emilykang commited on
Commit
0a9013f
1 Parent(s): e0ad845

Training in progress, epoch 0

Browse files
adapter_config.json CHANGED
@@ -20,12 +20,12 @@
20
  "rank_pattern": {},
21
  "revision": null,
22
  "target_modules": [
23
- "v_proj",
24
- "q_proj",
25
- "dense",
26
  "k_proj",
27
  "fc2",
28
- "fc1"
 
 
 
29
  ],
30
  "task_type": "CAUSAL_LM",
31
  "use_dora": false,
 
20
  "rank_pattern": {},
21
  "revision": null,
22
  "target_modules": [
 
 
 
23
  "k_proj",
24
  "fc2",
25
+ "fc1",
26
+ "dense",
27
+ "v_proj",
28
+ "q_proj"
29
  ],
30
  "task_type": "CAUSAL_LM",
31
  "use_dora": false,
adapter_model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:b2c8e85dc797646111c54ece2c31173fb3bdd3abadaf35507211aedc4384c20b
3
  size 47236352
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ebed29c250b665fc721dda6b3fe56b828d995edb5051f585c9f46f6734d72291
3
  size 47236352
trainer_state.json ADDED
@@ -0,0 +1,2578 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 9.986282578875171,
5
+ "eval_steps": 500,
6
+ "global_step": 3640,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.027434842249657063,
13
+ "grad_norm": 9.328125,
14
+ "learning_rate": 0.00019999627553166294,
15
+ "loss": 2.6306,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.05486968449931413,
20
+ "grad_norm": 5.1328125,
21
+ "learning_rate": 0.00019998510240408496,
22
+ "loss": 2.4194,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.0823045267489712,
27
+ "grad_norm": 5.58203125,
28
+ "learning_rate": 0.0001999664814495453,
29
+ "loss": 2.336,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.10973936899862825,
34
+ "grad_norm": 3.78515625,
35
+ "learning_rate": 0.00019994041405510705,
36
+ "loss": 2.4327,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.13717421124828533,
41
+ "grad_norm": 3.041015625,
42
+ "learning_rate": 0.00019990690216251396,
43
+ "loss": 2.3063,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.1646090534979424,
48
+ "grad_norm": 3.302734375,
49
+ "learning_rate": 0.0001998659482680456,
50
+ "loss": 2.3151,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.19204389574759945,
55
+ "grad_norm": 3.869140625,
56
+ "learning_rate": 0.00019981755542233177,
57
+ "loss": 2.3566,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.2194787379972565,
62
+ "grad_norm": 5.70703125,
63
+ "learning_rate": 0.0001997617272301248,
64
+ "loss": 2.3368,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.24691358024691357,
69
+ "grad_norm": 4.81640625,
70
+ "learning_rate": 0.00019969846785003134,
71
+ "loss": 2.3303,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.27434842249657065,
76
+ "grad_norm": 4.6015625,
77
+ "learning_rate": 0.00019962778199420265,
78
+ "loss": 2.4144,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.3017832647462277,
83
+ "grad_norm": 4.52734375,
84
+ "learning_rate": 0.00019954967492798333,
85
+ "loss": 2.4014,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.3292181069958848,
90
+ "grad_norm": 4.68359375,
91
+ "learning_rate": 0.0001994641524695193,
92
+ "loss": 2.4312,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.35665294924554186,
97
+ "grad_norm": 3.36328125,
98
+ "learning_rate": 0.00019937122098932428,
99
+ "loss": 2.3563,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.3840877914951989,
104
+ "grad_norm": 3.3984375,
105
+ "learning_rate": 0.0001992708874098054,
106
+ "loss": 2.351,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.411522633744856,
111
+ "grad_norm": 3.103515625,
112
+ "learning_rate": 0.0001991631592047475,
113
+ "loss": 2.2869,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.438957475994513,
118
+ "grad_norm": 2.904296875,
119
+ "learning_rate": 0.00019904804439875633,
120
+ "loss": 2.364,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.4663923182441701,
125
+ "grad_norm": 4.171875,
126
+ "learning_rate": 0.00019892555156666089,
127
+ "loss": 2.362,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.49382716049382713,
132
+ "grad_norm": 3.611328125,
133
+ "learning_rate": 0.00019879568983287467,
134
+ "loss": 2.2994,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.5212620027434842,
139
+ "grad_norm": 2.470703125,
140
+ "learning_rate": 0.00019865846887071596,
141
+ "loss": 2.2469,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.5486968449931413,
146
+ "grad_norm": 2.314453125,
147
+ "learning_rate": 0.0001985138989016874,
148
+ "loss": 2.2429,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.5761316872427984,
153
+ "grad_norm": 2.720703125,
154
+ "learning_rate": 0.00019836199069471437,
155
+ "loss": 2.3157,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.6035665294924554,
160
+ "grad_norm": 2.998046875,
161
+ "learning_rate": 0.00019820275556534304,
162
+ "loss": 2.2214,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.6310013717421125,
167
+ "grad_norm": 3.96484375,
168
+ "learning_rate": 0.00019803620537489736,
169
+ "loss": 2.3018,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.6584362139917695,
174
+ "grad_norm": 2.982421875,
175
+ "learning_rate": 0.00019786235252959553,
176
+ "loss": 2.2603,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.6858710562414266,
181
+ "grad_norm": 2.01953125,
182
+ "learning_rate": 0.00019768120997962592,
183
+ "loss": 2.3007,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.7133058984910837,
188
+ "grad_norm": 2.552734375,
189
+ "learning_rate": 0.00019749279121818235,
190
+ "loss": 2.281,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.7407407407407407,
195
+ "grad_norm": 2.98046875,
196
+ "learning_rate": 0.00019729711028045909,
197
+ "loss": 2.2611,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.7681755829903978,
202
+ "grad_norm": 2.716796875,
203
+ "learning_rate": 0.0001970941817426052,
204
+ "loss": 2.1961,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.7956104252400549,
209
+ "grad_norm": 2.318359375,
210
+ "learning_rate": 0.00019688402072063903,
211
+ "loss": 2.2652,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.823045267489712,
216
+ "grad_norm": 2.53515625,
217
+ "learning_rate": 0.00019666664286932198,
218
+ "loss": 2.1895,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.850480109739369,
223
+ "grad_norm": 2.451171875,
224
+ "learning_rate": 0.0001964420643809925,
225
+ "loss": 2.252,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.877914951989026,
230
+ "grad_norm": 1.8544921875,
231
+ "learning_rate": 0.00019621030198436006,
232
+ "loss": 2.1616,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.9053497942386831,
237
+ "grad_norm": 2.611328125,
238
+ "learning_rate": 0.00019597137294325877,
239
+ "loss": 2.1698,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.9327846364883402,
244
+ "grad_norm": 2.349609375,
245
+ "learning_rate": 0.0001957252950553616,
246
+ "loss": 2.2043,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.9602194787379973,
251
+ "grad_norm": 2.169921875,
252
+ "learning_rate": 0.00019547208665085457,
253
+ "loss": 2.1506,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.9876543209876543,
258
+ "grad_norm": 1.8349609375,
259
+ "learning_rate": 0.00019521176659107142,
260
+ "loss": 2.1987,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 1.0150891632373114,
265
+ "grad_norm": 1.9765625,
266
+ "learning_rate": 0.00019494435426708855,
267
+ "loss": 2.1909,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 1.0425240054869684,
272
+ "grad_norm": 1.65234375,
273
+ "learning_rate": 0.0001946698695982806,
274
+ "loss": 2.1928,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 1.0699588477366255,
279
+ "grad_norm": 1.677734375,
280
+ "learning_rate": 0.00019438833303083678,
281
+ "loss": 2.1761,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 1.0973936899862826,
286
+ "grad_norm": 1.94140625,
287
+ "learning_rate": 0.00019409976553623766,
288
+ "loss": 2.1634,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 1.1248285322359397,
293
+ "grad_norm": 1.8623046875,
294
+ "learning_rate": 0.00019380418860969322,
295
