{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 12.0,
  "eval_steps": 500,
  "global_step": 144,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 2.389958143234253,
      "learning_rate": 0.00019722222222222225,
      "loss": 9.3312,
      "step": 2
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 3.9081215858459473,
      "learning_rate": 0.00019444444444444446,
      "loss": 8.4046,
      "step": 4
    },
    {
      "epoch": 0.5,
      "grad_norm": 5.577122211456299,
      "learning_rate": 0.00019166666666666667,
      "loss": 8.1587,
      "step": 6
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 2.7514705657958984,
      "learning_rate": 0.00018888888888888888,
      "loss": 6.9252,
      "step": 8
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 2.6608922481536865,
      "learning_rate": 0.00018611111111111112,
      "loss": 6.682,
      "step": 10
    },
    {
      "epoch": 1.0,
      "grad_norm": 1.8224042654037476,
      "learning_rate": 0.00018333333333333334,
      "loss": 6.5515,
      "step": 12
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 1.7821205854415894,
      "learning_rate": 0.00018055555555555557,
      "loss": 6.3741,
      "step": 14
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 1.4631325006484985,
      "learning_rate": 0.00017777777777777779,
      "loss": 5.7752,
      "step": 16
    },
    {
      "epoch": 1.5,
      "grad_norm": 1.2445415258407593,
      "learning_rate": 0.000175,
      "loss": 5.6322,
      "step": 18
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 1.1385904550552368,
      "learning_rate": 0.00017222222222222224,
      "loss": 5.5292,
      "step": 20
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 2.350696325302124,
      "learning_rate": 0.00016944444444444445,
      "loss": 6.0467,
      "step": 22
    },
    {
      "epoch": 2.0,
      "grad_norm": 0.9251314997673035,
      "learning_rate": 0.0001666666666666667,
      "loss": 5.5052,
      "step": 24
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 1.078282356262207,
      "learning_rate": 0.0001638888888888889,
      "loss": 5.1516,
      "step": 26
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 2.0441372394561768,
      "learning_rate": 0.0001611111111111111,
      "loss": 6.0246,
      "step": 28
    },
    {
      "epoch": 2.5,
      "grad_norm": 0.7417467832565308,
      "learning_rate": 0.00015833333333333332,
      "loss": 5.6533,
      "step": 30
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.7308917045593262,
      "learning_rate": 0.00015555555555555556,
      "loss": 5.8707,
      "step": 32
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.7263883948326111,
      "learning_rate": 0.00015277777777777777,
      "loss": 5.5237,
      "step": 34
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.768177330493927,
      "learning_rate": 0.00015000000000000001,
      "loss": 5.5894,
      "step": 36
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 1.502065896987915,
      "learning_rate": 0.00014722222222222223,
      "loss": 5.7828,
      "step": 38
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.8962785005569458,
      "learning_rate": 0.00014444444444444444,
      "loss": 5.6038,
      "step": 40
    },
    {
      "epoch": 3.5,
      "grad_norm": 0.7349110841751099,
      "learning_rate": 0.00014166666666666668,
      "loss": 5.8042,
      "step": 42
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 1.244559407234192,
      "learning_rate": 0.0001388888888888889,
      "loss": 5.4373,
      "step": 44
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 0.895315945148468,
      "learning_rate": 0.00013611111111111113,
      "loss": 5.58,
      "step": 46
    },
    {
      "epoch": 4.0,
      "grad_norm": 1.0650572776794434,
      "learning_rate": 0.00013333333333333334,
      "loss": 5.4728,
      "step": 48
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 0.5839248895645142,
      "learning_rate": 0.00013055555555555555,
      "loss": 5.2988,
      "step": 50
