{
  "best_metric": 0.5247489213943481,
  "best_model_checkpoint": "./beans_outputs/checkpoint-720",
  "epoch": 5.0,
  "eval_steps": 500,
  "global_step": 900,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.05555555555555555,
      "grad_norm": 3.8575210571289062,
      "learning_rate": 1.977777777777778e-05,
      "loss": 0.6949,
      "step": 10
    },
    {
      "epoch": 0.1111111111111111,
      "grad_norm": 3.2087113857269287,
      "learning_rate": 1.9555555555555557e-05,
      "loss": 0.6848,
      "step": 20
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 2.9537899494171143,
      "learning_rate": 1.9333333333333333e-05,
      "loss": 0.6871,
      "step": 30
    },
    {
      "epoch": 0.2222222222222222,
      "grad_norm": 2.586965560913086,
      "learning_rate": 1.9111111111111113e-05,
      "loss": 0.6731,
      "step": 40
    },
    {
      "epoch": 0.2777777777777778,
      "grad_norm": 3.3346517086029053,
      "learning_rate": 1.888888888888889e-05,
      "loss": 0.6728,
      "step": 50
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 2.4391684532165527,
      "learning_rate": 1.866666666666667e-05,
      "loss": 0.6617,
      "step": 60
    },
    {
      "epoch": 0.3888888888888889,
      "grad_norm": 1.6900883913040161,
      "learning_rate": 1.8444444444444448e-05,
      "loss": 0.6671,
      "step": 70
    },
    {
      "epoch": 0.4444444444444444,
      "grad_norm": 2.3360586166381836,
      "learning_rate": 1.8222222222222224e-05,
      "loss": 0.6341,
      "step": 80
    },
    {
      "epoch": 0.5,
      "grad_norm": 2.310093641281128,
      "learning_rate": 1.8e-05,
      "loss": 0.6446,
      "step": 90
    },
    {
      "epoch": 0.5555555555555556,
      "grad_norm": 2.071892499923706,
      "learning_rate": 1.7777777777777777e-05,
      "loss": 0.6478,
      "step": 100
    },
    {
      "epoch": 0.6111111111111112,
      "grad_norm": 1.9108268022537231,
      "learning_rate": 1.7555555555555556e-05,
      "loss": 0.6333,
      "step": 110
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 1.8000233173370361,
      "learning_rate": 1.7333333333333336e-05,
      "loss": 0.6368,
      "step": 120
    },
    {
      "epoch": 0.7222222222222222,
      "grad_norm": 2.010941982269287,
      "learning_rate": 1.7111111111111112e-05,
      "loss": 0.6417,
      "step": 130
    },
    {
      "epoch": 0.7777777777777778,
      "grad_norm": 2.502824068069458,
      "learning_rate": 1.688888888888889e-05,
      "loss": 0.6175,
      "step": 140
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 2.920900821685791,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 0.5894,
      "step": 150
    },
    {
      "epoch": 0.8888888888888888,
      "grad_norm": 2.418879985809326,
      "learning_rate": 1.6444444444444444e-05,
      "loss": 0.6012,
      "step": 160
    },
    {
      "epoch": 0.9444444444444444,
      "grad_norm": 2.625758171081543,
      "learning_rate": 1.6222222222222223e-05,
      "loss": 0.5761,
      "step": 170
    },
    {
      "epoch": 1.0,
      "grad_norm": 3.7166590690612793,
      "learning_rate": 1.6000000000000003e-05,
      "loss": 0.6138,
      "step": 180
    },
    {
      "epoch": 1.0,
      "eval_accuracy": 0.6811023622047244,
      "eval_loss": 0.6001904010772705,
      "eval_runtime": 5.9005,
      "eval_samples_per_second": 43.047,
      "eval_steps_per_second": 5.423,
      "step": 180
    },
    {
      "epoch": 1.0555555555555556,
      "grad_norm": 3.4292004108428955,
      "learning_rate": 1.577777777777778e-05,
      "loss": 0.6237,
      "step": 190
    },
    {
      "epoch": 1.1111111111111112,
      "grad_norm": 2.9556570053100586,
      "learning_rate": 1.555555555555556e-05,
      "loss": 0.6242,
      "step": 200
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 2.3123323917388916,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 0.6179,
      "step": 210
    },
    {
      "epoch": 1.2222222222222223,
      "grad_norm": 1.728090763092041,
      "learning_rate": 1.5111111111111112e-05,
      "loss": 0.6208,
      "step": 220
    },
    {
      "epoch": 1.2777777777777777,
      "grad_norm": 2.110353946685791,
      "learning_rate": 1.488888888888889e-05,
