{
  "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": 4.370861530303955,
      "learning_rate": 4.9466666666666665e-05,
      "loss": 8.1809,
      "step": 500
    },
    {
      "epoch": 0.064,
      "grad_norm": 5.016350746154785,
      "learning_rate": 4.8933333333333335e-05,
      "loss": 5.7401,
      "step": 1000
    },
    {
      "epoch": 0.096,
      "grad_norm": 5.93944787979126,
      "learning_rate": 4.8400000000000004e-05,
      "loss": 5.1235,
      "step": 1500
    },
    {
      "epoch": 0.128,
      "grad_norm": 7.470402717590332,
      "learning_rate": 4.7866666666666674e-05,
      "loss": 4.792,
      "step": 2000
    },
    {
      "epoch": 0.16,
      "grad_norm": 7.819157600402832,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 4.5796,
      "step": 2500
    },
    {
      "epoch": 0.192,
      "grad_norm": 8.23626708984375,
      "learning_rate": 4.6800000000000006e-05,
      "loss": 4.4105,
      "step": 3000
    },
    {
      "epoch": 0.224,
      "grad_norm": 8.517165184020996,
      "learning_rate": 4.626666666666667e-05,
      "loss": 4.2749,
      "step": 3500
    },
    {
      "epoch": 0.256,
      "grad_norm": 8.462729454040527,
      "learning_rate": 4.573333333333333e-05,
      "loss": 4.1514,
      "step": 4000
    },
    {
      "epoch": 0.288,
      "grad_norm": 8.313840866088867,
      "learning_rate": 4.52e-05,
      "loss": 4.0479,
      "step": 4500
    },
    {
      "epoch": 0.32,
      "grad_norm": 7.927861213684082,
      "learning_rate": 4.466666666666667e-05,
      "loss": 3.9494,
      "step": 5000
    },
    {
      "epoch": 0.352,
      "grad_norm": 8.161856651306152,
      "learning_rate": 4.413333333333334e-05,
      "loss": 3.8686,
      "step": 5500
    },
    {
      "epoch": 0.384,
      "grad_norm": 7.54767370223999,
      "learning_rate": 4.36e-05,
      "loss": 3.7998,
      "step": 6000
    },
    {
      "epoch": 0.416,
      "grad_norm": 8.122455596923828,
      "learning_rate": 4.3066666666666665e-05,
      "loss": 3.7362,
      "step": 6500
    },
    {
      "epoch": 0.448,
      "grad_norm": 8.269758224487305,
      "learning_rate": 4.2533333333333335e-05,
      "loss": 3.6624,
      "step": 7000
    },
    {
      "epoch": 0.48,
      "grad_norm": 7.830111503601074,
      "learning_rate": 4.2e-05,
      "loss": 3.6145,
      "step": 7500
    },
    {
      "epoch": 0.512,
      "grad_norm": 7.502816200256348,
      "learning_rate": 4.146666666666667e-05,
      "loss": 3.5634,
      "step": 8000
    },
    {
      "epoch": 0.544,
      "grad_norm": 8.164464950561523,
      "learning_rate": 4.093333333333334e-05,
      "loss": 3.5123,
      "step": 8500
    },
    {
      "epoch": 0.576,
      "grad_norm": 7.666891574859619,
      "learning_rate": 4.0400000000000006e-05,
      "loss": 3.4744,
      "step": 9000
    },
    {
      "epoch": 0.608,
      "grad_norm": 8.045496940612793,
      "learning_rate": 3.986666666666667e-05,
      "loss": 3.432,
      "step": 9500
    },
    {
      "epoch": 0.64,
      "grad_norm": 7.218926429748535,
      "learning_rate": 3.933333333333333e-05,
      "loss": 3.3907,
      "step": 10000
    },
    {
      "epoch": 0.672,
      "grad_norm": 7.279954433441162,
      "learning_rate": 3.88e-05,
      "loss": 3.3558,
      "step": 10500
    },
    {
      "epoch": 0.704,
      "grad_norm": 7.96562385559082,
      "learning_rate": 3.8266666666666664e-05,
      "loss": 3.329,
      "step": 11000
    },
    {
      "epoch": 0.736,
      "grad_norm": 6.720692157745361,
      "learning_rate": 3.773333333333334e-05,
      "loss": 3.2911,
      "step": 11500
    },
    {
      "epoch": 0.768,
      "grad_norm": 7.464371681213379,
