.3395271351713515e-05,
1524
+ "loss": 0.4501,
1525
+ "step": 2120
1526
+ },
1527
+ {
1528
+ "epoch": 0.675654242664552,
1529
+ "grad_norm": 0.19861653447151184,
1530
+ "learning_rate": 2.303124595219395e-05,
1531
+ "loss": 0.4506,
1532
+ "step": 2130
1533
+ },
1534
+ {
1535
+ "epoch": 0.6788263283108644,
1536
+ "grad_norm": 0.17454959452152252,
1537
+ "learning_rate": 2.2667640117394442e-05,
1538
+ "loss": 0.4453,
1539
+ "step": 2140
1540
+ },
1541
+ {
1542
+ "epoch": 0.6819984139571769,
1543
+ "grad_norm": 0.19067569077014923,
1544
+ "learning_rate": 2.230453133600915e-05,
1545
+ "loss": 0.4466,
1546
+ "step": 2150
1547
+ },
1548
+ {
1549
+ "epoch": 0.6851704996034893,
1550
+ "grad_norm": 0.1979096531867981,
1551
+ "learning_rate": 2.1941996990804288e-05,
1552
+ "loss": 0.4479,
1553
+ "step": 2160
1554
+ },
1555
+ {
1556
+ "epoch": 0.6883425852498017,
1557
+ "grad_norm": 0.18306080996990204,
1558
+ "learning_rate": 2.1580114342126933e-05,
1559
+ "loss": 0.4482,
1560
+ "step": 2170
1561
+ },
1562
+ {
1563
+ "epoch": 0.6915146708961142,
1564
+ "grad_norm": 0.18473172187805176,
1565
+ "learning_rate": 2.1218960511439952e-05,
1566
+ "loss": 0.4468,
1567
+ "step": 2180
1568
+ },
1569
+ {
1570
+ "epoch": 0.6946867565424266,
1571
+ "grad_norm": 0.17530548572540283,
1572
+ "learning_rate": 2.0858612464886505e-05,
1573
+ "loss": 0.449,
1574
+ "step": 2190
1575
+ },
1576
+ {
1577
+ "epoch": 0.6978588421887391,
1578
+ "grad_norm": 0.1818351149559021,
1579
+ "learning_rate": 2.0499146996887618e-05,
1580
+ "loss": 0.4458,
1581
+ "step": 2200
1582
+ },
1583
+ {
1584
+ "epoch": 0.7010309278350515,
1585
+ "grad_norm": 0.19750525057315826,
1586
+ "learning_rate": 2.0140640713776438e-05,
1587
+ "loss": 0.4489,
1588
+ "step": 2210
1589
+ },
1590
+ {
1591
+ "epoch": 0.704203013481364,
1592
+ "grad_norm": 0.20060710608959198,
1593
+ "learning_rate": 1.978317001747248e-05,
1594
+ "loss": 0.4482,
1595
+ "step": 2220
1596
+ },
1597
+ {
1598
+ "epoch": 0.7073750991276765,
1599
+ "grad_norm": 0.19399641454219818,
1600
+ "learning_rate": 1.942681108919949e-05,
1601
+ "loss": 0.4494,
1602
+ "step": 2230
1603
+ },
1604
+ {
1605
+ "epoch": 0.7105471847739889,
1606
+ "grad_norm": 0.2124367654323578,
1607
+ "learning_rate": 1.9071639873250334e-05,
1608
+ "loss": 0.4491,
1609
+ "step": 2240
1610
+ },
1611
+ {
1612
+ "epoch": 0.7137192704203014,
1613
+ "grad_norm": 0.2064894288778305,
1614
+ "learning_rate": 1.871773206080236e-05,
1615
+ "loss": 0.4433,
1616
+ "step": 2250
1617
+ },
1618
+ {
1619
+ "epoch": 0.7168913560666138,
1620
+ "grad_norm": 0.20361967384815216,
1621
+ "learning_rate": 1.836516307378671e-05,
1622
+ "loss": 0.4482,
1623
+ "step": 2260
1624
+ },
1625
+ {
1626
+ "epoch": 0.7200634417129262,
1627
+ "grad_norm": 0.22753477096557617,
1628
+ "learning_rate": 1.801400804881507e-05,
1629
+ "loss": 0.4434,
1630
+ "step": 2270
1631
+ },
1632
+ {
1633
