c10 commited on
Commit
1cf5512
1 Parent(s): 173927d

Model save

Browse files
Files changed (4) hide show
  1. README.md +64 -0
  2. all_results.json +9 -0
  3. train_results.json +9 -0
  4. trainer_state.json +2759 -0
README.md ADDED
@@ -0,0 +1,64 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: apache-2.0
3
+ base_model: yanolja/EEVE-Korean-Instruct-10.8B-v1.0
4
+ tags:
5
+ - trl
6
+ - sft
7
+ - generated_from_trainer
8
+ model-index:
9
+ - name: eeve-10.8B_A
10
+ results: []
11
+ ---
12
+
13
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
14
+ should probably proofread and complete it, then remove this comment. -->
15
+
16
+ # eeve-10.8B_A
17
+
18
+ This model is a fine-tuned version of [yanolja/EEVE-Korean-Instruct-10.8B-v1.0](https://huggingface.co/yanolja/EEVE-Korean-Instruct-10.8B-v1.0) on the None dataset.
19
+ It achieves the following results on the evaluation set:
20
+ - Loss: 0.3819
21
+
22
+ ## Model description
23
+
24
+ More information needed
25
+
26
+ ## Intended uses & limitations
27
+
28
+ More information needed
29
+
30
+ ## Training and evaluation data
31
+
32
+ More information needed
33
+
34
+ ## Training procedure
35
+
36
+ ### Training hyperparameters
37
+
38
+ The following hyperparameters were used during training:
39
+ - learning_rate: 1e-05
40
+ - train_batch_size: 16
41
+ - eval_batch_size: 8
42
+ - seed: 42
43
+ - distributed_type: multi-GPU
44
+ - num_devices: 3
45
+ - total_train_batch_size: 48
46
+ - total_eval_batch_size: 24
47
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
48
+ - lr_scheduler_type: cosine
49
+ - lr_scheduler_warmup_ratio: 0.1
50
+ - num_epochs: 1
51
+
52
+ ### Training results
53
+
54
+ | Training Loss | Epoch | Step | Validation Loss |
55
+ |:-------------:|:-----:|:----:|:---------------:|
56
+ | 0.1694 | 1.0 | 387 | 0.3819 |
57
+
58
+
59
+ ### Framework versions
60
+
61
+ - Transformers 4.41.2
62
+ - Pytorch 2.1.2
63
+ - Datasets 2.20.0
64
+ - Tokenizers 0.19.1
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "total_flos": 1.3654500629387674e+17,
4
+ "train_loss": 0.24298929205544542,
5
+ "train_runtime": 1239.3737,
6
+ "train_samples": 18568,
7
+ "train_samples_per_second": 14.982,
8
+ "train_steps_per_second": 0.312
9
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "total_flos": 1.3654500629387674e+17,
4
+ "train_loss": 0.24298929205544542,
5
+ "train_runtime": 1239.3737,
6
+ "train_samples": 18568,
7
+ "train_samples_per_second": 14.982,
8
+ "train_steps_per_second": 0.312
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,2759 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.0,
5
+ "eval_steps": 500,
6
+ "global_step": 387,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.002583979328165375,
13
+ "grad_norm": 62.7838249206543,
14
+ "learning_rate": 2.564102564102564e-07,
15
+ "loss": 1.8986,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.00516795865633075,
20
+ "grad_norm": 64.10289001464844,
21
+ "learning_rate": 5.128205128205128e-07,
22
+ "loss": 1.8868,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.007751937984496124,
27
+ "grad_norm": 64.08220672607422,
28
+ "learning_rate": 7.692307692307694e-07,
29
+ "loss": 1.9136,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.0103359173126615,
34
+ "grad_norm": 57.040557861328125,
35
+ "learning_rate": 1.0256410256410257e-06,
36
+ "loss": 1.7739,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.012919896640826873,
41
+ "grad_norm": 49.75514602661133,
42
+ "learning_rate": 1.282051282051282e-06,
43
+ "loss": 1.5788,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.015503875968992248,
48
+ "grad_norm": 55.35374450683594,
49
+ "learning_rate": 1.5384615384615387e-06,
50
+ "loss": 1.1322,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.01808785529715762,
55
+ "grad_norm": 40.152645111083984,
56
+ "learning_rate": 1.794871794871795e-06,
57
+ "loss": 0.8061,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.020671834625323,
62
+ "grad_norm": 38.397464752197266,
63
+ "learning_rate": 2.0512820512820513e-06,
64
+ "loss": 0.5469,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.023255813953488372,
69
+ "grad_norm": 18.86681365966797,
70
+ "learning_rate": 2.307692307692308e-06,
71
+ "loss": 0.4388,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.025839793281653745,
76
+ "grad_norm": 48.16230773925781,
77
+ "learning_rate": 2.564102564102564e-06,
78
+ "loss": 0.4077,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.028423772609819122,
83
+ "grad_norm": 38.27500534057617,
84
+ "learning_rate": 2.8205128205128207e-06,
85
+ "loss": 0.374,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.031007751937984496,
90
+ "grad_norm": 10.813103675842285,
91
+ "learning_rate": 3.0769230769230774e-06,
92
+ "loss": 0.3252,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.03359173126614987,
97
+ "grad_norm": 32.890769958496094,
98
+ "learning_rate": 3.3333333333333333e-06,
99
+ "loss": 0.3145,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.03617571059431524,
104
+ "grad_norm": 20.16728973388672,
105
+ "learning_rate": 3.58974358974359e-06,
106
+ "loss": 0.3279,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.03875968992248062,
111
+ "grad_norm": 37.158111572265625,
112
+ "learning_rate": 3.846153846153847e-06,
113
+ "loss": 0.3358,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.041343669250646,
118
+ "grad_norm": 10.882681846618652,
119
+ "learning_rate": 4.102564102564103e-06,
120
+ "loss": 0.2804,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.04392764857881137,
125
+ "grad_norm": 57.284584045410156,
126
+ "learning_rate": 4.358974358974359e-06,
127
+ "loss": 0.3743,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.046511627906976744,
132
+ "grad_norm": 93.74513244628906,
133
+ "learning_rate": 4.615384615384616e-06,
134
+ "loss": 0.2806,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.04909560723514212,
139
+ "grad_norm": 123.45682525634766,
140
+ "learning_rate": 4.871794871794872e-06,
141
+ "loss": 0.4188,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.05167958656330749,
146
+ "grad_norm": 35.84373474121094,
147
+ "learning_rate": 5.128205128205128e-06,
148
+ "loss": 0.4117,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.05426356589147287,
153
+ "grad_norm": 49.38902282714844,
154
+ "learning_rate": 5.384615384615385e-06,
155
+ "loss": 0.3442,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.056847545219638244,
160
+ "grad_norm": 19.53158187866211,
161
+ "learning_rate": 5.641025641025641e-06,
162
+ "loss": 0.2894,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.059431524547803614,
167
+ "grad_norm": 12.666043281555176,
168
+ "learning_rate": 5.897435897435898e-06,
169
+ "loss": 0.3197,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.06201550387596899,
174
+ "grad_norm": 52.884456634521484,
175
+ "learning_rate": 6.153846153846155e-06,
176
+ "loss": 0.3199,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.06459948320413436,
181
+ "grad_norm": 5.781566619873047,
182
+ "learning_rate": 6.410256410256412e-06,
183
+ "loss": 0.2521,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.06718346253229975,
188
+ "grad_norm": 3.7365846633911133,
189
+ "learning_rate": 6.666666666666667e-06,
190
+ "loss": 0.2781,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.06976744186046512,
195
+ "grad_norm": 4.0676984786987305,
196
+ "learning_rate": 6.923076923076923e-06,
197
+ "loss": 0.2917,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.07235142118863049,
202
+ "grad_norm": 5.059348106384277,
203
+ "learning_rate": 7.17948717948718e-06,
204
+ "loss": 0.2666,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.07493540051679587,
209
+ "grad_norm": 3.9822773933410645,
210
+ "learning_rate": 7.435897435897437e-06,
211
+ "loss": 0.2698,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.07751937984496124,
216
+ "grad_norm": 3.6662659645080566,
217
+ "learning_rate": 7.692307692307694e-06,
218
+ "loss": 0.2721,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.08010335917312661,
223
+ "grad_norm": 3.566708564758301,
224
+ "learning_rate": 7.948717948717949e-06,
225
+ "loss": 0.2911,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.082687338501292,
230
+ "grad_norm": 3.4506027698516846,
231
+ "learning_rate": 8.205128205128205e-06,
232
+ "loss": 0.2726,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.08527131782945736,
237
+ "grad_norm": 2.4874958992004395,
238
+ "learning_rate": 8.461538461538462e-06,
239
+ "loss": 0.2268,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.08785529715762273,
244
+ "grad_norm": 4.3625593185424805,
245
+ "learning_rate": 8.717948717948719e-06,
246
+ "loss": 0.2766,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.09043927648578812,
251
+ "grad_norm": 3.773474931716919,
252
+ "learning_rate": 8.974358974358976e-06,
253
+ "loss": 0.2716,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.09302325581395349,
258
+ "grad_norm": 2.7108590602874756,
259
+ "learning_rate": 9.230769230769232e-06,
260
+ "loss": 0.2393,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.09560723514211886,
265
+ "grad_norm": 2.9571542739868164,
266
+ "learning_rate": 9.487179487179487e-06,
267
