lillian039 commited on
Commit
2cee902
1 Parent(s): 6380931

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 +2607 -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-llama-20k_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-llama-20k_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: 0.1384
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
+ | 0.1393 | 0.9959 | 121 | 0.1582 |
59
+ | 0.1282 | 2.0 | 243 | 0.1401 |
60
+ | 0.1135 | 2.9877 | 363 | 0.1384 |
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": 2.9876543209876543,
3
+ "total_flos": 9.618537139981517e+16,
4
+ "train_loss": 0.21143763487742953,
5
+ "train_runtime": 3172.33,
6
+ "train_samples": 15511,
7
+ "train_samples_per_second": 14.668,
8
+ "train_steps_per_second": 0.114
9
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9876543209876543,
3
+ "total_flos": 9.618537139981517e+16,
4
+ "train_loss": 0.21143763487742953,
5
+ "train_runtime": 3172.33,
6
+ "train_samples": 15511,
7
+ "train_samples_per_second": 14.668,
8
+ "train_steps_per_second": 0.114
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,2607 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.9876543209876543,
5
+ "eval_steps": 500,
6
+ "global_step": 363,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.00823045267489712,
13
+ "grad_norm": 1.4866708861109026,
14
+ "learning_rate": 5.405405405405406e-06,
15
+ "loss": 1.7565,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.01646090534979424,
20
+ "grad_norm": 1.4564242960595204,
21
+ "learning_rate": 1.0810810810810812e-05,
22
+ "loss": 1.7428,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.024691358024691357,
27
+ "grad_norm": 1.5029588271629886,
28
+ "learning_rate": 1.6216216216216218e-05,
29
+ "loss": 1.7399,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.03292181069958848,
34
+ "grad_norm": 1.4275061812775922,
35
+ "learning_rate": 2.1621621621621624e-05,
36
+ "loss": 1.7083,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.0411522633744856,
41
+ "grad_norm": 1.3211892837590813,
42
+ "learning_rate": 2.702702702702703e-05,
43
+ "loss": 1.6472,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.04938271604938271,
48
+ "grad_norm": 1.2954095745224536,
49
+ "learning_rate": 3.2432432432432436e-05,
50
+ "loss": 1.5935,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.05761316872427984,
55
+ "grad_norm": 0.9115980406962145,
56
+ "learning_rate": 3.783783783783784e-05,
57
+ "loss": 1.4303,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.06584362139917696,
62
+ "grad_norm": 0.7713124020101795,
63
+ "learning_rate": 4.324324324324325e-05,
64
+ "loss": 1.3661,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.07407407407407407,
69
+ "grad_norm": 0.7920851957124333,
70
+ "learning_rate": 4.8648648648648654e-05,
71
+ "loss": 1.3093,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.0823045267489712,
76
+ "grad_norm": 0.8823079310051533,
77
+ "learning_rate": 5.405405405405406e-05,
78
+ "loss": 1.1587,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.09053497942386832,
83
+ "grad_norm": 0.8557863491129706,
84
+ "learning_rate": 5.9459459459459466e-05,
85
+ "loss": 1.0485,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.09876543209876543,
90
+ "grad_norm": 0.8802985405555526,
91
+ "learning_rate": 6.486486486486487e-05,
92
+ "loss": 0.9429,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.10699588477366255,
97
+ "grad_norm": 0.8436384566917278,
98
+ "learning_rate": 7.027027027027028e-05,
99
+ "loss": 0.8218,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.11522633744855967,
104
+ "grad_norm": 0.6676398141327192,
105
+ "learning_rate": 7.567567567567568e-05,
106
+ "loss": 0.7054,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.12345679012345678,
111
+ "grad_norm": 0.6471842089986185,
112
+ "learning_rate": 8.108108108108109e-05,
113
+ "loss": 0.6758,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.13168724279835392,
118
+ "grad_norm": 0.4142479004737112,
119
+ "learning_rate": 8.64864864864865e-05,
120
+ "loss": 0.6222,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.13991769547325103,
125
+ "grad_norm": 0.42850243250289555,
126
+ "learning_rate": 9.18918918918919e-05,
127
+ "loss": 0.5962,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.14814814814814814,
132
+ "grad_norm": 0.5568208902875614,
133
+ "learning_rate": 9.729729729729731e-05,
134
+ "loss": 0.5984,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.15637860082304528,
139
+ "grad_norm": 0.5540687236420326,
140
+ "learning_rate": 0.0001027027027027027,
141
+ "loss": 0.4938,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.1646090534979424,
146
+ "grad_norm": 0.33332950971206693,
147
+ "learning_rate": 0.00010810810810810812,
148
+ "loss": 0.5161,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.1728395061728395,
153
+ "grad_norm": 0.2653066423031725,
154
+ "learning_rate": 0.00011351351351351351,
155
+ "loss": 0.5136,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.18106995884773663,
160
+ "grad_norm": 0.2272101382108708,
161
+ "learning_rate": 0.00011891891891891893,
162
+ "loss": 0.4873,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.18930041152263374,
167
+ "grad_norm": 0.24006404965358885,
168
+ "learning_rate": 0.00012432432432432433,
169
+ "loss": 0.4844,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.19753086419753085,
174
+ "grad_norm": 0.20608476733616163,
175
+ "learning_rate": 0.00012972972972972974,
176
+ "loss": 0.4821,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.205761316872428,
181
+ "grad_norm": 0.16150407452920948,
182
+ "learning_rate": 0.00013513513513513514,
183
+ "loss": 0.4167,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.2139917695473251,
188
+ "grad_norm": 0.1538751616515209,
189
+ "learning_rate": 0.00014054054054054056,
190
+ "loss": 0.446,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.2222222222222222,
195
+ "grad_norm": 0.16472183357224798,
196
+ "learning_rate": 0.00014594594594594595,
197
+ "loss": 0.4142,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.23045267489711935,
202
+ "grad_norm": 0.1552702492617925,
203
+ "learning_rate": 0.00015135135135135137,
204
+ "loss": 0.4909,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.23868312757201646,
209
+ "grad_norm": 0.14727903417905372,
210
+ "learning_rate": 0.00015675675675675676,
211
+ "loss": 0.4065,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.24691358024691357,
216
+ "grad_norm": 0.14784235244019464,
217
+ "learning_rate": 0.00016216216216216218,
218
+ "loss": 0.3886,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.2551440329218107,
223
+ "grad_norm": 0.1450616035553425,
224
+ "learning_rate": 0.00016756756756756757,
225
+ "loss": 0.3902,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.26337448559670784,
230
+ "grad_norm": 0.153342097650188,
231
+ "learning_rate": 0.000172972972972973,
232
+ "loss": 0.3888,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.2716049382716049,
237
+ "grad_norm": 0.15900713930790533,
238
+ "learning_rate": 0.00017837837837837839,
239
+ "loss": 0.3524,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.27983539094650206,
244
+ "grad_norm": 0.1546499892536795,
245
+ "learning_rate": 0.0001837837837837838,
246
+ "loss": 0.3648,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.2880658436213992,
251
+ "grad_norm": 0.14320964717963003,
252
+ "learning_rate": 0.0001891891891891892,
253
+ "loss": 0.3658,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.2962962962962963,
258
+ "grad_norm": 0.13103727806567708,
259
+ "learning_rate": 0.00019459459459459462,
260
+ "loss": 0.3496,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.3045267489711934,
265
+ "grad_norm": 0.13308383037195082,
266
+ "learning_rate": 0.0002,
267
+ "loss": 0.3572,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.31275720164609055,
272
+ "grad_norm": 0.1387871382009263,
273
+ "learning_rate": 0.00019999535665248002,
274
+ "loss": 0.3214,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.32098765432098764,
279
+ "grad_norm": 0.14270131722019058,
280
+ "learning_rate": 0.0001999814270411335,
281
+ "loss": 0.3445,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.3292181069958848,
286
+ "grad_norm": 0.1545337969749864,
287
+ "learning_rate": 0.000199958212459561,
288
+ "loss": 0.32,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.3374485596707819,
293
+ "grad_norm": 0.13802182056866283,
294
+ "learning_rate": 0.00019992571506363,
295
+ "loss": 0.3449,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.345679012345679,
300
