lillian039 commited on
Commit
d449b8e
1 Parent(s): c50c794

Model save

Browse files
Files changed (4) hide show
  1. README.md +69 -0
  2. all_results.json +9 -0
  3. train_results.json +9 -0
  4. trainer_state.json +3111 -0
README.md ADDED
@@ -0,0 +1,69 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: meta-llama/Meta-Llama-3.1-8B-Instruct
3
+ library_name: peft
4
+ license: llama3.1
5
+ tags:
6
+ - trl
7
+ - sft
8
+ - generated_from_trainer
9
+ model-index:
10
+ - name: barc-llama3.1-8b-instruct-lora64-induction-gpt4-desc-4omini20k_lr2e-4_epoch3
11
+ results: []
12
+ ---
13
+
14
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
15
+ should probably proofread and complete it, then remove this comment. -->
16
+
17
+ # barc-llama3.1-8b-instruct-lora64-induction-gpt4-desc-4omini20k_lr2e-4_epoch3
18
+
19
+ This model is a fine-tuned version of [meta-llama/Meta-Llama-3.1-8B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-8B-Instruct) on an unknown dataset.
20
+ It achieves the following results on the evaluation set:
21
+ - Loss: 0.2928
22
+
23
+ ## Model description
24
+
25
+ More information needed
26
+
27
+ ## Intended uses & limitations
28
+
29
+ More information needed
30
+
31
+ ## Training and evaluation data
32
+
33
+ More information needed
34
+
35
+ ## Training procedure
36
+
37
+ ### Training hyperparameters
38
+
39
+ The following hyperparameters were used during training:
40
+ - learning_rate: 0.0002
41
+ - train_batch_size: 8
42
+ - eval_batch_size: 4
43
+ - seed: 42
44
+ - distributed_type: multi-GPU
45
+ - num_devices: 8
46
+ - gradient_accumulation_steps: 2
47
+ - total_train_batch_size: 128
48
+ - total_eval_batch_size: 32
49
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
50
+ - lr_scheduler_type: cosine
51
+ - lr_scheduler_warmup_ratio: 0.1
52
+ - num_epochs: 3
53
+
54
+ ### Training results
55
+
56
+ | Training Loss | Epoch | Step | Validation Loss |
57
+ |:-------------:|:------:|:----:|:---------------:|
58
+ | 0.3214 | 0.9966 | 145 | 0.3190 |
59
+ | 0.2761 | 2.0 | 291 | 0.2950 |
60
+ | 0.2592 | 2.9897 | 435 | 0.2928 |
61
+
62
+
63
+ ### Framework versions
64
+
65
+ - PEFT 0.13.0
66
+ - Transformers 4.45.0.dev0
67
+ - Pytorch 2.4.1+cu121
68
+ - Datasets 3.0.0
69
+ - Tokenizers 0.19.1
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9896907216494846,
3
+ "total_flos": 1.330526714897367e+17,
4
+ "train_loss": 0.3336494640714821,
5
+ "train_runtime": 4477.4048,
6
+ "train_samples": 18561,
7
+ "train_samples_per_second": 12.436,
8
+ "train_steps_per_second": 0.097
9
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9896907216494846,
3
+ "total_flos": 1.330526714897367e+17,
4
+ "train_loss": 0.3336494640714821,
5
+ "train_runtime": 4477.4048,
6
+ "train_samples": 18561,
7
+ "train_samples_per_second": 12.436,
8
+ "train_steps_per_second": 0.097
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,3111 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.9896907216494846,
5
+ "eval_steps": 500,
6
+ "global_step": 435,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.006872852233676976,
13
+ "grad_norm": 0.9486322019687681,
14
+ "learning_rate": 4.5454545454545455e-06,
15
+ "loss": 1.3163,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.013745704467353952,
20
+ "grad_norm": 0.9581819297739079,
21
+ "learning_rate": 9.090909090909091e-06,
22
+ "loss": 1.3039,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.020618556701030927,
27
+ "grad_norm": 1.0054838528858523,
28
+ "learning_rate": 1.3636363636363637e-05,
29
+ "loss": 1.3912,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.027491408934707903,
34
+ "grad_norm": 0.973313664446148,
35
+ "learning_rate": 1.8181818181818182e-05,
36
+ "loss": 1.3176,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.03436426116838488,
41
+ "grad_norm": 0.9112881771285355,
42
+ "learning_rate": 2.272727272727273e-05,
43
+ "loss": 1.2813,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.041237113402061855,
48
+ "grad_norm": 0.868853801792406,
49
+ "learning_rate": 2.7272727272727273e-05,
50
+ "loss": 1.2778,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.048109965635738834,
55
+ "grad_norm": 0.7999023078891502,
56
+ "learning_rate": 3.181818181818182e-05,
57
+ "loss": 1.2184,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.054982817869415807,
62
+ "grad_norm": 0.6175826046713091,
63
+ "learning_rate": 3.6363636363636364e-05,
64
+ "loss": 1.1459,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.061855670103092786,
69
+ "grad_norm": 0.5099365471572147,
70
+ "learning_rate": 4.0909090909090915e-05,
71
+ "loss": 1.0493,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.06872852233676977,
76
+ "grad_norm": 0.5444792063302974,
77
+ "learning_rate": 4.545454545454546e-05,
78
+ "loss": 1.0206,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.07560137457044673,
83
+ "grad_norm": 0.612097075909489,
84
+ "learning_rate": 5e-05,
85
+ "loss": 0.9556,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.08247422680412371,
90
+ "grad_norm": 0.5965134047415941,
91
+ "learning_rate": 5.4545454545454546e-05,
92
+ "loss": 0.8832,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.08934707903780069,
97
+ "grad_norm": 0.6321048435692244,
98
+ "learning_rate": 5.90909090909091e-05,
99
+ "loss": 0.8113,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.09621993127147767,
104
+ "grad_norm": 0.5433713534011196,
105
+ "learning_rate": 6.363636363636364e-05,
106
+ "loss": 0.7699,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.10309278350515463,
111
+ "grad_norm": 0.5641051016325467,
112
+ "learning_rate": 6.818181818181818e-05,
113
+ "loss": 0.6987,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.10996563573883161,
118
+ "grad_norm": 0.4741800529459741,
119
+ "learning_rate": 7.272727272727273e-05,
120
+ "loss": 0.6418,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.11683848797250859,
125
+ "grad_norm": 0.31919675330271313,
126
+ "learning_rate": 7.727272727272727e-05,
127
+ "loss": 0.5883,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.12371134020618557,
132
+ "grad_norm": 0.2704850432116006,
133
+ "learning_rate": 8.181818181818183e-05,
134
+ "loss": 0.576,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.13058419243986255,
139
+ "grad_norm": 0.26062797028012374,
140
+ "learning_rate": 8.636363636363637e-05,
141
+ "loss": 0.5267,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.13745704467353953,
146
+ "grad_norm": 0.18740805347521763,
147
+ "learning_rate": 9.090909090909092e-05,
148
+ "loss": 0.5469,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.14432989690721648,
153
+ "grad_norm": 0.22017175307824505,
154
+ "learning_rate": 9.545454545454546e-05,
155
+ "loss": 0.5226,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.15120274914089346,
160
+ "grad_norm": 0.1887039063728806,
161
+ "learning_rate": 0.0001,
162
+ "loss": 0.4873,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.15807560137457044,
167
+ "grad_norm": 0.1793474824943474,
168
+ "learning_rate": 0.00010454545454545455,
169
+ "loss": 0.4978,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.16494845360824742,
174
+ "grad_norm": 0.23697858977104094,
175
+ "learning_rate": 0.00010909090909090909,
176
+ "loss": 0.4814,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.1718213058419244,
181
+ "grad_norm": 0.17636901545890651,
182
+ "learning_rate": 0.00011363636363636365,
183
+ "loss": 0.5103,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.17869415807560138,
188
+ "grad_norm": 0.16142348168311232,
189
+ "learning_rate": 0.0001181818181818182,
190
+ "loss": 0.4773,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.18556701030927836,
195
+ "grad_norm": 0.1425385061824693,
196
+ "learning_rate": 0.00012272727272727272,
197
+ "loss": 0.492,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.19243986254295534,
202
+ "grad_norm": 0.1265888154640839,
203
+ "learning_rate": 0.00012727272727272728,
204
+ "loss": 0.4854,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.19931271477663232,
209
+ "grad_norm": 0.11449596495934233,
210
+ "learning_rate": 0.0001318181818181818,
211
+ "loss": 0.4615,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.20618556701030927,
216
+ "grad_norm": 0.12461604075605497,
217
+ "learning_rate": 0.00013636363636363637,
218
+ "loss": 0.4703,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.21305841924398625,
223
+ "grad_norm": 0.12169420338653658,
224
+ "learning_rate": 0.00014090909090909093,
225
+ "loss": 0.4433,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.21993127147766323,
230
+ "grad_norm": 0.10581158171701577,
231
+ "learning_rate": 0.00014545454545454546,
232
+ "loss": 0.4397,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.2268041237113402,
237
+ "grad_norm": 0.11163612722377497,
238
+ "learning_rate": 0.00015000000000000001,
239
+ "loss": 0.4605,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.23367697594501718,
244
+ "grad_norm": 0.11309459248751377,
245
+ "learning_rate": 0.00015454545454545454,
246
+ "loss": 0.4495,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.24054982817869416,
251
+ "grad_norm": 0.11367215299047806,
252
+ "learning_rate": 0.0001590909090909091,
253
+ "loss": 0.4308,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.24742268041237114,
258
+ "grad_norm": 0.10809464118167192,
259
+ "learning_rate": 0.00016363636363636366,
260
+ "loss": 0.4368,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.2542955326460481,
265
+ "grad_norm": 0.10502574406388546,
266
+ "learning_rate": 0.0001681818181818182,
267
+ "loss": 0.4196,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.2611683848797251,
272
+ "grad_norm": 0.10320182075757336,
273
+ "learning_rate": 0.00017272727272727275,
274
+ "loss": 0.42,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.26804123711340205,
279
+ "grad_norm": 0.11138418873828733,
280
+ "learning_rate": 0.00017727272727272728,
281
+ "loss": 0.4514,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.27491408934707906,
286
+ "grad_norm": 0.11111081000023773,
287
+ "learning_rate": 0.00018181818181818183,
288
+ "loss": 0.4162,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.281786941580756,
293
+ "grad_norm": 0.10773385531295475,
294
+ "learning_rate": 0.00018636363636363636,
295
+ "loss": 0.4058,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.28865979381443296,
300
+ "grad_norm": 0.10631032605354059,
301
+ "learning_rate": 0.00019090909090909092,
302
