Hugging Face's logo

chansung
/
coding_llamaduo_60k

PEFT
TensorBoard
Safetensors
gemma
alignment-handbook
trl
sft
Generated from Trainer
4-bit precision
bitsandbytes
Model card Files Metrics Community
chansung commited on
Commit
d51d9ca
•
1 Parent(s): 8c1e2eb

Model save

Browse files
Files changed (6) hide show
  1. README.md +78 -0
  2. adapter_model.safetensors +1 -1
  3. all_results.json +9 -0
  4. runs/Apr23_20-30-33_deep-diver-main-nice-sloth-1-0-0/events.out.tfevents.1713918877.deep-diver-main-nice-sloth-1-0-0.521.0 +2 -2
  5. train_results.json +9 -0
  6. trainer_state.json +3645 -0
README.md ADDED
@@ -0,0 +1,78 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: gemma
3
+ library_name: peft
4
+ tags:
5
+ - trl
6
+ - sft
7
+ - generated_from_trainer
8
+ base_model: google/gemma-7b
9
+ datasets:
10
+ - generator
11
+ model-index:
12
+ - name: coding_llamaduo_60k
13
+ results: []
14
+ ---
15
+
16
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
17
+ should probably proofread and complete it, then remove this comment. -->
18
+
19
+ # coding_llamaduo_60k
20
+
21
+ This model is a fine-tuned version of [google/gemma-7b](https://huggingface.co/google/gemma-7b) on the generator dataset.
22
+ It achieves the following results on the evaluation set:
23
+ - Loss: 1.6318
24
+
25
+ ## Model description
26
+
27
+ More information needed
28
+
29
+ ## Intended uses & limitations
30
+
31
+ More information needed
32
+
33
+ ## Training and evaluation data
34
+
35
+ More information needed
36
+
37
+ ## Training procedure
38
+
39
+ ### Training hyperparameters
40
+
41
+ The following hyperparameters were used during training:
42
+ - learning_rate: 0.0002
43
+ - train_batch_size: 2
44
+ - eval_batch_size: 2
45
+ - seed: 42
46
+ - distributed_type: multi-GPU
47
+ - num_devices: 4
48
+ - gradient_accumulation_steps: 2
49
+ - total_train_batch_size: 16
50
+ - total_eval_batch_size: 8
51
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
52
+ - lr_scheduler_type: cosine
53
+ - lr_scheduler_warmup_ratio: 0.1
54
+ - num_epochs: 10
55
+
56
+ ### Training results
57
+
58
+ | Training Loss | Epoch | Step | Validation Loss |
59
+ |:-------------:|:-----:|:----:|:---------------:|
60
+ | 0.6618 | 1.0 | 252 | 1.2071 |
61
+ | 0.5731 | 2.0 | 504 | 1.1436 |
62
+ | 0.5198 | 3.0 | 756 | 1.1346 |
63
+ | 0.4783 | 4.0 | 1008 | 1.1536 |
64
+ | 0.4378 | 5.0 | 1260 | 1.2225 |
65
+ | 0.3836 | 6.0 | 1512 | 1.2893 |
66
+ | 0.3381 | 7.0 | 1764 | 1.4050 |
67
+ | 0.3043 | 8.0 | 2016 | 1.5185 |
68
+ | 0.2778 | 9.0 | 2268 | 1.6143 |
69
+ | 0.2748 | 10.0 | 2520 | 1.6318 |
70
+
71
+
72
+ ### Framework versions
73
+
74
+ - PEFT 0.7.1
75
+ - Transformers 4.40.1
76
+ - Pytorch 2.2.2+cu121
77
+ - Datasets 2.19.0
78
+ - Tokenizers 0.19.1
adapter_model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:b10b71c4977b4325089619f191b8cb554535fda81ee339412f956d9773aff225
3
  size 100060536
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:99fa2d2ccfdff74313612e46ceaab56d1356e1bcd0492a429ec6f4662f8277d5
3
  size 100060536
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 10.0,
3
+ "total_flos": 3.8651476831067177e+18,
4
+ "train_loss": 1.0268459252421818,
5
+ "train_runtime": 8757.4109,
6
+ "train_samples": 60531,
7
+ "train_samples_per_second": 4.596,
8
+ "train_steps_per_second": 0.288
9
+ }
runs/Apr23_20-30-33_deep-diver-main-nice-sloth-1-0-0/events.out.tfevents.1713918877.deep-diver-main-nice-sloth-1-0-0.521.0 CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:3e8f0659b4a3fc403ee8d463ffb44ddabb3070c2583ad2bdbc453220735d0771
3
- size 113486
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:51c44f7a5a994aa9336c648e56de78e9a07c6166aa00555f1d5fb3614655643f
3
+ size 114955
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 10.0,
3
+ "total_flos": 3.8651476831067177e+18,
4
+ "train_loss": 1.0268459252421818,
5
+ "train_runtime": 8757.4109,
6
+ "train_samples": 60531,
7
+ "train_samples_per_second": 4.596,
8
+ "train_steps_per_second": 0.288
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,3645 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 10.0,
5
+ "eval_steps": 500,
6
+ "global_step": 2520,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.003968253968253968,
13
+ "grad_norm": 458.0,
14
+ "learning_rate": 7.936507936507937e-07,
15
+ "loss": 46.2081,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.01984126984126984,
20
+ "grad_norm": 342.0,
21
+ "learning_rate": 3.968253968253968e-06,
22
+ "loss": 43.6637,
23
+ "step": 5
24
+ },
25
+ {
26
+ "epoch": 0.03968253968253968,
27
+ "grad_norm": 304.0,
28
+ "learning_rate": 7.936507936507936e-06,
29
+ "loss": 42.8752,
30
+ "step": 10
31
+ },
32
+ {
33
+ "epoch": 0.05952380952380952,
34
+ "grad_norm": 205.0,
35
+ "learning_rate": 1.1904761904761905e-05,
36
+ "loss": 35.6419,
37
+ "step": 15
38
+ },
39
+ {
40
+ "epoch": 0.07936507936507936,
41
+ "grad_norm": 139.0,
42
+ "learning_rate": 1.5873015873015872e-05,
43
+ "loss": 26.112,
44
+ "step": 20
45
+ },
46
+ {
47
+ "epoch": 0.0992063492063492,
48
+ "grad_norm": 24.75,
49
+ "learning_rate": 1.984126984126984e-05,
50
+ "loss": 21.3785,
51
+ "step": 25
52
+ },
53
+ {
54
+ "epoch": 0.11904761904761904,
55
+ "grad_norm": 23.75,
56
+ "learning_rate": 2.380952380952381e-05,
57
+ "loss": 18.754,
58
+ "step": 30
59
+ },
60
+ {
61
+ "epoch": 0.1388888888888889,
62
+ "grad_norm": 11.5625,
63
+ "learning_rate": 2.777777777777778e-05,
64
+ "loss": 17.301,
65
+ "step": 35
66
+ },
67
+ {
68
+ "epoch": 0.15873015873015872,
69
+ "grad_norm": 5.46875,
70
+ "learning_rate": 3.1746031746031745e-05,
71
+ "loss": 16.1126,
72
+ "step": 40
73
+ },
74
+ {
75
+ "epoch": 0.17857142857142858,
76
+ "grad_norm": 4.0,
77
+ "learning_rate": 3.571428571428572e-05,
78
+ "loss": 15.745,
79
+ "step": 45
80
+ },
81
+ {
82
+ "epoch": 0.1984126984126984,
83
+ "grad_norm": 4.84375,
84
+ "learning_rate": 3.968253968253968e-05,
85
+ "loss": 15.3598,
86
+ "step": 50
87
+ },
88
+ {
89
+ "epoch": 0.21825396825396826,
90
+ "grad_norm": 7.0,
91
+ "learning_rate": 4.3650793650793655e-05,
92
+ "loss": 14.6923,
93
+ "step": 55
94
+ },
95
+ {
96
+ "epoch": 0.23809523809523808,
97
+ "grad_norm": 11.5625,
98
+ "learning_rate": 4.761904761904762e-05,
99
+ "loss": 13.8362,
100
+ "step": 60
101
+ },
102
+ {
103
+ "epoch": 0.25793650793650796,
104
+ "grad_norm": 23.625,
105
+ "learning_rate": 5.158730158730159e-05,
106
+ "loss": 12.2662,
107
+ "step": 65
108
+ },
109
+ {
110
+ "epoch": 0.2777777777777778,
111
+ "grad_norm": 40.0,
112
+ "learning_rate": 5.555555555555556e-05,
113
+ "loss": 8.9932,
114
+ "step": 70
115
+ },
116
+ {
117
+ "epoch": 0.2976190476190476,
118
+ "grad_norm": 12.0,
119
+ "learning_rate": 5.9523809523809524e-05,
120
+ "loss": 3.4302,
121
+ "step": 75
122
+ },
123
+ {
124
+ "epoch": 0.31746031746031744,
125
+ "grad_norm": 2.65625,
126
+ "learning_rate": 6.349206349206349e-05,
127
+ "loss": 1.7075,
128
+ "step": 80
129
+ },
130
+ {
131
+ "epoch": 0.3373015873015873,
132
+ "grad_norm": 1.84375,
133
+ "learning_rate": 6.746031746031747e-05,
134
+ "loss": 1.4439,
135
+ "step": 85
136
+ },
137
+ {
138
+ "epoch": 0.35714285714285715,
139
+ "grad_norm": 1.578125,
140
+ "learning_rate": 7.142857142857143e-05,
141
+ "loss": 1.2581,
142
+ "step": 90
143
+ },
144
+ {
145
+ "epoch": 0.376984126984127,
146
+ "grad_norm": 1.7265625,
147
+ "learning_rate": 7.53968253968254e-05,
148
+ "loss": 1.1475,
149
+ "step": 95
150
+ },
151
+ {
152
+ "epoch": 0.3968253968253968,
153
+ "grad_norm": 1.046875,
154
+ "learning_rate": 7.936507936507937e-05,
155
+ "loss": 1.0353,
156
+ "step": 100
157
+ },
158
+ {
159
+ "epoch": 0.4166666666666667,
160
+ "grad_norm": 1.0859375,
161
+ "learning_rate": 8.333333333333334e-05,
162
+ "loss": 0.9727,
163
+ "step": 105
164
+ },
165
+ {
166
+ "epoch": 0.4365079365079365,
167
+ "grad_norm": 1.2578125,
168
+ "learning_rate": 8.730158730158731e-05,
169
+ "loss": 0.9454,
170
+ "step": 110
171
+ },
172
+ {
173
+ "epoch": 0.45634920634920634,
174
+ "grad_norm": 2.90625,
175
+ "learning_rate": 9.126984126984128e-05,
176
+ "loss": 0.8831,
177
+ "step": 115
178
+ },
179
+ {
180
+ "epoch": 0.47619047619047616,
181
+ "grad_norm": 4.40625,
182
+ "learning_rate": 9.523809523809524e-05,
183
+ "loss": 0.8701,
184
+ "step": 120
185
+ },
186
+ {
187
+ "epoch": 0.49603174603174605,
188
+ "grad_norm": 3.21875,
189
+ "learning_rate": 9.920634920634922e-05,
190
+ "loss": 0.8496,
191
+ "step": 125
192
+ },
193
+ {
194
+ "epoch": 0.5158730158730159,
195
+ "grad_norm": 31.75,
196
+ "learning_rate": 0.00010317460317460319,
197
+ "loss": 0.8262,
198
+ "step": 130
199
+ },
200
+ {
201
+ "epoch": 0.5357142857142857,
202
+ "grad_norm": 0.9765625,
203
+ "learning_rate": 0.00010714285714285715,
204
+ "loss": 0.8224,
205
+ "step": 135
206
+ },
207
+ {
208
+ "epoch": 0.5555555555555556,
209
+ "grad_norm": 3.25,
210
+ "learning_rate": 0.00011111111111111112,
211
+ "loss": 0.8101,
212
+ "step": 140
213
+ },
214
+ {
215
+ "epoch": 0.5753968253968254,
216
+ "grad_norm": 1.1171875,
217
+ "learning_rate": 0.00011507936507936508,
218
+ "loss": 0.797,
219
+ "step": 145
220
+ },
221
+ {
222
+ "epoch": 0.5952380952380952,
223
+ "grad_norm": 1.0625,
224
+ "learning_rate": 0.00011904761904761905,
225
+ "loss": 0.7696,
226
+ "step": 150
227
+ },
228
+ {
229
+ "epoch": 0.6150793650793651,
230
+ "grad_norm": 5.9375,
231
+ "learning_rate": 0.00012301587301587303,
232
+ "loss": 0.7579,
233
+ "step": 155
234
+ },
235
+ {
236
+ "epoch": 0.6349206349206349,
237
+ "grad_norm": 3.390625,
238
+ "learning_rate": 0.00012698412698412698,
239
+ "loss": 0.7647,
240
+ "step": 160
241
+ },
242
+ {
243
+ "epoch": 0.6547619047619048,
244
+ "grad_norm": 1.59375,
245
+ "learning_rate": 0.00013095238095238096,
246
+ "loss": 0.7303,
247
+ "step": 165
248
+ },
249
+ {
250
+ "epoch": 0.6746031746031746,
251
+ "grad_norm": 2.953125,
252
+ "learning_rate": 0.00013492063492063494,
253
+ "loss": 0.7226,
254
+ "step": 170
255
+ },
256
+ {
257
+ "epoch": 0.6944444444444444,
258
+ "grad_norm": 1.265625,
259
+ "learning_rate": 0.0001388888888888889,
260
+ "loss": 0.711,
261
+ "step": 175
262
+ },
263
+ {
264
+ "epoch": 0.7142857142857143,
265
+ "grad_norm": 17.5,
266
+ "learning_rate": 0.00014285714285714287,
267
+ "loss": 0.7247,
268
+ "step": 180
269
+ },
270
+ {
271
+ "epoch": 0.7341269841269841,
272
+ "grad_norm": 3.25,
273
+ "learning_rate": 0.00014682539682539682,
274
+ "loss": 0.7103,
275
+ "step": 185
276
+ },
277
+ {
278
+ "epoch": 0.753968253968254,
279
+ "grad_norm": 2.265625,
280
+ "learning_rate": 0.0001507936507936508,
281
+ "loss": 0.726,
282
+ "step": 190
283
+ },
284
+ {
285
+ "epoch": 0.7738095238095238,
286
+ "grad_norm": 1.3671875,
287
+ "learning_rate": 0.00015476190476190478,
288
+ "loss": 0.6925,
289
+ "step": 195
290
+ },
291
+ {
292
+ "epoch": 0.7936507936507936,
293
+ "grad_norm": 1.4375,
294
+ "learning_rate": 0.00015873015873015873,
295
+ "loss": 0.7095,
296
+ "step": 200
297
+ },
298
+ {
299
+ "epoch": 0.8134920634920635,
300
+ "grad_norm": 0.5703125,
301
+ "learning_rate": 0.0001626984126984127,
302
+ "loss": 0.671,
303
+ "step": 205
304
+ },
305
+ {
306
+ "epoch": 0.8333333333333334,
307
+ "grad_norm": 0.6015625,
308
+ "learning_rate": 0.0001666666666666667,
309
+ "loss": 0.6731,
310
+ "step": 210
311
+ },
312
+ {
313
+ "epoch": 0.8531746031746031,
314
+ "grad_norm": 0.54296875,
315
+ "learning_rate": 0.00017063492063492064,
316
+ "loss": 0.6706,
317
+ "step": 215
318
+ },
319
+ {
320
+ "epoch": 0.873015873015873,
321
+ "grad_norm": 3.078125,
322
+ "learning_rate": 0.00017460317460317462,
323
+ "loss": 0.6931,
324
+ "step": 220
325
+ },
326
+ {
327
+ "epoch": 0.8928571428571429,
328
+ "grad_norm": 0.8671875,
329
+ "learning_rate": 0.0001785714285714286,
330
+ "loss": 0.6979,
331
+ "step": 225
332
+ },
333
+ {
334
+ "epoch": 0.9126984126984127,
335