+ "grad_norm": 0.14162173979281106,
301
+ "learning_rate": 0.00019988393787127441,
302
+ "loss": 0.3262,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.35390946502057613,
307
+ "grad_norm": 0.13594846523403772,
308
+ "learning_rate": 0.0001998328847622148,
309
+ "loss": 0.2958,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.36213991769547327,
314
+ "grad_norm": 0.12596629667831052,
315
+ "learning_rate": 0.00019977256047759765,
316
+ "loss": 0.286,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.37037037037037035,
321
+ "grad_norm": 0.13835455454793713,
322
+ "learning_rate": 0.00019970297061955533,
323
+ "loss": 0.2878,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.3786008230452675,
328
+ "grad_norm": 0.14644104388608956,
329
+ "learning_rate": 0.00019962412165068573,
330
+ "loss": 0.2952,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.3868312757201646,
335
+ "grad_norm": 0.1361181054099992,
336
+ "learning_rate": 0.00019953602089345217,
337
+ "loss": 0.267,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.3950617283950617,
342
+ "grad_norm": 0.1545760777310844,
343
+ "learning_rate": 0.0001994386765295032,
344
+ "loss": 0.2823,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.40329218106995884,
349
+ "grad_norm": 0.16048561280797768,
350
+ "learning_rate": 0.00019933209759891317,
351
+ "loss": 0.2598,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.411522633744856,
356
+ "grad_norm": 0.14585143788717048,
357
+ "learning_rate": 0.00019921629399934223,
358
+ "loss": 0.2834,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.41975308641975306,
363
+ "grad_norm": 0.15590757372746555,
364
+ "learning_rate": 0.00019909127648511755,
365
+ "loss": 0.2619,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.4279835390946502,
370
+ "grad_norm": 0.142205678471833,
371
+ "learning_rate": 0.0001989570566662345,
372
+ "loss": 0.2477,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.43621399176954734,
377
+ "grad_norm": 0.14334288636686987,
378
+ "learning_rate": 0.00019881364700727823,
379
+ "loss": 0.2958,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.4444444444444444,
384
+ "grad_norm": 0.1584716514858334,
385
+ "learning_rate": 0.0001986610608262665,
386
+ "loss": 0.2708,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.45267489711934156,
391
+ "grad_norm": 0.15229425624208448,
392
+ "learning_rate": 0.00019849931229341258,
393
+ "loss": 0.2776,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.4609053497942387,
398
+ "grad_norm": 0.1497514774482752,
399
+ "learning_rate": 0.00019832841642980945,
400
+ "loss": 0.2325,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.4691358024691358,
405
+ "grad_norm": 0.15302882739571017,
406
+ "learning_rate": 0.00019814838910603481,
407
+ "loss": 0.2755,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.4773662551440329,
412
+ "grad_norm": 0.20080266795074445,
413
+ "learning_rate": 0.00019795924704067721,
414
+ "loss": 0.2421,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.48559670781893005,
419
+ "grad_norm": 0.15063814452987448,
420
+ "learning_rate": 0.00019776100779878345,
421
+ "loss": 0.2152,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.49382716049382713,
426
+ "grad_norm": 0.1424158898404743,
427
+ "learning_rate": 0.00019755368979022732,
428
+ "loss": 0.2424,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.5020576131687243,
433
+ "grad_norm": 0.15708199535695755,
434
+ "learning_rate": 0.00019733731226800015,
435
+ "loss": 0.2439,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.5102880658436214,
440
+ "grad_norm": 0.1469505519285418,
441
+ "learning_rate": 0.00019711189532642243,
442
+ "loss": 0.2174,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.5185185185185185,
447
+ "grad_norm": 0.15443629035666892,
448
+ "learning_rate": 0.00019687745989927823,
449
+ "loss": 0.2201,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.5267489711934157,
454
+ "grad_norm": 0.16091185410714737,
455
+ "learning_rate": 0.00019663402775787066,
456
+ "loss": 0.2153,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.5349794238683128,
461
+ "grad_norm": 0.16812247962269722,
462
+ "learning_rate": 0.00019638162150900027,
463
+ "loss": 0.2245,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.5432098765432098,
468
+ "grad_norm": 0.15476006323853086,
469
+ "learning_rate": 0.00019612026459286578,
470
+ "loss": 0.2168,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.551440329218107,
475
+ "grad_norm": 0.14319948869013133,
476
+ "learning_rate": 0.00019584998128088684,
477
+ "loss": 0.2102,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.5596707818930041,
482
+ "grad_norm": 0.1416595781349322,
483
+ "learning_rate": 0.0001955707966734505,
484
+ "loss": 0.2109,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.5679012345679012,
489
+ "grad_norm": 0.15627936343326146,
490
+ "learning_rate": 0.00019528273669757972,
491
+ "loss": 0.221,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.5761316872427984,
496
+ "grad_norm": 0.1355242418955904,
497
+ "learning_rate": 0.0001949858281045261,
498
+ "loss": 0.1934,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.5843621399176955,
503
+ "grad_norm": 0.15837694932534985,
504
+ "learning_rate": 0.00019468009846728513,
505
+ "loss": 0.2106,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.5925925925925926,
510
+ "grad_norm": 0.14575785598463487,
511
+ "learning_rate": 0.00019436557617803595,
512
+ "loss": 0.1958,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.6008230452674898,
517
+ "grad_norm": 0.15004026647926874,
518
+ "learning_rate": 0.00019404229044550433,
519
+ "loss": 0.2111,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.6090534979423868,
524
+ "grad_norm": 0.1531758472218286,
525
+ "learning_rate": 0.00019371027129225042,
526
+ "loss": 0.1796,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.6172839506172839,
531
+ "grad_norm": 0.14522275863691966,
532
+ "learning_rate": 0.0001933695495518804,
533
+ "loss": 0.1879,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.6255144032921811,
538
+ "grad_norm": 0.14778202822977027,
539
+ "learning_rate": 0.00019302015686618326,
540
+ "loss": 0.1783,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.6337448559670782,
545
+ "grad_norm": 0.14202535229938665,
546
+ "learning_rate": 0.0001926621256821922,
547
+ "loss": 0.1672,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.6419753086419753,
552
+ "grad_norm": 0.15532295497905474,
553
+ "learning_rate": 0.00019229548924917146,
554
+ "loss": 0.1894,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.6502057613168725,
559
+ "grad_norm": 0.1298933712297695,
560
+ "learning_rate": 0.00019192028161552847,
561
+ "loss": 0.1626,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.6584362139917695,
566
+ "grad_norm": 0.15486589167638415,
567
+ "learning_rate": 0.0001915365376256519,
568
+ "loss": 0.1829,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.6666666666666666,
573
+ "grad_norm": 0.13198994845547862,
574
+ "learning_rate": 0.00019114429291667583,
575
+ "loss": 0.1827,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.6748971193415638,
580
+ "grad_norm": 0.14486854526136775,
581
+ "learning_rate": 0.00019074358391517023,
582
+ "loss": 0.1711,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.6831275720164609,
587
+ "grad_norm": 0.18136392511258384,
588
+ "learning_rate": 0.00019033444783375804,
589
+ "loss": 0.1852,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.691358024691358,
594
+ "grad_norm": 0.12835927358561786,
595
+ "learning_rate": 0.00018991692266765947,
596
+ "loss": 0.1874,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.6995884773662552,
601
+ "grad_norm": 0.15923203558527596,
602
+ "learning_rate": 0.00018949104719116332,
603
+ "loss": 0.1754,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.7078189300411523,
608
+ "grad_norm": 0.1524830096667991,
609
+ "learning_rate": 0.00018905686095402647,
610
+ "loss": 0.1772,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.7160493827160493,
615
+ "grad_norm": 0.1458630884597557,
616
+ "learning_rate": 0.0001886144042778006,
617
+ "loss": 0.1884,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.7242798353909465,
622
+ "grad_norm": 0.14812531898730455,
623
+ "learning_rate": 0.00018816371825208789,
624
+ "loss": 0.1694,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.7325102880658436,
629
+ "grad_norm": 0.1371838995231899,
630
+ "learning_rate": 0.0001877048447307252,
631
+ "loss": 0.175,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.7407407407407407,
636
+ "grad_norm": 0.12597672532717027,