+ "epoch": 0.7232355273592387,
1634
+ "grad_norm": 0.2242439240217209,
1635
+ "learning_rate": 1.766434182116708e-05,
1636
+ "loss": 0.4487,
1637
+ "step": 2280
1638
+ },
1639
+ {
1640
+ "epoch": 0.7264076130055511,
1641
+ "grad_norm": 0.1731296181678772,
1642
+ "learning_rate": 1.7316238908842127e-05,
1643
+ "loss": 0.4456,
1644
+ "step": 2290
1645
+ },
1646
+ {
1647
+ "epoch": 0.7295796986518636,
1648
+ "grad_norm": 0.19372820854187012,
1649
+ "learning_rate": 1.6969773496678647e-05,
1650
+ "loss": 0.446,
1651
+ "step": 2300
1652
+ },
1653
+ {
1654
+ "epoch": 0.732751784298176,
1655
+ "grad_norm": 0.21722117066383362,
1656
+ "learning_rate": 1.662501942054447e-05,
1657
+ "loss": 0.4465,
1658
+ "step": 2310
1659
+ },
1660
+ {
1661
+ "epoch": 0.7359238699444886,
1662
+ "grad_norm": 0.24181324243545532,
1663
+ "learning_rate": 1.6282050151601518e-05,
1664
+ "loss": 0.4496,
1665
+ "step": 2320
1666
+ },
1667
+ {
1668
+ "epoch": 0.739095955590801,
1669
+ "grad_norm": 0.2091435343027115,
1670
+ "learning_rate": 1.594093878064825e-05,
1671
+ "loss": 0.4469,
1672
+ "step": 2330
1673
+ },
1674
+ {
1675
+ "epoch": 0.7422680412371134,
1676
+ "grad_norm": 0.19474650919437408,
1677
+ "learning_rate": 1.5601758002543137e-05,
1678
+ "loss": 0.4465,
1679
+ "step": 2340
1680
+ },
1681
+ {
1682
+ "epoch": 0.7454401268834259,
1683
+ "grad_norm": 0.21081089973449707,
1684
+ "learning_rate": 1.5264580100712507e-05,
1685
+ "loss": 0.4449,
1686
+ "step": 2350
1687
+ },
1688
+ {
1689
+ "epoch": 0.7486122125297383,
1690
+ "grad_norm": 0.21220536530017853,
1691
+ "learning_rate": 1.4929476931746167e-05,
1692
+ "loss": 0.4461,
1693
+ "step": 2360
1694
+ },
1695
+ {
1696
+ "epoch": 0.7517842981760507,
1697
+ "grad_norm": 0.19944216310977936,
1698
+ "learning_rate": 1.4596519910083825e-05,
1699
+ "loss": 0.4476,
1700
+ "step": 2370
1701
+ },
1702
+ {
1703
+ "epoch": 0.7549563838223632,
1704
+ "grad_norm": 0.19958476722240448,
1705
+ "learning_rate": 1.4265779992795893e-05,
1706
+ "loss": 0.4467,
1707
+ "step": 2380
1708
+ },
1709
+ {
1710
+ "epoch": 0.7581284694686756,
1711
+ "grad_norm": 0.22247722744941711,
1712
+ "learning_rate": 1.3937327664461672e-05,
1713
+ "loss": 0.4427,
1714
+ "step": 2390
1715
+ },
1716
+ {
1717
+ "epoch": 0.7613005551149881,
1718
+ "grad_norm": 0.19884702563285828,
1719
+ "learning_rate": 1.361123292214826e-05,
1720
+ "loss": 0.4498,
1721
+ "step": 2400
1722
+ },
1723
+ {
1724
+ "epoch": 0.7644726407613005,
1725
+ "grad_norm": 0.17867441475391388,
1726
+ "learning_rate": 1.3287565260493357e-05,
1727
+ "loss": 0.4484,
1728
+ "step": 2410
1729
+ },
1730
+ {
1731
+ "epoch": 0.767644726407613,
1732
+ "grad_norm": 0.17917264997959137,
1733
+ "learning_rate": 1.2966393656895134e-05,
1734
+ "loss": 0.4439,
1735
+ "step": 2420
1736
+ },
1737
+ {
1738
+ "epoch": 0.7708168120539255,
1739
+ "grad_norm": 0.24791833758354187,
1740
+ "learning_rate": 1.2647786556812332e-05,