+ "loss": 0.2368,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.09819121447028424,
272
+ "grad_norm": 3.408618688583374,
273
+ "learning_rate": 9.743589743589744e-06,
274
+ "loss": 0.2746,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.10077519379844961,
279
+ "grad_norm": 3.4680657386779785,
280
+ "learning_rate": 1e-05,
281
+ "loss": 0.309,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.10335917312661498,
286
+ "grad_norm": 2.9482579231262207,
287
+ "learning_rate": 9.999796259054765e-06,
288
+ "loss": 0.2705,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.10594315245478036,
293
+ "grad_norm": 2.75227427482605,
294
+ "learning_rate": 9.999185052823207e-06,
295
+ "loss": 0.2693,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.10852713178294573,
300
+ "grad_norm": 3.2529563903808594,
301
+ "learning_rate": 9.998166431116421e-06,
302
+ "loss": 0.2803,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.1111111111111111,
307
+ "grad_norm": 3.7899768352508545,
308
+ "learning_rate": 9.996740476948386e-06,
309
+ "loss": 0.2532,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.11369509043927649,
314
+ "grad_norm": 3.1697609424591064,
315
+ "learning_rate": 9.994907306529203e-06,
316
+ "loss": 0.305,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.11627906976744186,
321
+ "grad_norm": 11.274734497070312,
322
+ "learning_rate": 9.99266706925562e-06,
323
+ "loss": 0.2741,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.11886304909560723,
328
+ "grad_norm": 2.9524729251861572,
329
+ "learning_rate": 9.990019947698864e-06,
330
+ "loss": 0.2557,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.12144702842377261,
335
+ "grad_norm": 2.668808698654175,
336
+ "learning_rate": 9.986966157589751e-06,
337
+ "loss": 0.2625,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.12403100775193798,
342
+ "grad_norm": 2.914754629135132,
343
+ "learning_rate": 9.983505947801115e-06,
344
+ "loss": 0.2967,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.12661498708010335,
349
+ "grad_norm": 33.38725662231445,
350
+ "learning_rate": 9.979639600327522e-06,
351
+ "loss": 0.3238,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.12919896640826872,
356
+ "grad_norm": 6.390991687774658,
357
+ "learning_rate": 9.975367430262289e-06,
358
+ "loss": 0.32,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.13178294573643412,
363
+ "grad_norm": 3.03119158744812,
364
+ "learning_rate": 9.970689785771798e-06,
365
+ "loss": 0.2721,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.1343669250645995,
370
+ "grad_norm": 2.6381173133850098,
371
+ "learning_rate": 9.965607048067138e-06,
372
+ "loss": 0.2948,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.13695090439276486,
377
+ "grad_norm": 2.643310308456421,
378
+ "learning_rate": 9.960119631373023e-06,
379
+ "loss": 0.2734,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.13953488372093023,
384
+ "grad_norm": 2.6558730602264404,
385
+ "learning_rate": 9.954227982894034e-06,
386
+ "loss": 0.24,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.1421188630490956,
391
+ "grad_norm": 2.789214849472046,
392
+ "learning_rate": 9.947932582778188e-06,
393
+ "loss": 0.2775,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.14470284237726097,
398
+ "grad_norm": 2.645108699798584,
399
+ "learning_rate": 9.941233944077789e-06,
400
+ "loss": 0.2572,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.14728682170542637,
405
+ "grad_norm": 3.7391746044158936,
406
+ "learning_rate": 9.934132612707631e-06,
407
+ "loss": 0.2821,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.14987080103359174,
412
+ "grad_norm": 2.756499767303467,
413
+ "learning_rate": 9.9266291674005e-06,
414
+ "loss": 0.3018,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.1524547803617571,
419
+ "grad_norm": 2.3780715465545654,
420
+ "learning_rate": 9.918724219660013e-06,
421
+ "loss": 0.2512,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.15503875968992248,
426
+ "grad_norm": 2.6783838272094727,
427
+ "learning_rate": 9.91041841371078e-06,
428
+ "loss": 0.2781,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.15762273901808785,
433
+ "grad_norm": 2.859645366668701,
434
+ "learning_rate": 9.901712426445901e-06,
435
+ "loss": 0.2558,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.16020671834625322,
440
+ "grad_norm": 2.2829370498657227,
441
+ "learning_rate": 9.892606967371808e-06,
442
+ "loss": 0.2794,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.16279069767441862,
447
+ "grad_norm": 2.7090861797332764,
448
+ "learning_rate": 9.883102778550434e-06,
449
+ "loss": 0.2788,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.165374677002584,
454
+ "grad_norm": 2.501798391342163,
455
+ "learning_rate": 9.873200634538746e-06,
456
+ "loss": 0.2796,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.16795865633074936,
461
+ "grad_norm": 3.149674654006958,
462
+ "learning_rate": 9.862901342325617e-06,
463
+ "loss": 0.2729,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.17054263565891473,
468
+ "grad_norm": 2.2722795009613037,
469
+ "learning_rate": 9.852205741266058e-06,
470
+ "loss": 0.2346,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.1731266149870801,
475
+ "grad_norm": 2.7709732055664062,
476
+ "learning_rate": 9.841114703012817e-06,
477
+ "loss": 0.2748,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.17571059431524547,
482
+ "grad_norm": 3.9952242374420166,
483
+ "learning_rate": 9.829629131445342e-06,
484
+ "loss": 0.2411,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.17829457364341086,
489
+ "grad_norm": 2.783984661102295,
490
+ "learning_rate": 9.817749962596115e-06,
491
+ "loss": 0.2729,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.18087855297157623,
496
+ "grad_norm": 12.138313293457031,
497
+ "learning_rate": 9.805478164574374e-06,
498
+ "loss": 0.2857,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.1834625322997416,
503
+ "grad_norm": 2.2798404693603516,
504
+ "learning_rate": 9.792814737487207e-06,
505
+ "loss": 0.2451,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.18604651162790697,
510
+ "grad_norm": 3.0709733963012695,
511
+ "learning_rate": 9.77976071335806e-06,
512
+ "loss": 0.2786,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.18863049095607234,
517
+ "grad_norm": 4.135012626647949,
518
+ "learning_rate": 9.766317156042615e-06,
519
+ "loss": 0.277,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.19121447028423771,
524
+ "grad_norm": 2.4989020824432373,
525
+ "learning_rate": 9.752485161142103e-06,
526
+ "loss": 0.2699,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.1937984496124031,
531
+ "grad_norm": 2.8741238117218018,
532
+ "learning_rate": 9.738265855914014e-06,
533
+ "loss": 0.2795,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.19638242894056848,
538
+ "grad_norm": 2.3612139225006104,
539
+ "learning_rate": 9.723660399180216e-06,
540
+ "loss": 0.2463,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.19896640826873385,
545
+ "grad_norm": 2.699559450149536,
546
+ "learning_rate": 9.708669981232542e-06,
547
+ "loss": 0.2465,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.20155038759689922,
552
+ "grad_norm": 39.061222076416016,
553
+ "learning_rate": 9.693295823735754e-06,
554
+ "loss": 0.3251,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.2041343669250646,
559
+ "grad_norm": 2.360377311706543,
560
+ "learning_rate": 9.677539179628005e-06,
561
+ "loss": 0.2518,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.20671834625322996,
566
+ "grad_norm": 2.389756679534912,
567
+ "learning_rate": 9.661401333018725e-06,
568
+ "loss": 0.2622,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.20930232558139536,
573
+ "grad_norm": 2.4635751247406006,
574
+ "learning_rate": 9.644883599083959e-06,
575
+ "loss": 0.2455,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.21188630490956073,
580
+ "grad_norm": 2.5251641273498535,
581
+ "learning_rate": 9.627987323959195e-06,
582
+ "loss": 0.2401,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.2144702842377261,
587
+ "grad_norm": 2.14884090423584,
588
+ "learning_rate": 9.610713884629667e-06,
589
+ "loss": 0.2406,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.21705426356589147,
594
+ "grad_norm": 2.0660107135772705,
595
+ "learning_rate": 9.59306468881811e-06,
596
+ "loss": 0.2491,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.21963824289405684,
601
+ "grad_norm": 2.663794994354248,
602
+ "learning_rate": 9.575041174870062e-06,
603
+ "loss": 0.2831,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.2222222222222222,
608
+ "grad_norm": 2.469634532928467,
609
+ "learning_rate": 9.556644811636628e-06,
610
+ "loss": 0.2507,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.2248062015503876,
615
+ "grad_norm": 2.5127339363098145,
616
+ "learning_rate": 9.537877098354787e-06,
617
+ "loss": 0.2913,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.22739018087855298,
622
+ "grad_norm": 2.2336297035217285,
623
+ "learning_rate": 9.51873956452519e-06,
624
+ "loss": 0.2717,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.22997416020671835,
629
+ "grad_norm": 2.478989601135254,
630
+ "learning_rate": 9.499233769787534e-06,
631
