{
  "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": 2.9300780296325684,
      "learning_rate": 4.9466666666666665e-05,
      "loss": 8.4304,
      "step": 500
    },
    {
      "epoch": 0.064,
      "grad_norm": 2.708092212677002,
      "learning_rate": 4.8933333333333335e-05,
      "loss": 6.3815,
      "step": 1000
    },
    {
      "epoch": 0.096,
      "grad_norm": 2.7160232067108154,
      "learning_rate": 4.8400000000000004e-05,
      "loss": 5.717,
      "step": 1500
    },
    {
      "epoch": 0.128,
      "grad_norm": 2.5131046772003174,
      "learning_rate": 4.7866666666666674e-05,
      "loss": 5.353,
      "step": 2000
    },
    {
      "epoch": 0.16,
      "grad_norm": 2.8203608989715576,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 5.0937,
      "step": 2500
    },
    {
      "epoch": 0.192,
      "grad_norm": 2.6736185550689697,
      "learning_rate": 4.6800000000000006e-05,
      "loss": 4.905,
      "step": 3000
    },
    {
      "epoch": 0.224,
      "grad_norm": 2.9173152446746826,
      "learning_rate": 4.626666666666667e-05,
      "loss": 4.7377,
      "step": 3500
    },
    {
      "epoch": 0.256,
      "grad_norm": 2.861001968383789,
      "learning_rate": 4.573333333333333e-05,
      "loss": 4.606,
      "step": 4000
    },
    {
      "epoch": 0.288,
      "grad_norm": 2.899388313293457,
      "learning_rate": 4.52e-05,
      "loss": 4.4928,
      "step": 4500
    },
    {
      "epoch": 0.32,
      "grad_norm": 2.8987622261047363,
      "learning_rate": 4.466666666666667e-05,
      "loss": 4.3843,
      "step": 5000
    },
    {
      "epoch": 0.352,
      "grad_norm": 2.9992928504943848,
      "learning_rate": 4.413333333333334e-05,
      "loss": 4.3053,
      "step": 5500
    },
    {
      "epoch": 0.384,
      "grad_norm": 2.944384813308716,
      "learning_rate": 4.36e-05,
      "loss": 4.2293,
      "step": 6000
    },
    {
      "epoch": 0.416,
      "grad_norm": 3.726702928543091,
      "learning_rate": 4.3066666666666665e-05,
      "loss": 4.1326,
      "step": 6500
    },
    {
      "epoch": 0.448,
      "grad_norm": 3.1758687496185303,
      "learning_rate": 4.2533333333333335e-05,
      "loss": 4.063,
      "step": 7000
    },
    {
      "epoch": 0.48,
      "grad_norm": 3.0743587017059326,
      "learning_rate": 4.2e-05,
      "loss": 3.9998,
      "step": 7500
    },
    {
      "epoch": 0.512,
      "grad_norm": 3.0619800090789795,
      "learning_rate": 4.146666666666667e-05,
      "loss": 3.9534,
      "step": 8000
    },
    {
      "epoch": 0.544,
      "grad_norm": 3.1200902462005615,
      "learning_rate": 4.093333333333334e-05,
      "loss": 3.8978,
      "step": 8500
    },
    {
      "epoch": 0.576,
      "grad_norm": 3.367762327194214,
      "learning_rate": 4.0400000000000006e-05,
      "loss": 3.8429,
      "step": 9000
    },
    {
      "epoch": 0.608,
      "grad_norm": 3.1497597694396973,
      "learning_rate": 3.986666666666667e-05,
      "loss": 3.8007,
      "step": 9500
    },
    {
      "epoch": 0.64,
      "grad_norm": 3.31646728515625,
      "learning_rate": 3.933333333333333e-05,
      "loss": 3.7613,
      "step": 10000
    },
    {
      "epoch": 0.672,
      "grad_norm": 3.294649839401245,
      "learning_rate": 3.88e-05,
      "loss": 3.7133,
      "step": 10500
    },
    {
      "epoch": 0.704,
      "grad_norm": 3.1724936962127686,
      "learning_rate": 3.8266666666666664e-05,
      "loss": 3.6818,
      "step": 11000
    },
    {
      "epoch": 0.736,
      "grad_norm": 3.0441651344299316,
      "learning_rate": 3.773333333333334e-05,
      "loss": 3.6576,
      "step": 11500
    },
    {
      "epoch": 0.768,
      "grad_norm": 3.160169839859009,
