{
  "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": 2.908048152923584,
      "learning_rate": 4.9466666666666665e-05,
      "loss": 8.7577,
      "step": 500
    },
    {
      "epoch": 0.064,
      "grad_norm": 2.9895918369293213,
      "learning_rate": 4.8933333333333335e-05,
      "loss": 6.4239,
      "step": 1000
    },
    {
      "epoch": 0.096,
      "grad_norm": 2.9479362964630127,
      "learning_rate": 4.8400000000000004e-05,
      "loss": 5.7851,
      "step": 1500
    },
    {
      "epoch": 0.128,
      "grad_norm": 2.94972825050354,
      "learning_rate": 4.7866666666666674e-05,
      "loss": 5.4074,
      "step": 2000
    },
    {
      "epoch": 0.16,
      "grad_norm": 3.0778884887695312,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 5.1668,
      "step": 2500
    },
    {
      "epoch": 0.192,
      "grad_norm": 3.0449955463409424,
      "learning_rate": 4.6800000000000006e-05,
      "loss": 4.9603,
      "step": 3000
    },
    {
      "epoch": 0.224,
      "grad_norm": 3.162385940551758,
      "learning_rate": 4.626666666666667e-05,
      "loss": 4.8158,
      "step": 3500
    },
    {
      "epoch": 0.256,
      "grad_norm": 3.0630366802215576,
      "learning_rate": 4.573333333333333e-05,
      "loss": 4.6809,
      "step": 4000
    },
    {
      "epoch": 0.288,
      "grad_norm": 3.3027477264404297,
      "learning_rate": 4.52e-05,
      "loss": 4.578,
      "step": 4500
    },
    {
      "epoch": 0.32,
      "grad_norm": 3.318953275680542,
      "learning_rate": 4.466666666666667e-05,
      "loss": 4.4832,
      "step": 5000
    },
    {
      "epoch": 0.352,
      "grad_norm": 3.3827295303344727,
      "learning_rate": 4.413333333333334e-05,
      "loss": 4.3844,
      "step": 5500
    },
    {
      "epoch": 0.384,
      "grad_norm": 3.5936450958251953,
      "learning_rate": 4.36e-05,
      "loss": 4.3213,
      "step": 6000
    },
    {
      "epoch": 0.416,
      "grad_norm": 3.4766483306884766,
      "learning_rate": 4.3066666666666665e-05,
      "loss": 4.2496,
      "step": 6500
    },
    {
      "epoch": 0.448,
      "grad_norm": 3.5177745819091797,
      "learning_rate": 4.2533333333333335e-05,
      "loss": 4.1897,
      "step": 7000
    },
    {
      "epoch": 0.48,
      "grad_norm": 3.512976884841919,
      "learning_rate": 4.2e-05,
      "loss": 4.1334,
      "step": 7500
    },
    {
      "epoch": 0.512,
      "grad_norm": 3.532130241394043,
      "learning_rate": 4.146666666666667e-05,
      "loss": 4.0954,
      "step": 8000
    },
    {
      "epoch": 0.544,
      "grad_norm": 3.4697506427764893,
      "learning_rate": 4.093333333333334e-05,
      "loss": 4.0498,
      "step": 8500
    },
    {
      "epoch": 0.576,
      "grad_norm": 3.418201446533203,
      "learning_rate": 4.0400000000000006e-05,
      "loss": 4.0189,
      "step": 9000
    },
    {
      "epoch": 0.608,
      "grad_norm": 3.5313186645507812,
      "learning_rate": 3.986666666666667e-05,
      "loss": 3.9658,
      "step": 9500
    },
    {
      "epoch": 0.64,
      "grad_norm": 3.506039619445801,
      "learning_rate": 3.933333333333333e-05,
      "loss": 3.9228,
      "step": 10000
    },
    {
      "epoch": 0.672,
      "grad_norm": 3.67806077003479,
      "learning_rate": 3.88e-05,
      "loss": 3.9002,
      "step": 10500
    },
    {
      "epoch": 0.704,
      "grad_norm": 3.296720027923584,
      "learning_rate": 3.8266666666666664e-05,
      "loss": 3.862,
      "step": 11000
    },
    {
      "epoch": 0.736,
      "grad_norm": 3.5666539669036865,
      "learning_rate": 3.773333333333334e-05,
      "loss": 3.8442,
      "step": 11500
    },
    {
      "epoch": 0.768,
      "grad_norm": 3.561544418334961,
