{
  "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": 4.063066482543945,
      "learning_rate": 4.9466666666666665e-05,
      "loss": 8.4648,
      "step": 500
    },
    {
      "epoch": 0.064,
      "grad_norm": 5.788206577301025,
      "learning_rate": 4.8933333333333335e-05,
      "loss": 6.2097,
      "step": 1000
    },
    {
      "epoch": 0.096,
      "grad_norm": 6.765925407409668,
      "learning_rate": 4.8400000000000004e-05,
      "loss": 5.5866,
      "step": 1500
    },
    {
      "epoch": 0.128,
      "grad_norm": 8.289322853088379,
      "learning_rate": 4.7866666666666674e-05,
      "loss": 5.2423,
      "step": 2000
    },
    {
      "epoch": 0.16,
      "grad_norm": 9.453794479370117,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 5.0433,
      "step": 2500
    },
    {
      "epoch": 0.192,
      "grad_norm": 8.274454116821289,
      "learning_rate": 4.6800000000000006e-05,
      "loss": 4.8576,
      "step": 3000
    },
    {
      "epoch": 0.224,
      "grad_norm": 9.12468433380127,
      "learning_rate": 4.626666666666667e-05,
      "loss": 4.7199,
      "step": 3500
    },
    {
      "epoch": 0.256,
      "grad_norm": 9.231947898864746,
      "learning_rate": 4.573333333333333e-05,
      "loss": 4.5848,
      "step": 4000
    },
    {
      "epoch": 0.288,
      "grad_norm": 9.559453010559082,
      "learning_rate": 4.52e-05,
      "loss": 4.4715,
      "step": 4500
    },
    {
      "epoch": 0.32,
      "grad_norm": 10.853475570678711,
      "learning_rate": 4.466666666666667e-05,
      "loss": 4.3618,
      "step": 5000
    },
    {
      "epoch": 0.352,
      "grad_norm": 8.335192680358887,
      "learning_rate": 4.413333333333334e-05,
      "loss": 4.2521,
      "step": 5500
    },
    {
      "epoch": 0.384,
      "grad_norm": 9.980358123779297,
      "learning_rate": 4.36e-05,
      "loss": 4.1798,
      "step": 6000
    },
    {
      "epoch": 0.416,
      "grad_norm": 9.899739265441895,
      "learning_rate": 4.3066666666666665e-05,
      "loss": 4.0975,
      "step": 6500
    },
    {
      "epoch": 0.448,
      "grad_norm": 9.108661651611328,
      "learning_rate": 4.2533333333333335e-05,
      "loss": 4.0288,
      "step": 7000
    },
    {
      "epoch": 0.48,
      "grad_norm": 8.751429557800293,
      "learning_rate": 4.2e-05,
      "loss": 3.9617,
      "step": 7500
    },
    {
      "epoch": 0.512,
      "grad_norm": 8.371955871582031,
      "learning_rate": 4.146666666666667e-05,
      "loss": 3.9134,
      "step": 8000
    },
    {
      "epoch": 0.544,
      "grad_norm": 8.894974708557129,
      "learning_rate": 4.093333333333334e-05,
      "loss": 3.8653,
      "step": 8500
    },
    {
      "epoch": 0.576,
      "grad_norm": 8.370528221130371,
      "learning_rate": 4.0400000000000006e-05,
      "loss": 3.8295,
      "step": 9000
    },
    {
      "epoch": 0.608,
      "grad_norm": 7.603794097900391,
      "learning_rate": 3.986666666666667e-05,
      "loss": 3.7692,
      "step": 9500
    },
    {
      "epoch": 0.64,
      "grad_norm": 8.196404457092285,
      "learning_rate": 3.933333333333333e-05,
      "loss": 3.7207,
      "step": 10000
    },
    {
      "epoch": 0.672,
      "grad_norm": 8.058171272277832,
      "learning_rate": 3.88e-05,
      "loss": 3.6915,
      "step": 10500
    },
    {
      "epoch": 0.704,
      "grad_norm": 8.150157928466797,
      "learning_rate": 3.8266666666666664e-05,
      "loss": 3.6472,
      "step": 11000
    },
    {
      "epoch": 0.736,
      "grad_norm": 9.0753755569458,
      "learning_rate": 3.773333333333334e-05,
      "loss": 3.6238,
      "step": 11500
    },
    {
      "epoch": 0.768,
      "grad_norm": 7.527621269226074,