      "learning_rate": 3.72e-05,
      "loss": 3.6271,
      "step": 12000
    },
    {
      "epoch": 0.8,
      "grad_norm": 3.3029627799987793,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 3.5932,
      "step": 12500
    },
    {
      "epoch": 0.832,
      "grad_norm": 3.1690776348114014,
      "learning_rate": 3.6133333333333335e-05,
      "loss": 3.559,
      "step": 13000
    },
    {
      "epoch": 0.864,
      "grad_norm": 3.3345956802368164,
      "learning_rate": 3.56e-05,
      "loss": 3.5387,
      "step": 13500
    },
    {
      "epoch": 0.896,
      "grad_norm": 3.0441858768463135,
      "learning_rate": 3.506666666666667e-05,
      "loss": 3.5169,
      "step": 14000
    },
    {
      "epoch": 0.928,
      "grad_norm": 3.24686598777771,
      "learning_rate": 3.453333333333334e-05,
      "loss": 3.4847,
      "step": 14500
    },
    {
      "epoch": 0.96,
      "grad_norm": 3.2995717525482178,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 3.4684,
      "step": 15000
    },
    {
      "epoch": 0.992,
      "grad_norm": 3.398087501525879,
      "learning_rate": 3.346666666666667e-05,
      "loss": 3.4568,
      "step": 15500
    },
    {
      "epoch": 1.024,
      "grad_norm": 3.1483492851257324,
      "learning_rate": 3.293333333333333e-05,
      "loss": 3.429,
      "step": 16000
    },
    {
      "epoch": 1.056,
      "grad_norm": 3.1493332386016846,
      "learning_rate": 3.24e-05,
      "loss": 3.4016,
      "step": 16500
    },
    {
      "epoch": 1.088,
      "grad_norm": 3.290648937225342,
      "learning_rate": 3.1866666666666664e-05,
      "loss": 3.3935,
      "step": 17000
    },
    {
      "epoch": 1.12,
      "grad_norm": 3.2807164192199707,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 3.3751,
      "step": 17500
    },
    {
      "epoch": 1.152,
      "grad_norm": 3.3905978202819824,
      "learning_rate": 3.08e-05,
      "loss": 3.3667,
      "step": 18000
    },
    {
      "epoch": 1.184,
      "grad_norm": 3.1638753414154053,
      "learning_rate": 3.0266666666666666e-05,
      "loss": 3.3469,
      "step": 18500
    },
    {
      "epoch": 1.216,
      "grad_norm": 3.80301570892334,
      "learning_rate": 2.9733333333333336e-05,
      "loss": 3.3369,
      "step": 19000
    },
    {
      "epoch": 1.248,
      "grad_norm": 3.5537655353546143,
      "learning_rate": 2.9199999999999998e-05,
      "loss": 3.3132,
      "step": 19500
    },
    {
      "epoch": 1.28,
      "grad_norm": 3.344750165939331,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 3.3075,
      "step": 20000
    },
    {
      "epoch": 1.312,
      "grad_norm": 3.435274839401245,
      "learning_rate": 2.8133333333333334e-05,
      "loss": 3.3028,
      "step": 20500
    },
    {
      "epoch": 1.3439999999999999,
      "grad_norm": 3.3021931648254395,
      "learning_rate": 2.7600000000000003e-05,
      "loss": 3.2771,
      "step": 21000
    },
    {
      "epoch": 1.376,
      "grad_norm": 3.332207679748535,
      "learning_rate": 2.706666666666667e-05,
      "loss": 3.2732,
      "step": 21500
    },
    {
      "epoch": 1.408,
      "grad_norm": 3.382160186767578,
      "learning_rate": 2.6533333333333332e-05,
      "loss": 3.2632,
      "step": 22000
    },
    {
      "epoch": 1.44,
      "grad_norm": 3.399611711502075,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 3.2474,
      "step": 22500
    },
    {
      "epoch": 1.472,
      "grad_norm": 3.369029998779297,
      "learning_rate": 2.5466666666666668e-05,
      "loss": 3.2456,
      "step": 23000
    },
    {
      "epoch": 1.504,
      "grad_norm": 3.1563122272491455,
      "learning_rate": 2.4933333333333334e-05,
      "loss": 3.2264,
      "step": 23500
