| { | |
| "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": 3.0679662227630615, | |
| "learning_rate": 4.9466666666666665e-05, | |
| "loss": 8.4071, | |
| "step": 500 | |
| }, | |
| { | |
| "epoch": 0.064, | |
| "grad_norm": 3.0055534839630127, | |
| "learning_rate": 4.8933333333333335e-05, | |
| "loss": 6.2004, | |
| "step": 1000 | |
| }, | |
| { | |
| "epoch": 0.096, | |
| "grad_norm": 2.9408485889434814, | |
| "learning_rate": 4.8400000000000004e-05, | |
| "loss": 5.6407, | |
| "step": 1500 | |
| }, | |
| { | |
| "epoch": 0.128, | |
| "grad_norm": 3.0326077938079834, | |
| "learning_rate": 4.7866666666666674e-05, | |
| "loss": 5.3057, | |
| "step": 2000 | |
| }, | |
| { | |
| "epoch": 0.16, | |
| "grad_norm": 2.9889914989471436, | |
| "learning_rate": 4.7333333333333336e-05, | |
| "loss": 5.0433, | |
| "step": 2500 | |
| }, | |
| { | |
| "epoch": 0.192, | |
| "grad_norm": 3.0363354682922363, | |
| "learning_rate": 4.6800000000000006e-05, | |
| "loss": 4.8488, | |
| "step": 3000 | |
| }, | |
| { | |
| "epoch": 0.224, | |
| "grad_norm": 3.1424384117126465, | |
| "learning_rate": 4.626666666666667e-05, | |
| "loss": 4.6784, | |
| "step": 3500 | |
| }, | |
| { | |
| "epoch": 0.256, | |
| "grad_norm": 3.202749490737915, | |
| "learning_rate": 4.573333333333333e-05, | |
| "loss": 4.5396, | |
| "step": 4000 | |
| }, | |
| { | |
| "epoch": 0.288, | |
| "grad_norm": 3.166775703430176, | |
| "learning_rate": 4.52e-05, | |
| "loss": 4.417, | |
| "step": 4500 | |
| }, | |
| { | |
| "epoch": 0.32, | |
| "grad_norm": 3.2304818630218506, | |
| "learning_rate": 4.466666666666667e-05, | |
| "loss": 4.3049, | |
| "step": 5000 | |
| }, | |
| { | |
| "epoch": 0.352, | |
| "grad_norm": 3.34275221824646, | |
| "learning_rate": 4.413333333333334e-05, | |
| "loss": 4.2166, | |
| "step": 5500 | |
| }, | |
| { | |
| "epoch": 0.384, | |
| "grad_norm": 3.2604470252990723, | |
| "learning_rate": 4.36e-05, | |
| "loss": 4.1441, | |
| "step": 6000 | |
| }, | |
| { | |
| "epoch": 0.416, | |
| "grad_norm": 3.232607364654541, | |
| "learning_rate": 4.3066666666666665e-05, | |
| "loss": 4.0461, | |
| "step": 6500 | |
| }, | |
| { | |
| "epoch": 0.448, | |
| "grad_norm": 3.3781540393829346, | |
| "learning_rate": 4.2533333333333335e-05, | |
| "loss": 3.9763, | |
| "step": 7000 | |
| }, | |
| { | |
| "epoch": 0.48, | |
| "grad_norm": 3.3953583240509033, | |
| "learning_rate": 4.2e-05, | |
| "loss": 3.9124, | |
| "step": 7500 | |
| }, | |
| { | |
| "epoch": 0.512, | |
| "grad_norm": 3.35437273979187, | |
| "learning_rate": 4.146666666666667e-05, | |
| "loss": 3.8656, | |
| "step": 8000 | |
| }, | |
| { | |
| "epoch": 0.544, | |
| "grad_norm": 3.2697718143463135, | |
| "learning_rate": 4.093333333333334e-05, | |
| "loss": 3.8127, | |
| "step": 8500 | |
| }, | |
| { | |
| "epoch": 0.576, | |
| "grad_norm": 3.5520148277282715, | |
| "learning_rate": 4.0400000000000006e-05, | |
| "loss": 3.7642, | |
| "step": 9000 | |
| }, | |
| { | |
| "epoch": 0.608, | |
| "grad_norm": 3.622610092163086, | |
| "learning_rate": 3.986666666666667e-05, | |
