{
  "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": 4.532311916351318,
      "learning_rate": 4.9466666666666665e-05,
      "loss": 8.374,
      "step": 500
    },
    {
      "epoch": 0.064,
      "grad_norm": 5.539952754974365,
      "learning_rate": 4.8933333333333335e-05,
      "loss": 6.2029,
      "step": 1000
    },
    {
      "epoch": 0.096,
      "grad_norm": 7.1006927490234375,
      "learning_rate": 4.8400000000000004e-05,
      "loss": 5.6306,
      "step": 1500
    },
    {
      "epoch": 0.128,
      "grad_norm": 7.942945957183838,
      "learning_rate": 4.7866666666666674e-05,
      "loss": 5.3219,
      "step": 2000
    },
    {
      "epoch": 0.16,
      "grad_norm": 9.49350643157959,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 5.0926,
      "step": 2500
    },
    {
      "epoch": 0.192,
      "grad_norm": 8.600608825683594,
      "learning_rate": 4.6800000000000006e-05,
      "loss": 4.9156,
      "step": 3000
    },
    {
      "epoch": 0.224,
      "grad_norm": 9.552509307861328,
      "learning_rate": 4.626666666666667e-05,
      "loss": 4.7529,
      "step": 3500
    },
    {
      "epoch": 0.256,
      "grad_norm": 10.159740447998047,
      "learning_rate": 4.573333333333333e-05,
      "loss": 4.6217,
      "step": 4000
    },
    {
      "epoch": 0.288,
      "grad_norm": 9.778353691101074,
      "learning_rate": 4.52e-05,
      "loss": 4.5028,
      "step": 4500
    },
    {
      "epoch": 0.32,
      "grad_norm": 11.466822624206543,
      "learning_rate": 4.466666666666667e-05,
      "loss": 4.3921,
      "step": 5000
    },
    {
      "epoch": 0.352,
      "grad_norm": 9.70102596282959,
      "learning_rate": 4.413333333333334e-05,
      "loss": 4.3026,
      "step": 5500
    },
    {
      "epoch": 0.384,
      "grad_norm": 9.924347877502441,
      "learning_rate": 4.36e-05,
      "loss": 4.2222,
      "step": 6000
    },
    {
      "epoch": 0.416,
      "grad_norm": 9.57331371307373,
      "learning_rate": 4.3066666666666665e-05,
      "loss": 4.1226,
      "step": 6500
    },
    {
      "epoch": 0.448,
      "grad_norm": 10.247310638427734,
      "learning_rate": 4.2533333333333335e-05,
      "loss": 4.0443,
      "step": 7000
    },
    {
      "epoch": 0.48,
      "grad_norm": 8.813809394836426,
      "learning_rate": 4.2e-05,
      "loss": 3.9749,
      "step": 7500
    },
    {
      "epoch": 0.512,
      "grad_norm": 8.48243236541748,
      "learning_rate": 4.146666666666667e-05,
      "loss": 3.9173,
      "step": 8000
    },
    {
      "epoch": 0.544,
      "grad_norm": 9.39013671875,
      "learning_rate": 4.093333333333334e-05,
      "loss": 3.8608,
      "step": 8500
    },
    {
      "epoch": 0.576,
      "grad_norm": 10.269105911254883,
      "learning_rate": 4.0400000000000006e-05,
      "loss": 3.8061,
      "step": 9000
    },
    {
      "epoch": 0.608,
      "grad_norm": 9.637127876281738,
      "learning_rate": 3.986666666666667e-05,
      "loss": 3.7511,
      "step": 9500
    },
    {
      "epoch": 0.64,
      "grad_norm": 8.74539852142334,
      "learning_rate": 3.933333333333333e-05,
      "loss": 3.7077,
      "step": 10000
    },
    {
      "epoch": 0.672,
      "grad_norm": 8.93080997467041,
      "learning_rate": 3.88e-05,
      "loss": 3.6501,
      "step": 10500
    },
    {
      "epoch": 0.704,
      "grad_norm": 8.28554916381836,
      "learning_rate": 3.8266666666666664e-05,
      "loss": 3.6125,
      "step": 11000
    },
    {
      "epoch": 0.736,
      "grad_norm": 8.419025421142578,
      "learning_rate": 3.773333333333334e-05,
      "loss": 3.5814,
      "step": 11500
    },
    {
      "epoch": 0.768,
      "grad_norm": 8.312236785888672,