+ "loss": 0.4029,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.29553264604810997,
307
+ "grad_norm": 0.10836378456827221,
308
+ "learning_rate": 0.00019545454545454548,
309
+ "loss": 0.4096,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.3024054982817869,
314
+ "grad_norm": 0.10880423378093391,
315
+ "learning_rate": 0.0002,
316
+ "loss": 0.4196,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.30927835051546393,
321
+ "grad_norm": 0.1066915228080529,
322
+ "learning_rate": 0.00019999677214588312,
323
+ "loss": 0.4049,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.3161512027491409,
328
+ "grad_norm": 0.1009132049783852,
329
+ "learning_rate": 0.00019998708879191335,
330
+ "loss": 0.4015,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.3230240549828179,
335
+ "grad_norm": 0.10423644166095698,
336
+ "learning_rate": 0.00019997095056321971,
337
+ "loss": 0.3989,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.32989690721649484,
342
+ "grad_norm": 0.10222126638135792,
343
+ "learning_rate": 0.00019994835850163924,
344
+ "loss": 0.3911,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.33676975945017185,
349
+ "grad_norm": 0.09539411299428839,
350
+ "learning_rate": 0.00019991931406564944,
351
+ "loss": 0.3861,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.3436426116838488,
356
+ "grad_norm": 0.10040146458411044,
357
+ "learning_rate": 0.00019988381913027442,
358
+ "loss": 0.3932,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.35051546391752575,
363
+ "grad_norm": 0.10573179360993629,
364
+ "learning_rate": 0.00019984187598696363,
365
+ "loss": 0.3936,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.35738831615120276,
370
+ "grad_norm": 0.10564577769908695,
371
+ "learning_rate": 0.00019979348734344398,
372
+ "loss": 0.4071,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.3642611683848797,
377
+ "grad_norm": 0.10695511977009023,
378
+ "learning_rate": 0.00019973865632354516,
379
+ "loss": 0.3882,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.3711340206185567,
384
+ "grad_norm": 0.10064589165597464,
385
+ "learning_rate": 0.0001996773864669978,
386
+ "loss": 0.3785,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.37800687285223367,
391
+ "grad_norm": 0.09791457914129995,
392
+ "learning_rate": 0.00019960968172920516,
393
+ "loss": 0.3811,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.3848797250859107,
398
+ "grad_norm": 0.1118566682283669,
399
+ "learning_rate": 0.00019953554648098748,
400
+ "loss": 0.3938,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.3917525773195876,
405
+ "grad_norm": 0.10214824698553887,
406
+ "learning_rate": 0.0001994549855083001,
407
+ "loss": 0.3925,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.39862542955326463,
412
+ "grad_norm": 0.1014103487175917,
413
+ "learning_rate": 0.0001993680040119244,
414
+ "loss": 0.3802,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.4054982817869416,
419
+ "grad_norm": 0.0993499098682824,
420
+ "learning_rate": 0.00019927460760713197,
421
+ "loss": 0.381,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.41237113402061853,
426
+ "grad_norm": 0.10206073076536111,
427
+ "learning_rate": 0.00019917480232332224,
428
+ "loss": 0.3657,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.41924398625429554,
433
+ "grad_norm": 0.09828556302343387,
434
+ "learning_rate": 0.00019906859460363307,
435
+ "loss": 0.3761,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.4261168384879725,
440
+ "grad_norm": 0.10139688359355604,
441
+ "learning_rate": 0.00019895599130452505,
442
+ "loss": 0.3749,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.4329896907216495,
447
+ "grad_norm": 0.10711125411772042,
448
+ "learning_rate": 0.0001988369996953386,
449
+ "loss": 0.3706,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.43986254295532645,
454
+ "grad_norm": 0.09724017597982272,
455
+ "learning_rate": 0.00019871162745782478,
456
+ "loss": 0.3705,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.44673539518900346,
461
+ "grad_norm": 0.1012279008931452,
462
+ "learning_rate": 0.00019857988268564953,
463
+ "loss": 0.3712,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.4536082474226804,
468
+ "grad_norm": 0.09806011793458508,
469
+ "learning_rate": 0.0001984417738838709,
470
+ "loss": 0.355,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.46048109965635736,
475
+ "grad_norm": 0.10463912089089605,
476
+ "learning_rate": 0.0001982973099683902,
477
+ "loss": 0.3812,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.46735395189003437,
482
+ "grad_norm": 0.10616651630870087,
483
+ "learning_rate": 0.0001981465002653763,
484
+ "loss": 0.3671,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.4742268041237113,
489
+ "grad_norm": 0.11658375430444518,
490
+ "learning_rate": 0.00019798935451066361,
491
+ "loss": 0.3822,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.48109965635738833,
496
+ "grad_norm": 0.10686011983880458,
497
+ "learning_rate": 0.0001978258828491236,
498
+ "loss": 0.3564,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.4879725085910653,
503
+ "grad_norm": 0.10160970818733071,
504
+ "learning_rate": 0.00019765609583400977,
505
+ "loss": 0.3656,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.4948453608247423,
510
+ "grad_norm": 0.10845572916815471,
511
+ "learning_rate": 0.0001974800044262764,
512
+ "loss": 0.3623,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.5017182130584192,
517
+ "grad_norm": 0.10898867605088586,
518
+ "learning_rate": 0.00019729761999387103,
519
+ "loss": 0.3689,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.5085910652920962,
524
+ "grad_norm": 0.10030807679917116,
525
+ "learning_rate": 0.00019710895431100046,
526
+ "loss": 0.3743,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.5154639175257731,
531
+ "grad_norm": 0.10640353541210322,
532
+ "learning_rate": 0.00019691401955737072,
533
+ "loss": 0.3664,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.5223367697594502,
538
+ "grad_norm": 0.10268077724904813,
539
+ "learning_rate": 0.00019671282831740076,
540
+ "loss": 0.3446,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.5292096219931272,
545
+ "grad_norm": 0.1026968446802754,
546
+ "learning_rate": 0.00019650539357941003,
547
+ "loss": 0.3524,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.5360824742268041,
552
+ "grad_norm": 0.10265145337121352,
553
+ "learning_rate": 0.00019629172873477995,
554
+ "loss": 0.3615,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.5429553264604811,
559
+ "grad_norm": 0.10234137978544197,
560
+ "learning_rate": 0.00019607184757708951,
561
+ "loss": 0.348,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.5498281786941581,
566
+ "grad_norm": 0.10414003831964998,
567
+ "learning_rate": 0.00019584576430122473,
568
+ "loss": 0.3455,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.5567010309278351,
573
+ "grad_norm": 0.10371223386491027,
574
+ "learning_rate": 0.00019561349350246226,
575
+ "loss": 0.3378,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.563573883161512,
580
+ "grad_norm": 0.10200261115662425,
581
+ "learning_rate": 0.00019537505017552716,
582
+ "loss": 0.3424,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.570446735395189,
587
+ "grad_norm": 0.10679690224389146,
588
+ "learning_rate": 0.00019513044971362494,
589
+ "loss": 0.3381,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.5773195876288659,
594
+ "grad_norm": 0.11747209193015294,
595
+ "learning_rate": 0.00019487970790744774,
596
+ "loss": 0.3608,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.584192439862543,
601
+ "grad_norm": 0.10455385108750616,
602
+ "learning_rate": 0.000194622840944155,
603
+ "loss": 0.3513,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.5910652920962199,
608
+ "grad_norm": 0.11103687968369377,
609
+ "learning_rate": 0.00019435986540632843,
610
+ "loss": 0.3322,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.5979381443298969,
615
+ "grad_norm": 0.1044628007637211,
616
+ "learning_rate": 0.00019409079827090145,
617
+ "loss": 0.3452,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.6048109965635738,
622
+ "grad_norm": 0.1062512518470538,
623
+ "learning_rate": 0.00019381565690806328,
624
+ "loss": 0.3295,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.6116838487972509,
629
+ "grad_norm": 0.10737195453497204,
630
+ "learning_rate": 0.00019353445908013755,
631
+ "loss": 0.3322,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.6185567010309279,
636
+ "grad_norm": 0.10702988631259788,
637
+ "learning_rate": 0.00019324722294043558,
638
+ "loss": 0.3436,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.6254295532646048,
643
+ "grad_norm": 0.10765269601948493,
644
+ "learning_rate": 0.00019295396703208453,
645
+ "loss": 0.3628,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.6323024054982818,
650
+ "grad_norm": 0.1002631772076248,
651
+ "learning_rate": 0.00019265471028683014,
652
+ "loss": 0.337,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.6391752577319587,
657
+ "grad_norm": 0.10607703170572558,
658
+ "learning_rate": 0.00019234947202381486,
659
+ "loss": 0.3312,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.6460481099656358,
664
+ "grad_norm": 0.10229636934864904,
665
+ "learning_rate": 0.00019203827194833026,
666
+ "loss": 0.3613,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.6529209621993127,
671
+ "grad_norm": 0.10916337452983911,
672
+ "learning_rate": 0.00019172113015054532,
673
+ "loss": 0.3402,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.6597938144329897,
678
+ "grad_norm": 0.10094159423939311,
679
+ "learning_rate": 0.00019139806710420914,
680
+ "loss": 0.3308,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.6666666666666666,
685
+ "grad_norm": 0.10420707581199606,
686
+ "learning_rate": 0.00019106910366532942,
687
+ "loss": 0.3297,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.6735395189003437,
692
+ "grad_norm": 0.11033214518450266,
693
+ "learning_rate": 0.000190734261070826,
694
+ "loss": 0.3368,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.6804123711340206,
699
+ "grad_norm": 0.10648307368306249,
700
+ "learning_rate": 0.00019039356093715975,
701
+ "loss": 0.3436,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.6872852233676976,
706
+ "grad_norm": 0.1023047486718038,
707
+ "learning_rate": 0.00019004702525893732,
708
+ "loss": 0.3389,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.6941580756013745,
713
+ "grad_norm": 0.10884134971992637,
714