637
+ "learning_rate": 0.00018723782632789701,
638
+ "loss": 0.1663,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.7489711934156379,
643
+ "grad_norm": 0.13653897293999862,
644
+ "learning_rate": 0.00018676270641417822,
645
+ "loss": 0.1902,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.757201646090535,
650
+ "grad_norm": 0.11918081783294039,
651
+ "learning_rate": 0.0001862795291125063,
652
+ "loss": 0.1662,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.7654320987654321,
657
+ "grad_norm": 0.1333312758081247,
658
+ "learning_rate": 0.0001857883392940837,
659
+ "loss": 0.199,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.7736625514403292,
664
+ "grad_norm": 0.12930618535907987,
665
+ "learning_rate": 0.000185289182574211,
666
+ "loss": 0.1697,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.7818930041152263,
671
+ "grad_norm": 0.1336640654310965,
672
+ "learning_rate": 0.0001847821053080505,
673
+ "loss": 0.1852,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.7901234567901234,
678
+ "grad_norm": 0.14974272672832492,
679
+ "learning_rate": 0.00018426715458632153,
680
+ "loss": 0.1819,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.7983539094650206,
685
+ "grad_norm": 0.11738767625285426,
686
+ "learning_rate": 0.00018374437823092724,
687
+ "loss": 0.1628,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.8065843621399177,
692
+ "grad_norm": 0.1126501945549117,
693
+ "learning_rate": 0.00018321382479051347,
694
+ "loss": 0.1574,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.8148148148148148,
699
+ "grad_norm": 0.14716070780057008,
700
+ "learning_rate": 0.00018267554353596025,
701
+ "loss": 0.1671,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.823045267489712,
706
+ "grad_norm": 0.14236534823623162,
707
+ "learning_rate": 0.0001821295844558062,
708
+ "loss": 0.179,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.831275720164609,
713
+ "grad_norm": 0.14819744720356537,
714
+ "learning_rate": 0.0001815759982516061,
715
+ "loss": 0.1765,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.8395061728395061,
720
+ "grad_norm": 0.1359773653210936,
721
+ "learning_rate": 0.00018101483633322255,
722
+ "loss": 0.1736,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.8477366255144033,
727
+ "grad_norm": 0.12220336917197815,
728
+ "learning_rate": 0.00018044615081405153,
729
+ "loss": 0.1559,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.8559670781893004,
734
+ "grad_norm": 0.12734749296356374,
735
+ "learning_rate": 0.00017986999450618295,
736
+ "loss": 0.1598,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.8641975308641975,
741
+ "grad_norm": 0.13635727971275893,
742
+ "learning_rate": 0.00017928642091549613,
743
+ "loss": 0.1716,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.8724279835390947,
748
+ "grad_norm": 0.1256041209800328,
749
+ "learning_rate": 0.00017869548423669077,
750
+ "loss": 0.1694,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.8806584362139918,
755
+ "grad_norm": 0.156735390007985,
756
+ "learning_rate": 0.00017809723934825405,
757
+ "loss": 0.1711,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.8888888888888888,
762
+ "grad_norm": 0.13613462557969605,
763
+ "learning_rate": 0.00017749174180736442,
764
+ "loss": 0.1575,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.897119341563786,
769
+ "grad_norm": 0.12136550882477753,
770
+ "learning_rate": 0.00017687904784473188,
771
+ "loss": 0.1541,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.9053497942386831,
776
+ "grad_norm": 0.11805606680499708,
777
+ "learning_rate": 0.00017625921435937637,
778
+ "loss": 0.153,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.9135802469135802,
783
+ "grad_norm": 0.12306976139021918,
784
+ "learning_rate": 0.00017563229891334338,
785
+ "loss": 0.1723,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.9218106995884774,
790
+ "grad_norm": 0.12639467162562257,
791
+ "learning_rate": 0.00017499835972635856,
792
+ "loss": 0.1637,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.9300411522633745,
797
+ "grad_norm": 0.11341325633796959,
798
+ "learning_rate": 0.00017435745567042095,
799
+ "loss": 0.1471,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.9382716049382716,
804
+ "grad_norm": 0.12238460464162876,
805
+ "learning_rate": 0.00017370964626433567,
806
+ "loss": 0.1682,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.9465020576131687,
811
+ "grad_norm": 0.12574079950832473,
812
+ "learning_rate": 0.0001730549916681868,
813
+ "loss": 0.1493,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.9547325102880658,
818
+ "grad_norm": 0.13251823016582745,
819
+ "learning_rate": 0.00017239355267775018,
820
+ "loss": 0.1649,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.9629629629629629,
825
+ "grad_norm": 0.11699891536949006,
826
+ "learning_rate": 0.0001717253907188477,
827
+ "loss": 0.1628,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.9711934156378601,
832
+ "grad_norm": 0.11316448680114288,
833
+ "learning_rate": 0.00017105056784164294,
834
+ "loss": 0.1434,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.9794238683127572,
839
+ "grad_norm": 0.11531932007410475,
840
+ "learning_rate": 0.00017036914671487852,
841
+ "loss": 0.1565,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.9876543209876543,
846
+ "grad_norm": 0.11423778544173263,
847
+ "learning_rate": 0.00016968119062005642,
848
+ "loss": 0.1481,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.9958847736625515,
853
+ "grad_norm": 0.10808259099105172,
854
+ "learning_rate": 0.00016898676344556118,
855
+ "loss": 0.1393,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.9958847736625515,
860
+ "eval_loss": 0.1582392454147339,
861
+ "eval_runtime": 24.3633,
862
+ "eval_samples_per_second": 33.534,
863
+ "eval_steps_per_second": 1.067,
864
+ "step": 121
865
+ },
866
+ {
867
+ "epoch": 1.0041152263374487,
868
+ "grad_norm": 0.12179637517786698,
869
+ "learning_rate": 0.00016828592968072678,
870
+ "loss": 0.1367,
871
+ "step": 122
872
+ },
873
+ {
874
+ "epoch": 1.0123456790123457,
875
+ "grad_norm": 0.12278954055202473,
876
+ "learning_rate": 0.00016757875440984768,
877
+ "loss": 0.1352,
878
+ "step": 123
879
+ },
880
+ {
881
+ "epoch": 1.0205761316872428,
882
+ "grad_norm": 0.11262318129903952,
883
+ "learning_rate": 0.0001668653033061347,
884
+ "loss": 0.1319,
885
+ "step": 124
886
+ },
887
+ {
888
+ "epoch": 1.02880658436214,
889
+ "grad_norm": 0.10685919423230769,
890
+ "learning_rate": 0.00016614564262561608,
891
+ "loss": 0.1483,
892
+ "step": 125
893
+ },
894
+ {
895
+ "epoch": 1.037037037037037,
896
+ "grad_norm": 0.12688594869999706,
897
+ "learning_rate": 0.0001654198392009846,
898
+ "loss": 0.1345,
899
+ "step": 126
900
+ },
901
+ {
902
+ "epoch": 1.045267489711934,
903
+ "grad_norm": 0.11380792656533252,
904
+ "learning_rate": 0.0001646879604353908,
905
+ "loss": 0.1435,
906
+ "step": 127
907
+ },
908
+ {
909
+ "epoch": 1.0534979423868314,
910
+ "grad_norm": 0.11336135523754398,
911
+ "learning_rate": 0.00016395007429618382,
912
+ "loss": 0.1496,
913
+ "step": 128
914
+ },
915
+ {
916
+ "epoch": 1.0617283950617284,
917
+ "grad_norm": 0.11068219074387899,
918
+ "learning_rate": 0.00016320624930859904,
919
+ "loss": 0.1412,
920
+ "step": 129
921
+ },
922
+ {
923
+ "epoch": 1.0699588477366255,
924
+ "grad_norm": 0.10745622525472565,
925
+ "learning_rate": 0.00016245655454939474,
926
+ "loss": 0.1294,
927
+ "step": 130
928
+ },
929
+ {
930
+ "epoch": 1.0781893004115226,
931
+ "grad_norm": 0.10201633324761311,
932
+ "learning_rate": 0.00016170105964043695,
933
+ "loss": 0.1443,
934
+ "step": 131
935
+ },
936
+ {
937
+ "epoch": 1.0864197530864197,
938
+ "grad_norm": 0.1137314706455847,
939
+ "learning_rate": 0.0001609398347422339,
940
+ "loss": 0.1389,
941
+ "step": 132
942
+ },
943
+ {
944
+ "epoch": 1.0946502057613168,
945
+ "grad_norm": 0.11204326746406651,
946
+ "learning_rate": 0.00016017295054742046,
947
+ "loss": 0.1422,
948
+ "step": 133
949
+ },
950
+ {
951
+ "epoch": 1.102880658436214,
952
+ "grad_norm": 0.10142584272145459,
953
+ "learning_rate": 0.00015940047827419303,
954
+ "loss": 0.1301,
955
+ "step": 134
956
+ },
957
+ {
958
+ "epoch": 1.1111111111111112,
959
+ "grad_norm": 0.10382986472663408,
960
+ "learning_rate": 0.00015862248965969604,
961
+ "loss": 0.1388,
962
+ "step": 135
963
+ },
964
+ {
965
+ "epoch": 1.1193415637860082,
966
+ "grad_norm": 0.11472916493277631,
967
+ "learning_rate": 0.00015783905695335946,
968
+ "loss": 0.1406,
969
+ "step": 136
970
+ },
971
+ {
972
+ "epoch": 1.1275720164609053,
973