      "loss": 0.5744,
      "step": 230
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 2.0783276557922363,
      "learning_rate": 1.4666666666666666e-05,
      "loss": 0.5388,
      "step": 240
    },
    {
      "epoch": 1.3888888888888888,
      "grad_norm": 2.3175930976867676,
      "learning_rate": 1.4444444444444446e-05,
      "loss": 0.5846,
      "step": 250
    },
    {
      "epoch": 1.4444444444444444,
      "grad_norm": 3.0923080444335938,
      "learning_rate": 1.4222222222222224e-05,
      "loss": 0.5831,
      "step": 260
    },
    {
      "epoch": 1.5,
      "grad_norm": 1.994885802268982,
      "learning_rate": 1.4e-05,
      "loss": 0.5929,
      "step": 270
    },
    {
      "epoch": 1.5555555555555556,
      "grad_norm": 3.28375244140625,
      "learning_rate": 1.377777777777778e-05,
      "loss": 0.5965,
      "step": 280
    },
    {
      "epoch": 1.6111111111111112,
      "grad_norm": 2.8813462257385254,
      "learning_rate": 1.3555555555555557e-05,
      "loss": 0.5358,
      "step": 290
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 3.112164258956909,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 0.5877,
      "step": 300
    },
    {
      "epoch": 1.7222222222222223,
      "grad_norm": 1.542144775390625,
      "learning_rate": 1.3111111111111113e-05,
      "loss": 0.5485,
      "step": 310
    },
    {
      "epoch": 1.7777777777777777,
      "grad_norm": 2.144716262817383,
      "learning_rate": 1.288888888888889e-05,
      "loss": 0.6028,
      "step": 320
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 2.632028102874756,
      "learning_rate": 1.2666666666666667e-05,
      "loss": 0.5295,
      "step": 330
    },
    {
      "epoch": 1.8888888888888888,
      "grad_norm": 2.2505481243133545,
      "learning_rate": 1.2444444444444446e-05,
      "loss": 0.6173,
      "step": 340
    },
    {
      "epoch": 1.9444444444444444,
      "grad_norm": 2.7676846981048584,
      "learning_rate": 1.2222222222222224e-05,
      "loss": 0.5421,
      "step": 350
    },
    {
      "epoch": 2.0,
      "grad_norm": 2.5781171321868896,
      "learning_rate": 1.2e-05,
      "loss": 0.5028,
      "step": 360
    },
    {
      "epoch": 2.0,
      "eval_accuracy": 0.6811023622047244,
      "eval_loss": 0.5528703927993774,
      "eval_runtime": 4.4862,
      "eval_samples_per_second": 56.618,
      "eval_steps_per_second": 7.133,
      "step": 360
    },
    {
      "epoch": 2.0555555555555554,
      "grad_norm": 2.5306832790374756,
      "learning_rate": 1.177777777777778e-05,
      "loss": 0.5849,
      "step": 370
    },
    {
      "epoch": 2.111111111111111,
      "grad_norm": 2.1644484996795654,
      "learning_rate": 1.1555555555555556e-05,
      "loss": 0.5268,
      "step": 380
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 1.9074407815933228,
      "learning_rate": 1.1333333333333334e-05,
      "loss": 0.55,
      "step": 390
    },
    {
      "epoch": 2.2222222222222223,
      "grad_norm": 3.7348294258117676,
      "learning_rate": 1.1111111111111113e-05,
      "loss": 0.6125,
      "step": 400
    },
    {
      "epoch": 2.2777777777777777,
      "grad_norm": 2.921757221221924,
      "learning_rate": 1.088888888888889e-05,
      "loss": 0.642,
      "step": 410
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 2.2528910636901855,
      "learning_rate": 1.0666666666666667e-05,
      "loss": 0.5009,
      "step": 420
    },
    {
      "epoch": 2.388888888888889,
      "grad_norm": 1.6619905233383179,
      "learning_rate": 1.0444444444444445e-05,
      "loss": 0.5158,
      "step": 430
    },
    {
      "epoch": 2.4444444444444446,
      "grad_norm": 3.4696500301361084,
      "learning_rate": 1.0222222222222223e-05,
      "loss": 0.6036,
      "step": 440
    },
    {
      "epoch": 2.5,
      "grad_norm": 2.936615467071533,
      "learning_rate": 1e-05,
      "loss": 0.5424,
      "step": 450
    },
    {
      "epoch": 2.5555555555555554,
      "grad_norm": 4.1920952796936035,
      "learning_rate": 9.777777777777779e-06,
      "loss": 0.5532,
      "step": 460
    },
    {
      "epoch": 2.611111111111111,
      "grad_norm": 2.4296085834503174,