+ "grad_norm": 0.80078125,
336
+ "learning_rate": 0.00018253968253968255,
337
+ "loss": 0.6797,
338
+ "step": 230
339
+ },
340
+ {
341
+ "epoch": 0.9325396825396826,
342
+ "grad_norm": 0.828125,
343
+ "learning_rate": 0.00018650793650793653,
344
+ "loss": 0.6679,
345
+ "step": 235
346
+ },
347
+ {
348
+ "epoch": 0.9523809523809523,
349
+ "grad_norm": 2.8125,
350
+ "learning_rate": 0.00019047619047619048,
351
+ "loss": 0.6605,
352
+ "step": 240
353
+ },
354
+ {
355
+ "epoch": 0.9722222222222222,
356
+ "grad_norm": 1.5703125,
357
+ "learning_rate": 0.00019444444444444446,
358
+ "loss": 0.6615,
359
+ "step": 245
360
+ },
361
+ {
362
+ "epoch": 0.9920634920634921,
363
+ "grad_norm": 0.98046875,
364
+ "learning_rate": 0.00019841269841269844,
365
+ "loss": 0.6618,
366
+ "step": 250
367
+ },
368
+ {
369
+ "epoch": 1.0,
370
+ "eval_loss": 1.2071309089660645,
371
+ "eval_runtime": 0.5456,
372
+ "eval_samples_per_second": 3.666,
373
+ "eval_steps_per_second": 1.833,
374
+ "step": 252
375
+ },
376
+ {
377
+ "epoch": 1.0119047619047619,
378
+ "grad_norm": 1.578125,
379
+ "learning_rate": 0.0001999991365731819,
380
+ "loss": 0.6218,
381
+ "step": 255
382
+ },
383
+ {
384
+ "epoch": 1.0317460317460316,
385
+ "grad_norm": 3.71875,
386
+ "learning_rate": 0.00019999386012995552,
387
+ "loss": 0.6584,
388
+ "step": 260
389
+ },
390
+ {
391
+ "epoch": 1.0515873015873016,
392
+ "grad_norm": 1.828125,
393
+ "learning_rate": 0.0001999837871778622,
394
+ "loss": 0.635,
395
+ "step": 265
396
+ },
397
+ {
398
+ "epoch": 1.0714285714285714,
399
+ "grad_norm": 1.4375,
400
+ "learning_rate": 0.00019996891820008164,
401
+ "loss": 0.6303,
402
+ "step": 270
403
+ },
404
+ {
405
+ "epoch": 1.0912698412698412,
406
+ "grad_norm": 1.03125,
407
+ "learning_rate": 0.00019994925390984946,
408
+ "loss": 0.6337,
409
+ "step": 275
410
+ },
411
+ {
412
+ "epoch": 1.1111111111111112,
413
+ "grad_norm": 1.265625,
414
+ "learning_rate": 0.00019992479525042303,
415
+ "loss": 0.6218,
416
+ "step": 280
417
+ },
418
+ {
419
+ "epoch": 1.130952380952381,
420
+ "grad_norm": 0.97265625,
421
+ "learning_rate": 0.00019989554339503612,
422
+ "loss": 0.6194,
423
+ "step": 285
424
+ },
425
+ {
426
+ "epoch": 1.1507936507936507,
427
+ "grad_norm": 0.369140625,
428
+ "learning_rate": 0.0001998614997468427,
429
+ "loss": 0.613,
430
+ "step": 290
431
+ },
432
+ {
433
+ "epoch": 1.1706349206349207,
434
+ "grad_norm": 1.5078125,
435
+ "learning_rate": 0.00019982266593884972,
436
+ "loss": 0.6137,
437
+ "step": 295
438
+ },
439
+ {
440
+ "epoch": 1.1904761904761905,
441
+ "grad_norm": 1.6875,
442
+ "learning_rate": 0.0001997790438338385,
443
+ "loss": 0.6055,
444
+ "step": 300
445
+ },
446
+ {
447
+ "epoch": 1.2103174603174602,
448
+ "grad_norm": 1.4921875,
449
+ "learning_rate": 0.00019973063552427572,
450
+ "loss": 0.6144,
451
+ "step": 305
452
+ },
453
+ {
454
+ "epoch": 1.2301587301587302,
455
+ "grad_norm": 0.78515625,
456
+ "learning_rate": 0.00019967744333221278,
457
+ "loss": 0.6101,
458
+ "step": 310
459
+ },
460
+ {
461
+ "epoch": 1.25,
462
+ "grad_norm": 0.384765625,
463
+ "learning_rate": 0.00019961946980917456,
464
+ "loss": 0.6202,
465
+ "step": 315
466
+ },
467
+ {
468
+ "epoch": 1.2698412698412698,
469
+ "grad_norm": 0.451171875,
470
+ "learning_rate": 0.00019955671773603696,
471
+ "loss": 0.6088,
472
+ "step": 320
473
+ },
474
+ {
475
+ "epoch": 1.2896825396825398,
476
+ "grad_norm": 0.76171875,
477
+ "learning_rate": 0.00019948919012289357,
478
+ "loss": 0.5923,
479
+ "step": 325
480
+ },
481
+ {
482
+ "epoch": 1.3095238095238095,
483
+ "grad_norm": 0.5859375,
484
+ "learning_rate": 0.0001994168902089112,
485
+ "loss": 0.6051,
486
+ "step": 330
487
+ },
488
+ {
489
+ "epoch": 1.3293650793650793,
490
+ "grad_norm": 2.015625,
491
+ "learning_rate": 0.00019933982146217463,
492
+ "loss": 0.5887,
493
+ "step": 335
494
+ },
495
+ {
496
+ "epoch": 1.3492063492063493,
497
+ "grad_norm": 1.4765625,
498
+ "learning_rate": 0.00019925798757952,
499
+ "loss": 0.5903,
500
+ "step": 340
501
+ },
502
+ {
503
+ "epoch": 1.369047619047619,
504
+ "grad_norm": 0.921875,
505
+ "learning_rate": 0.00019917139248635786,
506
+ "loss": 0.5895,
507
+ "step": 345
508
+ },
509
+ {
510
+ "epoch": 1.3888888888888888,
511
+ "grad_norm": 0.61328125,
512
+ "learning_rate": 0.00019908004033648453,
513
+ "loss": 0.616,
514
+ "step": 350
515
+ },
516
+ {
517
+ "epoch": 1.4087301587301586,
518
+ "grad_norm": 0.416015625,
519
+ "learning_rate": 0.00019898393551188304,
520
+ "loss": 0.5878,
521
+ "step": 355
522
+ },
523
+ {
524
+ "epoch": 1.4285714285714286,
525
+ "grad_norm": 0.55859375,
526
+ "learning_rate": 0.00019888308262251285,
527
+ "loss": 0.589,
528
+ "step": 360
529
+ },
530
+ {
531
+ "epoch": 1.4484126984126984,
532
+ "grad_norm": 1.1015625,
533
+ "learning_rate": 0.0001987774865060888,
534
+ "loss": 0.5866,
535
+ "step": 365
536
+ },
537
+ {
538
+ "epoch": 1.4682539682539684,
539
+ "grad_norm": 0.431640625,
540
+ "learning_rate": 0.00019866715222784895,
541
+ "loss": 0.5823,
542
+ "step": 370
543
+ },
544
+ {
545
+ "epoch": 1.4880952380952381,
546
+ "grad_norm": 0.57421875,
547
+ "learning_rate": 0.0001985520850803117,
548
+ "loss": 0.586,
549
+ "step": 375
550
+ },
551
+ {
552
+ "epoch": 1.507936507936508,
553
+ "grad_norm": 0.78125,
554
+ "learning_rate": 0.0001984322905830219,
555
+ "loss": 0.5844,
556
+ "step": 380
557
+ },
558
+ {
559
+ "epoch": 1.5277777777777777,
560
+ "grad_norm": 1.1953125,
561
+ "learning_rate": 0.00019830777448228603,
562
+ "loss": 0.5813,
563
+ "step": 385
564
+ },
565
+ {
566
+ "epoch": 1.5476190476190477,
567
+ "grad_norm": 1.21875,
568
+ "learning_rate": 0.0001981785427508966,
569
+ "loss": 0.5916,
570
+ "step": 390
571
+ },
572
+ {
573
+ "epoch": 1.5674603174603174,
574
+ "grad_norm": 0.81640625,
575
+ "learning_rate": 0.0001980446015878457,
576
+ "loss": 0.5879,
577
+ "step": 395
578
+ },
579
+ {
580
+ "epoch": 1.5873015873015874,
581
+ "grad_norm": 5.0625,
582
+ "learning_rate": 0.00019790595741802757,
583
+ "loss": 0.5762,
584
+ "step": 400
585
+ },
586
+ {
587
+ "epoch": 1.6071428571428572,
588
+ "grad_norm": 0.88671875,
589
+ "learning_rate": 0.00019776261689193048,
590
+ "loss": 0.5798,
591
+ "step": 405
592
+ },
593
+ {
594
+ "epoch": 1.626984126984127,
595
+ "grad_norm": 1.015625,
596
+ "learning_rate": 0.00019761458688531756,
597
+ "loss": 0.5942,
598
+ "step": 410
599
+ },
600
+ {
601
+ "epoch": 1.6468253968253967,
602
+ "grad_norm": 0.46875,
603
+ "learning_rate": 0.00019746187449889725,
604
+ "loss": 0.5794,
605
+ "step": 415
606
+ },
607
+ {
608
+ "epoch": 1.6666666666666665,
609
+ "grad_norm": 0.6171875,
610
+ "learning_rate": 0.00019730448705798239,
611
+ "loss": 0.5885,
612
+ "step": 420
613
+ },
614
+ {
615
+ "epoch": 1.6865079365079365,
616
+ "grad_norm": 0.8359375,
617
+ "learning_rate": 0.00019714243211213915,
618
+ "loss": 0.572,
619
+ "step": 425
620
+ },
621
+ {
622
+ "epoch": 1.7063492063492065,
623
+ "grad_norm": 0.5625,
624
+ "learning_rate": 0.0001969757174348246,
625
+ "loss": 0.5707,
626
+ "step": 430
627
+ },
628
+ {
629
+ "epoch": 1.7261904761904763,
630
+ "grad_norm": 0.80078125,
631
+ "learning_rate": 0.00019680435102301412,
632
+ "loss": 0.5813,
633
+ "step": 435
634
+ },
635
+ {
636
+ "epoch": 1.746031746031746,
637
+ "grad_norm": 0.42578125,
638
+ "learning_rate": 0.0001966283410968174,
639
+ "loss": 0.584,
640
+ "step": 440
641
+ },
642
+ {
643
+ "epoch": 1.7658730158730158,
644
+ "grad_norm": 0.65625,
645
+ "learning_rate": 0.00019644769609908466,
646
+ "loss": 0.5634,
647
+ "step": 445
648
+ },
649
+ {
650
+ "epoch": 1.7857142857142856,
651
+ "grad_norm": 0.48828125,
652
+ "learning_rate": 0.0001962624246950012,
653
+ "loss": 0.5764,
654
+ "step": 450
655
+ },
656
+ {
657
+ "epoch": 1.8055555555555556,
658
+ "grad_norm": 0.365234375,
659
+ "learning_rate": 0.00019607253577167205,
660
+ "loss": 0.5763,
661
+ "step": 455
662
+ },
663
+ {
664
+ "epoch": 1.8253968253968254,
665
+ "grad_norm": 0.435546875,
666
+ "learning_rate": 0.0001958780384376955,
667
+ "loss": 0.5704,
668
+ "step": 460
669
+ },
670
+ {
671
+ "epoch": 1.8452380952380953,
672
+ "grad_norm": 0.765625,
673
+ "learning_rate": 0.0001956789420227262,
674
+ "loss": 0.5748,
675
+ "step": 465
676
+ },
677
+ {
678
+ "epoch": 1.8650793650793651,
679
+ "grad_norm": 0.58984375,
680
+ "learning_rate": 0.00019547525607702774,
681
+ "loss": 0.5647,
682
+ "step": 470
683
+ },
684
+ {
685
+ "epoch": 1.8849206349206349,
686
+ "grad_norm": 0.90234375,
687
+ "learning_rate": 0.00019526699037101454,
688
+ "loss": 0.5781,
689
+ "step": 475
690
+ },
691
+ {
692
+ "epoch": 1.9047619047619047,
693
+ "grad_norm": 0.65625,
694
+ "learning_rate": 0.0001950541548947829,
695
+ "loss": 0.5906,
696
+ "step": 480
697
+ },
698
+ {
699
+ "epoch": 1.9246031746031746,
700
+ "grad_norm": 0.390625,
701
+ "learning_rate": 0.00019483675985763226,
702
+ "loss": 0.574,
703
+ "step": 485
704
+ },
705
+ {
706
+ "epoch": 1.9444444444444444,
707
+ "grad_norm": 0.42578125,
708
+ "learning_rate": 0.00019461481568757506,
709
+ "loss": 0.5732,
710
+ "step": 490
711
+ },
712
+ {
713
+ "epoch": 1.9642857142857144,
714
+ "grad_norm": 0.8515625,
715
+ "learning_rate": 0.00019438833303083678,
716
+ "loss": 0.595,
717
+ "step": 495
718
+ },
719
+ {
720
+ "epoch": 1.9841269841269842,
721
+ "grad_norm": 0.81640625,
722
+ "learning_rate": 0.00019415732275134513,
723
+ "loss": 0.5731,
724
+ "step": 500
725
+ },
726
+ {
727
+ "epoch": 2.0,
728
+ "eval_loss": 1.1435573101043701,
729
+ "eval_runtime": 0.545,
730
+ "eval_samples_per_second": 3.67,
731
+ "eval_steps_per_second": 1.835,
732
+ "step": 504
733
+ },
734
+ {
735
+ "epoch": 2.003968253968254,
736
+ "grad_norm": 0.404296875,
737
+ "learning_rate": 0.00019392179593020906,
738
+ "loss": 0.5499,
739
+ "step": 505
740
+ },
741
+ {
742
+ "epoch": 2.0238095238095237,
743
+ "grad_norm": 0.369140625,
744
+ "learning_rate": 0.0001936817638651871,
745
+ "loss": 0.5257,
746
+ "step": 510
747
+ },
748
+ {
749
+ "epoch": 2.0436507936507935,
750
+ "grad_norm": 0.78515625,
751
+ "learning_rate": 0.00019343723807014544,
752
+ "loss": 0.5286,
753
+ "step": 515
754
+ },
755
+ {
756
+ "epoch": 2.0634920634920633,
757
+ "grad_norm": 1.921875,
758
+ "learning_rate": 0.0001931882302745057,
759
+ "loss": 0.5322,
760
+ "step": 520
761
+ },
762
+ {
763
+ "epoch": 2.0833333333333335,
764
+ "grad_norm": 0.8046875,
765
+ "learning_rate": 0.00019293475242268223,
766
+ "loss": 0.5154,
767
+ "step": 525
768
+ },
769
+ {
770
+ "epoch": 2.1031746031746033,
771
+ "grad_norm": 1.7578125,
772
+ "learning_rate": 0.00019267681667350928,
773
+ "loss": 0.5199,
774
+ "step": 530
775
+ },
776
+ {
777
+ "epoch": 2.123015873015873,
778
+ "grad_norm": 2.21875,
779
+ "learning_rate": 0.0001924144353996575,
780
+ "loss": 0.5328,
781
+ "step": 535
782
+ },
783
+ {
784
+ "epoch": 2.142857142857143,
785
+ "grad_norm": 2.03125,
786
+ "learning_rate": 0.00019214762118704076,
787
+ "loss": 0.529,
788
+ "step": 540
789
+ },
790
+ {
791
+ "epoch": 2.1626984126984126,
792
+ "grad_norm": 1.078125,
793
+ "learning_rate": 0.00019187638683421226,
794
+ "loss": 0.5325,
795
+ "step": 545
796
+ },
797
+ {
798
+ "epoch": 2.1825396825396823,
799
+ "grad_norm": 1.71875,
800
+ "learning_rate": 0.00019160074535175058,
801
+ "loss": 0.5314,
802
+ "step": 550
803
+ },
804
+ {
805
+ "epoch": 2.2023809523809526,
806
+ "grad_norm": 1.40625,
807
+ "learning_rate": 0.00019132070996163568,
808
+ "loss": 0.5414,
809
+ "step": 555
810
+ },
811
+ {
812
+ "epoch": 2.2222222222222223,
813
+ "grad_norm": 4.0,
814
+ "learning_rate": 0.0001910362940966147,
815
+ "loss": 0.5265,
816
+ "step": 560
817
+ },
818
+ {
819
+ "epoch": 2.242063492063492,
820
+ "grad_norm": 1.1953125,
821
+ "learning_rate": 0.00019074751139955737,
822
+ "loss": 0.5357,
823
+ "step": 565
824
+ },
825
+ {
826