+ "grad_norm": 0.11056711973862805,
974
+ "learning_rate": 0.0001570502529101896,
975
+ "loss": 0.1295,
976
+ "step": 137
977
+ },
978
+ {
979
+ "epoch": 1.1358024691358024,
980
+ "grad_norm": 0.11881161089888494,
981
+ "learning_rate": 0.00015625615078401244,
982
+ "loss": 0.1491,
983
+ "step": 138
984
+ },
985
+ {
986
+ "epoch": 1.1440329218106995,
987
+ "grad_norm": 0.10248132676392517,
988
+ "learning_rate": 0.00015545682432067067,
989
+ "loss": 0.1235,
990
+ "step": 139
991
+ },
992
+ {
993
+ "epoch": 1.1522633744855968,
994
+ "grad_norm": 0.10737832299551002,
995
+ "learning_rate": 0.0001546523477511754,
996
+ "loss": 0.15,
997
+ "step": 140
998
+ },
999
+ {
1000
+ "epoch": 1.1604938271604939,
1001
+ "grad_norm": 0.10807513117026502,
1002
+ "learning_rate": 0.00015384279578481221,
1003
+ "loss": 0.1302,
1004
+ "step": 141
1005
+ },
1006
+ {
1007
+ "epoch": 1.168724279835391,
1008
+ "grad_norm": 0.11235063041052787,
1009
+ "learning_rate": 0.00015302824360220353,
1010
+ "loss": 0.1386,
1011
+ "step": 142
1012
+ },
1013
+ {
1014
+ "epoch": 1.176954732510288,
1015
+ "grad_norm": 0.11303603244571206,
1016
+ "learning_rate": 0.00015220876684832638,
1017
+ "loss": 0.1354,
1018
+ "step": 143
1019
+ },
1020
+ {
1021
+ "epoch": 1.1851851851851851,
1022
+ "grad_norm": 0.10834449382941344,
1023
+ "learning_rate": 0.0001513844416254879,
1024
+ "loss": 0.1329,
1025
+ "step": 144
1026
+ },
1027
+ {
1028
+ "epoch": 1.1934156378600824,
1029
+ "grad_norm": 0.1079013280016857,
1030
+ "learning_rate": 0.00015055534448625766,
1031
+ "loss": 0.1395,
1032
+ "step": 145
1033
+ },
1034
+ {
1035
+ "epoch": 1.2016460905349795,
1036
+ "grad_norm": 0.10261607273228789,
1037
+ "learning_rate": 0.00014972155242635852,
1038
+ "loss": 0.129,
1039
+ "step": 146
1040
+ },
1041
+ {
1042
+ "epoch": 1.2098765432098766,
1043
+ "grad_norm": 0.11363708966450349,
1044
+ "learning_rate": 0.0001488831428775164,
1045
+ "loss": 0.1461,
1046
+ "step": 147
1047
+ },
1048
+ {
1049
+ "epoch": 1.2181069958847737,
1050
+ "grad_norm": 0.11418227389762935,
1051
+ "learning_rate": 0.00014804019370026926,
1052
+ "loss": 0.1408,
1053
+ "step": 148
1054
+ },
1055
+ {
1056
+ "epoch": 1.2263374485596708,
1057
+ "grad_norm": 0.11642847183223218,
1058
+ "learning_rate": 0.00014719278317673655,
1059
+ "loss": 0.1462,
1060
+ "step": 149
1061
+ },
1062
+ {
1063
+ "epoch": 1.2345679012345678,
1064
+ "grad_norm": 0.11219874980224723,
1065
+ "learning_rate": 0.0001463409900033493,
1066
+ "loss": 0.1302,
1067
+ "step": 150
1068
+ },
1069
+ {
1070
+ "epoch": 1.242798353909465,
1071
+ "grad_norm": 0.11039753961672125,
1072
+ "learning_rate": 0.00014548489328354195,
1073
+ "loss": 0.1349,
1074
+ "step": 151
1075
+ },
1076
+ {
1077
+ "epoch": 1.2510288065843622,
1078
+ "grad_norm": 0.10772127499535779,
1079
+ "learning_rate": 0.00014462457252040607,
1080
+ "loss": 0.134,
1081
+ "step": 152
1082
+ },
1083
+ {
1084
+ "epoch": 1.2592592592592593,
1085
+ "grad_norm": 0.10693684319005581,
1086
+ "learning_rate": 0.00014376010760930728,
1087
+ "loss": 0.1314,
1088
+ "step": 153
1089
+ },
1090
+ {
1091
+ "epoch": 1.2674897119341564,
1092
+ "grad_norm": 0.10099951149470732,
1093
+ "learning_rate": 0.00014289157883046568,
1094
+ "loss": 0.1314,
1095
+ "step": 154
1096
+ },
1097
+ {
1098
+ "epoch": 1.2757201646090535,
1099
+ "grad_norm": 0.10714073475937398,
1100
+ "learning_rate": 0.0001420190668415002,
1101
+ "loss": 0.1168,
1102
+ "step": 155
1103
+ },
1104
+ {
1105
+ "epoch": 1.2839506172839505,
1106
+ "grad_norm": 0.11431029472007842,
1107
+ "learning_rate": 0.00014114265266993846,
1108
+ "loss": 0.1457,
1109
+ "step": 156
1110
+ },
1111
+ {
1112
+ "epoch": 1.2921810699588478,
1113
+ "grad_norm": 0.11035801526331707,
1114
+ "learning_rate": 0.00014026241770569197,
1115
+ "loss": 0.1496,
1116
+ "step": 157
1117
+ },
1118
+ {
1119
+ "epoch": 1.300411522633745,
1120
+ "grad_norm": 0.10419031063352954,
1121
+ "learning_rate": 0.00013937844369349734,
1122
+ "loss": 0.1323,
1123
+ "step": 158
1124
+ },
1125
+ {
1126
+ "epoch": 1.308641975308642,
1127
+ "grad_norm": 0.10823681149718124,
1128
+ "learning_rate": 0.00013849081272532544,
1129
+ "loss": 0.1264,
1130
+ "step": 159
1131
+ },
1132
+ {
1133
+ "epoch": 1.316872427983539,
1134
+ "grad_norm": 0.11224858342990347,
1135
+ "learning_rate": 0.00013759960723275732,
1136
+ "loss": 0.1494,
1137
+ "step": 160
1138
+ },
1139
+ {
1140
+ "epoch": 1.3251028806584362,
1141
+ "grad_norm": 0.11222637320000997,
1142
+ "learning_rate": 0.00013670490997932922,
1143
+ "loss": 0.1446,
1144
+ "step": 161
1145
+ },
1146
+ {
1147
+ "epoch": 1.3333333333333333,
1148
+ "grad_norm": 0.11350101469976674,
1149
+ "learning_rate": 0.00013580680405284664,
1150
+ "loss": 0.1501,
1151
+ "step": 162
1152
+ },
1153
+ {
1154
+ "epoch": 1.3415637860082303,
1155
+ "grad_norm": 0.11216990215296897,
1156
+ "learning_rate": 0.00013490537285766808,
1157
+ "loss": 0.1518,
1158
+ "step": 163
1159
+ },
1160
+ {
1161
+ "epoch": 1.3497942386831276,
1162
+ "grad_norm": 0.10385126129598882,
1163
+ "learning_rate": 0.00013400070010695966,
1164
+ "loss": 0.1326,
1165
+ "step": 164
1166
+ },
1167
+ {
1168
+ "epoch": 1.3580246913580247,
1169
+ "grad_norm": 0.09801204121771982,
1170
+ "learning_rate": 0.00013309286981492085,
1171
+ "loss": 0.1385,
1172
+ "step": 165
1173
+ },
1174
+ {
1175
+ "epoch": 1.3662551440329218,
1176
+ "grad_norm": 0.10515015522554948,
1177
+ "learning_rate": 0.00013218196628898233,
1178
+ "loss": 0.1435,
1179
+ "step": 166
1180
+ },
1181
+ {
1182
+ "epoch": 1.374485596707819,
1183
+ "grad_norm": 0.11167870227165867,
1184
+ "learning_rate": 0.00013126807412197665,
1185
+ "loss": 0.1469,
1186
+ "step": 167
1187
+ },
1188
+ {
1189
+ "epoch": 1.382716049382716,
1190
+ "grad_norm": 0.110692438020908,
1191
+ "learning_rate": 0.0001303512781842824,
1192
+ "loss": 0.1267,
1193
+ "step": 168
1194
+ },
1195
+ {
1196
+ "epoch": 1.3909465020576133,
1197
+ "grad_norm": 0.11426160677474222,
1198
+ "learning_rate": 0.00012943166361594242,
1199
+ "loss": 0.1308,
1200
+ "step": 169
1201
+ },
1202
+ {
1203
+ "epoch": 1.3991769547325104,
1204
+ "grad_norm": 0.11583690935003194,
1205
+ "learning_rate": 0.00012850931581875723,
1206
+ "loss": 0.1484,
1207
+ "step": 170
1208
+ },
1209
+ {
1210
+ "epoch": 1.4074074074074074,
1211
+ "grad_norm": 0.10018605187361156,
1212
+ "learning_rate": 0.00012758432044835392,
1213
+ "loss": 0.141,
1214
+ "step": 171
1215
+ },
1216
+ {
1217
+ "epoch": 1.4156378600823045,
1218
+ "grad_norm": 0.10604765462173282,
1219
+ "learning_rate": 0.0001266567634062317,
1220
+ "loss": 0.1291,
1221
+ "step": 172
1222
+ },
1223
+ {
1224
+ "epoch": 1.4238683127572016,
1225
+ "grad_norm": 0.10158287607968718,
1226
+ "learning_rate": 0.0001257267308317845,
1227
+ "loss": 0.1276,
1228
+ "step": 173
1229
+ },
1230
+ {
1231
+ "epoch": 1.4320987654320987,
1232
+ "grad_norm": 0.10299808028319524,
1233
+ "learning_rate": 0.00012479430909430108,
1234
+ "loss": 0.1317,
1235
+ "step": 174
1236
+ },
1237
+ {
1238
+ "epoch": 1.4403292181069958,
1239
+ "grad_norm": 0.1118568576111719,
1240
+ "learning_rate": 0.00012385958478494487,
1241
+ "loss": 0.1288,
1242
+ "step": 175
1243
+ },
1244
+ {
1245
+ "epoch": 1.448559670781893,
1246
+ "grad_norm": 0.10353944126895748,
1247
+ "learning_rate": 0.00012292264470871182,
1248
+ "loss": 0.1175,
1249
+ "step": 176
1250
+ },
1251
+ {
1252
+ "epoch": 1.4567901234567902,
1253
+ "grad_norm": 0.11318325883515341,
1254
+ "learning_rate": 0.00012198357587636957,
1255
+ "loss": 0.1304,
1256
+ "step": 177
1257
+ },
1258
+ {
1259
+ "epoch": 1.4650205761316872,
1260
+ "grad_norm": 0.11698708468284778,
1261
+ "learning_rate": 0.00012104246549637683,
1262
+ "loss": 0.143,
1263
+ "step": 178
1264
+ },
1265
+ {
1266
+ "epoch": 1.4732510288065843,
1267
+ "grad_norm": 0.12408074070049697,
1268
+ "learning_rate": 0.00012009940096678452,
1269
+ "loss": 0.1583,
1270
+ "step": 179
1271
+ },
1272
+ {
1273
+ "epoch": 1.4814814814814814,
1274
+ "grad_norm": 0.115849428171122,
1275
+ "learning_rate": 0.00011915446986711953,
1276
+ "loss": 0.1401,
1277
+ "step": 180
1278
+ },
1279
+ {
1280
+ "epoch": 1.4897119341563787,
1281
+ "grad_norm": 0.10498841318355592,
1282
+ "learning_rate": 0.00011820775995025147,
1283
+ "loss": 0.1404,
1284
+ "step": 181
1285
+ },
1286
+ {
1287
+ "epoch": 1.4979423868312758,
1288
+ "grad_norm": 0.11284118297477287,
1289
+ "learning_rate": 0.0001172593591342432,
1290
+ "loss": 0.1479,
1291
+ "step": 182
1292
+ },
1293
+ {
1294
+ "epoch": 1.5061728395061729,
1295
+ "grad_norm": 0.1063063021523787,
1296
+ "learning_rate": 0.00011630935549418627,
1297
+ "loss": 0.1223,
1298
+ "step": 183
1299
+ },
