{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.3333333333333333,
  "eval_steps": 9,
  "global_step": 100,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 4.405479907989502,
      "learning_rate": 1e-05,
      "loss": 7.9724,
      "step": 1
    },
    {
      "epoch": 0.013333333333333334,
      "eval_loss": 7.486743450164795,
      "eval_runtime": 6.8137,
      "eval_samples_per_second": 36.984,
      "eval_steps_per_second": 1.174,
      "step": 1
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 5.097732067108154,
      "learning_rate": 2e-05,
      "loss": 7.8597,
      "step": 2
    },
    {
      "epoch": 0.04,
      "grad_norm": 4.230100154876709,
      "learning_rate": 3e-05,
      "loss": 7.2266,
      "step": 3
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 4.65350866317749,
      "learning_rate": 4e-05,
      "loss": 7.064,
      "step": 4
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 4.453489303588867,
      "learning_rate": 5e-05,
      "loss": 7.051,
      "step": 5
    },
    {
      "epoch": 0.08,
      "grad_norm": 5.136047840118408,
      "learning_rate": 6e-05,
      "loss": 7.6665,
      "step": 6
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 5.32263708114624,
      "learning_rate": 7e-05,
      "loss": 6.896,
      "step": 7
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 6.49412202835083,
      "learning_rate": 8e-05,
      "loss": 6.8651,
      "step": 8
    },
    {
      "epoch": 0.12,
      "grad_norm": 6.1117401123046875,
      "learning_rate": 9e-05,
      "loss": 6.3336,
      "step": 9
    },
    {
      "epoch": 0.12,
      "eval_loss": 5.42742919921875,
      "eval_runtime": 6.8586,
      "eval_samples_per_second": 36.742,
      "eval_steps_per_second": 1.166,
      "step": 9
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 5.849968910217285,
      "learning_rate": 0.0001,
      "loss": 5.3658,
      "step": 10
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 5.953588485717773,
      "learning_rate": 9.99695413509548e-05,
      "loss": 4.9658,
      "step": 11
    },
    {
      "epoch": 0.16,
      "grad_norm": 5.58298397064209,
      "learning_rate": 9.987820251299122e-05,
      "loss": 4.2654,
      "step": 12
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 6.122217655181885,
      "learning_rate": 9.972609476841367e-05,
      "loss": 3.9924,
      "step": 13
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 4.52651834487915,
      "learning_rate": 9.951340343707852e-05,
      "loss": 2.9281,
      "step": 14
    },
    {
      "epoch": 0.2,
      "grad_norm": 5.532037734985352,
      "learning_rate": 9.924038765061042e-05,
      "loss": 2.6436,
      "step": 15
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 3.9930419921875,
      "learning_rate": 9.890738003669029e-05,
      "loss": 2.17,
      "step": 16
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 3.711259603500366,
      "learning_rate": 9.851478631379982e-05,
      "loss": 1.6533,
      "step": 17
    },
    {
      "epoch": 0.24,
      "grad_norm": 4.765783786773682,
      "learning_rate": 9.806308479691595e-05,
      "loss": 1.6564,
      "step": 18
    },
    {
      "epoch": 0.24,
      "eval_loss": 1.253283143043518,
      "eval_runtime": 6.8456,
      "eval_samples_per_second": 36.812,
      "eval_steps_per_second": 1.169,
      "step": 18
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 4.9937286376953125,
      "learning_rate": 9.755282581475769e-05,
      "loss": 1.3111,
      "step": 19
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 3.609001874923706,
      "learning_rate": 9.698463103929542e-05,
      "loss": 1.0438,
      "step": 20
    },
    {
      "epoch": 0.28,
      "grad_norm": 2.979018211364746,
      "learning_rate": 9.635919272833938e-05,
      "loss": 1.0878,
      "step": 21
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 2.7885701656341553,
      "learning_rate": 9.567727288213005e-05,
      "loss": 0.9244,
      "step": 22
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 2.072436809539795,
      "learning_rate": 9.493970231495835e-05,
      "loss": 0.8222,
      "step": 23
    },
    {
      "epoch": 0.32,
      "grad_norm": 1.3858284950256348,
      "learning_rate": 9.414737964294636e-05,
      "loss": 0.6871,
      "step": 24
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 1.331913709640503,
      "learning_rate": 9.330127018922194e-05,
      "loss": 0.6767,
      "step": 25
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 1.6265112161636353,
      "learning_rate": 9.24024048078213e-05,
      "loss": 0.5968,
      "step": 26
    },