    },
    {
      "epoch": 1.536,
      "grad_norm": 3.5122745037078857,
      "learning_rate": 2.44e-05,
      "loss": 3.219,
      "step": 24000
    },
    {
      "epoch": 1.568,
      "grad_norm": 3.5229005813598633,
      "learning_rate": 2.3866666666666666e-05,
      "loss": 3.2115,
      "step": 24500
    },
    {
      "epoch": 1.6,
      "grad_norm": 3.275137186050415,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 3.1998,
      "step": 25000
    },
    {
      "epoch": 1.6320000000000001,
      "grad_norm": 3.5656373500823975,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 3.1895,
      "step": 25500
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 3.359915256500244,
      "learning_rate": 2.2266666666666668e-05,
      "loss": 3.1788,
      "step": 26000
    },
    {
      "epoch": 1.696,
      "grad_norm": 3.496894121170044,
      "learning_rate": 2.1733333333333334e-05,
      "loss": 3.1757,
      "step": 26500
    },
    {
      "epoch": 1.728,
      "grad_norm": 3.5603113174438477,
      "learning_rate": 2.12e-05,
      "loss": 3.1764,
      "step": 27000
    },
    {
      "epoch": 1.76,
      "grad_norm": 3.5351145267486572,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 3.1619,
      "step": 27500
    },
    {
      "epoch": 1.792,
      "grad_norm": 3.6555192470550537,
      "learning_rate": 2.0133333333333336e-05,
      "loss": 3.1618,
      "step": 28000
    },
    {
      "epoch": 1.8239999999999998,
      "grad_norm": 3.527869939804077,
      "learning_rate": 1.9600000000000002e-05,
      "loss": 3.1434,
      "step": 28500
    },
    {
      "epoch": 1.8559999999999999,
      "grad_norm": 3.3731658458709717,
      "learning_rate": 1.9066666666666668e-05,
      "loss": 3.1443,
      "step": 29000
    },
    {
      "epoch": 1.888,
      "grad_norm": 3.5230460166931152,
      "learning_rate": 1.8533333333333334e-05,
      "loss": 3.1307,
      "step": 29500
    },
    {
      "epoch": 1.92,
      "grad_norm": 3.2880985736846924,
      "learning_rate": 1.8e-05,
      "loss": 3.1354,
      "step": 30000
    },
    {
      "epoch": 1.952,
      "grad_norm": 4.2027387619018555,
      "learning_rate": 1.7466666666666667e-05,
      "loss": 3.1349,
      "step": 30500
    },
    {
      "epoch": 1.984,
      "grad_norm": 3.8834004402160645,
      "learning_rate": 1.6933333333333333e-05,
      "loss": 3.1287,
      "step": 31000
    },
    {
      "epoch": 2.016,
      "grad_norm": 3.5137991905212402,
      "learning_rate": 1.6400000000000002e-05,
      "loss": 3.107,
      "step": 31500
    },
    {
      "epoch": 2.048,
      "grad_norm": 5.010372161865234,
      "learning_rate": 1.586666666666667e-05,
      "loss": 3.111,
      "step": 32000
    },
    {
      "epoch": 2.08,
      "grad_norm": 3.338728189468384,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 3.1047,
      "step": 32500
    },
    {
      "epoch": 2.112,
      "grad_norm": 3.71789813041687,
      "learning_rate": 1.48e-05,
      "loss": 3.1014,
      "step": 33000
    },
    {
      "epoch": 2.144,
      "grad_norm": 3.7948594093322754,
      "learning_rate": 1.4266666666666667e-05,
      "loss": 3.097,
      "step": 33500
    },
    {
      "epoch": 2.176,
      "grad_norm": 3.650618314743042,
      "learning_rate": 1.3733333333333335e-05,
      "loss": 3.0967,
      "step": 34000
    },
    {
      "epoch": 2.208,
      "grad_norm": 3.4917681217193604,
      "learning_rate": 1.32e-05,
      "loss": 3.1064,
      "step": 34500
    },
    {
      "epoch": 2.24,
      "grad_norm": 3.5514914989471436,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 3.094,
      "step": 35000
    },
    {
      "epoch": 2.2720000000000002,
      "grad_norm": 3.4345743656158447,