1300
+ {
1301
+ "epoch": 1.51440329218107,
1302
+ "grad_norm": 0.09875055061391125,
1303
+ "learning_rate": 0.00011535783725402163,
1304
+ "loss": 0.1177,
1305
+ "step": 184
1306
+ },
1307
+ {
1308
+ "epoch": 1.522633744855967,
1309
+ "grad_norm": 0.10114695106701617,
1310
+ "learning_rate": 0.00011440489277834645,
1311
+ "loss": 0.1403,
1312
+ "step": 185
1313
+ },
1314
+ {
1315
+ "epoch": 1.5308641975308643,
1316
+ "grad_norm": 0.09017689726172246,
1317
+ "learning_rate": 0.0001134506105642081,
1318
+ "loss": 0.1114,
1319
+ "step": 186
1320
+ },
1321
+ {
1322
+ "epoch": 1.5390946502057612,
1323
+ "grad_norm": 0.09727031699745013,
1324
+ "learning_rate": 0.00011249507923288562,
1325
+ "loss": 0.1368,
1326
+ "step": 187
1327
+ },
1328
+ {
1329
+ "epoch": 1.5473251028806585,
1330
+ "grad_norm": 0.10131253354694934,
1331
+ "learning_rate": 0.0001115383875216598,
1332
+ "loss": 0.1278,
1333
+ "step": 188
1334
+ },
1335
+ {
1336
+ "epoch": 1.5555555555555556,
1337
+ "grad_norm": 0.09766756433474798,
1338
+ "learning_rate": 0.00011058062427557229,
1339
+ "loss": 0.1284,
1340
+ "step": 189
1341
+ },
1342
+ {
1343
+ "epoch": 1.5637860082304527,
1344
+ "grad_norm": 0.09911328195816287,
1345
+ "learning_rate": 0.00010962187843917497,
1346
+ "loss": 0.1284,
1347
+ "step": 190
1348
+ },
1349
+ {
1350
+ "epoch": 1.5720164609053497,
1351
+ "grad_norm": 0.10809617890378591,
1352
+ "learning_rate": 0.0001086622390482699,
1353
+ "loss": 0.1423,
1354
+ "step": 191
1355
+ },
1356
+ {
1357
+ "epoch": 1.5802469135802468,
1358
+ "grad_norm": 0.09456158065899406,
1359
+ "learning_rate": 0.00010770179522164079,
1360
+ "loss": 0.1317,
1361
+ "step": 192
1362
+ },
1363
+ {
1364
+ "epoch": 1.5884773662551441,
1365
+ "grad_norm": 0.09799719160217063,
1366
+ "learning_rate": 0.0001067406361527768,
1367
+ "loss": 0.1356,
1368
+ "step": 193
1369
+ },
1370
+ {
1371
+ "epoch": 1.596707818930041,
1372
+ "grad_norm": 0.09992479118544549,
1373
+ "learning_rate": 0.00010577885110158958,
1374
+ "loss": 0.1292,
1375
+ "step": 194
1376
+ },
1377
+ {
1378
+ "epoch": 1.6049382716049383,
1379
+ "grad_norm": 0.09693089475338096,
1380
+ "learning_rate": 0.00010481652938612374,
1381
+ "loss": 0.1391,
1382
+ "step": 195
1383
+ },
1384
+ {
1385
+ "epoch": 1.6131687242798354,
1386
+ "grad_norm": 0.09217578544631694,
1387
+ "learning_rate": 0.00010385376037426226,
1388
+ "loss": 0.1152,
1389
+ "step": 196
1390
+ },
1391
+ {
1392
+ "epoch": 1.6213991769547325,
1393
+ "grad_norm": 0.09249375316990154,
1394
+ "learning_rate": 0.00010289063347542726,
1395
+ "loss": 0.1154,
1396
+ "step": 197
1397
+ },
1398
+ {
1399
+ "epoch": 1.6296296296296298,
1400
+ "grad_norm": 0.09641811645171969,
1401
+ "learning_rate": 0.00010192723813227672,
1402
+ "loss": 0.1182,
1403
+ "step": 198
1404
+ },
1405
+ {
1406
+ "epoch": 1.6378600823045266,
1407
+ "grad_norm": 0.09748485166957398,
1408
+ "learning_rate": 0.00010096366381239808,
1409
+ "loss": 0.1338,
1410
+ "step": 199
1411
+ },
1412
+ {
1413
+ "epoch": 1.646090534979424,
1414
+ "grad_norm": 0.09383283234337292,
1415
+ "learning_rate": 0.0001,
1416
+ "loss": 0.1235,
1417
+ "step": 200
1418
+ },
1419
+ {
1420
+ "epoch": 1.654320987654321,
1421
+ "grad_norm": 0.09670711594290475,
1422
+ "learning_rate": 9.903633618760195e-05,
1423
+ "loss": 0.1222,
1424
+ "step": 201
1425
+ },
1426
+ {
1427
+ "epoch": 1.662551440329218,
1428
+ "grad_norm": 0.09682675756651625,
1429
+ "learning_rate": 9.807276186772333e-05,
1430
+ "loss": 0.1271,
1431
+ "step": 202
1432
+ },
1433
+ {
1434
+ "epoch": 1.6707818930041154,
1435
+ "grad_norm": 0.09455470748347092,
1436
+ "learning_rate": 9.710936652457276e-05,
1437
+ "loss": 0.1217,
1438
+ "step": 203
1439
+ },
1440
+ {
1441
+ "epoch": 1.6790123456790123,
1442
+ "grad_norm": 0.10988834676545467,
1443
+ "learning_rate": 9.614623962573776e-05,
1444
+ "loss": 0.1288,
1445
+ "step": 204
1446
+ },
1447
+ {
1448
+ "epoch": 1.6872427983539096,
1449
+ "grad_norm": 0.10415165974330459,
1450
+ "learning_rate": 9.518347061387628e-05,
1451
+ "loss": 0.1307,
1452
+ "step": 205
1453
+ },
1454
+ {
1455
+ "epoch": 1.6954732510288066,
1456
+ "grad_norm": 0.10985786659106267,
1457
+ "learning_rate": 9.422114889841044e-05,
1458
+ "loss": 0.1405,
1459
+ "step": 206
1460
+ },
1461
+ {
1462
+ "epoch": 1.7037037037037037,
1463
+ "grad_norm": 0.09921801439791741,
1464
+ "learning_rate": 9.325936384722321e-05,
1465
+ "loss": 0.1421,
1466
+ "step": 207
1467
+ },
1468
+ {
1469
+ "epoch": 1.7119341563786008,
1470
+ "grad_norm": 0.09695464903081527,
1471
+ "learning_rate": 9.229820477835927e-05,
1472
+ "loss": 0.1261,
1473
+ "step": 208
1474
+ },
1475
+ {
1476
+ "epoch": 1.7201646090534979,
1477
+ "grad_norm": 0.09747696306459716,
1478
+ "learning_rate": 9.133776095173015e-05,
1479
+ "loss": 0.1295,
1480
+ "step": 209
1481
+ },
1482
+ {
1483
+ "epoch": 1.7283950617283952,
1484
+ "grad_norm": 0.09028526494291234,
1485
+ "learning_rate": 9.037812156082504e-05,
1486
+ "loss": 0.1148,
1487
+ "step": 210
1488
+ },
1489
+ {
1490
+ "epoch": 1.736625514403292,
1491
+ "grad_norm": 0.11512926087416764,
1492
+ "learning_rate": 8.941937572442773e-05,
1493
+ "loss": 0.1385,
1494
+ "step": 211
1495
+ },
1496
+ {
1497
+ "epoch": 1.7448559670781894,
1498
+ "grad_norm": 0.09719378966338557,
1499
+ "learning_rate": 8.846161247834024e-05,
1500
+ "loss": 0.1308,
1501
+ "step": 212
1502
+ },
1503
+ {
1504
+ "epoch": 1.7530864197530864,
1505
+ "grad_norm": 0.09008557356074057,
1506
+ "learning_rate": 8.750492076711439e-05,
1507
+ "loss": 0.1142,
1508
+ "step": 213
1509
+ },
1510
+ {
1511
+ "epoch": 1.7613168724279835,
1512
+ "grad_norm": 0.10577290101156246,
1513
+ "learning_rate": 8.654938943579194e-05,
1514
+ "loss": 0.1409,
1515
+ "step": 214
1516
+ },
1517
+ {
1518
+ "epoch": 1.7695473251028808,
1519
+ "grad_norm": 0.10122461461639144,
1520
+ "learning_rate": 8.55951072216536e-05,
1521
+ "loss": 0.1314,
1522
+ "step": 215
1523
+ },
1524
+ {
1525
+ "epoch": 1.7777777777777777,
1526
+ "grad_norm": 0.09823573980962558,
1527
+ "learning_rate": 8.464216274597838e-05,
1528
+ "loss": 0.1219,
1529
+ "step": 216
1530
+ },
1531
+ {
1532
+ "epoch": 1.786008230452675,
1533
+ "grad_norm": 0.10401921170876789,
1534
+ "learning_rate": 8.369064450581373e-05,
1535
+ "loss": 0.144,
1536
+ "step": 217
1537
+ },
1538
+ {
1539
+ "epoch": 1.794238683127572,
1540
+ "grad_norm": 0.09078999043742002,
1541
+ "learning_rate": 8.274064086575681e-05,
1542
+ "loss": 0.1146,
1543
+ "step": 218
1544
+ },
1545
+ {
1546
+ "epoch": 1.8024691358024691,
1547
+ "grad_norm": 0.09290736424935679,
1548
+ "learning_rate": 8.179224004974857e-05,
1549
+ "loss": 0.1338,
1550
+ "step": 219
1551
+ },
1552
+ {
1553
+ "epoch": 1.8106995884773662,
1554
+ "grad_norm": 0.10089995497723929,
1555
+ "learning_rate": 8.084553013288048e-05,
1556
+ "loss": 0.1299,
1557
+ "step": 220
1558
+ },
1559
+ {
1560
+ "epoch": 1.8189300411522633,
1561
+ "grad_norm": 0.11086354657368475,
1562
+ "learning_rate": 7.990059903321553e-05,
1563
+ "loss": 0.1413,
1564
+ "step": 221
1565
+ },
1566
+ {
1567
+ "epoch": 1.8271604938271606,
1568
+ "grad_norm": 0.10239856014254489,
1569
+ "learning_rate": 7.89575345036232e-05,
1570
+ "loss": 0.1357,
1571
+ "step": 222
1572
+ },
1573
+ {
1574
+ "epoch": 1.8353909465020575,
1575
+ "grad_norm": 0.10469014425315878,
1576
+ "learning_rate": 7.801642412363041e-05,
1577
+ "loss": 0.1386,
1578
+ "step": 223
1579
+ },
1580
+ {
1581
+ "epoch": 1.8436213991769548,
1582
+ "grad_norm": 0.09567702676769906,
1583
+ "learning_rate": 7.707735529128819e-05,
1584
+ "loss": 0.1191,
1585
+ "step": 224
1586
+ },
1587
+ {
1588
+ "epoch": 1.8518518518518519,
1589
+ "grad_norm": 0.09887833758041985,
1590
+ "learning_rate": 7.614041521505517e-05,
1591
+ "loss": 0.1219,
1592
+ "step": 225
1593
+ },
1594
+ {
1595
+ "epoch": 1.860082304526749,
1596
+ "grad_norm": 0.11752510500534394,
1597
+ "learning_rate": 7.520569090569893e-05,
1598
+ "loss": 0.1436,
1599
+ "step": 226
1600
+ },
1601
+ {
1602
+ "epoch": 1.8683127572016462,
1603
+ "grad_norm": 0.10388061868632578,
1604
+ "learning_rate": 7.427326916821557e-05,
1605
+ "loss": 0.1521,
1606
+ "step": 227
1607
+ },
1608
+ {
1609
+ "epoch": 1.876543209876543,
1610
+ "grad_norm": 0.09472507284073291,
1611
+ "learning_rate": 7.334323659376829e-05,
1612
+ "loss": 0.1309,
1613
+ "step": 228
1614
+ },
1615
+ {
1616
+ "epoch": 1.8847736625514404,
1617
+ "grad_norm": 0.09368373509928322,
1618
+ "learning_rate": 7.24156795516461e-05,
1619
+ "loss": 0.1226,
1620
+ "step": 229
1621
+ },
1622
+ {
1623
+ "epoch": 1.8930041152263375,
1624
+ "grad_norm": 0.09798127382996634,
1625
+ "learning_rate": 7.149068418124281e-05,