      "learning_rate": 3.72e-05,
      "loss": 3.2624,
      "step": 12000
    },
    {
      "epoch": 0.8,
      "grad_norm": 6.938182830810547,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 3.2417,
      "step": 12500
    },
    {
      "epoch": 0.832,
      "grad_norm": 7.353320598602295,
      "learning_rate": 3.6133333333333335e-05,
      "loss": 3.2141,
      "step": 13000
    },
    {
      "epoch": 0.864,
      "grad_norm": 7.38549280166626,
      "learning_rate": 3.56e-05,
      "loss": 3.188,
      "step": 13500
    },
    {
      "epoch": 0.896,
      "grad_norm": 6.3833441734313965,
      "learning_rate": 3.506666666666667e-05,
      "loss": 3.169,
      "step": 14000
    },
    {
      "epoch": 0.928,
      "grad_norm": 6.512674808502197,
      "learning_rate": 3.453333333333334e-05,
      "loss": 3.1597,
      "step": 14500
    },
    {
      "epoch": 0.96,
      "grad_norm": 6.827766418457031,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 3.1395,
      "step": 15000
    },
    {
      "epoch": 0.992,
      "grad_norm": 6.480617046356201,
      "learning_rate": 3.346666666666667e-05,
      "loss": 3.1093,
      "step": 15500
    },
    {
      "epoch": 1.024,
      "grad_norm": 6.874124526977539,
      "learning_rate": 3.293333333333333e-05,
      "loss": 3.0857,
      "step": 16000
    },
    {
      "epoch": 1.056,
      "grad_norm": 6.6677703857421875,
      "learning_rate": 3.24e-05,
      "loss": 3.0605,
      "step": 16500
    },
    {
      "epoch": 1.088,
      "grad_norm": 6.855037212371826,
      "learning_rate": 3.1866666666666664e-05,
      "loss": 3.055,
      "step": 17000
    },
    {
      "epoch": 1.12,
      "grad_norm": 6.230678558349609,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 3.0464,
      "step": 17500
    },
    {
      "epoch": 1.152,
      "grad_norm": 6.668459415435791,
      "learning_rate": 3.08e-05,
      "loss": 3.0222,
      "step": 18000
    },
    {
      "epoch": 1.184,
      "grad_norm": 6.614947319030762,
      "learning_rate": 3.0266666666666666e-05,
      "loss": 2.9976,
      "step": 18500
    },
    {
      "epoch": 1.216,
      "grad_norm": 7.133293151855469,
      "learning_rate": 2.9733333333333336e-05,
      "loss": 2.9829,
      "step": 19000
    },
    {
      "epoch": 1.248,
      "grad_norm": 6.484233379364014,
      "learning_rate": 2.9199999999999998e-05,
      "loss": 2.9746,
      "step": 19500
    },
    {
      "epoch": 1.28,
      "grad_norm": 5.960205554962158,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 2.9632,
      "step": 20000
    },
    {
      "epoch": 1.312,
      "grad_norm": 6.2322845458984375,
      "learning_rate": 2.8133333333333334e-05,
      "loss": 2.9636,
      "step": 20500
    },
    {
      "epoch": 1.3439999999999999,
      "grad_norm": 6.31065559387207,
      "learning_rate": 2.7600000000000003e-05,
      "loss": 2.9457,
      "step": 21000
    },
    {
      "epoch": 1.376,
      "grad_norm": 6.024143218994141,
      "learning_rate": 2.706666666666667e-05,
      "loss": 2.9361,
      "step": 21500
    },
    {
      "epoch": 1.408,
      "grad_norm": 6.09192419052124,
      "learning_rate": 2.6533333333333332e-05,
      "loss": 2.9157,
      "step": 22000
    },
    {
      "epoch": 1.44,
      "grad_norm": 6.286288738250732,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 2.9077,
      "step": 22500
    },
    {
      "epoch": 1.472,
      "grad_norm": 6.143230438232422,
      "learning_rate": 2.5466666666666668e-05,
      "loss": 2.8923,
      "step": 23000
    },
    {
      "epoch": 1.504,
      "grad_norm": 6.066094875335693,
      "learning_rate": 2.4933333333333334e-05,
      "loss": 2.8803,
      "step": 23500
