{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.0,
  "eval_steps": 500,
  "global_step": 46875,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.032,
      "grad_norm": 3.257769823074341,
      "learning_rate": 4.9466666666666665e-05,
      "loss": 8.2156,
      "step": 500
    },
    {
      "epoch": 0.064,
      "grad_norm": 3.1011881828308105,
      "learning_rate": 4.8933333333333335e-05,
      "loss": 5.7276,
      "step": 1000
    },
    {
      "epoch": 0.096,
      "grad_norm": 2.9608840942382812,
      "learning_rate": 4.8400000000000004e-05,
      "loss": 5.1099,
      "step": 1500
    },
    {
      "epoch": 0.128,
      "grad_norm": 3.070345640182495,
      "learning_rate": 4.7866666666666674e-05,
      "loss": 4.7565,
      "step": 2000
    },
    {
      "epoch": 0.16,
      "grad_norm": 3.115124464035034,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 4.5242,
      "step": 2500
    },
    {
      "epoch": 0.192,
      "grad_norm": 3.3936541080474854,
      "learning_rate": 4.6800000000000006e-05,
      "loss": 4.3385,
      "step": 3000
    },
    {
      "epoch": 0.224,
      "grad_norm": 3.1536269187927246,
      "learning_rate": 4.626666666666667e-05,
      "loss": 4.1901,
      "step": 3500
    },
    {
      "epoch": 0.256,
      "grad_norm": 3.3067963123321533,
      "learning_rate": 4.573333333333333e-05,
      "loss": 4.0618,
      "step": 4000
    },
    {
      "epoch": 0.288,
      "grad_norm": 3.1867096424102783,
      "learning_rate": 4.52e-05,
      "loss": 3.9582,
      "step": 4500
    },
    {
      "epoch": 0.32,
      "grad_norm": 3.03401517868042,
      "learning_rate": 4.466666666666667e-05,
      "loss": 3.8644,
      "step": 5000
    },
    {
      "epoch": 0.352,
      "grad_norm": 3.046238899230957,
      "learning_rate": 4.413333333333334e-05,
      "loss": 3.7847,
      "step": 5500
    },
    {
      "epoch": 0.384,
      "grad_norm": 3.019605875015259,
      "learning_rate": 4.36e-05,
      "loss": 3.7242,
      "step": 6000
    },
    {
      "epoch": 0.416,
      "grad_norm": 3.2561287879943848,
      "learning_rate": 4.3066666666666665e-05,
      "loss": 3.6636,
      "step": 6500
    },
    {
      "epoch": 0.448,
      "grad_norm": 3.1242692470550537,
      "learning_rate": 4.2533333333333335e-05,
      "loss": 3.5982,
      "step": 7000
    },
    {
      "epoch": 0.48,
      "grad_norm": 3.3605010509490967,
      "learning_rate": 4.2e-05,
      "loss": 3.5573,
      "step": 7500
    },
    {
      "epoch": 0.512,
      "grad_norm": 3.1349642276763916,
      "learning_rate": 4.146666666666667e-05,
      "loss": 3.5123,
      "step": 8000
    },
    {
      "epoch": 0.544,
      "grad_norm": 3.241283416748047,
      "learning_rate": 4.093333333333334e-05,
      "loss": 3.469,
      "step": 8500
    },
    {
      "epoch": 0.576,
      "grad_norm": 3.3260302543640137,
      "learning_rate": 4.0400000000000006e-05,
      "loss": 3.4352,
      "step": 9000
    },
    {
      "epoch": 0.608,
      "grad_norm": 3.168513298034668,
      "learning_rate": 3.986666666666667e-05,
      "loss": 3.3975,
      "step": 9500
    },
    {
      "epoch": 0.64,
      "grad_norm": 3.158280372619629,
      "learning_rate": 3.933333333333333e-05,
      "loss": 3.3626,
      "step": 10000
    },
    {
      "epoch": 0.672,
      "grad_norm": 3.264225959777832,
      "learning_rate": 3.88e-05,
      "loss": 3.3339,
      "step": 10500
    },
    {
      "epoch": 0.704,
      "grad_norm": 3.422471761703491,
      "learning_rate": 3.8266666666666664e-05,
      "loss": 3.3129,
      "step": 11000
    },
    {
      "epoch": 0.736,
      "grad_norm": 3.1257171630859375,
      "learning_rate": 3.773333333333334e-05,
      "loss": 3.2766,
      "step": 11500
    },