      "learning_rate": 3.72e-05,
      "loss": 3.5811,
      "step": 12000
    },
    {
      "epoch": 0.8,
      "grad_norm": 8.329578399658203,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 3.5547,
      "step": 12500
    },
    {
      "epoch": 0.832,
      "grad_norm": 7.496935844421387,
      "learning_rate": 3.6133333333333335e-05,
      "loss": 3.5226,
      "step": 13000
    },
    {
      "epoch": 0.864,
      "grad_norm": 7.821002960205078,
      "learning_rate": 3.56e-05,
      "loss": 3.5118,
      "step": 13500
    },
    {
      "epoch": 0.896,
      "grad_norm": 8.542437553405762,
      "learning_rate": 3.506666666666667e-05,
      "loss": 3.4783,
      "step": 14000
    },
    {
      "epoch": 0.928,
      "grad_norm": 7.732368469238281,
      "learning_rate": 3.453333333333334e-05,
      "loss": 3.4419,
      "step": 14500
    },
    {
      "epoch": 0.96,
      "grad_norm": 7.177491664886475,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 3.4347,
      "step": 15000
    },
    {
      "epoch": 0.992,
      "grad_norm": 7.078914165496826,
      "learning_rate": 3.346666666666667e-05,
      "loss": 3.4066,
      "step": 15500
    },
    {
      "epoch": 1.024,
      "grad_norm": 8.010518074035645,
      "learning_rate": 3.293333333333333e-05,
      "loss": 3.3819,
      "step": 16000
    },
    {
      "epoch": 1.056,
      "grad_norm": 7.851644515991211,
      "learning_rate": 3.24e-05,
      "loss": 3.3585,
      "step": 16500
    },
    {
      "epoch": 1.088,
      "grad_norm": 7.097132205963135,
      "learning_rate": 3.1866666666666664e-05,
      "loss": 3.3478,
      "step": 17000
    },
    {
      "epoch": 1.12,
      "grad_norm": 7.4348955154418945,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 3.3258,
      "step": 17500
    },
    {
      "epoch": 1.152,
      "grad_norm": 7.034393787384033,
      "learning_rate": 3.08e-05,
      "loss": 3.3203,
      "step": 18000
    },
    {
      "epoch": 1.184,
      "grad_norm": 7.648390293121338,
      "learning_rate": 3.0266666666666666e-05,
      "loss": 3.2904,
      "step": 18500
    },
    {
      "epoch": 1.216,
      "grad_norm": 7.214566707611084,
      "learning_rate": 2.9733333333333336e-05,
      "loss": 3.2815,
      "step": 19000
    },
    {
      "epoch": 1.248,
      "grad_norm": 7.044500350952148,
      "learning_rate": 2.9199999999999998e-05,
      "loss": 3.2625,
      "step": 19500
    },
    {
      "epoch": 1.28,
      "grad_norm": 7.024742603302002,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 3.2553,
      "step": 20000
    },
    {
      "epoch": 1.312,
      "grad_norm": 6.994293212890625,
      "learning_rate": 2.8133333333333334e-05,
      "loss": 3.239,
      "step": 20500
    },
    {
      "epoch": 1.3439999999999999,
      "grad_norm": 6.599395275115967,
      "learning_rate": 2.7600000000000003e-05,
      "loss": 3.2207,
      "step": 21000
    },
    {
      "epoch": 1.376,
      "grad_norm": 7.322856426239014,
      "learning_rate": 2.706666666666667e-05,
      "loss": 3.2061,
      "step": 21500
    },
    {
      "epoch": 1.408,
      "grad_norm": 6.638829231262207,
      "learning_rate": 2.6533333333333332e-05,
      "loss": 3.1981,
      "step": 22000
    },
    {
      "epoch": 1.44,
      "grad_norm": 7.128690242767334,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 3.1907,
      "step": 22500
    },
    {
      "epoch": 1.472,
      "grad_norm": 7.676299571990967,
      "learning_rate": 2.5466666666666668e-05,
      "loss": 3.1754,
      "step": 23000
    },
    {
      "epoch": 1.504,
      "grad_norm": 6.643492698669434,
      "learning_rate": 2.4933333333333334e-05,