+ "epoch": 2.261904761904762,
827
+ "grad_norm": 0.921875,
828
+ "learning_rate": 0.00019045437572280194,
829
+ "loss": 0.5291,
830
+ "step": 570
831
+ },
832
+ {
833
+ "epoch": 2.2817460317460316,
834
+ "grad_norm": 0.5546875,
835
+ "learning_rate": 0.00019015690112749044,
836
+ "loss": 0.5209,
837
+ "step": 575
838
+ },
839
+ {
840
+ "epoch": 2.3015873015873014,
841
+ "grad_norm": 0.8125,
842
+ "learning_rate": 0.0001898551018828944,
843
+ "loss": 0.5152,
844
+ "step": 580
845
+ },
846
+ {
847
+ "epoch": 2.3214285714285716,
848
+ "grad_norm": 0.51953125,
849
+ "learning_rate": 0.0001895489924657301,
850
+ "loss": 0.525,
851
+ "step": 585
852
+ },
853
+ {
854
+ "epoch": 2.3412698412698414,
855
+ "grad_norm": 0.4140625,
856
+ "learning_rate": 0.0001892385875594645,
857
+ "loss": 0.5308,
858
+ "step": 590
859
+ },
860
+ {
861
+ "epoch": 2.361111111111111,
862
+ "grad_norm": 0.431640625,
863
+ "learning_rate": 0.00018892390205361062,
864
+ "loss": 0.5136,
865
+ "step": 595
866
+ },
867
+ {
868
+ "epoch": 2.380952380952381,
869
+ "grad_norm": 0.75390625,
870
+ "learning_rate": 0.00018860495104301345,
871
+ "loss": 0.5228,
872
+ "step": 600
873
+ },
874
+ {
875
+ "epoch": 2.4007936507936507,
876
+ "grad_norm": 0.37109375,
877
+ "learning_rate": 0.00018828174982712587,
878
+ "loss": 0.5294,
879
+ "step": 605
880
+ },
881
+ {
882
+ "epoch": 2.4206349206349205,
883
+ "grad_norm": 0.7265625,
884
+ "learning_rate": 0.0001879543139092747,
885
+ "loss": 0.5259,
886
+ "step": 610
887
+ },
888
+ {
889
+ "epoch": 2.4404761904761907,
890
+ "grad_norm": 0.482421875,
891
+ "learning_rate": 0.00018762265899591722,
892
+ "loss": 0.5203,
893
+ "step": 615
894
+ },
895
+ {
896
+ "epoch": 2.4603174603174605,
897
+ "grad_norm": 0.349609375,
898
+ "learning_rate": 0.00018728680099588748,
899
+ "loss": 0.5241,
900
+ "step": 620
901
+ },
902
+ {
903
+ "epoch": 2.4801587301587302,
904
+ "grad_norm": 0.51171875,
905
+ "learning_rate": 0.00018694675601963338,
906
+ "loss": 0.5314,
907
+ "step": 625
908
+ },
909
+ {
910
+ "epoch": 2.5,
911
+ "grad_norm": 0.458984375,
912
+ "learning_rate": 0.00018660254037844388,
913
+ "loss": 0.5272,
914
+ "step": 630
915
+ },
916
+ {
917
+ "epoch": 2.5198412698412698,
918
+ "grad_norm": 0.50390625,
919
+ "learning_rate": 0.0001862541705836665,
920
+ "loss": 0.5253,
921
+ "step": 635
922
+ },
923
+ {
924
+ "epoch": 2.5396825396825395,
925
+ "grad_norm": 0.34375,
926
+ "learning_rate": 0.00018590166334591531,
927
+ "loss": 0.5283,
928
+ "step": 640
929
+ },
930
+ {
931
+ "epoch": 2.5595238095238093,
932
+ "grad_norm": 0.734375,
933
+ "learning_rate": 0.00018554503557426948,
934
+ "loss": 0.5236,
935
+ "step": 645
936
+ },
937
+ {
938
+ "epoch": 2.5793650793650795,
939
+ "grad_norm": 0.68359375,
940
+ "learning_rate": 0.000185184304375462,
941
+ "loss": 0.5308,
942
+ "step": 650
943
+ },
944
+ {
945
+ "epoch": 2.5992063492063493,
946
+ "grad_norm": 0.3046875,
947
+ "learning_rate": 0.0001848194870530592,
948
+ "loss": 0.5281,
949
+ "step": 655
950
+ },
951
+ {
952
+ "epoch": 2.619047619047619,
953
+ "grad_norm": 0.31640625,
954
+ "learning_rate": 0.0001844506011066308,
955
+ "loss": 0.5229,
956
+ "step": 660
957
+ },
958
+ {
959
+ "epoch": 2.638888888888889,
960
+ "grad_norm": 0.396484375,
961
+ "learning_rate": 0.00018407766423091034,
962
+ "loss": 0.5169,
963
+ "step": 665
964
+ },
965
+ {
966
+ "epoch": 2.6587301587301586,
967
+ "grad_norm": 0.38671875,
968
+ "learning_rate": 0.00018370069431494646,
969
+ "loss": 0.5277,
970
+ "step": 670
971
+ },
972
+ {
973
+ "epoch": 2.678571428571429,
974
+ "grad_norm": 0.345703125,
975
+ "learning_rate": 0.0001833197094412449,
976
+ "loss": 0.5152,
977
+ "step": 675
978
+ },
979
+ {
980
+ "epoch": 2.6984126984126986,
981
+ "grad_norm": 0.380859375,
982
+ "learning_rate": 0.00018293472788490095,
983
+ "loss": 0.5286,
984
+ "step": 680
985
+ },
986
+ {
987
+ "epoch": 2.7182539682539684,
988
+ "grad_norm": 0.306640625,
989
+ "learning_rate": 0.00018254576811272294,
990
+ "loss": 0.5177,
991
+ "step": 685
992
+ },
993
+ {
994
+ "epoch": 2.738095238095238,
995
+ "grad_norm": 0.59765625,
996
+ "learning_rate": 0.00018215284878234642,
997
+ "loss": 0.5308,
998
+ "step": 690
999
+ },
1000
+ {
1001
+ "epoch": 2.757936507936508,
1002
+ "grad_norm": 0.45703125,
1003
+ "learning_rate": 0.00018175598874133904,
1004
+ "loss": 0.5173,
1005
+ "step": 695
1006
+ },
1007
+ {
1008
+ "epoch": 2.7777777777777777,
1009
+ "grad_norm": 0.95703125,
1010
+ "learning_rate": 0.00018135520702629675,
1011
+ "loss": 0.5236,
1012
+ "step": 700
1013
+ },
1014
+ {
1015
+ "epoch": 2.7976190476190474,
1016
+ "grad_norm": 0.7578125,
1017
+ "learning_rate": 0.0001809505228619304,
1018
+ "loss": 0.524,
1019
+ "step": 705
1020
+ },
1021
+ {
1022
+ "epoch": 2.817460317460317,
1023
+ "grad_norm": 0.49609375,
1024
+ "learning_rate": 0.0001805419556601437,
1025
+ "loss": 0.5396,
1026
+ "step": 710
1027
+ },
1028
+ {
1029
+ "epoch": 2.8373015873015874,
1030
+ "grad_norm": 0.376953125,
1031
+ "learning_rate": 0.00018012952501910201,
1032
+ "loss": 0.5259,
1033
+ "step": 715
1034
+ },
1035
+ {
1036
+ "epoch": 2.857142857142857,
1037
+ "grad_norm": 0.35546875,
1038
+ "learning_rate": 0.00017971325072229226,
1039
+ "loss": 0.534,
1040
+ "step": 720
1041
+ },
1042
+ {
1043
+ "epoch": 2.876984126984127,
1044
+ "grad_norm": 0.470703125,
1045
+ "learning_rate": 0.00017929315273757402,
1046
+ "loss": 0.523,
1047
+ "step": 725
1048
+ },
1049
+ {
1050
+ "epoch": 2.8968253968253967,
1051
+ "grad_norm": 0.396484375,
1052
+ "learning_rate": 0.0001788692512162216,
1053
+ "loss": 0.5138,
1054
+ "step": 730
1055
+ },
1056
+ {
1057
+ "epoch": 2.9166666666666665,
1058
+ "grad_norm": 0.466796875,
1059
+ "learning_rate": 0.00017844156649195759,
1060
+ "loss": 0.533,
1061
+ "step": 735
1062
+ },
1063
+ {
1064
+ "epoch": 2.9365079365079367,
1065
+ "grad_norm": 0.423828125,
1066
+ "learning_rate": 0.00017801011907997725,
1067
+ "loss": 0.53,
1068
+ "step": 740
1069
+ },
1070
+ {
1071
+ "epoch": 2.9563492063492065,
1072
+ "grad_norm": 0.462890625,
1073
+ "learning_rate": 0.0001775749296759647,
1074
+ "loss": 0.5302,
1075
+ "step": 745
1076
+ },
1077
+ {
1078
+ "epoch": 2.9761904761904763,
1079
+ "grad_norm": 0.640625,
1080
+ "learning_rate": 0.0001771360191551,
1081
+ "loss": 0.5436,
1082
+ "step": 750
1083
+ },
1084
+ {
1085
+ "epoch": 2.996031746031746,
1086
+ "grad_norm": 1.0703125,
1087
+ "learning_rate": 0.00017669340857105777,
1088
+ "loss": 0.5198,
1089
+ "step": 755
1090
+ },
1091
+ {
1092
+ "epoch": 3.0,
1093
+ "eval_loss": 1.1346014738082886,
1094
+ "eval_runtime": 0.5471,
1095
+ "eval_samples_per_second": 3.655,
1096
+ "eval_steps_per_second": 1.828,
1097
+ "step": 756
1098
+ },
1099
+ {
1100
+ "epoch": 3.015873015873016,
1101
+ "grad_norm": 0.7734375,
1102
+ "learning_rate": 0.00017624711915499764,
1103
+ "loss": 0.481,
1104
+ "step": 760
1105
+ },
1106
+ {
1107
+ "epoch": 3.0357142857142856,
1108
+ "grad_norm": 0.5390625,
1109
+ "learning_rate": 0.0001757971723145453,
1110
+ "loss": 0.4658,
1111
+ "step": 765
1112
+ },
1113
+ {
1114
+ "epoch": 3.0555555555555554,
1115
+ "grad_norm": 0.58203125,
1116
+ "learning_rate": 0.00017534358963276607,
1117
+ "loss": 0.4725,
1118
+ "step": 770
1119
+ },
1120
+ {
1121
+ "epoch": 3.0753968253968256,
1122
+ "grad_norm": 0.59765625,
1123
+ "learning_rate": 0.0001748863928671294,
1124
+ "loss": 0.4651,
1125
+ "step": 775
1126
+ },
1127
+ {
1128
+ "epoch": 3.0952380952380953,
1129
+ "grad_norm": 0.78515625,
1130
+ "learning_rate": 0.00017442560394846516,
1131
+ "loss": 0.4651,
1132
+ "step": 780
1133
+ },
1134
+ {
1135
+ "epoch": 3.115079365079365,
1136
+ "grad_norm": 0.71484375,
1137
+ "learning_rate": 0.00017396124497991186,
1138
+ "loss": 0.4732,
1139
+ "step": 785
1140
+ },
1141
+ {
1142
+ "epoch": 3.134920634920635,
1143
+ "grad_norm": 0.671875,
1144
+ "learning_rate": 0.00017349333823585617,
1145
+ "loss": 0.4705,
1146
+ "step": 790
1147
+ },
1148
+ {
1149
+ "epoch": 3.1547619047619047,
1150
+ "grad_norm": 0.46484375,
1151
+ "learning_rate": 0.00017302190616086464,
1152
+ "loss": 0.4634,
1153
+ "step": 795
1154
+ },
1155
+ {
1156
+ "epoch": 3.1746031746031744,
1157
+ "grad_norm": 0.421875,
1158
+ "learning_rate": 0.00017254697136860703,
1159
+ "loss": 0.4825,
1160
+ "step": 800
1161
+ },
1162
+ {
1163
+ "epoch": 3.1944444444444446,
1164
+ "grad_norm": 1.15625,
1165
+ "learning_rate": 0.00017206855664077147,
1166
+ "loss": 0.4796,
1167
+ "step": 805
1168
+ },
1169
+ {
1170
+ "epoch": 3.2142857142857144,
1171
+ "grad_norm": 0.8828125,
1172
+ "learning_rate": 0.00017158668492597186,
1173
+ "loss": 0.4892,
1174
+ "step": 810
1175
+ },
1176
+ {
1177
+ "epoch": 3.234126984126984,
1178
+ "grad_norm": 1.1015625,
1179
+ "learning_rate": 0.0001711013793386469,
1180
+ "loss": 0.4782,
1181
+ "step": 815
1182
+ },
1183
+ {
1184
+ "epoch": 3.253968253968254,
1185
+ "grad_norm": 0.64453125,
1186
+ "learning_rate": 0.00017061266315795146,
1187
+ "loss": 0.4714,
1188
+ "step": 820
1189
+ },
1190
+ {
1191
+ "epoch": 3.2738095238095237,
1192
+ "grad_norm": 0.67578125,
1193
+ "learning_rate": 0.0001701205598266398,
1194
+ "loss": 0.4696,
1195
+ "step": 825
1196
+ },
1197
+ {
1198
+ "epoch": 3.2936507936507935,
1199
+ "grad_norm": 0.419921875,
1200
+ "learning_rate": 0.0001696250929499412,
1201
+ "loss": 0.4746,
1202
+ "step": 830
1203
+ },
1204
+ {
1205
+ "epoch": 3.3134920634920633,
1206
+ "grad_norm": 0.5078125,
1207
+ "learning_rate": 0.00016912628629442753,
1208
+ "loss": 0.4703,
1209
+ "step": 835
1210
+ },
1211
+ {
1212
+ "epoch": 3.3333333333333335,
1213
+ "grad_norm": 0.59375,
1214
+ "learning_rate": 0.0001686241637868734,
1215
+ "loss": 0.4729,
1216
+ "step": 840
1217
+ },
1218
+ {
1219
+ "epoch": 3.3531746031746033,
1220
+ "grad_norm": 0.96484375,
1221
+ "learning_rate": 0.00016811874951310813,
1222
+ "loss": 0.4783,
1223
+ "step": 845
1224
+ },
1225
+ {
1226
+ "epoch": 3.373015873015873,
1227
+ "grad_norm": 0.494140625,
1228
+ "learning_rate": 0.0001676100677168608,
1229
+ "loss": 0.4578,
1230
+ "step": 850
1231
+ },
1232
+ {
1233
+ "epoch": 3.392857142857143,
1234
+ "grad_norm": 0.53515625,
1235
+ "learning_rate": 0.00016709814279859702,
1236
+ "loss": 0.4771,
1237
+ "step": 855
1238
+ },
1239
+ {
1240
+ "epoch": 3.4126984126984126,
1241
+ "grad_norm": 0.50390625,
1242
+ "learning_rate": 0.00016658299931434858,
1243
+ "loss": 0.4889,
1244
+ "step": 860
1245
+ },
1246
+ {
1247
+ "epoch": 3.432539682539683,
1248
+ "grad_norm": 0.326171875,
1249
+ "learning_rate": 0.00016606466197453555,
1250
+ "loss": 0.4818,
1251
+ "step": 865
1252
+ },
1253
+ {
1254
+ "epoch": 3.4523809523809526,
1255
+ "grad_norm": 0.37109375,
1256
+ "learning_rate": 0.000165543155642781,
1257
+ "loss": 0.4736,
1258
+ "step": 870
1259
+ },
1260
+ {
1261
+ "epoch": 3.4722222222222223,
1262
+ "grad_norm": 0.314453125,
1263
+ "learning_rate": 0.00016501850533471836,
1264
+ "loss": 0.4694,
1265
+ "step": 875
1266
+ },
1267
+ {
1268
+ "epoch": 3.492063492063492,
1269
+ "grad_norm": 0.408203125,
1270
+ "learning_rate": 0.00016449073621679127,
1271
+ "loss": 0.4748,
1272
+ "step": 880
1273
+ },
1274
+ {
1275
+ "epoch": 3.511904761904762,
1276
+ "grad_norm": 0.373046875,
1277
+ "learning_rate": 0.00016395987360504668,
1278
+ "loss": 0.4778,
1279
+ "step": 885
1280
+ },
1281
+ {
1282
+ "epoch": 3.5317460317460316,
1283
+ "grad_norm": 0.5234375,
1284
+ "learning_rate": 0.0001634259429639203,
1285
+ "loss": 0.4849,
1286
+ "step": 890
1287
+ },
1288
+ {
1289
+ "epoch": 3.5515873015873014,
1290
+ "grad_norm": 0.6796875,
1291
+ "learning_rate": 0.00016288896990501525,
1292
+ "loss": 0.4903,
1293
+ "step": 895
1294
+ },
1295
+ {
1296
+ "epoch": 3.571428571428571,
1297
+ "grad_norm": 0.4296875,
1298
+ "learning_rate": 0.00016234898018587337,
1299
+ "loss": 0.4843,
1300
+ "step": 900
1301
+ },
1302