1626
+ "loss": 0.134,
1627
+ "step": 230
1628
+ },
1629
+ {
1630
+ "epoch": 1.9012345679012346,
1631
+ "grad_norm": 0.09780244211128043,
1632
+ "learning_rate": 7.056833638405762e-05,
1633
+ "loss": 0.1139,
1634
+ "step": 231
1635
+ },
1636
+ {
1637
+ "epoch": 1.9094650205761317,
1638
+ "grad_norm": 0.09955863946262253,
1639
+ "learning_rate": 6.964872181571764e-05,
1640
+ "loss": 0.1372,
1641
+ "step": 232
1642
+ },
1643
+ {
1644
+ "epoch": 1.9176954732510287,
1645
+ "grad_norm": 0.0999251460303617,
1646
+ "learning_rate": 6.87319258780234e-05,
1647
+ "loss": 0.1302,
1648
+ "step": 233
1649
+ },
1650
+ {
1651
+ "epoch": 1.925925925925926,
1652
+ "grad_norm": 0.10537500302863075,
1653
+ "learning_rate": 6.781803371101774e-05,
1654
+ "loss": 0.1361,
1655
+ "step": 234
1656
+ },
1657
+ {
1658
+ "epoch": 1.934156378600823,
1659
+ "grad_norm": 0.10646426579724969,
1660
+ "learning_rate": 6.690713018507918e-05,
1661
+ "loss": 0.1382,
1662
+ "step": 235
1663
+ },
1664
+ {
1665
+ "epoch": 1.9423868312757202,
1666
+ "grad_norm": 0.09815506133539018,
1667
+ "learning_rate": 6.599929989304035e-05,
1668
+ "loss": 0.1248,
1669
+ "step": 236
1670
+ },
1671
+ {
1672
+ "epoch": 1.9506172839506173,
1673
+ "grad_norm": 0.10476726048050965,
1674
+ "learning_rate": 6.509462714233195e-05,
1675
+ "loss": 0.139,
1676
+ "step": 237
1677
+ },
1678
+ {
1679
+ "epoch": 1.9588477366255144,
1680
+ "grad_norm": 0.10022243654627384,
1681
+ "learning_rate": 6.419319594715339e-05,
1682
+ "loss": 0.1285,
1683
+ "step": 238
1684
+ },
1685
+ {
1686
+ "epoch": 1.9670781893004117,
1687
+ "grad_norm": 0.09626907084774464,
1688
+ "learning_rate": 6.32950900206708e-05,
1689
+ "loss": 0.1345,
1690
+ "step": 239
1691
+ },
1692
+ {
1693
+ "epoch": 1.9753086419753085,
1694
+ "grad_norm": 0.09684684548905444,
1695
+ "learning_rate": 6.240039276724272e-05,
1696
+ "loss": 0.1338,
1697
+ "step": 240
1698
+ },
1699
+ {
1700
+ "epoch": 1.9835390946502058,
1701
+ "grad_norm": 0.09617321255871392,
1702
+ "learning_rate": 6.150918727467455e-05,
1703
+ "loss": 0.1475,
1704
+ "step": 241
1705
+ },
1706
+ {
1707
+ "epoch": 1.991769547325103,
1708
+ "grad_norm": 0.10288685971512879,
1709
+ "learning_rate": 6.062155630650265e-05,
1710
+ "loss": 0.13,
1711
+ "step": 242
1712
+ },
1713
+ {
1714
+ "epoch": 2.0,
1715
+ "grad_norm": 0.09997416312505185,
1716
+ "learning_rate": 5.973758229430806e-05,
1717
+ "loss": 0.1282,
1718
+ "step": 243
1719
+ },
1720
+ {
1721
+ "epoch": 2.0,
1722
+ "eval_loss": 0.14014942944049835,
1723
+ "eval_runtime": 21.1655,
1724
+ "eval_samples_per_second": 38.601,
1725
+ "eval_steps_per_second": 1.228,
1726
+ "step": 243
1727
+ },
1728
+ {
1729
+ "epoch": 2.0082304526748973,
1730
+ "grad_norm": 0.0846538233930147,
1731
+ "learning_rate": 5.885734733006154e-05,
1732
+ "loss": 0.0975,
1733
+ "step": 244
1734
+ },
1735
+ {
1736
+ "epoch": 2.016460905349794,
1737
+ "grad_norm": 0.09549609421876461,
1738
+ "learning_rate": 5.798093315849984e-05,
1739
+ "loss": 0.1102,
1740
+ "step": 245
1741
+ },
1742
+ {
1743
+ "epoch": 2.0246913580246915,
1744
+ "grad_norm": 0.09559068048673255,
1745
+ "learning_rate": 5.710842116953438e-05,
1746
+ "loss": 0.1025,
1747
+ "step": 246
1748
+ },
1749
+ {
1750
+ "epoch": 2.0329218106995883,
1751
+ "grad_norm": 0.10047776150134546,
1752
+ "learning_rate": 5.623989239069275e-05,
1753
+ "loss": 0.1167,
1754
+ "step": 247
1755
+ },
1756
+ {
1757
+ "epoch": 2.0411522633744856,
1758
+ "grad_norm": 0.10670187619168023,
1759
+ "learning_rate": 5.537542747959394e-05,
1760
+ "loss": 0.1115,
1761
+ "step": 248
1762
+ },
1763
+ {
1764
+ "epoch": 2.049382716049383,
1765
+ "grad_norm": 0.10560096207358394,
1766
+ "learning_rate": 5.451510671645807e-05,
1767
+ "loss": 0.117,
1768
+ "step": 249
1769
+ },
1770
+ {
1771
+ "epoch": 2.05761316872428,
1772
+ "grad_norm": 0.10122771696509619,
1773
+ "learning_rate": 5.36590099966507e-05,
1774
+ "loss": 0.1253,
1775
+ "step": 250
1776
+ },
1777
+ {
1778
+ "epoch": 2.065843621399177,
1779
+ "grad_norm": 0.09738370841133107,
1780
+ "learning_rate": 5.2807216823263484e-05,
1781
+ "loss": 0.1188,
1782
+ "step": 251
1783
+ },
1784
+ {
1785
+ "epoch": 2.074074074074074,
1786
+ "grad_norm": 0.09886958144813014,
1787
+ "learning_rate": 5.1959806299730774e-05,
1788
+ "loss": 0.1237,
1789
+ "step": 252
1790
+ },
1791
+ {
1792
+ "epoch": 2.0823045267489713,
1793
+ "grad_norm": 0.10219049090054223,
1794
+ "learning_rate": 5.111685712248364e-05,
1795
+ "loss": 0.1137,
1796
+ "step": 253
1797
+ },
1798
+ {
1799
+ "epoch": 2.090534979423868,
1800
+ "grad_norm": 0.09836202650897583,
1801
+ "learning_rate": 5.0278447573641495e-05,
1802
+ "loss": 0.1196,
1803
+ "step": 254
1804
+ },
1805
+ {
1806
+ "epoch": 2.0987654320987654,
1807
+ "grad_norm": 0.09213881530201376,
1808
+ "learning_rate": 4.944465551374238e-05,
1809
+ "loss": 0.0999,
1810
+ "step": 255
1811
+ },
1812
+ {
1813
+ "epoch": 2.1069958847736627,
1814
+ "grad_norm": 0.09541725924400123,
1815
+ "learning_rate": 4.861555837451213e-05,
1816
+ "loss": 0.1042,
1817
+ "step": 256
1818
+ },
1819
+ {
1820
+ "epoch": 2.1152263374485596,
1821
+ "grad_norm": 0.09856792963956205,
1822
+ "learning_rate": 4.779123315167362e-05,
1823
+ "loss": 0.1139,
1824
+ "step": 257
1825
+ },
1826
+ {
1827
+ "epoch": 2.123456790123457,
1828
+ "grad_norm": 0.09596664358323789,
1829
+ "learning_rate": 4.6971756397796504e-05,
1830
+ "loss": 0.1127,
1831
+ "step": 258
1832
+ },
1833
+ {
1834
+ "epoch": 2.1316872427983538,
1835
+ "grad_norm": 0.10398664110407933,
1836
+ "learning_rate": 4.61572042151878e-05,
1837
+ "loss": 0.1226,
1838
+ "step": 259
1839
+ },
1840
+ {
1841
+ "epoch": 2.139917695473251,
1842
+ "grad_norm": 0.09339956051495163,
1843
+ "learning_rate": 4.5347652248824624e-05,
1844
+ "loss": 0.1099,
1845
+ "step": 260
1846
+ },
1847
+ {
1848
+ "epoch": 2.148148148148148,
1849
+ "grad_norm": 0.09890330904002925,
1850
+ "learning_rate": 4.4543175679329344e-05,
1851
+ "loss": 0.1195,
1852
+ "step": 261
1853
+ },
1854
+ {
1855
+ "epoch": 2.156378600823045,
1856
+ "grad_norm": 0.09997598174399476,
1857
+ "learning_rate": 4.3743849215987595e-05,
1858
+ "loss": 0.1128,
1859
+ "step": 262
1860
+ },
1861
+ {
1862
+ "epoch": 2.1646090534979425,
1863
+ "grad_norm": 0.09613540261918692,
1864
+ "learning_rate": 4.294974708981041e-05,
1865
+ "loss": 0.11,
1866
+ "step": 263
1867
+ },
1868
+ {
1869
+ "epoch": 2.1728395061728394,
1870
+ "grad_norm": 0.09811570643997117,
1871
+ "learning_rate": 4.216094304664056e-05,
1872
+ "loss": 0.1221,
1873
+ "step": 264
1874
+ },
1875
+ {
1876
+ "epoch": 2.1810699588477367,
1877
+ "grad_norm": 0.10130508026732313,
1878
+ "learning_rate": 4.137751034030399e-05,
1879
+ "loss": 0.1147,
1880
+ "step": 265
1881
+ },
1882
+ {
1883
+ "epoch": 2.1893004115226335,
1884
+ "grad_norm": 0.10155247373344696,
1885
+ "learning_rate": 4.059952172580694e-05,
1886
+ "loss": 0.1258,
1887
+ "step": 266
1888
+ },
1889
+ {
1890
+ "epoch": 2.197530864197531,
1891
+ "grad_norm": 0.10114305608112335,
1892
+ "learning_rate": 3.982704945257957e-05,
1893
+ "loss": 0.1125,
1894
+ "step": 267
1895
+ },
1896
+ {
1897
+ "epoch": 2.205761316872428,
1898
+ "grad_norm": 0.09834925536076868,
1899
+ "learning_rate": 3.906016525776611e-05,
1900
+ "loss": 0.1178,
1901
+ "step": 268
1902
+ },
1903
+ {
1904
+ "epoch": 2.213991769547325,
1905
+ "grad_norm": 0.10693349155074929,
1906
+ "learning_rate": 3.829894035956306e-05,
1907
+ "loss": 0.125,
1908
+ "step": 269
1909
+ },
1910
+ {
1911
+ "epoch": 2.2222222222222223,
1912
+ "grad_norm": 0.09467414992649671,
1913
+ "learning_rate": 3.7543445450605285e-05,
1914
+ "loss": 0.1054,
1915
+ "step": 270
1916
+ },
1917
+ {
1918
+ "epoch": 2.230452674897119,
1919
+ "grad_norm": 0.09826633722499567,
1920
+ "learning_rate": 3.6793750691400994e-05,
1921
+ "loss": 0.1066,
1922
+ "step": 271
1923
+ },
1924
+ {
1925
+ "epoch": 2.2386831275720165,
1926
+ "grad_norm": 0.10348161204951604,
1927
+ "learning_rate": 3.6049925703816214e-05,
1928
+ "loss": 0.1144,
1929
+ "step": 272
1930
+ },
1931
+ {
1932
+ "epoch": 2.246913580246914,
1933
+ "grad_norm": 0.10479446585724977,
1934
+ "learning_rate": 3.53120395646092e-05,
1935
+ "loss": 0.1135,
1936
+ "step": 273
1937
+ },
1938
+ {
1939
+ "epoch": 2.2551440329218106,
1940
+ "grad_norm": 0.0951654749026979,
1941
+ "learning_rate": 3.458016079901544e-05,
1942
+ "loss": 0.1074,
1943
+ "step": 274
1944
+ },
1945
+ {
1946
+ "epoch": 2.263374485596708,
1947
+ "grad_norm": 0.11076793087444725,
1948
+ "learning_rate": 3.38543573743839e-05,
1949
+ "loss": 0.1299,
1950
+ "step": 275
1951
+ },
1952
+ {
1953
+ "epoch": 2.271604938271605,
1954
+ "grad_norm": 0.0946857687815803,