      "learning_rate": 1.2133333333333335e-05,
      "loss": 3.082,
      "step": 35500
    },
    {
      "epoch": 2.304,
      "grad_norm": 3.6274352073669434,
      "learning_rate": 1.16e-05,
      "loss": 3.0861,
      "step": 36000
    },
    {
      "epoch": 2.336,
      "grad_norm": 3.6665496826171875,
      "learning_rate": 1.1066666666666667e-05,
      "loss": 3.0728,
      "step": 36500
    },
    {
      "epoch": 2.368,
      "grad_norm": 3.657233953475952,
      "learning_rate": 1.0533333333333335e-05,
      "loss": 3.0727,
      "step": 37000
    },
    {
      "epoch": 2.4,
      "grad_norm": 3.726337194442749,
      "learning_rate": 1e-05,
      "loss": 3.0717,
      "step": 37500
    },
    {
      "epoch": 2.432,
      "grad_norm": 3.7187366485595703,
      "learning_rate": 9.466666666666667e-06,
      "loss": 3.059,
      "step": 38000
    },
    {
      "epoch": 2.464,
      "grad_norm": 3.5927035808563232,
      "learning_rate": 8.933333333333333e-06,
      "loss": 3.0698,
      "step": 38500
    },
    {
      "epoch": 2.496,
      "grad_norm": 3.5619006156921387,
      "learning_rate": 8.400000000000001e-06,
      "loss": 3.0625,
      "step": 39000
    },
    {
      "epoch": 2.528,
      "grad_norm": 3.679213762283325,
      "learning_rate": 7.866666666666667e-06,
      "loss": 3.0565,
      "step": 39500
    },
    {
      "epoch": 2.56,
      "grad_norm": 3.4748876094818115,
      "learning_rate": 7.333333333333334e-06,
      "loss": 3.0556,
      "step": 40000
    },
    {
      "epoch": 2.592,
      "grad_norm": 3.483736515045166,
      "learning_rate": 6.800000000000001e-06,
      "loss": 3.0418,
      "step": 40500
    },
    {
      "epoch": 2.624,
      "grad_norm": 3.4663684368133545,
      "learning_rate": 6.266666666666666e-06,
      "loss": 3.0461,
      "step": 41000
    },
    {
      "epoch": 2.656,
      "grad_norm": 3.416421413421631,
      "learning_rate": 5.733333333333333e-06,
      "loss": 3.0508,
      "step": 41500
    },
    {
      "epoch": 2.6879999999999997,
      "grad_norm": 3.5485949516296387,
      "learning_rate": 5.2e-06,
      "loss": 3.0447,
      "step": 42000
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 3.5995631217956543,
      "learning_rate": 4.666666666666667e-06,
      "loss": 3.0495,
      "step": 42500
    },
    {
      "epoch": 2.752,
      "grad_norm": 3.676875591278076,
      "learning_rate": 4.133333333333333e-06,
      "loss": 3.0302,
      "step": 43000
    },
    {
      "epoch": 2.784,
      "grad_norm": 3.650153160095215,
      "learning_rate": 3.6e-06,
      "loss": 3.0397,
      "step": 43500
    },
    {
      "epoch": 2.816,
      "grad_norm": 3.6755716800689697,
      "learning_rate": 3.066666666666667e-06,
      "loss": 3.0504,
      "step": 44000
    },
    {
      "epoch": 2.848,
      "grad_norm": 3.6604747772216797,
      "learning_rate": 2.5333333333333334e-06,
      "loss": 3.0521,
      "step": 44500
    },
    {
      "epoch": 2.88,
      "grad_norm": 4.217142105102539,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 3.0355,
      "step": 45000
    },
    {
      "epoch": 2.912,
      "grad_norm": 3.6961653232574463,
      "learning_rate": 1.4666666666666667e-06,
      "loss": 3.0454,
      "step": 45500
    },
    {
      "epoch": 2.944,
      "grad_norm": 3.8596930503845215,
      "learning_rate": 9.333333333333334e-07,
      "loss": 3.0464,
      "step": 46000
    },
    {
      "epoch": 2.976,
      "grad_norm": 3.8002963066101074,
      "learning_rate": 4.0000000000000003e-07,
      "loss": 3.0494,
      "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": 4.41216036864e+17,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}