    {
      "epoch": 0.768,
      "grad_norm": 3.168595790863037,
      "learning_rate": 3.72e-05,
      "loss": 3.2568,
      "step": 12000
    },
    {
      "epoch": 0.8,
      "grad_norm": 3.1342172622680664,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 3.2404,
      "step": 12500
    },
    {
      "epoch": 0.832,
      "grad_norm": 3.549842596054077,
      "learning_rate": 3.6133333333333335e-05,
      "loss": 3.2163,
      "step": 13000
    },
    {
      "epoch": 0.864,
      "grad_norm": 3.4910998344421387,
      "learning_rate": 3.56e-05,
      "loss": 3.1926,
      "step": 13500
    },
    {
      "epoch": 0.896,
      "grad_norm": 3.180727481842041,
      "learning_rate": 3.506666666666667e-05,
      "loss": 3.1775,
      "step": 14000
    },
    {
      "epoch": 0.928,
      "grad_norm": 3.230907678604126,
      "learning_rate": 3.453333333333334e-05,
      "loss": 3.1739,
      "step": 14500
    },
    {
      "epoch": 0.96,
      "grad_norm": 3.4314932823181152,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 3.1553,
      "step": 15000
    },
    {
      "epoch": 0.992,
      "grad_norm": 3.22788143157959,
      "learning_rate": 3.346666666666667e-05,
      "loss": 3.1299,
      "step": 15500
    },
    {
      "epoch": 1.024,
      "grad_norm": 3.41752028465271,
      "learning_rate": 3.293333333333333e-05,
      "loss": 3.1116,
      "step": 16000
    },
    {
      "epoch": 1.056,
      "grad_norm": 3.353651762008667,
      "learning_rate": 3.24e-05,
      "loss": 3.0895,
      "step": 16500
    },
    {
      "epoch": 1.088,
      "grad_norm": 3.444838047027588,
      "learning_rate": 3.1866666666666664e-05,
      "loss": 3.0875,
      "step": 17000
    },
    {
      "epoch": 1.12,
      "grad_norm": 3.462682008743286,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 3.0827,
      "step": 17500
    },
    {
      "epoch": 1.152,
      "grad_norm": 3.6689860820770264,
      "learning_rate": 3.08e-05,
      "loss": 3.0619,
      "step": 18000
    },
    {
      "epoch": 1.184,
      "grad_norm": 3.3406646251678467,
      "learning_rate": 3.0266666666666666e-05,
      "loss": 3.0393,
      "step": 18500
    },
    {
      "epoch": 1.216,
      "grad_norm": 3.7950193881988525,
      "learning_rate": 2.9733333333333336e-05,
      "loss": 3.0285,
      "step": 19000
    },
    {
      "epoch": 1.248,
      "grad_norm": 3.459526538848877,
      "learning_rate": 2.9199999999999998e-05,
      "loss": 3.0244,
      "step": 19500
    },
    {
      "epoch": 1.28,
      "grad_norm": 3.5137555599212646,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 3.0168,
      "step": 20000
    },
    {
      "epoch": 1.312,
      "grad_norm": 3.3574562072753906,
      "learning_rate": 2.8133333333333334e-05,
      "loss": 3.0176,
      "step": 20500
    },
    {
      "epoch": 1.3439999999999999,
      "grad_norm": 3.400820016860962,
      "learning_rate": 2.7600000000000003e-05,
      "loss": 3.0052,
      "step": 21000
    },
    {
      "epoch": 1.376,
      "grad_norm": 3.3767611980438232,
      "learning_rate": 2.706666666666667e-05,
      "loss": 2.9961,
      "step": 21500
    },
    {
      "epoch": 1.408,
      "grad_norm": 3.386554002761841,
      "learning_rate": 2.6533333333333332e-05,
      "loss": 2.978,
      "step": 22000
    },
    {
      "epoch": 1.44,
      "grad_norm": 3.4136760234832764,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 2.9718,
      "step": 22500
    },
    {
      "epoch": 1.472,
      "grad_norm": 3.4994306564331055,
      "learning_rate": 2.5466666666666668e-05,
      "loss": 2.9605,
      "step": 23000
    },
    {
      "epoch": 1.504,
      "grad_norm": 3.5334179401397705,
      "learning_rate": 2.4933333333333334e-05,
      "loss": 2.9542,