| "loss": 3.7171, | |
| "step": 9500 | |
| }, | |
| { | |
| "epoch": 0.64, | |
| "grad_norm": 3.461024045944214, | |
| "learning_rate": 3.933333333333333e-05, | |
| "loss": 3.6795, | |
| "step": 10000 | |
| }, | |
| { | |
| "epoch": 0.672, | |
| "grad_norm": 3.416637897491455, | |
| "learning_rate": 3.88e-05, | |
| "loss": 3.6308, | |
| "step": 10500 | |
| }, | |
| { | |
| "epoch": 0.704, | |
| "grad_norm": 3.3884053230285645, | |
| "learning_rate": 3.8266666666666664e-05, | |
| "loss": 3.6011, | |
| "step": 11000 | |
| }, | |
| { | |
| "epoch": 0.736, | |
| "grad_norm": 3.487553119659424, | |
| "learning_rate": 3.773333333333334e-05, | |
| "loss": 3.5751, | |
| "step": 11500 | |
| }, | |
| { | |
| "epoch": 0.768, | |
| "grad_norm": 3.3338284492492676, | |
| "learning_rate": 3.72e-05, | |
| "loss": 3.5489, | |
| "step": 12000 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 3.550006628036499, | |
| "learning_rate": 3.6666666666666666e-05, | |
| "loss": 3.5126, | |
| "step": 12500 | |
| }, | |
| { | |
| "epoch": 0.832, | |
| "grad_norm": 3.6185271739959717, | |
| "learning_rate": 3.6133333333333335e-05, | |
| "loss": 3.4796, | |
| "step": 13000 | |
| }, | |
| { | |
| "epoch": 0.864, | |
| "grad_norm": 3.549903631210327, | |
| "learning_rate": 3.56e-05, | |
| "loss": 3.456, | |
| "step": 13500 | |
| }, | |
| { | |
| "epoch": 0.896, | |
| "grad_norm": 3.4854397773742676, | |
| "learning_rate": 3.506666666666667e-05, | |
| "loss": 3.4371, | |
| "step": 14000 | |
| }, | |
| { | |
| "epoch": 0.928, | |
| "grad_norm": 3.485915422439575, | |
| "learning_rate": 3.453333333333334e-05, | |
| "loss": 3.4007, | |
| "step": 14500 | |
| }, | |
| { | |
| "epoch": 0.96, | |
| "grad_norm": 3.6377503871917725, | |
| "learning_rate": 3.4000000000000007e-05, | |
| "loss": 3.3861, | |
| "step": 15000 | |
| }, | |
| { | |
| "epoch": 0.992, | |
| "grad_norm": 3.7084476947784424, | |
| "learning_rate": 3.346666666666667e-05, | |
| "loss": 3.3766, | |
| "step": 15500 | |
| }, | |
| { | |
| "epoch": 1.024, | |
| "grad_norm": 3.507960081100464, | |
| "learning_rate": 3.293333333333333e-05, | |
| "loss": 3.3466, | |
| "step": 16000 | |
| }, | |
| { | |
| "epoch": 1.056, | |
| "grad_norm": 3.578158378601074, | |
| "learning_rate": 3.24e-05, | |
| "loss": 3.3219, | |
| "step": 16500 | |
| }, | |
| { | |
| "epoch": 1.088, | |
| "grad_norm": 3.5807158946990967, | |
| "learning_rate": 3.1866666666666664e-05, | |
| "loss": 3.3092, | |
| "step": 17000 | |
| }, | |
| { | |
| "epoch": 1.12, | |
| "grad_norm": 3.403930187225342, | |
| "learning_rate": 3.1333333333333334e-05, | |
| "loss": 3.2914, | |
| "step": 17500 | |
| }, | |
| { | |
| "epoch": 1.152, | |
| "grad_norm": 3.611689329147339, | |
| "learning_rate": 3.08e-05, | |
| "loss": 3.2789, | |
| "step": 18000 | |
| }, | |
| { | |
| "epoch": 1.184, | |
| "grad_norm": 3.441894769668579, | |
| "learning_rate": 3.0266666666666666e-05, | |
| "loss": 3.2617, | |
| "step": 18500 | |
| }, | |
| { | |
| "epoch": 1.216, | |
| "grad_norm": 3.8065826892852783, | |
| "learning_rate": 2.9733333333333336e-05, | |