      "learning_rate": 9.555555555555556e-06,
      "loss": 0.5436,
      "step": 470
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 2.5725982189178467,
      "learning_rate": 9.333333333333334e-06,
      "loss": 0.5015,
      "step": 480
    },
    {
      "epoch": 2.7222222222222223,
      "grad_norm": 4.97006368637085,
      "learning_rate": 9.111111111111112e-06,
      "loss": 0.5775,
      "step": 490
    },
    {
      "epoch": 2.7777777777777777,
      "grad_norm": 3.6014504432678223,
      "learning_rate": 8.888888888888888e-06,
      "loss": 0.5689,
      "step": 500
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 1.8251533508300781,
      "learning_rate": 8.666666666666668e-06,
      "loss": 0.5137,
      "step": 510
    },
    {
      "epoch": 2.888888888888889,
      "grad_norm": 3.503689765930176,
      "learning_rate": 8.444444444444446e-06,
      "loss": 0.5827,
      "step": 520
    },
    {
      "epoch": 2.9444444444444446,
      "grad_norm": 2.4786183834075928,
      "learning_rate": 8.222222222222222e-06,
      "loss": 0.5202,
      "step": 530
    },
    {
      "epoch": 3.0,
      "grad_norm": 2.0592217445373535,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.5103,
      "step": 540
    },
    {
      "epoch": 3.0,
      "eval_accuracy": 0.6811023622047244,
      "eval_loss": 0.5325487852096558,
      "eval_runtime": 5.1901,
      "eval_samples_per_second": 48.94,
      "eval_steps_per_second": 6.166,
      "step": 540
    },
    {
      "epoch": 3.0555555555555554,
      "grad_norm": 1.9031552076339722,
      "learning_rate": 7.77777777777778e-06,
      "loss": 0.5273,
      "step": 550
    },
    {
      "epoch": 3.111111111111111,
      "grad_norm": 2.656759262084961,
      "learning_rate": 7.555555555555556e-06,
      "loss": 0.5824,
      "step": 560
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 1.8883424997329712,
      "learning_rate": 7.333333333333333e-06,
      "loss": 0.5653,
      "step": 570
    },
    {
      "epoch": 3.2222222222222223,
      "grad_norm": 2.118739128112793,
      "learning_rate": 7.111111111111112e-06,
      "loss": 0.5057,
      "step": 580
    },
    {
      "epoch": 3.2777777777777777,
      "grad_norm": 1.90389883518219,
      "learning_rate": 6.88888888888889e-06,
      "loss": 0.6118,
      "step": 590
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 1.8850902318954468,
      "learning_rate": 6.666666666666667e-06,
      "loss": 0.5682,
      "step": 600
    },
    {
      "epoch": 3.388888888888889,
      "grad_norm": 5.424034118652344,
      "learning_rate": 6.444444444444445e-06,
      "loss": 0.5501,
      "step": 610
    },
    {
      "epoch": 3.4444444444444446,
      "grad_norm": 6.140316963195801,
      "learning_rate": 6.222222222222223e-06,
      "loss": 0.6259,
      "step": 620
    },
    {
      "epoch": 3.5,
      "grad_norm": 2.766357183456421,
      "learning_rate": 6e-06,
      "loss": 0.5077,
      "step": 630
    },
    {
      "epoch": 3.5555555555555554,
      "grad_norm": 2.0831124782562256,
      "learning_rate": 5.777777777777778e-06,
      "loss": 0.5609,
      "step": 640
    },
    {
      "epoch": 3.611111111111111,
      "grad_norm": 1.9845359325408936,
      "learning_rate": 5.555555555555557e-06,
      "loss": 0.4875,
      "step": 650
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 1.5764096975326538,
      "learning_rate": 5.333333333333334e-06,
      "loss": 0.4979,
      "step": 660
    },
    {
      "epoch": 3.7222222222222223,
      "grad_norm": 3.984339952468872,
      "learning_rate": 5.1111111111111115e-06,
      "loss": 0.5522,
      "step": 670
    },
    {
      "epoch": 3.7777777777777777,
      "grad_norm": 2.4655332565307617,
      "learning_rate": 4.888888888888889e-06,
      "loss": 0.5476,
      "step": 680
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 2.9143753051757812,
      "learning_rate": 4.666666666666667e-06,
      "loss": 0.5901,
      "step": 690
    },
    {
      "epoch": 3.888888888888889,
      "grad_norm": 2.023881435394287,
      "learning_rate": 4.444444444444444e-06,
      "loss": 0.5842,
      "step": 700
    },
    {
      "epoch": 3.9444444444444446,
      "grad_norm": 2.730069398880005,