    },
    {
      "epoch": 1.536,
      "grad_norm": 6.243915557861328,
      "learning_rate": 2.44e-05,
      "loss": 2.8774,
      "step": 24000
    },
    {
      "epoch": 1.568,
      "grad_norm": 6.412644863128662,
      "learning_rate": 2.3866666666666666e-05,
      "loss": 2.8581,
      "step": 24500
    },
    {
      "epoch": 1.6,
      "grad_norm": 6.16639518737793,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 2.8662,
      "step": 25000
    },
    {
      "epoch": 1.6320000000000001,
      "grad_norm": 6.105875492095947,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 2.8444,
      "step": 25500
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 6.135760307312012,
      "learning_rate": 2.2266666666666668e-05,
      "loss": 2.8568,
      "step": 26000
    },
    {
      "epoch": 1.696,
      "grad_norm": 6.091760158538818,
      "learning_rate": 2.1733333333333334e-05,
      "loss": 2.8352,
      "step": 26500
    },
    {
      "epoch": 1.728,
      "grad_norm": 6.177093505859375,
      "learning_rate": 2.12e-05,
      "loss": 2.8265,
      "step": 27000
    },
    {
      "epoch": 1.76,
      "grad_norm": 6.15477180480957,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 2.8198,
      "step": 27500
    },
    {
      "epoch": 1.792,
      "grad_norm": 6.571444988250732,
      "learning_rate": 2.0133333333333336e-05,
      "loss": 2.8118,
      "step": 28000
    },
    {
      "epoch": 1.8239999999999998,
      "grad_norm": 6.144059658050537,
      "learning_rate": 1.9600000000000002e-05,
      "loss": 2.8048,
      "step": 28500
    },
    {
      "epoch": 1.8559999999999999,
      "grad_norm": 6.564633369445801,
      "learning_rate": 1.9066666666666668e-05,
      "loss": 2.792,
      "step": 29000
    },
    {
      "epoch": 1.888,
      "grad_norm": 6.839704513549805,
      "learning_rate": 1.8533333333333334e-05,
      "loss": 2.7989,
      "step": 29500
    },
    {
      "epoch": 1.92,
      "grad_norm": 6.17877721786499,
      "learning_rate": 1.8e-05,
      "loss": 2.7891,
      "step": 30000
    },
    {
      "epoch": 1.952,
      "grad_norm": 6.390108108520508,
      "learning_rate": 1.7466666666666667e-05,
      "loss": 2.789,
      "step": 30500
    },
    {
      "epoch": 1.984,
      "grad_norm": 6.040237903594971,
      "learning_rate": 1.6933333333333333e-05,
      "loss": 2.7796,
      "step": 31000
    },
    {
      "epoch": 2.016,
      "grad_norm": 6.18825626373291,
      "learning_rate": 1.6400000000000002e-05,
      "loss": 2.784,
      "step": 31500
    },
    {
      "epoch": 2.048,
      "grad_norm": 6.754644393920898,
      "learning_rate": 1.586666666666667e-05,
      "loss": 2.766,
      "step": 32000
    },
    {
      "epoch": 2.08,
      "grad_norm": 6.347661972045898,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 2.7708,
      "step": 32500
    },
    {
      "epoch": 2.112,
      "grad_norm": 6.577206134796143,
      "learning_rate": 1.48e-05,
      "loss": 2.7538,
      "step": 33000
    },
    {
      "epoch": 2.144,
      "grad_norm": 6.365417003631592,
      "learning_rate": 1.4266666666666667e-05,
      "loss": 2.7592,
      "step": 33500
    },
    {
      "epoch": 2.176,
      "grad_norm": 6.083129405975342,
      "learning_rate": 1.3733333333333335e-05,
      "loss": 2.7561,
      "step": 34000
    },
    {
      "epoch": 2.208,
      "grad_norm": 6.250114440917969,
      "learning_rate": 1.32e-05,
      "loss": 2.7476,
      "step": 34500
    },
    {
      "epoch": 2.24,
      "grad_norm": 6.081153392791748,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 2.74,
      "step": 35000
    },
    {
      "epoch": 2.2720000000000002,
      "grad_norm": 6.01012659072876,