| "loss": 3.2527, | |
| "step": 19000 | |
| }, | |
| { | |
| "epoch": 1.248, | |
| "grad_norm": 3.8264431953430176, | |
| "learning_rate": 2.9199999999999998e-05, | |
| "loss": 3.227, | |
| "step": 19500 | |
| }, | |
| { | |
| "epoch": 1.28, | |
| "grad_norm": 3.7213151454925537, | |
| "learning_rate": 2.8666666666666668e-05, | |
| "loss": 3.2167, | |
| "step": 20000 | |
| }, | |
| { | |
| "epoch": 1.312, | |
| "grad_norm": 3.7781128883361816, | |
| "learning_rate": 2.8133333333333334e-05, | |
| "loss": 3.2174, | |
| "step": 20500 | |
| }, | |
| { | |
| "epoch": 1.3439999999999999, | |
| "grad_norm": 3.6487817764282227, | |
| "learning_rate": 2.7600000000000003e-05, | |
| "loss": 3.1903, | |
| "step": 21000 | |
| }, | |
| { | |
| "epoch": 1.376, | |
| "grad_norm": 3.5648109912872314, | |
| "learning_rate": 2.706666666666667e-05, | |
| "loss": 3.1895, | |
| "step": 21500 | |
| }, | |
| { | |
| "epoch": 1.408, | |
| "grad_norm": 3.7091026306152344, | |
| "learning_rate": 2.6533333333333332e-05, | |
| "loss": 3.1753, | |
| "step": 22000 | |
| }, | |
| { | |
| "epoch": 1.44, | |
| "grad_norm": 3.809782028198242, | |
| "learning_rate": 2.6000000000000002e-05, | |
| "loss": 3.1632, | |
| "step": 22500 | |
| }, | |
| { | |
| "epoch": 1.472, | |
| "grad_norm": 3.5696823596954346, | |
| "learning_rate": 2.5466666666666668e-05, | |
| "loss": 3.1597, | |
| "step": 23000 | |
| }, | |
| { | |
| "epoch": 1.504, | |
| "grad_norm": 3.596442937850952, | |
| "learning_rate": 2.4933333333333334e-05, | |
| "loss": 3.1368, | |
| "step": 23500 | |
| }, | |
| { | |
| "epoch": 1.536, | |
| "grad_norm": 3.7372052669525146, | |
| "learning_rate": 2.44e-05, | |
| "loss": 3.1333, | |
| "step": 24000 | |
| }, | |
| { | |
| "epoch": 1.568, | |
| "grad_norm": 3.8953261375427246, | |
| "learning_rate": 2.3866666666666666e-05, | |
| "loss": 3.126, | |
| "step": 24500 | |
| }, | |
| { | |
| "epoch": 1.6, | |
| "grad_norm": 3.7160630226135254, | |
| "learning_rate": 2.3333333333333336e-05, | |
| "loss": 3.1134, | |
| "step": 25000 | |
| }, | |
| { | |
| "epoch": 1.6320000000000001, | |
| "grad_norm": 3.732041358947754, | |
| "learning_rate": 2.2800000000000002e-05, | |
| "loss": 3.1027, | |
| "step": 25500 | |
| }, | |
| { | |
| "epoch": 1.6640000000000001, | |
| "grad_norm": 3.745945692062378, | |
| "learning_rate": 2.2266666666666668e-05, | |
| "loss": 3.0932, | |
| "step": 26000 | |
| }, | |
| { | |
| "epoch": 1.696, | |
| "grad_norm": 3.7304494380950928, | |
| "learning_rate": 2.1733333333333334e-05, | |
| "loss": 3.0934, | |
| "step": 26500 | |
| }, | |
| { | |
| "epoch": 1.728, | |
| "grad_norm": 3.972428798675537, | |
| "learning_rate": 2.12e-05, | |
| "loss": 3.0914, | |
| "step": 27000 | |
| }, | |
| { | |
| "epoch": 1.76, | |
| "grad_norm": 3.8522467613220215, | |
| "learning_rate": 2.0666666666666666e-05, | |
| "loss": 3.0787, | |
| "step": 27500 | |
| }, | |
| { | |
| "epoch": 1.792, | |
| "grad_norm": 4.120100498199463, | |
| "learning_rate": 2.0133333333333336e-05, | |
| "loss": 3.0774, | |
| "step": 28000 | |
| }, | |