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 1.0592962503433228,
      "learning_rate": 0.00012777777777777776,
      "loss": 5.5554,
      "step": 52
    },
    {
      "epoch": 4.5,
      "grad_norm": 1.030292272567749,
      "learning_rate": 0.000125,
      "loss": 5.5131,
      "step": 54
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 0.6566389799118042,
      "learning_rate": 0.00012222222222222224,
      "loss": 5.8547,
      "step": 56
    },
    {
      "epoch": 4.833333333333333,
      "grad_norm": 0.6720917224884033,
      "learning_rate": 0.00011944444444444445,
      "loss": 5.6832,
      "step": 58
    },
    {
      "epoch": 5.0,
      "grad_norm": 2.3127827644348145,
      "learning_rate": 0.00011666666666666668,
      "loss": 5.5447,
      "step": 60
    },
    {
      "epoch": 5.166666666666667,
      "grad_norm": 1.462990641593933,
      "learning_rate": 0.00011388888888888889,
      "loss": 5.62,
      "step": 62
    },
    {
      "epoch": 5.333333333333333,
      "grad_norm": 0.8015946745872498,
      "learning_rate": 0.00011111111111111112,
      "loss": 5.5182,
      "step": 64
    },
    {
      "epoch": 5.5,
      "grad_norm": 0.9235395789146423,
      "learning_rate": 0.00010833333333333333,
      "loss": 5.6122,
      "step": 66
    },
    {
      "epoch": 5.666666666666667,
      "grad_norm": 1.5042009353637695,
      "learning_rate": 0.00010555555555555557,
      "loss": 5.6774,
      "step": 68
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 0.8788179755210876,
      "learning_rate": 0.00010277777777777778,
      "loss": 5.6975,
      "step": 70
    },
    {
      "epoch": 6.0,
      "grad_norm": 0.70127934217453,
      "learning_rate": 0.0001,
      "loss": 5.325,
      "step": 72
    },
    {
      "epoch": 6.166666666666667,
      "grad_norm": 0.6378411650657654,
      "learning_rate": 9.722222222222223e-05,
      "loss": 5.5471,
      "step": 74
    },
    {
      "epoch": 6.333333333333333,
      "grad_norm": 0.7255083918571472,
      "learning_rate": 9.444444444444444e-05,
      "loss": 5.53,
      "step": 76
    },
    {
      "epoch": 6.5,
      "grad_norm": 0.5315467715263367,
      "learning_rate": 9.166666666666667e-05,
      "loss": 5.668,
      "step": 78
    },
    {
      "epoch": 6.666666666666667,
      "grad_norm": 1.6775908470153809,
      "learning_rate": 8.888888888888889e-05,
      "loss": 5.6227,
      "step": 80
    },
    {
      "epoch": 6.833333333333333,
      "grad_norm": 0.6967664957046509,
      "learning_rate": 8.611111111111112e-05,
      "loss": 5.3633,
      "step": 82
    },
    {
      "epoch": 7.0,
      "grad_norm": 0.7901867628097534,
      "learning_rate": 8.333333333333334e-05,
      "loss": 5.5201,
      "step": 84
    },
    {
      "epoch": 7.166666666666667,
      "grad_norm": 0.7575122714042664,
      "learning_rate": 8.055555555555556e-05,
      "loss": 5.7576,
      "step": 86
    },
    {
      "epoch": 7.333333333333333,
      "grad_norm": 0.6522452235221863,
      "learning_rate": 7.777777777777778e-05,
      "loss": 5.4296,
      "step": 88
    },
    {
      "epoch": 7.5,
      "grad_norm": 1.1450906991958618,
      "learning_rate": 7.500000000000001e-05,
      "loss": 5.5873,
      "step": 90
    },
    {
      "epoch": 7.666666666666667,
      "grad_norm": 1.0967220067977905,
      "learning_rate": 7.222222222222222e-05,
      "loss": 5.6052,
      "step": 92
    },
    {
      "epoch": 7.833333333333333,
      "grad_norm": 1.2387806177139282,
      "learning_rate": 6.944444444444444e-05,
      "loss": 5.4181,
      "step": 94
    },
    {
      "epoch": 8.0,
      "grad_norm": 0.9872841835021973,
      "learning_rate": 6.666666666666667e-05,
      "loss": 5.3969,
      "step": 96
    },
    {
      "epoch": 8.166666666666666,
      "grad_norm": 0.9052764773368835,
      "learning_rate": 6.388888888888888e-05,
      "loss": 5.6536,
      "step": 98
    },
    {
      "epoch": 8.333333333333334,
      "grad_norm": 0.755061686038971,
      "learning_rate": 6.111111111111112e-05,
      "loss": 5.6881,
      "step": 100
    },
    {