+ "learning_rate": 0.000189694676407491,
715
+ "loss": 0.3343,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.7010309278350515,
720
+ "grad_norm": 0.10624545430750702,
721
+ "learning_rate": 0.0001893365371294346,
722
+ "loss": 0.334,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.7079037800687286,
727
+ "grad_norm": 0.10418100794965049,
728
+ "learning_rate": 0.00018897263054519498,
729
+ "loss": 0.3332,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.7147766323024055,
734
+ "grad_norm": 0.10442261089390925,
735
+ "learning_rate": 0.00018860298014751944,
736
+ "loss": 0.3231,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.7216494845360825,
741
+ "grad_norm": 0.11510206196708461,
742
+ "learning_rate": 0.0001882276097999592,
743
+ "loss": 0.3331,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.7285223367697594,
748
+ "grad_norm": 0.10447026389489032,
749
+ "learning_rate": 0.00018784654373532866,
750
+ "loss": 0.3454,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.7353951890034365,
755
+ "grad_norm": 0.10590015702307645,
756
+ "learning_rate": 0.00018745980655414114,
757
+ "loss": 0.3283,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.7422680412371134,
762
+ "grad_norm": 0.1019688644295514,
763
+ "learning_rate": 0.00018706742322302064,
764
+ "loss": 0.3368,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.7491408934707904,
769
+ "grad_norm": 0.11013306581811545,
770
+ "learning_rate": 0.00018666941907309026,
771
+ "loss": 0.3371,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.7560137457044673,
776
+ "grad_norm": 0.09950125567962896,
777
+ "learning_rate": 0.0001862658197983366,
778
+ "loss": 0.3206,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.7628865979381443,
783
+ "grad_norm": 0.09961853222606298,
784
+ "learning_rate": 0.0001858566514539513,
785
+ "loss": 0.3245,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.7697594501718213,
790
+ "grad_norm": 0.10822873754218582,
791
+ "learning_rate": 0.00018544194045464886,
792
+ "loss": 0.336,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.7766323024054983,
797
+ "grad_norm": 0.10256746162360054,
798
+ "learning_rate": 0.00018502171357296144,
799
+ "loss": 0.3279,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.7835051546391752,
804
+ "grad_norm": 0.09750927062180448,
805
+ "learning_rate": 0.0001845959979375104,
806
+ "loss": 0.3388,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.7903780068728522,
811
+ "grad_norm": 0.09793726368683904,
812
+ "learning_rate": 0.00018416482103125506,
813
+ "loss": 0.3303,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.7972508591065293,
818
+ "grad_norm": 0.10598098121402388,
819
+ "learning_rate": 0.0001837282106897185,
820
+ "loss": 0.3216,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.8041237113402062,
825
+ "grad_norm": 0.10184730892936761,
826
+ "learning_rate": 0.00018328619509919044,
827
+ "loss": 0.3341,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.8109965635738832,
832
+ "grad_norm": 0.10057188453324177,
833
+ "learning_rate": 0.0001828388027949078,
834
+ "loss": 0.3377,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.8178694158075601,
839
+ "grad_norm": 0.10702981460753135,
840
+ "learning_rate": 0.00018238606265921238,
841
+ "loss": 0.3408,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.8247422680412371,
846
+ "grad_norm": 0.10861206391221787,
847
+ "learning_rate": 0.00018192800391968642,
848
+ "loss": 0.3413,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.8316151202749141,
853
+ "grad_norm": 0.10665429392095056,
854
+ "learning_rate": 0.00018146465614726567,
855
+ "loss": 0.3234,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.8384879725085911,
860
+ "grad_norm": 0.10180559686021746,
861
+ "learning_rate": 0.00018099604925433043,
862
+ "loss": 0.3263,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.845360824742268,
867
+ "grad_norm": 0.11025637152512564,
868
+ "learning_rate": 0.00018052221349277442,
869
+ "loss": 0.3295,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.852233676975945,
874
+ "grad_norm": 0.10266709615387361,
875
+ "learning_rate": 0.00018004317945205197,
876
+ "loss": 0.3275,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.8591065292096219,
881
+ "grad_norm": 0.10117796525027944,
882
+ "learning_rate": 0.0001795589780572031,
883
+ "loss": 0.3541,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.865979381443299,
888
+ "grad_norm": 0.10526178050004703,
889
+ "learning_rate": 0.00017906964056685706,
890
+ "loss": 0.3312,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.872852233676976,
895
+ "grad_norm": 0.1063992770321544,
896
+ "learning_rate": 0.00017857519857121458,
897
+ "loss": 0.3312,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.8797250859106529,
902
+ "grad_norm": 0.10996856445056626,
903
+ "learning_rate": 0.00017807568399000822,
904
+ "loss": 0.3527,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.8865979381443299,
909
+ "grad_norm": 0.09753881684843836,
910
+ "learning_rate": 0.000177571129070442,
911
+ "loss": 0.3117,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.8934707903780069,
916
+ "grad_norm": 0.10008693889485847,
917
+ "learning_rate": 0.0001770615663851093,
918
+ "loss": 0.3188,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.9003436426116839,
923
+ "grad_norm": 0.10344071862676044,
924
+ "learning_rate": 0.0001765470288298905,
925
+ "loss": 0.3252,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.9072164948453608,
930
+ "grad_norm": 0.09310502474075653,
931
+ "learning_rate": 0.0001760275496218288,
932
+ "loss": 0.3058,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.9140893470790378,
937
+ "grad_norm": 0.10039282316295665,
938
+ "learning_rate": 0.0001755031622969862,
939
+ "loss": 0.3468,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.9209621993127147,
944
+ "grad_norm": 0.09871302822261965,
945
+ "learning_rate": 0.00017497390070827848,
946
+ "loss": 0.3241,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.9278350515463918,
951
+ "grad_norm": 0.10019109474446979,
952
+ "learning_rate": 0.00017443979902328956,
953
+ "loss": 0.3247,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.9347079037800687,
958
+ "grad_norm": 0.09742365798894928,
959
+ "learning_rate": 0.00017390089172206592,
960
+ "loss": 0.3268,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.9415807560137457,
965
+ "grad_norm": 0.09613939400204266,
966
+ "learning_rate": 0.00017335721359489057,
967
+ "loss": 0.3017,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.9484536082474226,
972
+ "grad_norm": 0.11015286314690642,
973
+ "learning_rate": 0.00017280879974003707,
974
+ "loss": 0.3369,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.9553264604810997,
979
+ "grad_norm": 0.09848269873542065,
980
+ "learning_rate": 0.0001722556855615039,
981
+ "loss": 0.3215,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.9621993127147767,
986
+ "grad_norm": 0.10356185439767568,
987
+ "learning_rate": 0.00017169790676672858,
988
+ "loss": 0.3209,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.9690721649484536,
993
+ "grad_norm": 0.10200587363931662,
994
+ "learning_rate": 0.0001711354993642827,
995
+ "loss": 0.3156,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.9759450171821306,
1000
+ "grad_norm": 0.10631936681232042,
1001
+ "learning_rate": 0.0001705684996615472,
1002
+ "loss": 0.3139,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.9828178694158075,
1007
+ "grad_norm": 0.09891246233686207,
1008
+ "learning_rate": 0.0001699969442623686,
1009
+ "loss": 0.3252,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.9896907216494846,
1014
+ "grad_norm": 0.09631426655006751,
1015
+ "learning_rate": 0.00016942087006469592,
1016
+ "loss": 0.3092,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.9965635738831615,
1021
+ "grad_norm": 0.1007256123012449,
1022
+ "learning_rate": 0.00016884031425819853,
1023
+ "loss": 0.3214,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.9965635738831615,
1028
+ "eval_loss": 0.31896448135375977,
1029
+ "eval_runtime": 31.3575,
1030
+ "eval_samples_per_second": 31.157,
1031
+ "eval_steps_per_second": 0.989,
1032
+ "step": 145
1033
+ },
1034
+ {
1035
+ "epoch": 1.0034364261168385,
1036
+ "grad_norm": 0.09742513564214555,
1037
+ "learning_rate": 0.00016825531432186543,
1038
+ "loss": 0.3131,
1039
+ "step": 146
1040
+ },
1041
+ {
1042
+ "epoch": 1.0103092783505154,
1043
+ "grad_norm": 0.1000843163672815,
1044
+ "learning_rate": 0.00016766590802158566,
1045
+ "loss": 0.308,
1046
+ "step": 147
1047
+ },
1048
+ {
1049
+ "epoch": 1.0171821305841924,
1050
+ "grad_norm": 0.1018182338551042,
1051
+ "learning_rate": 0.0001670721334077103,
1052
+ "loss": 0.3077,
1053
+ "step": 148
1054
+ },
1055
+ {
1056
+ "epoch": 1.0240549828178693,
1057
+ "grad_norm": 0.10928234134401811,
1058
+ "learning_rate": 0.00016647402881259598,
1059
+ "loss": 0.3137,
1060
+ "step": 149
1061
+ },
1062
+ {
1063
+ "epoch": 1.0309278350515463,
1064
+ "grad_norm": 0.10482761572794695,
1065
+ "learning_rate": 0.00016587163284813032,
1066
+ "loss": 0.2969,
1067
+ "step": 150
1068
+ },
1069
+ {
1070
+ "epoch": 1.0378006872852235,
1071
+ "grad_norm": 0.10755010011949057,
1072
+ "learning_rate": 0.00016526498440323914,
1073
+ "loss": 0.3027,
1074
+ "step": 151
1075
+ },
1076
+ {
1077
+ "epoch": 1.0446735395189004,
1078
+ "grad_norm": 0.09961868507020075,
1079
+ "learning_rate": 0.0001646541226413761,
1080
+ "loss": 0.2918,
1081
+ "step": 152
1082
+ },
1083
+ {
1084
+ "epoch": 1.0515463917525774,
1085
+ "grad_norm": 0.10275553359018949,
1086
+ "learning_rate": 0.00016403908699799425,
1087
+ "loss": 0.2935,
1088
+ "step": 153
1089
+ },
1090
+ {
1091
+ "epoch": 1.0584192439862543,
1092
+ "grad_norm": 0.10314122954609171,
1093
+ "learning_rate": 0.00016341991717800023,
1094
+ "loss": 0.3107,
1095
+ "step": 154
1096
+ },
1097
+ {
1098
+ "epoch": 1.0652920962199313,
1099
+ "grad_norm": 0.10201304020136209,
1100
+ "learning_rate": 0.00016279665315319114,
1101
+ "loss": 0.2925,
1102
+ "step": 155
1103
+ },
1104
+ {
1105
+ "epoch": 1.0721649484536082,
1106
+ "grad_norm": 0.11295490175270977,
1107
+ "learning_rate": 0.0001621693351596739,
1108
+ "loss": 0.3165,
1109
+ "step": 156
1110
+ },
1111
+ {
1112
+ "epoch": 1.0790378006872852,
1113
+ "grad_norm": 0.11187236691946645,
1114
+ "learning_rate": 0.00016153800369526788,
1115
+ "loss": 0.3008,
1116
+ "step": 157
1117
+ },
1118
+ {
1119
+ "epoch": 1.0859106529209621,
1120