| { | |
| "epoch": 1.8239999999999998, | |
| "grad_norm": 3.9688403606414795, | |
| "learning_rate": 1.9600000000000002e-05, | |
| "loss": 3.0589, | |
| "step": 28500 | |
| }, | |
| { | |
| "epoch": 1.8559999999999999, | |
| "grad_norm": 3.962357759475708, | |
| "learning_rate": 1.9066666666666668e-05, | |
| "loss": 3.0606, | |
| "step": 29000 | |
| }, | |
| { | |
| "epoch": 1.888, | |
| "grad_norm": 3.8281428813934326, | |
| "learning_rate": 1.8533333333333334e-05, | |
| "loss": 3.0475, | |
| "step": 29500 | |
| }, | |
| { | |
| "epoch": 1.92, | |
| "grad_norm": 3.7175686359405518, | |
| "learning_rate": 1.8e-05, | |
| "loss": 3.0494, | |
| "step": 30000 | |
| }, | |
| { | |
| "epoch": 1.952, | |
| "grad_norm": 3.9336204528808594, | |
| "learning_rate": 1.7466666666666667e-05, | |
| "loss": 3.0496, | |
| "step": 30500 | |
| }, | |
| { | |
| "epoch": 1.984, | |
| "grad_norm": 3.940504312515259, | |
| "learning_rate": 1.6933333333333333e-05, | |
| "loss": 3.0433, | |
| "step": 31000 | |
| }, | |
| { | |
| "epoch": 2.016, | |
| "grad_norm": 3.804793119430542, | |
| "learning_rate": 1.6400000000000002e-05, | |
| "loss": 3.0214, | |
| "step": 31500 | |
| }, | |
| { | |
| "epoch": 2.048, | |
| "grad_norm": 4.084570407867432, | |
| "learning_rate": 1.586666666666667e-05, | |
| "loss": 3.026, | |
| "step": 32000 | |
| }, | |
| { | |
| "epoch": 2.08, | |
| "grad_norm": 3.789781093597412, | |
| "learning_rate": 1.5333333333333334e-05, | |
| "loss": 3.0174, | |
| "step": 32500 | |
| }, | |
| { | |
| "epoch": 2.112, | |
| "grad_norm": 4.028503894805908, | |
| "learning_rate": 1.48e-05, | |
| "loss": 3.0166, | |
| "step": 33000 | |
| }, | |
| { | |
| "epoch": 2.144, | |
| "grad_norm": 4.288122177124023, | |
| "learning_rate": 1.4266666666666667e-05, | |
| "loss": 3.0106, | |
| "step": 33500 | |
| }, | |
| { | |
| "epoch": 2.176, | |
| "grad_norm": 3.9543862342834473, | |
| "learning_rate": 1.3733333333333335e-05, | |
| "loss": 3.0117, | |
| "step": 34000 | |
| }, | |
| { | |
| "epoch": 2.208, | |
| "grad_norm": 4.014378547668457, | |
| "learning_rate": 1.32e-05, | |
| "loss": 3.0196, | |
| "step": 34500 | |
| }, | |
| { | |
| "epoch": 2.24, | |
| "grad_norm": 3.9687976837158203, | |
| "learning_rate": 1.2666666666666668e-05, | |
| "loss": 3.0054, | |
| "step": 35000 | |
| }, | |
| { | |
| "epoch": 2.2720000000000002, | |
| "grad_norm": 4.117220878601074, | |
| "learning_rate": 1.2133333333333335e-05, | |
| "loss": 2.9961, | |
| "step": 35500 | |
| }, | |
| { | |
| "epoch": 2.304, | |
| "grad_norm": 3.964557409286499, | |
| "learning_rate": 1.16e-05, | |
| "loss": 3.001, | |
| "step": 36000 | |
| }, | |
| { | |
| "epoch": 2.336, | |
| "grad_norm": 3.93153715133667, | |
| "learning_rate": 1.1066666666666667e-05, | |
| "loss": 2.9883, | |
| "step": 36500 | |
| }, | |
| { | |
| "epoch": 2.368, | |
| "grad_norm": 3.9165892601013184, | |
| "learning_rate": 1.0533333333333335e-05, | |
| "loss": 2.9881, | |
| "step": 37000 | |
| }, | |
| { | |
| "epoch": 2.4, | |
| "grad_norm": 4.168267726898193, | |
| "learning_rate": 1e-05, | |