    {
      "epoch": 0.36,
      "grad_norm": 1.3619335889816284,
      "learning_rate": 9.145187862775209e-05,
      "loss": 0.5688,
      "step": 27
    },
    {
      "epoch": 0.36,
      "eval_loss": 0.5289857983589172,
      "eval_runtime": 6.8554,
      "eval_samples_per_second": 36.759,
      "eval_steps_per_second": 1.167,
      "step": 27
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 3.9684886932373047,
      "learning_rate": 9.045084971874738e-05,
      "loss": 0.5723,
      "step": 28
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 2.640380620956421,
      "learning_rate": 8.940053768033609e-05,
      "loss": 0.5169,
      "step": 29
    },
    {
      "epoch": 0.4,
      "grad_norm": 1.1177144050598145,
      "learning_rate": 8.83022221559489e-05,
      "loss": 0.4045,
      "step": 30
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 1.575081467628479,
      "learning_rate": 8.715724127386972e-05,
      "loss": 0.5524,
      "step": 31
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.9432113170623779,
      "learning_rate": 8.596699001693255e-05,
      "loss": 0.4106,
      "step": 32
    },
    {
      "epoch": 0.44,
      "grad_norm": 0.9591731429100037,
      "learning_rate": 8.473291852294987e-05,
      "loss": 0.4367,
      "step": 33
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 1.5961774587631226,
      "learning_rate": 8.345653031794292e-05,
      "loss": 0.4502,
      "step": 34
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 1.6420469284057617,
      "learning_rate": 8.213938048432697e-05,
      "loss": 0.4735,
      "step": 35
    },
    {
      "epoch": 0.48,
      "grad_norm": 1.7386170625686646,
      "learning_rate": 8.07830737662829e-05,
      "loss": 0.4399,
      "step": 36
    },
    {
      "epoch": 0.48,
      "eval_loss": 0.40678489208221436,
      "eval_runtime": 6.8249,
      "eval_samples_per_second": 36.923,
      "eval_steps_per_second": 1.172,
      "step": 36
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 1.0912026166915894,
      "learning_rate": 7.938926261462366e-05,
      "loss": 0.3623,
      "step": 37
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 1.2950236797332764,
      "learning_rate": 7.795964517353735e-05,
      "loss": 0.4778,
      "step": 38
    },
    {
      "epoch": 0.52,
      "grad_norm": 1.6162281036376953,
      "learning_rate": 7.649596321166024e-05,
      "loss": 0.3529,
      "step": 39
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 1.6553406715393066,
      "learning_rate": 7.500000000000001e-05,
      "loss": 0.4049,
      "step": 40
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 2.335233449935913,
      "learning_rate": 7.347357813929454e-05,
      "loss": 0.4274,
      "step": 41
    },
    {
      "epoch": 0.56,
      "grad_norm": 1.1908917427062988,
      "learning_rate": 7.191855733945387e-05,
      "loss": 0.3944,
      "step": 42
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 1.206529974937439,
      "learning_rate": 7.033683215379002e-05,
      "loss": 0.3918,
      "step": 43
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 1.6182993650436401,
      "learning_rate": 6.873032967079561e-05,
      "loss": 0.4293,
      "step": 44
    },
    {
      "epoch": 0.6,
      "grad_norm": 1.112451195716858,
      "learning_rate": 6.710100716628344e-05,
      "loss": 0.3415,
      "step": 45
    },
    {
      "epoch": 0.6,
      "eval_loss": 0.35784590244293213,
      "eval_runtime": 6.796,
      "eval_samples_per_second": 37.081,
      "eval_steps_per_second": 1.177,
      "step": 45
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.9061072468757629,
      "learning_rate": 6.545084971874738e-05,
      "loss": 0.3638,
      "step": 46
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 0.9715914130210876,
      "learning_rate": 6.378186779084995e-05,
      "loss": 0.3252,
      "step": 47
    },
    {
      "epoch": 0.64,
      "grad_norm": 1.2583880424499512,
      "learning_rate": 6.209609477998338e-05,
      "loss": 0.4273,
      "step": 48
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 1.2677204608917236,
      "learning_rate": 6.0395584540887963e-05,
      "loss": 0.3896,
      "step": 49
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.8862636685371399,
      "learning_rate": 5.868240888334653e-05,
      "loss": 0.382,
      "step": 50
    },
    {
      "epoch": 0.68,
      "grad_norm": 1.2220683097839355,
      "learning_rate": 5.695865504800327e-05,
      "loss": 0.4408,
      "step": 51
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.9844450950622559,
      "learning_rate": 5.522642316338268e-05,
