{
  "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": 2.9569661617279053,
      "learning_rate": 4.9466666666666665e-05,
      "loss": 8.7014,
      "step": 500
    },
    {
      "epoch": 0.064,
      "grad_norm": 2.822920799255371,
      "learning_rate": 4.8933333333333335e-05,
      "loss": 6.4522,
      "step": 1000
    },
    {
      "epoch": 0.096,
      "grad_norm": 2.747192621231079,
      "learning_rate": 4.8400000000000004e-05,
      "loss": 5.8675,
      "step": 1500
    },
    {
      "epoch": 0.128,
      "grad_norm": 2.8166677951812744,
      "learning_rate": 4.7866666666666674e-05,
      "loss": 5.5282,
      "step": 2000
    },
    {
      "epoch": 0.16,
      "grad_norm": 2.880764961242676,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 5.26,
      "step": 2500
    },
    {
      "epoch": 0.192,
      "grad_norm": 3.1332807540893555,
      "learning_rate": 4.6800000000000006e-05,
      "loss": 5.059,
      "step": 3000
    },
    {
      "epoch": 0.224,
      "grad_norm": 3.157362222671509,
      "learning_rate": 4.626666666666667e-05,
      "loss": 4.8875,
      "step": 3500
    },
    {
      "epoch": 0.256,
      "grad_norm": 3.287372350692749,
      "learning_rate": 4.573333333333333e-05,
      "loss": 4.7491,
      "step": 4000
    },
    {
      "epoch": 0.288,
      "grad_norm": 3.1995673179626465,
      "learning_rate": 4.52e-05,
      "loss": 4.628,
      "step": 4500
    },
    {
      "epoch": 0.32,
      "grad_norm": 3.351080894470215,
      "learning_rate": 4.466666666666667e-05,
      "loss": 4.5196,
      "step": 5000
    },
    {
      "epoch": 0.352,
      "grad_norm": 3.38383412361145,
      "learning_rate": 4.413333333333334e-05,
      "loss": 4.4351,
      "step": 5500
    },
    {
      "epoch": 0.384,
      "grad_norm": 3.387878894805908,
      "learning_rate": 4.36e-05,
      "loss": 4.3645,
      "step": 6000
    },
    {
      "epoch": 0.416,
      "grad_norm": 3.386368989944458,
      "learning_rate": 4.3066666666666665e-05,
      "loss": 4.2706,
      "step": 6500
    },
    {
      "epoch": 0.448,
      "grad_norm": 3.540905714035034,
      "learning_rate": 4.2533333333333335e-05,
      "loss": 4.2067,
      "step": 7000
    },
    {
      "epoch": 0.48,
      "grad_norm": 3.5285682678222656,
      "learning_rate": 4.2e-05,
      "loss": 4.1446,
      "step": 7500
    },
    {
      "epoch": 0.512,
      "grad_norm": 3.515582799911499,
      "learning_rate": 4.146666666666667e-05,
      "loss": 4.1001,
      "step": 8000
    },
    {
      "epoch": 0.544,
      "grad_norm": 3.382394790649414,
      "learning_rate": 4.093333333333334e-05,
      "loss": 4.0504,
      "step": 8500
    },
    {
      "epoch": 0.576,
      "grad_norm": 3.8084897994995117,
      "learning_rate": 4.0400000000000006e-05,
      "loss": 4.0049,
      "step": 9000
    },
    {
      "epoch": 0.608,
      "grad_norm": 3.8991751670837402,
      "learning_rate": 3.986666666666667e-05,
      "loss": 3.9604,
      "step": 9500
    },
    {
      "epoch": 0.64,
      "grad_norm": 3.772257089614868,
      "learning_rate": 3.933333333333333e-05,
      "loss": 3.9241,
      "step": 10000
    },
    {
      "epoch": 0.672,
      "grad_norm": 3.737558126449585,
      "learning_rate": 3.88e-05,
      "loss": 3.8759,
      "step": 10500
    },
    {
      "epoch": 0.704,
      "grad_norm": 3.6017825603485107,
      "learning_rate": 3.8266666666666664e-05,
      "loss": 3.8505,
      "step": 11000
    },
    {
      "epoch": 0.736,
      "grad_norm": 3.808885097503662,
      "learning_rate": 3.773333333333334e-05,
      "loss": 3.8244,
      "step": 11500
    },
    {
      "epoch": 0.768,
      "grad_norm": 3.6906981468200684,
