{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 10.0,
  "eval_steps": 500,
  "global_step": 1200,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.008333333333333333,
      "grad_norm": 120.0,
      "learning_rate": 1.6666666666666667e-06,
      "loss": 23.2208,
      "step": 1
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 108.0,
      "learning_rate": 8.333333333333334e-06,
      "loss": 22.3863,
      "step": 5
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 89.5,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 20.201,
      "step": 10
    },
    {
      "epoch": 0.125,
      "grad_norm": 32.0,
      "learning_rate": 2.5e-05,
      "loss": 15.5897,
      "step": 15
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 25.5,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 13.9721,
      "step": 20
    },
    {
      "epoch": 0.20833333333333334,
      "grad_norm": 20.375,
      "learning_rate": 4.166666666666667e-05,
      "loss": 12.549,
      "step": 25
    },
    {
      "epoch": 0.25,
      "grad_norm": 5.15625,
      "learning_rate": 5e-05,
      "loss": 9.902,
      "step": 30
    },
    {
      "epoch": 0.2916666666666667,
      "grad_norm": 7.375,
      "learning_rate": 5.833333333333334e-05,
      "loss": 9.2506,
      "step": 35
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 3.0625,
      "learning_rate": 6.666666666666667e-05,
      "loss": 9.3509,
      "step": 40
    },
    {
      "epoch": 0.375,
      "grad_norm": 6.03125,
      "learning_rate": 7.500000000000001e-05,
      "loss": 8.6313,
      "step": 45
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 10.8125,
      "learning_rate": 8.333333333333334e-05,
      "loss": 8.1781,
      "step": 50
    },
    {
      "epoch": 0.4583333333333333,
      "grad_norm": 21.875,
      "learning_rate": 9.166666666666667e-05,
      "loss": 6.1168,
      "step": 55
    },
    {
      "epoch": 0.5,
      "grad_norm": 3.640625,
      "learning_rate": 0.0001,
      "loss": 3.5536,
      "step": 60
    },
    {
      "epoch": 0.5416666666666666,
      "grad_norm": 2.671875,
      "learning_rate": 0.00010833333333333333,
      "loss": 2.7801,
      "step": 65
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 1.4609375,
      "learning_rate": 0.00011666666666666668,
      "loss": 2.9275,
      "step": 70
    },
    {
      "epoch": 0.625,
      "grad_norm": 1.546875,
      "learning_rate": 0.000125,
      "loss": 2.7622,
      "step": 75
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 6.0625,
      "learning_rate": 0.00013333333333333334,
      "loss": 2.8203,
      "step": 80
    },
    {
      "epoch": 0.7083333333333334,
      "grad_norm": 3.765625,
      "learning_rate": 0.00014166666666666668,
      "loss": 2.627,
      "step": 85
    },
    {
      "epoch": 0.75,
      "grad_norm": 2.03125,
      "learning_rate": 0.00015000000000000001,
      "loss": 2.5998,
      "step": 90
    },
    {
      "epoch": 0.7916666666666666,
      "grad_norm": 2.453125,
      "learning_rate": 0.00015833333333333332,
      "loss": 2.638,
      "step": 95
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 1.8828125,
      "learning_rate": 0.0001666666666666667,
      "loss": 2.561,
      "step": 100
    },
    {
      "epoch": 0.875,
      "grad_norm": 1.5625,
      "learning_rate": 0.000175,
      "loss": 2.5675,
      "step": 105
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 4.0625,
      "learning_rate": 0.00018333333333333334,
      "loss": 2.4268,
      "step": 110
    },
    {
      "epoch": 0.9583333333333334,
      "grad_norm": 1.9296875,
      "learning_rate": 0.00019166666666666667,
      "loss": 2.2916,
      "step": 115
    },
    {
      "epoch": 1.0,
      "grad_norm": 2.234375,
      "learning_rate": 0.0002,
      "loss": 2.357,
      "step": 120
    },
    {
      "epoch": 1.0,
      "eval_loss": 2.2526559829711914,
      "eval_runtime": 22.5811,
      "eval_samples_per_second": 4.606,
      "eval_steps_per_second": 1.151,
      "step": 120
    },
    {
      "epoch": 1.0416666666666667,
      "grad_norm": 1.3828125,
      "learning_rate": 0.00019998942319271077,
      "loss": 2.2039,
      "step": 125
    },
    {
      "epoch": 1.0833333333333333,
      "grad_norm": 1.890625,
      "learning_rate": 0.0001999576950082201,
      "loss": 2.6306,
      "step": 130
    },
    {
      "epoch": 1.125,
      "grad_norm": 1.546875,
      "learning_rate": 0.0001999048221581858,
      "loss": 2.3529,
      "step": 135
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 1.53125,
      "learning_rate": 0.00019983081582712685,
      "loss": 2.1073,
      "step": 140
    },
    {
      "epoch": 1.2083333333333333,
      "grad_norm": 19.0,
      "learning_rate": 0.00019973569167005723,
      "loss": 2.6663,
      "step": 145
    },
    {
      "epoch": 1.25,
      "grad_norm": 1.59375,
      "learning_rate": 0.00019961946980917456,
      "loss": 2.1206,
      "step": 150
    },
    {
      "epoch": 1.2916666666666667,
      "grad_norm": 1.3828125,