+ {
1303
+ "epoch": 3.5912698412698414,
1304
+ "grad_norm": 0.357421875,
1305
+ "learning_rate": 0.00016180599970873973,
1306
+ "loss": 0.4781,
1307
+ "step": 905
1308
+ },
1309
+ {
1310
+ "epoch": 3.611111111111111,
1311
+ "grad_norm": 0.546875,
1312
+ "learning_rate": 0.0001612600545193203,
1313
+ "loss": 0.4921,
1314
+ "step": 910
1315
+ },
1316
+ {
1317
+ "epoch": 3.630952380952381,
1318
+ "grad_norm": 0.83203125,
1319
+ "learning_rate": 0.00016071117080553236,
1320
+ "loss": 0.4722,
1321
+ "step": 915
1322
+ },
1323
+ {
1324
+ "epoch": 3.6507936507936507,
1325
+ "grad_norm": 0.8984375,
1326
+ "learning_rate": 0.00016015937489624848,
1327
+ "loss": 0.4836,
1328
+ "step": 920
1329
+ },
1330
+ {
1331
+ "epoch": 3.6706349206349205,
1332
+ "grad_norm": 0.5625,
1333
+ "learning_rate": 0.00015960469326003354,
1334
+ "loss": 0.4793,
1335
+ "step": 925
1336
+ },
1337
+ {
1338
+ "epoch": 3.6904761904761907,
1339
+ "grad_norm": 0.69140625,
1340
+ "learning_rate": 0.00015904715250387498,
1341
+ "loss": 0.484,
1342
+ "step": 930
1343
+ },
1344
+ {
1345
+ "epoch": 3.7103174603174605,
1346
+ "grad_norm": 0.390625,
1347
+ "learning_rate": 0.00015848677937190675,
1348
+ "loss": 0.4839,
1349
+ "step": 935
1350
+ },
1351
+ {
1352
+ "epoch": 3.7301587301587302,
1353
+ "grad_norm": 0.326171875,
1354
+ "learning_rate": 0.00015792360074412613,
1355
+ "loss": 0.4695,
1356
+ "step": 940
1357
+ },
1358
+ {
1359
+ "epoch": 3.75,
1360
+ "grad_norm": 0.326171875,
1361
+ "learning_rate": 0.0001573576436351046,
1362
+ "loss": 0.484,
1363
+ "step": 945
1364
+ },
1365
+ {
1366
+ "epoch": 3.7698412698412698,
1367
+ "grad_norm": 0.3515625,
1368
+ "learning_rate": 0.00015678893519269197,
1369
+ "loss": 0.4743,
1370
+ "step": 950
1371
+ },
1372
+ {
1373
+ "epoch": 3.7896825396825395,
1374
+ "grad_norm": 0.31640625,
1375
+ "learning_rate": 0.00015621750269671403,
1376
+ "loss": 0.481,
1377
+ "step": 955
1378
+ },
1379
+ {
1380
+ "epoch": 3.8095238095238093,
1381
+ "grad_norm": 0.341796875,
1382
+ "learning_rate": 0.00015564337355766412,
1383
+ "loss": 0.4834,
1384
+ "step": 960
1385
+ },
1386
+ {
1387
+ "epoch": 3.8293650793650795,
1388
+ "grad_norm": 0.466796875,
1389
+ "learning_rate": 0.00015506657531538814,
1390
+ "loss": 0.4691,
1391
+ "step": 965
1392
+ },
1393
+ {
1394
+ "epoch": 3.8492063492063493,
1395
+ "grad_norm": 0.361328125,
1396
+ "learning_rate": 0.00015448713563776374,
1397
+ "loss": 0.4764,
1398
+ "step": 970
1399
+ },
1400
+ {
1401
+ "epoch": 3.869047619047619,
1402
+ "grad_norm": 0.5,
1403
+ "learning_rate": 0.00015390508231937297,
1404
+ "loss": 0.4725,
1405
+ "step": 975
1406
+ },
1407
+ {
1408
+ "epoch": 3.888888888888889,
1409
+ "grad_norm": 0.453125,
1410
+ "learning_rate": 0.00015332044328016914,
1411
+ "loss": 0.4815,
1412
+ "step": 980
1413
+ },
1414
+ {
1415
+ "epoch": 3.9087301587301586,
1416
+ "grad_norm": 0.427734375,
1417
+ "learning_rate": 0.00015273324656413744,
1418
+ "loss": 0.4893,
1419
+ "step": 985
1420
+ },
1421
+ {
1422
+ "epoch": 3.928571428571429,
1423
+ "grad_norm": 0.59375,
1424
+ "learning_rate": 0.0001521435203379498,
1425
+ "loss": 0.4839,
1426
+ "step": 990
1427
+ },
1428
+ {
1429
+ "epoch": 3.9484126984126986,
1430
+ "grad_norm": 0.54296875,
1431
+ "learning_rate": 0.00015155129288961386,
1432
+ "loss": 0.4741,
1433
+ "step": 995
1434
+ },
1435
+ {
1436
+ "epoch": 3.9682539682539684,
1437
+ "grad_norm": 0.62890625,
1438
+ "learning_rate": 0.0001509565926271159,
1439
+ "loss": 0.5001,
1440
+ "step": 1000
1441
+ },
1442
+ {
1443
+ "epoch": 3.988095238095238,
1444
+ "grad_norm": 0.703125,
1445
+ "learning_rate": 0.0001503594480770581,
1446
+ "loss": 0.4783,
1447
+ "step": 1005
1448
+ },
1449
+ {
1450
+ "epoch": 4.0,
1451
+ "eval_loss": 1.1535594463348389,
1452
+ "eval_runtime": 0.5468,
1453
+ "eval_samples_per_second": 3.658,
1454
+ "eval_steps_per_second": 1.829,
1455
+ "step": 1008
1456
+ },
1457
+ {
1458
+ "epoch": 4.007936507936508,
1459
+ "grad_norm": 0.80859375,
1460
+ "learning_rate": 0.00014975988788329064,
1461
+ "loss": 0.4632,
1462
+ "step": 1010
1463
+ },
1464
+ {
1465
+ "epoch": 4.027777777777778,
1466
+ "grad_norm": 0.7265625,
1467
+ "learning_rate": 0.00014915794080553707,
1468
+ "loss": 0.4185,
1469
+ "step": 1015
1470
+ },
1471
+ {
1472
+ "epoch": 4.0476190476190474,
1473
+ "grad_norm": 0.474609375,
1474
+ "learning_rate": 0.00014855363571801523,
1475
+ "loss": 0.4187,
1476
+ "step": 1020
1477
+ },
1478
+ {
1479
+ "epoch": 4.067460317460317,
1480
+ "grad_norm": 0.400390625,
1481
+ "learning_rate": 0.00014794700160805196,
1482
+ "loss": 0.4173,
1483
+ "step": 1025
1484
+ },
1485
+ {
1486
+ "epoch": 4.087301587301587,
1487
+ "grad_norm": 0.376953125,
1488
+ "learning_rate": 0.00014733806757469286,
1489
+ "loss": 0.4114,
1490
+ "step": 1030
1491
+ },
1492
+ {
1493
+ "epoch": 4.107142857142857,
1494
+ "grad_norm": 0.361328125,
1495
+ "learning_rate": 0.0001467268628273062,
1496
+ "loss": 0.4308,
1497
+ "step": 1035
1498
+ },
1499
+ {
1500
+ "epoch": 4.1269841269841265,
1501
+ "grad_norm": 0.390625,
1502
+ "learning_rate": 0.000146113416684182,
1503
+ "loss": 0.4169,
1504
+ "step": 1040
1505
+ },
1506
+ {
1507
+ "epoch": 4.146825396825397,
1508
+ "grad_norm": 0.3515625,
1509
+ "learning_rate": 0.00014549775857112558,
1510
+ "loss": 0.4183,
1511
+ "step": 1045
1512
+ },
1513
+ {
1514
+ "epoch": 4.166666666666667,
1515
+ "grad_norm": 0.34765625,
1516
+ "learning_rate": 0.00014487991802004623,
1517
+ "loss": 0.4229,
1518
+ "step": 1050
1519
+ },
1520
+ {
1521
+ "epoch": 4.186507936507937,
1522
+ "grad_norm": 0.68359375,
1523
+ "learning_rate": 0.00014425992466754033,
1524
+ "loss": 0.4206,
1525
+ "step": 1055
1526
+ },
1527
+ {
1528
+ "epoch": 4.2063492063492065,
1529
+ "grad_norm": 0.41796875,
1530
+ "learning_rate": 0.00014363780825347005,
1531
+ "loss": 0.4142,
1532
+ "step": 1060
1533
+ },
1534
+ {
1535
+ "epoch": 4.226190476190476,
1536
+ "grad_norm": 0.4453125,
1537
+ "learning_rate": 0.0001430135986195365,
1538
+ "loss": 0.4298,
1539
+ "step": 1065
1540
+ },
1541
+ {
1542
+ "epoch": 4.246031746031746,
1543
+ "grad_norm": 0.5234375,
1544
+ "learning_rate": 0.00014238732570784866,
1545
+ "loss": 0.4189,
1546
+ "step": 1070
1547
+ },
1548
+ {
1549
+ "epoch": 4.265873015873016,
1550
+ "grad_norm": 0.439453125,
1551
+ "learning_rate": 0.0001417590195594867,
1552
+ "loss": 0.4259,
1553
+ "step": 1075
1554
+ },
1555
+ {
1556
+ "epoch": 4.285714285714286,
1557
+ "grad_norm": 0.369140625,
1558
+ "learning_rate": 0.00014112871031306119,
1559
+ "loss": 0.4286,
1560
+ "step": 1080
1561
+ },
1562
+ {
1563
+ "epoch": 4.305555555555555,
1564
+ "grad_norm": 0.375,
1565
+ "learning_rate": 0.00014049642820326735,
1566
+ "loss": 0.4289,
1567
+ "step": 1085
1568
+ },
1569
+ {
1570
+ "epoch": 4.325396825396825,
1571
+ "grad_norm": 0.42578125,
1572
+ "learning_rate": 0.00013986220355943494,
1573
+ "loss": 0.4187,
1574
+ "step": 1090
1575
+ },
1576
+ {
1577
+ "epoch": 4.345238095238095,
1578
+ "grad_norm": 0.5390625,
1579
+ "learning_rate": 0.00013922606680407307,
1580
+ "loss": 0.423,
1581
+ "step": 1095
1582
+ },
1583
+ {
1584
+ "epoch": 4.365079365079365,
1585
+ "grad_norm": 0.515625,
1586
+ "learning_rate": 0.00013858804845141116,
1587
+ "loss": 0.4297,
1588
+ "step": 1100
1589
+ },
1590
+ {
1591
+ "epoch": 4.384920634920635,
1592
+ "grad_norm": 0.5625,
1593
+ "learning_rate": 0.00013794817910593512,
1594
+ "loss": 0.4292,
1595
+ "step": 1105
1596
+ },
1597
+ {
1598
+ "epoch": 4.404761904761905,
1599
+ "grad_norm": 0.421875,
1600
+ "learning_rate": 0.0001373064894609194,
1601
+ "loss": 0.4332,
1602
+ "step": 1110
1603
+ },
1604
+ {
1605
+ "epoch": 4.424603174603175,
1606
+ "grad_norm": 0.5234375,
1607
+ "learning_rate": 0.00013666301029695462,
1608
+ "loss": 0.4299,
1609
+ "step": 1115
1610
+ },
1611
+ {
1612
+ "epoch": 4.444444444444445,
1613
+ "grad_norm": 0.37890625,
1614
+ "learning_rate": 0.00013601777248047105,
1615
+ "loss": 0.4239,
1616
+ "step": 1120
1617
+ },
1618
+ {
1619
+ "epoch": 4.464285714285714,
1620
+ "grad_norm": 0.34765625,
1621
+ "learning_rate": 0.00013537080696225814,
1622
+ "loss": 0.4253,
1623
+ "step": 1125
1624
+ },
1625
+ {
1626
+ "epoch": 4.484126984126984,
1627
+ "grad_norm": 0.423828125,
1628
+ "learning_rate": 0.00013472214477597977,
1629
+ "loss": 0.4296,
1630
+ "step": 1130
1631
+ },
1632
+ {
1633
+ "epoch": 4.503968253968254,
1634
+ "grad_norm": 0.361328125,
1635
+ "learning_rate": 0.00013407181703668566,
1636
+ "loss": 0.4283,
1637
+ "step": 1135
1638
+ },
1639
+ {
1640
+ "epoch": 4.523809523809524,
1641
+ "grad_norm": 0.40234375,
1642
+ "learning_rate": 0.00013341985493931877,
1643
+ "loss": 0.4284,
1644
+ "step": 1140
1645
+ },
1646
+ {
1647
+ "epoch": 4.5436507936507935,
1648
+ "grad_norm": 0.33984375,
1649
+ "learning_rate": 0.00013276628975721904,
1650
+ "loss": 0.4313,
1651
+ "step": 1145
1652
+ },
1653
+ {
1654
+ "epoch": 4.563492063492063,
1655
+ "grad_norm": 0.376953125,
1656
+ "learning_rate": 0.00013211115284062335,
1657
+ "loss": 0.4241,
1658
+ "step": 1150
1659
+ },
1660
+ {
1661
+ "epoch": 4.583333333333333,
1662
+ "grad_norm": 0.51171875,
1663
+ "learning_rate": 0.00013145447561516138,
1664
+ "loss": 0.4367,
1665
+ "step": 1155
1666
+ },
1667
+ {
1668
+ "epoch": 4.603174603174603,
1669
+ "grad_norm": 0.54296875,
1670
+ "learning_rate": 0.00013079628958034855,
1671
+ "loss": 0.4291,
1672
+ "step": 1160
1673
+ },
1674
+ {
1675
+ "epoch": 4.6230158730158735,
1676
+ "grad_norm": 2.125,
1677
+ "learning_rate": 0.00013013662630807484,
1678
+ "loss": 0.435,
1679
+ "step": 1165
1680
+ },
1681
+ {
1682
+ "epoch": 4.642857142857143,
1683
+ "grad_norm": 0.72265625,
1684
+ "learning_rate": 0.00012947551744109043,
1685
+ "loss": 0.4542,
1686
+ "step": 1170
1687
+ },
1688
+ {
1689
+ "epoch": 4.662698412698413,
1690
+ "grad_norm": 0.7421875,
1691
+ "learning_rate": 0.00012881299469148785,
1692
+ "loss": 0.4381,
1693
+ "step": 1175
1694
+ },
1695
+ {
1696
+ "epoch": 4.682539682539683,
1697
+ "grad_norm": 0.6015625,
1698
+ "learning_rate": 0.00012814908983918073,
1699
+ "loss": 0.4425,
1700
+ "step": 1180
1701
+ },
1702
+ {
1703
+ "epoch": 4.7023809523809526,
1704
+ "grad_norm": 0.44140625,
1705
+ "learning_rate": 0.00012748383473037948,
1706
+ "loss": 0.4291,
1707
+ "step": 1185
1708
+ },
1709
+ {
1710
+ "epoch": 4.722222222222222,
1711
+ "grad_norm": 0.76953125,
1712
+ "learning_rate": 0.00012681726127606376,
1713
+ "loss": 0.4327,
1714
+ "step": 1190
1715
+ },
1716
+ {
1717
+ "epoch": 4.742063492063492,
1718
+ "grad_norm": 0.5625,
1719
+ "learning_rate": 0.0001261494014504515,
1720
+ "loss": 0.4381,
1721
+ "step": 1195
1722
+ },
1723
+ {
1724
+ "epoch": 4.761904761904762,
1725
+ "grad_norm": 0.470703125,
1726
+ "learning_rate": 0.0001254802872894655,
1727
+ "loss": 0.437,
1728
+ "step": 1200
1729
+ },
1730
+ {
1731
+ "epoch": 4.781746031746032,
1732
+ "grad_norm": 0.62890625,
1733
+ "learning_rate": 0.00012480995088919635,
1734
+ "loss": 0.435,
1735
+ "step": 1205
1736
+ },
1737
+ {
1738
+ "epoch": 4.801587301587301,
1739
+ "grad_norm": 0.57421875,
1740
+ "learning_rate": 0.00012413842440436333,
1741
+ "loss": 0.4329,
1742
+ "step": 1210
1743
+ },
1744
+ {
1745
+ "epoch": 4.821428571428571,
1746
+ "grad_norm": 0.41796875,
1747
+ "learning_rate": 0.00012346574004677154,
1748
+ "loss": 0.4308,
1749
+ "step": 1215
1750
+ },
1751
+ {
1752
+ "epoch": 4.841269841269841,
1753
+ "grad_norm": 0.326171875,
1754
+ "learning_rate": 0.000122791930083767,
1755
+ "loss": 0.4272,
1756
+ "step": 1220
1757
+ },
1758
+ {
1759
+ "epoch": 4.861111111111111,
1760
+ "grad_norm": 0.333984375,
1761
+ "learning_rate": 0.00012211702683668878,
1762
+ "loss": 0.4319,
1763
+ "step": 1225
1764
+ },
1765
+ {
1766
+ "epoch": 4.880952380952381,
1767
+ "grad_norm": 0.345703125,
1768
+ "learning_rate": 0.00012144106267931876,
1769
+ "loss": 0.4402,
1770