      "learning_rate": 3.72e-05,
      "loss": 3.8002,
      "step": 12000
    },
    {
      "epoch": 0.8,
      "grad_norm": 3.9535021781921387,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 3.7668,
      "step": 12500
    },
    {
      "epoch": 0.832,
      "grad_norm": 3.9696996212005615,
      "learning_rate": 3.6133333333333335e-05,
      "loss": 3.7349,
      "step": 13000
    },
    {
      "epoch": 0.864,
      "grad_norm": 3.95868182182312,
      "learning_rate": 3.56e-05,
      "loss": 3.7126,
      "step": 13500
    },
    {
      "epoch": 0.896,
      "grad_norm": 3.7807376384735107,
      "learning_rate": 3.506666666666667e-05,
      "loss": 3.6938,
      "step": 14000
    },
    {
      "epoch": 0.928,
      "grad_norm": 3.8795831203460693,
      "learning_rate": 3.453333333333334e-05,
      "loss": 3.6575,
      "step": 14500
    },
    {
      "epoch": 0.96,
      "grad_norm": 4.042747974395752,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 3.6452,
      "step": 15000
    },
    {
      "epoch": 0.992,
      "grad_norm": 4.158185005187988,
      "learning_rate": 3.346666666666667e-05,
      "loss": 3.6333,
      "step": 15500
    },
    {
      "epoch": 1.024,
      "grad_norm": 3.9581844806671143,
      "learning_rate": 3.293333333333333e-05,
      "loss": 3.6045,
      "step": 16000
    },
    {
      "epoch": 1.056,
      "grad_norm": 3.930466651916504,
      "learning_rate": 3.24e-05,
      "loss": 3.5799,
      "step": 16500
    },
    {
      "epoch": 1.088,
      "grad_norm": 4.019719123840332,
      "learning_rate": 3.1866666666666664e-05,
      "loss": 3.5699,
      "step": 17000
    },
    {
      "epoch": 1.12,
      "grad_norm": 3.9303104877471924,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 3.5509,
      "step": 17500
    },
    {
      "epoch": 1.152,
      "grad_norm": 4.159476280212402,
      "learning_rate": 3.08e-05,
      "loss": 3.5397,
      "step": 18000
    },
    {
      "epoch": 1.184,
      "grad_norm": 3.8772120475769043,
      "learning_rate": 3.0266666666666666e-05,
      "loss": 3.522,
      "step": 18500
    },
    {
      "epoch": 1.216,
      "grad_norm": 4.351678371429443,
      "learning_rate": 2.9733333333333336e-05,
      "loss": 3.5119,
      "step": 19000
    },
    {
      "epoch": 1.248,
      "grad_norm": 4.2748541831970215,
      "learning_rate": 2.9199999999999998e-05,
      "loss": 3.4896,
      "step": 19500
    },
    {
      "epoch": 1.28,
      "grad_norm": 4.250527381896973,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 3.4782,
      "step": 20000
    },
    {
      "epoch": 1.312,
      "grad_norm": 4.305374622344971,
      "learning_rate": 2.8133333333333334e-05,
      "loss": 3.4782,
      "step": 20500
    },
    {
      "epoch": 1.3439999999999999,
      "grad_norm": 4.257715702056885,
      "learning_rate": 2.7600000000000003e-05,
      "loss": 3.4511,
      "step": 21000
    },
    {
      "epoch": 1.376,
      "grad_norm": 4.085139751434326,
      "learning_rate": 2.706666666666667e-05,
      "loss": 3.4501,
      "step": 21500
    },
    {
      "epoch": 1.408,
      "grad_norm": 4.325361251831055,
      "learning_rate": 2.6533333333333332e-05,
      "loss": 3.4379,
      "step": 22000
    },
    {
      "epoch": 1.44,
      "grad_norm": 4.4493913650512695,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 3.4232,
      "step": 22500
    },
    {
      "epoch": 1.472,
      "grad_norm": 4.0350871086120605,
      "learning_rate": 2.5466666666666668e-05,
      "loss": 3.4222,
      "step": 23000
    },
    {
      "epoch": 1.504,
      "grad_norm": 4.175812721252441,
      "learning_rate": 2.4933333333333334e-05,
      "loss": 3.4022,
      "step": 23500