+ "loss": 2.2044,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 1.1522633744855968,
300
+ "grad_norm": 1.7763671875,
301
+ "learning_rate": 0.0001935016242685415,
302
+ "loss": 2.1264,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 1.1796982167352539,
307
+ "grad_norm": 2.4609375,
308
+ "learning_rate": 0.0001931920950506087,
309
+ "loss": 2.1819,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 1.2071330589849107,
314
+ "grad_norm": 2.990234375,
315
+ "learning_rate": 0.00019287562401253022,
316
+ "loss": 2.1799,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 1.2345679012345678,
321
+ "grad_norm": 4.86328125,
322
+ "learning_rate": 0.00019255223472803334,
323
+ "loss": 2.1497,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 1.262002743484225,
328
+ "grad_norm": 2.998046875,
329
+ "learning_rate": 0.00019222195128618106,
330
+ "loss": 2.0783,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 1.289437585733882,
335
+ "grad_norm": 2.033203125,
336
+ "learning_rate": 0.00019188479828957772,
337
+ "loss": 2.1195,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 1.316872427983539,
342
+ "grad_norm": 1.9560546875,
343
+ "learning_rate": 0.00019154080085253666,
344
+ "loss": 2.0549,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 1.3443072702331962,
349
+ "grad_norm": 2.150390625,
350
+ "learning_rate": 0.00019118998459920902,
351
+ "loss": 2.2041,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 1.3717421124828533,
356
+ "grad_norm": 1.9931640625,
357
+ "learning_rate": 0.0001908323756616754,
358
+ "loss": 2.1735,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 1.3991769547325104,
363
+ "grad_norm": 1.732421875,
364
+ "learning_rate": 0.0001904680006779991,
365
+ "loss": 2.1329,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 1.4266117969821672,
370
+ "grad_norm": 1.703125,
371
+ "learning_rate": 0.0001900968867902419,
372
+ "loss": 2.075,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 1.4540466392318243,
377
+ "grad_norm": 2.724609375,
378
+ "learning_rate": 0.00018971906164244232,
379
+ "loss": 2.1452,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 1.4814814814814814,
384
+ "grad_norm": 3.53125,
385
+ "learning_rate": 0.00018933455337855632,
386
+ "loss": 2.081,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 1.5089163237311385,
391
+ "grad_norm": 2.15234375,
392
+ "learning_rate": 0.000188943390640361,
393
+ "loss": 2.1311,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 1.5363511659807956,
398
+ "grad_norm": 2.5078125,
399
+ "learning_rate": 0.000188545602565321,
400
+ "loss": 2.1465,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 1.5637860082304527,
405
+ "grad_norm": 2.421875,
406
+ "learning_rate": 0.00018814121878441814,
407
+ "loss": 2.242,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 1.5912208504801097,
412
+ "grad_norm": 2.095703125,
413
+ "learning_rate": 0.0001877302694199442,
414
+ "loss": 2.1339,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 1.6186556927297668,
419
+ "grad_norm": 1.5791015625,
420
+ "learning_rate": 0.00018731278508325708,
421
+ "loss": 2.1318,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 1.646090534979424,
426
+ "grad_norm": 1.8525390625,
427
+ "learning_rate": 0.00018688879687250067,
428
+ "loss": 2.108,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 1.673525377229081,
433
+ "grad_norm": 1.310546875,
434
+ "learning_rate": 0.00018645833637028825,
435
+ "loss": 2.2039,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 1.700960219478738,
440
+ "grad_norm": 1.50390625,
441
+ "learning_rate": 0.0001860214356413501,
442
+ "loss": 2.1096,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 1.7283950617283952,
447
+ "grad_norm": 1.6025390625,
448
+ "learning_rate": 0.00018557812723014476,
449
+ "loss": 2.0806,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 1.7558299039780523,
454
+ "grad_norm": 2.197265625,
455
+ "learning_rate": 0.00018512844415843514,
456
+ "loss": 2.0545,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 1.7832647462277091,
461
+ "grad_norm": 1.8056640625,
462
+ "learning_rate": 0.00018467241992282843,
463
+ "loss": 2.0552,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 1.8106995884773662,
468
+ "grad_norm": 1.40234375,
469
+ "learning_rate": 0.00018421008849228118,
470
+ "loss": 2.0906,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 1.8381344307270233,
475
+ "grad_norm": 1.7080078125,
476
+ "learning_rate": 0.0001837414843055689,
477
+ "loss": 2.0512,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 1.8655692729766804,
482
+ "grad_norm": 1.6162109375,
483
+ "learning_rate": 0.00018326664226872065,
484
+ "loss": 2.0945,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 1.8930041152263375,
489
+ "grad_norm": 1.603515625,
490
+ "learning_rate": 0.0001827855977524191,
491
+ "loss": 2.0553,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 1.9204389574759944,
496
+ "grad_norm": 1.5771484375,
497
+ "learning_rate": 0.00018229838658936564,
498
+ "loss": 2.0876,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 1.9478737997256514,
503
+ "grad_norm": 1.400390625,
504
+ "learning_rate": 0.0001818050450716113,
505
+ "loss": 2.0565,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 1.9753086419753085,
510
+ "grad_norm": 2.265625,
511
+ "learning_rate": 0.00018130560994785325,
512
+ "loss": 2.0883,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 2.0027434842249656,
517
+ "grad_norm": 3.23046875,
518
+ "learning_rate": 0.00018080011842069765,
519
+ "loss": 2.0904,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 2.0301783264746227,
524
+ "grad_norm": 1.611328125,
525
+ "learning_rate": 0.00018028860814388827,
526
+ "loss": 1.9926,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 2.05761316872428,
531
+ "grad_norm": 1.638671875,
532
+ "learning_rate": 0.00017977111721950164,
533
+ "loss": 1.9994,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 2.085048010973937,
538
+ "grad_norm": 1.7724609375,
539
+ "learning_rate": 0.00017924768419510904,
540
+ "loss": 2.0709,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 2.112482853223594,
545
+ "grad_norm": 1.9208984375,
546
+ "learning_rate": 0.00017871834806090501,
547
+ "loss": 1.9618,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 2.139917695473251,
552
+ "grad_norm": 2.603515625,
553
+ "learning_rate": 0.000178183148246803,
554
+ "loss": 1.9531,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 2.167352537722908,
559
+ "grad_norm": 2.236328125,
560
+ "learning_rate": 0.0001776421246194982,
561
+ "loss": 2.0776,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 2.1947873799725652,
566
+ "grad_norm": 2.79296875,
567
+ "learning_rate": 0.00017709531747949796,
568
+ "loss": 2.0563,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 2.2222222222222223,
573
+ "grad_norm": 2.55078125,
574
+ "learning_rate": 0.00017654276755811997,
575
+ "loss": 2.052,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 2.2496570644718794,
580
+ "grad_norm": 2.2421875,
581
+ "learning_rate": 0.0001759845160144579,
582
+ "loss": 2.0051,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 2.2770919067215365,
587
+ "grad_norm": 2.35546875,
588
+ "learning_rate": 0.00017542060443231572,
589
+ "loss": 2.0448,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 2.3045267489711936,
594
+ "grad_norm": 1.953125,
595
+ "learning_rate": 0.00017485107481711012,
596
+ "loss": 2.068,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 2.3319615912208507,
601
+ "grad_norm": 1.9912109375,
602
+ "learning_rate": 0.00017427596959274143,
603
+ "loss": 2.0173,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 2.3593964334705078,
608
+ "grad_norm": 1.841796875,
609
+ "learning_rate": 0.00017369533159843369,
610
+ "loss": 1.9539,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 2.386831275720165,
615
+ "grad_norm": 1.9970703125,
616
+ "learning_rate": 0.00017310920408554332,
617
+ "loss": 1.9894,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 2.4142661179698215,
622
+ "grad_norm": 1.80078125,
623