      "loss": 3.1553,
      "step": 23500
    },
    {
      "epoch": 1.536,
      "grad_norm": 6.973154544830322,
      "learning_rate": 2.44e-05,
      "loss": 3.1522,
      "step": 24000
    },
    {
      "epoch": 1.568,
      "grad_norm": 6.821743488311768,
      "learning_rate": 2.3866666666666666e-05,
      "loss": 3.1391,
      "step": 24500
    },
    {
      "epoch": 1.6,
      "grad_norm": 6.451427936553955,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 3.131,
      "step": 25000
    },
    {
      "epoch": 1.6320000000000001,
      "grad_norm": 6.943073749542236,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 3.1209,
      "step": 25500
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 8.064687728881836,
      "learning_rate": 2.2266666666666668e-05,
      "loss": 3.1285,
      "step": 26000
    },
    {
      "epoch": 1.696,
      "grad_norm": 7.248683452606201,
      "learning_rate": 2.1733333333333334e-05,
      "loss": 3.1069,
      "step": 26500
    },
    {
      "epoch": 1.728,
      "grad_norm": 6.336924076080322,
      "learning_rate": 2.12e-05,
      "loss": 3.0995,
      "step": 27000
    },
    {
      "epoch": 1.76,
      "grad_norm": 6.641776084899902,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 3.0895,
      "step": 27500
    },
    {
      "epoch": 1.792,
      "grad_norm": 6.72490930557251,
      "learning_rate": 2.0133333333333336e-05,
      "loss": 3.0969,
      "step": 28000
    },
    {
      "epoch": 1.8239999999999998,
      "grad_norm": 7.2020134925842285,
      "learning_rate": 1.9600000000000002e-05,
      "loss": 3.0832,
      "step": 28500
    },
    {
      "epoch": 1.8559999999999999,
      "grad_norm": 7.248571395874023,
      "learning_rate": 1.9066666666666668e-05,
      "loss": 3.0742,
      "step": 29000
    },
    {
      "epoch": 1.888,
      "grad_norm": 5.987290859222412,
      "learning_rate": 1.8533333333333334e-05,
      "loss": 3.058,
      "step": 29500
    },
    {
      "epoch": 1.92,
      "grad_norm": 6.915395736694336,
      "learning_rate": 1.8e-05,
      "loss": 3.0601,
      "step": 30000
    },
    {
      "epoch": 1.952,
      "grad_norm": 7.008046627044678,
      "learning_rate": 1.7466666666666667e-05,
      "loss": 3.0529,
      "step": 30500
    },
    {
      "epoch": 1.984,
      "grad_norm": 6.35275936126709,
      "learning_rate": 1.6933333333333333e-05,
      "loss": 3.0517,
      "step": 31000
    },
    {
      "epoch": 2.016,
      "grad_norm": 6.3554368019104,
      "learning_rate": 1.6400000000000002e-05,
      "loss": 3.0367,
      "step": 31500
    },
    {
      "epoch": 2.048,
      "grad_norm": 6.700064659118652,
      "learning_rate": 1.586666666666667e-05,
      "loss": 3.0438,
      "step": 32000
    },
    {
      "epoch": 2.08,
      "grad_norm": 6.4971208572387695,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 3.0261,
      "step": 32500
    },
    {
      "epoch": 2.112,
      "grad_norm": 7.133357048034668,
      "learning_rate": 1.48e-05,
      "loss": 3.036,
      "step": 33000
    },
    {
      "epoch": 2.144,
      "grad_norm": 7.0592145919799805,
      "learning_rate": 1.4266666666666667e-05,
      "loss": 3.0239,
      "step": 33500
    },
    {
      "epoch": 2.176,
      "grad_norm": 6.350597381591797,
      "learning_rate": 1.3733333333333335e-05,
      "loss": 3.0156,
      "step": 34000
    },
    {
      "epoch": 2.208,
      "grad_norm": 6.648479461669922,
      "learning_rate": 1.32e-05,
      "loss": 3.0188,
      "step": 34500
    },
    {
      "epoch": 2.24,
      "grad_norm": 7.037032127380371,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 3.0073,
      "step": 35000
    },
    {