      "epoch": 8.5,
      "grad_norm": 0.8030765056610107,
      "learning_rate": 5.833333333333334e-05,
      "loss": 5.2,
      "step": 102
    },
    {
      "epoch": 8.666666666666666,
      "grad_norm": 1.3601152896881104,
      "learning_rate": 5.555555555555556e-05,
      "loss": 5.7912,
      "step": 104
    },
    {
      "epoch": 8.833333333333334,
      "grad_norm": 0.8304908871650696,
      "learning_rate": 5.2777777777777784e-05,
      "loss": 5.3534,
      "step": 106
    },
    {
      "epoch": 9.0,
      "grad_norm": 0.7708331942558289,
      "learning_rate": 5e-05,
      "loss": 5.4276,
      "step": 108
    },
    {
      "epoch": 9.166666666666666,
      "grad_norm": 0.7606693506240845,
      "learning_rate": 4.722222222222222e-05,
      "loss": 5.3528,
      "step": 110
    },
    {
      "epoch": 9.333333333333334,
      "grad_norm": 0.6759011745452881,
      "learning_rate": 4.4444444444444447e-05,
      "loss": 5.3649,
      "step": 112
    },
    {
      "epoch": 9.5,
      "grad_norm": 1.1626386642456055,
      "learning_rate": 4.166666666666667e-05,
      "loss": 5.7563,
      "step": 114
    },
    {
      "epoch": 9.666666666666666,
      "grad_norm": 1.7458714246749878,
      "learning_rate": 3.888888888888889e-05,
      "loss": 5.2431,
      "step": 116
    },
    {
      "epoch": 9.833333333333334,
      "grad_norm": 1.1250461339950562,
      "learning_rate": 3.611111111111111e-05,
      "loss": 5.6882,
      "step": 118
    },
    {
      "epoch": 10.0,
      "grad_norm": 0.6424404382705688,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 5.5573,
      "step": 120
    },
    {
      "epoch": 10.166666666666666,
      "grad_norm": 1.5267101526260376,
      "learning_rate": 3.055555555555556e-05,
      "loss": 5.2131,
      "step": 122
    },
    {
      "epoch": 10.333333333333334,
      "grad_norm": 0.6374937295913696,
      "learning_rate": 2.777777777777778e-05,
      "loss": 5.8057,
      "step": 124
    },
    {
      "epoch": 10.5,
      "grad_norm": 2.1327388286590576,
      "learning_rate": 2.5e-05,
      "loss": 5.4895,
      "step": 126
    },
    {
      "epoch": 10.666666666666666,
      "grad_norm": 1.285032868385315,
      "learning_rate": 2.2222222222222223e-05,
      "loss": 5.2823,
      "step": 128
    },
    {
      "epoch": 10.833333333333334,
      "grad_norm": 1.0142369270324707,
      "learning_rate": 1.9444444444444445e-05,
      "loss": 5.7365,
      "step": 130
    },
    {
      "epoch": 11.0,
      "grad_norm": 1.4758329391479492,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 5.3342,
      "step": 132
    },
    {
      "epoch": 11.166666666666666,
      "grad_norm": 0.8409311771392822,
      "learning_rate": 1.388888888888889e-05,
      "loss": 5.4373,
      "step": 134
    },
    {
      "epoch": 11.333333333333334,
      "grad_norm": 1.3784596920013428,
      "learning_rate": 1.1111111111111112e-05,
      "loss": 5.1533,
      "step": 136
    },
    {
      "epoch": 11.5,
      "grad_norm": 0.7121608257293701,
      "learning_rate": 8.333333333333334e-06,
      "loss": 5.4633,
      "step": 138
    },
    {
      "epoch": 11.666666666666666,
      "grad_norm": 1.5873008966445923,
      "learning_rate": 5.555555555555556e-06,
      "loss": 5.4515,
      "step": 140
    },
    {
      "epoch": 11.833333333333334,
      "grad_norm": 1.2284098863601685,
      "learning_rate": 2.777777777777778e-06,
      "loss": 5.7681,
      "step": 142
    },
    {
      "epoch": 12.0,
      "grad_norm": 1.2025315761566162,
      "learning_rate": 0.0,
      "loss": 5.522,
      "step": 144
    },
    {
      "epoch": 12.0,
      "step": 144,
      "total_flos": 294472713653016.0,
      "train_loss": 5.7429078287548485,
      "train_runtime": 359.3045,
      "train_samples_per_second": 3.173,
      "train_steps_per_second": 0.401
    }
  ],
  "logging_steps": 2,
  "max_steps": 144,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 12,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 294472713653016.0,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}