      "learning_rate": 0.0001994821748296033,
      "loss": 2.358,
      "step": 155
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 1.1640625,
      "learning_rate": 0.00019932383577419432,
      "loss": 2.2704,
      "step": 160
    },
    {
      "epoch": 1.375,
      "grad_norm": 2.953125,
      "learning_rate": 0.00019914448613738106,
      "loss": 2.4684,
      "step": 165
    },
    {
      "epoch": 1.4166666666666667,
      "grad_norm": 1.6796875,
      "learning_rate": 0.00019894416385809444,
      "loss": 2.2589,
      "step": 170
    },
    {
      "epoch": 1.4583333333333333,
      "grad_norm": 1.453125,
      "learning_rate": 0.00019872291131173742,
      "loss": 2.0498,
      "step": 175
    },
    {
      "epoch": 1.5,
      "grad_norm": 0.9375,
      "learning_rate": 0.00019848077530122083,
      "loss": 2.1424,
      "step": 180
    },
    {
      "epoch": 1.5416666666666665,
      "grad_norm": 1.3046875,
      "learning_rate": 0.00019821780704706307,
      "loss": 2.0694,
      "step": 185
    },
    {
      "epoch": 1.5833333333333335,
      "grad_norm": 1.5390625,
      "learning_rate": 0.00019793406217655517,
      "loss": 2.265,
      "step": 190
    },
    {
      "epoch": 1.625,
      "grad_norm": 1.4921875,
      "learning_rate": 0.00019762960071199333,
      "loss": 2.0767,
      "step": 195
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 3.671875,
      "learning_rate": 0.00019730448705798239,
      "loss": 2.1,
      "step": 200
    },
    {
      "epoch": 1.7083333333333335,
      "grad_norm": 1.015625,
      "learning_rate": 0.0001969587899878116,
      "loss": 2.1602,
      "step": 205
    },
    {
      "epoch": 1.75,
      "grad_norm": 1.0390625,
      "learning_rate": 0.00019659258262890683,
      "loss": 2.0545,
      "step": 210
    },
    {
      "epoch": 1.7916666666666665,
      "grad_norm": 1.09375,
      "learning_rate": 0.00019620594244736133,
      "loss": 2.0273,
      "step": 215
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 0.90234375,
      "learning_rate": 0.0001957989512315489,
      "loss": 2.0589,
      "step": 220
    },
    {
      "epoch": 1.875,
      "grad_norm": 0.98828125,
      "learning_rate": 0.0001953716950748227,
      "loss": 2.2168,
      "step": 225
    },
    {
      "epoch": 1.9166666666666665,
      "grad_norm": 1.875,
      "learning_rate": 0.0001949242643573034,
      "loss": 1.9791,
      "step": 230
    },
    {
      "epoch": 1.9583333333333335,
      "grad_norm": 2.90625,
      "learning_rate": 0.0001944567537267605,
      "loss": 2.244,
      "step": 235
    },
    {
      "epoch": 2.0,
      "grad_norm": 1.96875,
      "learning_rate": 0.00019396926207859084,
      "loss": 1.8805,
      "step": 240
    },
    {
      "epoch": 2.0,
      "eval_loss": 1.8900933265686035,
      "eval_runtime": 22.6149,
      "eval_samples_per_second": 4.599,
      "eval_steps_per_second": 1.15,
      "step": 240
    },
    {
      "epoch": 2.0416666666666665,
      "grad_norm": 1.328125,
      "learning_rate": 0.00019346189253489885,
      "loss": 1.7162,
      "step": 245
    },
    {
      "epoch": 2.0833333333333335,
      "grad_norm": 1.140625,
      "learning_rate": 0.00019293475242268223,
      "loss": 1.6133,
      "step": 250
    },
    {
      "epoch": 2.125,
      "grad_norm": 1.4140625,
      "learning_rate": 0.0001923879532511287,
      "loss": 1.529,
      "step": 255
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 1.2421875,
      "learning_rate": 0.00019182161068802741,
      "loss": 1.6521,
      "step": 260
    },
    {
      "epoch": 2.2083333333333335,
      "grad_norm": 1.1484375,
      "learning_rate": 0.00019123584453530144,
      "loss": 1.7569,
      "step": 265
    },
    {
      "epoch": 2.25,
      "grad_norm": 1.390625,
      "learning_rate": 0.000190630778703665,
      "loss": 1.4932,
      "step": 270
    },
    {
      "epoch": 2.2916666666666665,
      "grad_norm": 1.265625,
      "learning_rate": 0.00019000654118641211,
      "loss": 1.7407,
      "step": 275
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 1.7109375,
      "learning_rate": 0.00018936326403234125,
      "loss": 1.6984,
      "step": 280
    },
    {
      "epoch": 2.375,
      "grad_norm": 1.1796875,
      "learning_rate": 0.00018870108331782217,
      "loss": 1.7803,
      "step": 285
    },
    {
      "epoch": 2.4166666666666665,
      "grad_norm": 1.453125,
      "learning_rate": 0.00018802013911801112,
      "loss": 1.8513,
      "step": 290
    },
    {
      "epoch": 2.4583333333333335,
      "grad_norm": 1.1875,
      "learning_rate": 0.0001873205754772196,
      "loss": 1.6966,
      "step": 295
    },
    {
      "epoch": 2.5,
      "grad_norm": 1.390625,
      "learning_rate": 0.00018660254037844388,
      "loss": 1.6205,
      "step": 300
    },
    {
      "epoch": 2.5416666666666665,
      "grad_norm": 1.640625,
      "learning_rate": 0.00018586618571206134,
      "loss": 1.8264,
      "step": 305
    },
    {
      "epoch": 2.5833333333333335,