+ "loss": 0.2641,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.23255813953488372,
636
+ "grad_norm": 2.26320219039917,
637
+ "learning_rate": 9.479361303793441e-06,
638
+ "loss": 0.244,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.2351421188630491,
643
+ "grad_norm": 2.4783589839935303,
644
+ "learning_rate": 9.459123786076911e-06,
645
+ "loss": 0.2624,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.23772609819121446,
650
+ "grad_norm": 2.497413158416748,
651
+ "learning_rate": 9.438522865922344e-06,
652
+ "loss": 0.2582,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.24031007751937986,
657
+ "grad_norm": 2.4520232677459717,
658
+ "learning_rate": 9.417560222230115e-06,
659
+ "loss": 0.2624,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.24289405684754523,
664
+ "grad_norm": 2.1241888999938965,
665
+ "learning_rate": 9.396237563379761e-06,
666
+ "loss": 0.2234,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.2454780361757106,
671
+ "grad_norm": 2.104245185852051,
672
+ "learning_rate": 9.374556627090749e-06,
673
+ "loss": 0.2348,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.24806201550387597,
678
+ "grad_norm": 2.5402724742889404,
679
+ "learning_rate": 9.352519180280862e-06,
680
+ "loss": 0.2638,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.25064599483204136,
685
+ "grad_norm": 2.360741376876831,
686
+ "learning_rate": 9.330127018922195e-06,
687
+ "loss": 0.2612,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.2532299741602067,
692
+ "grad_norm": 3.073049545288086,
693
+ "learning_rate": 9.307381967894798e-06,
694
+ "loss": 0.2675,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.2558139534883721,
699
+ "grad_norm": 2.8394110202789307,
700
+ "learning_rate": 9.284285880837947e-06,
701
+ "loss": 0.2323,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.25839793281653745,
706
+ "grad_norm": 2.1594583988189697,
707
+ "learning_rate": 9.26084063999909e-06,
708
+ "loss": 0.2501,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.26098191214470284,
713
+ "grad_norm": 2.01662278175354,
714
+ "learning_rate": 9.237048156080433e-06,
715
+ "loss": 0.2424,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.26356589147286824,
720
+ "grad_norm": 1.9394747018814087,
721
+ "learning_rate": 9.212910368083246e-06,
722
+ "loss": 0.224,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.2661498708010336,
727
+ "grad_norm": 2.2723138332366943,
728
+ "learning_rate": 9.188429243149824e-06,
729
+ "loss": 0.2295,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.268733850129199,
734
+ "grad_norm": 2.6535990238189697,
735
+ "learning_rate": 9.163606776403182e-06,
736
+ "loss": 0.2661,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.2713178294573643,
741
+ "grad_norm": 2.0946295261383057,
742
+ "learning_rate": 9.138444990784455e-06,
743
+ "loss": 0.2572,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.2739018087855297,
748
+ "grad_norm": 1.9430915117263794,
749
+ "learning_rate": 9.112945936888034e-06,
750
+ "loss": 0.2388,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.27648578811369506,
755
+ "grad_norm": 1.6468437910079956,
756
+ "learning_rate": 9.08711169279446e-06,
757
+ "loss": 0.2026,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.27906976744186046,
762
+ "grad_norm": 1.9926129579544067,
763
+ "learning_rate": 9.060944363901057e-06,
764
+ "loss": 0.2297,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.28165374677002586,
769
+ "grad_norm": 2.1874048709869385,
770
+ "learning_rate": 9.034446082750352e-06,
771
+ "loss": 0.2474,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.2842377260981912,
776
+ "grad_norm": 1.8041729927062988,
777
+ "learning_rate": 9.007619008856287e-06,
778
+ "loss": 0.233,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.2868217054263566,
783
+ "grad_norm": 4.950301170349121,
784
+ "learning_rate": 8.98046532852822e-06,
785
+ "loss": 0.2134,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.28940568475452194,
790
+ "grad_norm": 2.078723430633545,
791
+ "learning_rate": 8.952987254692746e-06,
792
+ "loss": 0.2547,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.29198966408268734,
797
+ "grad_norm": 2.2332022190093994,
798
+ "learning_rate": 8.925187026713363e-06,
799
+ "loss": 0.2343,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.29457364341085274,
804
+ "grad_norm": 1.7842631340026855,
805
+ "learning_rate": 8.897066910207958e-06,
806
+ "loss": 0.235,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.2971576227390181,
811
+ "grad_norm": 2.2905609607696533,
812
+ "learning_rate": 8.868629196864182e-06,
813
+ "loss": 0.2287,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.2997416020671835,
818
+ "grad_norm": 2.1392345428466797,
819
+ "learning_rate": 8.83987620425267e-06,
820
+ "loss": 0.2607,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.3023255813953488,
825
+ "grad_norm": 2.5281567573547363,
826
+ "learning_rate": 8.810810275638183e-06,
827
+ "loss": 0.2643,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.3049095607235142,
832
+ "grad_norm": 2.3782424926757812,
833
+ "learning_rate": 8.781433779788627e-06,
834
+ "loss": 0.2215,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.30749354005167956,
839
+ "grad_norm": 1.8404749631881714,
840
+ "learning_rate": 8.751749110782013e-06,
841
+ "loss": 0.2332,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.31007751937984496,
846
+ "grad_norm": 2.1314375400543213,
847
+ "learning_rate": 8.721758687811353e-06,
848
+ "loss": 0.2445,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.31266149870801035,
853
+ "grad_norm": 2.1510751247406006,
854
+ "learning_rate": 8.691464954987494e-06,
855
+ "loss": 0.2373,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.3152454780361757,
860
+ "grad_norm": 2.0221781730651855,
861
+ "learning_rate": 8.660870381139944e-06,
862
+ "loss": 0.2311,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.3178294573643411,
867
+ "grad_norm": 2.068140745162964,
868
+ "learning_rate": 8.629977459615655e-06,
869
+ "loss": 0.2271,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.32041343669250644,
874
+ "grad_norm": 1.9292054176330566,
875
+ "learning_rate": 8.598788708075844e-06,
876
+ "loss": 0.2438,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.32299741602067183,
881
+ "grad_norm": 1.9059464931488037,
882
+ "learning_rate": 8.567306668290801e-06,
883
+ "loss": 0.2437,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.32558139534883723,
888
+ "grad_norm": 1.87433922290802,
889
+ "learning_rate": 8.535533905932739e-06,
890
+ "loss": 0.2348,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.3281653746770026,
895
+ "grad_norm": 1.9836807250976562,
896
+ "learning_rate": 8.503473010366713e-06,
897
+ "loss": 0.239,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.330749354005168,
902
+ "grad_norm": 1.831213355064392,
903
+ "learning_rate": 8.471126594439591e-06,
904
+ "loss": 0.2364,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.3333333333333333,
909
+ "grad_norm": 1.7371547222137451,
910
+ "learning_rate": 8.438497294267117e-06,
911
+ "loss": 0.2135,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.3359173126614987,
916
+ "grad_norm": 2.7316882610321045,
917
+ "learning_rate": 8.405587769019072e-06,
918
+ "loss": 0.2562,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.3385012919896641,
923
+ "grad_norm": 2.244509696960449,
924
+ "learning_rate": 8.372400700702569e-06,
925
+ "loss": 0.2545,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.34108527131782945,
930
+ "grad_norm": 1.8742812871932983,
931
+ "learning_rate": 8.338938793943478e-06,
932
+ "loss": 0.2288,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.34366925064599485,
937
+ "grad_norm": 2.042801856994629,
938
+ "learning_rate": 8.305204775766003e-06,
939
+ "loss": 0.2363,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.3462532299741602,
944
+ "grad_norm": 1.7261626720428467,
945
+ "learning_rate": 8.27120139537044e-06,
946
+ "loss": 0.237,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.3488372093023256,
951
+ "grad_norm": 1.798540711402893,
952
+ "learning_rate": 8.23693142390914e-06,
953
+ "loss": 0.2275,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.35142118863049093,
958
+ "grad_norm": 1.6685022115707397,
959
+ "learning_rate": 8.202397654260649e-06,
960
+ "loss": 0.2061,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.35400516795865633,
965
+ "grad_norm": 2.218613386154175,
966
+ "learning_rate": 8.167602900802121e-06,
967
+ "loss": 0.2377,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.35658914728682173,
972
+ "grad_norm": 2.245936632156372,
973
+ "learning_rate": 8.132549999179934e-06,
974
+ "loss": 0.2208,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.35917312661498707,
979
+ "grad_norm": 2.624891757965088,
980
+ "learning_rate": 8.097241806078616e-06,
981
+ "loss": 0.2476,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.36175710594315247,
986
+ "grad_norm": 2.2246923446655273,
987
+ "learning_rate": 8.06168119898802e-06,
988
+ "loss": 0.2399,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.3643410852713178,
993
+ "grad_norm": 1.6137202978134155,
994
+ "learning_rate": 8.025871075968828e-06,
995