1741
+ "loss": 0.4463,
1742
+ "step": 2430
1743
+ },
1744
+ {
1745
+ "epoch": 0.7739888977002379,
1746
+ "grad_norm": 0.1971379816532135,
1747
+ "learning_rate": 1.2331811859177722e-05,
1748
+ "loss": 0.4475,
1749
+ "step": 2440
1750
+ },
1751
+ {
1752
+ "epoch": 0.7771609833465504,
1753
+ "grad_norm": 0.19460198283195496,
1754
+ "learning_rate": 1.2018536901928079e-05,
1755
+ "loss": 0.4468,
1756
+ "step": 2450
1757
+ },
1758
+ {
1759
+ "epoch": 0.7803330689928628,
1760
+ "grad_norm": 0.21018314361572266,
1761
+ "learning_rate": 1.1708028447653613e-05,
1762
+ "loss": 0.4489,
1763
+ "step": 2460
1764
+ },
1765
+ {
1766
+ "epoch": 0.7835051546391752,
1767
+ "grad_norm": 0.18419425189495087,
1768
+ "learning_rate": 1.1400352669370115e-05,
1769
+ "loss": 0.4469,
1770
+ "step": 2470
1771
+ },
1772
+ {
1773
+ "epoch": 0.7866772402854877,
1774
+ "grad_norm": 0.192842036485672,
1775
+ "learning_rate": 1.1095575136416695e-05,
1776
+ "loss": 0.4457,
1777
+ "step": 2480
1778
+ },
1779
+ {
1780
+ "epoch": 0.7898493259318001,
1781
+ "grad_norm": 0.21617653965950012,
1782
+ "learning_rate": 1.0793760800482179e-05,
1783
+ "loss": 0.4511,
1784
+ "step": 2490
1785
+ },
1786
+ {
1787
+ "epoch": 0.7930214115781126,
1788
+ "grad_norm": 0.1891343593597412,
1789
+ "learning_rate": 1.0494973981763146e-05,
1790
+ "loss": 0.4436,
1791
+ "step": 2500
1792
+ },
1793
+ {
1794
+ "epoch": 0.7930214115781126,
1795
+ "eval_loss": 0.44588717818260193,
1796
+ "eval_runtime": 293.564,
1797
+ "eval_samples_per_second": 3.509,
1798
+ "eval_steps_per_second": 1.754,
1799
+ "step": 2500
1800
+ },
1801
+ {
1802
+ "epoch": 0.796193497224425,
1803
+ "grad_norm": 0.193357452750206,
1804
+ "learning_rate": 1.0199278355256522e-05,
1805
+ "loss": 0.4436,
1806
+ "step": 2510
1807
+ },
1808
+ {
1809
+ "epoch": 0.7993655828707376,
1810
+ "grad_norm": 0.19498059153556824,
1811
+ "learning_rate": 9.906736937189697e-06,
1812
+ "loss": 0.4457,
1813
+ "step": 2520
1814
+ },
1815
+ {
1816
+ "epoch": 0.80253766851705,
1817
+ "grad_norm": 0.2086293250322342,
1818
+ "learning_rate": 9.61741207159104e-06,
1819
+ "loss": 0.4488,
1820
+ "step": 2530
1821
+ },
1822
+ {
1823
+ "epoch": 0.8057097541633624,
1824
+ "grad_norm": 0.1872304081916809,
1825
+ "learning_rate": 9.331365417003601e-06,
1826
+ "loss": 0.4436,
1827
+ "step": 2540
1828
+ },
1829
+ {
1830
+ "epoch": 0.8088818398096749,
1831
+ "grad_norm": 0.196652352809906,
1832
+ "learning_rate": 9.048657933345e-06,
1833
+ "loss": 0.4448,
1834
+ "step": 2550
1835
+ },
1836
+ {
1837
+ "epoch": 0.8120539254559873,
1838
+ "grad_norm": 0.21112217009067535,
1839
+ "learning_rate": 8.769349868916118e-06,
1840
+ "loss": 0.4481,
1841
+ "step": 2560
1842
+ },
1843
+ {
1844
+ "epoch": 0.8152260111022998,
1845
+ "grad_norm": 0.19768798351287842,
1846
+ "learning_rate": 8.493500747561488e-06,
1847
+ "loss": 0.4493,
1848
+ "step": 2570
1849
+ },
1850
+ {