+ "step": 1230
1771
+ },
1772
+ {
1773
+ "epoch": 4.900793650793651,
1774
+ "grad_norm": 0.498046875,
1775
+ "learning_rate": 0.00012076407003632846,
1776
+ "loss": 0.432,
1777
+ "step": 1235
1778
+ },
1779
+ {
1780
+ "epoch": 4.920634920634921,
1781
+ "grad_norm": 0.357421875,
1782
+ "learning_rate": 0.00012008608138172393,
1783
+ "loss": 0.4354,
1784
+ "step": 1240
1785
+ },
1786
+ {
1787
+ "epoch": 4.940476190476191,
1788
+ "grad_norm": 0.419921875,
1789
+ "learning_rate": 0.00011940712923728783,
1790
+ "loss": 0.4272,
1791
+ "step": 1245
1792
+ },
1793
+ {
1794
+ "epoch": 4.9603174603174605,
1795
+ "grad_norm": 0.32421875,
1796
+ "learning_rate": 0.00011872724617101969,
1797
+ "loss": 0.4286,
1798
+ "step": 1250
1799
+ },
1800
+ {
1801
+ "epoch": 4.98015873015873,
1802
+ "grad_norm": 0.35546875,
1803
+ "learning_rate": 0.00011804646479557342,
1804
+ "loss": 0.4335,
1805
+ "step": 1255
1806
+ },
1807
+ {
1808
+ "epoch": 5.0,
1809
+ "grad_norm": 0.43359375,
1810
+ "learning_rate": 0.00011736481776669306,
1811
+ "loss": 0.4378,
1812
+ "step": 1260
1813
+ },
1814
+ {
1815
+ "epoch": 5.0,
1816
+ "eval_loss": 1.2224926948547363,
1817
+ "eval_runtime": 0.5464,
1818
+ "eval_samples_per_second": 3.661,
1819
+ "eval_steps_per_second": 1.83,
1820
+ "step": 1260
1821
+ },
1822
+ {
1823
+ "epoch": 5.01984126984127,
1824
+ "grad_norm": 0.64453125,
1825
+ "learning_rate": 0.00011668233778164633,
1826
+ "loss": 0.3758,
1827
+ "step": 1265
1828
+ },
1829
+ {
1830
+ "epoch": 5.0396825396825395,
1831
+ "grad_norm": 0.75390625,
1832
+ "learning_rate": 0.0001159990575776563,
1833
+ "loss": 0.3679,
1834
+ "step": 1270
1835
+ },
1836
+ {
1837
+ "epoch": 5.059523809523809,
1838
+ "grad_norm": 0.44140625,
1839
+ "learning_rate": 0.00011531500993033093,
1840
+ "loss": 0.3671,
1841
+ "step": 1275
1842
+ },
1843
+ {
1844
+ "epoch": 5.079365079365079,
1845
+ "grad_norm": 0.5390625,
1846
+ "learning_rate": 0.00011463022765209088,
1847
+ "loss": 0.3633,
1848
+ "step": 1280
1849
+ },
1850
+ {
1851
+ "epoch": 5.099206349206349,
1852
+ "grad_norm": 0.421875,
1853
+ "learning_rate": 0.00011394474359059567,
1854
+ "loss": 0.3777,
1855
+ "step": 1285
1856
+ },
1857
+ {
1858
+ "epoch": 5.119047619047619,
1859
+ "grad_norm": 0.53125,
1860
+ "learning_rate": 0.00011325859062716795,
1861
+ "loss": 0.3714,
1862
+ "step": 1290
1863
+ },
1864
+ {
1865
+ "epoch": 5.138888888888889,
1866
+ "grad_norm": 0.431640625,
1867
+ "learning_rate": 0.00011257180167521629,
1868
+ "loss": 0.3801,
1869
+ "step": 1295
1870
+ },
1871
+ {
1872
+ "epoch": 5.158730158730159,
1873
+ "grad_norm": 0.400390625,
1874
+ "learning_rate": 0.00011188440967865641,
1875
+ "loss": 0.3817,
1876
+ "step": 1300
1877
+ },
1878
+ {
1879
+ "epoch": 5.178571428571429,
1880
+ "grad_norm": 0.380859375,
1881
+ "learning_rate": 0.00011119644761033078,
1882
+ "loss": 0.3724,
1883
+ "step": 1305
1884
+ },
1885
+ {
1886
+ "epoch": 5.198412698412699,
1887
+ "grad_norm": 0.48046875,
1888
+ "learning_rate": 0.00011050794847042731,
1889
+ "loss": 0.3799,
1890
+ "step": 1310
1891
+ },
1892
+ {
1893
+ "epoch": 5.218253968253968,
1894
+ "grad_norm": 0.5078125,
1895
+ "learning_rate": 0.00010981894528489596,
1896
+ "loss": 0.3735,
1897
+ "step": 1315
1898
+ },
1899
+ {
1900
+ "epoch": 5.238095238095238,
1901
+ "grad_norm": 0.462890625,
1902
+ "learning_rate": 0.00010912947110386484,
1903
+ "loss": 0.3828,
1904
+ "step": 1320
1905
+ },
1906
+ {
1907
+ "epoch": 5.257936507936508,
1908
+ "grad_norm": 0.5,
1909
+ "learning_rate": 0.00010843955900005485,
1910
+ "loss": 0.3704,
1911
+ "step": 1325
1912
+ },
1913
+ {
1914
+ "epoch": 5.277777777777778,
1915
+ "grad_norm": 0.44140625,
1916
+ "learning_rate": 0.0001077492420671931,
1917
+ "loss": 0.386,
1918
+ "step": 1330
1919
+ },
1920
+ {
1921
+ "epoch": 5.2976190476190474,
1922
+ "grad_norm": 0.44140625,
1923
+ "learning_rate": 0.00010705855341842563,
1924
+ "loss": 0.3726,
1925
+ "step": 1335
1926
+ },
1927
+ {
1928
+ "epoch": 5.317460317460317,
1929
+ "grad_norm": 0.388671875,
1930
+ "learning_rate": 0.00010636752618472887,
1931
+ "loss": 0.381,
1932
+ "step": 1340
1933
+ },
1934
+ {
1935
+ "epoch": 5.337301587301587,
1936
+ "grad_norm": 0.4609375,
1937
+ "learning_rate": 0.00010567619351332057,
1938
+ "loss": 0.3725,
1939
+ "step": 1345
1940
+ },
1941
+ {
1942
+ "epoch": 5.357142857142857,
1943
+ "grad_norm": 0.423828125,
1944
+ "learning_rate": 0.00010498458856606972,
1945
+ "loss": 0.377,
1946
+ "step": 1350
1947
+ },
1948
+ {
1949
+ "epoch": 5.3769841269841265,
1950
+ "grad_norm": 0.37109375,
1951
+ "learning_rate": 0.00010429274451790585,
1952
+ "loss": 0.376,
1953
+ "step": 1355
1954
+ },
1955
+ {
1956
+ "epoch": 5.396825396825397,
1957
+ "grad_norm": 0.443359375,
1958
+ "learning_rate": 0.00010360069455522765,
1959
+ "loss": 0.3845,
1960
+ "step": 1360
1961
+ },
1962
+ {
1963
+ "epoch": 5.416666666666667,
1964
+ "grad_norm": 0.4609375,
1965
+ "learning_rate": 0.00010290847187431113,
1966
+ "loss": 0.3818,
1967
+ "step": 1365
1968
+ },
1969
+ {
1970
+ "epoch": 5.436507936507937,
1971
+ "grad_norm": 0.3984375,
1972
+ "learning_rate": 0.00010221610967971735,
1973
+ "loss": 0.3774,
1974
+ "step": 1370
1975
+ },
1976
+ {
1977
+ "epoch": 5.4563492063492065,
1978
+ "grad_norm": 0.58203125,
1979
+ "learning_rate": 0.00010152364118269943,
1980
+ "loss": 0.3757,
1981
+ "step": 1375
1982
+ },
1983
+ {
1984
+ "epoch": 5.476190476190476,
1985
+ "grad_norm": 0.58203125,
1986
+ "learning_rate": 0.00010083109959960973,
1987
+ "loss": 0.383,
1988
+ "step": 1380
1989
+ },
1990
+ {
1991
+ "epoch": 5.496031746031746,
1992
+ "grad_norm": 0.392578125,
1993
+ "learning_rate": 0.00010013851815030624,
1994
+ "loss": 0.3814,
1995
+ "step": 1385
1996
+ },
1997
+ {
1998
+ "epoch": 5.515873015873016,
1999
+ "grad_norm": 0.421875,
2000
+ "learning_rate": 9.944593005655947e-05,
2001
+ "loss": 0.3829,
2002
+ "step": 1390
2003
+ },
2004
+ {
2005
+ "epoch": 5.535714285714286,
2006
+ "grad_norm": 0.48828125,
2007
+ "learning_rate": 9.875336854045851e-05,
2008
+ "loss": 0.3951,
2009
+ "step": 1395
2010
+ },
2011
+ {
2012
+ "epoch": 5.555555555555555,
2013
+ "grad_norm": 0.443359375,
2014
+ "learning_rate": 9.806086682281758e-05,
2015
+ "loss": 0.3923,
2016
+ "step": 1400
2017
+ },
2018
+ {
2019
+ "epoch": 5.575396825396825,
2020
+ "grad_norm": 0.44921875,
2021
+ "learning_rate": 9.736845812158252e-05,
2022
+ "loss": 0.3828,
2023
+ "step": 1405
2024
+ },
2025
+ {
2026
+ "epoch": 5.595238095238095,
2027
+ "grad_norm": 0.6875,
2028
+ "learning_rate": 9.667617565023735e-05,
2029
+ "loss": 0.3908,
2030
+ "step": 1410
2031
+ },
2032
+ {
2033
+ "epoch": 5.615079365079366,
2034
+ "grad_norm": 0.5234375,
2035
+ "learning_rate": 9.598405261621105e-05,
2036
+ "loss": 0.3918,
2037
+ "step": 1415
2038
+ },
2039
+ {
2040
+ "epoch": 5.634920634920634,
2041
+ "grad_norm": 0.484375,
2042
+ "learning_rate": 9.529212221928483e-05,
2043
+ "loss": 0.3781,
2044
+ "step": 1420
2045
+ },
2046
+ {
2047
+ "epoch": 5.654761904761905,
2048
+ "grad_norm": 0.4609375,
2049
+ "learning_rate": 9.460041764999928e-05,
2050
+ "loss": 0.3803,
2051
+ "step": 1425
2052
+ },
2053
+ {
2054
+ "epoch": 5.674603174603175,
2055
+ "grad_norm": 0.515625,
2056
+ "learning_rate": 9.390897208806266e-05,
2057
+ "loss": 0.3745,
2058
+ "step": 1430
2059
+ },
2060
+ {
2061
+ "epoch": 5.694444444444445,
2062
+ "grad_norm": 0.6640625,
2063
+ "learning_rate": 9.321781870075908e-05,
2064
+ "loss": 0.3807,
2065
+ "step": 1435
2066
+ },
2067
+ {
2068
+ "epoch": 5.714285714285714,
2069
+ "grad_norm": 0.484375,
2070
+ "learning_rate": 9.252699064135758e-05,
2071
+ "loss": 0.3797,
2072
+ "step": 1440
2073
+ },
2074
+ {
2075
+ "epoch": 5.734126984126984,
2076
+ "grad_norm": 0.546875,
2077
+ "learning_rate": 9.183652104752195e-05,
2078
+ "loss": 0.3848,
2079
+ "step": 1445
2080
+ },
2081
+ {
2082
+ "epoch": 5.753968253968254,
2083
+ "grad_norm": 0.37890625,
2084
+ "learning_rate": 9.114644303972096e-05,
2085
+ "loss": 0.3788,
2086
+ "step": 1450
2087
+ },
2088
+ {
2089
+ "epoch": 5.773809523809524,
2090
+ "grad_norm": 0.40625,
2091
+ "learning_rate": 9.045678971963988e-05,
2092
+ "loss": 0.3824,
2093
+ "step": 1455
2094
+ },
2095
+ {
2096
+ "epoch": 5.7936507936507935,
2097
+ "grad_norm": 0.353515625,
2098
+ "learning_rate": 8.976759416859256e-05,
2099
+ "loss": 0.3895,
2100
+ "step": 1460
2101
+ },
2102
+ {
2103
+ "epoch": 5.813492063492063,
2104
+ "grad_norm": 0.41015625,
2105
+ "learning_rate": 8.907888944593442e-05,
2106
+ "loss": 0.3773,
2107
+ "step": 1465
2108
+ },
2109
+ {
2110
+ "epoch": 5.833333333333333,
2111
+ "grad_norm": 0.44921875,
2112
+ "learning_rate": 8.839070858747697e-05,
2113
+ "loss": 0.3789,
2114
+ "step": 1470
2115
+ },
2116
+ {
2117
+ "epoch": 5.853174603174603,
2118
+ "grad_norm": 0.388671875,
2119
+ "learning_rate": 8.770308460390293e-05,
2120
+ "loss": 0.3892,
2121
+ "step": 1475
2122
+ },
2123
+ {
2124
+ "epoch": 5.8730158730158735,
2125
+ "grad_norm": 0.419921875,
2126
+ "learning_rate": 8.701605047918276e-05,
2127
+ "loss": 0.3795,
2128
+ "step": 1480
2129
+ },
2130
+ {
2131
+ "epoch": 5.892857142857143,
2132
+ "grad_norm": 0.57421875,
2133
+ "learning_rate": 8.632963916899268e-05,
2134
+ "loss": 0.383,
2135
+ "step": 1485
2136
+ },
2137
+ {
2138
+ "epoch": 5.912698412698413,
2139
+ "grad_norm": 0.5546875,
2140
+ "learning_rate": 8.564388359913356e-05,
2141
+ "loss": 0.3871,
2142
+ "step": 1490
2143
+ },
2144
+ {
2145
+ "epoch": 5.932539682539683,
2146
+ "grad_norm": 0.43359375,
2147
+ "learning_rate": 8.495881666395185e-05,
2148
+ "loss": 0.3799,
2149
+ "step": 1495
2150
+ },
2151
+ {
2152
+ "epoch": 5.9523809523809526,
2153
+ "grad_norm": 0.7265625,
2154
+ "learning_rate": 8.427447122476148e-05,
2155
+ "loss": 0.3831,
2156
+ "step": 1500
2157
+ },
2158
+ {
2159
+ "epoch": 5.972222222222222,
2160
+ "grad_norm": 0.609375,
2161
+ "learning_rate": 8.35908801082676e-05,
2162
+ "loss": 0.3798,
2163
+ "step": 1505
2164
+ },
2165
+ {
2166
+ "epoch": 5.992063492063492,
2167
+ "grad_norm": 0.58203125,
2168
+ "learning_rate": 8.290807610499206e-05,
2169
+ "loss": 0.3836,
2170
+ "step": 1510
2171
+ },
2172
+ {
2173
+ "epoch": 6.0,
2174
+ "eval_loss": 1.2893120050430298,
2175
+ "eval_runtime": 0.547,
2176
+ "eval_samples_per_second": 3.656,
2177
+ "eval_steps_per_second": 1.828,
2178
+ "step": 1512
2179
+ },
2180
+ {
2181
+ "epoch": 6.011904761904762,
2182
+ "grad_norm": 0.54296875,
2183
+ "learning_rate": 8.222609196770036e-05,
2184
+ "loss": 0.3411,
2185
+ "step": 1515
2186
+ },
2187
+ {
2188
+ "epoch": 6.031746031746032,
2189
+ "grad_norm": 0.53125,
2190
+ "learning_rate": 8.154496040983073e-05,
2191
+ "loss": 0.3316,
2192
+ "step": 1520
2193
+ },
2194
+ {
2195
+ "epoch": 6.051587301587301,
2196
+ "grad_norm": 0.59375,
2197
+ "learning_rate": 8.086471410392476e-05,
2198
+ "loss": 0.3286,
2199
+ "step": 1525
2200
+ },
2201
+ {
2202
+ "epoch": 6.071428571428571,
2203
+ "grad_norm": 0.46875,
2204
+ "learning_rate": 8.018538568006027e-05,
2205
+ "loss": 0.3326,
2206
+ "step": 1530
2207
+ },
2208
+ {
2209
+ "epoch": 6.091269841269841,
2210
+ "grad_norm": 0.41796875,
2211
+ "learning_rate": 7.950700772428605e-05,
2212
+ "loss": 0.3298,
2213
+ "step": 1535
2214
+ },
2215
+ {
2216
+ "epoch": 6.111111111111111,
2217
+ "grad_norm": 0.458984375,
2218
+ "learning_rate": 7.882961277705895e-05,
2219
+ "loss": 0.3318,
2220
+ "step": 1540
2221
+ },
2222
+ {
2223
+ "epoch": 6.130952380952381,
2224
+ "grad_norm": 0.4453125,
2225
+ "learning_rate": 7.815323333168262e-05,
2226
+ "loss": 0.3276,
2227
+ "step": 1545
2228
+ },
2229
+ {
2230
+ "epoch": 6.150793650793651,
2231
+ "grad_norm": 0.42578125,
2232
+ "learning_rate": 7.747790183274922e-05,
2233
+ "loss": 0.3387,
2234
+ "step": 1550
2235
+ },
2236
+ {
2237
+ "epoch": 6.170634920634921,
2238
+ "grad_norm": 0.41796875,
2239
+ "learning_rate": 7.6803650674583e-05,