+ "loss": 0.2179,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.3669250645994832,
1000
+ "grad_norm": 2.3189852237701416,
1001
+ "learning_rate": 7.989814355416362e-06,
1002
+ "loss": 0.2258,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.3695090439276486,
1007
+ "grad_norm": 1.66120183467865,
1008
+ "learning_rate": 7.953513975822755e-06,
1009
+ "loss": 0.2179,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.37209302325581395,
1014
+ "grad_norm": 1.8575221300125122,
1015
+ "learning_rate": 7.916972895537471e-06,
1016
+ "loss": 0.2385,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.37467700258397935,
1021
+ "grad_norm": 1.6913485527038574,
1022
+ "learning_rate": 7.8801940925262e-06,
1023
+ "loss": 0.2315,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.3772609819121447,
1028
+ "grad_norm": 2.0804011821746826,
1029
+ "learning_rate": 7.843180564128178e-06,
1030
+ "loss": 0.2329,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 0.3798449612403101,
1035
+ "grad_norm": 1.9570668935775757,
1036
+ "learning_rate": 7.805935326811913e-06,
1037
+ "loss": 0.236,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 0.38242894056847543,
1042
+ "grad_norm": 2.2063801288604736,
1043
+ "learning_rate": 7.768461415929344e-06,
1044
+ "loss": 0.2221,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 0.3850129198966408,
1049
+ "grad_norm": 1.6152676343917847,
1050
+ "learning_rate": 7.730761885468486e-06,
1051
+ "loss": 0.2238,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 0.3875968992248062,
1056
+ "grad_norm": 1.9125603437423706,
1057
+ "learning_rate": 7.692839807804522e-06,
1058
+ "loss": 0.2287,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 0.39018087855297157,
1063
+ "grad_norm": 1.910693645477295,
1064
+ "learning_rate": 7.654698273449435e-06,
1065
+ "loss": 0.2225,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 0.39276485788113696,
1070
+ "grad_norm": 1.5631076097488403,
1071
+ "learning_rate": 7.616340390800127e-06,
1072
+ "loss": 0.2376,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 0.3953488372093023,
1077
+ "grad_norm": 1.5215353965759277,
1078
+ "learning_rate": 7.57776928588511e-06,
1079
+ "loss": 0.212,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 0.3979328165374677,
1084
+ "grad_norm": 1.9194774627685547,
1085
+ "learning_rate": 7.538988102109728e-06,
1086
+ "loss": 0.2247,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 0.4005167958656331,
1091
+ "grad_norm": 2.0770885944366455,
1092
+ "learning_rate": 7.500000000000001e-06,
1093
+ "loss": 0.2527,
1094
+ "step": 155
1095
+ },
1096
+ {
1097
+ "epoch": 0.40310077519379844,
1098
+ "grad_norm": 1.776774525642395,
1099
+ "learning_rate": 7.4608081569450365e-06,
1100
+ "loss": 0.243,
1101
+ "step": 156
1102
+ },
1103
+ {
1104
+ "epoch": 0.40568475452196384,
1105
+ "grad_norm": 1.8917075395584106,
1106
+ "learning_rate": 7.421415766938098e-06,
1107
+ "loss": 0.2319,
1108
+ "step": 157
1109
+ },
1110
+ {
1111
+ "epoch": 0.4082687338501292,
1112
+ "grad_norm": 1.8015702962875366,
1113
+ "learning_rate": 7.381826040316294e-06,
1114
+ "loss": 0.2115,
1115
+ "step": 158
1116
+ },
1117
+ {
1118
+ "epoch": 0.4108527131782946,
1119
+ "grad_norm": 2.221393346786499,
1120
+ "learning_rate": 7.342042203498952e-06,
1121
+ "loss": 0.2334,
1122
+ "step": 159
1123
+ },
1124
+ {
1125
+ "epoch": 0.4134366925064599,
1126
+ "grad_norm": 1.9779021739959717,
1127
+ "learning_rate": 7.302067498724681e-06,
1128
+ "loss": 0.2206,
1129
+ "step": 160
1130
+ },
1131
+ {
1132
+ "epoch": 0.4160206718346253,
1133
+ "grad_norm": 1.6825449466705322,
1134
+ "learning_rate": 7.261905183787136e-06,
1135
+ "loss": 0.2068,
1136
+ "step": 161
1137
+ },
1138
+ {
1139
+ "epoch": 0.4186046511627907,
1140
+ "grad_norm": 1.9611059427261353,
1141
+ "learning_rate": 7.221558531769519e-06,
1142
+ "loss": 0.2454,
1143
+ "step": 162
1144
+ },
1145
+ {
1146
+ "epoch": 0.42118863049095606,
1147
+ "grad_norm": 1.7121902704238892,
1148
+ "learning_rate": 7.181030830777838e-06,
1149
+ "loss": 0.2397,
1150
+ "step": 163
1151
+ },
1152
+ {
1153
+ "epoch": 0.42377260981912146,
1154
+ "grad_norm": 2.4492485523223877,
1155
+ "learning_rate": 7.140325383672938e-06,
1156
+ "loss": 0.2288,
1157
+ "step": 164
1158
+ },
1159
+ {
1160
+ "epoch": 0.4263565891472868,
1161
+ "grad_norm": 1.4285128116607666,
1162
+ "learning_rate": 7.099445507801324e-06,
1163
+ "loss": 0.1875,
1164
+ "step": 165
1165
+ },
1166
+ {
1167
+ "epoch": 0.4289405684754522,
1168
+ "grad_norm": 1.9082492589950562,
1169
+ "learning_rate": 7.058394534724819e-06,
1170
+ "loss": 0.2208,
1171
+ "step": 166
1172
+ },
1173
+ {
1174
+ "epoch": 0.4315245478036176,
1175
+ "grad_norm": 1.6619027853012085,
1176
+ "learning_rate": 7.017175809949044e-06,
1177
+ "loss": 0.2062,
1178
+ "step": 167
1179
+ },
1180
+ {
1181
+ "epoch": 0.43410852713178294,
1182
+ "grad_norm": 1.8407310247421265,
1183
+ "learning_rate": 6.975792692650778e-06,
1184
+ "loss": 0.2406,
1185
+ "step": 168
1186
+ },
1187
+ {
1188
+ "epoch": 0.43669250645994834,
1189
+ "grad_norm": 1.7827914953231812,
1190
+ "learning_rate": 6.934248555404197e-06,
1191
+ "loss": 0.2258,
1192
+ "step": 169
1193
+ },
1194
+ {
1195
+ "epoch": 0.4392764857881137,
1196
+ "grad_norm": 1.6271895170211792,
1197
+ "learning_rate": 6.892546783906016e-06,
1198
+ "loss": 0.2222,
1199
+ "step": 170
1200
+ },
1201
+ {
1202
+ "epoch": 0.4418604651162791,
1203
+ "grad_norm": 1.9836379289627075,
1204
+ "learning_rate": 6.850690776699574e-06,
1205
+ "loss": 0.2307,
1206
+ "step": 171
1207
+ },
1208
+ {
1209
+ "epoch": 0.4444444444444444,
1210
+ "grad_norm": 1.6630229949951172,
1211
+ "learning_rate": 6.808683944897856e-06,
1212
+ "loss": 0.2057,
1213
+ "step": 172
1214
+ },
1215
+ {
1216
+ "epoch": 0.4470284237726098,
1217
+ "grad_norm": 1.7780696153640747,
1218
+ "learning_rate": 6.766529711905513e-06,
1219
+ "loss": 0.2034,
1220
+ "step": 173
1221
+ },
1222
+ {
1223
+ "epoch": 0.4496124031007752,
1224
+ "grad_norm": 1.984447717666626,
1225
+ "learning_rate": 6.724231513139853e-06,
1226
+ "loss": 0.2303,
1227
+ "step": 174
1228
+ },
1229
+ {
1230
+ "epoch": 0.45219638242894056,
1231
+ "grad_norm": 2.17633056640625,
1232
+ "learning_rate": 6.681792795750876e-06,
1233
+ "loss": 0.2373,
1234
+ "step": 175
1235
+ },
1236
+ {
1237
+ "epoch": 0.45478036175710596,
1238
+ "grad_norm": 1.460951566696167,
1239
+ "learning_rate": 6.639217018340342e-06,
1240
+ "loss": 0.2015,
1241
+ "step": 176
1242
+ },
1243
+ {
1244
+ "epoch": 0.4573643410852713,
1245
+ "grad_norm": 1.790872573852539,
1246
+ "learning_rate": 6.5965076506799e-06,
1247
+ "loss": 0.2244,
1248
+ "step": 177
1249
+ },
1250
+ {
1251
+ "epoch": 0.4599483204134367,
1252
+ "grad_norm": 1.4559892416000366,
1253
+ "learning_rate": 6.553668173428329e-06,
1254
+ "loss": 0.2045,
1255
+ "step": 178
1256
+ },
1257
+ {
1258
+ "epoch": 0.4625322997416021,
1259
+ "grad_norm": 2.018108367919922,
1260
+ "learning_rate": 6.510702077847864e-06,
1261
+ "loss": 0.2079,
1262
+ "step": 179
1263
+ },
1264
+ {
1265
+ "epoch": 0.46511627906976744,
1266
+ "grad_norm": 1.6619304418563843,
1267
+ "learning_rate": 6.467612865519674e-06,
1268
+ "loss": 0.2031,
1269
+ "step": 180
1270
+ },
1271
+ {
1272
+ "epoch": 0.46770025839793283,
1273
+ "grad_norm": 1.7696534395217896,
1274
+ "learning_rate": 6.424404048058501e-06,
1275
+ "loss": 0.2104,
1276
+ "step": 181
1277
+ },
1278
+ {
1279
+ "epoch": 0.4702842377260982,
1280
+ "grad_norm": 1.6792902946472168,
1281
+ "learning_rate": 6.3810791468264654e-06,
1282
+ "loss": 0.1949,
1283
+ "step": 182
1284
+ },
1285
+ {
1286
+ "epoch": 0.4728682170542636,
1287
+ "grad_norm": 1.7121378183364868,
1288
+ "learning_rate": 6.337641692646106e-06,
1289
+ "loss": 0.2261,
1290
+ "step": 183
1291
+ },
1292
+ {
1293
+ "epoch": 0.4754521963824289,
1294
+ "grad_norm": 1.758552074432373,
1295
+ "learning_rate": 6.294095225512604e-06,
1296
+ "loss": 0.2272,
1297
+ "step": 184
1298
+ },
1299
+ {
1300
+ "epoch": 0.4780361757105943,
1301
+ "grad_norm": 1.5094135999679565,
1302
+ "learning_rate": 6.250443294305315e-06,
1303
+ "loss": 0.2059,
1304
+ "step": 185
1305
+ },
1306
+ {
1307
+ "epoch": 0.4806201550387597,
1308
+ "grad_norm": 1.5085089206695557,
1309
+ "learning_rate": 6.206689456498529e-06,
1310
+ "loss": 0.2173,
1311
+ "step": 186
1312
+ },
1313
+ {
1314
+ "epoch": 0.48320413436692505,
1315
+ "grad_norm": 1.4562510251998901,
1316
+ "learning_rate": 6.162837277871553e-06,
1317
+ "loss": 0.2185,
1318
+ "step": 187
1319
+ },
1320
+ {
1321
+ "epoch": 0.48578811369509045,
1322
+ "grad_norm": 1.507325530052185,
1323
+ "learning_rate": 6.118890332218117e-06,
1324
+ "loss": 0.2139,
1325
+ "step": 188
1326
+ },
1327
+ {
1328
+ "epoch": 0.4883720930232558,
1329
+ "grad_norm": 1.7156720161437988,
1330
+ "learning_rate": 6.074852201055121e-06,
1331
+ "loss": 0.2161,
1332
+ "step": 189
1333
+ },
1334
+ {
1335
+ "epoch": 0.4909560723514212,
1336
+ "grad_norm": 1.659424901008606,
1337
+ "learning_rate": 6.0307264733307515e-06,
1338
+ "loss": 0.2083,
1339
+ "step": 190
1340
+ },
1341
+ {
1342
+ "epoch": 0.4935400516795866,
1343
+ "grad_norm": 1.4655615091323853,
1344
+ "learning_rate": 5.986516745132e-06,
1345
+ "loss": 0.2129,
1346
+ "step": 191
1347
+ },
1348
+ {
1349
+ "epoch": 0.49612403100775193,
1350