+ "learning_rate": 0.00017251763071433765,
624
+ "loss": 2.0438,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 2.4417009602194786,
629
+ "grad_norm": 1.8701171875,
630
+ "learning_rate": 0.00017192065555074245,
631
+ "loss": 2.0079,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 2.4691358024691357,
636
+ "grad_norm": 1.9775390625,
637
+ "learning_rate": 0.00017131832306305965,
638
+ "loss": 2.0738,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 2.4965706447187928,
643
+ "grad_norm": 2.087890625,
644
+ "learning_rate": 0.00017071067811865476,
645
+ "loss": 2.0805,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 2.52400548696845,
650
+ "grad_norm": 2.212890625,
651
+ "learning_rate": 0.00017009776598061495,
652
+ "loss": 2.0563,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 2.551440329218107,
657
+ "grad_norm": 2.291015625,
658
+ "learning_rate": 0.00016947963230437725,
659
+ "loss": 2.0289,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 2.578875171467764,
664
+ "grad_norm": 2.0625,
665
+ "learning_rate": 0.0001688563231343277,
666
+ "loss": 2.0648,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 2.606310013717421,
671
+ "grad_norm": 2.197265625,
672
+ "learning_rate": 0.00016822788490037177,
673
+ "loss": 1.9541,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 2.633744855967078,
678
+ "grad_norm": 1.5,
679
+ "learning_rate": 0.00016759436441447545,
680
+ "loss": 2.0415,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 2.6611796982167353,
685
+ "grad_norm": 1.7353515625,
686
+ "learning_rate": 0.00016695580886717858,
687
+ "loss": 2.0242,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 2.6886145404663924,
692
+ "grad_norm": 2.115234375,
693
+ "learning_rate": 0.00016631226582407952,
694
+ "loss": 2.0,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 2.7160493827160495,
699
+ "grad_norm": 1.78515625,
700
+ "learning_rate": 0.00016566378322229204,
701
+ "loss": 2.0559,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 2.7434842249657065,
706
+ "grad_norm": 1.6708984375,
707
+ "learning_rate": 0.00016501040936687443,
708
+ "loss": 2.0658,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 2.7709190672153636,
713
+ "grad_norm": 2.06640625,
714
+ "learning_rate": 0.00016435219292723147,
715
+ "loss": 2.0381,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 2.7983539094650207,
720
+ "grad_norm": 1.99609375,
721
+ "learning_rate": 0.00016368918293348892,
722
+ "loss": 1.9942,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 2.825788751714678,
727
+ "grad_norm": 2.3125,
728
+ "learning_rate": 0.00016302142877284138,
729
+ "loss": 2.0459,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 2.8532235939643344,
734
+ "grad_norm": 2.109375,
735
+ "learning_rate": 0.00016234898018587337,
736
+ "loss": 1.9964,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 2.8806584362139915,
741
+ "grad_norm": 1.828125,
742
+ "learning_rate": 0.00016167188726285434,
743
+ "loss": 1.9702,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 2.9080932784636486,
748
+ "grad_norm": 1.609375,
749
+ "learning_rate": 0.00016099020044000727,
750
+ "loss": 1.971,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 2.9355281207133057,
755
+ "grad_norm": 1.662109375,
756
+ "learning_rate": 0.00016030397049575203,
757
+ "loss": 2.0445,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 2.962962962962963,
762
+ "grad_norm": 2.14453125,
763
+ "learning_rate": 0.00015961324854692254,
764
+ "loss": 1.9905,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 2.99039780521262,
769
+ "grad_norm": 1.71875,
770
+ "learning_rate": 0.00015891808604495938,
771
+ "loss": 2.0048,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 3.017832647462277,
776
+ "grad_norm": 1.599609375,
777
+ "learning_rate": 0.00015821853477207708,
778
+ "loss": 2.0107,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 3.045267489711934,
783
+ "grad_norm": 2.4765625,
784
+ "learning_rate": 0.00015751464683740697,
785
+ "loss": 1.9425,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 3.072702331961591,
790
+ "grad_norm": 3.009765625,
791
+ "learning_rate": 0.00015680647467311557,
792
+ "loss": 1.9891,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 3.1001371742112482,
797
+ "grad_norm": 2.1328125,
798
+ "learning_rate": 0.00015609407103049896,
799
+ "loss": 1.9283,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 3.1275720164609053,
804
+ "grad_norm": 3.130859375,
805
+ "learning_rate": 0.0001553774889760533,
806
+ "loss": 1.9353,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 3.1550068587105624,
811
+ "grad_norm": 2.798828125,
812
+ "learning_rate": 0.0001546567818875221,
813
+ "loss": 1.9945,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 3.1824417009602195,
818
+ "grad_norm": 2.287109375,
819
+ "learning_rate": 0.00015393200344991995,
820
+ "loss": 1.9199,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 3.2098765432098766,
825
+ "grad_norm": 2.748046875,
826
+ "learning_rate": 0.00015320320765153367,
827
+ "loss": 1.9415,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 3.2373113854595337,
832
+ "grad_norm": 2.10546875,
833
+ "learning_rate": 0.0001524704487799008,
834
+ "loss": 1.9417,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 3.2647462277091908,
839
+ "grad_norm": 2.1015625,
840
+ "learning_rate": 0.00015173378141776568,
841
+ "loss": 1.9477,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 3.292181069958848,
846
+ "grad_norm": 1.8896484375,
847
+ "learning_rate": 0.0001509932604390136,
848
+ "loss": 1.8957,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 3.319615912208505,
853
+ "grad_norm": 2.36328125,
854
+ "learning_rate": 0.0001502489410045833,
855
+ "loss": 1.9313,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 3.347050754458162,
860
+ "grad_norm": 2.107421875,
861
+ "learning_rate": 0.00014950087855835815,
862
+ "loss": 1.902,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 3.374485596707819,
867
+ "grad_norm": 1.919921875,
868
+ "learning_rate": 0.000148749128823036,
869
+ "loss": 1.8492,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 3.401920438957476,
874
+ "grad_norm": 2.07421875,
875
+ "learning_rate": 0.00014799374779597867,
876
+ "loss": 1.9576,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 3.4293552812071333,
881
+ "grad_norm": 2.115234375,
882
+ "learning_rate": 0.00014723479174504037,
883
+ "loss": 1.9472,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 3.45679012345679,
888
+ "grad_norm": 2.748046875,
889
+ "learning_rate": 0.00014647231720437686,
890
+ "loss": 1.969,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 3.484224965706447,
895
+ "grad_norm": 2.20703125,
896
+ "learning_rate": 0.0001457063809702338,
897
+ "loss": 1.9607,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 3.511659807956104,
902
+ "grad_norm": 1.8447265625,
903
+ "learning_rate": 0.00014493704009671613,
904
+ "loss": 1.9347,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 3.539094650205761,
909
+ "grad_norm": 1.857421875,
910
+ "learning_rate": 0.00014416435189153846,
911
+ "loss": 1.9848,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 3.5665294924554183,
916
+ "grad_norm": 2.009765625,
917
+ "learning_rate": 0.00014338837391175582,
918
+ "loss": 1.9784,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 3.5939643347050754,
923
+ "grad_norm": 2.373046875,
924
+ "learning_rate": 0.00014260916395947656,
925
+ "loss": 1.9356,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 3.6213991769547325,
930
+ "grad_norm": 2.474609375,
931
+ "learning_rate": 0.0001418267800775565,
932
+ "loss": 1.9703,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 3.6488340192043895,
937
+ "grad_norm": 1.7783203125,
938
+ "learning_rate": 0.0001410412805452757,
939
+ "loss": 1.9149,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 3.6762688614540466,
944
+ "grad_norm": 2.7421875,
945
+ "learning_rate": 0.00014025272387399674,
946
+ "loss": 1.948,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 3.7037037037037037,
951