2240
+ "loss": 0.332,
2241
+ "step": 1555
2242
+ },
2243
+ {
2244
+ "epoch": 6.190476190476191,
2245
+ "grad_norm": 0.4140625,
2246
+ "learning_rate": 7.613051219968623e-05,
2247
+ "loss": 0.3401,
2248
+ "step": 1560
2249
+ },
2250
+ {
2251
+ "epoch": 6.2103174603174605,
2252
+ "grad_norm": 0.392578125,
2253
+ "learning_rate": 7.545851869718817e-05,
2254
+ "loss": 0.3277,
2255
+ "step": 1565
2256
+ },
2257
+ {
2258
+ "epoch": 6.23015873015873,
2259
+ "grad_norm": 0.392578125,
2260
+ "learning_rate": 7.478770240129579e-05,
2261
+ "loss": 0.3328,
2262
+ "step": 1570
2263
+ },
2264
+ {
2265
+ "epoch": 6.25,
2266
+ "grad_norm": 0.39453125,
2267
+ "learning_rate": 7.411809548974792e-05,
2268
+ "loss": 0.3312,
2269
+ "step": 1575
2270
+ },
2271
+ {
2272
+ "epoch": 6.26984126984127,
2273
+ "grad_norm": 0.408203125,
2274
+ "learning_rate": 7.344973008227161e-05,
2275
+ "loss": 0.3317,
2276
+ "step": 1580
2277
+ },
2278
+ {
2279
+ "epoch": 6.2896825396825395,
2280
+ "grad_norm": 0.490234375,
2281
+ "learning_rate": 7.278263823904123e-05,
2282
+ "loss": 0.3322,
2283
+ "step": 1585
2284
+ },
2285
+ {
2286
+ "epoch": 6.309523809523809,
2287
+ "grad_norm": 0.3984375,
2288
+ "learning_rate": 7.211685195914097e-05,
2289
+ "loss": 0.333,
2290
+ "step": 1590
2291
+ },
2292
+ {
2293
+ "epoch": 6.329365079365079,
2294
+ "grad_norm": 0.52734375,
2295
+ "learning_rate": 7.145240317902965e-05,
2296
+ "loss": 0.3403,
2297
+ "step": 1595
2298
+ },
2299
+ {
2300
+ "epoch": 6.349206349206349,
2301
+ "grad_norm": 0.41015625,
2302
+ "learning_rate": 7.078932377100877e-05,
2303
+ "loss": 0.3369,
2304
+ "step": 1600
2305
+ },
2306
+ {
2307
+ "epoch": 6.369047619047619,
2308
+ "grad_norm": 0.4921875,
2309
+ "learning_rate": 7.012764554169393e-05,
2310
+ "loss": 0.3317,
2311
+ "step": 1605
2312
+ },
2313
+ {
2314
+ "epoch": 6.388888888888889,
2315
+ "grad_norm": 0.515625,
2316
+ "learning_rate": 6.94674002304887e-05,
2317
+ "loss": 0.3318,
2318
+ "step": 1610
2319
+ },
2320
+ {
2321
+ "epoch": 6.408730158730159,
2322
+ "grad_norm": 0.494140625,
2323
+ "learning_rate": 6.880861950806256e-05,
2324
+ "loss": 0.3456,
2325
+ "step": 1615
2326
+ },
2327
+ {
2328
+ "epoch": 6.428571428571429,
2329
+ "grad_norm": 0.427734375,
2330
+ "learning_rate": 6.815133497483157e-05,
2331
+ "loss": 0.3345,
2332
+ "step": 1620
2333
+ },
2334
+ {
2335
+ "epoch": 6.448412698412699,
2336
+ "grad_norm": 0.388671875,
2337
+ "learning_rate": 6.749557815944236e-05,
2338
+ "loss": 0.3332,
2339
+ "step": 1625
2340
+ },
2341
+ {
2342
+ "epoch": 6.468253968253968,
2343
+ "grad_norm": 0.55859375,
2344
+ "learning_rate": 6.684138051726012e-05,
2345
+ "loss": 0.3331,
2346
+ "step": 1630
2347
+ },
2348
+ {
2349
+ "epoch": 6.488095238095238,
2350
+ "grad_norm": 0.5390625,
2351
+ "learning_rate": 6.618877342885945e-05,
2352
+ "loss": 0.3321,
2353
+ "step": 1635
2354
+ },
2355
+ {
2356
+ "epoch": 6.507936507936508,
2357
+ "grad_norm": 0.447265625,
2358
+ "learning_rate": 6.553778819851926e-05,
2359
+ "loss": 0.3317,
2360
+ "step": 1640
2361
+ },
2362
+ {
2363
+ "epoch": 6.527777777777778,
2364
+ "grad_norm": 0.453125,
2365
+ "learning_rate": 6.488845605272113e-05,
2366
+ "loss": 0.3379,
2367
+ "step": 1645
2368
+ },
2369
+ {
2370
+ "epoch": 6.5476190476190474,
2371
+ "grad_norm": 0.423828125,
2372
+ "learning_rate": 6.424080813865138e-05,
2373
+ "loss": 0.3457,
2374
+ "step": 1650
2375
+ },
2376
+ {
2377
+ "epoch": 6.567460317460317,
2378
+ "grad_norm": 0.408203125,
2379
+ "learning_rate": 6.359487552270708e-05,
2380
+ "loss": 0.342,
2381
+ "step": 1655
2382
+ },
2383
+ {
2384
+ "epoch": 6.587301587301587,
2385
+ "grad_norm": 0.46875,
2386
+ "learning_rate": 6.295068918900586e-05,
2387
+ "loss": 0.3371,
2388
+ "step": 1660
2389
+ },
2390
+ {
2391
+ "epoch": 6.607142857142857,
2392
+ "grad_norm": 0.703125,
2393
+ "learning_rate": 6.230828003789949e-05,
2394
+ "loss": 0.3347,
2395
+ "step": 1665
2396
+ },
2397
+ {
2398
+ "epoch": 6.6269841269841265,
2399
+ "grad_norm": 0.5234375,
2400
+ "learning_rate": 6.16676788844919e-05,
2401
+ "loss": 0.3391,
2402
+ "step": 1670
2403
+ },
2404
+ {
2405
+ "epoch": 6.646825396825397,
2406
+ "grad_norm": 0.5234375,
2407
+ "learning_rate": 6.102891645716096e-05,
2408
+ "loss": 0.3319,
2409
+ "step": 1675
2410
+ },
2411
+ {
2412
+ "epoch": 6.666666666666667,
2413
+ "grad_norm": 0.5078125,
2414
+ "learning_rate": 6.039202339608432e-05,
2415
+ "loss": 0.3471,
2416
+ "step": 1680
2417
+ },
2418
+ {
2419
+ "epoch": 6.686507936507937,
2420
+ "grad_norm": 0.4140625,
2421
+ "learning_rate": 5.975703025176997e-05,
2422
+ "loss": 0.3311,
2423
+ "step": 1685
2424
+ },
2425
+ {
2426
+ "epoch": 6.7063492063492065,
2427
+ "grad_norm": 0.45703125,
2428
+ "learning_rate": 5.912396748359046e-05,
2429
+ "loss": 0.339,
2430
+ "step": 1690
2431
+ },
2432
+ {
2433
+ "epoch": 6.726190476190476,
2434
+ "grad_norm": 0.376953125,
2435
+ "learning_rate": 5.849286545832211e-05,
2436
+ "loss": 0.3409,
2437
+ "step": 1695
2438
+ },
2439
+ {
2440
+ "epoch": 6.746031746031746,
2441
+ "grad_norm": 0.44921875,
2442
+ "learning_rate": 5.786375444868828e-05,
2443
+ "loss": 0.3389,
2444
+ "step": 1700
2445
+ },
2446
+ {
2447
+ "epoch": 6.765873015873016,
2448
+ "grad_norm": 0.47265625,
2449
+ "learning_rate": 5.723666463190713e-05,
2450
+ "loss": 0.3379,
2451
+ "step": 1705
2452
+ },
2453
+ {
2454
+ "epoch": 6.785714285714286,
2455
+ "grad_norm": 0.4296875,
2456
+ "learning_rate": 5.6611626088244194e-05,
2457
+ "loss": 0.3418,
2458
+ "step": 1710
2459
+ },
2460
+ {
2461
+ "epoch": 6.805555555555555,
2462
+ "grad_norm": 0.46484375,
2463
+ "learning_rate": 5.5988668799569545e-05,
2464
+ "loss": 0.3379,
2465
+ "step": 1715
2466
+ },
2467
+ {
2468
+ "epoch": 6.825396825396825,
2469
+ "grad_norm": 0.4140625,
2470
+ "learning_rate": 5.5367822647919424e-05,
2471
+ "loss": 0.3369,
2472
+ "step": 1720
2473
+ },
2474
+ {
2475
+ "epoch": 6.845238095238095,
2476
+ "grad_norm": 0.40625,
2477
+ "learning_rate": 5.47491174140631e-05,
2478
+ "loss": 0.3391,
2479
+ "step": 1725
2480
+ },
2481
+ {
2482
+ "epoch": 6.865079365079366,
2483
+ "grad_norm": 0.431640625,
2484
+ "learning_rate": 5.4132582776074126e-05,
2485
+ "loss": 0.3449,
2486
+ "step": 1730
2487
+ },
2488
+ {
2489
+ "epoch": 6.884920634920634,
2490
+ "grad_norm": 0.390625,
2491
+ "learning_rate": 5.35182483079069e-05,
2492
+ "loss": 0.3303,
2493
+ "step": 1735
2494
+ },
2495
+ {
2496
+ "epoch": 6.904761904761905,
2497
+ "grad_norm": 0.400390625,
2498
+ "learning_rate": 5.290614347797802e-05,
2499
+ "loss": 0.3348,
2500
+ "step": 1740
2501
+ },
2502
+ {
2503
+ "epoch": 6.924603174603175,
2504
+ "grad_norm": 0.4375,
2505
+ "learning_rate": 5.229629764775261e-05,
2506
+ "loss": 0.331,
2507
+ "step": 1745
2508
+ },
2509
+ {
2510
+ "epoch": 6.944444444444445,
2511
+ "grad_norm": 0.4140625,
2512
+ "learning_rate": 5.168874007033615e-05,
2513
+ "loss": 0.3425,
2514
+ "step": 1750
2515
+ },
2516
+ {
2517
+ "epoch": 6.964285714285714,
2518
+ "grad_norm": 0.431640625,
2519
+ "learning_rate": 5.108349988907111e-05,
2520
+ "loss": 0.3392,
2521
+ "step": 1755
2522
+ },
2523
+ {
2524
+ "epoch": 6.984126984126984,
2525
+ "grad_norm": 0.44140625,
2526
+ "learning_rate": 5.048060613613888e-05,
2527
+ "loss": 0.3381,
2528
+ "step": 1760
2529
+ },
2530
+ {
2531
+ "epoch": 7.0,
2532
+ "eval_loss": 1.4050453901290894,
2533
+ "eval_runtime": 0.5475,
2534
+ "eval_samples_per_second": 3.653,
2535
+ "eval_steps_per_second": 1.826,
2536
+ "step": 1764
2537
+ },
2538
+ {
2539
+ "epoch": 7.003968253968254,
2540
+ "grad_norm": 0.369140625,
2541
+ "learning_rate": 4.9880087731167515e-05,
2542
+ "loss": 0.3209,
2543
+ "step": 1765
2544
+ },
2545
+ {
2546
+ "epoch": 7.023809523809524,
2547
+ "grad_norm": 0.44140625,
2548
+ "learning_rate": 4.92819734798441e-05,
2549
+ "loss": 0.3078,
2550
+ "step": 1770
2551
+ },
2552
+ {
2553
+ "epoch": 7.0436507936507935,
2554
+ "grad_norm": 0.392578125,
2555
+ "learning_rate": 4.868629207253332e-05,
2556
+ "loss": 0.2901,
2557
+ "step": 1775
2558
+ },
2559
+ {
2560
+ "epoch": 7.063492063492063,
2561
+ "grad_norm": 0.404296875,
2562
+ "learning_rate": 4.809307208290114e-05,
2563
+ "loss": 0.296,
2564
+ "step": 1780
2565
+ },
2566
+ {
2567
+ "epoch": 7.083333333333333,
2568
+ "grad_norm": 0.416015625,
2569
+ "learning_rate": 4.7502341966544e-05,
2570
+ "loss": 0.2953,
2571
+ "step": 1785
2572
+ },
2573
+ {
2574
+ "epoch": 7.103174603174603,
2575
+ "grad_norm": 0.447265625,
2576
+ "learning_rate": 4.691413005962415e-05,
2577
+ "loss": 0.2979,
2578
+ "step": 1790
2579
+ },
2580
+ {
2581
+ "epoch": 7.123015873015873,
2582
+ "grad_norm": 0.40625,
2583
+ "learning_rate": 4.632846457751031e-05,
2584
+ "loss": 0.3008,
2585
+ "step": 1795
2586
+ },
2587
+ {
2588
+ "epoch": 7.142857142857143,
2589
+ "grad_norm": 0.451171875,
2590
+ "learning_rate": 4.574537361342407e-05,
2591
+ "loss": 0.2998,
2592
+ "step": 1800
2593
+ },
2594
+ {
2595
+ "epoch": 7.162698412698413,
2596
+ "grad_norm": 0.4375,
2597
+ "learning_rate": 4.5164885137092585e-05,
2598
+ "loss": 0.3035,
2599
+ "step": 1805
2600
+ },
2601
+ {
2602
+ "epoch": 7.182539682539683,
2603
+ "grad_norm": 0.40234375,
2604
+ "learning_rate": 4.458702699340667e-05,
2605
+ "loss": 0.3013,
2606
+ "step": 1810
2607
+ },
2608
+ {
2609
+ "epoch": 7.2023809523809526,
2610
+ "grad_norm": 0.41796875,
2611
+ "learning_rate": 4.401182690108534e-05,
2612
+ "loss": 0.2971,
2613
+ "step": 1815
2614
+ },
2615
+ {
2616
+ "epoch": 7.222222222222222,
2617
+ "grad_norm": 0.40625,
2618
+ "learning_rate": 4.343931245134616e-05,
2619
+ "loss": 0.3012,
2620
+ "step": 1820
2621
+ },
2622
+ {
2623
+ "epoch": 7.242063492063492,
2624
+ "grad_norm": 0.46484375,
2625
+ "learning_rate": 4.2869511106581536e-05,
2626
+ "loss": 0.2973,
2627
+ "step": 1825
2628
+ },
2629
+ {
2630
+ "epoch": 7.261904761904762,
2631
+ "grad_norm": 0.4375,
2632
+ "learning_rate": 4.23024501990417e-05,
2633
+ "loss": 0.3019,
2634
+ "step": 1830
2635
+ },
2636
+ {
2637
+ "epoch": 7.281746031746032,
2638
+ "grad_norm": 0.41796875,
2639
+ "learning_rate": 4.1738156929523486e-05,
2640
+ "loss": 0.2937,
2641
+ "step": 1835
2642
+ },
2643
+ {
2644
+ "epoch": 7.301587301587301,
2645
+ "grad_norm": 0.390625,
2646
+ "learning_rate": 4.117665836606549e-05,
2647
+ "loss": 0.3012,
2648
+ "step": 1840
2649
+ },
2650
+ {
2651
+ "epoch": 7.321428571428571,
2652
+ "grad_norm": 0.408203125,
2653
+ "learning_rate": 4.0617981442649855e-05,
2654
+ "loss": 0.3027,
2655
+ "step": 1845
2656
+ },
2657
+ {
2658
+ "epoch": 7.341269841269841,
2659
+ "grad_norm": 0.421875,
2660
+ "learning_rate": 4.00621529579101e-05,
2661
+ "loss": 0.2984,
2662
+ "step": 1850
2663
+ },
2664
+ {
2665
+ "epoch": 7.361111111111111,
2666
+ "grad_norm": 0.39453125,
2667
+ "learning_rate": 3.950919957384582e-05,
2668
+ "loss": 0.3087,
2669
+ "step": 1855
2670
+ },
2671
+ {
2672
+ "epoch": 7.380952380952381,
2673
+ "grad_norm": 0.4375,
2674
+ "learning_rate": 3.89591478145437e-05,
2675
+ "loss": 0.3008,
2676
+ "step": 1860
2677
+ },
2678
+ {
2679
+ "epoch": 7.400793650793651,
2680
+ "grad_norm": 0.427734375,
2681
+ "learning_rate": 3.841202406490506e-05,
2682
+ "loss": 0.3046,
2683
+ "step": 1865
2684
+ },
2685
+ {
2686
+ "epoch": 7.420634920634921,
2687
+ "grad_norm": 0.419921875,
2688
+ "learning_rate": 3.786785456938049e-05,
2689
+ "loss": 0.3092,
2690
+ "step": 1870
2691
+ },
2692
+ {
2693
+ "epoch": 7.440476190476191,
2694
+ "grad_norm": 0.466796875,
2695
+ "learning_rate": 3.732666543071079e-05,
2696
+ "loss": 0.2992,
2697
+ "step": 1875
2698
+ },
2699
+ {
2700
+ "epoch": 7.4603174603174605,
2701
+ "grad_norm": 0.57421875,
2702
+ "learning_rate": 3.6788482608674826e-05,
2703
+ "loss": 0.2964,
2704
+ "step": 1880
2705
+ },
2706
+ {
2707
+ "epoch": 7.48015873015873,
2708
+ "grad_norm": 0.423828125,
2709
+ "learning_rate": 3.625333191884447e-05,