      "step": 23500
    },
    {
      "epoch": 1.536,
      "grad_norm": 3.4967758655548096,
      "learning_rate": 2.44e-05,
      "loss": 2.95,
      "step": 24000
    },
    {
      "epoch": 1.568,
      "grad_norm": 3.562196969985962,
      "learning_rate": 2.3866666666666666e-05,
      "loss": 2.9336,
      "step": 24500
    },
    {
      "epoch": 1.6,
      "grad_norm": 3.4677624702453613,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 2.9426,
      "step": 25000
    },
    {
      "epoch": 1.6320000000000001,
      "grad_norm": 3.534884452819824,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 2.9236,
      "step": 25500
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 3.370882749557495,
      "learning_rate": 2.2266666666666668e-05,
      "loss": 2.9367,
      "step": 26000
    },
    {
      "epoch": 1.696,
      "grad_norm": 3.6403982639312744,
      "learning_rate": 2.1733333333333334e-05,
      "loss": 2.9182,
      "step": 26500
    },
    {
      "epoch": 1.728,
      "grad_norm": 3.6488850116729736,
      "learning_rate": 2.12e-05,
      "loss": 2.9099,
      "step": 27000
    },
    {
      "epoch": 1.76,
      "grad_norm": 3.7746174335479736,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 2.9058,
      "step": 27500
    },
    {
      "epoch": 1.792,
      "grad_norm": 3.601640462875366,
      "learning_rate": 2.0133333333333336e-05,
      "loss": 2.897,
      "step": 28000
    },
    {
      "epoch": 1.8239999999999998,
      "grad_norm": 3.6499381065368652,
      "learning_rate": 1.9600000000000002e-05,
      "loss": 2.892,
      "step": 28500
    },
    {
      "epoch": 1.8559999999999999,
      "grad_norm": 3.6148202419281006,
      "learning_rate": 1.9066666666666668e-05,
      "loss": 2.8826,
      "step": 29000
    },
    {
      "epoch": 1.888,
      "grad_norm": 3.7451000213623047,
      "learning_rate": 1.8533333333333334e-05,
      "loss": 2.8889,
      "step": 29500
    },
    {
      "epoch": 1.92,
      "grad_norm": 3.581538438796997,
      "learning_rate": 1.8e-05,
      "loss": 2.8799,
      "step": 30000
    },
    {
      "epoch": 1.952,
      "grad_norm": 3.778764009475708,
      "learning_rate": 1.7466666666666667e-05,
      "loss": 2.8819,
      "step": 30500
    },
    {
      "epoch": 1.984,
      "grad_norm": 3.612436056137085,
      "learning_rate": 1.6933333333333333e-05,
      "loss": 2.8754,
      "step": 31000
    },
    {
      "epoch": 2.016,
      "grad_norm": 3.7262656688690186,
      "learning_rate": 1.6400000000000002e-05,
      "loss": 2.8764,
      "step": 31500
    },
    {
      "epoch": 2.048,
      "grad_norm": 3.765575885772705,
      "learning_rate": 1.586666666666667e-05,
      "loss": 2.8626,
      "step": 32000
    },
    {
      "epoch": 2.08,
      "grad_norm": 3.5083584785461426,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 2.8665,
      "step": 32500
    },
    {
      "epoch": 2.112,
      "grad_norm": 3.939120292663574,
      "learning_rate": 1.48e-05,
      "loss": 2.8545,
      "step": 33000
    },
    {
      "epoch": 2.144,
      "grad_norm": 3.759654998779297,
      "learning_rate": 1.4266666666666667e-05,
      "loss": 2.857,
      "step": 33500
    },
    {
      "epoch": 2.176,
      "grad_norm": 3.5089993476867676,
      "learning_rate": 1.3733333333333335e-05,
      "loss": 2.8571,
      "step": 34000
    },
    {
      "epoch": 2.208,
      "grad_norm": 3.8221828937530518,
      "learning_rate": 1.32e-05,
      "loss": 2.8473,
      "step": 34500
    },
    {
      "epoch": 2.24,
      "grad_norm": 3.4775657653808594,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 2.8418,
      "step": 35000
    },
    {
      "epoch": 2.2720000000000002,
      "grad_norm": 3.5617167949676514,