      "learning_rate": 1.2133333333333335e-05,
      "loss": 2.7465,
      "step": 35500
    },
    {
      "epoch": 2.304,
      "grad_norm": 6.1685566902160645,
      "learning_rate": 1.16e-05,
      "loss": 2.7345,
      "step": 36000
    },
    {
      "epoch": 2.336,
      "grad_norm": 6.151036262512207,
      "learning_rate": 1.1066666666666667e-05,
      "loss": 2.7402,
      "step": 36500
    },
    {
      "epoch": 2.368,
      "grad_norm": 6.3378005027771,
      "learning_rate": 1.0533333333333335e-05,
      "loss": 2.7396,
      "step": 37000
    },
    {
      "epoch": 2.4,
      "grad_norm": 5.99214506149292,
      "learning_rate": 1e-05,
      "loss": 2.7323,
      "step": 37500
    },
    {
      "epoch": 2.432,
      "grad_norm": 6.489102363586426,
      "learning_rate": 9.466666666666667e-06,
      "loss": 2.7319,
      "step": 38000
    },
    {
      "epoch": 2.464,
      "grad_norm": 5.602969646453857,
      "learning_rate": 8.933333333333333e-06,
      "loss": 2.7294,
      "step": 38500
    },
    {
      "epoch": 2.496,
      "grad_norm": 6.040646076202393,
      "learning_rate": 8.400000000000001e-06,
      "loss": 2.7196,
      "step": 39000
    },
    {
      "epoch": 2.528,
      "grad_norm": 6.2085795402526855,
      "learning_rate": 7.866666666666667e-06,
      "loss": 2.7251,
      "step": 39500
    },
    {
      "epoch": 2.56,
      "grad_norm": 6.605915546417236,
      "learning_rate": 7.333333333333334e-06,
      "loss": 2.718,
      "step": 40000
    },
    {
      "epoch": 2.592,
      "grad_norm": 6.362601280212402,
      "learning_rate": 6.800000000000001e-06,
      "loss": 2.7193,
      "step": 40500
    },
    {
      "epoch": 2.624,
      "grad_norm": 5.962555885314941,
      "learning_rate": 6.266666666666666e-06,
      "loss": 2.711,
      "step": 41000
    },
    {
      "epoch": 2.656,
      "grad_norm": 6.051676273345947,
      "learning_rate": 5.733333333333333e-06,
      "loss": 2.7156,
      "step": 41500
    },
    {
      "epoch": 2.6879999999999997,
      "grad_norm": 6.377429008483887,
      "learning_rate": 5.2e-06,
      "loss": 2.7165,
      "step": 42000
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 6.063472747802734,
      "learning_rate": 4.666666666666667e-06,
      "loss": 2.7203,
      "step": 42500
    },
    {
      "epoch": 2.752,
      "grad_norm": 6.316308975219727,
      "learning_rate": 4.133333333333333e-06,
      "loss": 2.7083,
      "step": 43000
    },
    {
      "epoch": 2.784,
      "grad_norm": 6.789013385772705,
      "learning_rate": 3.6e-06,
      "loss": 2.709,
      "step": 43500
    },
    {
      "epoch": 2.816,
      "grad_norm": 6.373924732208252,
      "learning_rate": 3.066666666666667e-06,
      "loss": 2.7082,
      "step": 44000
    },
    {
      "epoch": 2.848,
      "grad_norm": 6.395301342010498,
      "learning_rate": 2.5333333333333334e-06,
      "loss": 2.6969,
      "step": 44500
    },
    {
      "epoch": 2.88,
      "grad_norm": 5.811594009399414,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 2.71,
      "step": 45000
    },
    {
      "epoch": 2.912,
      "grad_norm": 5.967408180236816,
      "learning_rate": 1.4666666666666667e-06,
      "loss": 2.6958,
      "step": 45500
    },
    {
      "epoch": 2.944,
      "grad_norm": 6.8203606605529785,
      "learning_rate": 9.333333333333334e-07,
      "loss": 2.693,
      "step": 46000
    },
    {
      "epoch": 2.976,
      "grad_norm": 6.463422775268555,
      "learning_rate": 4.0000000000000003e-07,
      "loss": 2.7024,
      "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": 3.99952244736e+17,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}