1851
+ "epoch": 0.8183980967486122,
1852
+ "grad_norm": 0.19622166454792023,
1853
+ "learning_rate": 8.221169355984052e-06,
1854
+ "loss": 0.4448,
1855
+ "step": 2580
1856
+ },
1857
+ {
1858
+ "epoch": 0.8215701823949246,
1859
+ "grad_norm": 0.2044159471988678,
1860
+ "learning_rate": 7.952413731217025e-06,
1861
+ "loss": 0.4472,
1862
+ "step": 2590
1863
+ },
1864
+ {
1865
+ "epoch": 0.8247422680412371,
1866
+ "grad_norm": 0.206452876329422,
1867
+ "learning_rate": 7.687291148255527e-06,
1868
+ "loss": 0.4452,
1869
+ "step": 2600
1870
+ },
1871
+ {
1872
+ "epoch": 0.8279143536875495,
1873
+ "grad_norm": 0.20858535170555115,
1874
+ "learning_rate": 7.425858107850578e-06,
1875
+ "loss": 0.4419,
1876
+ "step": 2610
1877
+ },
1878
+ {
1879
+ "epoch": 0.8310864393338621,
1880
+ "grad_norm": 0.18986332416534424,
1881
+ "learning_rate": 7.168170324468171e-06,
1882
+ "loss": 0.449,
1883
+ "step": 2620
1884
+ },
1885
+ {
1886
+ "epoch": 0.8342585249801745,
1887
+ "grad_norm": 0.21051757037639618,
1888
+ "learning_rate": 6.9142827144158066e-06,
1889
+ "loss": 0.4468,
1890
+ "step": 2630
1891
+ },
1892
+ {
1893
+ "epoch": 0.8374306106264869,
1894
+ "grad_norm": 0.20453451573848724,
1895
+ "learning_rate": 6.66424938413921e-06,
1896
+ "loss": 0.4471,
1897
+ "step": 2640
1898
+ },
1899
+ {
1900
+ "epoch": 0.8406026962727994,
1901
+ "grad_norm": 0.18574683368206024,
1902
+ "learning_rate": 6.418123618691607e-06,
1903
+ "loss": 0.4473,
1904
+ "step": 2650
1905
+ },
1906
+ {
1907
+ "epoch": 0.8437747819191118,
1908
+ "grad_norm": 0.2309403419494629,
1909
+ "learning_rate": 6.175957870378043e-06,
1910
+ "loss": 0.4477,
1911
+ "step": 2660
1912
+ },
1913
+ {
1914
+ "epoch": 0.8469468675654243,
1915
+ "grad_norm": 0.19485293328762054,
1916
+ "learning_rate": 5.937803747577186e-06,
1917
+ "loss": 0.4443,
1918
+ "step": 2670
1919
+ },
1920
+ {
1921
+ "epoch": 0.8501189532117367,
1922
+ "grad_norm": 0.17677082121372223,
1923
+ "learning_rate": 5.7037120037429645e-06,
1924
+ "loss": 0.4501,
1925
+ "step": 2680
1926
+ },
1927
+ {
1928
+ "epoch": 0.8532910388580491,
1929
+ "grad_norm": 0.18835794925689697,
1930
+ "learning_rate": 5.473732526588407e-06,
1931
+ "loss": 0.4451,
1932
+ "step": 2690
1933
+ },
1934
+ {
1935
+ "epoch": 0.8564631245043616,
1936
+ "grad_norm": 0.2117832899093628,
1937
+ "learning_rate": 5.2479143274539954e-06,
1938
+ "loss": 0.4464,
1939
+ "step": 2700
1940
+ },
1941
+ {
1942
+ "epoch": 0.8596352101506741,
1943
+ "grad_norm": 0.18720006942749023,
1944
+ "learning_rate": 5.026305530862749e-06,
1945
+ "loss": 0.4484,
1946
+ "step": 2710
1947
+ },
1948
+ {
1949
+ "epoch": 0.8628072957969866,
1950
+ "grad_norm": 0.17910288274288177,
1951
+ "learning_rate": 4.80895336426434e-06,
1952
+ "loss": 0.4457,
1953
+ "step": 2720
1954
+ },
1955
+ {
1956
+ "epoch": 0.865979381443299,
1957
+ "grad_norm": 0.1965160220861435,
1958
+ "learning_rate": 4.595904147970356e-06,