| "loss": 2.9849, | |
| "step": 37500 | |
| }, | |
| { | |
| "epoch": 2.432, | |
| "grad_norm": 4.182666778564453, | |
| "learning_rate": 9.466666666666667e-06, | |
| "loss": 2.9744, | |
| "step": 38000 | |
| }, | |
| { | |
| "epoch": 2.464, | |
| "grad_norm": 4.311782360076904, | |
| "learning_rate": 8.933333333333333e-06, | |
| "loss": 2.9829, | |
| "step": 38500 | |
| }, | |
| { | |
| "epoch": 2.496, | |
| "grad_norm": 4.024513244628906, | |
| "learning_rate": 8.400000000000001e-06, | |
| "loss": 2.9797, | |
| "step": 39000 | |
| }, | |
| { | |
| "epoch": 2.528, | |
| "grad_norm": 4.21325159072876, | |
| "learning_rate": 7.866666666666667e-06, | |
| "loss": 2.9741, | |
| "step": 39500 | |
| }, | |
| { | |
| "epoch": 2.56, | |
| "grad_norm": 3.9991471767425537, | |
| "learning_rate": 7.333333333333334e-06, | |
| "loss": 2.9712, | |
| "step": 40000 | |
| }, | |
| { | |
| "epoch": 2.592, | |
| "grad_norm": 4.120663642883301, | |
| "learning_rate": 6.800000000000001e-06, | |
| "loss": 2.9596, | |
| "step": 40500 | |
| }, | |
| { | |
| "epoch": 2.624, | |
| "grad_norm": 4.054354667663574, | |
| "learning_rate": 6.266666666666666e-06, | |
| "loss": 2.9643, | |
| "step": 41000 | |
| }, | |
| { | |
| "epoch": 2.656, | |
| "grad_norm": 3.9985573291778564, | |
| "learning_rate": 5.733333333333333e-06, | |
| "loss": 2.9641, | |
| "step": 41500 | |
| }, | |
| { | |
| "epoch": 2.6879999999999997, | |
| "grad_norm": 4.109087944030762, | |
| "learning_rate": 5.2e-06, | |
| "loss": 2.9639, | |
| "step": 42000 | |
| }, | |
| { | |
| "epoch": 2.7199999999999998, | |
| "grad_norm": 4.02957010269165, | |
| "learning_rate": 4.666666666666667e-06, | |
| "loss": 2.9658, | |
| "step": 42500 | |
| }, | |
| { | |
| "epoch": 2.752, | |
| "grad_norm": 4.113668918609619, | |
| "learning_rate": 4.133333333333333e-06, | |
| "loss": 2.9475, | |
| "step": 43000 | |
| }, | |
| { | |
| "epoch": 2.784, | |
| "grad_norm": 4.086776256561279, | |
| "learning_rate": 3.6e-06, | |
| "loss": 2.957, | |
| "step": 43500 | |
| }, | |
| { | |
| "epoch": 2.816, | |
| "grad_norm": 4.051148414611816, | |
| "learning_rate": 3.066666666666667e-06, | |
| "loss": 2.9682, | |
| "step": 44000 | |
| }, | |
| { | |
| "epoch": 2.848, | |
| "grad_norm": 4.061084270477295, | |
| "learning_rate": 2.5333333333333334e-06, | |
| "loss": 2.9704, | |
| "step": 44500 | |
| }, | |
| { | |
| "epoch": 2.88, | |
| "grad_norm": 4.081518173217773, | |
| "learning_rate": 2.0000000000000003e-06, | |
| "loss": 2.9551, | |
| "step": 45000 | |
| }, | |
| { | |
| "epoch": 2.912, | |
| "grad_norm": 4.137884140014648, | |
| "learning_rate": 1.4666666666666667e-06, | |
| "loss": 2.9614, | |
| "step": 45500 | |
| }, | |
| { | |
| "epoch": 2.944, | |
| "grad_norm": 4.1577887535095215, | |
| "learning_rate": 9.333333333333334e-07, | |
| "loss": 2.9629, | |
| "step": 46000 | |
| }, | |
| { | |
| "epoch": 2.976, | |
| "grad_norm": 4.1595916748046875, | |
| "learning_rate": 4.0000000000000003e-07, | |
| "loss": 2.9701, | |
| "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 | |
| } | |