+ "grad_norm": 0.10649522892041895,
1121
+ "learning_rate": 0.0001609026995168904,
1122
+ "loss": 0.3072,
1123
+ "step": 158
1124
+ },
1125
+ {
1126
+ "epoch": 1.0927835051546393,
1127
+ "grad_norm": 0.10138792178292377,
1128
+ "learning_rate": 0.00016026346363792567,
1129
+ "loss": 0.2968,
1130
+ "step": 159
1131
+ },
1132
+ {
1133
+ "epoch": 1.0996563573883162,
1134
+ "grad_norm": 0.10490079005967201,
1135
+ "learning_rate": 0.00015962033732557686,
1136
+ "loss": 0.3074,
1137
+ "step": 160
1138
+ },
1139
+ {
1140
+ "epoch": 1.1065292096219932,
1141
+ "grad_norm": 0.10339230680715779,
1142
+ "learning_rate": 0.00015897336209820239,
1143
+ "loss": 0.2904,
1144
+ "step": 161
1145
+ },
1146
+ {
1147
+ "epoch": 1.1134020618556701,
1148
+ "grad_norm": 0.11480233498020057,
1149
+ "learning_rate": 0.00015832257972263523,
1150
+ "loss": 0.31,
1151
+ "step": 162
1152
+ },
1153
+ {
1154
+ "epoch": 1.120274914089347,
1155
+ "grad_norm": 0.10620125747115913,
1156
+ "learning_rate": 0.00015766803221148673,
1157
+ "loss": 0.3041,
1158
+ "step": 163
1159
+ },
1160
+ {
1161
+ "epoch": 1.127147766323024,
1162
+ "grad_norm": 0.10787426446881714,
1163
+ "learning_rate": 0.0001570097618204345,
1164
+ "loss": 0.3142,
1165
+ "step": 164
1166
+ },
1167
+ {
1168
+ "epoch": 1.134020618556701,
1169
+ "grad_norm": 0.10375711742292576,
1170
+ "learning_rate": 0.00015634781104549442,
1171
+ "loss": 0.2916,
1172
+ "step": 165
1173
+ },
1174
+ {
1175
+ "epoch": 1.140893470790378,
1176
+ "grad_norm": 0.1085251854270091,
1177
+ "learning_rate": 0.00015568222262027717,
1178
+ "loss": 0.2969,
1179
+ "step": 166
1180
+ },
1181
+ {
1182
+ "epoch": 1.147766323024055,
1183
+ "grad_norm": 0.10620158303898176,
1184
+ "learning_rate": 0.00015501303951322943,
1185
+ "loss": 0.3069,
1186
+ "step": 167
1187
+ },
1188
+ {
1189
+ "epoch": 1.1546391752577319,
1190
+ "grad_norm": 0.10221091343876472,
1191
+ "learning_rate": 0.00015434030492486023,
1192
+ "loss": 0.3015,
1193
+ "step": 168
1194
+ },
1195
+ {
1196
+ "epoch": 1.161512027491409,
1197
+ "grad_norm": 0.11025720771873336,
1198
+ "learning_rate": 0.00015366406228495172,
1199
+ "loss": 0.2923,
1200
+ "step": 169
1201
+ },
1202
+ {
1203
+ "epoch": 1.168384879725086,
1204
+ "grad_norm": 0.11019089511672239,
1205
+ "learning_rate": 0.00015298435524975572,
1206
+ "loss": 0.3088,
1207
+ "step": 170
1208
+ },
1209
+ {
1210
+ "epoch": 1.175257731958763,
1211
+ "grad_norm": 0.1066893326930603,
1212
+ "learning_rate": 0.00015230122769917527,
1213
+ "loss": 0.3006,
1214
+ "step": 171
1215
+ },
1216
+ {
1217
+ "epoch": 1.1821305841924399,
1218
+ "grad_norm": 0.11028825839961288,
1219
+ "learning_rate": 0.00015161472373393186,
1220
+ "loss": 0.3028,
1221
+ "step": 172
1222
+ },
1223
+ {
1224
+ "epoch": 1.1890034364261168,
1225
+ "grad_norm": 0.10136590795578818,
1226
+ "learning_rate": 0.00015092488767271857,
1227
+ "loss": 0.2789,
1228
+ "step": 173
1229
+ },
1230
+ {
1231
+ "epoch": 1.1958762886597938,
1232
+ "grad_norm": 0.1032678246834342,
1233
+ "learning_rate": 0.00015023176404933874,
1234
+ "loss": 0.2975,
1235
+ "step": 174
1236
+ },
1237
+ {
1238
+ "epoch": 1.2027491408934707,
1239
+ "grad_norm": 0.11056648590020815,
1240
+ "learning_rate": 0.00014953539760983122,
1241
+ "loss": 0.3013,
1242
+ "step": 175
1243
+ },
1244
+ {
1245
+ "epoch": 1.2096219931271477,
1246
+ "grad_norm": 0.09978579785299047,
1247
+ "learning_rate": 0.0001488358333095816,
1248
+ "loss": 0.2955,
1249
+ "step": 176
1250
+ },
1251
+ {
1252
+ "epoch": 1.2164948453608249,
1253
+ "grad_norm": 0.10699681452783022,
1254
+ "learning_rate": 0.00014813311631041995,
1255
+ "loss": 0.2993,
1256
+ "step": 177
1257
+ },
1258
+ {
1259
+ "epoch": 1.2233676975945018,
1260
+ "grad_norm": 0.10408363973129214,
1261
+ "learning_rate": 0.00014742729197770552,
1262
+ "loss": 0.2954,
1263
+ "step": 178
1264
+ },
1265
+ {
1266
+ "epoch": 1.2302405498281788,
1267
+ "grad_norm": 0.1016249945819849,
1268
+ "learning_rate": 0.00014671840587739783,
1269
+ "loss": 0.2904,
1270
+ "step": 179
1271
+ },
1272
+ {
1273
+ "epoch": 1.2371134020618557,
1274
+ "grad_norm": 0.10519072387735487,
1275
+ "learning_rate": 0.00014600650377311522,
1276
+ "loss": 0.2916,
1277
+ "step": 180
1278
+ },
1279
+ {
1280
+ "epoch": 1.2439862542955327,
1281
+ "grad_norm": 0.1058597383518849,
1282
+ "learning_rate": 0.0001452916316231805,
1283
+ "loss": 0.301,
1284
+ "step": 181
1285
+ },
1286
+ {
1287
+ "epoch": 1.2508591065292096,
1288
+ "grad_norm": 0.10402401073301179,
1289
+ "learning_rate": 0.00014457383557765386,
1290
+ "loss": 0.2875,
1291
+ "step": 182
1292
+ },
1293
+ {
1294
+ "epoch": 1.2577319587628866,
1295
+ "grad_norm": 0.11052274366476848,
1296
+ "learning_rate": 0.00014385316197535372,
1297
+ "loss": 0.3033,
1298
+ "step": 183
1299
+ },
1300
+ {
1301
+ "epoch": 1.2646048109965635,
1302
+ "grad_norm": 0.11220133909982184,
1303
+ "learning_rate": 0.00014312965734086518,
1304
+ "loss": 0.3048,
1305
+ "step": 184
1306
+ },
1307
+ {
1308
+ "epoch": 1.2714776632302405,
1309
+ "grad_norm": 0.10111031103821645,
1310
+ "learning_rate": 0.0001424033683815365,
1311
+ "loss": 0.2883,
1312
+ "step": 185
1313
+ },
1314
+ {
1315
+ "epoch": 1.2783505154639174,
1316
+ "grad_norm": 0.108844384730101,
1317
+ "learning_rate": 0.00014167434198446383,
1318
+ "loss": 0.3156,
1319
+ "step": 186
1320
+ },
1321
+ {
1322
+ "epoch": 1.2852233676975944,
1323
+ "grad_norm": 0.11772254803070373,
1324
+ "learning_rate": 0.00014094262521346427,
1325
+ "loss": 0.2894,
1326
+ "step": 187
1327
+ },
1328
+ {
1329
+ "epoch": 1.2920962199312716,
1330
+ "grad_norm": 0.10084875638276648,
1331
+ "learning_rate": 0.00014020826530603776,
1332
+ "loss": 0.2941,
1333
+ "step": 188
1334
+ },
1335
+ {
1336
+ "epoch": 1.2989690721649485,
1337
+ "grad_norm": 0.10560762521845199,
1338
+ "learning_rate": 0.00013947130967031717,
1339
+ "loss": 0.2974,
1340
+ "step": 189
1341
+ },
1342
+ {
1343
+ "epoch": 1.3058419243986255,
1344
+ "grad_norm": 0.1112230814008033,
1345
+ "learning_rate": 0.00013873180588200827,
1346
+ "loss": 0.3051,
1347
+ "step": 190
1348
+ },
1349
+ {
1350
+ "epoch": 1.3127147766323024,
1351
+ "grad_norm": 0.10899405854558633,
1352
+ "learning_rate": 0.00013798980168131794,
1353
+ "loss": 0.3167,
1354
+ "step": 191
1355
+ },
1356
+ {
1357
+ "epoch": 1.3195876288659794,
1358
+ "grad_norm": 0.10459030666604682,
1359
+ "learning_rate": 0.00013724534496987247,
1360
+ "loss": 0.2944,
1361
+ "step": 192
1362
+ },
1363
+ {
1364
+ "epoch": 1.3264604810996563,
1365
+ "grad_norm": 0.10751960916175171,
1366
+ "learning_rate": 0.00013649848380762513,
1367
+ "loss": 0.2749,
1368
+ "step": 193
1369
+ },
1370
+ {
1371
+ "epoch": 1.3333333333333333,
1372
+ "grad_norm": 0.10402996897559527,
1373
+ "learning_rate": 0.0001357492664097534,
1374
+ "loss": 0.2972,
1375
+ "step": 194
1376
+ },
1377
+ {
1378
+ "epoch": 1.3402061855670104,
1379
+ "grad_norm": 0.10280900537193306,
1380
+ "learning_rate": 0.00013499774114354655,
1381
+ "loss": 0.3093,
1382
+ "step": 195
1383
+ },
1384
+ {
1385
+ "epoch": 1.3470790378006874,
1386
+ "grad_norm": 0.10262166065058195,
1387
+ "learning_rate": 0.0001342439565252831,
1388
+ "loss": 0.3023,
1389
+ "step": 196
1390
+ },
1391
+ {
1392
+ "epoch": 1.3539518900343643,
1393
+ "grad_norm": 0.11035322484519891,
1394
+ "learning_rate": 0.00013348796121709862,
1395
+ "loss": 0.283,
1396
+ "step": 197
1397
+ },
1398
+ {
1399
+ "epoch": 1.3608247422680413,
1400
+ "grad_norm": 0.10183546777840774,
1401
+ "learning_rate": 0.0001327298040238446,
1402
+ "loss": 0.2895,
1403
+ "step": 198
1404
+ },
1405
+ {
1406
+ "epoch": 1.3676975945017182,
1407
+ "grad_norm": 0.09846452794645016,
1408
+ "learning_rate": 0.00013196953388993726,
1409
+ "loss": 0.2775,
1410
+ "step": 199
1411
+ },
1412
+ {
1413
+ "epoch": 1.3745704467353952,
1414
+ "grad_norm": 0.10082546961742879,
1415
+ "learning_rate": 0.00013120719989619833,
1416
+ "loss": 0.2927,
1417
+ "step": 200
1418
+ },
1419
+ {
1420
+ "epoch": 1.3814432989690721,
1421
+ "grad_norm": 0.10338270125162533,
1422
+ "learning_rate": 0.00013044285125668614,
1423
+ "loss": 0.3022,
1424
+ "step": 201
1425
+ },
1426
+ {
1427
+ "epoch": 1.388316151202749,
1428
+ "grad_norm": 0.10489686085507173,
1429
+ "learning_rate": 0.0001296765373155188,
1430
+ "loss": 0.2886,
1431
+ "step": 202
1432
+ },
1433
+ {
1434
+ "epoch": 1.395189003436426,
1435
+ "grad_norm": 0.10826965142841156,
1436
+ "learning_rate": 0.00012890830754368855,
1437
+ "loss": 0.2839,
1438
+ "step": 203
1439
+ },
1440
+ {
1441
+ "epoch": 1.402061855670103,
1442
+ "grad_norm": 0.1095657642687174,
1443
+ "learning_rate": 0.0001281382115358679,
1444
+ "loss": 0.2974,
1445
+ "step": 204
1446
+ },
1447
+ {
1448
+ "epoch": 1.40893470790378,
1449
+ "grad_norm": 0.10290443785837475,
1450
+ "learning_rate": 0.0001273662990072083,
1451
+ "loss": 0.2916,
1452
+ "step": 205
1453
+ },
1454
+ {
1455
+ "epoch": 1.4158075601374571,
1456
+ "grad_norm": 0.10488572942462458,
1457
+ "learning_rate": 0.00012659261979013043,
1458
+ "loss": 0.2896,
1459
+ "step": 206
1460
+ },
1461
+ {
1462
+ "epoch": 1.422680412371134,
1463
+ "grad_norm": 0.0991511111540952,
1464
+ "learning_rate": 0.00012581722383110718,
1465
+ "loss": 0.2815,
1466
+ "step": 207
1467
+ },
1468
+ {
1469
+ "epoch": 1.429553264604811,
1470
+ "grad_norm": 0.11084616014817153,
1471
+ "learning_rate": 0.00012504016118743935,
1472
+ "loss": 0.2857,
1473
+ "step": 208
1474
+ },
1475
+ {
1476
+ "epoch": 1.436426116838488,
1477
+ "grad_norm": 0.10755359121093663,
1478
+ "learning_rate": 0.00012426148202402404,
1479
+ "loss": 0.2784,
1480
+ "step": 209
1481
+ },
1482
+ {
1483
+ "epoch": 1.443298969072165,
1484
+ "grad_norm": 0.10341376660828379,
1485
+ "learning_rate": 0.00012348123661011601,
1486
+ "loss": 0.2947,
1487
+ "step": 210
1488
+ },
1489
+ {
1490
+ "epoch": 1.4501718213058419,
1491
+ "grad_norm": 0.10964970839444545,
1492
+ "learning_rate": 0.00012269947531608276,
1493
+ "loss": 0.3056,
1494
+ "step": 211
1495
+ },
1496
+ {
1497
+ "epoch": 1.4570446735395188,
1498
+ "grad_norm": 0.10241977399698814,
1499
+ "learning_rate": 0.00012191624861015254,
1500
+ "loss": 0.3102,
1501
+ "step": 212
1502
+ },
1503
+ {
1504
+ "epoch": 1.463917525773196,
1505
+ "grad_norm": 0.10337164620385511,
1506
+ "learning_rate": 0.00012113160705515625,
1507
+ "loss": 0.3122,
1508
+ "step": 213
1509
+ },
1510
+ {
1511
+ "epoch": 1.470790378006873,
1512
+ "grad_norm": 0.10002116602053045,
1513
+ "learning_rate": 0.0001203456013052634,
1514
+ "loss": 0.2905,
1515
+ "step": 214
1516
+ },
1517
+ {
1518