1959
+ "loss": 0.4455,
1960
+ "step": 2730
1961
+ },
1962
+ {
1963
+ "epoch": 0.8691514670896114,
1964
+ "grad_norm": 0.16718564927577972,
1965
+ "learning_rate": 4.3872032852828955e-06,
1966
+ "loss": 0.4455,
1967
+ "step": 2740
1968
+ },
1969
+ {
1970
+ "epoch": 0.8723235527359239,
1971
+ "grad_norm": 0.19451048970222473,
1972
+ "learning_rate": 4.182895252818589e-06,
1973
+ "loss": 0.4454,
1974
+ "step": 2750
1975
+ },
1976
+ {
1977
+ "epoch": 0.8754956383822363,
1978
+ "grad_norm": 0.2160135954618454,
1979
+ "learning_rate": 3.983023591030113e-06,
1980
+ "loss": 0.4462,
1981
+ "step": 2760
1982
+ },
1983
+ {
1984
+ "epoch": 0.8786677240285488,
1985
+ "grad_norm": 0.1994054913520813,
1986
+ "learning_rate": 3.7876308949271995e-06,
1987
+ "loss": 0.4455,
1988
+ "step": 2770
1989
+ },
1990
+ {
1991
+ "epoch": 0.8818398096748612,
1992
+ "grad_norm": 0.20801877975463867,
1993
+ "learning_rate": 3.5967588049991313e-06,
1994
+ "loss": 0.4465,
1995
+ "step": 2780
1996
+ },
1997
+ {
1998
+ "epoch": 0.8850118953211736,
1999
+ "grad_norm": 0.20264749228954315,
2000
+ "learning_rate": 3.410447998340688e-06,
2001
+ "loss": 0.4451,
2002
+ "step": 2790
2003
+ },
2004
+ {
2005
+ "epoch": 0.8881839809674861,
2006
+ "grad_norm": 0.173824280500412,
2007
+ "learning_rate": 3.2287381799833428e-06,
2008
+ "loss": 0.4453,
2009
+ "step": 2800
2010
+ },
2011
+ {
2012
+ "epoch": 0.8913560666137986,
2013
+ "grad_norm": 0.18437042832374573,
2014
+ "learning_rate": 3.051668074433667e-06,
2015
+ "loss": 0.449,
2016
+ "step": 2810
2017
+ },
2018
+ {
2019
+ "epoch": 0.8945281522601111,
2020
+ "grad_norm": 0.17420920729637146,
2021
+ "learning_rate": 2.8792754174206905e-06,
2022
+ "loss": 0.4453,
2023
+ "step": 2820
2024
+ },
2025
+ {
2026
+ "epoch": 0.8977002379064235,
2027
+ "grad_norm": 0.18584947288036346,
2028
+ "learning_rate": 2.7115969478539562e-06,
2029
+ "loss": 0.4446,
2030
+ "step": 2830
2031
+ },
2032
+ {
2033
+ "epoch": 0.9008723235527359,
2034
+ "grad_norm": 0.18006384372711182,
2035
+ "learning_rate": 2.5486683999940335e-06,
2036
+ "loss": 0.4449,
2037
+ "step": 2840
2038
+ },
2039
+ {
2040
+ "epoch": 0.9040444091990484,
2041
+ "grad_norm": 0.19664862751960754,
2042
+ "learning_rate": 2.3905244958371263e-06,
2043
+ "loss": 0.4463,
2044
+ "step": 2850
2045
+ },
2046
+ {
2047
+ "epoch": 0.9072164948453608,
2048
+ "grad_norm": 0.20159141719341278,
2049
+ "learning_rate": 2.2371989377154013e-06,
2050
+ "loss": 0.444,
2051
+ "step": 2860
2052
+ },
2053
+ {
2054
+ "epoch": 0.9103885804916733,
2055
+ "grad_norm": 0.23178640007972717,
2056
+ "learning_rate": 2.088724401114625e-06,
2057
+ "loss": 0.4472,
2058
+ "step": 2870
2059
+ },
2060
+ {
2061
+ "epoch": 0.9135606661379857,
2062
+ "grad_norm": 0.18047955632209778,
2063
+ "learning_rate": 1.9451325277106413e-06,
2064
+ "loss": 0.4489,
2065
+ "step": 2880
2066
+ },
2067
+ {
2068
+ "epoch": 0.9167327517842981,