      "epoch": 2.2720000000000002,
      "grad_norm": 6.653946876525879,
      "learning_rate": 1.2133333333333335e-05,
      "loss": 3.0054,
      "step": 35500
    },
    {
      "epoch": 2.304,
      "grad_norm": 6.303481101989746,
      "learning_rate": 1.16e-05,
      "loss": 3.009,
      "step": 36000
    },
    {
      "epoch": 2.336,
      "grad_norm": 6.57046365737915,
      "learning_rate": 1.1066666666666667e-05,
      "loss": 3.0066,
      "step": 36500
    },
    {
      "epoch": 2.368,
      "grad_norm": 6.93709135055542,
      "learning_rate": 1.0533333333333335e-05,
      "loss": 2.9905,
      "step": 37000
    },
    {
      "epoch": 2.4,
      "grad_norm": 7.277021884918213,
      "learning_rate": 1e-05,
      "loss": 2.9862,
      "step": 37500
    },
    {
      "epoch": 2.432,
      "grad_norm": 6.674744129180908,
      "learning_rate": 9.466666666666667e-06,
      "loss": 2.9917,
      "step": 38000
    },
    {
      "epoch": 2.464,
      "grad_norm": 8.342588424682617,
      "learning_rate": 8.933333333333333e-06,
      "loss": 2.9822,
      "step": 38500
    },
    {
      "epoch": 2.496,
      "grad_norm": 7.07329797744751,
      "learning_rate": 8.400000000000001e-06,
      "loss": 2.9845,
      "step": 39000
    },
    {
      "epoch": 2.528,
      "grad_norm": 6.7366719245910645,
      "learning_rate": 7.866666666666667e-06,
      "loss": 2.9877,
      "step": 39500
    },
    {
      "epoch": 2.56,
      "grad_norm": 6.436901569366455,
      "learning_rate": 7.333333333333334e-06,
      "loss": 2.9883,
      "step": 40000
    },
    {
      "epoch": 2.592,
      "grad_norm": 6.694100856781006,
      "learning_rate": 6.800000000000001e-06,
      "loss": 2.977,
      "step": 40500
    },
    {
      "epoch": 2.624,
      "grad_norm": 6.5170369148254395,
      "learning_rate": 6.266666666666666e-06,
      "loss": 2.9719,
      "step": 41000
    },
    {
      "epoch": 2.656,
      "grad_norm": 7.04496955871582,
      "learning_rate": 5.733333333333333e-06,
      "loss": 2.9732,
      "step": 41500
    },
    {
      "epoch": 2.6879999999999997,
      "grad_norm": 6.8769330978393555,
      "learning_rate": 5.2e-06,
      "loss": 2.9658,
      "step": 42000
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 6.8494415283203125,
      "learning_rate": 4.666666666666667e-06,
      "loss": 2.9711,
      "step": 42500
    },
    {
      "epoch": 2.752,
      "grad_norm": 7.2201690673828125,
      "learning_rate": 4.133333333333333e-06,
      "loss": 2.9745,
      "step": 43000
    },
    {
      "epoch": 2.784,
      "grad_norm": 6.6199493408203125,
      "learning_rate": 3.6e-06,
      "loss": 2.9606,
      "step": 43500
    },
    {
      "epoch": 2.816,
      "grad_norm": 7.001955986022949,
      "learning_rate": 3.066666666666667e-06,
      "loss": 2.9618,
      "step": 44000
    },
    {
      "epoch": 2.848,
      "grad_norm": 6.914155960083008,
      "learning_rate": 2.5333333333333334e-06,
      "loss": 2.9575,
      "step": 44500
    },
    {
      "epoch": 2.88,
      "grad_norm": 7.15353536605835,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 2.9537,
      "step": 45000
    },
    {
      "epoch": 2.912,
      "grad_norm": 6.975430488586426,
      "learning_rate": 1.4666666666666667e-06,
      "loss": 2.9522,
      "step": 45500
    },
    {
      "epoch": 2.944,
      "grad_norm": 7.9337968826293945,
      "learning_rate": 9.333333333333334e-07,
      "loss": 2.9603,
      "step": 46000
    },
    {
      "epoch": 2.976,
      "grad_norm": 6.636446952819824,
      "learning_rate": 4.0000000000000003e-07,
      "loss": 2.9589,
      "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
}