+ "epoch": 1.47766323024055,
1519
+ "grad_norm": 0.1005828345016487,
1520
+ "learning_rate": 0.00011955828210271187,
1521
+ "loss": 0.2897,
1522
+ "step": 215
1523
+ },
1524
+ {
1525
+ "epoch": 1.4845360824742269,
1526
+ "grad_norm": 0.10315190703705018,
1527
+ "learning_rate": 0.00011876970027453222,
1528
+ "loss": 0.2896,
1529
+ "step": 216
1530
+ },
1531
+ {
1532
+ "epoch": 1.4914089347079038,
1533
+ "grad_norm": 0.10209266642811851,
1534
+ "learning_rate": 0.00011797990672926652,
1535
+ "loss": 0.2862,
1536
+ "step": 217
1537
+ },
1538
+ {
1539
+ "epoch": 1.4982817869415808,
1540
+ "grad_norm": 0.10350382211989749,
1541
+ "learning_rate": 0.00011718895245368167,
1542
+ "loss": 0.2993,
1543
+ "step": 218
1544
+ },
1545
+ {
1546
+ "epoch": 1.5051546391752577,
1547
+ "grad_norm": 0.09959069681120952,
1548
+ "learning_rate": 0.00011639688850947799,
1549
+ "loss": 0.279,
1550
+ "step": 219
1551
+ },
1552
+ {
1553
+ "epoch": 1.5120274914089347,
1554
+ "grad_norm": 0.1017699606831777,
1555
+ "learning_rate": 0.00011560376602999272,
1556
+ "loss": 0.2924,
1557
+ "step": 220
1558
+ },
1559
+ {
1560
+ "epoch": 1.5189003436426116,
1561
+ "grad_norm": 0.10199010748060407,
1562
+ "learning_rate": 0.00011480963621689905,
1563
+ "loss": 0.3007,
1564
+ "step": 221
1565
+ },
1566
+ {
1567
+ "epoch": 1.5257731958762886,
1568
+ "grad_norm": 0.10438569087355797,
1569
+ "learning_rate": 0.00011401455033690076,
1570
+ "loss": 0.2828,
1571
+ "step": 222
1572
+ },
1573
+ {
1574
+ "epoch": 1.5326460481099655,
1575
+ "grad_norm": 0.106590652554821,
1576
+ "learning_rate": 0.00011321855971842243,
1577
+ "loss": 0.299,
1578
+ "step": 223
1579
+ },
1580
+ {
1581
+ "epoch": 1.5395189003436425,
1582
+ "grad_norm": 0.10067806688032917,
1583
+ "learning_rate": 0.00011242171574829599,
1584
+ "loss": 0.2897,
1585
+ "step": 224
1586
+ },
1587
+ {
1588
+ "epoch": 1.5463917525773194,
1589
+ "grad_norm": 0.11078489209589217,
1590
+ "learning_rate": 0.00011162406986844323,
1591
+ "loss": 0.2791,
1592
+ "step": 225
1593
+ },
1594
+ {
1595
+ "epoch": 1.5532646048109966,
1596
+ "grad_norm": 0.10748644329087202,
1597
+ "learning_rate": 0.00011082567357255484,
1598
+ "loss": 0.3004,
1599
+ "step": 226
1600
+ },
1601
+ {
1602
+ "epoch": 1.5601374570446735,
1603
+ "grad_norm": 0.09232201373607851,
1604
+ "learning_rate": 0.00011002657840276627,
1605
+ "loss": 0.2647,
1606
+ "step": 227
1607
+ },
1608
+ {
1609
+ "epoch": 1.5670103092783505,
1610
+ "grad_norm": 0.10419820524514652,
1611
+ "learning_rate": 0.00010922683594633021,
1612
+ "loss": 0.2897,
1613
+ "step": 228
1614
+ },
1615
+ {
1616
+ "epoch": 1.5738831615120275,
1617
+ "grad_norm": 0.11387366232726741,
1618
+ "learning_rate": 0.00010842649783228624,
1619
+ "loss": 0.3071,
1620
+ "step": 229
1621
+ },
1622
+ {
1623
+ "epoch": 1.5807560137457046,
1624
+ "grad_norm": 0.1112209148078402,
1625
+ "learning_rate": 0.00010762561572812788,
1626
+ "loss": 0.2791,
1627
+ "step": 230
1628
+ },
1629
+ {
1630
+ "epoch": 1.5876288659793816,
1631
+ "grad_norm": 0.1027329268180551,
1632
+ "learning_rate": 0.0001068242413364671,
1633
+ "loss": 0.2962,
1634
+ "step": 231
1635
+ },
1636
+ {
1637
+ "epoch": 1.5945017182130585,
1638
+ "grad_norm": 0.10377377307338428,
1639
+ "learning_rate": 0.00010602242639169648,
1640
+ "loss": 0.2905,
1641
+ "step": 232
1642
+ },
1643
+ {
1644
+ "epoch": 1.6013745704467355,
1645
+ "grad_norm": 0.10333591660725541,
1646
+ "learning_rate": 0.0001052202226566494,
1647
+ "loss": 0.294,
1648
+ "step": 233
1649
+ },
1650
+ {
1651
+ "epoch": 1.6082474226804124,
1652
+ "grad_norm": 0.10653830908113968,
1653
+ "learning_rate": 0.00010441768191925847,
1654
+ "loss": 0.3023,
1655
+ "step": 234
1656
+ },
1657
+ {
1658
+ "epoch": 1.6151202749140894,
1659
+ "grad_norm": 0.10203788732177198,
1660
+ "learning_rate": 0.00010361485598921212,
1661
+ "loss": 0.2961,
1662
+ "step": 235
1663
+ },
1664
+ {
1665
+ "epoch": 1.6219931271477663,
1666
+ "grad_norm": 0.105467450842672,
1667
+ "learning_rate": 0.00010281179669461005,
1668
+ "loss": 0.2992,
1669
+ "step": 236
1670
+ },
1671
+ {
1672
+ "epoch": 1.6288659793814433,
1673
+ "grad_norm": 0.10232600415297333,
1674
+ "learning_rate": 0.00010200855587861724,
1675
+ "loss": 0.2894,
1676
+ "step": 237
1677
+ },
1678
+ {
1679
+ "epoch": 1.6357388316151202,
1680
+ "grad_norm": 0.1000078228085237,
1681
+ "learning_rate": 0.0001012051853961172,
1682
+ "loss": 0.2924,
1683
+ "step": 238
1684
+ },
1685
+ {
1686
+ "epoch": 1.6426116838487972,
1687
+ "grad_norm": 0.10443130272760445,
1688
+ "learning_rate": 0.00010040173711036431,
1689
+ "loss": 0.2987,
1690
+ "step": 239
1691
+ },
1692
+ {
1693
+ "epoch": 1.6494845360824741,
1694
+ "grad_norm": 0.10490297286528327,
1695
+ "learning_rate": 9.959826288963571e-05,
1696
+ "loss": 0.2859,
1697
+ "step": 240
1698
+ },
1699
+ {
1700
+ "epoch": 1.656357388316151,
1701
+ "grad_norm": 0.10350833328466466,
1702
+ "learning_rate": 9.879481460388282e-05,
1703
+ "loss": 0.2931,
1704
+ "step": 241
1705
+ },
1706
+ {
1707
+ "epoch": 1.663230240549828,
1708
+ "grad_norm": 0.10225492666499335,
1709
+ "learning_rate": 9.799144412138275e-05,
1710
+ "loss": 0.2878,
1711
+ "step": 242
1712
+ },
1713
+ {
1714
+ "epoch": 1.670103092783505,
1715
+ "grad_norm": 0.10508397146202163,
1716
+ "learning_rate": 9.718820330538998e-05,
1717
+ "loss": 0.3004,
1718
+ "step": 243
1719
+ },
1720
+ {
1721
+ "epoch": 1.6769759450171822,
1722
+ "grad_norm": 0.10283137687490299,
1723
+ "learning_rate": 9.638514401078788e-05,
1724
+ "loss": 0.2714,
1725
+ "step": 244
1726
+ },
1727
+ {
1728
+ "epoch": 1.6838487972508591,
1729
+ "grad_norm": 0.10397776989480932,
1730
+ "learning_rate": 9.558231808074156e-05,
1731
+ "loss": 0.2771,
1732
+ "step": 245
1733
+ },
1734
+ {
1735
+ "epoch": 1.690721649484536,
1736
+ "grad_norm": 0.10092959577494873,
1737
+ "learning_rate": 9.477977734335061e-05,
1738
+ "loss": 0.2899,
1739
+ "step": 246
1740
+ },
1741
+ {
1742
+ "epoch": 1.697594501718213,
1743
+ "grad_norm": 0.09948236816567041,
1744
+ "learning_rate": 9.397757360830353e-05,
1745
+ "loss": 0.2805,
1746
+ "step": 247
1747
+ },
1748
+ {
1749
+ "epoch": 1.7044673539518902,
1750
+ "grad_norm": 0.10097655488635103,
1751
+ "learning_rate": 9.317575866353292e-05,
1752
+ "loss": 0.296,
1753
+ "step": 248
1754
+ },
1755
+ {
1756
+ "epoch": 1.7113402061855671,
1757
+ "grad_norm": 0.09936217630195925,
1758
+ "learning_rate": 9.23743842718721e-05,
1759
+ "loss": 0.2973,
1760
+ "step": 249
1761
+ },
1762
+ {
1763
+ "epoch": 1.718213058419244,
1764
+ "grad_norm": 0.09913343698008316,
1765
+ "learning_rate": 9.157350216771378e-05,
1766
+ "loss": 0.2899,
1767
+ "step": 250
1768
+ },
1769
+ {
1770
+ "epoch": 1.725085910652921,
1771
+ "grad_norm": 0.09873019613022356,
1772
+ "learning_rate": 9.077316405366981e-05,
1773
+ "loss": 0.2827,
1774
+ "step": 251
1775
+ },
1776
+ {
1777
+ "epoch": 1.731958762886598,
1778
+ "grad_norm": 0.09795703366595764,
1779
+ "learning_rate": 8.997342159723371e-05,
1780
+ "loss": 0.2833,
1781
+ "step": 252
1782
+ },
1783
+ {
1784
+ "epoch": 1.738831615120275,
1785
+ "grad_norm": 0.0971884033549596,
1786
+ "learning_rate": 8.917432642744518e-05,
1787
+ "loss": 0.2813,
1788
+ "step": 253
1789
+ },
1790
+ {
1791
+ "epoch": 1.745704467353952,
1792
+ "grad_norm": 0.10306201837901838,
1793
+ "learning_rate": 8.83759301315568e-05,
1794
+ "loss": 0.2924,
1795
+ "step": 254
1796
+ },
1797
+ {
1798
+ "epoch": 1.7525773195876289,
1799
+ "grad_norm": 0.10374979571562502,
1800
+ "learning_rate": 8.757828425170404e-05,
1801
+ "loss": 0.2838,
1802
+ "step": 255
1803
+ },
1804
+ {
1805
+ "epoch": 1.7594501718213058,
1806
+ "grad_norm": 0.1048687957670358,
1807
+ "learning_rate": 8.678144028157759e-05,
1808
+ "loss": 0.2886,
1809
+ "step": 256
1810
+ },
1811
+ {
1812
+ "epoch": 1.7663230240549828,
1813
+ "grad_norm": 0.10256152550776314,
1814
+ "learning_rate": 8.598544966309925e-05,
1815
+ "loss": 0.2879,
1816
+ "step": 257
1817
+ },
1818
+ {
1819
+ "epoch": 1.7731958762886597,
1820
+ "grad_norm": 0.10130883507858145,
1821
+ "learning_rate": 8.519036378310096e-05,
1822
+ "loss": 0.2909,
1823
+ "step": 258
1824
+ },
1825
+ {
1826
+ "epoch": 1.7800687285223367,
1827
+ "grad_norm": 0.10467386983378474,
1828
+ "learning_rate": 8.43962339700073e-05,
1829
+ "loss": 0.2828,
1830
+ "step": 259
1831
+ },
1832
+ {
1833
+ "epoch": 1.7869415807560136,
1834
+ "grad_norm": 0.09820302182298171,
1835
+ "learning_rate": 8.360311149052205e-05,
1836
+ "loss": 0.2844,
1837
+ "step": 260
1838
+ },
1839
+ {
1840
+ "epoch": 1.7938144329896906,
1841
+ "grad_norm": 0.10102934299035139,
1842
+ "learning_rate": 8.281104754631835e-05,
1843
+ "loss": 0.2898,
1844
+ "step": 261
1845
+ },
1846
+ {
1847
+ "epoch": 1.8006872852233677,
1848
+ "grad_norm": 0.0958354586875355,
1849
+ "learning_rate": 8.20200932707335e-05,
1850
+ "loss": 0.28,
1851
+ "step": 262
1852
+ },
1853
+ {
1854
+ "epoch": 1.8075601374570447,
1855
+ "grad_norm": 0.09957495231488761,
1856
+ "learning_rate": 8.123029972546781e-05,
1857
+ "loss": 0.284,
1858
+ "step": 263
1859
+ },
1860
+ {
1861
+ "epoch": 1.8144329896907216,
1862
+ "grad_norm": 0.10693182349883178,
1863
+ "learning_rate": 8.044171789728816e-05,
1864
+ "loss": 0.2892,
1865
+ "step": 264
1866
+ },
1867
+ {
1868
+ "epoch": 1.8213058419243986,
1869
+ "grad_norm": 0.10646064359160178,
1870
+ "learning_rate": 7.965439869473664e-05,
1871
+ "loss": 0.2958,
1872
+ "step": 265
1873
+ },
1874
+ {
1875
+ "epoch": 1.8281786941580758,
1876
+ "grad_norm": 0.10085406622127646,
1877
+ "learning_rate": 7.886839294484377e-05,
1878
+ "loss": 0.2818,
1879
+ "step": 266
1880
+ },
1881
+ {
1882
+ "epoch": 1.8350515463917527,
1883
+ "grad_norm": 0.10500151086048896,
1884
+ "learning_rate": 7.808375138984745e-05,
1885
+ "loss": 0.2733,
1886
+ "step": 267
1887
+ },
1888
+ {
1889
+ "epoch": 1.8419243986254297,
1890
+ "grad_norm": 0.1002635668475348,
1891
+ "learning_rate": 7.730052468391725e-05,
1892
+ "loss": 0.285,
1893
+ "step": 268
1894
+ },
1895
+ {
1896
+ "epoch": 1.8487972508591066,
1897
+ "grad_norm": 0.09642728830623505,
1898
+ "learning_rate": 7.6518763389884e-05,
1899
+ "loss": 0.2728,
1900
+ "step": 269
1901
+ },
1902
+ {
1903
+ "epoch": 1.8556701030927836,
1904
+ "grad_norm": 0.10268576835416232,
1905
+ "learning_rate": 7.573851797597602e-05,
1906
+ "loss": 0.2795,
1907
+ "step": 270
1908
+ },
1909
+ {
1910
+ "epoch": 1.8625429553264605,
1911
+ "grad_norm": 0.10795408269996427,
1912
+ "learning_rate": 7.495983881256067e-05,
1913
+ "loss": 0.295,
1914
+ "step": 271
1915
+ },
1916