1955
+ "learning_rate": 3.3134696693865316e-05,
1956
+ "loss": 0.106,
1957
+ "step": 276
1958
+ },
1959
+ {
1960
+ "epoch": 2.279835390946502,
1961
+ "grad_norm": 0.09607169531950183,
1962
+ "learning_rate": 3.242124559015234e-05,
1963
+ "loss": 0.0966,
1964
+ "step": 277
1965
+ },
1966
+ {
1967
+ "epoch": 2.288065843621399,
1968
+ "grad_norm": 0.10167592887197249,
1969
+ "learning_rate": 3.171407031927325e-05,
1970
+ "loss": 0.1162,
1971
+ "step": 278
1972
+ },
1973
+ {
1974
+ "epoch": 2.2962962962962963,
1975
+ "grad_norm": 0.09726294827804387,
1976
+ "learning_rate": 3.101323655443882e-05,
1977
+ "loss": 0.1139,
1978
+ "step": 279
1979
+ },
1980
+ {
1981
+ "epoch": 2.3045267489711936,
1982
+ "grad_norm": 0.09582434907073016,
1983
+ "learning_rate": 3.031880937994359e-05,
1984
+ "loss": 0.1084,
1985
+ "step": 280
1986
+ },
1987
+ {
1988
+ "epoch": 2.3127572016460904,
1989
+ "grad_norm": 0.11021289451624465,
1990
+ "learning_rate": 2.9630853285121508e-05,
1991
+ "loss": 0.1231,
1992
+ "step": 281
1993
+ },
1994
+ {
1995
+ "epoch": 2.3209876543209877,
1996
+ "grad_norm": 0.09391459178579925,
1997
+ "learning_rate": 2.894943215835708e-05,
1998
+ "loss": 0.1047,
1999
+ "step": 282
2000
+ },
2001
+ {
2002
+ "epoch": 2.3292181069958846,
2003
+ "grad_norm": 0.09899700696295954,
2004
+ "learning_rate": 2.827460928115232e-05,
2005
+ "loss": 0.1101,
2006
+ "step": 283
2007
+ },
2008
+ {
2009
+ "epoch": 2.337448559670782,
2010
+ "grad_norm": 0.09901505034589045,
2011
+ "learning_rate": 2.7606447322249872e-05,
2012
+ "loss": 0.1067,
2013
+ "step": 284
2014
+ },
2015
+ {
2016
+ "epoch": 2.3456790123456788,
2017
+ "grad_norm": 0.10420896589962987,
2018
+ "learning_rate": 2.6945008331813226e-05,
2019
+ "loss": 0.1282,
2020
+ "step": 285
2021
+ },
2022
+ {
2023
+ "epoch": 2.353909465020576,
2024
+ "grad_norm": 0.09729393595160353,
2025
+ "learning_rate": 2.629035373566433e-05,
2026
+ "loss": 0.1023,
2027
+ "step": 286
2028
+ },
2029
+ {
2030
+ "epoch": 2.3621399176954734,
2031
+ "grad_norm": 0.09829406149572398,
2032
+ "learning_rate": 2.5642544329579088e-05,
2033
+ "loss": 0.1155,
2034
+ "step": 287
2035
+ },
2036
+ {
2037
+ "epoch": 2.3703703703703702,
2038
+ "grad_norm": 0.10275430043325989,
2039
+ "learning_rate": 2.500164027364147e-05,
2040
+ "loss": 0.1252,
2041
+ "step": 288
2042
+ },
2043
+ {
2044
+ "epoch": 2.3786008230452675,
2045
+ "grad_norm": 0.10367750094719844,
2046
+ "learning_rate": 2.4367701086656624e-05,
2047
+ "loss": 0.1166,
2048
+ "step": 289
2049
+ },
2050
+ {
2051
+ "epoch": 2.386831275720165,
2052
+ "grad_norm": 0.10274988439011652,
2053
+ "learning_rate": 2.3740785640623643e-05,
2054
+ "loss": 0.1169,
2055
+ "step": 290
2056
+ },
2057
+ {
2058
+ "epoch": 2.3950617283950617,
2059
+ "grad_norm": 0.09057411016580416,
2060
+ "learning_rate": 2.312095215526814e-05,
2061
+ "loss": 0.1026,
2062
+ "step": 291
2063
+ },
2064
+ {
2065
+ "epoch": 2.403292181069959,
2066
+ "grad_norm": 0.104243770759663,
2067
+ "learning_rate": 2.2508258192635612e-05,
2068
+ "loss": 0.1127,
2069
+ "step": 292
2070
+ },
2071
+ {
2072
+ "epoch": 2.411522633744856,
2073
+ "grad_norm": 0.09595429188209968,
2074
+ "learning_rate": 2.1902760651745958e-05,
2075
+ "loss": 0.1117,
2076
+ "step": 293
2077
+ },
2078
+ {
2079
+ "epoch": 2.419753086419753,
2080
+ "grad_norm": 0.10143248145662324,
2081
+ "learning_rate": 2.1304515763309253e-05,
2082
+ "loss": 0.111,
2083
+ "step": 294
2084
+ },
2085
+ {
2086
+ "epoch": 2.42798353909465,
2087
+ "grad_norm": 0.1074361000716321,
2088
+ "learning_rate": 2.0713579084503876e-05,
2089
+ "loss": 0.1222,
2090
+ "step": 295
2091
+ },
2092
+ {
2093
+ "epoch": 2.4362139917695473,
2094
+ "grad_norm": 0.09389635392057138,
2095
+ "learning_rate": 2.013000549381706e-05,
2096
+ "loss": 0.1009,
2097
+ "step": 296
2098
+ },
2099
+ {
2100
+ "epoch": 2.4444444444444446,
2101
+ "grad_norm": 0.0950080424907371,
2102
+ "learning_rate": 1.9553849185948512e-05,
2103
+ "loss": 0.1111,
2104
+ "step": 297
2105
+ },
2106
+ {
2107
+ "epoch": 2.4526748971193415,
2108
+ "grad_norm": 0.09761821744754258,
2109
+ "learning_rate": 1.8985163666777473e-05,
2110
+ "loss": 0.1013,
2111
+ "step": 298
2112
+ },
2113
+ {
2114
+ "epoch": 2.460905349794239,
2115
+ "grad_norm": 0.10939996129330187,
2116
+ "learning_rate": 1.8424001748393905e-05,
2117
+ "loss": 0.1215,
2118
+ "step": 299
2119
+ },
2120
+ {
2121
+ "epoch": 2.4691358024691357,
2122
+ "grad_norm": 0.09848524806568702,
2123
+ "learning_rate": 1.787041554419381e-05,
2124
+ "loss": 0.1,
2125
+ "step": 300
2126
+ },
2127
+ {
2128
+ "epoch": 2.477366255144033,
2129
+ "grad_norm": 0.10208382321734329,
2130
+ "learning_rate": 1.7324456464039752e-05,
2131
+ "loss": 0.1156,
2132
+ "step": 301
2133
+ },
2134
+ {
2135
+ "epoch": 2.48559670781893,
2136
+ "grad_norm": 0.10860830565047937,
2137
+ "learning_rate": 1.6786175209486566e-05,
2138
+ "loss": 0.1135,
2139
+ "step": 302
2140
+ },
2141
+ {
2142
+ "epoch": 2.493827160493827,
2143
+ "grad_norm": 0.11254066618708665,
2144
+ "learning_rate": 1.6255621769072805e-05,
2145
+ "loss": 0.1202,
2146
+ "step": 303
2147
+ },
2148
+ {
2149
+ "epoch": 2.5020576131687244,
2150
+ "grad_norm": 0.09949710536532337,
2151
+ "learning_rate": 1.5732845413678477e-05,
2152
+ "loss": 0.108,
2153
+ "step": 304
2154
+ },
2155
+ {
2156
+ "epoch": 2.5102880658436213,
2157
+ "grad_norm": 0.09871004589964077,
2158
+ "learning_rate": 1.521789469194952e-05,
2159
+ "loss": 0.1048,
2160
+ "step": 305
2161
+ },
2162
+ {
2163
+ "epoch": 2.5185185185185186,
2164
+ "grad_norm": 0.09509589762300931,
2165
+ "learning_rate": 1.4710817425789014e-05,
2166
+ "loss": 0.1108,
2167
+ "step": 306
2168
+ },
2169
+ {
2170
+ "epoch": 2.526748971193416,
2171
+ "grad_norm": 0.09874336616077671,
2172
+ "learning_rate": 1.4211660705916285e-05,
2173
+ "loss": 0.1075,
2174
+ "step": 307
2175
+ },
2176
+ {
2177
+ "epoch": 2.5349794238683128,
2178
+ "grad_norm": 0.10610686628994136,
2179
+ "learning_rate": 1.3720470887493719e-05,
2180
+ "loss": 0.114,
2181
+ "step": 308
2182
+ },
2183
+ {
2184
+ "epoch": 2.5432098765432096,
2185
+ "grad_norm": 0.09371419408053047,
2186
+ "learning_rate": 1.3237293585821786e-05,
2187
+ "loss": 0.1,
2188
+ "step": 309
2189
+ },
2190
+ {
2191
+ "epoch": 2.551440329218107,
2192
+ "grad_norm": 0.097056043473284,
2193
+ "learning_rate": 1.2762173672102996e-05,
2194
+ "loss": 0.1091,
2195
+ "step": 310
2196
+ },
2197
+ {
2198
+ "epoch": 2.5596707818930042,
2199
+ "grad_norm": 0.10289500706688874,
2200
+ "learning_rate": 1.2295155269274827e-05,
2201
+ "loss": 0.108,
2202
+ "step": 311
2203
+ },
2204
+ {
2205
+ "epoch": 2.567901234567901,
2206
+ "grad_norm": 0.10969046879996797,
2207
+ "learning_rate": 1.1836281747912125e-05,
2208
+ "loss": 0.1231,
2209
+ "step": 312
2210
+ },
2211
+ {
2212
+ "epoch": 2.5761316872427984,
2213
+ "grad_norm": 0.09910058926653355,
2214
+ "learning_rate": 1.1385595722199438e-05,
2215
+ "loss": 0.1132,
2216
+ "step": 313
2217
+ },
2218
+ {
2219
+ "epoch": 2.5843621399176957,
2220
+ "grad_norm": 0.0973576033135528,
2221
+ "learning_rate": 1.0943139045973549e-05,
2222
+ "loss": 0.1152,
2223
+ "step": 314
2224
+ },
2225
+ {
2226
+ "epoch": 2.5925925925925926,
2227
+ "grad_norm": 0.10324605327000957,
2228
+ "learning_rate": 1.050895280883668e-05,
2229
+ "loss": 0.119,
2230
+ "step": 315
2231
+ },
2232
+ {
2233
+ "epoch": 2.60082304526749,
2234
+ "grad_norm": 0.09940459072200475,
2235
+ "learning_rate": 1.0083077332340562e-05,
2236
+ "loss": 0.1086,
2237
+ "step": 316
2238
+ },
2239
+ {
2240
+ "epoch": 2.6090534979423867,
2241
+ "grad_norm": 0.10054320644748665,
2242
+ "learning_rate": 9.665552166241964e-06,
2243
+ "loss": 0.1149,
2244
+ "step": 317
2245
+ },
2246
+ {
2247
+ "epoch": 2.617283950617284,
2248
+ "grad_norm": 0.10479612628242368,
2249
+ "learning_rate": 9.256416084829778e-06,
2250
+ "loss": 0.1274,
2251
+ "step": 318
2252
+ },
2253
+ {
2254
+ "epoch": 2.625514403292181,
2255
+ "grad_norm": 0.09669311712494659,
2256
+ "learning_rate": 8.855707083324183e-06,
2257
+ "loss": 0.1165,
2258
+ "step": 319
2259
+ },
2260
+ {
2261
+ "epoch": 2.633744855967078,
2262
+ "grad_norm": 0.09887270600607351,
2263
+ "learning_rate": 8.46346237434813e-06,
2264
+ "loss": 0.1056,
2265
+ "step": 320
2266
+ },
2267
+ {
2268
+ "epoch": 2.6419753086419755,
2269
+ "grad_norm": 0.10455687155682203,
2270
+ "learning_rate": 8.079718384471557e-06,
2271
+ "loss": 0.1152,
2272
+ "step": 321
2273
+ },
2274
+ {
2275
+ "epoch": 2.6502057613168724,
2276
+ "grad_norm": 0.10011518680387445,
2277
+ "learning_rate": 7.704510750828542e-06,
2278
+ "loss": 0.1056,
2279
+ "step": 322
2280
+ },
2281
+ {
2282