+ "grad_norm": 2.64453125,
952
+ "learning_rate": 0.00013946116880280681,
953
+ "loss": 1.9427,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 3.731138545953361,
958
+ "grad_norm": 3.169921875,
959
+ "learning_rate": 0.0001386666742941419,
960
+ "loss": 1.8966,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 3.758573388203018,
965
+ "grad_norm": 2.00390625,
966
+ "learning_rate": 0.00013786929952939477,
967
+ "loss": 1.9682,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 3.786008230452675,
972
+ "grad_norm": 1.7138671875,
973
+ "learning_rate": 0.00013706910390450677,
974
+ "loss": 1.9255,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 3.813443072702332,
979
+ "grad_norm": 1.9404296875,
980
+ "learning_rate": 0.0001362661470255432,
981
+ "loss": 1.8883,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 3.840877914951989,
986
+ "grad_norm": 2.662109375,
987
+ "learning_rate": 0.00013546048870425356,
988
+ "loss": 1.9409,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 3.8683127572016462,
993
+ "grad_norm": 1.763671875,
994
+ "learning_rate": 0.000134652188953616,
995
+ "loss": 1.9766,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 3.895747599451303,
1000
+ "grad_norm": 1.7626953125,
1001
+ "learning_rate": 0.00013384130798336705,
1002
+ "loss": 1.9428,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 3.92318244170096,
1007
+ "grad_norm": 1.8583984375,
1008
+ "learning_rate": 0.00013302790619551674,
1009
+ "loss": 1.9664,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 3.950617283950617,
1014
+ "grad_norm": 1.7919921875,
1015
+ "learning_rate": 0.00013221204417984908,
1016
+ "loss": 1.9387,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 3.978052126200274,
1021
+ "grad_norm": 2.16015625,
1022
+ "learning_rate": 0.000131393782709409,
1023
+ "loss": 1.8872,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 4.005486968449931,
1028
+ "grad_norm": 1.833984375,
1029
+ "learning_rate": 0.0001305731827359753,
1030
+ "loss": 1.9299,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 4.032921810699588,
1035
+ "grad_norm": 2.3359375,
1036
+ "learning_rate": 0.00012975030538552032,
1037
+ "loss": 1.8399,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 4.060356652949245,
1042
+ "grad_norm": 1.4580078125,
1043
+ "learning_rate": 0.00012892521195365678,
1044
+ "loss": 1.9137,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 4.0877914951989025,
1049
+ "grad_norm": 1.7353515625,
1050
+ "learning_rate": 0.00012809796390107195,
1051
+ "loss": 1.8806,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 4.11522633744856,
1056
+ "grad_norm": 2.189453125,
1057
+ "learning_rate": 0.00012726862284894938,
1058
+ "loss": 1.9019,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 4.142661179698217,
1063
+ "grad_norm": 1.490234375,
1064
+ "learning_rate": 0.0001264372505743789,
1065
+ "loss": 1.8454,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 4.170096021947874,
1070
+ "grad_norm": 1.6123046875,
1071
+ "learning_rate": 0.0001256039090057547,
1072
+ "loss": 1.9057,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 4.197530864197531,
1077
+ "grad_norm": 1.3447265625,
1078
+ "learning_rate": 0.0001247686602181626,
1079
+ "loss": 1.8994,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 4.224965706447188,
1084
+ "grad_norm": 1.7265625,
1085
+ "learning_rate": 0.0001239315664287558,
1086
+ "loss": 1.8779,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 4.252400548696845,
1091
+ "grad_norm": 2.07421875,
1092
+ "learning_rate": 0.0001230926899921206,
1093
+ "loss": 1.8386,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 4.279835390946502,
1098
+ "grad_norm": 1.7724609375,
1099
+ "learning_rate": 0.00012225209339563145,
1100
+ "loss": 1.8646,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 4.307270233196159,
1105
+ "grad_norm": 1.8017578125,
1106
+ "learning_rate": 0.00012140983925479662,
1107
+ "loss": 1.8488,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 4.334705075445816,
1112
+ "grad_norm": 2.1171875,
1113
+ "learning_rate": 0.00012056599030859366,
1114
+ "loss": 1.8531,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 4.362139917695473,
1119
+ "grad_norm": 1.9462890625,
1120
+ "learning_rate": 0.00011972060941479621,
1121
+ "loss": 1.8437,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 4.3895747599451305,
1126
+ "grad_norm": 1.5908203125,
1127
+ "learning_rate": 0.00011887375954529168,
1128
+ "loss": 1.8201,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 4.4170096021947876,
1133
+ "grad_norm": 5.125,
1134
+ "learning_rate": 0.0001180255037813906,
1135
+ "loss": 1.865,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 4.444444444444445,
1140
+ "grad_norm": 1.919921875,
1141
+ "learning_rate": 0.00011717590530912763,
1142
+ "loss": 1.8605,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 4.471879286694102,
1147
+ "grad_norm": 1.666015625,
1148
+ "learning_rate": 0.00011632502741455496,
1149
+ "loss": 1.8294,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 4.499314128943759,
1154
+ "grad_norm": 1.6572265625,
1155
+ "learning_rate": 0.00011547293347902812,
1156
+ "loss": 1.8254,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 4.526748971193416,
1161
+ "grad_norm": 1.4775390625,
1162
+ "learning_rate": 0.00011461968697448485,
1163
+ "loss": 1.8534,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 4.554183813443073,
1168
+ "grad_norm": 1.791015625,
1169
+ "learning_rate": 0.00011376535145871684,
1170
+ "loss": 1.8151,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 4.58161865569273,
1175
+ "grad_norm": 1.9013671875,
1176
+ "learning_rate": 0.00011290999057063569,
1177
+ "loss": 1.875,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 4.609053497942387,
1182
+ "grad_norm": 2.322265625,
1183
+ "learning_rate": 0.0001120536680255323,
1184
+ "loss": 1.9154,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 4.636488340192044,
1189
+ "grad_norm": 1.814453125,
1190
+ "learning_rate": 0.00011119644761033078,
1191
+ "loss": 1.898,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 4.663923182441701,
1196
+ "grad_norm": 2.25390625,
1197
+ "learning_rate": 0.00011033839317883701,
1198
+ "loss": 1.852,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 4.6913580246913575,
1203
+ "grad_norm": 2.240234375,
1204
+ "learning_rate": 0.00010947956864698223,
1205
+ "loss": 1.8394,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 4.7187928669410155,
1210
+ "grad_norm": 2.544921875,
1211
+ "learning_rate": 0.00010862003798806196,
1212
+ "loss": 1.84,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 4.746227709190672,
1217
+ "grad_norm": 1.7255859375,
1218
+ "learning_rate": 0.00010775986522797063,
1219
+ "loss": 1.8682,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 4.77366255144033,
1224
+ "grad_norm": 2.705078125,
1225
+ "learning_rate": 0.00010689911444043248,
1226
+ "loss": 1.8197,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 4.801097393689986,
1231
+ "grad_norm": 1.7275390625,
1232
+ "learning_rate": 0.00010603784974222861,
1233
+ "loss": 1.868,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 4.828532235939643,
1238
+ "grad_norm": 1.7900390625,
1239
+ "learning_rate": 0.00010517613528842097,
1240
+ "loss": 1.8828,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 4.8559670781893,
1245
+ "grad_norm": 1.603515625,
1246
+ "learning_rate": 0.00010431403526757347,
1247
+ "loss": 1.8683,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 4.883401920438957,
1252
+ "grad_norm": 1.958984375,
1253
+ "learning_rate": 0.00010345161389697082,
1254
+ "loss": 1.8725,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 4.910836762688614,
1259
+ "grad_norm": 1.857421875,
1260
+ "learning_rate": 0.00010258893541783476,
1261
+ "loss": 1.8893,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 4.938271604938271,
1266
+ "grad_norm": 1.755859375,
1267
+ "learning_rate": 0.00010172606409053886,
1268
+ "loss": 1.892,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 4.965706447187928,
1273