    },
    {
      "epoch": 1.536,
      "grad_norm": 4.516785621643066,
      "learning_rate": 2.44e-05,
      "loss": 3.3962,
      "step": 24000
    },
    {
      "epoch": 1.568,
      "grad_norm": 4.481914520263672,
      "learning_rate": 2.3866666666666666e-05,
      "loss": 3.3894,
      "step": 24500
    },
    {
      "epoch": 1.6,
      "grad_norm": 4.242756366729736,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 3.3757,
      "step": 25000
    },
    {
      "epoch": 1.6320000000000001,
      "grad_norm": 4.440269470214844,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 3.3678,
      "step": 25500
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 4.3999152183532715,
      "learning_rate": 2.2266666666666668e-05,
      "loss": 3.3565,
      "step": 26000
    },
    {
      "epoch": 1.696,
      "grad_norm": 4.339915752410889,
      "learning_rate": 2.1733333333333334e-05,
      "loss": 3.3557,
      "step": 26500
    },
    {
      "epoch": 1.728,
      "grad_norm": 4.5959625244140625,
      "learning_rate": 2.12e-05,
      "loss": 3.3556,
      "step": 27000
    },
    {
      "epoch": 1.76,
      "grad_norm": 4.463385105133057,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 3.3432,
      "step": 27500
    },
    {
      "epoch": 1.792,
      "grad_norm": 4.859776020050049,
      "learning_rate": 2.0133333333333336e-05,
      "loss": 3.3413,
      "step": 28000
    },
    {
      "epoch": 1.8239999999999998,
      "grad_norm": 4.643787384033203,
      "learning_rate": 1.9600000000000002e-05,
      "loss": 3.3249,
      "step": 28500
    },
    {
      "epoch": 1.8559999999999999,
      "grad_norm": 4.585232257843018,
      "learning_rate": 1.9066666666666668e-05,
      "loss": 3.3242,
      "step": 29000
    },
    {
      "epoch": 1.888,
      "grad_norm": 4.6707563400268555,
      "learning_rate": 1.8533333333333334e-05,
      "loss": 3.3135,
      "step": 29500
    },
    {
      "epoch": 1.92,
      "grad_norm": 4.501559734344482,
      "learning_rate": 1.8e-05,
      "loss": 3.315,
      "step": 30000
    },
    {
      "epoch": 1.952,
      "grad_norm": 4.715555667877197,
      "learning_rate": 1.7466666666666667e-05,
      "loss": 3.3151,
      "step": 30500
    },
    {
      "epoch": 1.984,
      "grad_norm": 4.661777496337891,
      "learning_rate": 1.6933333333333333e-05,
      "loss": 3.3087,
      "step": 31000
    },
    {
      "epoch": 2.016,
      "grad_norm": 4.5024027824401855,
      "learning_rate": 1.6400000000000002e-05,
      "loss": 3.2875,
      "step": 31500
    },
    {
      "epoch": 2.048,
      "grad_norm": 4.788130283355713,
      "learning_rate": 1.586666666666667e-05,
      "loss": 3.2926,
      "step": 32000
    },
    {
      "epoch": 2.08,
      "grad_norm": 4.57729434967041,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 3.2858,
      "step": 32500
    },
    {
      "epoch": 2.112,
      "grad_norm": 4.824256896972656,
      "learning_rate": 1.48e-05,
      "loss": 3.2845,
      "step": 33000
    },
    {
      "epoch": 2.144,
      "grad_norm": 5.179717540740967,
      "learning_rate": 1.4266666666666667e-05,
      "loss": 3.2788,
      "step": 33500
    },
    {
      "epoch": 2.176,
      "grad_norm": 4.701488494873047,
      "learning_rate": 1.3733333333333335e-05,
      "loss": 3.2794,
      "step": 34000
    },
    {
      "epoch": 2.208,
      "grad_norm": 4.734540939331055,
      "learning_rate": 1.32e-05,
      "loss": 3.2882,
      "step": 34500
    },
    {
      "epoch": 2.24,
      "grad_norm": 4.886785984039307,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 3.2716,
      "step": 35000
    },
    {
      "epoch": 2.2720000000000002,