+ "epoch": 2.6584362139917697,
2283
+ "grad_norm": 0.09682701363965382,
2284
+ "learning_rate": 7.337874317807802e-06,
2285
+ "loss": 0.1034,
2286
+ "step": 323
2287
+ },
2288
+ {
2289
+ "epoch": 2.6666666666666665,
2290
+ "grad_norm": 0.10000970149912758,
2291
+ "learning_rate": 6.979843133816743e-06,
2292
+ "loss": 0.1119,
2293
+ "step": 324
2294
+ },
2295
+ {
2296
+ "epoch": 2.674897119341564,
2297
+ "grad_norm": 0.10465713299866858,
2298
+ "learning_rate": 6.630450448119618e-06,
2299
+ "loss": 0.1183,
2300
+ "step": 325
2301
+ },
2302
+ {
2303
+ "epoch": 2.6831275720164607,
2304
+ "grad_norm": 0.10068814150000575,
2305
+ "learning_rate": 6.289728707749609e-06,
2306
+ "loss": 0.11,
2307
+ "step": 326
2308
+ },
2309
+ {
2310
+ "epoch": 2.691358024691358,
2311
+ "grad_norm": 0.09310993381960417,
2312
+ "learning_rate": 5.957709554495683e-06,
2313
+ "loss": 0.103,
2314
+ "step": 327
2315
+ },
2316
+ {
2317
+ "epoch": 2.6995884773662553,
2318
+ "grad_norm": 0.10472398535370353,
2319
+ "learning_rate": 5.634423821964074e-06,
2320
+ "loss": 0.1161,
2321
+ "step": 328
2322
+ },
2323
+ {
2324
+ "epoch": 2.707818930041152,
2325
+ "grad_norm": 0.10645507272996577,
2326
+ "learning_rate": 5.319901532714877e-06,
2327
+ "loss": 0.1217,
2328
+ "step": 329
2329
+ },
2330
+ {
2331
+ "epoch": 2.7160493827160495,
2332
+ "grad_norm": 0.10602188133639034,
2333
+ "learning_rate": 5.014171895473929e-06,
2334
+ "loss": 0.1144,
2335
+ "step": 330
2336
+ },
2337
+ {
2338
+ "epoch": 2.7242798353909468,
2339
+ "grad_norm": 0.10289659614865782,
2340
+ "learning_rate": 4.717263302420283e-06,
2341
+ "loss": 0.1079,
2342
+ "step": 331
2343
+ },
2344
+ {
2345
+ "epoch": 2.7325102880658436,
2346
+ "grad_norm": 0.09777304769239446,
2347
+ "learning_rate": 4.429203326549525e-06,
2348
+ "loss": 0.0999,
2349
+ "step": 332
2350
+ },
2351
+ {
2352
+ "epoch": 2.7407407407407405,
2353
+ "grad_norm": 0.1006102230121861,
2354
+ "learning_rate": 4.1500187191131466e-06,
2355
+ "loss": 0.099,
2356
+ "step": 333
2357
+ },
2358
+ {
2359
+ "epoch": 2.748971193415638,
2360
+ "grad_norm": 0.10180225031662725,
2361
+ "learning_rate": 3.879735407134244e-06,
2362
+ "loss": 0.1173,
2363
+ "step": 334
2364
+ },
2365
+ {
2366
+ "epoch": 2.757201646090535,
2367
+ "grad_norm": 0.10250402250260239,
2368
+ "learning_rate": 3.6183784909997187e-06,
2369
+ "loss": 0.1139,
2370
+ "step": 335
2371
+ },
2372
+ {
2373
+ "epoch": 2.765432098765432,
2374
+ "grad_norm": 0.10615733085722019,
2375
+ "learning_rate": 3.3659722421293783e-06,
2376
+ "loss": 0.1133,
2377
+ "step": 336
2378
+ },
2379
+ {
2380
+ "epoch": 2.7736625514403292,
2381
+ "grad_norm": 0.10439855178259218,
2382
+ "learning_rate": 3.1225401007217936e-06,
2383
+ "loss": 0.1119,
2384
+ "step": 337
2385
+ },
2386
+ {
2387
+ "epoch": 2.7818930041152266,
2388
+ "grad_norm": 0.10526144305704047,
2389
+ "learning_rate": 2.8881046735775742e-06,
2390
+ "loss": 0.1219,
2391
+ "step": 338
2392
+ },
2393
+ {
2394
+ "epoch": 2.7901234567901234,
2395
+ "grad_norm": 0.10521105916873999,
2396
+ "learning_rate": 2.66268773199988e-06,
2397
+ "loss": 0.1074,
2398
+ "step": 339
2399
+ },
2400
+ {
2401
+ "epoch": 2.7983539094650207,
2402
+ "grad_norm": 0.10748613106096833,
2403
+ "learning_rate": 2.446310209772684e-06,
2404
+ "loss": 0.1128,
2405
+ "step": 340
2406
+ },
2407
+ {
2408
+ "epoch": 2.8065843621399176,
2409
+ "grad_norm": 0.09914523804031186,
2410
+ "learning_rate": 2.2389922012165944e-06,
2411
+ "loss": 0.1121,
2412
+ "step": 341
2413
+ },
2414
+ {
2415
+ "epoch": 2.814814814814815,
2416
+ "grad_norm": 0.09936886240495578,
2417
+ "learning_rate": 2.0407529593228116e-06,
2418
+ "loss": 0.108,
2419
+ "step": 342
2420
+ },
2421
+ {
2422
+ "epoch": 2.8230452674897117,
2423
+ "grad_norm": 0.09150083914451453,
2424
+ "learning_rate": 1.8516108939651945e-06,
2425
+ "loss": 0.1033,
2426
+ "step": 343
2427
+ },
2428
+ {
2429
+ "epoch": 2.831275720164609,
2430
+ "grad_norm": 0.10108462806007419,
2431
+ "learning_rate": 1.6715835701905603e-06,
2432
+ "loss": 0.1126,
2433
+ "step": 344
2434
+ },
2435
+ {
2436
+ "epoch": 2.8395061728395063,
2437
+ "grad_norm": 0.09387291972239033,
2438
+ "learning_rate": 1.5006877065874336e-06,
2439
+ "loss": 0.1033,
2440
+ "step": 345
2441
+ },
2442
+ {
2443
+ "epoch": 2.847736625514403,
2444
+ "grad_norm": 0.10136947076698849,
2445
+ "learning_rate": 1.3389391737335112e-06,
2446
+ "loss": 0.1104,
2447
+ "step": 346
2448
+ },
2449
+ {
2450
+ "epoch": 2.8559670781893005,
2451
+ "grad_norm": 0.09974875048963104,
2452
+ "learning_rate": 1.1863529927217732e-06,
2453
+ "loss": 0.1043,
2454
+ "step": 347
2455
+ },
2456
+ {
2457
+ "epoch": 2.8641975308641974,
2458
+ "grad_norm": 0.1025752381453182,
2459
+ "learning_rate": 1.0429433337655115e-06,
2460
+ "loss": 0.1122,
2461
+ "step": 348
2462
+ },
2463
+ {
2464
+ "epoch": 2.8724279835390947,
2465
+ "grad_norm": 0.10454016619792661,
2466
+ "learning_rate": 9.087235148824368e-07,
2467
+ "loss": 0.1184,
2468
+ "step": 349
2469
+ },
2470
+ {
2471
+ "epoch": 2.8806584362139915,
2472
+ "grad_norm": 0.09589319596591109,
2473
+ "learning_rate": 7.837060006577801e-07,
2474
+ "loss": 0.1046,
2475
+ "step": 350
2476
+ },
2477
+ {
2478
+ "epoch": 2.888888888888889,
2479
+ "grad_norm": 0.09451088377127861,
2480
+ "learning_rate": 6.679024010868618e-07,
2481
+ "loss": 0.1103,
2482
+ "step": 351
2483
+ },
2484
+ {
2485
+ "epoch": 2.897119341563786,
2486
+ "grad_norm": 0.09770471400992828,
2487
+ "learning_rate": 5.613234704967996e-07,
2488
+ "loss": 0.1027,
2489
+ "step": 352
2490
+ },
2491
+ {
2492
+ "epoch": 2.905349794238683,
2493
+ "grad_norm": 0.09543457833989027,
2494
+ "learning_rate": 4.639791065478738e-07,
2495
+ "loss": 0.1025,
2496
+ "step": 353
2497
+ },
2498
+ {
2499
+ "epoch": 2.9135802469135803,
2500
+ "grad_norm": 0.10382486799240734,
2501
+ "learning_rate": 3.758783493142737e-07,
2502
+ "loss": 0.118,
2503
+ "step": 354
2504
+ },
2505
+ {
2506
+ "epoch": 2.9218106995884776,
2507
+ "grad_norm": 0.1030393593220336,
2508
+ "learning_rate": 2.9702938044468e-07,
2509
+ "loss": 0.1179,
2510
+ "step": 355
2511
+ },
2512
+ {
2513
+ "epoch": 2.9300411522633745,
2514
+ "grad_norm": 0.10073287500645238,
2515
+ "learning_rate": 2.2743952240236176e-07,
2516
+ "loss": 0.1058,
2517
+ "step": 356
2518
+ },
2519
+ {
2520
+ "epoch": 2.9382716049382713,
2521
+ "grad_norm": 0.10064431575396734,
2522
+ "learning_rate": 1.6711523778520921e-07,
2523
+ "loss": 0.1061,
2524
+ "step": 357
2525
+ },
2526
+ {
2527
+ "epoch": 2.9465020576131686,
2528
+ "grad_norm": 0.08907660041993512,
2529
+ "learning_rate": 1.1606212872559141e-07,
2530
+ "loss": 0.0985,
2531
+ "step": 358
2532
+ },
2533
+ {
2534
+ "epoch": 2.954732510288066,
2535
+ "grad_norm": 0.10069703961300915,
2536
+ "learning_rate": 7.428493637002821e-08,
2537
+ "loss": 0.1107,
2538
+ "step": 359
2539
+ },
2540
+ {
2541
+ "epoch": 2.962962962962963,
2542
+ "grad_norm": 0.09834578070623724,
2543
+ "learning_rate": 4.178754043898669e-08,
2544
+ "loss": 0.1056,
2545
+ "step": 360
2546
+ },
2547
+ {
2548
+ "epoch": 2.97119341563786,
2549
+ "grad_norm": 0.10056360393735715,
2550
+ "learning_rate": 1.8572958866514e-08,
2551
+ "loss": 0.1123,
2552
+ "step": 361
2553
+ },
2554
+ {
2555
+ "epoch": 2.9794238683127574,
2556
+ "grad_norm": 0.0943621498377698,
2557
+ "learning_rate": 4.643347520005836e-09,
2558
+ "loss": 0.1045,
2559
+ "step": 362
2560
+ },
2561
+ {
2562
+ "epoch": 2.9876543209876543,
2563
+ "grad_norm": 0.09983652481727213,
2564
+ "learning_rate": 0.0,
2565
+ "loss": 0.1135,
2566
+ "step": 363
2567
+ },
2568
+ {
2569
+ "epoch": 2.9876543209876543,
2570
+ "eval_loss": 0.13842210173606873,
2571
+ "eval_runtime": 21.2699,
2572
+ "eval_samples_per_second": 38.411,
2573
+ "eval_steps_per_second": 1.222,
2574
+ "step": 363
2575
+ },
2576
+ {
2577
+ "epoch": 2.9876543209876543,
2578
+ "step": 363,
2579
+ "total_flos": 9.618537139981517e+16,
2580
+ "train_loss": 0.21143763487742953,
2581
+ "train_runtime": 3172.33,
2582
+ "train_samples_per_second": 14.668,
2583
+ "train_steps_per_second": 0.114
2584
+ }
2585
+ ],
2586
+ "logging_steps": 1,
2587
+ "max_steps": 363,
2588
+ "num_input_tokens_seen": 0,
2589
+ "num_train_epochs": 3,
2590
+ "save_steps": 500,
2591
+ "stateful_callbacks": {
2592
+ "TrainerControl": {
2593
+ "args": {
2594
+ "should_epoch_stop": false,
2595
+ "should_evaluate": false,
2596
+ "should_log": false,
2597
+ "should_save": true,
2598
+ "should_training_stop": true
2599
+ },
2600
+ "attributes": {}
2601
+ }
2602
+ },
2603
+ "total_flos": 9.618537139981517e+16,
2604
+ "train_batch_size": 8,
2605
+ "trial_name": null,
2606
+ "trial_params": null
2607
+ }