2069
+ "grad_norm": 0.18607738614082336,
2070
+ "learning_rate": 1.8064539186261387e-06,
2071
+ "loss": 0.4489,
2072
+ "step": 2890
2073
+ },
2074
+ {
2075
+ "epoch": 0.9199048374306106,
2076
+ "grad_norm": 0.19285809993743896,
2077
+ "learning_rate": 1.6727181279092036e-06,
2078
+ "loss": 0.4448,
2079
+ "step": 2900
2080
+ },
2081
+ {
2082
+ "epoch": 0.9230769230769231,
2083
+ "grad_norm": 0.1946035474538803,
2084
+ "learning_rate": 1.5439536562349976e-06,
2085
+ "loss": 0.4474,
2086
+ "step": 2910
2087
+ },
2088
+ {
2089
+ "epoch": 0.9262490087232356,
2090
+ "grad_norm": 0.1947924941778183,
2091
+ "learning_rate": 1.4201879448319355e-06,
2092
+ "loss": 0.4465,
2093
+ "step": 2920
2094
+ },
2095
+ {
2096
+ "epoch": 0.929421094369548,
2097
+ "grad_norm": 0.17740875482559204,
2098
+ "learning_rate": 1.301447369633621e-06,
2099
+ "loss": 0.4475,
2100
+ "step": 2930
2101
+ },
2102
+ {
2103
+ "epoch": 0.9325931800158604,
2104
+ "grad_norm": 0.18701794743537903,
2105
+ "learning_rate": 1.187757235657841e-06,
2106
+ "loss": 0.4488,
2107
+ "step": 2940
2108
+ },
2109
+ {
2110
+ "epoch": 0.9357652656621729,
2111
+ "grad_norm": 0.19531536102294922,
2112
+ "learning_rate": 1.0791417716137565e-06,
2113
+ "loss": 0.4458,
2114
+ "step": 2950
2115
+ },
2116
+ {
2117
+ "epoch": 0.9389373513084853,
2118
+ "grad_norm": 0.17441792786121368,
2119
+ "learning_rate": 9.756241247384807e-07,
2120
+ "loss": 0.4426,
2121
+ "step": 2960
2122
+ },
2123
+ {
2124
+ "epoch": 0.9421094369547978,
2125
+ "grad_norm": 0.20463122427463531,
2126
+ "learning_rate": 8.772263558641386e-07,
2127
+ "loss": 0.4485,
2128
+ "step": 2970
2129
+ },
2130
+ {
2131
+ "epoch": 0.9452815226011102,
2132
+ "grad_norm": 0.18601520359516144,
2133
+ "learning_rate": 7.839694347164223e-07,
2134
+ "loss": 0.4421,
2135
+ "step": 2980
2136
+ },
2137
+ {
2138
+ "epoch": 0.9484536082474226,
2139
+ "grad_norm": 0.18209311366081238,
2140
+ "learning_rate": 6.958732354457209e-07,
2141
+ "loss": 0.4499,
2142
+ "step": 2990
2143
+ },
2144
+ {
2145
+ "epoch": 0.9516256938937351,
2146
+ "grad_norm": 0.1675465852022171,
2147
+ "learning_rate": 6.129565323916813e-07,
2148
+ "loss": 0.4463,
2149
+ "step": 3000
2150
+ },
2151
+ {
2152
+ "epoch": 0.9516256938937351,
2153
+ "eval_loss": 0.44520583748817444,
2154
+ "eval_runtime": 293.5596,
2155
+ "eval_samples_per_second": 3.509,
2156
+ "eval_steps_per_second": 1.754,
2157
+ "step": 3000
2158
+ },
2159
+ {
2160
+ "epoch": 0.9547977795400476,
2161
+ "grad_norm": 0.21267291903495789,
2162
+ "learning_rate": 5.352369960821946e-07,
2163
+ "loss": 0.4428,
2164
+ "step": 3010
2165
+ },
2166
+ {
2167
+ "epoch": 0.9579698651863601,
2168
+ "grad_norm": 0.19138512015342712,
2169
+ "learning_rate": 4.627311894675856e-07,
2170
+ "loss": 0.446,
2171
+ "step": 3020
2172
+ },
2173
+ {
2174
+ "epoch": 0.9611419508326725,
2175
+ "grad_norm": 0.19043755531311035,
2176