+ {
1917
+ "epoch": 1.8694158075601375,
1918
+ "grad_norm": 0.10121463339523644,
1919
+ "learning_rate": 7.418277616889282e-05,
1920
+ "loss": 0.2787,
1921
+ "step": 272
1922
+ },
1923
+ {
1924
+ "epoch": 1.8762886597938144,
1925
+ "grad_norm": 0.0982041211411212,
1926
+ "learning_rate": 7.340738020986961e-05,
1927
+ "loss": 0.2913,
1928
+ "step": 273
1929
+ },
1930
+ {
1931
+ "epoch": 1.8831615120274914,
1932
+ "grad_norm": 0.09689663299295423,
1933
+ "learning_rate": 7.263370099279172e-05,
1934
+ "loss": 0.2678,
1935
+ "step": 274
1936
+ },
1937
+ {
1938
+ "epoch": 1.8900343642611683,
1939
+ "grad_norm": 0.09890680768599139,
1940
+ "learning_rate": 7.186178846413214e-05,
1941
+ "loss": 0.2622,
1942
+ "step": 275
1943
+ },
1944
+ {
1945
+ "epoch": 1.8969072164948453,
1946
+ "grad_norm": 0.10218531402065698,
1947
+ "learning_rate": 7.109169245631149e-05,
1948
+ "loss": 0.2948,
1949
+ "step": 276
1950
+ },
1951
+ {
1952
+ "epoch": 1.9037800687285222,
1953
+ "grad_norm": 0.09970764344361568,
1954
+ "learning_rate": 7.032346268448118e-05,
1955
+ "loss": 0.2936,
1956
+ "step": 277
1957
+ },
1958
+ {
1959
+ "epoch": 1.9106529209621992,
1960
+ "grad_norm": 0.10646182283668124,
1961
+ "learning_rate": 6.955714874331387e-05,
1962
+ "loss": 0.2841,
1963
+ "step": 278
1964
+ },
1965
+ {
1966
+ "epoch": 1.9175257731958761,
1967
+ "grad_norm": 0.1005308262146528,
1968
+ "learning_rate": 6.87928001038017e-05,
1969
+ "loss": 0.2741,
1970
+ "step": 279
1971
+ },
1972
+ {
1973
+ "epoch": 1.9243986254295533,
1974
+ "grad_norm": 0.09801297561347891,
1975
+ "learning_rate": 6.803046611006278e-05,
1976
+ "loss": 0.2812,
1977
+ "step": 280
1978
+ },
1979
+ {
1980
+ "epoch": 1.9312714776632303,
1981
+ "grad_norm": 0.10072370231430908,
1982
+ "learning_rate": 6.727019597615545e-05,
1983
+ "loss": 0.2861,
1984
+ "step": 281
1985
+ },
1986
+ {
1987
+ "epoch": 1.9381443298969072,
1988
+ "grad_norm": 0.10002866089004976,
1989
+ "learning_rate": 6.651203878290139e-05,
1990
+ "loss": 0.2747,
1991
+ "step": 282
1992
+ },
1993
+ {
1994
+ "epoch": 1.9450171821305842,
1995
+ "grad_norm": 0.09520289893088804,
1996
+ "learning_rate": 6.575604347471695e-05,
1997
+ "loss": 0.275,
1998
+ "step": 283
1999
+ },
2000
+ {
2001
+ "epoch": 1.9518900343642611,
2002
+ "grad_norm": 0.10328917600068767,
2003
+ "learning_rate": 6.500225885645346e-05,
2004
+ "loss": 0.2836,
2005
+ "step": 284
2006
+ },
2007
+ {
2008
+ "epoch": 1.9587628865979383,
2009
+ "grad_norm": 0.09800249344342209,
2010
+ "learning_rate": 6.425073359024663e-05,
2011
+ "loss": 0.2904,
2012
+ "step": 285
2013
+ },
2014
+ {
2015
+ "epoch": 1.9656357388316152,
2016
+ "grad_norm": 0.09952065394630734,
2017
+ "learning_rate": 6.350151619237488e-05,
2018
+ "loss": 0.2804,
2019
+ "step": 286
2020
+ },
2021
+ {
2022
+ "epoch": 1.9725085910652922,
2023
+ "grad_norm": 0.10493099048201263,
2024
+ "learning_rate": 6.275465503012751e-05,
2025
+ "loss": 0.2818,
2026
+ "step": 287
2027
+ },
2028
+ {
2029
+ "epoch": 1.9793814432989691,
2030
+ "grad_norm": 0.09722127539298636,
2031
+ "learning_rate": 6.201019831868208e-05,
2032
+ "loss": 0.2839,
2033
+ "step": 288
2034
+ },
2035
+ {
2036
+ "epoch": 1.986254295532646,
2037
+ "grad_norm": 0.09609058787958422,
2038
+ "learning_rate": 6.126819411799175e-05,
2039
+ "loss": 0.2725,
2040
+ "step": 289
2041
+ },
2042
+ {
2043
+ "epoch": 1.993127147766323,
2044
+ "grad_norm": 0.09821072360835045,
2045
+ "learning_rate": 6.052869032968285e-05,
2046
+ "loss": 0.2811,
2047
+ "step": 290
2048
+ },
2049
+ {
2050
+ "epoch": 2.0,
2051
+ "grad_norm": 0.10288780904807039,
2052
+ "learning_rate": 5.979173469396227e-05,
2053
+ "loss": 0.2761,
2054
+ "step": 291
2055
+ },
2056
+ {
2057
+ "epoch": 2.0,
2058
+ "eval_loss": 0.2949652373790741,
2059
+ "eval_runtime": 27.5209,
2060
+ "eval_samples_per_second": 35.5,
2061
+ "eval_steps_per_second": 1.126,
2062
+ "step": 291
2063
+ },
2064
+ {
2065
+ "epoch": 2.006872852233677,
2066
+ "grad_norm": 0.097538336458536,
2067
+ "learning_rate": 5.905737478653572e-05,
2068
+ "loss": 0.2679,
2069
+ "step": 292
2070
+ },
2071
+ {
2072
+ "epoch": 2.013745704467354,
2073
+ "grad_norm": 0.09988881705573123,
2074
+ "learning_rate": 5.83256580155362e-05,
2075
+ "loss": 0.2525,
2076
+ "step": 293
2077
+ },
2078
+ {
2079
+ "epoch": 2.020618556701031,
2080
+ "grad_norm": 0.0964482303899947,
2081
+ "learning_rate": 5.7596631618463514e-05,
2082
+ "loss": 0.2425,
2083
+ "step": 294
2084
+ },
2085
+ {
2086
+ "epoch": 2.027491408934708,
2087
+ "grad_norm": 0.10864263032849888,
2088
+ "learning_rate": 5.687034265913485e-05,
2089
+ "loss": 0.27,
2090
+ "step": 295
2091
+ },
2092
+ {
2093
+ "epoch": 2.0343642611683848,
2094
+ "grad_norm": 0.11734835455675438,
2095
+ "learning_rate": 5.614683802464631e-05,
2096
+ "loss": 0.2624,
2097
+ "step": 296
2098
+ },
2099
+ {
2100
+ "epoch": 2.0412371134020617,
2101
+ "grad_norm": 0.11289186335789302,
2102
+ "learning_rate": 5.542616442234618e-05,
2103
+ "loss": 0.259,
2104
+ "step": 297
2105
+ },
2106
+ {
2107
+ "epoch": 2.0481099656357387,
2108
+ "grad_norm": 0.11224803307996767,
2109
+ "learning_rate": 5.470836837681954e-05,
2110
+ "loss": 0.2607,
2111
+ "step": 298
2112
+ },
2113
+ {
2114
+ "epoch": 2.0549828178694156,
2115
+ "grad_norm": 0.10867092848715432,
2116
+ "learning_rate": 5.399349622688479e-05,
2117
+ "loss": 0.2703,
2118
+ "step": 299
2119
+ },
2120
+ {
2121
+ "epoch": 2.0618556701030926,
2122
+ "grad_norm": 0.10624834548230039,
2123
+ "learning_rate": 5.32815941226022e-05,
2124
+ "loss": 0.2654,
2125
+ "step": 300
2126
+ },
2127
+ {
2128
+ "epoch": 2.06872852233677,
2129
+ "grad_norm": 0.10758062626317398,
2130
+ "learning_rate": 5.2572708022294504e-05,
2131
+ "loss": 0.2698,
2132
+ "step": 301
2133
+ },
2134
+ {
2135
+ "epoch": 2.075601374570447,
2136
+ "grad_norm": 0.1071415029446744,
2137
+ "learning_rate": 5.1866883689580056e-05,
2138
+ "loss": 0.2632,
2139
+ "step": 302
2140
+ },
2141
+ {
2142
+ "epoch": 2.082474226804124,
2143
+ "grad_norm": 0.10125455614344606,
2144
+ "learning_rate": 5.116416669041843e-05,
2145
+ "loss": 0.2538,
2146
+ "step": 303
2147
+ },
2148
+ {
2149
+ "epoch": 2.089347079037801,
2150
+ "grad_norm": 0.10522800373863611,
2151
+ "learning_rate": 5.046460239016879e-05,
2152
+ "loss": 0.2693,
2153
+ "step": 304
2154
+ },
2155
+ {
2156
+ "epoch": 2.0962199312714778,
2157
+ "grad_norm": 0.10672396619233848,
2158
+ "learning_rate": 4.976823595066128e-05,
2159
+ "loss": 0.2575,
2160
+ "step": 305
2161
+ },
2162
+ {
2163
+ "epoch": 2.1030927835051547,
2164
+ "grad_norm": 0.10982835933289055,
2165
+ "learning_rate": 4.907511232728145e-05,
2166
+ "loss": 0.2684,
2167
+ "step": 306
2168
+ },
2169
+ {
2170
+ "epoch": 2.1099656357388317,
2171
+ "grad_norm": 0.10787287180280963,
2172
+ "learning_rate": 4.8385276266068146e-05,
2173
+ "loss": 0.258,
2174
+ "step": 307
2175
+ },
2176
+ {
2177
+ "epoch": 2.1168384879725086,
2178
+ "grad_norm": 0.11168112585189982,
2179
+ "learning_rate": 4.7698772300824756e-05,
2180
+ "loss": 0.2665,
2181
+ "step": 308
2182
+ },
2183
+ {
2184
+ "epoch": 2.1237113402061856,
2185
+ "grad_norm": 0.10887273811279173,
2186
+ "learning_rate": 4.7015644750244306e-05,
2187
+ "loss": 0.2609,
2188
+ "step": 309
2189
+ },
2190
+ {
2191
+ "epoch": 2.1305841924398625,
2192
+ "grad_norm": 0.10561230206084926,
2193
+ "learning_rate": 4.6335937715048306e-05,
2194
+ "loss": 0.2569,
2195
+ "step": 310
2196
+ },
2197
+ {
2198
+ "epoch": 2.1374570446735395,
2199
+ "grad_norm": 0.1085500386167761,
2200
+ "learning_rate": 4.565969507513981e-05,
2201
+ "loss": 0.2636,
2202
+ "step": 311
2203
+ },
2204
+ {
2205
+ "epoch": 2.1443298969072164,
2206
+ "grad_norm": 0.1012240249829896,
2207
+ "learning_rate": 4.498696048677059e-05,
2208
+ "loss": 0.2547,
2209
+ "step": 312
2210
+ },
2211
+ {
2212
+ "epoch": 2.1512027491408934,
2213
+ "grad_norm": 0.1030596147725605,
2214
+ "learning_rate": 4.4317777379722866e-05,
2215
+ "loss": 0.2531,
2216
+ "step": 313
2217
+ },
2218
+ {
2219
+ "epoch": 2.1580756013745703,
2220
+ "grad_norm": 0.10613673774187961,
2221
+ "learning_rate": 4.365218895450558e-05,
2222
+ "loss": 0.2608,
2223
+ "step": 314
2224
+ },
2225
+ {
2226
+ "epoch": 2.1649484536082473,
2227
+ "grad_norm": 0.10496672072120719,
2228
+ "learning_rate": 4.29902381795655e-05,
2229
+ "loss": 0.2711,
2230
+ "step": 315
2231
+ },
2232
+ {
2233
+ "epoch": 2.1718213058419242,
2234
+ "grad_norm": 0.1017243256571039,
2235
+ "learning_rate": 4.2331967788513295e-05,
2236
+ "loss": 0.2506,
2237
+ "step": 316
2238
+ },
2239
+ {
2240
+ "epoch": 2.178694158075601,
2241
+ "grad_norm": 0.1083774959415722,
2242
+ "learning_rate": 4.167742027736482e-05,
2243
+ "loss": 0.2706,
2244
+ "step": 317
2245
+ },
2246
+ {
2247
+ "epoch": 2.1855670103092786,
2248
+ "grad_norm": 0.10375985752479969,
2249
+ "learning_rate": 4.102663790179764e-05,
2250
+ "loss": 0.2446,
2251
+ "step": 318
2252
+ },
2253
+ {
2254
+ "epoch": 2.1924398625429555,
2255
+ "grad_norm": 0.10866264016891114,
2256
+ "learning_rate": 4.037966267442315e-05,
2257
+ "loss": 0.2782,
2258
+ "step": 319
2259
+ },
2260
+ {
2261
+ "epoch": 2.1993127147766325,
2262
+ "grad_norm": 0.10829606781249333,
2263
+ "learning_rate": 3.973653636207437e-05,
2264
+ "loss": 0.2628,
2265
+ "step": 320
2266
+ },
2267
+ {
2268
+ "epoch": 2.2061855670103094,
2269
+ "grad_norm": 0.11273324743023601,
2270
+ "learning_rate": 3.909730048310962e-05,
2271
+ "loss": 0.2661,
2272
+ "step": 321
2273
+ },
2274
+ {
2275
+ "epoch": 2.2130584192439864,
2276
+ "grad_norm": 0.10783971891161509,
2277
+ "learning_rate": 3.846199630473216e-05,
2278
+ "loss": 0.257,
2279
+ "step": 322
2280
+ },
2281
+ {
2282
+ "epoch": 2.2199312714776633,
2283
+ "grad_norm": 0.10744882559462787,
2284
+ "learning_rate": 3.7830664840326145e-05,
2285
+ "loss": 0.2431,
2286
+ "step": 323
2287
+ },
2288
+ {
2289
+ "epoch": 2.2268041237113403,
2290
+ "grad_norm": 0.10847966130290622,
2291
+ "learning_rate": 3.720334684680889e-05,
2292
+ "loss": 0.2645,
2293
+ "step": 324
2294
+ },
2295
+ {
2296
+ "epoch": 2.2336769759450172,
2297
+ "grad_norm": 0.10687099898167607,
2298
+ "learning_rate": 3.6580082821999786e-05,
2299
+ "loss": 0.2558,
2300
+ "step": 325
2301
+ },
2302
+ {
2303
+ "epoch": 2.240549828178694,
2304
+ "grad_norm": 0.10744277727601985,
2305
+ "learning_rate": 3.596091300200578e-05,
2306
+ "loss": 0.2648,
2307
+ "step": 326
2308
+ },
2309
+ {
2310
+ "epoch": 2.247422680412371,
2311
+ "grad_norm": 0.1075527766804997,
2312
+ "learning_rate": 3.534587735862391e-05,
2313
+ "loss": 0.2662,
2314
+ "step": 327