      "learning_rate": 3.72e-05,
      "loss": 3.5464,
      "step": 12000
    },
    {
      "epoch": 0.8,
      "grad_norm": 8.151102066040039,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 3.5081,
      "step": 12500
    },
    {
      "epoch": 0.832,
      "grad_norm": 9.357521057128906,
      "learning_rate": 3.6133333333333335e-05,
      "loss": 3.4693,
      "step": 13000
    },
    {
      "epoch": 0.864,
      "grad_norm": 7.729284763336182,
      "learning_rate": 3.56e-05,
      "loss": 3.4405,
      "step": 13500
    },
    {
      "epoch": 0.896,
      "grad_norm": 7.64942741394043,
      "learning_rate": 3.506666666666667e-05,
      "loss": 3.4151,
      "step": 14000
    },
    {
      "epoch": 0.928,
      "grad_norm": 8.495372772216797,
      "learning_rate": 3.453333333333334e-05,
      "loss": 3.3753,
      "step": 14500
    },
    {
      "epoch": 0.96,
      "grad_norm": 7.65497350692749,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 3.353,
      "step": 15000
    },
    {
      "epoch": 0.992,
      "grad_norm": 7.8971428871154785,
      "learning_rate": 3.346666666666667e-05,
      "loss": 3.338,
      "step": 15500
    },
    {
      "epoch": 1.024,
      "grad_norm": 7.449124336242676,
      "learning_rate": 3.293333333333333e-05,
      "loss": 3.3014,
      "step": 16000
    },
    {
      "epoch": 1.056,
      "grad_norm": 7.5090651512146,
      "learning_rate": 3.24e-05,
      "loss": 3.2747,
      "step": 16500
    },
    {
      "epoch": 1.088,
      "grad_norm": 7.478085994720459,
      "learning_rate": 3.1866666666666664e-05,
      "loss": 3.2579,
      "step": 17000
    },
    {
      "epoch": 1.12,
      "grad_norm": 7.932021617889404,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 3.2359,
      "step": 17500
    },
    {
      "epoch": 1.152,
      "grad_norm": 8.18863582611084,
      "learning_rate": 3.08e-05,
      "loss": 3.2205,
      "step": 18000
    },
    {
      "epoch": 1.184,
      "grad_norm": 7.35761022567749,
      "learning_rate": 3.0266666666666666e-05,
      "loss": 3.199,
      "step": 18500
    },
    {
      "epoch": 1.216,
      "grad_norm": 7.989797115325928,
      "learning_rate": 2.9733333333333336e-05,
      "loss": 3.1869,
      "step": 19000
    },
    {
      "epoch": 1.248,
      "grad_norm": 7.642023086547852,
      "learning_rate": 2.9199999999999998e-05,
      "loss": 3.1599,
      "step": 19500
    },
    {
      "epoch": 1.28,
      "grad_norm": 6.902944087982178,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 3.1459,
      "step": 20000
    },
    {
      "epoch": 1.312,
      "grad_norm": 7.496644020080566,
      "learning_rate": 2.8133333333333334e-05,
      "loss": 3.1397,
      "step": 20500
    },
    {
      "epoch": 1.3439999999999999,
      "grad_norm": 7.395977020263672,
      "learning_rate": 2.7600000000000003e-05,
      "loss": 3.1104,
      "step": 21000
    },
    {
      "epoch": 1.376,
      "grad_norm": 7.133719444274902,
      "learning_rate": 2.706666666666667e-05,
      "loss": 3.1079,
      "step": 21500
    },
    {
      "epoch": 1.408,
      "grad_norm": 7.099576950073242,
      "learning_rate": 2.6533333333333332e-05,
      "loss": 3.092,
      "step": 22000
    },
    {
      "epoch": 1.44,
      "grad_norm": 7.78513765335083,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 3.0753,
      "step": 22500
    },
    {
      "epoch": 1.472,
      "grad_norm": 6.83204460144043,
      "learning_rate": 2.5466666666666668e-05,
      "loss": 3.0676,
      "step": 23000
    },
    {
      "epoch": 1.504,
      "grad_norm": 6.982757568359375,
      "learning_rate": 2.4933333333333334e-05,
      "loss": 3.0464,