      "grad_norm": 1.28125,
      "learning_rate": 0.00018511166724369997,
      "loss": 1.7517,
      "step": 310
    },
    {
      "epoch": 2.625,
      "grad_norm": 1.328125,
      "learning_rate": 0.0001843391445812886,
      "loss": 1.6381,
      "step": 315
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 1.5859375,
      "learning_rate": 0.00018354878114129367,
      "loss": 1.5737,
      "step": 320
    },
    {
      "epoch": 2.7083333333333335,
      "grad_norm": 1.375,
      "learning_rate": 0.00018274074411415105,
      "loss": 1.4307,
      "step": 325
    },
    {
      "epoch": 2.75,
      "grad_norm": 2.140625,
      "learning_rate": 0.0001819152044288992,
      "loss": 1.5472,
      "step": 330
    },
    {
      "epoch": 2.7916666666666665,
      "grad_norm": 1.5703125,
      "learning_rate": 0.00018107233671702124,
      "loss": 1.6712,
      "step": 335
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 1.296875,
      "learning_rate": 0.0001802123192755044,
      "loss": 1.6829,
      "step": 340
    },
    {
      "epoch": 2.875,
      "grad_norm": 1.65625,
      "learning_rate": 0.00017933533402912354,
      "loss": 1.6765,
      "step": 345
    },
    {
      "epoch": 2.9166666666666665,
      "grad_norm": 1.234375,
      "learning_rate": 0.00017844156649195759,
      "loss": 1.534,
      "step": 350
    },
    {
      "epoch": 2.9583333333333335,
      "grad_norm": 1.40625,
      "learning_rate": 0.0001775312057281466,
      "loss": 1.4458,
      "step": 355
    },
    {
      "epoch": 3.0,
      "grad_norm": 1.484375,
      "learning_rate": 0.0001766044443118978,
      "loss": 1.5884,
      "step": 360
    },
    {
      "epoch": 3.0,
      "eval_loss": 1.6506251096725464,
      "eval_runtime": 22.6518,
      "eval_samples_per_second": 4.591,
      "eval_steps_per_second": 1.148,
      "step": 360
    },
    {
      "epoch": 3.0416666666666665,
      "grad_norm": 1.671875,
      "learning_rate": 0.00017566147828674931,
      "loss": 1.1334,
      "step": 365
    },
    {
      "epoch": 3.0833333333333335,
      "grad_norm": 2.359375,
      "learning_rate": 0.0001747025071240996,
      "loss": 1.3137,
      "step": 370
    },
    {
      "epoch": 3.125,
      "grad_norm": 1.34375,
      "learning_rate": 0.0001737277336810124,
      "loss": 1.2017,
      "step": 375
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 1.6484375,
      "learning_rate": 0.00017273736415730488,
      "loss": 1.2455,
      "step": 380
    },
    {
      "epoch": 3.2083333333333335,
      "grad_norm": 1.828125,
      "learning_rate": 0.00017173160805192893,
      "loss": 1.041,
      "step": 385
    },
    {
      "epoch": 3.25,
      "grad_norm": 1.609375,
      "learning_rate": 0.00017071067811865476,
      "loss": 1.1316,
      "step": 390
    },
    {
      "epoch": 3.2916666666666665,
      "grad_norm": 1.53125,
      "learning_rate": 0.0001696747903210655,
      "loss": 0.8524,
      "step": 395
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 1.4609375,
      "learning_rate": 0.0001686241637868734,
      "loss": 1.0369,
      "step": 400
    },
    {
      "epoch": 3.375,
      "grad_norm": 2.0,
      "learning_rate": 0.00016755902076156604,
      "loss": 1.0085,
      "step": 405
    },
    {
      "epoch": 3.4166666666666665,
      "grad_norm": 1.3359375,
      "learning_rate": 0.00016647958656139378,
      "loss": 1.275,
      "step": 410
    },
    {
      "epoch": 3.4583333333333335,
      "grad_norm": 1.5625,
      "learning_rate": 0.00016538608952570698,
      "loss": 1.2037,
      "step": 415
    },
    {
      "epoch": 3.5,
      "grad_norm": 1.4921875,
      "learning_rate": 0.00016427876096865394,
      "loss": 0.9427,
      "step": 420
    },
    {
      "epoch": 3.5416666666666665,
      "grad_norm": 1.46875,
      "learning_rate": 0.00016315783513024977,
      "loss": 1.0746,
      "step": 425
    },
    {
      "epoch": 3.5833333333333335,
      "grad_norm": 1.7109375,
      "learning_rate": 0.000162023549126826,
      "loss": 1.1905,
      "step": 430
    },
    {
      "epoch": 3.625,
      "grad_norm": 1.546875,
      "learning_rate": 0.00016087614290087208,
      "loss": 1.047,
      "step": 435
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 1.8515625,
      "learning_rate": 0.00015971585917027862,
      "loss": 0.9996,
      "step": 440
    },
    {
      "epoch": 3.7083333333333335,
      "grad_norm": 1.609375,
      "learning_rate": 0.00015854294337699408,
      "loss": 1.0106,
      "step": 445
    },
    {
      "epoch": 3.75,
      "grad_norm": 1.328125,
      "learning_rate": 0.0001573576436351046,
      "loss": 1.6606,
      "step": 450
    },
    {
      "epoch": 3.7916666666666665,
      "grad_norm": 1.6484375,
      "learning_rate": 0.0001561602106783493,
      "loss": 0.9552,
      "step": 455
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 1.7734375,
      "learning_rate": 0.0001549508978070806,
      "loss": 1.2775,
      "step": 460
    },
    {
      "epoch": 3.875,