+ "grad_norm": 1.5427219867706299,
1351
+ "learning_rate": 5.942226619391592e-06,
1352
+ "loss": 0.2064,
1353
+ "step": 192
1354
+ },
1355
+ {
1356
+ "epoch": 0.49870801033591733,
1357
+ "grad_norm": 1.3408644199371338,
1358
+ "learning_rate": 5.8978597055943585e-06,
1359
+ "loss": 0.1982,
1360
+ "step": 193
1361
+ },
1362
+ {
1363
+ "epoch": 0.5012919896640827,
1364
+ "grad_norm": 1.9902156591415405,
1365
+ "learning_rate": 5.853419619483083e-06,
1366
+ "loss": 0.226,
1367
+ "step": 194
1368
+ },
1369
+ {
1370
+ "epoch": 0.5038759689922481,
1371
+ "grad_norm": 1.3126060962677002,
1372
+ "learning_rate": 5.808909982763825e-06,
1373
+ "loss": 0.1991,
1374
+ "step": 195
1375
+ },
1376
+ {
1377
+ "epoch": 0.5064599483204134,
1378
+ "grad_norm": 1.8132307529449463,
1379
+ "learning_rate": 5.764334422810767e-06,
1380
+ "loss": 0.2271,
1381
+ "step": 196
1382
+ },
1383
+ {
1384
+ "epoch": 0.5090439276485789,
1385
+ "grad_norm": 1.8984651565551758,
1386
+ "learning_rate": 5.719696572370596e-06,
1387
+ "loss": 0.2363,
1388
+ "step": 197
1389
+ },
1390
+ {
1391
+ "epoch": 0.5116279069767442,
1392
+ "grad_norm": 1.817488670349121,
1393
+ "learning_rate": 5.675000069266451e-06,
1394
+ "loss": 0.2281,
1395
+ "step": 198
1396
+ },
1397
+ {
1398
+ "epoch": 0.5142118863049095,
1399
+ "grad_norm": 2.4053938388824463,
1400
+ "learning_rate": 5.630248556101448e-06,
1401
+ "loss": 0.2349,
1402
+ "step": 199
1403
+ },
1404
+ {
1405
+ "epoch": 0.5167958656330749,
1406
+ "grad_norm": 1.4642032384872437,
1407
+ "learning_rate": 5.585445679961823e-06,
1408
+ "loss": 0.1984,
1409
+ "step": 200
1410
+ },
1411
+ {
1412
+ "epoch": 0.5193798449612403,
1413
+ "grad_norm": 2.2405009269714355,
1414
+ "learning_rate": 5.540595092119709e-06,
1415
+ "loss": 0.2101,
1416
+ "step": 201
1417
+ },
1418
+ {
1419
+ "epoch": 0.5219638242894057,
1420
+ "grad_norm": 1.7168304920196533,
1421
+ "learning_rate": 5.495700447735572e-06,
1422
+ "loss": 0.2272,
1423
+ "step": 202
1424
+ },
1425
+ {
1426
+ "epoch": 0.524547803617571,
1427
+ "grad_norm": 1.5339411497116089,
1428
+ "learning_rate": 5.450765405560328e-06,
1429
+ "loss": 0.2225,
1430
+ "step": 203
1431
+ },
1432
+ {
1433
+ "epoch": 0.5271317829457365,
1434
+ "grad_norm": 1.3848717212677002,
1435
+ "learning_rate": 5.405793627637157e-06,
1436
+ "loss": 0.1989,
1437
+ "step": 204
1438
+ },
1439
+ {
1440
+ "epoch": 0.5297157622739018,
1441
+ "grad_norm": 1.5923454761505127,
1442
+ "learning_rate": 5.360788779003082e-06,
1443
+ "loss": 0.2101,
1444
+ "step": 205
1445
+ },
1446
+ {
1447
+ "epoch": 0.5322997416020672,
1448
+ "grad_norm": 1.538506269454956,
1449
+ "learning_rate": 5.3157545273902585e-06,
1450
+ "loss": 0.2203,
1451
+ "step": 206
1452
+ },
1453
+ {
1454
+ "epoch": 0.5348837209302325,
1455
+ "grad_norm": 1.3902374505996704,
1456
+ "learning_rate": 5.270694542927089e-06,
1457
+ "loss": 0.2042,
1458
+ "step": 207
1459
+ },
1460
+ {
1461
+ "epoch": 0.537467700258398,
1462
+ "grad_norm": 2.0255801677703857,
1463
+ "learning_rate": 5.225612497839099e-06,
1464
+ "loss": 0.2059,
1465
+ "step": 208
1466
+ },
1467
+ {
1468
+ "epoch": 0.5400516795865633,
1469
+ "grad_norm": 1.9409769773483276,
1470
+ "learning_rate": 5.180512066149682e-06,
1471
+ "loss": 0.2154,
1472
+ "step": 209
1473
+ },
1474
+ {
1475
+ "epoch": 0.5426356589147286,
1476
+ "grad_norm": 1.5798600912094116,
1477
+ "learning_rate": 5.1353969233806735e-06,
1478
+ "loss": 0.2116,
1479
+ "step": 210
1480
+ },
1481
+ {
1482
+ "epoch": 0.5452196382428941,
1483
+ "grad_norm": 1.9305166006088257,
1484
+ "learning_rate": 5.090270746252803e-06,
1485
+ "loss": 0.1892,
1486
+ "step": 211
1487
+ },
1488
+ {
1489
+ "epoch": 0.5478036175710594,
1490
+ "grad_norm": 2.8123254776000977,
1491
+ "learning_rate": 5.045137212386065e-06,
1492
+ "loss": 0.2128,
1493
+ "step": 212
1494
+ },
1495
+ {
1496
+ "epoch": 0.5503875968992248,
1497
+ "grad_norm": 1.9373772144317627,
1498
+ "learning_rate": 5e-06,
1499
+ "loss": 0.2199,
1500
+ "step": 213
1501
+ },
1502
+ {
1503
+ "epoch": 0.5529715762273901,
1504
+ "grad_norm": 1.5903531312942505,
1505
+ "learning_rate": 4.954862787613937e-06,
1506
+ "loss": 0.2148,
1507
+ "step": 214
1508
+ },
1509
+ {
1510
+ "epoch": 0.5555555555555556,
1511
+ "grad_norm": 1.604992389678955,
1512
+ "learning_rate": 4.909729253747197e-06,
1513
+ "loss": 0.2236,
1514
+ "step": 215
1515
+ },
1516
+ {
1517
+ "epoch": 0.5581395348837209,
1518
+ "grad_norm": 2.290006399154663,
1519
+ "learning_rate": 4.864603076619329e-06,
1520
+ "loss": 0.2175,
1521
+ "step": 216
1522
+ },
1523
+ {
1524
+ "epoch": 0.5607235142118863,
1525
+ "grad_norm": 1.6406919956207275,
1526
+ "learning_rate": 4.819487933850319e-06,
1527
+ "loss": 0.2272,
1528
+ "step": 217
1529
+ },
1530
+ {
1531
+ "epoch": 0.5633074935400517,
1532
+ "grad_norm": 1.8373345136642456,
1533
+ "learning_rate": 4.774387502160902e-06,
1534
+ "loss": 0.2245,
1535
+ "step": 218
1536
+ },
1537
+ {
1538
+ "epoch": 0.5658914728682171,
1539
+ "grad_norm": 1.6454440355300903,
1540
+ "learning_rate": 4.729305457072913e-06,
1541
+ "loss": 0.203,
1542
+ "step": 219
1543
+ },
1544
+ {
1545
+ "epoch": 0.5684754521963824,
1546
+ "grad_norm": 1.6277472972869873,
1547
+ "learning_rate": 4.684245472609743e-06,
1548
+ "loss": 0.2325,
1549
+ "step": 220
1550
+ },
1551
+ {
1552
+ "epoch": 0.5710594315245479,
1553
+ "grad_norm": 1.4459894895553589,
1554
+ "learning_rate": 4.6392112209969205e-06,
1555
+ "loss": 0.2095,
1556
+ "step": 221
1557
+ },
1558
+ {
1559
+ "epoch": 0.5736434108527132,
1560
+ "grad_norm": 1.5780946016311646,
1561
+ "learning_rate": 4.594206372362845e-06,
1562
+ "loss": 0.2033,
1563
+ "step": 222
1564
+ },
1565
+ {
1566
+ "epoch": 0.5762273901808785,
1567
+ "grad_norm": 1.4234222173690796,
1568
+ "learning_rate": 4.549234594439674e-06,
1569
+ "loss": 0.2014,
1570
+ "step": 223
1571
+ },
1572
+ {
1573
+ "epoch": 0.5788113695090439,
1574
+ "grad_norm": 1.2753453254699707,
1575
+ "learning_rate": 4.504299552264428e-06,
1576
+ "loss": 0.1729,
1577
+ "step": 224
1578
+ },
1579
+ {
1580
+ "epoch": 0.5813953488372093,
1581
+ "grad_norm": 1.4043508768081665,
1582
+ "learning_rate": 4.459404907880293e-06,
1583
+ "loss": 0.2015,
1584
+ "step": 225
1585
+ },
1586
+ {
1587
+ "epoch": 0.5839793281653747,
1588
+ "grad_norm": 1.548924446105957,
1589
+ "learning_rate": 4.414554320038179e-06,
1590
+ "loss": 0.2153,
1591
+ "step": 226
1592
+ },
1593
+ {
1594
+ "epoch": 0.58656330749354,
1595
+ "grad_norm": 1.4754077196121216,
1596
+ "learning_rate": 4.369751443898554e-06,
1597
+ "loss": 0.2023,
1598
+ "step": 227
1599
+ },
1600
+ {
1601
+ "epoch": 0.5891472868217055,
1602
+ "grad_norm": 1.2993725538253784,
1603
+ "learning_rate": 4.32499993073355e-06,
1604
+ "loss": 0.1763,
1605
+ "step": 228
1606
+ },
1607
+ {
1608
+ "epoch": 0.5917312661498708,
1609
+ "grad_norm": 1.3788522481918335,
1610
+ "learning_rate": 4.280303427629404e-06,
1611
+ "loss": 0.1941,
1612
+ "step": 229
1613
+ },
1614
+ {
1615
+ "epoch": 0.5943152454780362,
1616
+ "grad_norm": 2.100757122039795,
1617
+ "learning_rate": 4.2356655771892355e-06,
1618
+ "loss": 0.227,
1619
+ "step": 230
1620
+ },
1621
+ {
1622
+ "epoch": 0.5968992248062015,
1623
+ "grad_norm": 1.526432991027832,
1624
+ "learning_rate": 4.191090017236177e-06,
1625
+ "loss": 0.2028,
1626
+ "step": 231
1627
+ },
1628
+ {
1629
+ "epoch": 0.599483204134367,
1630
+ "grad_norm": 1.5663360357284546,
1631
+ "learning_rate": 4.146580380516918e-06,
1632
+ "loss": 0.2094,
1633
+ "step": 232
1634
+ },
1635
+ {
1636
+ "epoch": 0.6020671834625323,
1637
+ "grad_norm": 1.3962419033050537,
1638
+ "learning_rate": 4.1021402944056415e-06,
1639
+ "loss": 0.1891,
1640
+ "step": 233
1641
+ },
1642
+ {
1643
+ "epoch": 0.6046511627906976,
1644
+ "grad_norm": 1.3490815162658691,
1645
+ "learning_rate": 4.057773380608411e-06,
1646
+ "loss": 0.1682,
1647
+ "step": 234
1648
+ },
1649
+ {
1650
+ "epoch": 0.6072351421188631,
1651
+ "grad_norm": 1.5363324880599976,
1652
+ "learning_rate": 4.013483254868001e-06,
1653
+ "loss": 0.1997,
1654
+ "step": 235
1655
+ },
1656
+ {
1657
+ "epoch": 0.6098191214470284,
1658
+ "grad_norm": 1.261446237564087,
1659
+ "learning_rate": 3.969273526669249e-06,
1660
+ "loss": 0.1766,
1661
+ "step": 236
1662
+ },
1663
+ {
1664
+ "epoch": 0.6124031007751938,
1665
+ "grad_norm": 1.8413023948669434,
1666
+ "learning_rate": 3.92514779894488e-06,
1667
+ "loss": 0.2168,
1668
+ "step": 237
1669
+ },
1670
+ {
1671
+ "epoch": 0.6149870801033591,
1672
+ "grad_norm": 1.784358263015747,
1673
+ "learning_rate": 3.881109667781884e-06,
1674
+ "loss": 0.194,
1675
+ "step": 238
1676
+ },
1677
+ {
1678
+ "epoch": 0.6175710594315246,
1679
+ "grad_norm": 1.5789978504180908,
1680
+ "learning_rate": 3.8371627221284495e-06,
1681
+ "loss": 0.1961,
1682
+ "step": 239
1683
+ },
1684
+ {
1685
+ "epoch": 0.6201550387596899,
1686
+ "grad_norm": 1.3455345630645752,
1687
+ "learning_rate": 3.7933105435014727e-06,
1688
+ "loss": 0.1929,
1689
+ "step": 240
1690
+ },
1691
+ {
1692
+ "epoch": 0.6227390180878553,
1693
+ "grad_norm": 1.4323828220367432,
1694
+ "learning_rate": 3.7495567056946856e-06,
1695
+ "loss": 0.2066,
1696
+ "step": 241
1697
+ },
1698
+ {
1699
+ "epoch": 0.6253229974160207,
1700
+ "grad_norm": 1.5241978168487549,
1701
+ "learning_rate": 3.705904774487396e-06,
1702