      "learning_rate": 1.2133333333333335e-05,
      "loss": 2.8502,
      "step": 35500
    },
    {
      "epoch": 2.304,
      "grad_norm": 3.7226479053497314,
      "learning_rate": 1.16e-05,
      "loss": 2.838,
      "step": 36000
    },
    {
      "epoch": 2.336,
      "grad_norm": 3.734492540359497,
      "learning_rate": 1.1066666666666667e-05,
      "loss": 2.8439,
      "step": 36500
    },
    {
      "epoch": 2.368,
      "grad_norm": 3.7425308227539062,
      "learning_rate": 1.0533333333333335e-05,
      "loss": 2.8446,
      "step": 37000
    },
    {
      "epoch": 2.4,
      "grad_norm": 3.64741587638855,
      "learning_rate": 1e-05,
      "loss": 2.8374,
      "step": 37500
    },
    {
      "epoch": 2.432,
      "grad_norm": 3.8757803440093994,
      "learning_rate": 9.466666666666667e-06,
      "loss": 2.8386,
      "step": 38000
    },
    {
      "epoch": 2.464,
      "grad_norm": 3.6406147480010986,
      "learning_rate": 8.933333333333333e-06,
      "loss": 2.8349,
      "step": 38500
    },
    {
      "epoch": 2.496,
      "grad_norm": 3.6576015949249268,
      "learning_rate": 8.400000000000001e-06,
      "loss": 2.8271,
      "step": 39000
    },
    {
      "epoch": 2.528,
      "grad_norm": 3.7370338439941406,
      "learning_rate": 7.866666666666667e-06,
      "loss": 2.8327,
      "step": 39500
    },
    {
      "epoch": 2.56,
      "grad_norm": 4.074278831481934,
      "learning_rate": 7.333333333333334e-06,
      "loss": 2.8261,
      "step": 40000
    },
    {
      "epoch": 2.592,
      "grad_norm": 3.8706717491149902,
      "learning_rate": 6.800000000000001e-06,
      "loss": 2.8274,
      "step": 40500
    },
    {
      "epoch": 2.624,
      "grad_norm": 3.7191755771636963,
      "learning_rate": 6.266666666666666e-06,
      "loss": 2.8198,
      "step": 41000
    },
    {
      "epoch": 2.656,
      "grad_norm": 3.806464672088623,
      "learning_rate": 5.733333333333333e-06,
      "loss": 2.8239,
      "step": 41500
    },
    {
      "epoch": 2.6879999999999997,
      "grad_norm": 3.867421865463257,
      "learning_rate": 5.2e-06,
      "loss": 2.8272,
      "step": 42000
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 3.755152463912964,
      "learning_rate": 4.666666666666667e-06,
      "loss": 2.8312,
      "step": 42500
    },
    {
      "epoch": 2.752,
      "grad_norm": 3.7332184314727783,
      "learning_rate": 4.133333333333333e-06,
      "loss": 2.8208,
      "step": 43000
    },
    {
      "epoch": 2.784,
      "grad_norm": 4.246304512023926,
      "learning_rate": 3.6e-06,
      "loss": 2.8228,
      "step": 43500
    },
    {
      "epoch": 2.816,
      "grad_norm": 3.741265296936035,
      "learning_rate": 3.066666666666667e-06,
      "loss": 2.8206,
      "step": 44000
    },
    {
      "epoch": 2.848,
      "grad_norm": 3.8181254863739014,
      "learning_rate": 2.5333333333333334e-06,
      "loss": 2.8102,
      "step": 44500
    },
    {
      "epoch": 2.88,
      "grad_norm": 3.6302571296691895,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 2.8219,
      "step": 45000
    },
    {
      "epoch": 2.912,
      "grad_norm": 3.6248600482940674,
      "learning_rate": 1.4666666666666667e-06,
      "loss": 2.8091,
      "step": 45500
    },
    {
      "epoch": 2.944,
      "grad_norm": 4.018101692199707,
      "learning_rate": 9.333333333333334e-07,
      "loss": 2.8063,
      "step": 46000
    },
    {
      "epoch": 2.976,
      "grad_norm": 3.7743148803710938,
      "learning_rate": 4.0000000000000003e-07,
      "loss": 2.8161,
      "step": 46500
    }
  ],
  "logging_steps": 500,
  "max_steps": 46875,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 4.01266077696e+17,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}