      "step": 23500
    },
    {
      "epoch": 1.536,
      "grad_norm": 6.814619541168213,
      "learning_rate": 2.44e-05,
      "loss": 3.0356,
      "step": 24000
    },
    {
      "epoch": 1.568,
      "grad_norm": 7.202338695526123,
      "learning_rate": 2.3866666666666666e-05,
      "loss": 3.0258,
      "step": 24500
    },
    {
      "epoch": 1.6,
      "grad_norm": 7.039158821105957,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 3.012,
      "step": 25000
    },
    {
      "epoch": 1.6320000000000001,
      "grad_norm": 7.325659275054932,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 3.0007,
      "step": 25500
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 8.060090065002441,
      "learning_rate": 2.2266666666666668e-05,
      "loss": 2.9872,
      "step": 26000
    },
    {
      "epoch": 1.696,
      "grad_norm": 7.202187538146973,
      "learning_rate": 2.1733333333333334e-05,
      "loss": 2.9845,
      "step": 26500
    },
    {
      "epoch": 1.728,
      "grad_norm": 7.800703525543213,
      "learning_rate": 2.12e-05,
      "loss": 2.9821,
      "step": 27000
    },
    {
      "epoch": 1.76,
      "grad_norm": 7.207638740539551,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 2.9652,
      "step": 27500
    },
    {
      "epoch": 1.792,
      "grad_norm": 7.54185676574707,
      "learning_rate": 2.0133333333333336e-05,
      "loss": 2.9623,
      "step": 28000
    },
    {
      "epoch": 1.8239999999999998,
      "grad_norm": 7.163204193115234,
      "learning_rate": 1.9600000000000002e-05,
      "loss": 2.9425,
      "step": 28500
    },
    {
      "epoch": 1.8559999999999999,
      "grad_norm": 7.450079917907715,
      "learning_rate": 1.9066666666666668e-05,
      "loss": 2.9438,
      "step": 29000
    },
    {
      "epoch": 1.888,
      "grad_norm": 7.517152309417725,
      "learning_rate": 1.8533333333333334e-05,
      "loss": 2.9288,
      "step": 29500
    },
    {
      "epoch": 1.92,
      "grad_norm": 6.886777400970459,
      "learning_rate": 1.8e-05,
      "loss": 2.9286,
      "step": 30000
    },
    {
      "epoch": 1.952,
      "grad_norm": 7.283176422119141,
      "learning_rate": 1.7466666666666667e-05,
      "loss": 2.9265,
      "step": 30500
    },
    {
      "epoch": 1.984,
      "grad_norm": 6.9964213371276855,
      "learning_rate": 1.6933333333333333e-05,
      "loss": 2.9217,
      "step": 31000
    },
    {
      "epoch": 2.016,
      "grad_norm": 6.313802719116211,
      "learning_rate": 1.6400000000000002e-05,
      "loss": 2.8975,
      "step": 31500
    },
    {
      "epoch": 2.048,
      "grad_norm": 7.251451015472412,
      "learning_rate": 1.586666666666667e-05,
      "loss": 2.9001,
      "step": 32000
    },
    {
      "epoch": 2.08,
      "grad_norm": 6.860323905944824,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 2.8917,
      "step": 32500
    },
    {
      "epoch": 2.112,
      "grad_norm": 7.383843421936035,
      "learning_rate": 1.48e-05,
      "loss": 2.8886,
      "step": 33000
    },
    {
      "epoch": 2.144,
      "grad_norm": 7.962520599365234,
      "learning_rate": 1.4266666666666667e-05,
      "loss": 2.8834,
      "step": 33500
    },
    {
      "epoch": 2.176,
      "grad_norm": 6.652215480804443,
      "learning_rate": 1.3733333333333335e-05,
      "loss": 2.8835,
      "step": 34000
    },
    {
      "epoch": 2.208,
      "grad_norm": 6.979165554046631,
      "learning_rate": 1.32e-05,
      "loss": 2.8878,
      "step": 34500
    },
    {
      "epoch": 2.24,
      "grad_norm": 6.656210422515869,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 2.8787,
      "step": 35000
    },
    {