+ "loss": 0.2147,
1703
+ "step": 242
1704
+ },
1705
+ {
1706
+ "epoch": 0.627906976744186,
1707
+ "grad_norm": 1.6744216680526733,
1708
+ "learning_rate": 3.662358307353897e-06,
1709
+ "loss": 0.2254,
1710
+ "step": 243
1711
+ },
1712
+ {
1713
+ "epoch": 0.6304909560723514,
1714
+ "grad_norm": 2.2153306007385254,
1715
+ "learning_rate": 3.6189208531735354e-06,
1716
+ "loss": 0.1895,
1717
+ "step": 244
1718
+ },
1719
+ {
1720
+ "epoch": 0.6330749354005168,
1721
+ "grad_norm": 1.4624733924865723,
1722
+ "learning_rate": 3.5755959519415008e-06,
1723
+ "loss": 0.1873,
1724
+ "step": 245
1725
+ },
1726
+ {
1727
+ "epoch": 0.6356589147286822,
1728
+ "grad_norm": 1.6091656684875488,
1729
+ "learning_rate": 3.532387134480327e-06,
1730
+ "loss": 0.198,
1731
+ "step": 246
1732
+ },
1733
+ {
1734
+ "epoch": 0.6382428940568475,
1735
+ "grad_norm": 1.208809733390808,
1736
+ "learning_rate": 3.489297922152136e-06,
1737
+ "loss": 0.1866,
1738
+ "step": 247
1739
+ },
1740
+ {
1741
+ "epoch": 0.6408268733850129,
1742
+ "grad_norm": 1.3647226095199585,
1743
+ "learning_rate": 3.446331826571672e-06,
1744
+ "loss": 0.1981,
1745
+ "step": 248
1746
+ },
1747
+ {
1748
+ "epoch": 0.6434108527131783,
1749
+ "grad_norm": 1.6208391189575195,
1750
+ "learning_rate": 3.403492349320101e-06,
1751
+ "loss": 0.2192,
1752
+ "step": 249
1753
+ },
1754
+ {
1755
+ "epoch": 0.6459948320413437,
1756
+ "grad_norm": 1.5029717683792114,
1757
+ "learning_rate": 3.360782981659659e-06,
1758
+ "loss": 0.1784,
1759
+ "step": 250
1760
+ },
1761
+ {
1762
+ "epoch": 0.648578811369509,
1763
+ "grad_norm": 1.6115533113479614,
1764
+ "learning_rate": 3.3182072042491244e-06,
1765
+ "loss": 0.2231,
1766
+ "step": 251
1767
+ },
1768
+ {
1769
+ "epoch": 0.6511627906976745,
1770
+ "grad_norm": 1.621906042098999,
1771
+ "learning_rate": 3.275768486860149e-06,
1772
+ "loss": 0.1729,
1773
+ "step": 252
1774
+ },
1775
+ {
1776
+ "epoch": 0.6537467700258398,
1777
+ "grad_norm": 1.356162190437317,
1778
+ "learning_rate": 3.233470288094489e-06,
1779
+ "loss": 0.1873,
1780
+ "step": 253
1781
+ },
1782
+ {
1783
+ "epoch": 0.6563307493540051,
1784
+ "grad_norm": 1.4512073993682861,
1785
+ "learning_rate": 3.191316055102146e-06,
1786
+ "loss": 0.1955,
1787
+ "step": 254
1788
+ },
1789
+ {
1790
+ "epoch": 0.6589147286821705,
1791
+ "grad_norm": 1.5930757522583008,
1792
+ "learning_rate": 3.149309223300428e-06,
1793
+ "loss": 0.1773,
1794
+ "step": 255
1795
+ },
1796
+ {
1797
+ "epoch": 0.661498708010336,
1798
+ "grad_norm": 1.3301100730895996,
1799
+ "learning_rate": 3.107453216093985e-06,
1800
+ "loss": 0.1838,
1801
+ "step": 256
1802
+ },
1803
+ {
1804
+ "epoch": 0.6640826873385013,
1805
+ "grad_norm": 1.2428103685379028,
1806
+ "learning_rate": 3.0657514445958055e-06,
1807
+ "loss": 0.1795,
1808
+ "step": 257
1809
+ },
1810
+ {
1811
+ "epoch": 0.6666666666666666,
1812
+ "grad_norm": 1.2732970714569092,
1813
+ "learning_rate": 3.0242073073492238e-06,
1814
+ "loss": 0.1907,
1815
+ "step": 258
1816
+ },
1817
+ {
1818
+ "epoch": 0.6692506459948321,
1819
+ "grad_norm": 1.7173457145690918,
1820
+ "learning_rate": 2.982824190050958e-06,
1821
+ "loss": 0.1962,
1822
+ "step": 259
1823
+ },
1824
+ {
1825
+ "epoch": 0.6718346253229974,
1826
+ "grad_norm": 1.1723400354385376,
1827
+ "learning_rate": 2.9416054652751834e-06,
1828
+ "loss": 0.1553,
1829
+ "step": 260
1830
+ },
1831
+ {
1832
+ "epoch": 0.6744186046511628,
1833
+ "grad_norm": 1.2737828493118286,
1834
+ "learning_rate": 2.9005544921986774e-06,
1835
+ "loss": 0.1809,
1836
+ "step": 261
1837
+ },
1838
+ {
1839
+ "epoch": 0.6770025839793282,
1840
+ "grad_norm": 1.6005208492279053,
1841
+ "learning_rate": 2.8596746163270646e-06,
1842
+ "loss": 0.1876,
1843
+ "step": 262
1844
+ },
1845
+ {
1846
+ "epoch": 0.6795865633074936,
1847
+ "grad_norm": 1.6597061157226562,
1848
+ "learning_rate": 2.8189691692221627e-06,
1849
+ "loss": 0.214,
1850
+ "step": 263
1851
+ },
1852
+ {
1853
+ "epoch": 0.6821705426356589,
1854
+ "grad_norm": 1.4774705171585083,
1855
+ "learning_rate": 2.778441468230483e-06,
1856
+ "loss": 0.1851,
1857
+ "step": 264
1858
+ },
1859
+ {
1860
+ "epoch": 0.6847545219638242,
1861
+ "grad_norm": 1.409745454788208,
1862
+ "learning_rate": 2.738094816212866e-06,
1863
+ "loss": 0.1734,
1864
+ "step": 265
1865
+ },
1866
+ {
1867
+ "epoch": 0.6873385012919897,
1868
+ "grad_norm": 1.40264093875885,
1869
+ "learning_rate": 2.6979325012753214e-06,
1870
+ "loss": 0.175,
1871
+ "step": 266
1872
+ },
1873
+ {
1874
+ "epoch": 0.689922480620155,
1875
+ "grad_norm": 1.2759225368499756,
1876
+ "learning_rate": 2.65795779650105e-06,
1877
+ "loss": 0.173,
1878
+ "step": 267
1879
+ },
1880
+ {
1881
+ "epoch": 0.6925064599483204,
1882
+ "grad_norm": 1.3376514911651611,
1883
+ "learning_rate": 2.6181739596837075e-06,
1884
+ "loss": 0.1669,
1885
+ "step": 268
1886
+ },
1887
+ {
1888
+ "epoch": 0.6950904392764858,
1889
+ "grad_norm": 1.813323974609375,
1890
+ "learning_rate": 2.5785842330619038e-06,
1891
+ "loss": 0.1915,
1892
+ "step": 269
1893
+ },
1894
+ {
1895
+ "epoch": 0.6976744186046512,
1896
+ "grad_norm": 1.4839708805084229,
1897
+ "learning_rate": 2.5391918430549635e-06,
1898
+ "loss": 0.2038,
1899
+ "step": 270
1900
+ },
1901
+ {
1902
+ "epoch": 0.7002583979328165,
1903
+ "grad_norm": 1.2945070266723633,
1904
+ "learning_rate": 2.5000000000000015e-06,
1905
+ "loss": 0.1685,
1906
+ "step": 271
1907
+ },
1908
+ {
1909
+ "epoch": 0.7028423772609819,
1910
+ "grad_norm": 1.5902131795883179,
1911
+ "learning_rate": 2.4610118978902732e-06,
1912
+ "loss": 0.1874,
1913
+ "step": 272
1914
+ },
1915
+ {
1916
+ "epoch": 0.7054263565891473,
1917
+ "grad_norm": 1.3686803579330444,
1918
+ "learning_rate": 2.422230714114891e-06,
1919
+ "loss": 0.1701,
1920
+ "step": 273
1921
+ },
1922
+ {
1923
+ "epoch": 0.7080103359173127,
1924
+ "grad_norm": 1.3523751497268677,
1925
+ "learning_rate": 2.383659609199873e-06,
1926
+ "loss": 0.1679,
1927
+ "step": 274
1928
+ },
1929
+ {
1930
+ "epoch": 0.710594315245478,
1931
+ "grad_norm": 1.5173090696334839,
1932
+ "learning_rate": 2.345301726550567e-06,
1933
+ "loss": 0.203,
1934
+ "step": 275
1935
+ },
1936
+ {
1937
+ "epoch": 0.7131782945736435,
1938
+ "grad_norm": 1.1696375608444214,
1939
+ "learning_rate": 2.3071601921954797e-06,
1940
+ "loss": 0.1645,
1941
+ "step": 276
1942
+ },
1943
+ {
1944
+ "epoch": 0.7157622739018088,
1945
+ "grad_norm": 1.5028029680252075,
1946
+ "learning_rate": 2.269238114531515e-06,
1947
+ "loss": 0.1902,
1948
+ "step": 277
1949
+ },
1950
+ {
1951
+ "epoch": 0.7183462532299741,
1952
+ "grad_norm": 1.4014875888824463,
1953
+ "learning_rate": 2.2315385840706548e-06,
1954
+ "loss": 0.1817,
1955
+ "step": 278
1956
+ },
1957
+ {
1958
+ "epoch": 0.7209302325581395,
1959
+ "grad_norm": 1.1939343214035034,
1960
+ "learning_rate": 2.1940646731880887e-06,
1961
+ "loss": 0.1574,
1962
+ "step": 279
1963
+ },
1964
+ {
1965
+ "epoch": 0.7235142118863049,
1966
+ "grad_norm": 1.4427356719970703,
1967
+ "learning_rate": 2.156819435871824e-06,
1968
+ "loss": 0.1815,
1969
+ "step": 280
1970
+ },
1971
+ {
1972
+ "epoch": 0.7260981912144703,
1973
+ "grad_norm": 1.421738624572754,
1974
+ "learning_rate": 2.1198059074738027e-06,
1975
+ "loss": 0.1996,
1976
+ "step": 281
1977
+ },
1978
+ {
1979
+ "epoch": 0.7286821705426356,
1980
+ "grad_norm": 1.4071861505508423,
1981
+ "learning_rate": 2.08302710446253e-06,
1982
+ "loss": 0.1882,
1983
+ "step": 282
1984
+ },
1985
+ {
1986
+ "epoch": 0.7312661498708011,
1987
+ "grad_norm": 1.2895996570587158,
1988
+ "learning_rate": 2.0464860241772454e-06,
1989
+ "loss": 0.1664,
1990
+ "step": 283
1991
+ },
1992
+ {
1993
+ "epoch": 0.7338501291989664,
1994
+ "grad_norm": 1.6300632953643799,
1995
+ "learning_rate": 2.010185644583641e-06,
1996
+ "loss": 0.1849,
1997
+ "step": 284
1998
+ },
1999
+ {
2000
+ "epoch": 0.7364341085271318,
2001
+ "grad_norm": 1.4193930625915527,
2002
+ "learning_rate": 1.9741289240311757e-06,
2003
+ "loss": 0.1903,
2004
+ "step": 285
2005
+ },
2006
+ {
2007
+ "epoch": 0.7390180878552972,
2008
+ "grad_norm": 1.3659586906433105,
2009
+ "learning_rate": 1.9383188010119818e-06,
2010
+ "loss": 0.1891,
2011
+ "step": 286
2012
+ },
2013
+ {
2014
+ "epoch": 0.7416020671834626,
2015
+ "grad_norm": 1.3775144815444946,
2016
+ "learning_rate": 1.9027581939213852e-06,
2017
+ "loss": 0.1934,
2018
+ "step": 287
2019
+ },
2020
+ {
2021
+ "epoch": 0.7441860465116279,
2022
+ "grad_norm": 1.3561066389083862,
2023
+ "learning_rate": 1.8674500008200675e-06,
2024
+ "loss": 0.193,
2025
+ "step": 288
2026
+ },
2027
+ {
2028
+ "epoch": 0.7467700258397932,
2029
+ "grad_norm": 1.3804134130477905,
2030
+ "learning_rate": 1.8323970991978823e-06,
2031
+ "loss": 0.1801,
2032
+ "step": 289
2033
+ },
2034
+ {
2035
+ "epoch": 0.7493540051679587,
2036
+ "grad_norm": 1.3752516508102417,
2037
+ "learning_rate": 1.797602345739352e-06,
2038
+ "loss": 0.1784,
2039
+ "step": 290
2040
+ },
2041
+ {
2042
+ "epoch": 0.751937984496124,
2043
+ "grad_norm": 1.4992294311523438,
2044
+ "learning_rate": 1.7630685760908623e-06,
2045
+ "loss": 0.1908,
2046
+ "step": 291
2047
+ },
2048
+ {
2049
+ "epoch": 0.7545219638242894,
2050
+ "grad_norm": 1.555408000946045,
2051
+ "learning_rate": 1.7287986046295597e-06,
2052
+ "loss": 0.1756,
2053
+ "step": 292
2054
+ },