2315
+ },
2316
+ {
2317
+ "epoch": 2.254295532646048,
2318
+ "grad_norm": 0.10693314058206296,
2319
+ "learning_rate": 3.473501559676088e-05,
2320
+ "loss": 0.2691,
2321
+ "step": 328
2322
+ },
2323
+ {
2324
+ "epoch": 2.261168384879725,
2325
+ "grad_norm": 0.10977366989631175,
2326
+ "learning_rate": 3.4128367151869714e-05,
2327
+ "loss": 0.2721,
2328
+ "step": 329
2329
+ },
2330
+ {
2331
+ "epoch": 2.268041237113402,
2332
+ "grad_norm": 0.10791580217848652,
2333
+ "learning_rate": 3.352597118740404e-05,
2334
+ "loss": 0.2574,
2335
+ "step": 330
2336
+ },
2337
+ {
2338
+ "epoch": 2.274914089347079,
2339
+ "grad_norm": 0.1117741340523688,
2340
+ "learning_rate": 3.292786659228973e-05,
2341
+ "loss": 0.2701,
2342
+ "step": 331
2343
+ },
2344
+ {
2345
+ "epoch": 2.281786941580756,
2346
+ "grad_norm": 0.10832840646361684,
2347
+ "learning_rate": 3.233409197841437e-05,
2348
+ "loss": 0.2533,
2349
+ "step": 332
2350
+ },
2351
+ {
2352
+ "epoch": 2.288659793814433,
2353
+ "grad_norm": 0.11021992972158987,
2354
+ "learning_rate": 3.174468567813461e-05,
2355
+ "loss": 0.2506,
2356
+ "step": 333
2357
+ },
2358
+ {
2359
+ "epoch": 2.29553264604811,
2360
+ "grad_norm": 0.11244737426877117,
2361
+ "learning_rate": 3.115968574180149e-05,
2362
+ "loss": 0.2741,
2363
+ "step": 334
2364
+ },
2365
+ {
2366
+ "epoch": 2.3024054982817868,
2367
+ "grad_norm": 0.10439400399730109,
2368
+ "learning_rate": 3.0579129935304066e-05,
2369
+ "loss": 0.2423,
2370
+ "step": 335
2371
+ },
2372
+ {
2373
+ "epoch": 2.3092783505154637,
2374
+ "grad_norm": 0.11154784823612464,
2375
+ "learning_rate": 3.0003055737631403e-05,
2376
+ "loss": 0.2606,
2377
+ "step": 336
2378
+ },
2379
+ {
2380
+ "epoch": 2.3161512027491407,
2381
+ "grad_norm": 0.11618867786187727,
2382
+ "learning_rate": 2.9431500338452832e-05,
2383
+ "loss": 0.2705,
2384
+ "step": 337
2385
+ },
2386
+ {
2387
+ "epoch": 2.323024054982818,
2388
+ "grad_norm": 0.10953255344278685,
2389
+ "learning_rate": 2.886450063571735e-05,
2390
+ "loss": 0.2597,
2391
+ "step": 338
2392
+ },
2393
+ {
2394
+ "epoch": 2.329896907216495,
2395
+ "grad_norm": 0.10670783300766909,
2396
+ "learning_rate": 2.8302093233271453e-05,
2397
+ "loss": 0.2451,
2398
+ "step": 339
2399
+ },
2400
+ {
2401
+ "epoch": 2.336769759450172,
2402
+ "grad_norm": 0.10795627839159605,
2403
+ "learning_rate": 2.7744314438496088e-05,
2404
+ "loss": 0.2571,
2405
+ "step": 340
2406
+ },
2407
+ {
2408
+ "epoch": 2.343642611683849,
2409
+ "grad_norm": 0.10876660642511277,
2410
+ "learning_rate": 2.7191200259962934e-05,
2411
+ "loss": 0.2646,
2412
+ "step": 341
2413
+ },
2414
+ {
2415
+ "epoch": 2.350515463917526,
2416
+ "grad_norm": 0.10862804831060525,
2417
+ "learning_rate": 2.6642786405109475e-05,
2418
+ "loss": 0.2679,
2419
+ "step": 342
2420
+ },
2421
+ {
2422
+ "epoch": 2.357388316151203,
2423
+ "grad_norm": 0.1068062333293375,
2424
+ "learning_rate": 2.6099108277934103e-05,
2425
+ "loss": 0.2676,
2426
+ "step": 343
2427
+ },
2428
+ {
2429
+ "epoch": 2.3642611683848798,
2430
+ "grad_norm": 0.10420269958200333,
2431
+ "learning_rate": 2.556020097671046e-05,
2432
+ "loss": 0.2669,
2433
+ "step": 344
2434
+ },
2435
+ {
2436
+ "epoch": 2.3711340206185567,
2437
+ "grad_norm": 0.10951228936587228,
2438
+ "learning_rate": 2.5026099291721516e-05,
2439
+ "loss": 0.2519,
2440
+ "step": 345
2441
+ },
2442
+ {
2443
+ "epoch": 2.3780068728522337,
2444
+ "grad_norm": 0.11129513461474132,
2445
+ "learning_rate": 2.449683770301382e-05,
2446
+ "loss": 0.2571,
2447
+ "step": 346
2448
+ },
2449
+ {
2450
+ "epoch": 2.3848797250859106,
2451
+ "grad_norm": 0.10763529170641503,
2452
+ "learning_rate": 2.397245037817125e-05,
2453
+ "loss": 0.2567,
2454
+ "step": 347
2455
+ },
2456
+ {
2457
+ "epoch": 2.3917525773195876,
2458
+ "grad_norm": 0.10496278836242602,
2459
+ "learning_rate": 2.345297117010954e-05,
2460
+ "loss": 0.2459,
2461
+ "step": 348
2462
+ },
2463
+ {
2464
+ "epoch": 2.3986254295532645,
2465
+ "grad_norm": 0.11015993294501161,
2466
+ "learning_rate": 2.2938433614890697e-05,
2467
+ "loss": 0.2702,
2468
+ "step": 349
2469
+ },
2470
+ {
2471
+ "epoch": 2.4054982817869415,
2472
+ "grad_norm": 0.10738471004067172,
2473
+ "learning_rate": 2.242887092955801e-05,
2474
+ "loss": 0.2585,
2475
+ "step": 350
2476
+ },
2477
+ {
2478
+ "epoch": 2.4123711340206184,
2479
+ "grad_norm": 0.11218254036958039,
2480
+ "learning_rate": 2.1924316009991787e-05,
2481
+ "loss": 0.2607,
2482
+ "step": 351
2483
+ },
2484
+ {
2485
+ "epoch": 2.4192439862542954,
2486
+ "grad_norm": 0.10844975577221563,
2487
+ "learning_rate": 2.1424801428785447e-05,
2488
+ "loss": 0.2561,
2489
+ "step": 352
2490
+ },
2491
+ {
2492
+ "epoch": 2.4261168384879723,
2493
+ "grad_norm": 0.10599271281183413,
2494
+ "learning_rate": 2.0930359433142932e-05,
2495
+ "loss": 0.2501,
2496
+ "step": 353
2497
+ },
2498
+ {
2499
+ "epoch": 2.4329896907216497,
2500
+ "grad_norm": 0.11017719350663994,
2501
+ "learning_rate": 2.0441021942796944e-05,
2502
+ "loss": 0.2618,
2503
+ "step": 354
2504
+ },
2505
+ {
2506
+ "epoch": 2.4398625429553267,
2507
+ "grad_norm": 0.10668690539385935,
2508
+ "learning_rate": 1.995682054794803e-05,
2509
+ "loss": 0.264,
2510
+ "step": 355
2511
+ },
2512
+ {
2513
+ "epoch": 2.4467353951890036,
2514
+ "grad_norm": 0.10450005811019492,
2515
+ "learning_rate": 1.9477786507225616e-05,
2516
+ "loss": 0.2553,
2517
+ "step": 356
2518
+ },
2519
+ {
2520
+ "epoch": 2.4536082474226806,
2521
+ "grad_norm": 0.11220780349903246,
2522
+ "learning_rate": 1.900395074566962e-05,
2523
+ "loss": 0.2654,
2524
+ "step": 357
2525
+ },
2526
+ {
2527
+ "epoch": 2.4604810996563575,
2528
+ "grad_norm": 0.108477409950911,
2529
+ "learning_rate": 1.8535343852734332e-05,
2530
+ "loss": 0.2569,
2531
+ "step": 358
2532
+ },
2533
+ {
2534
+ "epoch": 2.4673539518900345,
2535
+ "grad_norm": 0.10460682785615502,
2536
+ "learning_rate": 1.8071996080313602e-05,
2537
+ "loss": 0.2535,
2538
+ "step": 359
2539
+ },
2540
+ {
2541
+ "epoch": 2.4742268041237114,
2542
+ "grad_norm": 0.1076833252048245,
2543
+ "learning_rate": 1.76139373407876e-05,
2544
+ "loss": 0.2651,
2545
+ "step": 360
2546
+ },
2547
+ {
2548
+ "epoch": 2.4810996563573884,
2549
+ "grad_norm": 0.10826152402956611,
2550
+ "learning_rate": 1.7161197205092216e-05,
2551
+ "loss": 0.2676,
2552
+ "step": 361
2553
+ },
2554
+ {
2555
+ "epoch": 2.4879725085910653,
2556
+ "grad_norm": 0.10750093502253717,
2557
+ "learning_rate": 1.6713804900809582e-05,
2558
+ "loss": 0.2559,
2559
+ "step": 362
2560
+ },
2561
+ {
2562
+ "epoch": 2.4948453608247423,
2563
+ "grad_norm": 0.1038001972682153,
2564
+ "learning_rate": 1.6271789310281517e-05,
2565
+ "loss": 0.2423,
2566
+ "step": 363
2567
+ },
2568
+ {
2569
+ "epoch": 2.5017182130584192,
2570
+ "grad_norm": 0.10672842152395061,
2571
+ "learning_rate": 1.583517896874498e-05,
2572
+ "loss": 0.2593,
2573
+ "step": 364
2574
+ },
2575
+ {
2576
+ "epoch": 2.508591065292096,
2577
+ "grad_norm": 0.10761120219562789,
2578
+ "learning_rate": 1.540400206248963e-05,
2579
+ "loss": 0.2595,
2580
+ "step": 365
2581
+ },
2582
+ {
2583
+ "epoch": 2.515463917525773,
2584
+ "grad_norm": 0.10816060382518869,
2585
+ "learning_rate": 1.4978286427038601e-05,
2586
+ "loss": 0.2539,
2587
+ "step": 366
2588
+ },
2589
+ {
2590
+ "epoch": 2.52233676975945,
2591
+ "grad_norm": 0.10455085413886135,
2592
+ "learning_rate": 1.4558059545351143e-05,
2593
+ "loss": 0.2564,
2594
+ "step": 367
2595
+ },
2596
+ {
2597
+ "epoch": 2.529209621993127,
2598
+ "grad_norm": 0.10969390724809498,
2599
+ "learning_rate": 1.4143348546048707e-05,
2600
+ "loss": 0.2552,
2601
+ "step": 368
2602
+ },
2603
+ {
2604
+ "epoch": 2.536082474226804,
2605
+ "grad_norm": 0.11070585821467833,
2606
+ "learning_rate": 1.3734180201663439e-05,
2607
+ "loss": 0.2561,
2608
+ "step": 369
2609
+ },
2610
+ {
2611
+ "epoch": 2.542955326460481,
2612
+ "grad_norm": 0.11065650967955783,
2613
+ "learning_rate": 1.3330580926909763e-05,
2614
+ "loss": 0.2552,
2615
+ "step": 370
2616
+ },
2617
+ {
2618
+ "epoch": 2.549828178694158,
2619
+ "grad_norm": 0.10753458918108932,
2620
+ "learning_rate": 1.2932576776979377e-05,
2621
+ "loss": 0.2599,
2622
+ "step": 371
2623
+ },
2624
+ {
2625
+ "epoch": 2.556701030927835,
2626
+ "grad_norm": 0.11215812047440889,
2627
+ "learning_rate": 1.2540193445858883e-05,
2628
+ "loss": 0.26,
2629
+ "step": 372
2630
+ },
2631
+ {
2632
+ "epoch": 2.563573883161512,
2633
+ "grad_norm": 0.11029227457181179,
2634
+ "learning_rate": 1.2153456264671337e-05,
2635
+ "loss": 0.2529,
2636
+ "step": 373
2637
+ },
2638
+ {
2639
+ "epoch": 2.5704467353951888,
2640
+ "grad_norm": 0.1095036155268631,
2641
+ "learning_rate": 1.1772390200040817e-05,
2642
+ "loss": 0.2503,
2643
+ "step": 374
2644
+ },
2645
+ {
2646
+ "epoch": 2.5773195876288657,
2647
+ "grad_norm": 0.10487179029197675,
2648
+ "learning_rate": 1.139701985248055e-05,
2649
+ "loss": 0.2421,
2650
+ "step": 375
2651
+ },
2652
+ {
2653
+ "epoch": 2.584192439862543,
2654
+ "grad_norm": 0.10299175954283599,
2655
+ "learning_rate": 1.1027369454805058e-05,
2656
+ "loss": 0.2502,
2657
+ "step": 376
2658
+ },
2659
+ {
2660
+ "epoch": 2.59106529209622,
2661
+ "grad_norm": 0.10855354801856847,
2662
+ "learning_rate": 1.0663462870565411e-05,
2663
+ "loss": 0.2608,
2664
+ "step": 377
2665
+ },
2666
+ {
2667
+ "epoch": 2.597938144329897,
2668
+ "grad_norm": 0.10315061729781284,
2669
+ "learning_rate": 1.0305323592509009e-05,
2670
+ "loss": 0.2528,
2671
+ "step": 378
2672
+ },
2673
+ {
2674
+ "epoch": 2.604810996563574,
2675
+ "grad_norm": 0.10626039326093263,
2676
+ "learning_rate": 9.952974741062703e-06,
2677
+ "loss": 0.264,
2678
+ "step": 379
2679
+ },
2680
+ {
2681
+ "epoch": 2.611683848797251,
2682
+ "grad_norm": 0.10745271675212126,
2683
+ "learning_rate": 9.606439062840256e-06,
2684
+ "loss": 0.2594,
2685
+ "step": 380
2686
+ },
2687
+ {
2688
+ "epoch": 2.618556701030928,
2689
+ "grad_norm": 0.10974406713413064,
2690
+ "learning_rate": 9.265738929174051e-06,
2691
+ "loss": 0.2582,
2692
+ "step": 381
2693
+ },
2694
+ {
2695
+ "epoch": 2.625429553264605,
2696
+ "grad_norm": 0.10537263197622973,
2697
+ "learning_rate": 8.93089633467058e-06,
2698
+ "loss": 0.2513,
2699
+ "step": 382
2700
+ },
2701
+ {
2702
+ "epoch": 2.6323024054982818,
2703
+ "grad_norm": 0.10396472858049301,
2704
+ "learning_rate": 8.601932895790877e-06,
2705
+ "loss": 0.2583,
2706
+ "step": 383
2707
+ },
2708
+ {
2709
+ "epoch": 2.6391752577319587,
2710
+ "grad_norm": 0.10276278086397593,
2711
+ "learning_rate": 8.278869849454718e-06,
2712
+ "loss": 0.2529,