+ "grad_norm": 1.76171875,
1274
+ "learning_rate": 0.0001008630641898219,
1275
+ "loss": 1.8952,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 4.9931412894375855,
1280
+ "grad_norm": 1.767578125,
1281
+ "learning_rate": 0.0001,
1282
+ "loss": 1.8623,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 5.020576131687243,
1287
+ "grad_norm": 2.0234375,
1288
+ "learning_rate": 9.913693581017812e-05,
1289
+ "loss": 1.7838,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 5.0480109739369,
1294
+ "grad_norm": 1.9765625,
1295
+ "learning_rate": 9.827393590946116e-05,
1296
+ "loss": 1.7935,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 5.075445816186557,
1301
+ "grad_norm": 2.12109375,
1302
+ "learning_rate": 9.741106458216528e-05,
1303
+ "loss": 1.838,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 5.102880658436214,
1308
+ "grad_norm": 1.63671875,
1309
+ "learning_rate": 9.654838610302923e-05,
1310
+ "loss": 1.8097,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 5.130315500685871,
1315
+ "grad_norm": 2.62109375,
1316
+ "learning_rate": 9.568596473242654e-05,
1317
+ "loss": 1.7773,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 5.157750342935528,
1322
+ "grad_norm": 2.1015625,
1323
+ "learning_rate": 9.482386471157904e-05,
1324
+ "loss": 1.8083,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 5.185185185185185,
1329
+ "grad_norm": 1.8603515625,
1330
+ "learning_rate": 9.396215025777139e-05,
1331
+ "loss": 1.7376,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 5.212620027434842,
1336
+ "grad_norm": 1.7890625,
1337
+ "learning_rate": 9.31008855595675e-05,
1338
+ "loss": 1.8674,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 5.240054869684499,
1343
+ "grad_norm": 2.1796875,
1344
+ "learning_rate": 9.224013477202939e-05,
1345
+ "loss": 1.8239,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 5.267489711934156,
1350
+ "grad_norm": 2.208984375,
1351
+ "learning_rate": 9.137996201193805e-05,
1352
+ "loss": 1.811,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 5.2949245541838135,
1357
+ "grad_norm": 2.001953125,
1358
+ "learning_rate": 9.052043135301779e-05,
1359
+ "loss": 1.7938,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 5.322359396433471,
1364
+ "grad_norm": 2.083984375,
1365
+ "learning_rate": 8.9661606821163e-05,
1366
+ "loss": 1.8577,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 5.349794238683128,
1371
+ "grad_norm": 1.939453125,
1372
+ "learning_rate": 8.880355238966923e-05,
1373
+ "loss": 1.8207,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 5.377229080932785,
1378
+ "grad_norm": 1.873046875,
1379
+ "learning_rate": 8.79463319744677e-05,
1380
+ "loss": 1.7565,
1381
+ "step": 1960
1382
+ },
1383
+ {
1384
+ "epoch": 5.404663923182442,
1385
+ "grad_norm": 1.646484375,
1386
+ "learning_rate": 8.709000942936433e-05,
1387
+ "loss": 1.8572,
1388
+ "step": 1970
1389
+ },
1390
+ {
1391
+ "epoch": 5.432098765432099,
1392
+ "grad_norm": 1.5400390625,
1393
+ "learning_rate": 8.62346485412832e-05,
1394
+ "loss": 1.8169,
1395
+ "step": 1980
1396
+ },
1397
+ {
1398
+ "epoch": 5.459533607681756,
1399
+ "grad_norm": 1.8388671875,
1400
+ "learning_rate": 8.538031302551522e-05,
1401
+ "loss": 1.8642,
1402
+ "step": 1990
1403
+ },
1404
+ {
1405
+ "epoch": 5.486968449931413,
1406
+ "grad_norm": 2.240234375,
1407
+ "learning_rate": 8.452706652097186e-05,
1408
+ "loss": 1.7803,
1409
+ "step": 2000
1410
+ },
1411
+ {
1412
+ "epoch": 5.51440329218107,
1413
+ "grad_norm": 1.8984375,
1414
+ "learning_rate": 8.367497258544507e-05,
1415
+ "loss": 1.7859,
1416
+ "step": 2010
1417
+ },
1418
+ {
1419
+ "epoch": 5.541838134430727,
1420
+ "grad_norm": 1.880859375,
1421
+ "learning_rate": 8.282409469087239e-05,
1422
+ "loss": 1.8381,
1423
+ "step": 2020
1424
+ },
1425
+ {
1426
+ "epoch": 5.569272976680384,
1427
+ "grad_norm": 1.865234375,
1428
+ "learning_rate": 8.197449621860943e-05,
1429
+ "loss": 1.7921,
1430
+ "step": 2030
1431
+ },
1432
+ {
1433
+ "epoch": 5.596707818930041,
1434
+ "grad_norm": 1.671875,
1435
+ "learning_rate": 8.112624045470835e-05,
1436
+ "loss": 1.781,
1437
+ "step": 2040
1438
+ },
1439
+ {
1440
+ "epoch": 5.6241426611796985,
1441
+ "grad_norm": 1.7802734375,
1442
+ "learning_rate": 8.027939058520381e-05,
1443
+ "loss": 1.7988,
1444
+ "step": 2050
1445
+ },
1446
+ {
1447
+ "epoch": 5.651577503429356,
1448
+ "grad_norm": 1.72265625,
1449
+ "learning_rate": 7.943400969140635e-05,
1450
+ "loss": 1.7888,
1451
+ "step": 2060
1452
+ },
1453
+ {
1454
+ "epoch": 5.679012345679013,
1455
+ "grad_norm": 1.8701171875,
1456
+ "learning_rate": 7.85901607452034e-05,
1457
+ "loss": 1.7995,
1458
+ "step": 2070
1459
+ },
1460
+ {
1461
+ "epoch": 5.70644718792867,
1462
+ "grad_norm": 1.9873046875,
1463
+ "learning_rate": 7.774790660436858e-05,
1464
+ "loss": 1.7753,
1465
+ "step": 2080
1466
+ },
1467
+ {
1468
+ "epoch": 5.733882030178327,
1469
+ "grad_norm": 2.19921875,
1470
+ "learning_rate": 7.690731000787948e-05,
1471
+ "loss": 1.7387,
1472
+ "step": 2090
1473
+ },
1474
+ {
1475
+ "epoch": 5.761316872427983,
1476
+ "grad_norm": 1.85546875,
1477
+ "learning_rate": 7.606843357124426e-05,
1478
+ "loss": 1.8478,
1479
+ "step": 2100
1480
+ },
1481
+ {
1482
+ "epoch": 5.788751714677641,
1483
+ "grad_norm": 1.8662109375,
1484
+ "learning_rate": 7.52313397818374e-05,
1485
+ "loss": 1.8373,
1486
+ "step": 2110
1487
+ },
1488
+ {
1489
+ "epoch": 5.816186556927297,
1490
+ "grad_norm": 1.8505859375,
1491
+ "learning_rate": 7.43960909942453e-05,
1492
+ "loss": 1.8703,
1493
+ "step": 2120
1494
+ },
1495
+ {
1496
+ "epoch": 5.843621399176955,
1497
+ "grad_norm": 1.591796875,
1498
+ "learning_rate": 7.356274942562111e-05,
1499
+ "loss": 1.7647,
1500
+ "step": 2130
1501
+ },
1502
+ {
1503
+ "epoch": 5.871056241426611,
1504
+ "grad_norm": 1.8681640625,
1505
+ "learning_rate": 7.273137715105063e-05,
1506
+ "loss": 1.7957,
1507
+ "step": 2140
1508
+ },
1509
+ {
1510
+ "epoch": 5.8984910836762685,
1511
+ "grad_norm": 1.7666015625,
1512
+ "learning_rate": 7.190203609892808e-05,
1513
+ "loss": 1.7988,
1514
+ "step": 2150
1515
+ },
1516
+ {
1517
+ "epoch": 5.925925925925926,
1518
+ "grad_norm": 1.6123046875,
1519
+ "learning_rate": 7.107478804634325e-05,
1520
+ "loss": 1.7388,
1521
+ "step": 2160
1522
+ },
1523
+ {
1524
+ "epoch": 5.953360768175583,
1525
+ "grad_norm": 1.7646484375,
1526
+ "learning_rate": 7.024969461447972e-05,
1527
+ "loss": 1.7994,
1528
+ "step": 2170
1529
+ },
1530
+ {
1531
+ "epoch": 5.98079561042524,
1532
+ "grad_norm": 1.96484375,
1533
+ "learning_rate": 6.942681726402473e-05,
1534
+ "loss": 1.7937,
1535
+ "step": 2180
1536
+ },
1537
+ {
1538
+ "epoch": 6.008230452674897,
1539
+ "grad_norm": 2.099609375,
1540
+ "learning_rate": 6.8606217290591e-05,
1541
+ "loss": 1.7915,
1542
+ "step": 2190
1543
+ },
1544
+ {
1545
+ "epoch": 6.035665294924554,
1546
+ "grad_norm": 1.8466796875,
1547
+ "learning_rate": 6.778795582015097e-05,
1548
+ "loss": 1.8106,
1549
+ "step": 2200
1550
+ },
1551
+ {
1552
+ "epoch": 6.063100137174211,
1553
+ "grad_norm": 1.9228515625,
1554
+ "learning_rate": 6.697209380448333e-05,
1555
+ "loss": 1.7836,
1556
+ "step": 2210
1557
+ },
1558
+ {
1559
+ "epoch": 6.090534979423868,
1560
+ "grad_norm": 2.74609375,
1561
+ "learning_rate": 6.615869201663296e-05,
1562
+ "loss": 1.7202,
1563
+ "step": 2220
1564
+ },
1565
+ {
1566
+ "epoch": 6.117969821673525,
1567
+ "grad_norm": 1.708984375,
1568
+ "learning_rate": 6.534781104638399e-05,
1569
+ "loss": 1.7432,
1570
+ "step": 2230
1571
+ },
1572
+ {
1573
+ "epoch": 6.145404663923182,
1574
+ "grad_norm": 1.921875,
1575
+ "learning_rate": 6.453951129574644e-05,
1576
+ "loss": 1.719,
1577
+ "step": 2240
1578
+ },
1579
+ {
1580
+ "epoch": 6.172839506172839,
1581
+ "grad_norm": 1.7333984375,
1582
+ "learning_rate": 6.37338529744568e-05,
1583
+ "loss": 1.778,
1584
+ "step": 2250
1585
+ },
1586
+ {
1587
+ "epoch": 6.2002743484224965,
1588
+ "grad_norm": 1.7802734375,
1589
+ "learning_rate": 6.293089609549325e-05,
1590
+ "loss": 1.7294,
1591
+ "step": 2260
1592
+ },
1593
+ {
1594
+ "epoch": 6.227709190672154,