2055
+ {
2056
+ "epoch": 0.7571059431524548,
2057
+ "grad_norm": 1.603082299232483,
2058
+ "learning_rate": 1.6947952242339993e-06,
2059
+ "loss": 0.157,
2060
+ "step": 293
2061
+ },
2062
+ {
2063
+ "epoch": 0.7596899224806202,
2064
+ "grad_norm": 1.503893256187439,
2065
+ "learning_rate": 1.6610612060565235e-06,
2066
+ "loss": 0.1929,
2067
+ "step": 294
2068
+ },
2069
+ {
2070
+ "epoch": 0.7622739018087855,
2071
+ "grad_norm": 1.3251415491104126,
2072
+ "learning_rate": 1.627599299297431e-06,
2073
+ "loss": 0.1776,
2074
+ "step": 295
2075
+ },
2076
+ {
2077
+ "epoch": 0.7648578811369509,
2078
+ "grad_norm": 1.4177522659301758,
2079
+ "learning_rate": 1.594412230980928e-06,
2080
+ "loss": 0.1726,
2081
+ "step": 296
2082
+ },
2083
+ {
2084
+ "epoch": 0.7674418604651163,
2085
+ "grad_norm": 1.4148153066635132,
2086
+ "learning_rate": 1.561502705732883e-06,
2087
+ "loss": 0.1823,
2088
+ "step": 297
2089
+ },
2090
+ {
2091
+ "epoch": 0.7700258397932817,
2092
+ "grad_norm": 1.3199900388717651,
2093
+ "learning_rate": 1.5288734055604087e-06,
2094
+ "loss": 0.1809,
2095
+ "step": 298
2096
+ },
2097
+ {
2098
+ "epoch": 0.772609819121447,
2099
+ "grad_norm": 1.4778473377227783,
2100
+ "learning_rate": 1.4965269896332884e-06,
2101
+ "loss": 0.1853,
2102
+ "step": 299
2103
+ },
2104
+ {
2105
+ "epoch": 0.7751937984496124,
2106
+ "grad_norm": 1.3273617029190063,
2107
+ "learning_rate": 1.4644660940672628e-06,
2108
+ "loss": 0.1676,
2109
+ "step": 300
2110
+ },
2111
+ {
2112
+ "epoch": 0.7777777777777778,
2113
+ "grad_norm": 1.4746593236923218,
2114
+ "learning_rate": 1.4326933317092e-06,
2115
+ "loss": 0.1803,
2116
+ "step": 301
2117
+ },
2118
+ {
2119
+ "epoch": 0.7803617571059431,
2120
+ "grad_norm": 1.204885721206665,
2121
+ "learning_rate": 1.4012112919241562e-06,
2122
+ "loss": 0.1617,
2123
+ "step": 302
2124
+ },
2125
+ {
2126
+ "epoch": 0.7829457364341085,
2127
+ "grad_norm": 1.4356775283813477,
2128
+ "learning_rate": 1.370022540384347e-06,
2129
+ "loss": 0.1723,
2130
+ "step": 303
2131
+ },
2132
+ {
2133
+ "epoch": 0.7855297157622739,
2134
+ "grad_norm": 1.6779110431671143,
2135
+ "learning_rate": 1.3391296188600594e-06,
2136
+ "loss": 0.1768,
2137
+ "step": 304
2138
+ },
2139
+ {
2140
+ "epoch": 0.7881136950904393,
2141
+ "grad_norm": 1.3418086767196655,
2142
+ "learning_rate": 1.3085350450125073e-06,
2143
+ "loss": 0.1807,
2144
+ "step": 305
2145
+ },
2146
+ {
2147
+ "epoch": 0.7906976744186046,
2148
+ "grad_norm": 1.301296591758728,
2149
+ "learning_rate": 1.2782413121886483e-06,
2150
+ "loss": 0.1497,
2151
+ "step": 306
2152
+ },
2153
+ {
2154
+ "epoch": 0.7932816537467701,
2155
+ "grad_norm": 1.1588480472564697,
2156
+ "learning_rate": 1.2482508892179884e-06,
2157
+ "loss": 0.1582,
2158
+ "step": 307
2159
+ },
2160
+ {
2161
+ "epoch": 0.7958656330749354,
2162
+ "grad_norm": 1.2679500579833984,
2163
+ "learning_rate": 1.2185662202113764e-06,
2164
+ "loss": 0.1527,
2165
+ "step": 308
2166
+ },
2167
+ {
2168
+ "epoch": 0.7984496124031008,
2169
+ "grad_norm": 1.13987398147583,
2170
+ "learning_rate": 1.1891897243618184e-06,
2171
+ "loss": 0.1582,
2172
+ "step": 309
2173
+ },
2174
+ {
2175
+ "epoch": 0.8010335917312662,
2176
+ "grad_norm": 1.3159266710281372,
2177
+ "learning_rate": 1.16012379574733e-06,
2178
+ "loss": 0.1717,
2179
+ "step": 310
2180
+ },
2181
+ {
2182
+ "epoch": 0.8036175710594315,
2183
+ "grad_norm": 1.5035459995269775,
2184
+ "learning_rate": 1.1313708031358183e-06,
2185
+ "loss": 0.1672,
2186
+ "step": 311
2187
+ },
2188
+ {
2189
+ "epoch": 0.8062015503875969,
2190
+ "grad_norm": 1.5732388496398926,
2191
+ "learning_rate": 1.102933089792042e-06,
2192
+ "loss": 0.1763,
2193
+ "step": 312
2194
+ },
2195
+ {
2196
+ "epoch": 0.8087855297157622,
2197
+ "grad_norm": 1.2379496097564697,
2198
+ "learning_rate": 1.0748129732866391e-06,
2199
+ "loss": 0.1521,
2200
+ "step": 313
2201
+ },
2202
+ {
2203
+ "epoch": 0.8113695090439277,
2204
+ "grad_norm": 1.425968050956726,
2205
+ "learning_rate": 1.047012745307255e-06,
2206
+ "loss": 0.182,
2207
+ "step": 314
2208
+ },
2209
+ {
2210
+ "epoch": 0.813953488372093,
2211
+ "grad_norm": 1.199998378753662,
2212
+ "learning_rate": 1.0195346714717813e-06,
2213
+ "loss": 0.1522,
2214
+ "step": 315
2215
+ },
2216
+ {
2217
+ "epoch": 0.8165374677002584,
2218
+ "grad_norm": 1.3904505968093872,
2219
+ "learning_rate": 9.92380991143712e-07,
2220
+ "loss": 0.1705,
2221
+ "step": 316
2222
+ },
2223
+ {
2224
+ "epoch": 0.8191214470284238,
2225
+ "grad_norm": 1.4871166944503784,
2226
+ "learning_rate": 9.65553917249648e-07,
2227
+ "loss": 0.1799,
2228
+ "step": 317
2229
+ },
2230
+ {
2231
+ "epoch": 0.8217054263565892,
2232
+ "grad_norm": 1.431360125541687,
2233
+ "learning_rate": 9.39055636098945e-07,
2234
+ "loss": 0.1779,
2235
+ "step": 318
2236
+ },
2237
+ {
2238
+ "epoch": 0.8242894056847545,
2239
+ "grad_norm": 1.1474868059158325,
2240
+ "learning_rate": 9.128883072055411e-07,
2241
+ "loss": 0.1473,
2242
+ "step": 319
2243
+ },
2244
+ {
2245
+ "epoch": 0.8268733850129198,
2246
+ "grad_norm": 1.3604931831359863,
2247
+ "learning_rate": 8.870540631119667e-07,
2248
+ "loss": 0.1658,
2249
+ "step": 320
2250
+ },
2251
+ {
2252
+ "epoch": 0.8294573643410853,
2253
+ "grad_norm": 1.319649338722229,
2254
+ "learning_rate": 8.615550092155478e-07,
2255
+ "loss": 0.1635,
2256
+ "step": 321
2257
+ },
2258
+ {
2259
+ "epoch": 0.8320413436692506,
2260
+ "grad_norm": 1.6052929162979126,
2261
+ "learning_rate": 8.363932235968198e-07,
2262
+ "loss": 0.1862,
2263
+ "step": 322
2264
+ },
2265
+ {
2266
+ "epoch": 0.834625322997416,
2267
+ "grad_norm": 1.2895382642745972,
2268
+ "learning_rate": 8.115707568501768e-07,
2269
+ "loss": 0.1603,
2270
+ "step": 323
2271
+ },
2272
+ {
2273
+ "epoch": 0.8372093023255814,
2274
+ "grad_norm": 1.3937253952026367,
2275
+ "learning_rate": 7.870896319167548e-07,
2276
+ "loss": 0.1637,
2277
+ "step": 324
2278
+ },
2279
+ {
2280
+ "epoch": 0.8397932816537468,
2281
+ "grad_norm": 1.549171805381775,
2282
+ "learning_rate": 7.629518439195671e-07,
2283
+ "loss": 0.1911,
2284
+ "step": 325
2285
+ },
2286
+ {
2287
+ "epoch": 0.8423772609819121,
2288
+ "grad_norm": 1.5424485206604004,
2289
+ "learning_rate": 7.391593600009123e-07,
2290
+ "loss": 0.1835,
2291
+ "step": 326
2292
+ },
2293
+ {
2294
+ "epoch": 0.8449612403100775,
2295
+ "grad_norm": 1.322595477104187,
2296
+ "learning_rate": 7.157141191620548e-07,
2297
+ "loss": 0.1589,
2298
+ "step": 327
2299
+ },
2300
+ {
2301
+ "epoch": 0.8475452196382429,
2302
+ "grad_norm": 1.6589468717575073,
2303
+ "learning_rate": 6.926180321052045e-07,
2304
+ "loss": 0.1819,
2305
+ "step": 328
2306
+ },
2307
+ {
2308
+ "epoch": 0.8501291989664083,
2309
+ "grad_norm": 1.3434414863586426,
2310
+ "learning_rate": 6.698729810778065e-07,
2311
+ "loss": 0.1683,
2312
+ "step": 329
2313
+ },
2314
+ {
2315
+ "epoch": 0.8527131782945736,
2316
+ "grad_norm": 1.3851432800292969,
2317
+ "learning_rate": 6.474808197191401e-07,
2318
+ "loss": 0.1754,
2319
+ "step": 330
2320
+ },
2321
+ {
2322
+ "epoch": 0.8552971576227391,
2323
+ "grad_norm": 1.1711254119873047,
2324
+ "learning_rate": 6.254433729092518e-07,
2325
+ "loss": 0.1552,
2326
+ "step": 331
2327
+ },
2328
+ {
2329
+ "epoch": 0.8578811369509044,
2330
+ "grad_norm": 1.3657231330871582,
2331
+ "learning_rate": 6.037624366202405e-07,
2332
+ "loss": 0.1644,
2333
+ "step": 332
2334
+ },
2335
+ {
2336
+ "epoch": 0.8604651162790697,
2337
+ "grad_norm": 1.3525211811065674,
2338
+ "learning_rate": 5.824397777698859e-07,
2339
+ "loss": 0.173,
2340
+ "step": 333
2341
+ },
2342
+ {
2343
+ "epoch": 0.8630490956072352,
2344
+ "grad_norm": 1.3109862804412842,
2345
+ "learning_rate": 5.614771340776559e-07,
2346
+ "loss": 0.1692,
2347
+ "step": 334
2348
+ },
2349
+ {
2350
+ "epoch": 0.8656330749354005,
2351
+ "grad_norm": 1.399511694908142,
2352
+ "learning_rate": 5.408762139230889e-07,
2353
+ "loss": 0.1602,
2354
+ "step": 335
2355
+ },
2356
+ {
2357
+ "epoch": 0.8682170542635659,
2358
+ "grad_norm": 1.5356361865997314,
2359
+ "learning_rate": 5.206386962065601e-07,
2360
+ "loss": 0.181,
2361
+ "step": 336
2362
+ },
2363
+ {
2364
+ "epoch": 0.8708010335917312,
2365
+ "grad_norm": 1.3737794160842896,
2366
+ "learning_rate": 5.007662302124671e-07,
2367
+ "loss": 0.1687,
2368
+ "step": 337
2369
+ },
2370
+ {
2371
+ "epoch": 0.8733850129198967,
2372
+ "grad_norm": 1.4284069538116455,
2373
+ "learning_rate": 4.812604354748107e-07,
2374
+ "loss": 0.1673,
2375
+ "step": 338
2376
+ },
2377
+ {
2378
+ "epoch": 0.875968992248062,
2379
+ "grad_norm": 1.4897751808166504,
2380
+ "learning_rate": 4.6212290164521554e-07,
2381
+ "loss": 0.1727,
2382
+ "step": 339
2383
+ },
2384
+ {
2385
+ "epoch": 0.8785529715762274,
2386
+ "grad_norm": 1.7438304424285889,
2387
+ "learning_rate": 4.433551883633719e-07,
2388
+ "loss": 0.1734,
2389
+ "step": 340
2390
+ },
2391
+ {
2392
+ "epoch": 0.8811369509043928,
2393
+ "grad_norm": 1.7176605463027954,
2394
+ "learning_rate": 4.2495882512993913e-07,
2395
+ "loss": 0.1899,
2396
+ "step": 341
2397
+ },
2398
+ {
2399
+ "epoch": 0.8837209302325582,
2400
+ "grad_norm": 1.2422411441802979,
2401
+ "learning_rate": 4.069353111818913e-07,
2402
+ "loss": 0.1701,
2403
+ "step": 342
2404
+ },
2405
+ {
2406
+ "epoch": 0.8863049095607235,
2407