      "loss": 0.3223,
      "step": 52
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 1.1241415739059448,
      "learning_rate": 5.348782368720626e-05,
      "loss": 0.376,
      "step": 53
    },
    {
      "epoch": 0.72,
      "grad_norm": 1.1636427640914917,
      "learning_rate": 5.174497483512506e-05,
      "loss": 0.3708,
      "step": 54
    },
    {
      "epoch": 0.72,
      "eval_loss": 0.32492414116859436,
      "eval_runtime": 11.1188,
      "eval_samples_per_second": 22.664,
      "eval_steps_per_second": 0.72,
      "step": 54
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.9726856350898743,
      "learning_rate": 5e-05,
      "loss": 0.3313,
      "step": 55
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.9194291234016418,
      "learning_rate": 4.825502516487497e-05,
      "loss": 0.3555,
      "step": 56
    },
    {
      "epoch": 0.76,
      "grad_norm": 1.1874873638153076,
      "learning_rate": 4.6512176312793736e-05,
      "loss": 0.3387,
      "step": 57
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 1.1588807106018066,
      "learning_rate": 4.477357683661734e-05,
      "loss": 0.3594,
      "step": 58
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 1.8834445476531982,
      "learning_rate": 4.3041344951996746e-05,
      "loss": 0.4763,
      "step": 59
    },
    {
      "epoch": 0.8,
      "grad_norm": 1.2006111145019531,
      "learning_rate": 4.131759111665349e-05,
      "loss": 0.4233,
      "step": 60
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 1.1156777143478394,
      "learning_rate": 3.960441545911204e-05,
      "loss": 0.3695,
      "step": 61
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 1.079177737236023,
      "learning_rate": 3.790390522001662e-05,
      "loss": 0.3245,
      "step": 62
    },
    {
      "epoch": 0.84,
      "grad_norm": 1.1138255596160889,
      "learning_rate": 3.6218132209150045e-05,
      "loss": 0.3528,
      "step": 63
    },
    {
      "epoch": 0.84,
      "eval_loss": 0.3181284964084625,
      "eval_runtime": 6.8118,
      "eval_samples_per_second": 36.995,
      "eval_steps_per_second": 1.174,
      "step": 63
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.8911928534507751,
      "learning_rate": 3.4549150281252636e-05,
      "loss": 0.3303,
      "step": 64
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 1.513454556465149,
      "learning_rate": 3.289899283371657e-05,
      "loss": 0.3909,
      "step": 65
    },
    {
      "epoch": 0.88,
      "grad_norm": 1.1349172592163086,
      "learning_rate": 3.12696703292044e-05,
      "loss": 0.3781,
      "step": 66
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 1.0260670185089111,
      "learning_rate": 2.9663167846209998e-05,
      "loss": 0.3577,
      "step": 67
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 1.224790334701538,
      "learning_rate": 2.8081442660546125e-05,
      "loss": 0.3788,
      "step": 68
    },
    {
      "epoch": 0.92,
      "grad_norm": 1.0290940999984741,
      "learning_rate": 2.6526421860705473e-05,
      "loss": 0.2868,
      "step": 69
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 1.1072643995285034,
      "learning_rate": 2.500000000000001e-05,
      "loss": 0.3587,
      "step": 70
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 0.862541913986206,
      "learning_rate": 2.350403678833976e-05,
      "loss": 0.3463,
      "step": 71
    },
    {
      "epoch": 0.96,
      "grad_norm": 0.7503249049186707,
      "learning_rate": 2.2040354826462668e-05,
      "loss": 0.2753,
      "step": 72
    },
    {
      "epoch": 0.96,
      "eval_loss": 0.3098621666431427,
      "eval_runtime": 6.8238,
      "eval_samples_per_second": 36.93,
      "eval_steps_per_second": 1.172,
      "step": 72
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.7634937167167664,
      "learning_rate": 2.061073738537635e-05,
      "loss": 0.3108,
      "step": 73
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.8317019939422607,
      "learning_rate": 1.9216926233717085e-05,
      "loss": 0.3269,
      "step": 74
    },
    {
      "epoch": 1.0,
      "grad_norm": 1.1278854608535767,
      "learning_rate": 1.7860619515673033e-05,
      "loss": 0.3466,
      "step": 75
    },
    {
      "epoch": 1.0133333333333334,
      "grad_norm": 0.959816575050354,
      "learning_rate": 1.6543469682057106e-05,
      "loss": 0.2593,
      "step": 76
    },
    {
      "epoch": 1.0266666666666666,
      "grad_norm": 0.9306586980819702,
      "learning_rate": 1.526708147705013e-05,
      "loss": 0.3772,
      "step": 77
    },
    {
      "epoch": 1.04,