1595
+ "grad_norm": 2.220703125,
1596
+ "learning_rate": 6.213070047060524e-05,
1597
+ "loss": 1.6875,
1598
+ "step": 2270
1599
+ },
1600
+ {
1601
+ "epoch": 6.255144032921811,
1602
+ "grad_norm": 1.8193359375,
1603
+ "learning_rate": 6.133332570585812e-05,
1604
+ "loss": 1.8336,
1605
+ "step": 2280
1606
+ },
1607
+ {
1608
+ "epoch": 6.282578875171468,
1609
+ "grad_norm": 1.9384765625,
1610
+ "learning_rate": 6.05388311971932e-05,
1611
+ "loss": 1.7279,
1612
+ "step": 2290
1613
+ },
1614
+ {
1615
+ "epoch": 6.310013717421125,
1616
+ "grad_norm": 2.046875,
1617
+ "learning_rate": 5.9747276126003257e-05,
1618
+ "loss": 1.753,
1619
+ "step": 2300
1620
+ },
1621
+ {
1622
+ "epoch": 6.337448559670782,
1623
+ "grad_norm": 1.7490234375,
1624
+ "learning_rate": 5.8958719454724346e-05,
1625
+ "loss": 1.7593,
1626
+ "step": 2310
1627
+ },
1628
+ {
1629
+ "epoch": 6.364883401920439,
1630
+ "grad_norm": 1.9990234375,
1631
+ "learning_rate": 5.817321992244351e-05,
1632
+ "loss": 1.7361,
1633
+ "step": 2320
1634
+ },
1635
+ {
1636
+ "epoch": 6.392318244170096,
1637
+ "grad_norm": 2.55078125,
1638
+ "learning_rate": 5.739083604052351e-05,
1639
+ "loss": 1.7527,
1640
+ "step": 2330
1641
+ },
1642
+ {
1643
+ "epoch": 6.419753086419753,
1644
+ "grad_norm": 1.8408203125,
1645
+ "learning_rate": 5.6611626088244194e-05,
1646
+ "loss": 1.7893,
1647
+ "step": 2340
1648
+ },
1649
+ {
1650
+ "epoch": 6.44718792866941,
1651
+ "grad_norm": 1.8388671875,
1652
+ "learning_rate": 5.583564810846157e-05,
1653
+ "loss": 1.744,
1654
+ "step": 2350
1655
+ },
1656
+ {
1657
+ "epoch": 6.474622770919067,
1658
+ "grad_norm": 1.947265625,
1659
+ "learning_rate": 5.506295990328385e-05,
1660
+ "loss": 1.7609,
1661
+ "step": 2360
1662
+ },
1663
+ {
1664
+ "epoch": 6.502057613168724,
1665
+ "grad_norm": 1.947265625,
1666
+ "learning_rate": 5.429361902976624e-05,
1667
+ "loss": 1.7273,
1668
+ "step": 2370
1669
+ },
1670
+ {
1671
+ "epoch": 6.5294924554183815,
1672
+ "grad_norm": 1.9033203125,
1673
+ "learning_rate": 5.3527682795623146e-05,
1674
+ "loss": 1.7782,
1675
+ "step": 2380
1676
+ },
1677
+ {
1678
+ "epoch": 6.556927297668039,
1679
+ "grad_norm": 1.75390625,
1680
+ "learning_rate": 5.276520825495963e-05,
1681
+ "loss": 1.7612,
1682
+ "step": 2390
1683
+ },
1684
+ {
1685
+ "epoch": 6.584362139917696,
1686
+ "grad_norm": 1.8037109375,
1687
+ "learning_rate": 5.200625220402139e-05,
1688
+ "loss": 1.7672,
1689
+ "step": 2400
1690
+ },
1691
+ {
1692
+ "epoch": 6.611796982167353,
1693
+ "grad_norm": 1.7421875,
1694
+ "learning_rate": 5.1250871176964036e-05,
1695
+ "loss": 1.7832,
1696
+ "step": 2410
1697
+ },
1698
+ {
1699
+ "epoch": 6.63923182441701,
1700
+ "grad_norm": 1.609375,
1701
+ "learning_rate": 5.0499121441641864e-05,
1702
+ "loss": 1.7438,
1703
+ "step": 2420
1704
+ },
1705
+ {
1706
+ "epoch": 6.666666666666667,
1707
+ "grad_norm": 1.865234375,
1708
+ "learning_rate": 4.975105899541671e-05,
1709
+ "loss": 1.7172,
1710
+ "step": 2430
1711
+ },
1712
+ {
1713
+ "epoch": 6.694101508916324,
1714
+ "grad_norm": 1.8056640625,
1715
+ "learning_rate": 4.900673956098644e-05,
1716
+ "loss": 1.7476,
1717
+ "step": 2440
1718
+ },
1719
+ {
1720
+ "epoch": 6.721536351165981,
1721
+ "grad_norm": 1.75390625,
1722
+ "learning_rate": 4.826621858223431e-05,
1723
+ "loss": 1.7547,
1724
+ "step": 2450
1725
+ },
1726
+ {
1727
+ "epoch": 6.748971193415638,
1728
+ "grad_norm": 1.841796875,
1729
+ "learning_rate": 4.75295512200992e-05,
1730
+ "loss": 1.7363,
1731
+ "step": 2460
1732
+ },
1733
+ {
1734
+ "epoch": 6.776406035665294,
1735
+ "grad_norm": 1.8349609375,
1736
+ "learning_rate": 4.6796792348466356e-05,
1737
+ "loss": 1.7725,
1738
+ "step": 2470
1739
+ },
1740
+ {
1741
+ "epoch": 6.803840877914952,
1742
+ "grad_norm": 1.7373046875,
1743
+ "learning_rate": 4.606799655008009e-05,
1744
+ "loss": 1.6962,
1745
+ "step": 2480
1746
+ },
1747
+ {
1748
+ "epoch": 6.831275720164609,
1749
+ "grad_norm": 2.0234375,
1750
+ "learning_rate": 4.5343218112477904e-05,
1751
+ "loss": 1.6918,
1752
+ "step": 2490
1753
+ },
1754
+ {
1755
+ "epoch": 6.858710562414267,
1756
+ "grad_norm": 1.73828125,
1757
+ "learning_rate": 4.462251102394669e-05,
1758
+ "loss": 1.7336,
1759
+ "step": 2500
1760
+ },
1761
+ {
1762
+ "epoch": 6.886145404663923,
1763
+ "grad_norm": 1.974609375,
1764
+ "learning_rate": 4.3905928969501056e-05,
1765
+ "loss": 1.7502,
1766
+ "step": 2510
1767
+ },
1768
+ {
1769
+ "epoch": 6.91358024691358,
1770
+ "grad_norm": 1.8828125,
1771
+ "learning_rate": 4.3193525326884435e-05,
1772
+ "loss": 1.8341,
1773
+ "step": 2520
1774
+ },
1775
+ {
1776
+ "epoch": 6.941015089163237,
1777
+ "grad_norm": 1.7939453125,
1778
+ "learning_rate": 4.248535316259305e-05,
1779
+ "loss": 1.7671,
1780
+ "step": 2530
1781
+ },
1782
+ {
1783
+ "epoch": 6.968449931412894,
1784
+ "grad_norm": 1.5888671875,
1785
+ "learning_rate": 4.1781465227922957e-05,
1786
+ "loss": 1.7457,
1787
+ "step": 2540
1788
+ },
1789
+ {
1790
+ "epoch": 6.995884773662551,
1791
+ "grad_norm": 1.7177734375,
1792
+ "learning_rate": 4.108191395504064e-05,
1793
+ "loss": 1.7736,
1794
+ "step": 2550
1795
+ },
1796
+ {
1797
+ "epoch": 7.023319615912208,
1798
+ "grad_norm": 1.5703125,
1799
+ "learning_rate": 4.038675145307747e-05,
1800
+ "loss": 1.6925,
1801
+ "step": 2560
1802
+ },
1803
+ {
1804
+ "epoch": 7.050754458161865,
1805
+ "grad_norm": 2.091796875,
1806
+ "learning_rate": 3.9696029504247956e-05,
1807
+ "loss": 1.7176,
1808
+ "step": 2570
1809
+ },
1810
+ {
1811
+ "epoch": 7.078189300411522,
1812
+ "grad_norm": 1.919921875,
1813
+ "learning_rate": 3.900979955999271e-05,
1814
+ "loss": 1.7825,
1815
+ "step": 2580
1816
+ },
1817
+ {
1818
+ "epoch": 7.1056241426611795,
1819
+ "grad_norm": 1.943359375,
1820
+ "learning_rate": 3.832811273714569e-05,
1821
+ "loss": 1.7257,
1822
+ "step": 2590
1823
+ },
1824
+ {
1825
+ "epoch": 7.133058984910837,
1826
+ "grad_norm": 2.052734375,
1827
+ "learning_rate": 3.7651019814126654e-05,
1828
+ "loss": 1.7665,
1829
+ "step": 2600
1830
+ },
1831
+ {
1832
+ "epoch": 7.160493827160494,
1833
+ "grad_norm": 1.6552734375,
1834
+ "learning_rate": 3.697857122715865e-05,
1835
+ "loss": 1.7373,
1836
+ "step": 2610
1837
+ },
1838
+ {
1839
+ "epoch": 7.187928669410151,
1840
+ "grad_norm": 1.8623046875,
1841
+ "learning_rate": 3.6310817066511105e-05,
1842
+ "loss": 1.6965,
1843
+ "step": 2620
1844
+ },
1845
+ {
1846
+ "epoch": 7.215363511659808,
1847
+ "grad_norm": 1.48828125,
1848
+ "learning_rate": 3.5647807072768526e-05,
1849
+ "loss": 1.7009,
1850
+ "step": 2630
1851
+ },
1852
+ {
1853
+ "epoch": 7.242798353909465,
1854
+ "grad_norm": 1.5126953125,
1855
+ "learning_rate": 3.498959063312558e-05,
1856
+ "loss": 1.7086,
1857
+ "step": 2640
1858
+ },
1859
+ {
1860
+ "epoch": 7.270233196159122,
1861
+ "grad_norm": 1.6748046875,
1862
+ "learning_rate": 3.4336216777708e-05,
1863
+ "loss": 1.6847,
1864
+ "step": 2650
1865
+ },
1866
+ {
1867
+ "epoch": 7.297668038408779,
1868
+ "grad_norm": 1.4794921875,
1869
+ "learning_rate": 3.36877341759205e-05,
1870
+ "loss": 1.756,
1871
+ "step": 2660
1872
+ },
1873
+ {
1874
+ "epoch": 7.325102880658436,
1875
+ "grad_norm": 1.6240234375,
1876
+ "learning_rate": 3.3044191132821454e-05,
1877
+ "loss": 1.6819,
1878
+ "step": 2670
1879
+ },
1880
+ {
1881
+ "epoch": 7.352537722908093,
1882
+ "grad_norm": 1.623046875,
1883
+ "learning_rate": 3.2405635585524565e-05,
1884
+ "loss": 1.7719,
1885
+ "step": 2680
1886
+ },
1887
+ {
1888
+ "epoch": 7.37997256515775,
1889
+ "grad_norm": 1.775390625,
1890
+ "learning_rate": 3.177211509962826e-05,
1891
+ "loss": 1.7437,
1892
+ "step": 2690
1893
+ },
1894
+ {
1895
+ "epoch": 7.407407407407407,
1896
+ "grad_norm": 1.880859375,
1897
+ "learning_rate": 3.114367686567228e-05,
1898
+ "loss": 1.702,
1899
+ "step": 2700
1900
+ },
1901
+ {
1902
+ "epoch": 7.4348422496570645,
1903
+ "grad_norm": 1.6015625,
1904
+ "learning_rate": 3.052036769562276e-05,
1905
+ "loss": 1.6124,
1906
+ "step": 2710
1907
+ },
1908
+ {
1909
+ "epoch": 7.462277091906722,
1910
+ "grad_norm": 1.8525390625,
1911
+ "learning_rate": 2.9902234019385057e-05,