      "learning_rate": 3.72e-05,
      "loss": 3.8072,
      "step": 12000
    },
    {
      "epoch": 0.8,
      "grad_norm": 3.6916558742523193,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 3.7868,
      "step": 12500
    },
    {
      "epoch": 0.832,
      "grad_norm": 3.4702816009521484,
      "learning_rate": 3.6133333333333335e-05,
      "loss": 3.763,
      "step": 13000
    },
    {
      "epoch": 0.864,
      "grad_norm": 3.698396921157837,
      "learning_rate": 3.56e-05,
      "loss": 3.754,
      "step": 13500
    },
    {
      "epoch": 0.896,
      "grad_norm": 3.900088310241699,
      "learning_rate": 3.506666666666667e-05,
      "loss": 3.7271,
      "step": 14000
    },
    {
      "epoch": 0.928,
      "grad_norm": 3.663865804672241,
      "learning_rate": 3.453333333333334e-05,
      "loss": 3.6968,
      "step": 14500
    },
    {
      "epoch": 0.96,
      "grad_norm": 3.606297492980957,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 3.6941,
      "step": 15000
    },
    {
      "epoch": 0.992,
      "grad_norm": 3.7628061771392822,
      "learning_rate": 3.346666666666667e-05,
      "loss": 3.6666,
      "step": 15500
    },
    {
      "epoch": 1.024,
      "grad_norm": 3.7831852436065674,
      "learning_rate": 3.293333333333333e-05,
      "loss": 3.6478,
      "step": 16000
    },
    {
      "epoch": 1.056,
      "grad_norm": 3.7635061740875244,
      "learning_rate": 3.24e-05,
      "loss": 3.6284,
      "step": 16500
    },
    {
      "epoch": 1.088,
      "grad_norm": 3.7063138484954834,
      "learning_rate": 3.1866666666666664e-05,
      "loss": 3.6239,
      "step": 17000
    },
    {
      "epoch": 1.12,
      "grad_norm": 3.8521556854248047,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 3.6124,
      "step": 17500
    },
    {
      "epoch": 1.152,
      "grad_norm": 3.89092755317688,
      "learning_rate": 3.08e-05,
      "loss": 3.6035,
      "step": 18000
    },
    {
      "epoch": 1.184,
      "grad_norm": 4.463627815246582,
      "learning_rate": 3.0266666666666666e-05,
      "loss": 3.5823,
      "step": 18500
    },
    {
      "epoch": 1.216,
      "grad_norm": 3.8793439865112305,
      "learning_rate": 2.9733333333333336e-05,
      "loss": 3.5729,
      "step": 19000
    },
    {
      "epoch": 1.248,
      "grad_norm": 3.9301517009735107,
      "learning_rate": 2.9199999999999998e-05,
      "loss": 3.5581,
      "step": 19500
    },
    {
      "epoch": 1.28,
      "grad_norm": 3.997708797454834,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 3.5555,
      "step": 20000
    },
    {
      "epoch": 1.312,
      "grad_norm": 4.124268531799316,
      "learning_rate": 2.8133333333333334e-05,
      "loss": 3.5407,
      "step": 20500
    },
    {
      "epoch": 1.3439999999999999,
      "grad_norm": 3.892465353012085,
      "learning_rate": 2.7600000000000003e-05,
      "loss": 3.5239,
      "step": 21000
    },
    {
      "epoch": 1.376,
      "grad_norm": 4.168411731719971,
      "learning_rate": 2.706666666666667e-05,
      "loss": 3.5161,
      "step": 21500
    },
    {
      "epoch": 1.408,
      "grad_norm": 3.808685779571533,
      "learning_rate": 2.6533333333333332e-05,
      "loss": 3.5107,
      "step": 22000
    },
    {
      "epoch": 1.44,
      "grad_norm": 4.053421497344971,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 3.5073,
      "step": 22500
    },
    {
      "epoch": 1.472,
      "grad_norm": 4.3061203956604,
      "learning_rate": 2.5466666666666668e-05,
      "loss": 3.4958,
      "step": 23000
    },
    {
      "epoch": 1.504,
      "grad_norm": 4.070985317230225,
      "learning_rate": 2.4933333333333334e-05,