      "grad_norm": 4.812310218811035,
      "learning_rate": 1.2133333333333335e-05,
      "loss": 3.2632,
      "step": 35500
    },
    {
      "epoch": 2.304,
      "grad_norm": 4.733267784118652,
      "learning_rate": 1.16e-05,
      "loss": 3.2667,
      "step": 36000
    },
    {
      "epoch": 2.336,
      "grad_norm": 4.642938613891602,
      "learning_rate": 1.1066666666666667e-05,
      "loss": 3.2534,
      "step": 36500
    },
    {
      "epoch": 2.368,
      "grad_norm": 4.576411724090576,
      "learning_rate": 1.0533333333333335e-05,
      "loss": 3.2547,
      "step": 37000
    },
    {
      "epoch": 2.4,
      "grad_norm": 4.903866767883301,
      "learning_rate": 1e-05,
      "loss": 3.2542,
      "step": 37500
    },
    {
      "epoch": 2.432,
      "grad_norm": 4.908432960510254,
      "learning_rate": 9.466666666666667e-06,
      "loss": 3.2431,
      "step": 38000
    },
    {
      "epoch": 2.464,
      "grad_norm": 5.0655364990234375,
      "learning_rate": 8.933333333333333e-06,
      "loss": 3.2509,
      "step": 38500
    },
    {
      "epoch": 2.496,
      "grad_norm": 4.810054302215576,
      "learning_rate": 8.400000000000001e-06,
      "loss": 3.2499,
      "step": 39000
    },
    {
      "epoch": 2.528,
      "grad_norm": 4.952749729156494,
      "learning_rate": 7.866666666666667e-06,
      "loss": 3.2413,
      "step": 39500
    },
    {
      "epoch": 2.56,
      "grad_norm": 4.862243175506592,
      "learning_rate": 7.333333333333334e-06,
      "loss": 3.2395,
      "step": 40000
    },
    {
      "epoch": 2.592,
      "grad_norm": 5.045057773590088,
      "learning_rate": 6.800000000000001e-06,
      "loss": 3.2272,
      "step": 40500
    },
    {
      "epoch": 2.624,
      "grad_norm": 4.81024169921875,
      "learning_rate": 6.266666666666666e-06,
      "loss": 3.2315,
      "step": 41000
    },
    {
      "epoch": 2.656,
      "grad_norm": 4.652002334594727,
      "learning_rate": 5.733333333333333e-06,
      "loss": 3.2331,
      "step": 41500
    },
    {
      "epoch": 2.6879999999999997,
      "grad_norm": 4.979446887969971,
      "learning_rate": 5.2e-06,
      "loss": 3.2326,
      "step": 42000
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 4.838864803314209,
      "learning_rate": 4.666666666666667e-06,
      "loss": 3.233,
      "step": 42500
    },
    {
      "epoch": 2.752,
      "grad_norm": 4.996217727661133,
      "learning_rate": 4.133333333333333e-06,
      "loss": 3.2172,
      "step": 43000
    },
    {
      "epoch": 2.784,
      "grad_norm": 4.89617919921875,
      "learning_rate": 3.6e-06,
      "loss": 3.2263,
      "step": 43500
    },
    {
      "epoch": 2.816,
      "grad_norm": 4.889566898345947,
      "learning_rate": 3.066666666666667e-06,
      "loss": 3.2374,
      "step": 44000
    },
    {
      "epoch": 2.848,
      "grad_norm": 4.909117698669434,
      "learning_rate": 2.5333333333333334e-06,
      "loss": 3.2364,
      "step": 44500
    },
    {
      "epoch": 2.88,
      "grad_norm": 4.819942951202393,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 3.2243,
      "step": 45000
    },
    {
      "epoch": 2.912,
      "grad_norm": 4.989527702331543,
      "learning_rate": 1.4666666666666667e-06,
      "loss": 3.2303,
      "step": 45500
    },
    {
      "epoch": 2.944,
      "grad_norm": 5.0459980964660645,
      "learning_rate": 9.333333333333334e-07,
      "loss": 3.2318,
      "step": 46000
    },
    {
      "epoch": 2.976,
      "grad_norm": 4.944396495819092,
      "learning_rate": 4.0000000000000003e-07,
      "loss": 3.2394,
      "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": 3.97189214208e+17,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}