1912
+ "loss": 1.6915,
1913
+ "step": 2720
1914
+ },
1915
+ {
1916
+ "epoch": 7.489711934156379,
1917
+ "grad_norm": 1.998046875,
1918
+ "learning_rate": 2.9289321881345254e-05,
1919
+ "loss": 1.7637,
1920
+ "step": 2730
1921
+ },
1922
+ {
1923
+ "epoch": 7.517146776406036,
1924
+ "grad_norm": 1.744140625,
1925
+ "learning_rate": 2.8681676936940393e-05,
1926
+ "loss": 1.7212,
1927
+ "step": 2740
1928
+ },
1929
+ {
1930
+ "epoch": 7.544581618655693,
1931
+ "grad_norm": 1.486328125,
1932
+ "learning_rate": 2.8079344449257572e-05,
1933
+ "loss": 1.7415,
1934
+ "step": 2750
1935
+ },
1936
+ {
1937
+ "epoch": 7.57201646090535,
1938
+ "grad_norm": 2.044921875,
1939
+ "learning_rate": 2.7482369285662378e-05,
1940
+ "loss": 1.7262,
1941
+ "step": 2760
1942
+ },
1943
+ {
1944
+ "epoch": 7.599451303155007,
1945
+ "grad_norm": 1.6982421875,
1946
+ "learning_rate": 2.6890795914456678e-05,
1947
+ "loss": 1.6766,
1948
+ "step": 2770
1949
+ },
1950
+ {
1951
+ "epoch": 7.626886145404664,
1952
+ "grad_norm": 1.8671875,
1953
+ "learning_rate": 2.6304668401566335e-05,
1954
+ "loss": 1.7522,
1955
+ "step": 2780
1956
+ },
1957
+ {
1958
+ "epoch": 7.654320987654321,
1959
+ "grad_norm": 1.8017578125,
1960
+ "learning_rate": 2.572403040725855e-05,
1961
+ "loss": 1.7095,
1962
+ "step": 2790
1963
+ },
1964
+ {
1965
+ "epoch": 7.681755829903978,
1966
+ "grad_norm": 2.005859375,
1967
+ "learning_rate": 2.514892518288988e-05,
1968
+ "loss": 1.7196,
1969
+ "step": 2800
1970
+ },
1971
+ {
1972
+ "epoch": 7.709190672153635,
1973
+ "grad_norm": 1.7734375,
1974
+ "learning_rate": 2.4579395567684283e-05,
1975
+ "loss": 1.7174,
1976
+ "step": 2810
1977
+ },
1978
+ {
1979
+ "epoch": 7.7366255144032925,
1980
+ "grad_norm": 2.1015625,
1981
+ "learning_rate": 2.401548398554213e-05,
1982
+ "loss": 1.745,
1983
+ "step": 2820
1984
+ },
1985
+ {
1986
+ "epoch": 7.76406035665295,
1987
+ "grad_norm": 1.7236328125,
1988
+ "learning_rate": 2.345723244188006e-05,
1989
+ "loss": 1.7127,
1990
+ "step": 2830
1991
+ },
1992
+ {
1993
+ "epoch": 7.791495198902607,
1994
+ "grad_norm": 2.4296875,
1995
+ "learning_rate": 2.290468252050204e-05,
1996
+ "loss": 1.6945,
1997
+ "step": 2840
1998
+ },
1999
+ {
2000
+ "epoch": 7.818930041152264,
2001
+ "grad_norm": 1.67578125,
2002
+ "learning_rate": 2.2357875380501836e-05,
2003
+ "loss": 1.7206,
2004
+ "step": 2850
2005
+ },
2006
+ {
2007
+ "epoch": 7.84636488340192,
2008
+ "grad_norm": 2.359375,
2009
+ "learning_rate": 2.181685175319702e-05,
2010
+ "loss": 1.683,
2011
+ "step": 2860
2012
+ },
2013
+ {
2014
+ "epoch": 7.873799725651578,
2015
+ "grad_norm": 1.7236328125,
2016
+ "learning_rate": 2.1281651939094992e-05,
2017
+ "loss": 1.7218,
2018
+ "step": 2870
2019
+ },
2020
+ {
2021
+ "epoch": 7.901234567901234,
2022
+ "grad_norm": 1.82421875,
2023
+ "learning_rate": 2.0752315804890977e-05,
2024
+ "loss": 1.7274,
2025
+ "step": 2880
2026
+ },
2027
+ {
2028
+ "epoch": 7.928669410150892,
2029
+ "grad_norm": 3.5078125,
2030
+ "learning_rate": 2.0228882780498404e-05,
2031
+ "loss": 1.6874,
2032
+ "step": 2890
2033
+ },
2034
+ {
2035
+ "epoch": 7.956104252400548,
2036
+ "grad_norm": 2.08984375,
2037
+ "learning_rate": 1.971139185611176e-05,
2038
+ "loss": 1.7064,
2039
+ "step": 2900
2040
+ },
2041
+ {
2042
+ "epoch": 7.983539094650205,
2043
+ "grad_norm": 2.240234375,
2044
+ "learning_rate": 1.919988157930236e-05,
2045
+ "loss": 1.6922,
2046
+ "step": 2910
2047
+ },
2048
+ {
2049
+ "epoch": 8.010973936899862,
2050
+ "grad_norm": 2.25,
2051
+ "learning_rate": 1.8694390052146737e-05,
2052
+ "loss": 1.73,
2053
+ "step": 2920
2054
+ },
2055
+ {
2056
+ "epoch": 8.03840877914952,
2057
+ "grad_norm": 1.62890625,
2058
+ "learning_rate": 1.819495492838872e-05,
2059
+ "loss": 1.6912,
2060
+ "step": 2930
2061
+ },
2062
+ {
2063
+ "epoch": 8.065843621399177,
2064
+ "grad_norm": 1.755859375,
2065
+ "learning_rate": 1.7701613410634365e-05,
2066
+ "loss": 1.6858,
2067
+ "step": 2940
2068
+ },
2069
+ {
2070
+ "epoch": 8.093278463648835,
2071
+ "grad_norm": 1.5791015625,
2072
+ "learning_rate": 1.7214402247580918e-05,
2073
+ "loss": 1.6634,
2074
+ "step": 2950
2075
+ },
2076
+ {
2077
+ "epoch": 8.12071330589849,
2078
+ "grad_norm": 1.63671875,
2079
+ "learning_rate": 1.6733357731279377e-05,
2080
+ "loss": 1.6908,
2081
+ "step": 2960
2082
+ },
2083
+ {
2084
+ "epoch": 8.148148148148149,
2085
+ "grad_norm": 1.8701171875,
2086
+ "learning_rate": 1.6258515694431144e-05,
2087
+ "loss": 1.7138,
2088
+ "step": 2970
2089
+ },
2090
+ {
2091
+ "epoch": 8.175582990397805,
2092
+ "grad_norm": 1.6357421875,
2093
+ "learning_rate": 1.5789911507718826e-05,
2094
+ "loss": 1.7258,
2095
+ "step": 2980
2096
+ },
2097
+ {
2098
+ "epoch": 8.203017832647463,
2099
+ "grad_norm": 1.734375,
2100
+ "learning_rate": 1.5327580077171587e-05,
2101
+ "loss": 1.7178,
2102
+ "step": 2990
2103
+ },
2104
+ {
2105
+ "epoch": 8.23045267489712,
2106
+ "grad_norm": 1.787109375,
2107
+ "learning_rate": 1.4871555841564887e-05,
2108
+ "loss": 1.6809,
2109
+ "step": 3000
2110
+ },
2111
+ {
2112
+ "epoch": 8.257887517146777,
2113
+ "grad_norm": 1.7177734375,
2114
+ "learning_rate": 1.442187276985526e-05,
2115
+ "loss": 1.6501,
2116
+ "step": 3010
2117
+ },
2118
+ {
2119
+ "epoch": 8.285322359396433,
2120
+ "grad_norm": 1.822265625,
2121
+ "learning_rate": 1.3978564358649927e-05,
2122
+ "loss": 1.7259,
2123
+ "step": 3020
2124
+ },
2125
+ {
2126
+ "epoch": 8.312757201646091,
2127
+ "grad_norm": 1.7109375,
2128
+ "learning_rate": 1.3541663629711766e-05,
2129
+ "loss": 1.752,
2130
+ "step": 3030
2131
+ },
2132
+ {
2133
+ "epoch": 8.340192043895748,
2134
+ "grad_norm": 1.7744140625,
2135
+ "learning_rate": 1.311120312749935e-05,
2136
+ "loss": 1.6563,
2137
+ "step": 3040
2138
+ },
2139
+ {
2140
+ "epoch": 8.367626886145406,
2141
+ "grad_norm": 1.8427734375,
2142
+ "learning_rate": 1.2687214916742918e-05,
2143
+ "loss": 1.7103,
2144
+ "step": 3050
2145
+ },
2146
+ {
2147
+ "epoch": 8.395061728395062,
2148
+ "grad_norm": 2.611328125,
2149
+ "learning_rate": 1.2269730580055805e-05,
2150
+ "loss": 1.6951,
2151
+ "step": 3060
2152
+ },
2153
+ {
2154
+ "epoch": 8.422496570644718,
2155
+ "grad_norm": 1.763671875,
2156
+ "learning_rate": 1.185878121558186e-05,
2157
+ "loss": 1.6747,
2158
+ "step": 3070
2159
+ },
2160
+ {
2161
+ "epoch": 8.449931412894376,
2162
+ "grad_norm": 1.7568359375,
2163
+ "learning_rate": 1.1454397434679021e-05,
2164
+ "loss": 1.7284,
2165
+ "step": 3080
2166
+ },
2167
+ {
2168
+ "epoch": 8.477366255144032,
2169
+ "grad_norm": 1.8837890625,
2170
+ "learning_rate": 1.1056609359639025e-05,
2171
+ "loss": 1.6907,
2172
+ "step": 3090
2173
+ },
2174
+ {
2175
+ "epoch": 8.50480109739369,
2176
+ "grad_norm": 1.677734375,
2177
+ "learning_rate": 1.0665446621443708e-05,
2178
+ "loss": 1.652,
2179
+ "step": 3100
2180
+ },
2181
+ {
2182
+ "epoch": 8.532235939643346,
2183
+ "grad_norm": 1.7236328125,
2184
+ "learning_rate": 1.028093835755769e-05,
2185
+ "loss": 1.6751,
2186
+ "step": 3110
2187
+ },
2188
+ {
2189
+ "epoch": 8.559670781893004,
2190
+ "grad_norm": 1.716796875,
2191
+ "learning_rate": 9.903113209758096e-06,
2192
+ "loss": 1.6465,
2193
+ "step": 3120
2194
+ },
2195
+ {
2196
+ "epoch": 8.58710562414266,
2197
+ "grad_norm": 1.6328125,
2198
+ "learning_rate": 9.531999322000885e-06,
2199
+ "loss": 1.7407,
2200
+ "step": 3130
2201
+ },
2202
+ {
2203
+ "epoch": 8.614540466392318,
2204
+ "grad_norm": 1.681640625,
2205
+ "learning_rate": 9.1676243383246e-06,
2206
+ "loss": 1.7061,
2207
+ "step": 3140
2208
+ },
2209
+ {
2210
+ "epoch": 8.641975308641975,
2211
+ "grad_norm": 2.072265625,
2212
+ "learning_rate": 8.810015400790994e-06,
2213
+ "loss": 1.6604,
2214
+ "step": 3150
2215
+ },
2216
+ {
2217
+ "epoch": 8.669410150891633,
2218
+ "grad_norm": 1.7685546875,
2219
+ "learning_rate": 8.45919914746337e-06,
2220
+ "loss": 1.7301,
2221
+ "step": 3160
2222
+ },
2223
+ {
2224
+ "epoch": 8.696844993141289,
2225
+ "grad_norm": 2.193359375,
2226
+ "learning_rate": 8.115201710422282e-06,
2227
+ "loss": 1.6973,
2228
+ "step": 3170
2229
+ },
2230
+ {
2231
+ "epoch": 8.724279835390947,
