{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.1,
  "eval_steps": 50,
  "global_step": 250,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.002,
      "grad_norm": 0.2585286796092987,
      "learning_rate": 0.0001,
      "loss": 0.9729,
      "step": 5
    },
    {
      "epoch": 0.004,
      "grad_norm": 0.3368561565876007,
      "learning_rate": 0.0002,
      "loss": 0.9899,
      "step": 10
    },
    {
      "epoch": 0.006,
      "grad_norm": 0.499980092048645,
      "learning_rate": 0.00019583333333333334,
      "loss": 0.7853,
      "step": 15
    },
    {
      "epoch": 0.008,
      "grad_norm": 0.3696683347225189,
      "learning_rate": 0.00019166666666666667,
      "loss": 0.6654,
      "step": 20
    },
    {
      "epoch": 0.01,
      "grad_norm": 0.40797653794288635,
      "learning_rate": 0.0001875,
      "loss": 0.6311,
      "step": 25
    },
    {
      "epoch": 0.012,
      "grad_norm": 0.33503052592277527,
      "learning_rate": 0.00018333333333333334,
      "loss": 0.6248,
      "step": 30
    },
    {
      "epoch": 0.014,
      "grad_norm": 0.3338172733783722,
      "learning_rate": 0.0001791666666666667,
      "loss": 0.6046,
      "step": 35
    },
    {
      "epoch": 0.016,
      "grad_norm": 0.3330083191394806,
      "learning_rate": 0.000175,
      "loss": 0.6173,
      "step": 40
    },
    {
      "epoch": 0.018,
      "grad_norm": 0.3610495328903198,
      "learning_rate": 0.00017083333333333333,
      "loss": 0.6598,
      "step": 45
    },
    {
      "epoch": 0.02,
      "grad_norm": 0.5117771625518799,
      "learning_rate": 0.0001666666666666667,
      "loss": 0.701,
      "step": 50
    },
    {
      "epoch": 0.02,
      "eval_loss": 0.5943231582641602,
      "eval_runtime": 1078.9543,
      "eval_samples_per_second": 5.423,
      "eval_steps_per_second": 0.678,
      "step": 50
    },
    {
      "epoch": 0.022,
      "grad_norm": 0.24727080762386322,
      "learning_rate": 0.00016250000000000002,
      "loss": 0.5523,
      "step": 55
    },
    {
      "epoch": 0.024,
      "grad_norm": 0.32829391956329346,
      "learning_rate": 0.00015833333333333332,
      "loss": 0.5601,
      "step": 60
    },
    {
      "epoch": 0.026,
      "grad_norm": 0.2365810126066208,
      "learning_rate": 0.00015416666666666668,
      "loss": 0.5529,
      "step": 65
    },
    {
      "epoch": 0.028,
      "grad_norm": 0.23763389885425568,
      "learning_rate": 0.00015000000000000001,
      "loss": 0.5683,
      "step": 70
    },
    {
      "epoch": 0.03,
      "grad_norm": 0.2370971143245697,
      "learning_rate": 0.00014583333333333335,
      "loss": 0.5734,
      "step": 75
    },
    {
      "epoch": 0.032,
      "grad_norm": 0.23187637329101562,
      "learning_rate": 0.00014166666666666668,
      "loss": 0.5589,
      "step": 80
    },
    {
      "epoch": 0.034,
      "grad_norm": 0.2783190906047821,
      "learning_rate": 0.0001375,
      "loss": 0.5833,
      "step": 85
    },
    {
      "epoch": 0.036,
      "grad_norm": 0.2846642732620239,
      "learning_rate": 0.00013333333333333334,
      "loss": 0.5855,
      "step": 90
    },
    {
      "epoch": 0.038,
      "grad_norm": 0.30239176750183105,
      "learning_rate": 0.00012916666666666667,
      "loss": 0.6083,
      "step": 95
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.4522075057029724,
      "learning_rate": 0.000125,
      "loss": 0.6666,
      "step": 100
    },
    {
      "epoch": 0.04,
      "eval_loss": 0.5652860403060913,
      "eval_runtime": 1078.4557,
      "eval_samples_per_second": 5.425,
      "eval_steps_per_second": 0.679,
      "step": 100
    },
    {
      "epoch": 0.042,
      "grad_norm": 0.34593072533607483,
      "learning_rate": 0.00012083333333333333,
      "loss": 0.5283,
      "step": 105
    },
    {
      "epoch": 0.044,
      "grad_norm": 0.24053940176963806,
      "learning_rate": 0.00011666666666666668,
      "loss": 0.5376,
      "step": 110
    },
    {
      "epoch": 0.046,
      "grad_norm": 0.25374647974967957,
      "learning_rate": 0.00011250000000000001,
      "loss": 0.5268,
      "step": 115
    },
    {
      "epoch": 0.048,
      "grad_norm": 0.2413879930973053,
      "learning_rate": 0.00010833333333333333,
      "loss": 0.5466,
      "step": 120
    },
    {
      "epoch": 0.05,
      "grad_norm": 0.22842754423618317,
      "learning_rate": 0.00010416666666666667,
      "loss": 0.558,
      "step": 125
    },
    {
      "epoch": 0.052,
      "grad_norm": 0.23777280747890472,
      "learning_rate": 0.0001,
      "loss": 0.5304,
      "step": 130
    },