      "epoch": 2.2720000000000002,
      "grad_norm": 6.977215766906738,
      "learning_rate": 1.2133333333333335e-05,
      "loss": 2.8657,
      "step": 35500
    },
    {
      "epoch": 2.304,
      "grad_norm": 6.938176155090332,
      "learning_rate": 1.16e-05,
      "loss": 2.8677,
      "step": 36000
    },
    {
      "epoch": 2.336,
      "grad_norm": 6.848135471343994,
      "learning_rate": 1.1066666666666667e-05,
      "loss": 2.8554,
      "step": 36500
    },
    {
      "epoch": 2.368,
      "grad_norm": 7.359588623046875,
      "learning_rate": 1.0533333333333335e-05,
      "loss": 2.8542,
      "step": 37000
    },
    {
      "epoch": 2.4,
      "grad_norm": 6.862154960632324,
      "learning_rate": 1e-05,
      "loss": 2.8506,
      "step": 37500
    },
    {
      "epoch": 2.432,
      "grad_norm": 7.112462043762207,
      "learning_rate": 9.466666666666667e-06,
      "loss": 2.8383,
      "step": 38000
    },
    {
      "epoch": 2.464,
      "grad_norm": 6.976600170135498,
      "learning_rate": 8.933333333333333e-06,
      "loss": 2.8482,
      "step": 38500
    },
    {
      "epoch": 2.496,
      "grad_norm": 6.676475524902344,
      "learning_rate": 8.400000000000001e-06,
      "loss": 2.8419,
      "step": 39000
    },
    {
      "epoch": 2.528,
      "grad_norm": 7.691751480102539,
      "learning_rate": 7.866666666666667e-06,
      "loss": 2.833,
      "step": 39500
    },
    {
      "epoch": 2.56,
      "grad_norm": 6.772462844848633,
      "learning_rate": 7.333333333333334e-06,
      "loss": 2.833,
      "step": 40000
    },
    {
      "epoch": 2.592,
      "grad_norm": 6.964785099029541,
      "learning_rate": 6.800000000000001e-06,
      "loss": 2.8197,
      "step": 40500
    },
    {
      "epoch": 2.624,
      "grad_norm": 7.101240158081055,
      "learning_rate": 6.266666666666666e-06,
      "loss": 2.8218,
      "step": 41000
    },
    {
      "epoch": 2.656,
      "grad_norm": 6.615237712860107,
      "learning_rate": 5.733333333333333e-06,
      "loss": 2.8257,
      "step": 41500
    },
    {
      "epoch": 2.6879999999999997,
      "grad_norm": 7.214221954345703,
      "learning_rate": 5.2e-06,
      "loss": 2.825,
      "step": 42000
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 6.964833736419678,
      "learning_rate": 4.666666666666667e-06,
      "loss": 2.8267,
      "step": 42500
    },
    {
      "epoch": 2.752,
      "grad_norm": 6.813267707824707,
      "learning_rate": 4.133333333333333e-06,
      "loss": 2.8065,
      "step": 43000
    },
    {
      "epoch": 2.784,
      "grad_norm": 7.196587562561035,
      "learning_rate": 3.6e-06,
      "loss": 2.815,
      "step": 43500
    },
    {
      "epoch": 2.816,
      "grad_norm": 7.404820919036865,
      "learning_rate": 3.066666666666667e-06,
      "loss": 2.8261,
      "step": 44000
    },
    {
      "epoch": 2.848,
      "grad_norm": 6.9792327880859375,
      "learning_rate": 2.5333333333333334e-06,
      "loss": 2.8261,
      "step": 44500
    },
    {
      "epoch": 2.88,
      "grad_norm": 7.13853120803833,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 2.8103,
      "step": 45000
    },
    {
      "epoch": 2.912,
      "grad_norm": 7.038462162017822,
      "learning_rate": 1.4666666666666667e-06,
      "loss": 2.8194,
      "step": 45500
    },
    {
      "epoch": 2.944,
      "grad_norm": 7.771182060241699,
      "learning_rate": 9.333333333333334e-07,
      "loss": 2.8209,
      "step": 46000
    },
    {
      "epoch": 2.976,
      "grad_norm": 7.454243183135986,
      "learning_rate": 4.0000000000000003e-07,
      "loss": 2.8244,
      "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
}