2710
+ "loss": 0.2964,
2711
+ "step": 1885
2712
+ },
2713
+ {
2714
+ "epoch": 7.5,
2715
+ "grad_norm": 0.40625,
2716
+ "learning_rate": 3.5721239031346066e-05,
2717
+ "loss": 0.2938,
2718
+ "step": 1890
2719
+ },
2720
+ {
2721
+ "epoch": 7.51984126984127,
2722
+ "grad_norm": 0.40625,
2723
+ "learning_rate": 3.519222946962929e-05,
2724
+ "loss": 0.2882,
2725
+ "step": 1895
2726
+ },
2727
+ {
2728
+ "epoch": 7.5396825396825395,
2729
+ "grad_norm": 0.453125,
2730
+ "learning_rate": 3.4666328609242725e-05,
2731
+ "loss": 0.3071,
2732
+ "step": 1900
2733
+ },
2734
+ {
2735
+ "epoch": 7.559523809523809,
2736
+ "grad_norm": 0.4140625,
2737
+ "learning_rate": 3.4143561676616575e-05,
2738
+ "loss": 0.3,
2739
+ "step": 1905
2740
+ },
2741
+ {
2742
+ "epoch": 7.579365079365079,
2743
+ "grad_norm": 0.376953125,
2744
+ "learning_rate": 3.362395374785283e-05,
2745
+ "loss": 0.303,
2746
+ "step": 1910
2747
+ },
2748
+ {
2749
+ "epoch": 7.599206349206349,
2750
+ "grad_norm": 0.435546875,
2751
+ "learning_rate": 3.3107529747522135e-05,
2752
+ "loss": 0.2965,
2753
+ "step": 1915
2754
+ },
2755
+ {
2756
+ "epoch": 7.619047619047619,
2757
+ "grad_norm": 0.5078125,
2758
+ "learning_rate": 3.259431444746846e-05,
2759
+ "loss": 0.3073,
2760
+ "step": 1920
2761
+ },
2762
+ {
2763
+ "epoch": 7.638888888888889,
2764
+ "grad_norm": 0.37890625,
2765
+ "learning_rate": 3.2084332465620694e-05,
2766
+ "loss": 0.3038,
2767
+ "step": 1925
2768
+ },
2769
+ {
2770
+ "epoch": 7.658730158730159,
2771
+ "grad_norm": 0.431640625,
2772
+ "learning_rate": 3.157760826481174e-05,
2773
+ "loss": 0.2962,
2774
+ "step": 1930
2775
+ },
2776
+ {
2777
+ "epoch": 7.678571428571429,
2778
+ "grad_norm": 0.4140625,
2779
+ "learning_rate": 3.10741661516053e-05,
2780
+ "loss": 0.299,
2781
+ "step": 1935
2782
+ },
2783
+ {
2784
+ "epoch": 7.698412698412699,
2785
+ "grad_norm": 0.41015625,
2786
+ "learning_rate": 3.057403027512963e-05,
2787
+ "loss": 0.2947,
2788
+ "step": 1940
2789
+ },
2790
+ {
2791
+ "epoch": 7.718253968253968,
2792
+ "grad_norm": 0.4140625,
2793
+ "learning_rate": 3.007722462591942e-05,
2794
+ "loss": 0.2982,
2795
+ "step": 1945
2796
+ },
2797
+ {
2798
+ "epoch": 7.738095238095238,
2799
+ "grad_norm": 0.388671875,
2800
+ "learning_rate": 2.9583773034764826e-05,
2801
+ "loss": 0.2921,
2802
+ "step": 1950
2803
+ },
2804
+ {
2805
+ "epoch": 7.757936507936508,
2806
+ "grad_norm": 0.43359375,
2807
+ "learning_rate": 2.9093699171568522e-05,
2808
+ "loss": 0.2991,
2809
+ "step": 1955
2810
+ },
2811
+ {
2812
+ "epoch": 7.777777777777778,
2813
+ "grad_norm": 0.4375,
2814
+ "learning_rate": 2.8607026544210114e-05,
2815
+ "loss": 0.3019,
2816
+ "step": 1960
2817
+ },
2818
+ {
2819
+ "epoch": 7.7976190476190474,
2820
+ "grad_norm": 0.4140625,
2821
+ "learning_rate": 2.8123778497418685e-05,
2822
+ "loss": 0.3034,
2823
+ "step": 1965
2824
+ },
2825
+ {
2826
+ "epoch": 7.817460317460317,
2827
+ "grad_norm": 0.41796875,
2828
+ "learning_rate": 2.764397821165292e-05,
2829
+ "loss": 0.2991,
2830
+ "step": 1970
2831
+ },
2832
+ {
2833
+ "epoch": 7.837301587301587,
2834
+ "grad_norm": 0.421875,
2835
+ "learning_rate": 2.7167648701989135e-05,
2836
+ "loss": 0.3041,
2837
+ "step": 1975
2838
+ },
2839
+ {
2840
+ "epoch": 7.857142857142857,
2841
+ "grad_norm": 0.447265625,
2842
+ "learning_rate": 2.669481281701739e-05,
2843
+ "loss": 0.3065,
2844
+ "step": 1980
2845
+ },
2846
+ {
2847
+ "epoch": 7.8769841269841265,
2848
+ "grad_norm": 0.408203125,
2849
+ "learning_rate": 2.622549323774539e-05,
2850
+ "loss": 0.3037,
2851
+ "step": 1985
2852
+ },
2853
+ {
2854
+ "epoch": 7.896825396825397,
2855
+ "grad_norm": 0.404296875,
2856
+ "learning_rate": 2.5759712476510622e-05,
2857
+ "loss": 0.3086,
2858
+ "step": 1990
2859
+ },
2860
+ {
2861
+ "epoch": 7.916666666666667,
2862
+ "grad_norm": 0.41015625,
2863
+ "learning_rate": 2.529749287590042e-05,
2864
+ "loss": 0.2866,
2865
+ "step": 1995
2866
+ },
2867
+ {
2868
+ "epoch": 7.936507936507937,
2869
+ "grad_norm": 0.390625,
2870
+ "learning_rate": 2.4838856607680183e-05,
2871
+ "loss": 0.3094,
2872
+ "step": 2000
2873
+ },
2874
+ {
2875
+ "epoch": 7.9563492063492065,
2876
+ "grad_norm": 0.423828125,
2877
+ "learning_rate": 2.4383825671729975e-05,
2878
+ "loss": 0.2962,
2879
+ "step": 2005
2880
+ },
2881
+ {
2882
+ "epoch": 7.976190476190476,
2883
+ "grad_norm": 0.404296875,
2884
+ "learning_rate": 2.3932421894989167e-05,
2885
+ "loss": 0.3078,
2886
+ "step": 2010
2887
+ },
2888
+ {
2889
+ "epoch": 7.996031746031746,
2890
+ "grad_norm": 0.419921875,
2891
+ "learning_rate": 2.3484666930409327e-05,
2892
+ "loss": 0.3043,
2893
+ "step": 2015
2894
+ },
2895
+ {
2896
+ "epoch": 8.0,
2897
+ "eval_loss": 1.5184850692749023,
2898
+ "eval_runtime": 0.5467,
2899
+ "eval_samples_per_second": 3.658,
2900
+ "eval_steps_per_second": 1.829,
2901
+ "step": 2016
2902
+ },
2903
+ {
2904
+ "epoch": 8.015873015873016,
2905
+ "grad_norm": 0.37890625,
2906
+ "learning_rate": 2.304058225591581e-05,
2907
+ "loss": 0.2823,
2908
+ "step": 2020
2909
+ },
2910
+ {
2911
+ "epoch": 8.035714285714286,
2912
+ "grad_norm": 0.4140625,
2913
+ "learning_rate": 2.260018917337726e-05,
2914
+ "loss": 0.2887,
2915
+ "step": 2025
2916
+ },
2917
+ {
2918
+ "epoch": 8.055555555555555,
2919
+ "grad_norm": 0.44140625,
2920
+ "learning_rate": 2.2163508807583998e-05,
2921
+ "loss": 0.2806,
2922
+ "step": 2030
2923
+ },
2924
+ {
2925
+ "epoch": 8.075396825396826,
2926
+ "grad_norm": 0.42578125,
2927
+ "learning_rate": 2.173056210523461e-05,
2928
+ "loss": 0.276,
2929
+ "step": 2035
2930
+ },
2931
+ {
2932
+ "epoch": 8.095238095238095,
2933
+ "grad_norm": 0.384765625,
2934
+ "learning_rate": 2.1301369833931117e-05,
2935
+ "loss": 0.288,
2936
+ "step": 2040
2937
+ },
2938
+ {
2939
+ "epoch": 8.115079365079366,
2940
+ "grad_norm": 0.3828125,
2941
+ "learning_rate": 2.0875952581182932e-05,
2942
+ "loss": 0.2754,
2943
+ "step": 2045
2944
+ },
2945
+ {
2946
+ "epoch": 8.134920634920634,
2947
+ "grad_norm": 0.37109375,
2948
+ "learning_rate": 2.045433075341927e-05,
2949
+ "loss": 0.2838,
2950
+ "step": 2050
2951
+ },
2952
+ {
2953
+ "epoch": 8.154761904761905,
2954
+ "grad_norm": 0.4296875,
2955
+ "learning_rate": 2.0036524575010172e-05,
2956
+ "loss": 0.2782,
2957
+ "step": 2055
2958
+ },
2959
+ {
2960
+ "epoch": 8.174603174603174,
2961
+ "grad_norm": 0.41015625,
2962
+ "learning_rate": 1.962255408729662e-05,
2963
+ "loss": 0.2802,
2964
+ "step": 2060
2965
+ },
2966
+ {
2967
+ "epoch": 8.194444444444445,
2968
+ "grad_norm": 0.392578125,
2969
+ "learning_rate": 1.921243914762889e-05,
2970
+ "loss": 0.2802,
2971
+ "step": 2065
2972
+ },
2973
+ {
2974
+ "epoch": 8.214285714285714,
2975
+ "grad_norm": 0.373046875,
2976
+ "learning_rate": 1.880619942841435e-05,
2977
+ "loss": 0.2819,
2978
+ "step": 2070
2979
+ },
2980
+ {
2981
+ "epoch": 8.234126984126984,
2982
+ "grad_norm": 0.396484375,
2983
+ "learning_rate": 1.8403854416173595e-05,
2984
+ "loss": 0.2791,
2985
+ "step": 2075
2986
+ },
2987
+ {
2988
+ "epoch": 8.253968253968253,
2989
+ "grad_norm": 0.412109375,
2990
+ "learning_rate": 1.8005423410605772e-05,
2991
+ "loss": 0.2781,
2992
+ "step": 2080
2993
+ },
2994
+ {
2995
+ "epoch": 8.273809523809524,
2996
+ "grad_norm": 0.388671875,
2997
+ "learning_rate": 1.7610925523662835e-05,
2998
+ "loss": 0.2863,
2999
+ "step": 2085
3000
+ },
3001
+ {
3002
+ "epoch": 8.293650793650794,
3003
+ "grad_norm": 0.42578125,
3004
+ "learning_rate": 1.7220379678632814e-05,
3005
+ "loss": 0.2842,
3006
+ "step": 2090
3007
+ },
3008
+ {
3009
+ "epoch": 8.313492063492063,
3010
+ "grad_norm": 0.404296875,
3011
+ "learning_rate": 1.6833804609231973e-05,
3012
+ "loss": 0.2819,
3013
+ "step": 2095
3014
+ },
3015
+ {
3016
+ "epoch": 8.333333333333334,
3017
+ "grad_norm": 0.3984375,
3018
+ "learning_rate": 1.6451218858706374e-05,
3019
+ "loss": 0.2937,
3020
+ "step": 2100
3021
+ },
3022
+ {
3023
+ "epoch": 8.353174603174603,
3024
+ "grad_norm": 0.408203125,
3025
+ "learning_rate": 1.6072640778942183e-05,
3026
+ "loss": 0.2846,
3027
+ "step": 2105
3028
+ },
3029
+ {
3030
+ "epoch": 8.373015873015873,
3031
+ "grad_norm": 0.3984375,
3032
+ "learning_rate": 1.5698088529585597e-05,
3033
+ "loss": 0.2834,
3034
+ "step": 2110
3035
+ },
3036
+ {
3037
+ "epoch": 8.392857142857142,
3038
+ "grad_norm": 0.4375,
3039
+ "learning_rate": 1.5327580077171587e-05,
3040
+ "loss": 0.2801,
3041
+ "step": 2115
3042
+ },
3043
+ {
3044
+ "epoch": 8.412698412698413,
3045
+ "grad_norm": 0.40234375,
3046
+ "learning_rate": 1.49611331942621e-05,
3047
+ "loss": 0.278,
3048
+ "step": 2120
3049
+ },
3050
+ {
3051
+ "epoch": 8.432539682539682,
3052
+ "grad_norm": 0.404296875,
3053
+ "learning_rate": 1.4598765458593655e-05,
3054
+ "loss": 0.2777,
3055
+ "step": 2125
3056
+ },
3057
+ {
3058
+ "epoch": 8.452380952380953,
3059
+ "grad_norm": 0.376953125,
3060
+ "learning_rate": 1.4240494252234049e-05,
3061
+ "loss": 0.2713,
3062
+ "step": 2130
3063
+ },
3064
+ {
3065
+ "epoch": 8.472222222222221,
3066
+ "grad_norm": 0.4140625,
3067
+ "learning_rate": 1.388633676074862e-05,
3068
+ "loss": 0.2839,
3069
+ "step": 2135
3070
+ },
3071
+ {
3072
+ "epoch": 8.492063492063492,
3073
+ "grad_norm": 0.392578125,
3074
+ "learning_rate": 1.3536309972375948e-05,
3075
+ "loss": 0.2835,
3076
+ "step": 2140
3077
+ },
3078
+ {
3079
+ "epoch": 8.511904761904763,
3080
+ "grad_norm": 0.408203125,
3081
+ "learning_rate": 1.3190430677212794e-05,
3082
+ "loss": 0.2783,
3083
+ "step": 2145
3084
+ },
3085
+ {
3086
+ "epoch": 8.531746031746032,
3087
+ "grad_norm": 0.412109375,
3088
+ "learning_rate": 1.2848715466408967e-05,
3089
+ "loss": 0.2837,
3090
+ "step": 2150
3091
+ },
3092
+ {
3093
+ "epoch": 8.551587301587302,
3094
+ "grad_norm": 0.390625,
3095
+ "learning_rate": 1.2511180731371208e-05,
3096
+ "loss": 0.2779,
3097
+ "step": 2155
3098
+ },
3099
+ {
3100
+ "epoch": 8.571428571428571,
3101
+ "grad_norm": 0.421875,
3102
+ "learning_rate": 1.2177842662977135e-05,
3103
+ "loss": 0.277,
3104
+ "step": 2160
3105
+ },
3106
+ {
3107
+ "epoch": 8.591269841269842,
3108
+ "grad_norm": 0.408203125,
3109
+ "learning_rate": 1.1848717250798524e-05,
3110
+ "loss": 0.285,
3111
+ "step": 2165
3112
+ },
3113
+ {
3114
+ "epoch": 8.61111111111111,
3115
+ "grad_norm": 0.384765625,
3116
+ "learning_rate": 1.1523820282334219e-05,
3117
+ "loss": 0.2848,
3118
+ "step": 2170
3119
+ },
3120
+ {
3121
+ "epoch": 8.630952380952381,
3122
+ "grad_norm": 0.427734375,
3123
+ "learning_rate": 1.1203167342253062e-05,
3124
+ "loss": 0.2809,
3125
+ "step": 2175
3126
+ },
3127
+ {
3128
+ "epoch": 8.65079365079365,
3129
+ "grad_norm": 0.384765625,
3130
+ "learning_rate": 1.088677381164609e-05,
3131
+ "loss": 0.278,
3132
+ "step": 2180
3133
+ },
3134
+ {
3135
+ "epoch": 8.670634920634921,
3136
+ "grad_norm": 0.412109375,
3137
+ "learning_rate": 1.0574654867288925e-05,
3138
+ "loss": 0.2786,
3139
+ "step": 2185
3140
+ },
3141
+ {
3142
+ "epoch": 8.69047619047619,
3143
+ "grad_norm": 0.39453125,
3144
+ "learning_rate": 1.0266825480913611e-05,
3145
+ "loss": 0.2826,
3146
+ "step": 2190
3147
+ },
3148
+ {
3149
+ "epoch": 8.71031746031746,
3150
+ "grad_norm": 0.44140625,
3151
+ "learning_rate": 9.963300418490617e-06,
3152
+ "loss": 0.2849,
3153
+ "step": 2195
3154
+ },
3155
+ {
3156
+ "epoch": 8.73015873015873,
3157
+ "grad_norm": 0.44140625,
3158
+ "learning_rate": 9.664094239520372e-06,
3159
+ "loss": 0.2899,
3160
+ "step": 2200
3161
+ },
3162
+ {
3163
+ "epoch": 8.75,
3164
+ "grad_norm": 0.3828125,
3165
+ "learning_rate": 9.369221296335006e-06,
3166
+ "loss": 0.2776,
3167
+ "step": 2205
3168
+ },
3169
+ {
3170
+ "epoch": 8.76984126984127,
3171
+ "grad_norm": 0.43359375,
3172
+ "learning_rate": 9.07869573340987e-06,
3173
+ "loss": 0.2866,
3174
+ "step": 2210
3175
+ },
3176
+ {
3177
+ "epoch": 8.78968253968254,
3178
+ "grad_norm": 0.408203125,
3179