      "grad_norm": 1.59375,
      "learning_rate": 0.0001537299608346824,
      "loss": 0.8644,
      "step": 465
    },
    {
      "epoch": 3.9166666666666665,
      "grad_norm": 1.65625,
      "learning_rate": 0.000152497658033456,
      "loss": 1.1973,
      "step": 470
    },
    {
      "epoch": 3.9583333333333335,
      "grad_norm": 1.7578125,
      "learning_rate": 0.00015125425007998653,
      "loss": 1.0881,
      "step": 475
    },
    {
      "epoch": 4.0,
      "grad_norm": 1.421875,
      "learning_rate": 0.00015000000000000001,
      "loss": 0.976,
      "step": 480
    },
    {
      "epoch": 4.0,
      "eval_loss": 1.4923341274261475,
      "eval_runtime": 22.6533,
      "eval_samples_per_second": 4.591,
      "eval_steps_per_second": 1.148,
      "step": 480
    },
    {
      "epoch": 4.041666666666667,
      "grad_norm": 1.9609375,
      "learning_rate": 0.00014873517311272423,
      "loss": 0.8099,
      "step": 485
    },
    {
      "epoch": 4.083333333333333,
      "grad_norm": 1.578125,
      "learning_rate": 0.00014746003697476404,
      "loss": 0.7811,
      "step": 490
    },
    {
      "epoch": 4.125,
      "grad_norm": 1.71875,
      "learning_rate": 0.00014617486132350343,
      "loss": 0.891,
      "step": 495
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 1.5390625,
      "learning_rate": 0.00014487991802004623,
      "loss": 1.0188,
      "step": 500
    },
    {
      "epoch": 4.208333333333333,
      "grad_norm": 1.9140625,
      "learning_rate": 0.00014357548099170795,
      "loss": 0.7671,
      "step": 505
    },
    {
      "epoch": 4.25,
      "grad_norm": 1.6953125,
      "learning_rate": 0.00014226182617406996,
      "loss": 0.656,
      "step": 510
    },
    {
      "epoch": 4.291666666666667,
      "grad_norm": 1.4609375,
      "learning_rate": 0.00014093923145260925,
      "loss": 0.7351,
      "step": 515
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 1.6015625,
      "learning_rate": 0.0001396079766039157,
      "loss": 0.6366,
      "step": 520
    },
    {
      "epoch": 4.375,
      "grad_norm": 1.921875,
      "learning_rate": 0.000138268343236509,
      "loss": 1.1278,
      "step": 525
    },
    {
      "epoch": 4.416666666666667,
      "grad_norm": 1.421875,
      "learning_rate": 0.00013692061473126845,
      "loss": 0.5021,
      "step": 530
    },
    {
      "epoch": 4.458333333333333,
      "grad_norm": 1.5859375,
      "learning_rate": 0.0001355650761814877,
      "loss": 0.7822,
      "step": 535
    },
    {
      "epoch": 4.5,
      "grad_norm": 1.7890625,
      "learning_rate": 0.00013420201433256689,
      "loss": 0.653,
      "step": 540
    },
    {
      "epoch": 4.541666666666667,
      "grad_norm": 1.59375,
      "learning_rate": 0.00013283171752135614,
      "loss": 0.7442,
      "step": 545
    },
    {
      "epoch": 4.583333333333333,
      "grad_norm": 1.5625,
      "learning_rate": 0.00013145447561516138,
      "loss": 0.7451,
      "step": 550
    },
    {
      "epoch": 4.625,
      "grad_norm": 1.890625,
      "learning_rate": 0.00013007057995042732,
      "loss": 0.8068,
      "step": 555
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 1.6328125,
      "learning_rate": 0.00012868032327110904,
      "loss": 0.5302,
      "step": 560
    },
    {
      "epoch": 4.708333333333333,
      "grad_norm": 1.9765625,
      "learning_rate": 0.00012728399966674612,
      "loss": 0.8653,
      "step": 565
    },
    {
      "epoch": 4.75,
      "grad_norm": 1.578125,
      "learning_rate": 0.00012588190451025207,
      "loss": 0.6963,
      "step": 570
    },
    {
      "epoch": 4.791666666666667,
      "grad_norm": 1.875,
      "learning_rate": 0.0001244743343954324,
      "loss": 0.9519,
      "step": 575
    },
    {
      "epoch": 4.833333333333333,
      "grad_norm": 1.7265625,
      "learning_rate": 0.00012306158707424403,
      "loss": 0.7992,
      "step": 580
    },
    {
      "epoch": 4.875,
      "grad_norm": 1.625,
      "learning_rate": 0.00012164396139381029,
      "loss": 0.6708,
      "step": 585
    },
    {
      "epoch": 4.916666666666667,
      "grad_norm": 1.921875,
      "learning_rate": 0.00012022175723320381,
      "loss": 0.5493,
      "step": 590
    },
    {
      "epoch": 4.958333333333333,
      "grad_norm": 1.703125,
      "learning_rate": 0.00011879527544001119,
      "loss": 0.4953,
      "step": 595
    },
    {
      "epoch": 5.0,
      "grad_norm": 1.4375,
      "learning_rate": 0.00011736481776669306,
      "loss": 0.494,
      "step": 600
    },
    {
      "epoch": 5.0,
      "eval_loss": 1.4527199268341064,
      "eval_runtime": 22.5273,
      "eval_samples_per_second": 4.617,
      "eval_steps_per_second": 1.154,
      "step": 600
    },
    {
      "epoch": 5.041666666666667,
      "grad_norm": 1.8125,
      "learning_rate": 0.00011593068680675228,
      "loss": 0.4172,
      "step": 605
    },
    {
      "epoch": 5.083333333333333,
      "grad_norm": 1.6640625,
      "learning_rate": 0.00011449318593072466,
      "loss": 0.515,