      "loss": 3.4778,
      "step": 23500
    },
    {
      "epoch": 1.536,
      "grad_norm": 4.150104522705078,
      "learning_rate": 2.44e-05,
      "loss": 3.4799,
      "step": 24000
    },
    {
      "epoch": 1.568,
      "grad_norm": 4.093317985534668,
      "learning_rate": 2.3866666666666666e-05,
      "loss": 3.468,
      "step": 24500
    },
    {
      "epoch": 1.6,
      "grad_norm": 3.934610366821289,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 3.4626,
      "step": 25000
    },
    {
      "epoch": 1.6320000000000001,
      "grad_norm": 4.123517990112305,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 3.4525,
      "step": 25500
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 4.674628734588623,
      "learning_rate": 2.2266666666666668e-05,
      "loss": 3.4662,
      "step": 26000
    },
    {
      "epoch": 1.696,
      "grad_norm": 4.144900798797607,
      "learning_rate": 2.1733333333333334e-05,
      "loss": 3.4445,
      "step": 26500
    },
    {
      "epoch": 1.728,
      "grad_norm": 4.26785945892334,
      "learning_rate": 2.12e-05,
      "loss": 3.4394,
      "step": 27000
    },
    {
      "epoch": 1.76,
      "grad_norm": 4.233688831329346,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 3.4327,
      "step": 27500
    },
    {
      "epoch": 1.792,
      "grad_norm": 4.317631721496582,
      "learning_rate": 2.0133333333333336e-05,
      "loss": 3.4434,
      "step": 28000
    },
    {
      "epoch": 1.8239999999999998,
      "grad_norm": 4.301115036010742,
      "learning_rate": 1.9600000000000002e-05,
      "loss": 3.4311,
      "step": 28500
    },
    {
      "epoch": 1.8559999999999999,
      "grad_norm": 4.430001258850098,
      "learning_rate": 1.9066666666666668e-05,
      "loss": 3.4228,
      "step": 29000
    },
    {
      "epoch": 1.888,
      "grad_norm": 4.166506767272949,
      "learning_rate": 1.8533333333333334e-05,
      "loss": 3.4095,
      "step": 29500
    },
    {
      "epoch": 1.92,
      "grad_norm": 4.4604597091674805,
      "learning_rate": 1.8e-05,
      "loss": 3.4117,
      "step": 30000
    },
    {
      "epoch": 1.952,
      "grad_norm": 4.462054252624512,
      "learning_rate": 1.7466666666666667e-05,
      "loss": 3.4093,
      "step": 30500
    },
    {
      "epoch": 1.984,
      "grad_norm": 4.093879699707031,
      "learning_rate": 1.6933333333333333e-05,
      "loss": 3.4079,
      "step": 31000
    },
    {
      "epoch": 2.016,
      "grad_norm": 4.089311599731445,
      "learning_rate": 1.6400000000000002e-05,
      "loss": 3.3954,
      "step": 31500
    },
    {
      "epoch": 2.048,
      "grad_norm": 4.442558288574219,
      "learning_rate": 1.586666666666667e-05,
      "loss": 3.4025,
      "step": 32000
    },
    {
      "epoch": 2.08,
      "grad_norm": 4.490333557128906,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 3.3873,
      "step": 32500
    },
    {
      "epoch": 2.112,
      "grad_norm": 4.7011399269104,
      "learning_rate": 1.48e-05,
      "loss": 3.3948,
      "step": 33000
    },
    {
      "epoch": 2.144,
      "grad_norm": 4.5276384353637695,
      "learning_rate": 1.4266666666666667e-05,
      "loss": 3.3858,
      "step": 33500
    },
    {
      "epoch": 2.176,
      "grad_norm": 4.230185508728027,
      "learning_rate": 1.3733333333333335e-05,
      "loss": 3.3754,
      "step": 34000
    },
    {
      "epoch": 2.208,
      "grad_norm": 4.535393238067627,
      "learning_rate": 1.32e-05,
      "loss": 3.3849,
      "step": 34500
    },
    {
      "epoch": 2.24,
      "grad_norm": 4.465915679931641,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 3.3756,
      "step": 35000
    },
    {