+ "learning_rate": 8.79253148668494e-06,
3180
+ "loss": 0.2815,
3181
+ "step": 2215
3182
+ },
3183
+ {
3184
+ "epoch": 8.80952380952381,
3185
+ "grad_norm": 0.380859375,
3186
+ "learning_rate": 8.510742282896544e-06,
3187
+ "loss": 0.2828,
3188
+ "step": 2220
3189
+ },
3190
+ {
3191
+ "epoch": 8.829365079365079,
3192
+ "grad_norm": 0.419921875,
3193
+ "learning_rate": 8.233341638918712e-06,
3194
+ "loss": 0.2809,
3195
+ "step": 2225
3196
+ },
3197
+ {
3198
+ "epoch": 8.84920634920635,
3199
+ "grad_norm": 0.416015625,
3200
+ "learning_rate": 7.960342861114921e-06,
3201
+ "loss": 0.2798,
3202
+ "step": 2230
3203
+ },
3204
+ {
3205
+ "epoch": 8.869047619047619,
3206
+ "grad_norm": 0.400390625,
3207
+ "learning_rate": 7.69175904469982e-06,
3208
+ "loss": 0.2828,
3209
+ "step": 2235
3210
+ },
3211
+ {
3212
+ "epoch": 8.88888888888889,
3213
+ "grad_norm": 0.39453125,
3214
+ "learning_rate": 7.427603073110967e-06,
3215
+ "loss": 0.2843,
3216
+ "step": 2240
3217
+ },
3218
+ {
3219
+ "epoch": 8.908730158730158,
3220
+ "grad_norm": 0.3828125,
3221
+ "learning_rate": 7.1678876173909556e-06,
3222
+ "loss": 0.2779,
3223
+ "step": 2245
3224
+ },
3225
+ {
3226
+ "epoch": 8.928571428571429,
3227
+ "grad_norm": 0.3984375,
3228
+ "learning_rate": 6.9126251355795864e-06,
3229
+ "loss": 0.2816,
3230
+ "step": 2250
3231
+ },
3232
+ {
3233
+ "epoch": 8.948412698412698,
3234
+ "grad_norm": 0.404296875,
3235
+ "learning_rate": 6.661827872116177e-06,
3236
+ "loss": 0.2846,
3237
+ "step": 2255
3238
+ },
3239
+ {
3240
+ "epoch": 8.968253968253968,
3241
+ "grad_norm": 0.431640625,
3242
+ "learning_rate": 6.415507857252389e-06,
3243
+ "loss": 0.2883,
3244
+ "step": 2260
3245
+ },
3246
+ {
3247
+ "epoch": 8.988095238095237,
3248
+ "grad_norm": 0.419921875,
3249
+ "learning_rate": 6.173676906475012e-06,
3250
+ "loss": 0.2778,
3251
+ "step": 2265
3252
+ },
3253
+ {
3254
+ "epoch": 9.0,
3255
+ "eval_loss": 1.6142504215240479,
3256
+ "eval_runtime": 0.5468,
3257
+ "eval_samples_per_second": 3.657,
3258
+ "eval_steps_per_second": 1.829,
3259
+ "step": 2268
3260
+ },
3261
+ {
3262
+ "epoch": 9.007936507936508,
3263
+ "grad_norm": 0.376953125,
3264
+ "learning_rate": 5.936346619939271e-06,
3265
+ "loss": 0.2831,
3266
+ "step": 2270
3267
+ },
3268
+ {
3269
+ "epoch": 9.027777777777779,
3270
+ "grad_norm": 0.392578125,
3271
+ "learning_rate": 5.7035283819124155e-06,
3272
+ "loss": 0.2754,
3273
+ "step": 2275
3274
+ },
3275
+ {
3276
+ "epoch": 9.047619047619047,
3277
+ "grad_norm": 0.408203125,
3278
+ "learning_rate": 5.475233360227516e-06,
3279
+ "loss": 0.2794,
3280
+ "step": 2280
3281
+ },
3282
+ {
3283
+ "epoch": 9.067460317460318,
3284
+ "grad_norm": 0.375,
3285
+ "learning_rate": 5.2514725057479455e-06,
3286
+ "loss": 0.2828,
3287
+ "step": 2285
3288
+ },
3289
+ {
3290
+ "epoch": 9.087301587301587,
3291
+ "grad_norm": 0.384765625,
3292
+ "learning_rate": 5.03225655184194e-06,
3293
+ "loss": 0.269,
3294
+ "step": 2290
3295
+ },
3296
+ {
3297
+ "epoch": 9.107142857142858,
3298
+ "grad_norm": 0.3984375,
3299
+ "learning_rate": 4.817596013867764e-06,
3300
+ "loss": 0.2773,
3301
+ "step": 2295
3302
+ },
3303
+ {
3304
+ "epoch": 9.126984126984127,
3305
+ "grad_norm": 0.388671875,
3306
+ "learning_rate": 4.607501188669394e-06,
3307
+ "loss": 0.277,
3308
+ "step": 2300
3309
+ },
3310
+ {
3311
+ "epoch": 9.146825396825397,
3312
+ "grad_norm": 0.392578125,
3313
+ "learning_rate": 4.401982154082507e-06,
3314
+ "loss": 0.2775,
3315
+ "step": 2305
3316
+ },
3317
+ {
3318
+ "epoch": 9.166666666666666,
3319
+ "grad_norm": 0.37890625,
3320
+ "learning_rate": 4.20104876845111e-06,
3321
+ "loss": 0.272,
3322
+ "step": 2310
3323
+ },
3324
+ {
3325
+ "epoch": 9.186507936507937,
3326
+ "grad_norm": 0.400390625,
3327
+ "learning_rate": 4.004710670154655e-06,
3328
+ "loss": 0.2817,
3329
+ "step": 2315
3330
+ },
3331
+ {
3332
+ "epoch": 9.206349206349206,
3333
+ "grad_norm": 0.396484375,
3334
+ "learning_rate": 3.8129772771456797e-06,
3335
+ "loss": 0.2805,
3336
+ "step": 2320
3337
+ },
3338
+ {
3339
+ "epoch": 9.226190476190476,
3340
+ "grad_norm": 0.423828125,
3341
+ "learning_rate": 3.625857786498055e-06,
3342
+ "loss": 0.2795,
3343
+ "step": 2325
3344
+ },
3345
+ {
3346
+ "epoch": 9.246031746031745,
3347
+ "grad_norm": 0.396484375,
3348
+ "learning_rate": 3.4433611739658645e-06,
3349
+ "loss": 0.2846,
3350
+ "step": 2330
3351
+ },
3352
+ {
3353
+ "epoch": 9.265873015873016,
3354
+ "grad_norm": 0.390625,
3355
+ "learning_rate": 3.265496193552775e-06,
3356
+ "loss": 0.2818,
3357
+ "step": 2335
3358
+ },
3359
+ {
3360
+ "epoch": 9.285714285714286,
3361
+ "grad_norm": 0.39453125,
3362
+ "learning_rate": 3.092271377092215e-06,
3363
+ "loss": 0.2776,
3364
+ "step": 2340
3365
+ },
3366
+ {
3367
+ "epoch": 9.305555555555555,
3368
+ "grad_norm": 0.390625,
3369
+ "learning_rate": 2.9236950338380033e-06,
3370
+ "loss": 0.2744,
3371
+ "step": 2345
3372
+ },
3373
+ {
3374
+ "epoch": 9.325396825396826,
3375
+ "grad_norm": 0.3984375,
3376
+ "learning_rate": 2.759775250065899e-06,
3377
+ "loss": 0.2834,
3378
+ "step": 2350
3379
+ },
3380
+ {
3381
+ "epoch": 9.345238095238095,
3382
+ "grad_norm": 0.421875,
3383
+ "learning_rate": 2.6005198886856487e-06,
3384
+ "loss": 0.2738,
3385
+ "step": 2355
3386
+ },
3387
+ {
3388
+ "epoch": 9.365079365079366,
3389
+ "grad_norm": 0.388671875,
3390
+ "learning_rate": 2.4459365888638062e-06,
3391
+ "loss": 0.2766,
3392
+ "step": 2360
3393
+ },
3394
+ {
3395
+ "epoch": 9.384920634920634,
3396
+ "grad_norm": 0.3984375,
3397
+ "learning_rate": 2.296032765657319e-06,
3398
+ "loss": 0.2786,
3399
+ "step": 2365
3400
+ },
3401
+ {
3402
+ "epoch": 9.404761904761905,
3403
+ "grad_norm": 0.388671875,
3404
+ "learning_rate": 2.150815609657875e-06,
3405
+ "loss": 0.2723,
3406
+ "step": 2370
3407
+ },
3408
+ {
3409
+ "epoch": 9.424603174603174,
3410
+ "grad_norm": 0.412109375,
3411
+ "learning_rate": 2.010292086646903e-06,
3412
+ "loss": 0.2782,
3413
+ "step": 2375
3414
+ },
3415
+ {
3416
+ "epoch": 9.444444444444445,
3417
+ "grad_norm": 0.396484375,
3418
+ "learning_rate": 1.874468937261531e-06,
3419
+ "loss": 0.2764,
3420
+ "step": 2380
3421
+ },
3422
+ {
3423
+ "epoch": 9.464285714285714,
3424
+ "grad_norm": 0.388671875,
3425
+ "learning_rate": 1.7433526766711728e-06,
3426
+ "loss": 0.279,
3427
+ "step": 2385
3428
+ },
3429
+ {
3430
+ "epoch": 9.484126984126984,
3431
+ "grad_norm": 0.3984375,
3432
+ "learning_rate": 1.6169495942650714e-06,
3433
+ "loss": 0.2832,
3434
+ "step": 2390
3435
+ },
3436
+ {
3437
+ "epoch": 9.503968253968253,
3438
+ "grad_norm": 0.384765625,
3439
+ "learning_rate": 1.4952657533505277e-06,
3440
+ "loss": 0.2782,
3441
+ "step": 2395
3442
+ },
3443
+ {
3444
+ "epoch": 9.523809523809524,
3445
+ "grad_norm": 0.392578125,
3446
+ "learning_rate": 1.378306990862177e-06,
3447
+ "loss": 0.2861,
3448
+ "step": 2400
3449
+ },
3450
+ {
3451
+ "epoch": 9.543650793650794,
3452
+ "grad_norm": 0.41015625,
3453
+ "learning_rate": 1.2660789170818809e-06,
3454
+ "loss": 0.2742,
3455
+ "step": 2405
3456
+ },
3457
+ {
3458
+ "epoch": 9.563492063492063,
3459
+ "grad_norm": 0.384765625,
3460
+ "learning_rate": 1.158586915369675e-06,
3461
+ "loss": 0.2712,
3462
+ "step": 2410
3463
+ },
3464
+ {
3465
+ "epoch": 9.583333333333334,
3466
+ "grad_norm": 0.416015625,
3467
+ "learning_rate": 1.055836141905553e-06,
3468
+ "loss": 0.2838,
3469
+ "step": 2415
3470
+ },
3471
+ {
3472
+ "epoch": 9.603174603174603,
3473
+ "grad_norm": 0.396484375,
3474
+ "learning_rate": 9.578315254420767e-07,
3475
+ "loss": 0.2779,
3476
+ "step": 2420
3477
+ },
3478
+ {
3479
+ "epoch": 9.623015873015873,
3480
+ "grad_norm": 0.388671875,
3481
+ "learning_rate": 8.645777670680089e-07,
3482
+ "loss": 0.2688,
3483
+ "step": 2425
3484
+ },
3485
+ {
3486
+ "epoch": 9.642857142857142,
3487
+ "grad_norm": 0.384765625,
3488
+ "learning_rate": 7.760793399827937e-07,
3489
+ "loss": 0.2776,
3490
+ "step": 2430
3491
+ },
3492
+ {
3493
+ "epoch": 9.662698412698413,
3494
+ "grad_norm": 0.392578125,
3495
+ "learning_rate": 6.92340489281973e-07,
3496
+ "loss": 0.2791,
3497
+ "step": 2435
3498
+ },
3499
+ {
3500
+ "epoch": 9.682539682539682,
3501
+ "grad_norm": 0.400390625,
3502
+ "learning_rate": 6.13365231753571e-07,
3503
+ "loss": 0.2775,
3504
+ "step": 2440
3505
+ },
3506
+ {
3507
+ "epoch": 9.702380952380953,
3508
+ "grad_norm": 0.41015625,
3509
+ "learning_rate": 5.391573556854157e-07,
3510
+ "loss": 0.2791,
3511
+ "step": 2445
3512
+ },
3513
+ {
3514
+ "epoch": 9.722222222222221,
3515
+ "grad_norm": 0.3984375,
3516
+ "learning_rate": 4.6972042068341714e-07,
3517
+ "loss": 0.2818,
3518
+ "step": 2450
3519
+ },
3520
+ {
3521
+ "epoch": 9.742063492063492,
3522
+ "grad_norm": 0.3671875,
3523
+ "learning_rate": 4.050577575008263e-07,
3524
+ "loss": 0.2768,
3525
+ "step": 2455
3526
+ },
3527
+ {
3528
+ "epoch": 9.761904761904763,
3529
+ "grad_norm": 0.3828125,
3530
+ "learning_rate": 3.451724678784518e-07,
3531
+ "loss": 0.2791,
3532
+ "step": 2460
3533
+ },
3534
+ {
3535
+ "epoch": 9.781746031746032,
3536
+ "grad_norm": 0.392578125,
3537
+ "learning_rate": 2.9006742439590116e-07,
3538
+ "loss": 0.274,
3539
+ "step": 2465
3540
+ },
3541
+ {
3542
+ "epoch": 9.801587301587302,
3543
+ "grad_norm": 0.41015625,
3544
+ "learning_rate": 2.397452703337577e-07,
3545
+ "loss": 0.2767,
3546
+ "step": 2470
3547
+ },
3548
+ {
3549
+ "epoch": 9.821428571428571,
3550
+ "grad_norm": 0.380859375,
3551
+ "learning_rate": 1.9420841954681525e-07,
3552
+ "loss": 0.2742,
3553
+ "step": 2475
3554
+ },
3555
+ {
3556
+ "epoch": 9.841269841269842,
3557
+ "grad_norm": 0.388671875,
3558
+ "learning_rate": 1.5345905634827074e-07,
3559
+ "loss": 0.2723,
3560
+ "step": 2480
3561
+ },
3562
+ {
3563
+ "epoch": 9.86111111111111,
3564
+ "grad_norm": 0.373046875,
3565
+ "learning_rate": 1.1749913540496371e-07,
3566
+ "loss": 0.2813,
3567
+ "step": 2485
3568
+ },
3569
+ {
3570
+ "epoch": 9.880952380952381,
3571
+ "grad_norm": 0.37890625,
3572
+ "learning_rate": 8.633038164358454e-08,
3573
+ "loss": 0.2789,
3574
+ "step": 2490
3575
+ },
3576
+ {
3577
+ "epoch": 9.90079365079365,
3578
+ "grad_norm": 0.41015625,
3579
+ "learning_rate": 5.995429016798505e-08,
3580
+ "loss": 0.2819,
3581
+ "step": 2495
3582
+ },
3583
+ {
3584
+ "epoch": 9.920634920634921,
3585
+ "grad_norm": 0.400390625,
3586
+ "learning_rate": 3.8372126187413704e-08,
3587
+ "loss": 0.2792,
3588
+ "step": 2500
3589
+ },
3590
+ {
3591
+ "epoch": 9.94047619047619,
3592
+ "grad_norm": 0.390625,
3593
+ "learning_rate": 2.1584924955819764e-08,
3594
+ "loss": 0.2759,
3595
+ "step": 2505
3596
+ },
3597
+ {
3598
+ "epoch": 9.96031746031746,
3599
+ "grad_norm": 0.38671875,
3600
+ "learning_rate": 9.593491722270642e-09,
3601
+ "loss": 0.2839,
3602
+ "step": 2510
3603
+ },
3604
+ {
3605
+ "epoch": 9.98015873015873,
3606
+ "grad_norm": 0.388671875,
3607
+ "learning_rate": 2.398401692216279e-09,
3608
+ "loss": 0.2708,
3609
+ "step": 2515
3610
+ },
3611
+ {
3612
+ "epoch": 10.0,
3613
+ "grad_norm": 0.390625,
3614
+ "learning_rate": 0.0,
3615
+ "loss": 0.2748,
3616
+ "step": 2520
3617
+ },
3618
+ {
3619
+ "epoch": 10.0,
3620
+ "eval_loss": 1.6317710876464844,
3621
+ "eval_runtime": 0.5467,
3622
+ "eval_samples_per_second": 3.658,
3623
+ "eval_steps_per_second": 1.829,
3624
+ "step": 2520
3625
+ },
3626
+ {
3627
+ "epoch": 10.0,
3628
+ "step": 2520,
3629
+ "total_flos": 3.8651476831067177e+18,
3630
+ "train_loss": 1.0268459252421818,
3631
+ "train_runtime": 8757.4109,
3632
+ "train_samples_per_second": 4.596,
3633
+ "train_steps_per_second": 0.288
3634
+ }
3635
+ ],
3636
+ "logging_steps": 5,
3637
+ "max_steps": 2520,
3638
+ "num_input_tokens_seen": 0,
3639
+ "num_train_epochs": 10,
3640
+ "save_steps": 100,
3641
+ "total_flos": 3.8651476831067177e+18,
3642
+ "train_batch_size": 2,
3643
+ "trial_name": null,
3644
+ "trial_params": null
3645
+ }