      "step": 610
    },
    {
      "epoch": 5.125,
      "grad_norm": 1.3984375,
      "learning_rate": 0.00011305261922200519,
      "loss": 0.3984,
      "step": 615
    },
    {
      "epoch": 5.166666666666667,
      "grad_norm": 1.7734375,
      "learning_rate": 0.00011160929141252303,
      "loss": 0.3962,
      "step": 620
    },
    {
      "epoch": 5.208333333333333,
      "grad_norm": 1.5625,
      "learning_rate": 0.00011016350781828019,
      "loss": 0.5541,
      "step": 625
    },
    {
      "epoch": 5.25,
      "grad_norm": 1.5546875,
      "learning_rate": 0.00010871557427476583,
      "loss": 0.5564,
      "step": 630
    },
    {
      "epoch": 5.291666666666667,
      "grad_norm": 1.3671875,
      "learning_rate": 0.00010726579707226108,
      "loss": 0.6518,
      "step": 635
    },
    {
      "epoch": 5.333333333333333,
      "grad_norm": 1.53125,
      "learning_rate": 0.00010581448289104758,
      "loss": 0.4448,
      "step": 640
    },
    {
      "epoch": 5.375,
      "grad_norm": 1.4609375,
      "learning_rate": 0.00010436193873653361,
      "loss": 0.4689,
      "step": 645
    },
    {
      "epoch": 5.416666666666667,
      "grad_norm": 1.578125,
      "learning_rate": 0.00010290847187431113,
      "loss": 0.3511,
      "step": 650
    },
    {
      "epoch": 5.458333333333333,
      "grad_norm": 1.515625,
      "learning_rate": 0.00010145438976515828,
      "loss": 0.5423,
      "step": 655
    },
    {
      "epoch": 5.5,
      "grad_norm": 1.6015625,
      "learning_rate": 0.0001,
      "loss": 0.5626,
      "step": 660
    },
    {
      "epoch": 5.541666666666667,
      "grad_norm": 1.3359375,
      "learning_rate": 9.854561023484173e-05,
      "loss": 0.5551,
      "step": 665
    },
    {
      "epoch": 5.583333333333333,
      "grad_norm": 2.015625,
      "learning_rate": 9.709152812568886e-05,
      "loss": 0.3925,
      "step": 670
    },
    {
      "epoch": 5.625,
      "grad_norm": 1.5546875,
      "learning_rate": 9.563806126346642e-05,
      "loss": 0.5825,
      "step": 675
    },
    {
      "epoch": 5.666666666666667,
      "grad_norm": 1.6484375,
      "learning_rate": 9.418551710895243e-05,
      "loss": 0.4172,
      "step": 680
    },
    {
      "epoch": 5.708333333333333,
      "grad_norm": 1.6484375,
      "learning_rate": 9.273420292773894e-05,
      "loss": 0.8449,
      "step": 685
    },
    {
      "epoch": 5.75,
      "grad_norm": 1.75,
      "learning_rate": 9.128442572523417e-05,
      "loss": 0.6815,
      "step": 690
    },
    {
      "epoch": 5.791666666666667,
      "grad_norm": 1.40625,
      "learning_rate": 8.983649218171982e-05,
      "loss": 0.5505,
      "step": 695
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 1.5703125,
      "learning_rate": 8.839070858747697e-05,
      "loss": 0.3779,
      "step": 700
    },
    {
      "epoch": 5.875,
      "grad_norm": 1.46875,
      "learning_rate": 8.694738077799488e-05,
      "loss": 0.4549,
      "step": 705
    },
    {
      "epoch": 5.916666666666667,
      "grad_norm": 1.4921875,
      "learning_rate": 8.550681406927535e-05,
      "loss": 0.6878,
      "step": 710
    },
    {
      "epoch": 5.958333333333333,
      "grad_norm": 1.65625,
      "learning_rate": 8.406931319324776e-05,
      "loss": 0.4205,
      "step": 715
    },
    {
      "epoch": 6.0,
      "grad_norm": 1.2109375,
      "learning_rate": 8.263518223330697e-05,
      "loss": 0.6722,
      "step": 720
    },
    {
      "epoch": 6.0,
      "eval_loss": 1.525636911392212,
      "eval_runtime": 22.6057,
      "eval_samples_per_second": 4.601,
      "eval_steps_per_second": 1.15,
      "step": 720
    },
    {
      "epoch": 6.041666666666667,
      "grad_norm": 1.1484375,
      "learning_rate": 8.120472455998882e-05,
      "loss": 0.4366,
      "step": 725
    },
    {
      "epoch": 6.083333333333333,
      "grad_norm": 1.75,
      "learning_rate": 7.977824276679623e-05,
      "loss": 0.436,
      "step": 730
    },
    {
      "epoch": 6.125,
      "grad_norm": 1.21875,
      "learning_rate": 7.835603860618972e-05,
      "loss": 0.2727,
      "step": 735
    },
    {
      "epoch": 6.166666666666667,
      "grad_norm": 1.4296875,
      "learning_rate": 7.693841292575598e-05,
      "loss": 0.2859,
      "step": 740
    },
    {
      "epoch": 6.208333333333333,
      "grad_norm": 1.4375,
      "learning_rate": 7.552566560456762e-05,
      "loss": 0.1582,
      "step": 745
    },
    {
      "epoch": 6.25,
      "grad_norm": 1.2734375,
      "learning_rate": 7.411809548974792e-05,
      "loss": 0.9857,
      "step": 750
    },
    {
      "epoch": 6.291666666666667,
      "grad_norm": 1.4296875,
      "learning_rate": 7.271600033325393e-05,
      "loss": 0.179,
      "step": 755
    },
    {
      "epoch": 6.333333333333333,
      "grad_norm": 1.265625,
      "learning_rate": 7.131967672889101e-05,
      "loss": 0.3008,
      "step": 760
    },
    {
      "epoch": 6.375,
      "grad_norm": 1.5234375,
      "learning_rate": 6.992942004957271e-05,