      "epoch": 2.2720000000000002,
      "grad_norm": 4.647548198699951,
      "learning_rate": 1.2133333333333335e-05,
      "loss": 3.3703,
      "step": 35500
    },
    {
      "epoch": 2.304,
      "grad_norm": 4.408671855926514,
      "learning_rate": 1.16e-05,
      "loss": 3.3791,
      "step": 36000
    },
    {
      "epoch": 2.336,
      "grad_norm": 4.565311431884766,
      "learning_rate": 1.1066666666666667e-05,
      "loss": 3.3754,
      "step": 36500
    },
    {
      "epoch": 2.368,
      "grad_norm": 4.752560138702393,
      "learning_rate": 1.0533333333333335e-05,
      "loss": 3.3591,
      "step": 37000
    },
    {
      "epoch": 2.4,
      "grad_norm": 4.814703464508057,
      "learning_rate": 1e-05,
      "loss": 3.3573,
      "step": 37500
    },
    {
      "epoch": 2.432,
      "grad_norm": 4.763345718383789,
      "learning_rate": 9.466666666666667e-06,
      "loss": 3.3632,
      "step": 38000
    },
    {
      "epoch": 2.464,
      "grad_norm": 5.280072212219238,
      "learning_rate": 8.933333333333333e-06,
      "loss": 3.356,
      "step": 38500
    },
    {
      "epoch": 2.496,
      "grad_norm": 4.603355884552002,
      "learning_rate": 8.400000000000001e-06,
      "loss": 3.3568,
      "step": 39000
    },
    {
      "epoch": 2.528,
      "grad_norm": 4.462454319000244,
      "learning_rate": 7.866666666666667e-06,
      "loss": 3.3628,
      "step": 39500
    },
    {
      "epoch": 2.56,
      "grad_norm": 4.444957256317139,
      "learning_rate": 7.333333333333334e-06,
      "loss": 3.3632,
      "step": 40000
    },
    {
      "epoch": 2.592,
      "grad_norm": 4.498194694519043,
      "learning_rate": 6.800000000000001e-06,
      "loss": 3.3562,
      "step": 40500
    },
    {
      "epoch": 2.624,
      "grad_norm": 4.608835220336914,
      "learning_rate": 6.266666666666666e-06,
      "loss": 3.3472,
      "step": 41000
    },
    {
      "epoch": 2.656,
      "grad_norm": 4.674074172973633,
      "learning_rate": 5.733333333333333e-06,
      "loss": 3.3455,
      "step": 41500
    },
    {
      "epoch": 2.6879999999999997,
      "grad_norm": 4.441190242767334,
      "learning_rate": 5.2e-06,
      "loss": 3.3395,
      "step": 42000
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 4.654902935028076,
      "learning_rate": 4.666666666666667e-06,
      "loss": 3.3451,
      "step": 42500
    },
    {
      "epoch": 2.752,
      "grad_norm": 4.854019641876221,
      "learning_rate": 4.133333333333333e-06,
      "loss": 3.3487,
      "step": 43000
    },
    {
      "epoch": 2.784,
      "grad_norm": 4.590793132781982,
      "learning_rate": 3.6e-06,
      "loss": 3.3415,
      "step": 43500
    },
    {
      "epoch": 2.816,
      "grad_norm": 4.6549835205078125,
      "learning_rate": 3.066666666666667e-06,
      "loss": 3.3422,
      "step": 44000
    },
    {
      "epoch": 2.848,
      "grad_norm": 4.5288543701171875,
      "learning_rate": 2.5333333333333334e-06,
      "loss": 3.3371,
      "step": 44500
    },
    {
      "epoch": 2.88,
      "grad_norm": 4.760294437408447,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 3.3344,
      "step": 45000
    },
    {
      "epoch": 2.912,
      "grad_norm": 4.800927639007568,
      "learning_rate": 1.4666666666666667e-06,
      "loss": 3.3255,
      "step": 45500
    },
    {
      "epoch": 2.944,
      "grad_norm": 5.1308183670043945,
      "learning_rate": 9.333333333333334e-07,
      "loss": 3.3433,
      "step": 46000
    },
    {
      "epoch": 2.976,
      "grad_norm": 4.590966701507568,
      "learning_rate": 4.0000000000000003e-07,
      "loss": 3.3365,
      "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
}