      "learning_rate": 4.222222222222223e-06,
      "loss": 0.5443,
      "step": 710
    },
    {
      "epoch": 4.0,
      "grad_norm": 2.496239185333252,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.4892,
      "step": 720
    },
    {
      "epoch": 4.0,
      "eval_accuracy": 0.6811023622047244,
      "eval_loss": 0.5247489213943481,
      "eval_runtime": 4.9059,
      "eval_samples_per_second": 51.774,
      "eval_steps_per_second": 6.523,
      "step": 720
    },
    {
      "epoch": 4.055555555555555,
      "grad_norm": 1.9344916343688965,
      "learning_rate": 3.777777777777778e-06,
      "loss": 0.5017,
      "step": 730
    },
    {
      "epoch": 4.111111111111111,
      "grad_norm": 3.2695019245147705,
      "learning_rate": 3.555555555555556e-06,
      "loss": 0.5974,
      "step": 740
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 4.992809772491455,
      "learning_rate": 3.3333333333333333e-06,
      "loss": 0.5307,
      "step": 750
    },
    {
      "epoch": 4.222222222222222,
      "grad_norm": 3.5359721183776855,
      "learning_rate": 3.1111111111111116e-06,
      "loss": 0.5372,
      "step": 760
    },
    {
      "epoch": 4.277777777777778,
      "grad_norm": 2.123009204864502,
      "learning_rate": 2.888888888888889e-06,
      "loss": 0.49,
      "step": 770
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 2.8134477138519287,
      "learning_rate": 2.666666666666667e-06,
      "loss": 0.4749,
      "step": 780
    },
    {
      "epoch": 4.388888888888889,
      "grad_norm": 2.195077896118164,
      "learning_rate": 2.4444444444444447e-06,
      "loss": 0.5876,
      "step": 790
    },
    {
      "epoch": 4.444444444444445,
      "grad_norm": 4.078568935394287,
      "learning_rate": 2.222222222222222e-06,
      "loss": 0.5609,
      "step": 800
    },
    {
      "epoch": 4.5,
      "grad_norm": 2.6274867057800293,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.5392,
      "step": 810
    },
    {
      "epoch": 4.555555555555555,
      "grad_norm": 1.7526293992996216,
      "learning_rate": 1.777777777777778e-06,
      "loss": 0.4965,
      "step": 820
    },
    {
      "epoch": 4.611111111111111,
      "grad_norm": 2.3001506328582764,
      "learning_rate": 1.5555555555555558e-06,
      "loss": 0.5345,
      "step": 830
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 2.5624406337738037,
      "learning_rate": 1.3333333333333334e-06,
      "loss": 0.5765,
      "step": 840
    },
    {
      "epoch": 4.722222222222222,
      "grad_norm": 2.199018716812134,
      "learning_rate": 1.111111111111111e-06,
      "loss": 0.5547,
      "step": 850
    },
    {
      "epoch": 4.777777777777778,
      "grad_norm": 3.756605625152588,
      "learning_rate": 8.88888888888889e-07,
      "loss": 0.5021,
      "step": 860
    },
    {
      "epoch": 4.833333333333333,
      "grad_norm": 1.6385400295257568,
      "learning_rate": 6.666666666666667e-07,
      "loss": 0.5858,
      "step": 870
    },
    {
      "epoch": 4.888888888888889,
      "grad_norm": 5.481604099273682,
      "learning_rate": 4.444444444444445e-07,
      "loss": 0.5062,
      "step": 880
    },
    {
      "epoch": 4.944444444444445,
      "grad_norm": 2.554666042327881,
      "learning_rate": 2.2222222222222224e-07,
      "loss": 0.5355,
      "step": 890
    },
    {
      "epoch": 5.0,
      "grad_norm": 5.525686264038086,
      "learning_rate": 0.0,
      "loss": 0.5779,
      "step": 900
    },
    {
      "epoch": 5.0,
      "eval_accuracy": 0.6811023622047244,
      "eval_loss": 0.530208170413971,
      "eval_runtime": 5.531,
      "eval_samples_per_second": 45.923,
      "eval_steps_per_second": 5.786,
      "step": 900
    },
    {
      "epoch": 5.0,
      "step": 900,
      "total_flos": 7.24330215447552e+16,
      "train_loss": 0.5726550849278768,
      "train_runtime": 239.6067,
      "train_samples_per_second": 29.945,
      "train_steps_per_second": 3.756
    }
  ],
  "logging_steps": 10,
  "max_steps": 900,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 5,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 7.24330215447552e+16,
  "train_batch_size": 8,
  "trial_name": null,
  "trial_params": null
}