      "loss": 0.5605,
      "step": 765
    },
    {
      "epoch": 6.416666666666667,
      "grad_norm": 1.4453125,
      "learning_rate": 6.854552438483865e-05,
      "loss": 0.7157,
      "step": 770
    },
    {
      "epoch": 6.458333333333333,
      "grad_norm": 1.421875,
      "learning_rate": 6.71682824786439e-05,
      "loss": 0.553,
      "step": 775
    },
    {
      "epoch": 6.5,
      "grad_norm": 1.4453125,
      "learning_rate": 6.579798566743314e-05,
      "loss": 0.3089,
      "step": 780
    },
    {
      "epoch": 6.541666666666667,
      "grad_norm": 1.140625,
      "learning_rate": 6.443492381851237e-05,
      "loss": 0.3487,
      "step": 785
    },
    {
      "epoch": 6.583333333333333,
      "grad_norm": 1.140625,
      "learning_rate": 6.307938526873157e-05,
      "loss": 0.1653,
      "step": 790
    },
    {
      "epoch": 6.625,
      "grad_norm": 1.4140625,
      "learning_rate": 6.173165676349103e-05,
      "loss": 0.1644,
      "step": 795
    },
    {
      "epoch": 6.666666666666667,
      "grad_norm": 1.21875,
      "learning_rate": 6.039202339608432e-05,
      "loss": 0.6784,
      "step": 800
    },
    {
      "epoch": 6.708333333333333,
      "grad_norm": 1.21875,
      "learning_rate": 5.906076854739074e-05,
      "loss": 0.1487,
      "step": 805
    },
    {
      "epoch": 6.75,
      "grad_norm": 1.1171875,
      "learning_rate": 5.773817382593008e-05,
      "loss": 0.4259,
      "step": 810
    },
    {
      "epoch": 6.791666666666667,
      "grad_norm": 1.0703125,
      "learning_rate": 5.642451900829209e-05,
      "loss": 0.2837,
      "step": 815
    },
    {
      "epoch": 6.833333333333333,
      "grad_norm": 1.3359375,
      "learning_rate": 5.5120081979953785e-05,
      "loss": 0.5631,
      "step": 820
    },
    {
      "epoch": 6.875,
      "grad_norm": 1.1328125,
      "learning_rate": 5.382513867649663e-05,
      "loss": 0.2979,
      "step": 825
    },
    {
      "epoch": 6.916666666666667,
      "grad_norm": 1.171875,
      "learning_rate": 5.253996302523596e-05,
      "loss": 0.5848,
      "step": 830
    },
    {
      "epoch": 6.958333333333333,
      "grad_norm": 1.2421875,
      "learning_rate": 5.1264826887275776e-05,
      "loss": 0.4305,
      "step": 835
    },
    {
      "epoch": 7.0,
      "grad_norm": 1.234375,
      "learning_rate": 5.000000000000002e-05,
      "loss": 0.4155,
      "step": 840
    },
    {
      "epoch": 7.0,
      "eval_loss": 1.6936991214752197,
      "eval_runtime": 22.6399,
      "eval_samples_per_second": 4.594,
      "eval_steps_per_second": 1.148,
      "step": 840
    },
    {
      "epoch": 7.041666666666667,
      "grad_norm": 0.73828125,
      "learning_rate": 4.8745749920013486e-05,
      "loss": 0.6698,
      "step": 845
    },
    {
      "epoch": 7.083333333333333,
      "grad_norm": 0.875,
      "learning_rate": 4.7502341966544e-05,
      "loss": 0.2309,
      "step": 850
    },
    {
      "epoch": 7.125,
      "grad_norm": 1.078125,
      "learning_rate": 4.6270039165317605e-05,
      "loss": 0.2385,
      "step": 855
    },
    {
      "epoch": 7.166666666666667,
      "grad_norm": 1.03125,
      "learning_rate": 4.50491021929194e-05,
      "loss": 0.2467,
      "step": 860
    },
    {
      "epoch": 7.208333333333333,
      "grad_norm": 0.86328125,
      "learning_rate": 4.383978932165073e-05,
      "loss": 0.221,
      "step": 865
    },
    {
      "epoch": 7.25,
      "grad_norm": 0.8828125,
      "learning_rate": 4.264235636489542e-05,
      "loss": 0.2445,
      "step": 870
    },
    {
      "epoch": 7.291666666666667,
      "grad_norm": 0.80859375,
      "learning_rate": 4.145705662300595e-05,
      "loss": 0.3784,
      "step": 875
    },
    {
      "epoch": 7.333333333333333,
      "grad_norm": 0.85546875,
      "learning_rate": 4.028414082972141e-05,
      "loss": 0.3635,
      "step": 880
    },
    {
      "epoch": 7.375,
      "grad_norm": 1.0078125,
      "learning_rate": 3.9123857099127936e-05,
      "loss": 0.2154,
      "step": 885
    },
    {
      "epoch": 7.416666666666667,
      "grad_norm": 1.1015625,
      "learning_rate": 3.7976450873174005e-05,
      "loss": 0.3507,
      "step": 890
    },
    {
      "epoch": 7.458333333333333,
      "grad_norm": 0.79296875,
      "learning_rate": 3.684216486975026e-05,
      "loss": 0.4884,
      "step": 895
    },
    {
      "epoch": 7.5,
      "grad_norm": 0.90234375,
      "learning_rate": 3.5721239031346066e-05,
      "loss": 0.4011,
      "step": 900
    },
    {
      "epoch": 7.541666666666667,
      "grad_norm": 1.1328125,
      "learning_rate": 3.461391047429304e-05,
      "loss": 0.6994,
      "step": 905
    },
    {
      "epoch": 7.583333333333333,
      "grad_norm": 1.3671875,
      "learning_rate": 3.352041343860621e-05,
      "loss": 0.2219,
      "step": 910
    },
    {
      "epoch": 7.625,
      "grad_norm": 0.87890625,
      "learning_rate": 3.244097923843398e-05,
      "loss": 0.2272,
      "step": 915
    },
    {
      "epoch": 7.666666666666667,