+ "learning_rate": 3.954545643908514e-07,
2177
+ "loss": 0.4446,
2178
+ "step": 3030
2179
+ },
2180
+ {
2181
+ "epoch": 0.964314036478985,
2182
+ "grad_norm": 0.1850534826517105,
2183
+ "learning_rate": 3.3342145829469983e-07,
2184
+ "loss": 0.4435,
2185
+ "step": 3040
2186
+ },
2187
+ {
2188
+ "epoch": 0.9674861221252974,
2189
+ "grad_norm": 0.21564887464046478,
2190
+ "learning_rate": 2.7664509116607506e-07,
2191
+ "loss": 0.4451,
2192
+ "step": 3050
2193
+ },
2194
+ {
2195
+ "epoch": 0.9706582077716098,
2196
+ "grad_norm": 0.1970747411251068,
2197
+ "learning_rate": 2.251375627187996e-07,
2198
+ "loss": 0.4465,
2199
+ "step": 3060
2200
+ },
2201
+ {
2202
+ "epoch": 0.9738302934179223,
2203
+ "grad_norm": 0.1968993842601776,
2204
+ "learning_rate": 1.789098498150066e-07,
2205
+ "loss": 0.4479,
2206
+ "step": 3070
2207
+ },
2208
+ {
2209
+ "epoch": 0.9770023790642347,
2210
+ "grad_norm": 0.18383654952049255,
2211
+ "learning_rate": 1.3797180412583322e-07,
2212
+ "loss": 0.4472,
2213
+ "step": 3080
2214
+ },
2215
+ {
2216
+ "epoch": 0.9801744647105471,
2217
+ "grad_norm": 0.18183210492134094,
2218
+ "learning_rate": 1.0233215003190577e-07,
2219
+ "loss": 0.4484,
2220
+ "step": 3090
2221
+ },
2222
+ {
2223
+ "epoch": 0.9833465503568596,
2224
+ "grad_norm": 0.18428853154182434,
2225
+ "learning_rate": 7.199848276408238e-08,
2226
+ "loss": 0.4445,
2227
+ "step": 3100
2228
+ },
2229
+ {
2230
+ "epoch": 0.9865186360031721,
2231
+ "grad_norm": 0.21674080193042755,
2232
+ "learning_rate": 4.6977266784811736e-08,
2233
+ "loss": 0.4465,
2234
+ "step": 3110
2235
+ },
2236
+ {
2237
+ "epoch": 0.9896907216494846,
2238
+ "grad_norm": 0.2023499608039856,
2239
+ "learning_rate": 2.7273834410485034e-08,
2240
+ "loss": 0.4448,
2241
+ "step": 3120
2242
+ },
2243
+ {
2244
+ "epoch": 0.992862807295797,
2245
+ "grad_norm": 0.19151511788368225,
2246
+ "learning_rate": 1.2892384675056158e-08,
2247
+ "loss": 0.4461,
2248
+ "step": 3130
2249
+ },
2250
+ {
2251
+ "epoch": 0.9960348929421095,
2252
+ "grad_norm": 0.16607537865638733,
2253
+ "learning_rate": 3.8359824351685836e-09,
2254
+ "loss": 0.4453,
2255
+ "step": 3140
2256
+ },
2257
+ {
2258
+ "epoch": 0.9992069785884219,
2259
+ "grad_norm": 0.21372340619564056,
2260
+ "learning_rate": 1.0655771701395534e-10,
2261
+ "loss": 0.448,
2262
+ "step": 3150
2263
+ },
2264
+ {
2265
+ "epoch": 0.9998413957176844,
2266
+ "step": 3152,
2267
+ "total_flos": 2.0499162760961065e+18,
2268
+ "train_loss": 0.5496831483344742,
2269
+ "train_runtime": 71646.9274,
2270
+ "train_samples_per_second": 0.704,
2271
+ "train_steps_per_second": 0.044
2272
+ }
2273
+ ],
2274
+ "logging_steps": 10,
2275
+ "max_steps": 3152,
2276
+ "num_input_tokens_seen": 0,
2277
+ "num_train_epochs": 1,
2278
+ "save_steps": 500,
2279
+ "total_flos": 2.0499162760961065e+18,
2280
+ "train_batch_size": 4,
2281
+ "trial_name": null,
2282
+ "trial_params": null
2283
+ }