      "grad_norm": 1.1471374034881592,
      "learning_rate": 1.4033009983067452e-05,
      "loss": 0.3527,
      "step": 78
    },
    {
      "epoch": 1.0533333333333332,
      "grad_norm": 0.9034615159034729,
      "learning_rate": 1.2842758726130283e-05,
      "loss": 0.3257,
      "step": 79
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 0.8599056601524353,
      "learning_rate": 1.1697777844051105e-05,
      "loss": 0.3808,
      "step": 80
    },
    {
      "epoch": 1.08,
      "grad_norm": 0.8893074989318848,
      "learning_rate": 1.0599462319663905e-05,
      "loss": 0.3187,
      "step": 81
    },
    {
      "epoch": 1.08,
      "eval_loss": 0.3070451021194458,
      "eval_runtime": 6.8264,
      "eval_samples_per_second": 36.916,
      "eval_steps_per_second": 1.172,
      "step": 81
    },
    {
      "epoch": 1.0933333333333333,
      "grad_norm": 0.8692622780799866,
      "learning_rate": 9.549150281252633e-06,
      "loss": 0.335,
      "step": 82
    },
    {
      "epoch": 1.1066666666666667,
      "grad_norm": 0.8228186964988708,
      "learning_rate": 8.548121372247918e-06,
      "loss": 0.2741,
      "step": 83
    },
    {
      "epoch": 1.12,
      "grad_norm": 0.8581228256225586,
      "learning_rate": 7.597595192178702e-06,
      "loss": 0.34,
      "step": 84
    },
    {
      "epoch": 1.1333333333333333,
      "grad_norm": 0.8180541396141052,
      "learning_rate": 6.698729810778065e-06,
      "loss": 0.3043,
      "step": 85
    },
    {
      "epoch": 1.1466666666666667,
      "grad_norm": 0.8261634111404419,
      "learning_rate": 5.852620357053651e-06,
      "loss": 0.335,
      "step": 86
    },
    {
      "epoch": 1.16,
      "grad_norm": 1.3771291971206665,
      "learning_rate": 5.060297685041659e-06,
      "loss": 0.3469,
      "step": 87
    },
    {
      "epoch": 1.1733333333333333,
      "grad_norm": 0.7941247820854187,
      "learning_rate": 4.322727117869951e-06,
      "loss": 0.251,
      "step": 88
    },
    {
      "epoch": 1.1866666666666668,
      "grad_norm": 0.915990948677063,
      "learning_rate": 3.6408072716606346e-06,
      "loss": 0.2688,
      "step": 89
    },
    {
      "epoch": 1.2,
      "grad_norm": 0.8738386034965515,
      "learning_rate": 3.0153689607045845e-06,
      "loss": 0.3568,
      "step": 90
    },
    {
      "epoch": 1.2,
      "eval_loss": 0.3071597218513489,
      "eval_runtime": 6.8205,
      "eval_samples_per_second": 36.948,
      "eval_steps_per_second": 1.173,
      "step": 90
    },
    {
      "epoch": 1.2133333333333334,
      "grad_norm": 0.9354806542396545,
      "learning_rate": 2.4471741852423237e-06,
      "loss": 0.3609,
      "step": 91
    },
    {
      "epoch": 1.2266666666666666,
      "grad_norm": 0.8699689507484436,
      "learning_rate": 1.9369152030840556e-06,
      "loss": 0.3332,
      "step": 92
    },
    {
      "epoch": 1.24,
      "grad_norm": 1.0410078763961792,
      "learning_rate": 1.4852136862001764e-06,
      "loss": 0.3301,
      "step": 93
    },
    {
      "epoch": 1.2533333333333334,
      "grad_norm": 0.8241610527038574,
      "learning_rate": 1.0926199633097157e-06,
      "loss": 0.3493,
      "step": 94
    },
    {
      "epoch": 1.2666666666666666,
      "grad_norm": 0.8889489769935608,
      "learning_rate": 7.596123493895991e-07,
      "loss": 0.2898,
      "step": 95
    },
    {
      "epoch": 1.28,
      "grad_norm": 0.792635977268219,
      "learning_rate": 4.865965629214819e-07,
      "loss": 0.3201,
      "step": 96
    },
    {
      "epoch": 1.2933333333333334,
      "grad_norm": 1.05978262424469,
      "learning_rate": 2.7390523158633554e-07,
      "loss": 0.2334,
      "step": 97
    },
    {
      "epoch": 1.3066666666666666,
      "grad_norm": 0.9526124596595764,
      "learning_rate": 1.2179748700879012e-07,
      "loss": 0.3014,
      "step": 98
    },
    {
      "epoch": 1.32,
      "grad_norm": 0.9465766549110413,
      "learning_rate": 3.04586490452119e-08,
      "loss": 0.2909,
      "step": 99
    },
    {
      "epoch": 1.32,
      "eval_loss": 0.3063599765300751,
      "eval_runtime": 6.824,
      "eval_samples_per_second": 36.928,
      "eval_steps_per_second": 1.172,
      "step": 99
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 0.8943014144897461,
      "learning_rate": 0.0,
      "loss": 0.3156,
      "step": 100
    }
  ],
  "logging_steps": 1,
  "max_steps": 100,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 2,
  "save_steps": 25,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 5.28875293507584e+17,
  "train_batch_size": 8,
  "trial_name": null,
  "trial_params": null
}