      "grad_norm": 0.80859375,
      "learning_rate": 3.137583621312665e-05,
      "loss": 0.3568,
      "step": 920
    },
    {
      "epoch": 7.708333333333333,
      "grad_norm": 1.1953125,
      "learning_rate": 3.032520967893453e-05,
      "loss": 0.3737,
      "step": 925
    },
    {
      "epoch": 7.75,
      "grad_norm": 1.0234375,
      "learning_rate": 2.9289321881345254e-05,
      "loss": 0.2172,
      "step": 930
    },
    {
      "epoch": 7.791666666666667,
      "grad_norm": 0.91015625,
      "learning_rate": 2.826839194807105e-05,
      "loss": 0.224,
      "step": 935
    },
    {
      "epoch": 7.833333333333333,
      "grad_norm": 1.0859375,
      "learning_rate": 2.7262635842695127e-05,
      "loss": 0.5041,
      "step": 940
    },
    {
      "epoch": 7.875,
      "grad_norm": 0.85546875,
      "learning_rate": 2.6272266318987603e-05,
      "loss": 0.2266,
      "step": 945
    },
    {
      "epoch": 7.916666666666667,
      "grad_norm": 0.9921875,
      "learning_rate": 2.529749287590042e-05,
      "loss": 0.218,
      "step": 950
    },
    {
      "epoch": 7.958333333333333,
      "grad_norm": 1.125,
      "learning_rate": 2.433852171325072e-05,
      "loss": 0.3768,
      "step": 955
    },
    {
      "epoch": 8.0,
      "grad_norm": 0.7578125,
      "learning_rate": 2.339555568810221e-05,
      "loss": 0.3646,
      "step": 960
    },
    {
      "epoch": 8.0,
      "eval_loss": 1.938859462738037,
      "eval_runtime": 22.6326,
      "eval_samples_per_second": 4.595,
      "eval_steps_per_second": 1.149,
      "step": 960
    },
    {
      "epoch": 8.041666666666666,
      "grad_norm": 0.5546875,
      "learning_rate": 2.246879427185341e-05,
      "loss": 0.5024,
      "step": 965
    },
    {
      "epoch": 8.083333333333334,
      "grad_norm": 0.64453125,
      "learning_rate": 2.155843350804243e-05,
      "loss": 0.3399,
      "step": 970
    },
    {
      "epoch": 8.125,
      "grad_norm": 0.466796875,
      "learning_rate": 2.0664665970876496e-05,
      "loss": 0.3527,
      "step": 975
    },
    {
      "epoch": 8.166666666666666,
      "grad_norm": 0.72265625,
      "learning_rate": 1.9787680724495617e-05,
      "loss": 0.217,
      "step": 980
    },
    {
      "epoch": 8.208333333333334,
      "grad_norm": 0.79296875,
      "learning_rate": 1.892766328297878e-05,
      "loss": 0.0848,
      "step": 985
    },
    {
      "epoch": 8.25,
      "grad_norm": 0.6015625,
      "learning_rate": 1.808479557110081e-05,
      "loss": 0.3246,
      "step": 990
    },
    {
      "epoch": 8.291666666666666,
      "grad_norm": 0.5703125,
      "learning_rate": 1.7259255885848946e-05,
      "loss": 0.2188,
      "step": 995
    },
    {
      "epoch": 8.333333333333334,
      "grad_norm": 0.83203125,
      "learning_rate": 1.6451218858706374e-05,
      "loss": 0.2043,
      "step": 1000
    },
    {
      "epoch": 8.375,
      "grad_norm": 0.5234375,
      "learning_rate": 1.566085541871145e-05,
      "loss": 0.4651,
      "step": 1005
    },
    {
      "epoch": 8.416666666666666,
      "grad_norm": 0.6640625,
      "learning_rate": 1.4888332756300027e-05,
      "loss": 0.2083,
      "step": 1010
    },
    {
      "epoch": 8.458333333333334,
      "grad_norm": 0.609375,
      "learning_rate": 1.4133814287938706e-05,
      "loss": 0.3251,
      "step": 1015
    },
    {
      "epoch": 8.5,
      "grad_norm": 0.53515625,
      "learning_rate": 1.339745962155613e-05,
      "loss": 0.2172,
      "step": 1020
    },
    {
      "epoch": 8.541666666666666,
      "grad_norm": 0.82421875,
      "learning_rate": 1.2679424522780426e-05,
      "loss": 0.4828,
      "step": 1025
    },
    {
      "epoch": 8.583333333333334,
      "grad_norm": 0.6484375,
      "learning_rate": 1.1979860881988902e-05,
      "loss": 0.0766,
      "step": 1030
    },
    {
      "epoch": 8.625,
      "grad_norm": 0.58203125,
      "learning_rate": 1.129891668217783e-05,
      "loss": 0.0783,
      "step": 1035
    },
    {
      "epoch": 8.666666666666666,
      "grad_norm": 0.65234375,
      "learning_rate": 1.0636735967658784e-05,
      "loss": 0.4582,
      "step": 1040
    },
    {
      "epoch": 8.708333333333334,
      "grad_norm": 0.52734375,
      "learning_rate": 9.993458813587885e-06,
      "loss": 0.3475,
      "step": 1045
    },
    {
      "epoch": 8.75,
      "grad_norm": 0.61328125,
      "learning_rate": 9.369221296335006e-06,
      "loss": 0.2503,
      "step": 1050
    },
    {
      "epoch": 8.791666666666666,
      "grad_norm": 0.73046875,
      "learning_rate": 8.764155464698597e-06,
      "loss": 0.341,
      "step": 1055
    },
    {
      "epoch": 8.833333333333334,
      "grad_norm": 0.83984375,
      "learning_rate": 8.178389311972612e-06,
      "loss": 0.8334,
      "step": 1060
    },
    {
      "epoch": 8.875,
      "grad_norm": 0.51953125,
      "learning_rate": 7.612046748871327e-06,
      "loss": 0.0811,
      "step": 1065
    },
    {
      "epoch": 8.916666666666666,
      "grad_norm": 1.015625,
      "learning_rate": 7.0652475773177464e-06,