+ "grad_norm": 1.387807011604309,
2408
+ "learning_rate": 3.8928611537033424e-07,
2409
+ "loss": 0.1755,
2410
+ "step": 343
2411
+ },
2412
+ {
2413
+ "epoch": 0.8888888888888888,
2414
+ "grad_norm": 1.3703078031539917,
2415
+ "learning_rate": 3.7201267604080436e-07,
2416
+ "loss": 0.1632,
2417
+ "step": 344
2418
+ },
2419
+ {
2420
+ "epoch": 0.8914728682170543,
2421
+ "grad_norm": 1.3891550302505493,
2422
+ "learning_rate": 3.5511640091604293e-07,
2423
+ "loss": 0.1707,
2424
+ "step": 345
2425
+ },
2426
+ {
2427
+ "epoch": 0.8940568475452196,
2428
+ "grad_norm": 1.5258495807647705,
2429
+ "learning_rate": 3.385986669812769e-07,
2430
+ "loss": 0.1719,
2431
+ "step": 346
2432
+ },
2433
+ {
2434
+ "epoch": 0.896640826873385,
2435
+ "grad_norm": 1.3084255456924438,
2436
+ "learning_rate": 3.224608203719953e-07,
2437
+ "loss": 0.1639,
2438
+ "step": 347
2439
+ },
2440
+ {
2441
+ "epoch": 0.8992248062015504,
2442
+ "grad_norm": 1.3888843059539795,
2443
+ "learning_rate": 3.067041762642475e-07,
2444
+ "loss": 0.1721,
2445
+ "step": 348
2446
+ },
2447
+ {
2448
+ "epoch": 0.9018087855297158,
2449
+ "grad_norm": 1.3244494199752808,
2450
+ "learning_rate": 2.9133001876746004e-07,
2451
+ "loss": 0.1704,
2452
+ "step": 349
2453
+ },
2454
+ {
2455
+ "epoch": 0.9043927648578811,
2456
+ "grad_norm": 1.3492217063903809,
2457
+ "learning_rate": 2.763396008197833e-07,
2458
+ "loss": 0.1789,
2459
+ "step": 350
2460
+ },
2461
+ {
2462
+ "epoch": 0.9069767441860465,
2463
+ "grad_norm": 1.2785379886627197,
2464
+ "learning_rate": 2.617341440859883e-07,
2465
+ "loss": 0.1639,
2466
+ "step": 351
2467
+ },
2468
+ {
2469
+ "epoch": 0.9095607235142119,
2470
+ "grad_norm": 1.225648045539856,
2471
+ "learning_rate": 2.475148388578974e-07,
2472
+ "loss": 0.1525,
2473
+ "step": 352
2474
+ },
2475
+ {
2476
+ "epoch": 0.9121447028423773,
2477
+ "grad_norm": 1.4005565643310547,
2478
+ "learning_rate": 2.3368284395738684e-07,
2479
+ "loss": 0.1734,
2480
+ "step": 353
2481
+ },
2482
+ {
2483
+ "epoch": 0.9147286821705426,
2484
+ "grad_norm": 1.3667218685150146,
2485
+ "learning_rate": 2.2023928664194229e-07,
2486
+ "loss": 0.1598,
2487
+ "step": 354
2488
+ },
2489
+ {
2490
+ "epoch": 0.917312661498708,
2491
+ "grad_norm": 1.2286065816879272,
2492
+ "learning_rate": 2.0718526251279346e-07,
2493
+ "loss": 0.1533,
2494
+ "step": 355
2495
+ },
2496
+ {
2497
+ "epoch": 0.9198966408268734,
2498
+ "grad_norm": 1.3071902990341187,
2499
+ "learning_rate": 1.9452183542562785e-07,
2500
+ "loss": 0.1612,
2501
+ "step": 356
2502
+ },
2503
+ {
2504
+ "epoch": 0.9224806201550387,
2505
+ "grad_norm": 1.4558244943618774,
2506
+ "learning_rate": 1.8225003740388546e-07,
2507
+ "loss": 0.1624,
2508
+ "step": 357
2509
+ },
2510
+ {
2511
+ "epoch": 0.9250645994832042,
2512
+ "grad_norm": 1.3047966957092285,
2513
+ "learning_rate": 1.7037086855465902e-07,
2514
+ "loss": 0.1555,
2515
+ "step": 358
2516
+ },
2517
+ {
2518
+ "epoch": 0.9276485788113695,
2519
+ "grad_norm": 1.2621203660964966,
2520
+ "learning_rate": 1.5888529698718347e-07,
2521
+ "loss": 0.1514,
2522
+ "step": 359
2523
+ },
2524
+ {
2525
+ "epoch": 0.9302325581395349,
2526
+ "grad_norm": 1.2364767789840698,
2527
+ "learning_rate": 1.477942587339426e-07,
2528
+ "loss": 0.1648,
2529
+ "step": 360
2530
+ },
2531
+ {
2532
+ "epoch": 0.9328165374677002,
2533
+ "grad_norm": 1.6543505191802979,
2534
+ "learning_rate": 1.3709865767438434e-07,
2535
+ "loss": 0.1732,
2536
+ "step": 361
2537
+ },
2538
+ {
2539
+ "epoch": 0.9354005167958657,
2540
+ "grad_norm": 1.1805888414382935,
2541
+ "learning_rate": 1.2679936546125483e-07,
2542
+ "loss": 0.1489,
2543
+ "step": 362
2544
+ },
2545
+ {
2546
+ "epoch": 0.937984496124031,
2547
+ "grad_norm": 1.443524956703186,
2548
+ "learning_rate": 1.1689722144956672e-07,
2549
+ "loss": 0.1772,
2550
+ "step": 363
2551
+ },
2552
+ {
2553
+ "epoch": 0.9405684754521964,
2554
+ "grad_norm": 1.4192824363708496,
2555
+ "learning_rate": 1.0739303262819301e-07,
2556
+ "loss": 0.1672,
2557
+ "step": 364
2558
+ },
2559
+ {
2560
+ "epoch": 0.9431524547803618,
2561
+ "grad_norm": 1.573648452758789,
2562
+ "learning_rate": 9.82875735540989e-08,
2563
+ "loss": 0.1635,
2564
+ "step": 365
2565
+ },
2566
+ {
2567
+ "epoch": 0.9457364341085271,
2568
+ "grad_norm": 1.3067245483398438,
2569
+ "learning_rate": 8.95815862892202e-08,
2570
+ "loss": 0.1664,
2571
+ "step": 366
2572
+ },
2573
+ {
2574
+ "epoch": 0.9483204134366925,
2575
+ "grad_norm": 1.5704214572906494,
2576
+ "learning_rate": 8.127578033998663e-08,
2577
+ "loss": 0.1985,
2578
+ "step": 367
2579
+ },
2580
+ {
2581
+ "epoch": 0.9509043927648578,
2582
+ "grad_norm": 1.3045734167099,
2583
+ "learning_rate": 7.337083259949918e-08,
2584
+ "loss": 0.1687,
2585
+ "step": 368
2586
+ },
2587
+ {
2588
+ "epoch": 0.9534883720930233,
2589
+ "grad_norm": 1.2257012128829956,
2590
+ "learning_rate": 6.58673872923693e-08,
2591
+ "loss": 0.1668,
2592
+ "step": 369
2593
+ },
2594
+ {
2595
+ "epoch": 0.9560723514211886,
2596
+ "grad_norm": 1.3284975290298462,
2597
+ "learning_rate": 5.8766055922211965e-08,
2598
+ "loss": 0.1604,
2599
+ "step": 370
2600
+ },
2601
+ {
2602
+ "epoch": 0.958656330749354,
2603
+ "grad_norm": 1.494699478149414,
2604
+ "learning_rate": 5.206741722181385e-08,
2605
+ "loss": 0.1802,
2606
+ "step": 371
2607
+ },
2608
+ {
2609
+ "epoch": 0.9612403100775194,
2610
+ "grad_norm": 1.6620988845825195,
2611
+ "learning_rate": 4.577201710596613e-08,
2612
+ "loss": 0.1794,
2613
+ "step": 372
2614
+ },
2615
+ {
2616
+ "epoch": 0.9638242894056848,
2617
+ "grad_norm": 1.295282244682312,
2618
+ "learning_rate": 3.98803686269783e-08,
2619
+ "loss": 0.1607,
2620
+ "step": 373
2621
+ },
2622
+ {
2623
+ "epoch": 0.9664082687338501,
2624
+ "grad_norm": 1.3023289442062378,
2625
+ "learning_rate": 3.439295193286174e-08,
2626
+ "loss": 0.1539,
2627
+ "step": 374
2628
+ },
2629
+ {
2630
+ "epoch": 0.9689922480620154,
2631
+ "grad_norm": 1.3331167697906494,
2632
+ "learning_rate": 2.9310214228202016e-08,
2633
+ "loss": 0.1695,
2634
+ "step": 375
2635
+ },
2636
+ {
2637
+ "epoch": 0.9715762273901809,
2638
+ "grad_norm": 1.3956187963485718,
2639
+ "learning_rate": 2.463256973771311e-08,
2640
+ "loss": 0.1647,
2641
+ "step": 376
2642
+ },
2643
+ {
2644
+ "epoch": 0.9741602067183462,
2645
+ "grad_norm": 1.1754802465438843,
2646
+ "learning_rate": 2.0360399672478826e-08,
2647
+ "loss": 0.1489,
2648
+ "step": 377
2649
+ },
2650
+ {
2651
+ "epoch": 0.9767441860465116,
2652
+ "grad_norm": 1.3734043836593628,
2653
+ "learning_rate": 1.6494052198886557e-08,
2654
+ "loss": 0.1675,
2655
+ "step": 378
2656
+ },
2657
+ {
2658
+ "epoch": 0.979328165374677,
2659
+ "grad_norm": 1.3153494596481323,
2660
+ "learning_rate": 1.3033842410251074e-08,
2661
+ "loss": 0.1568,
2662
+ "step": 379
2663
+ },
2664
+ {
2665
+ "epoch": 0.9819121447028424,
2666
+ "grad_norm": 1.3614672422409058,
2667
+ "learning_rate": 9.980052301137854e-09,
2668
+ "loss": 0.1564,
2669
+ "step": 380
2670
+ },
2671
+ {
2672
+ "epoch": 0.9844961240310077,
2673
+ "grad_norm": 1.2049131393432617,
2674
+ "learning_rate": 7.332930744380906e-09,
2675
+ "loss": 0.1575,
2676
+ "step": 381
2677
+ },
2678
+ {
2679
+ "epoch": 0.9870801033591732,
2680
+ "grad_norm": 1.2012826204299927,
2681
+ "learning_rate": 5.092693470798438e-09,
2682
+ "loss": 0.1483,
2683
+ "step": 382
2684
+ },
2685
+ {
2686
+ "epoch": 0.9896640826873385,
2687
+ "grad_norm": 1.3296922445297241,
2688
+ "learning_rate": 3.2595230516152543e-09,
2689
+ "loss": 0.1578,
2690
+ "step": 383
2691
+ },
2692
+ {
2693
+ "epoch": 0.9922480620155039,
2694
+ "grad_norm": 1.3670560121536255,
2695
+ "learning_rate": 1.8335688835802169e-09,
2696
+ "loss": 0.1673,
2697
+ "step": 384
2698
+ },
2699
+ {
2700
+ "epoch": 0.9948320413436692,
2701
+ "grad_norm": 1.4654539823532104,
2702
+ "learning_rate": 8.149471767937567e-10,
2703
+ "loss": 0.1594,
2704
+ "step": 385
2705
+ },
2706
+ {
2707
+ "epoch": 0.9974160206718347,
2708
+ "grad_norm": 1.3917102813720703,
2709
+ "learning_rate": 2.0374094523600841e-10,
2710
+ "loss": 0.1723,
2711
+ "step": 386
2712
+ },
2713
+ {
2714
+ "epoch": 1.0,
2715
+ "grad_norm": 1.2807058095932007,
2716
+ "learning_rate": 0.0,
2717
+ "loss": 0.1694,
2718
+ "step": 387
2719
+ },
2720
+ {
2721
+ "epoch": 1.0,
2722
+ "eval_loss": 0.3819105327129364,
2723
+ "eval_runtime": 3.48,
2724
+ "eval_samples_per_second": 66.091,
2725
+ "eval_steps_per_second": 2.874,
2726
+ "step": 387
2727
+ },
2728
+ {
2729
+ "epoch": 1.0,
2730
+ "step": 387,
2731
+ "total_flos": 1.3654500629387674e+17,
2732
+ "train_loss": 0.24298929205544542,
2733
+ "train_runtime": 1239.3737,
2734
+ "train_samples_per_second": 14.982,
2735
+ "train_steps_per_second": 0.312
2736
+ }
2737
+ ],
2738
+ "logging_steps": 1,
2739
+ "max_steps": 387,
2740
+ "num_input_tokens_seen": 0,
2741
+ "num_train_epochs": 1,
2742
+ "save_steps": 800,
2743
+ "stateful_callbacks": {
2744
+ "TrainerControl": {
2745
+ "args": {
2746
+ "should_epoch_stop": false,
2747
+ "should_evaluate": false,
2748
+ "should_log": false,
2749
+ "should_save": false,
2750
+ "should_training_stop": false
2751
+ },
2752
+ "attributes": {}
2753
+ }
2754
+ },
2755
+ "total_flos": 1.3654500629387674e+17,
2756
+ "train_batch_size": 16,
2757
+ "trial_name": null,
2758
+ "trial_params": null
2759
+ }