2713
+ "step": 384
2714
+ },
2715
+ {
2716
+ "epoch": 2.6460481099656357,
2717
+ "grad_norm": 0.10899885081403418,
2718
+ "learning_rate": 7.961728051669737e-06,
2719
+ "loss": 0.2637,
2720
+ "step": 385
2721
+ },
2722
+ {
2723
+ "epoch": 2.6529209621993126,
2724
+ "grad_norm": 0.10582666731745977,
2725
+ "learning_rate": 7.650527976185173e-06,
2726
+ "loss": 0.2535,
2727
+ "step": 386
2728
+ },
2729
+ {
2730
+ "epoch": 2.6597938144329896,
2731
+ "grad_norm": 0.10725397582281598,
2732
+ "learning_rate": 7.3452897131698564e-06,
2733
+ "loss": 0.2603,
2734
+ "step": 387
2735
+ },
2736
+ {
2737
+ "epoch": 2.6666666666666665,
2738
+ "grad_norm": 0.10749509280278831,
2739
+ "learning_rate": 7.046032967915483e-06,
2740
+ "loss": 0.2489,
2741
+ "step": 388
2742
+ },
2743
+ {
2744
+ "epoch": 2.673539518900344,
2745
+ "grad_norm": 0.1087201328812968,
2746
+ "learning_rate": 6.75277705956443e-06,
2747
+ "loss": 0.2604,
2748
+ "step": 389
2749
+ },
2750
+ {
2751
+ "epoch": 2.680412371134021,
2752
+ "grad_norm": 0.10783575017518213,
2753
+ "learning_rate": 6.465540919862456e-06,
2754
+ "loss": 0.2557,
2755
+ "step": 390
2756
+ },
2757
+ {
2758
+ "epoch": 2.687285223367698,
2759
+ "grad_norm": 0.10758942906584705,
2760
+ "learning_rate": 6.184343091936751e-06,
2761
+ "loss": 0.2526,
2762
+ "step": 391
2763
+ },
2764
+ {
2765
+ "epoch": 2.6941580756013748,
2766
+ "grad_norm": 0.10528296367950161,
2767
+ "learning_rate": 5.909201729098579e-06,
2768
+ "loss": 0.2487,
2769
+ "step": 392
2770
+ },
2771
+ {
2772
+ "epoch": 2.7010309278350517,
2773
+ "grad_norm": 0.11256201944946768,
2774
+ "learning_rate": 5.640134593671598e-06,
2775
+ "loss": 0.2714,
2776
+ "step": 393
2777
+ },
2778
+ {
2779
+ "epoch": 2.7079037800687287,
2780
+ "grad_norm": 0.10863241059875908,
2781
+ "learning_rate": 5.3771590558450265e-06,
2782
+ "loss": 0.2574,
2783
+ "step": 394
2784
+ },
2785
+ {
2786
+ "epoch": 2.7147766323024056,
2787
+ "grad_norm": 0.10549349184272533,
2788
+ "learning_rate": 5.12029209255227e-06,
2789
+ "loss": 0.2554,
2790
+ "step": 395
2791
+ },
2792
+ {
2793
+ "epoch": 2.7216494845360826,
2794
+ "grad_norm": 0.10847174602209737,
2795
+ "learning_rate": 4.869550286375091e-06,
2796
+ "loss": 0.268,
2797
+ "step": 396
2798
+ },
2799
+ {
2800
+ "epoch": 2.7285223367697595,
2801
+ "grad_norm": 0.10488356613015705,
2802
+ "learning_rate": 4.624949824472858e-06,
2803
+ "loss": 0.2671,
2804
+ "step": 397
2805
+ },
2806
+ {
2807
+ "epoch": 2.7353951890034365,
2808
+ "grad_norm": 0.10475860935600055,
2809
+ "learning_rate": 4.386506497537757e-06,
2810
+ "loss": 0.2514,
2811
+ "step": 398
2812
+ },
2813
+ {
2814
+ "epoch": 2.7422680412371134,
2815
+ "grad_norm": 0.10597713121898167,
2816
+ "learning_rate": 4.154235698775277e-06,
2817
+ "loss": 0.2597,
2818
+ "step": 399
2819
+ },
2820
+ {
2821
+ "epoch": 2.7491408934707904,
2822
+ "grad_norm": 0.10595800588015507,
2823
+ "learning_rate": 3.928152422910491e-06,
2824
+ "loss": 0.2602,
2825
+ "step": 400
2826
+ },
2827
+ {
2828
+ "epoch": 2.7560137457044673,
2829
+ "grad_norm": 0.11154644583398933,
2830
+ "learning_rate": 3.7082712652200867e-06,
2831
+ "loss": 0.264,
2832
+ "step": 401
2833
+ },
2834
+ {
2835
+ "epoch": 2.7628865979381443,
2836
+ "grad_norm": 0.10694150624625907,
2837
+ "learning_rate": 3.4946064205899965e-06,
2838
+ "loss": 0.25,
2839
+ "step": 402
2840
+ },
2841
+ {
2842
+ "epoch": 2.7697594501718212,
2843
+ "grad_norm": 0.10318772901644747,
2844
+ "learning_rate": 3.287171682599255e-06,
2845
+ "loss": 0.2493,
2846
+ "step": 403
2847
+ },
2848
+ {
2849
+ "epoch": 2.776632302405498,
2850
+ "grad_norm": 0.1061914310952031,
2851
+ "learning_rate": 3.085980442629288e-06,
2852
+ "loss": 0.2591,
2853
+ "step": 404
2854
+ },
2855
+ {
2856
+ "epoch": 2.783505154639175,
2857
+ "grad_norm": 0.10446042630271005,
2858
+ "learning_rate": 2.8910456889995498e-06,
2859
+ "loss": 0.254,
2860
+ "step": 405
2861
+ },
2862
+ {
2863
+ "epoch": 2.790378006872852,
2864
+ "grad_norm": 0.10518845803888338,
2865
+ "learning_rate": 2.7023800061289907e-06,
2866
+ "loss": 0.2533,
2867
+ "step": 406
2868
+ },
2869
+ {
2870
+ "epoch": 2.797250859106529,
2871
+ "grad_norm": 0.10867396165520546,
2872
+ "learning_rate": 2.5199955737236104e-06,
2873
+ "loss": 0.2724,
2874
+ "step": 407
2875
+ },
2876
+ {
2877
+ "epoch": 2.804123711340206,
2878
+ "grad_norm": 0.10694114528768675,
2879
+ "learning_rate": 2.3439041659902407e-06,
2880
+ "loss": 0.2564,
2881
+ "step": 408
2882
+ },
2883
+ {
2884
+ "epoch": 2.810996563573883,
2885
+ "grad_norm": 0.10518421192748285,
2886
+ "learning_rate": 2.174117150876398e-06,
2887
+ "loss": 0.2609,
2888
+ "step": 409
2889
+ },
2890
+ {
2891
+ "epoch": 2.81786941580756,
2892
+ "grad_norm": 0.10729647762632918,
2893
+ "learning_rate": 2.010645489336382e-06,
2894
+ "loss": 0.2587,
2895
+ "step": 410
2896
+ },
2897
+ {
2898
+ "epoch": 2.824742268041237,
2899
+ "grad_norm": 0.10754314349393188,
2900
+ "learning_rate": 1.8534997346237093e-06,
2901
+ "loss": 0.2632,
2902
+ "step": 411
2903
+ },
2904
+ {
2905
+ "epoch": 2.8316151202749142,
2906
+ "grad_norm": 0.10802289125290783,
2907
+ "learning_rate": 1.7026900316098215e-06,
2908
+ "loss": 0.2566,
2909
+ "step": 412
2910
+ },
2911
+ {
2912
+ "epoch": 2.838487972508591,
2913
+ "grad_norm": 0.10931075718242897,
2914
+ "learning_rate": 1.5582261161291245e-06,
2915
+ "loss": 0.2626,
2916
+ "step": 413
2917
+ },
2918
+ {
2919
+ "epoch": 2.845360824742268,
2920
+ "grad_norm": 0.10501355229769045,
2921
+ "learning_rate": 1.4201173143504888e-06,
2922
+ "loss": 0.2621,
2923
+ "step": 414
2924
+ },
2925
+ {
2926
+ "epoch": 2.852233676975945,
2927
+ "grad_norm": 0.10753436065183695,
2928
+ "learning_rate": 1.2883725421752201e-06,
2929
+ "loss": 0.2475,
2930
+ "step": 415
2931
+ },
2932
+ {
2933
+ "epoch": 2.859106529209622,
2934
+ "grad_norm": 0.10463768922989454,
2935
+ "learning_rate": 1.1630003046614323e-06,
2936
+ "loss": 0.2409,
2937
+ "step": 416
2938
+ },
2939
+ {
2940
+ "epoch": 2.865979381443299,
2941
+ "grad_norm": 0.10543898222201153,
2942
+ "learning_rate": 1.0440086954749517e-06,
2943
+ "loss": 0.2505,
2944
+ "step": 417
2945
+ },
2946
+ {
2947
+ "epoch": 2.872852233676976,
2948
+ "grad_norm": 0.10892369128650758,
2949
+ "learning_rate": 9.314053963669245e-07,
2950
+ "loss": 0.2456,
2951
+ "step": 418
2952
+ },
2953
+ {
2954
+ "epoch": 2.879725085910653,
2955
+ "grad_norm": 0.1062255349453702,
2956
+ "learning_rate": 8.251976766777913e-07,
2957
+ "loss": 0.2649,
2958
+ "step": 419
2959
+ },
2960
+ {
2961
+ "epoch": 2.88659793814433,
2962
+ "grad_norm": 0.10869941184854195,
2963
+ "learning_rate": 7.253923928680406e-07,
2964
+ "loss": 0.2559,
2965
+ "step": 420
2966
+ },
2967
+ {
2968
+ "epoch": 2.893470790378007,
2969
+ "grad_norm": 0.1109190039810706,
2970
+ "learning_rate": 6.319959880756177e-07,
2971
+ "loss": 0.2529,
2972
+ "step": 421
2973
+ },
2974
+ {
2975
+ "epoch": 2.9003436426116838,
2976
+ "grad_norm": 0.10656654333503314,
2977
+ "learning_rate": 5.450144916999134e-07,
2978
+ "loss": 0.2566,
2979
+ "step": 422
2980
+ },
2981
+ {
2982
+ "epoch": 2.9072164948453607,
2983
+ "grad_norm": 0.10681708087523223,
2984
+ "learning_rate": 4.644535190125421e-07,
2985
+ "loss": 0.2526,
2986
+ "step": 423
2987
+ },
2988
+ {
2989
+ "epoch": 2.9140893470790377,
2990
+ "grad_norm": 0.11101267026333346,
2991
+ "learning_rate": 3.903182707948649e-07,
2992
+ "loss": 0.2545,
2993
+ "step": 424
2994
+ },
2995
+ {
2996
+ "epoch": 2.9209621993127146,
2997
+ "grad_norm": 0.10449251320574354,
2998
+ "learning_rate": 3.2261353300219176e-07,
2999
+ "loss": 0.2397,
3000
+ "step": 425
3001
+ },
3002
+ {
3003
+ "epoch": 2.927835051546392,
3004
+ "grad_norm": 0.10614426653162999,
3005
+ "learning_rate": 2.613436764548505e-07,
3006
+ "loss": 0.2451,
3007
+ "step": 426
3008
+ },
3009
+ {
3010
+ "epoch": 2.934707903780069,
3011
+ "grad_norm": 0.10344408619271417,
3012
+ "learning_rate": 2.0651265655603492e-07,
3013
+ "loss": 0.231,
3014
+ "step": 427
3015
+ },
3016
+ {
3017
+ "epoch": 2.941580756013746,
3018
+ "grad_norm": 0.10751538816500814,
3019
+ "learning_rate": 1.5812401303639813e-07,
3020
+ "loss": 0.253,
3021
+ "step": 428
3022
+ },
3023
+ {
3024
+ "epoch": 2.948453608247423,
3025
+ "grad_norm": 0.10902510633946422,
3026
+ "learning_rate": 1.1618086972559062e-07,
3027
+ "loss": 0.2534,
3028
+ "step": 429
3029
+ },
3030
+ {
3031
+ "epoch": 2.9553264604811,
3032
+ "grad_norm": 0.10961740281781805,
3033
+ "learning_rate": 8.068593435055505e-08,
3034
+ "loss": 0.2611,
3035
+ "step": 430
3036
+ },
3037
+ {
3038
+ "epoch": 2.9621993127147768,
3039
+ "grad_norm": 0.10667412761426893,
3040
+ "learning_rate": 5.164149836077714e-08,
3041
+ "loss": 0.2566,
3042
+ "step": 431
3043
+ },
3044
+ {
3045
+ "epoch": 2.9690721649484537,
3046
+ "grad_norm": 0.10469145515742652,
3047
+ "learning_rate": 2.9049436780281825e-08,
3048
+ "loss": 0.245,
3049
+ "step": 432
3050
+ },
3051
+ {
3052
+ "epoch": 2.9759450171821307,
3053
+ "grad_norm": 0.10866002746514136,
3054
+ "learning_rate": 1.2911208086663351e-08,
3055
+ "loss": 0.258,
3056
+ "step": 433
3057
+ },
3058
+ {
3059
+ "epoch": 2.9828178694158076,
3060
+ "grad_norm": 0.10779386109678486,
3061
+ "learning_rate": 3.2278541168717646e-09,
3062
+ "loss": 0.2668,
3063
+ "step": 434
3064
+ },
3065
+ {
3066
+ "epoch": 2.9896907216494846,
3067
+ "grad_norm": 0.11009984251752782,
3068
+ "learning_rate": 0.0,
3069
+ "loss": 0.2592,
3070
+ "step": 435
3071
+ },
3072
+ {
3073
+ "epoch": 2.9896907216494846,
3074
+ "eval_loss": 0.29278308153152466,
3075
+ "eval_runtime": 27.5656,
3076
+ "eval_samples_per_second": 35.443,
3077
+ "eval_steps_per_second": 1.125,
3078
+ "step": 435
3079
+ },
3080
+ {
3081
+ "epoch": 2.9896907216494846,
3082
+ "step": 435,
3083
+ "total_flos": 1.330526714897367e+17,
3084
+ "train_loss": 0.3336494640714821,
3085
+ "train_runtime": 4477.4048,
3086
+ "train_samples_per_second": 12.436,
3087
+ "train_steps_per_second": 0.097
3088
+ }
3089
+ ],
3090
+ "logging_steps": 1,
3091
+ "max_steps": 435,
3092
+ "num_input_tokens_seen": 0,
3093
+ "num_train_epochs": 3,
3094
+ "save_steps": 500,
3095
+ "stateful_callbacks": {
3096
+ "TrainerControl": {
3097
+ "args": {
3098
+ "should_epoch_stop": false,
3099
+ "should_evaluate": false,
3100
+ "should_log": false,
3101
+ "should_save": true,
3102
+ "should_training_stop": true
3103
+ },
3104
+ "attributes": {}
3105
+ }
3106
+ },
3107
+ "total_flos": 1.330526714897367e+17,
3108
+ "train_batch_size": 8,
3109
+ "trial_name": null,
3110
+ "trial_params": null
3111
+ }