      "loss": 0.774,
      "step": 1070
    },
    {
      "epoch": 8.958333333333334,
      "grad_norm": 0.59375,
      "learning_rate": 6.538107465101162e-06,
      "loss": 0.0741,
      "step": 1075
    },
    {
      "epoch": 9.0,
      "grad_norm": 0.7578125,
      "learning_rate": 6.030737921409169e-06,
      "loss": 0.1977,
      "step": 1080
    },
    {
      "epoch": 9.0,
      "eval_loss": 2.0741000175476074,
      "eval_runtime": 22.6206,
      "eval_samples_per_second": 4.598,
      "eval_steps_per_second": 1.149,
      "step": 1080
    },
    {
      "epoch": 9.041666666666666,
      "grad_norm": 0.58203125,
      "learning_rate": 5.543246273239533e-06,
      "loss": 0.2191,
      "step": 1085
    },
    {
      "epoch": 9.083333333333334,
      "grad_norm": 0.53515625,
      "learning_rate": 5.075735642696611e-06,
      "loss": 0.4713,
      "step": 1090
    },
    {
      "epoch": 9.125,
      "grad_norm": 0.78125,
      "learning_rate": 4.628304925177318e-06,
      "loss": 0.3392,
      "step": 1095
    },
    {
      "epoch": 9.166666666666666,
      "grad_norm": 0.62890625,
      "learning_rate": 4.20104876845111e-06,
      "loss": 0.0738,
      "step": 1100
    },
    {
      "epoch": 9.208333333333334,
      "grad_norm": 0.5,
      "learning_rate": 3.7940575526386857e-06,
      "loss": 0.2017,
      "step": 1105
    },
    {
      "epoch": 9.25,
      "grad_norm": 0.78125,
      "learning_rate": 3.40741737109318e-06,
      "loss": 0.3269,
      "step": 1110
    },
    {
      "epoch": 9.291666666666666,
      "grad_norm": 0.6796875,
      "learning_rate": 3.0412100121884e-06,
      "loss": 0.3239,
      "step": 1115
    },
    {
      "epoch": 9.333333333333334,
      "grad_norm": 0.43359375,
      "learning_rate": 2.6955129420176196e-06,
      "loss": 0.0673,
      "step": 1120
    },
    {
      "epoch": 9.375,
      "grad_norm": 0.5,
      "learning_rate": 2.3703992880066638e-06,
      "loss": 0.3198,
      "step": 1125
    },
    {
      "epoch": 9.416666666666666,
      "grad_norm": 0.8359375,
      "learning_rate": 2.0659378234448525e-06,
      "loss": 0.7339,
      "step": 1130
    },
    {
      "epoch": 9.458333333333334,
      "grad_norm": 0.828125,
      "learning_rate": 1.7821929529369342e-06,
      "loss": 0.3398,
      "step": 1135
    },
    {
      "epoch": 9.5,
      "grad_norm": 0.6015625,
      "learning_rate": 1.5192246987791981e-06,
      "loss": 0.1931,
      "step": 1140
    },
    {
      "epoch": 9.541666666666666,
      "grad_norm": 0.6015625,
      "learning_rate": 1.2770886882625955e-06,
      "loss": 0.469,
      "step": 1145
    },
    {
      "epoch": 9.583333333333334,
      "grad_norm": 0.62109375,
      "learning_rate": 1.055836141905553e-06,
      "loss": 0.2,
      "step": 1150
    },
    {
      "epoch": 9.625,
      "grad_norm": 0.53125,
      "learning_rate": 8.555138626189618e-07,
      "loss": 0.4784,
      "step": 1155
    },
    {
      "epoch": 9.666666666666666,
      "grad_norm": 0.66015625,
      "learning_rate": 6.761642258056978e-07,
      "loss": 0.1963,
      "step": 1160
    },
    {
      "epoch": 9.708333333333334,
      "grad_norm": 0.54296875,
      "learning_rate": 5.178251703967018e-07,
      "loss": 0.3549,
      "step": 1165
    },
    {
      "epoch": 9.75,
      "grad_norm": 0.6875,
      "learning_rate": 3.805301908254455e-07,
      "loss": 0.4622,
      "step": 1170
    },
    {
      "epoch": 9.791666666666666,
      "grad_norm": 0.5546875,
      "learning_rate": 2.643083299427751e-07,
      "loss": 0.1921,
      "step": 1175
    },
    {
      "epoch": 9.833333333333334,
      "grad_norm": 0.515625,
      "learning_rate": 1.6918417287318245e-07,
      "loss": 0.1627,
      "step": 1180
    },
    {
      "epoch": 9.875,
      "grad_norm": 0.78125,
      "learning_rate": 9.517784181422019e-08,
      "loss": 0.6005,
      "step": 1185
    },
    {
      "epoch": 9.916666666666666,
      "grad_norm": 0.56640625,
      "learning_rate": 4.230499177994007e-08,
      "loss": 0.216,
      "step": 1190
    },
    {
      "epoch": 9.958333333333334,
      "grad_norm": 0.625,
      "learning_rate": 1.0576807289253143e-08,
      "loss": 0.3567,
      "step": 1195
    },
    {
      "epoch": 10.0,
      "grad_norm": 0.546875,
      "learning_rate": 0.0,
      "loss": 0.072,
      "step": 1200
    },
    {
      "epoch": 10.0,
      "eval_loss": 2.0755438804626465,
      "eval_runtime": 22.4954,
      "eval_samples_per_second": 4.623,
      "eval_steps_per_second": 1.156,
      "step": 1200
    },
    {
      "epoch": 10.0,
      "step": 1200,
      "total_flos": 4.601366288709714e+17,
      "train_loss": 1.470840223133564,
      "train_runtime": 6806.2457,
      "train_samples_per_second": 1.408,
      "train_steps_per_second": 0.176
    }
  ],
  "logging_steps": 5,
  "max_steps": 1200,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 10,
  "save_steps": 100,
  "total_flos": 4.601366288709714e+17,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}