    {
      "epoch": 0.054,
      "grad_norm": 0.2853969633579254,
      "learning_rate": 9.583333333333334e-05,
      "loss": 0.5773,
      "step": 135
    },
    {
      "epoch": 0.056,
      "grad_norm": 0.28491005301475525,
      "learning_rate": 9.166666666666667e-05,
      "loss": 0.5898,
      "step": 140
    },
    {
      "epoch": 0.058,
      "grad_norm": 0.3216317892074585,
      "learning_rate": 8.75e-05,
      "loss": 0.6376,
      "step": 145
    },
    {
      "epoch": 0.06,
      "grad_norm": 0.47678303718566895,
      "learning_rate": 8.333333333333334e-05,
      "loss": 0.6448,
      "step": 150
    },
    {
      "epoch": 0.06,
      "eval_loss": 0.5443492531776428,
      "eval_runtime": 1078.9513,
      "eval_samples_per_second": 5.423,
      "eval_steps_per_second": 0.678,
      "step": 150
    },
    {
      "epoch": 0.062,
      "grad_norm": 0.3121783435344696,
      "learning_rate": 7.916666666666666e-05,
      "loss": 0.5081,
      "step": 155
    },
    {
      "epoch": 0.064,
      "grad_norm": 0.2449740618467331,
      "learning_rate": 7.500000000000001e-05,
      "loss": 0.511,
      "step": 160
    },
    {
      "epoch": 0.066,
      "grad_norm": 0.2097545564174652,
      "learning_rate": 7.083333333333334e-05,
      "loss": 0.509,
      "step": 165
    },
    {
      "epoch": 0.068,
      "grad_norm": 0.23882268369197845,
      "learning_rate": 6.666666666666667e-05,
      "loss": 0.5411,
      "step": 170
    },
    {
      "epoch": 0.07,
      "grad_norm": 0.26276838779449463,
      "learning_rate": 6.25e-05,
      "loss": 0.5539,
      "step": 175
    },
    {
      "epoch": 0.072,
      "grad_norm": 0.26204946637153625,
      "learning_rate": 5.833333333333334e-05,
      "loss": 0.5692,
      "step": 180
    },
    {
      "epoch": 0.074,
      "grad_norm": 0.27385151386260986,
      "learning_rate": 5.4166666666666664e-05,
      "loss": 0.5599,
      "step": 185
    },
    {
      "epoch": 0.076,
      "grad_norm": 0.3151029646396637,
      "learning_rate": 5e-05,
      "loss": 0.5622,
      "step": 190
    },
    {
      "epoch": 0.078,
      "grad_norm": 0.372055321931839,
      "learning_rate": 4.5833333333333334e-05,
      "loss": 0.6128,
      "step": 195
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.4943559765815735,
      "learning_rate": 4.166666666666667e-05,
      "loss": 0.6352,
      "step": 200
    },
    {
      "epoch": 0.08,
      "eval_loss": 0.5273013114929199,
      "eval_runtime": 1079.0525,
      "eval_samples_per_second": 5.422,
      "eval_steps_per_second": 0.678,
      "step": 200
    },
    {
      "epoch": 0.082,
      "grad_norm": 0.28252649307250977,
      "learning_rate": 3.7500000000000003e-05,
      "loss": 0.4963,
      "step": 205
    },
    {
      "epoch": 0.084,
      "grad_norm": 0.2909074127674103,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 0.5165,
      "step": 210
    },
    {
      "epoch": 0.086,
      "grad_norm": 0.2641913890838623,
      "learning_rate": 2.916666666666667e-05,
      "loss": 0.5264,
      "step": 215
    },
    {
      "epoch": 0.088,
      "grad_norm": 0.2438758909702301,
      "learning_rate": 2.5e-05,
      "loss": 0.525,
      "step": 220
    },
    {
      "epoch": 0.09,
      "grad_norm": 0.2509464621543884,
      "learning_rate": 2.0833333333333336e-05,
      "loss": 0.5451,
      "step": 225
    },
    {
      "epoch": 0.092,
      "grad_norm": 0.26488572359085083,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 0.5512,
      "step": 230
    },
    {
      "epoch": 0.094,
      "grad_norm": 0.2820191979408264,
      "learning_rate": 1.25e-05,
      "loss": 0.548,
      "step": 235
    },
    {
      "epoch": 0.096,
      "grad_norm": 0.3010896146297455,
      "learning_rate": 8.333333333333334e-06,
      "loss": 0.578,
      "step": 240
    },
    {
      "epoch": 0.098,
      "grad_norm": 0.38558459281921387,
      "learning_rate": 4.166666666666667e-06,
      "loss": 0.5913,
      "step": 245
    },
    {
      "epoch": 0.1,
      "grad_norm": 0.6697375178337097,
      "learning_rate": 0.0,
      "loss": 0.6351,
      "step": 250
    },
    {
      "epoch": 0.1,
      "eval_loss": 0.5142252445220947,
      "eval_runtime": 1078.9757,
      "eval_samples_per_second": 5.423,
      "eval_steps_per_second": 0.678,
      "step": 250
    }
  ],
  "logging_steps": 5,
  "max_steps": 250,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 50,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 2.64628687263744e+16,
  "train_batch_size": 20,
  "trial_name": null,
  "trial_params": null
}