2232
+ "grad_norm": 1.677734375,
2233
+ "learning_rate": 7.778048713818975e-06,
2234
+ "loss": 1.7165,
2235
+ "step": 3180
2236
+ },
2237
+ {
2238
+ "epoch": 8.751714677640603,
2239
+ "grad_norm": 2.1171875,
2240
+ "learning_rate": 7.447765271966656e-06,
2241
+ "loss": 1.6841,
2242
+ "step": 3190
2243
+ },
2244
+ {
2245
+ "epoch": 8.779149519890261,
2246
+ "grad_norm": 1.6279296875,
2247
+ "learning_rate": 7.124375987469767e-06,
2248
+ "loss": 1.7142,
2249
+ "step": 3200
2250
+ },
2251
+ {
2252
+ "epoch": 8.806584362139917,
2253
+ "grad_norm": 1.93359375,
2254
+ "learning_rate": 6.80790494939132e-06,
2255
+ "loss": 1.7619,
2256
+ "step": 3210
2257
+ },
2258
+ {
2259
+ "epoch": 8.834019204389575,
2260
+ "grad_norm": 2.171875,
2261
+ "learning_rate": 6.498375731458528e-06,
2262
+ "loss": 1.7146,
2263
+ "step": 3220
2264
+ },
2265
+ {
2266
+ "epoch": 8.861454046639231,
2267
+ "grad_norm": 1.59765625,
2268
+ "learning_rate": 6.195811390306816e-06,
2269
+ "loss": 1.6753,
2270
+ "step": 3230
2271
+ },
2272
+ {
2273
+ "epoch": 8.88888888888889,
2274
+ "grad_norm": 1.6484375,
2275
+ "learning_rate": 5.900234463762366e-06,
2276
+ "loss": 1.662,
2277
+ "step": 3240
2278
+ },
2279
+ {
2280
+ "epoch": 8.916323731138545,
2281
+ "grad_norm": 1.70703125,
2282
+ "learning_rate": 5.611666969163243e-06,
2283
+ "loss": 1.6781,
2284
+ "step": 3250
2285
+ },
2286
+ {
2287
+ "epoch": 8.943758573388203,
2288
+ "grad_norm": 1.8642578125,
2289
+ "learning_rate": 5.3301304017194135e-06,
2290
+ "loss": 1.6446,
2291
+ "step": 3260
2292
+ },
2293
+ {
2294
+ "epoch": 8.97119341563786,
2295
+ "grad_norm": 1.96484375,
2296
+ "learning_rate": 5.055645732911462e-06,
2297
+ "loss": 1.6632,
2298
+ "step": 3270
2299
+ },
2300
+ {
2301
+ "epoch": 8.998628257887518,
2302
+ "grad_norm": 2.181640625,
2303
+ "learning_rate": 4.788233408928589e-06,
2304
+ "loss": 1.707,
2305
+ "step": 3280
2306
+ },
2307
+ {
2308
+ "epoch": 9.026063100137174,
2309
+ "grad_norm": 1.75390625,
2310
+ "learning_rate": 4.527913349145441e-06,
2311
+ "loss": 1.7361,
2312
+ "step": 3290
2313
+ },
2314
+ {
2315
+ "epoch": 9.053497942386832,
2316
+ "grad_norm": 2.705078125,
2317
+ "learning_rate": 4.27470494463843e-06,
2318
+ "loss": 1.7412,
2319
+ "step": 3300
2320
+ },
2321
+ {
2322
+ "epoch": 9.080932784636488,
2323
+ "grad_norm": 2.5,
2324
+ "learning_rate": 4.028627056741252e-06,
2325
+ "loss": 1.6508,
2326
+ "step": 3310
2327
+ },
2328
+ {
2329
+ "epoch": 9.108367626886146,
2330
+ "grad_norm": 1.7490234375,
2331
+ "learning_rate": 3.789698015639953e-06,
2332
+ "loss": 1.7095,
2333
+ "step": 3320
2334
+ },
2335
+ {
2336
+ "epoch": 9.135802469135802,
2337
+ "grad_norm": 1.7919921875,
2338
+ "learning_rate": 3.5579356190074907e-06,
2339
+ "loss": 1.6629,
2340
+ "step": 3330
2341
+ },
2342
+ {
2343
+ "epoch": 9.16323731138546,
2344
+ "grad_norm": 1.662109375,
2345
+ "learning_rate": 3.3333571306780497e-06,
2346
+ "loss": 1.6755,
2347
+ "step": 3340
2348
+ },
2349
+ {
2350
+ "epoch": 9.190672153635116,
2351
+ "grad_norm": 5.0703125,
2352
+ "learning_rate": 3.115979279360992e-06,
2353
+ "loss": 1.6963,
2354
+ "step": 3350
2355
+ },
2356
+ {
2357
+ "epoch": 9.218106995884774,
2358
+ "grad_norm": 1.662109375,
2359
+ "learning_rate": 2.905818257394799e-06,
2360
+ "loss": 1.694,
2361
+ "step": 3360
2362
+ },
2363
+ {
2364
+ "epoch": 9.24554183813443,
2365
+ "grad_norm": 1.55078125,
2366
+ "learning_rate": 2.702889719540924e-06,
2367
+ "loss": 1.6488,
2368
+ "step": 3370
2369
+ },
2370
+ {
2371
+ "epoch": 9.272976680384089,
2372
+ "grad_norm": 2.107421875,
2373
+ "learning_rate": 2.5072087818176382e-06,
2374
+ "loss": 1.6729,
2375
+ "step": 3380
2376
+ },
2377
+ {
2378
+ "epoch": 9.300411522633745,
2379
+ "grad_norm": 1.5791015625,
2380
+ "learning_rate": 2.3187900203740844e-06,
2381
+ "loss": 1.6518,
2382
+ "step": 3390
2383
+ },
2384
+ {
2385
+ "epoch": 9.327846364883403,
2386
+ "grad_norm": 2.0234375,
2387
+ "learning_rate": 2.137647470404469e-06,
2388
+ "loss": 1.7342,
2389
+ "step": 3400
2390
+ },
2391
+ {
2392
+ "epoch": 9.355281207133059,
2393
+ "grad_norm": 1.9423828125,
2394
+ "learning_rate": 1.963794625102655e-06,
2395
+ "loss": 1.7223,
2396
+ "step": 3410
2397
+ },
2398
+ {
2399
+ "epoch": 9.382716049382717,
2400
+ "grad_norm": 2.234375,
2401
+ "learning_rate": 1.797244434656975e-06,
2402
+ "loss": 1.7224,
2403
+ "step": 3420
2404
+ },
2405
+ {
2406
+ "epoch": 9.410150891632373,
2407
+ "grad_norm": 1.6806640625,
2408
+ "learning_rate": 1.6380093052856483e-06,
2409
+ "loss": 1.6956,
2410
+ "step": 3430
2411
+ },
2412
+ {
2413
+ "epoch": 9.437585733882031,
2414
+ "grad_norm": 1.693359375,
2415
+ "learning_rate": 1.48610109831262e-06,
2416
+ "loss": 1.6918,
2417
+ "step": 3440
2418
+ },
2419
+ {
2420
+ "epoch": 9.465020576131687,
2421
+ "grad_norm": 1.7080078125,
2422
+ "learning_rate": 1.341531129284046e-06,
2423
+ "loss": 1.6376,
2424
+ "step": 3450
2425
+ },
2426
+ {
2427
+ "epoch": 9.492455418381343,
2428
+ "grad_norm": 2.220703125,
2429
+ "learning_rate": 1.2043101671253554e-06,
2430
+ "loss": 1.6831,
2431
+ "step": 3460
2432
+ },
2433
+ {
2434
+ "epoch": 9.519890260631001,
2435
+ "grad_norm": 2.203125,
2436
+ "learning_rate": 1.0744484333391368e-06,
2437
+ "loss": 1.6559,
2438
+ "step": 3470
2439
+ },
2440
+ {
2441
+ "epoch": 9.547325102880658,
2442
+ "grad_norm": 1.982421875,
2443
+ "learning_rate": 9.519556012436815e-07,
2444
+ "loss": 1.6864,
2445
+ "step": 3480
2446
+ },
2447
+ {
2448
+ "epoch": 9.574759945130316,
2449
+ "grad_norm": 2.025390625,
2450
+ "learning_rate": 8.368407952525026e-07,
2451
+ "loss": 1.6973,
2452
+ "step": 3490
2453
+ },
2454
+ {
2455
+ "epoch": 9.602194787379972,
2456
+ "grad_norm": 1.6865234375,
2457
+ "learning_rate": 7.291125901946027e-07,
2458
+ "loss": 1.7048,
2459
+ "step": 3500
2460
+ },
2461
+ {
2462
+ "epoch": 9.62962962962963,
2463
+ "grad_norm": 1.9140625,
2464
+ "learning_rate": 6.287790106757396e-07,
2465
+ "loss": 1.6939,
2466
+ "step": 3510
2467
+ },
2468
+ {
2469
+ "epoch": 9.657064471879286,
2470
+ "grad_norm": 1.5322265625,
2471
+ "learning_rate": 5.358475304807375e-07,
2472
+ "loss": 1.7541,
2473
+ "step": 3520
2474
+ },
2475
+ {
2476
+ "epoch": 9.684499314128944,
2477
+ "grad_norm": 2.29296875,
2478
+ "learning_rate": 4.503250720166774e-07,
2479
+ "loss": 1.6679,
2480
+ "step": 3530
2481
+ },
2482
+ {
2483
+ "epoch": 9.7119341563786,
2484
+ "grad_norm": 1.5634765625,
2485
+ "learning_rate": 3.7221800579735346e-07,
2486
+ "loss": 1.685,
2487
+ "step": 3540
2488
+ },
2489
+ {
2490
+ "epoch": 9.739368998628258,
2491
+ "grad_norm": 1.6884765625,
2492
+ "learning_rate": 3.0153214996866406e-07,
2493
+ "loss": 1.6628,
2494
+ "step": 3550
2495
+ },
2496
+ {
2497
+ "epoch": 9.766803840877914,
2498
+ "grad_norm": 1.8408203125,
2499
+ "learning_rate": 2.382727698752474e-07,
2500
+ "loss": 1.6632,
2501
+ "step": 3560
2502
+ },
2503
+ {
2504
+ "epoch": 9.794238683127572,
2505
+ "grad_norm": 1.9072265625,
2506
+ "learning_rate": 1.824445776682504e-07,
2507
+ "loss": 1.7231,
2508
+ "step": 3570
2509
+ },
2510
+ {
2511
+ "epoch": 9.821673525377228,
2512
+ "grad_norm": 1.791015625,
2513
+ "learning_rate": 1.340517319543877e-07,
2514
+ "loss": 1.6758,
2515
+ "step": 3580
2516
+ },
2517
+ {
2518
+ "epoch": 9.849108367626886,
2519
+ "grad_norm": 1.7236328125,
2520
+ "learning_rate": 9.309783748606693e-08,
2521
+ "loss": 1.6677,
2522
+ "step": 3590
2523
+ },
2524
+ {
2525
+ "epoch": 9.876543209876543,
2526
+ "grad_norm": 1.5498046875,
2527
+ "learning_rate": 5.958594489295921e-08,
2528
+ "loss": 1.6355,
2529
+ "step": 3600
2530
+ },
2531
+ {
2532
+ "epoch": 9.9039780521262,
2533
+ "grad_norm": 1.802734375,
2534
+ "learning_rate": 3.351855045471419e-08,
2535
+ "loss": 1.6854,
2536
+ "step": 3610
2537
+ },
2538
+ {
2539
+ "epoch": 9.931412894375857,
2540
+ "grad_norm": 1.9306640625,
2541
+ "learning_rate": 1.4897595915053242e-08,
2542
+ "loss": 1.6643,
2543
+ "step": 3620
2544
+ },
2545
+ {
2546
+ "epoch": 9.958847736625515,
2547
+ "grad_norm": 1.8544921875,
2548
+ "learning_rate": 3.724468337085174e-09,
2549
+ "loss": 1.7076,
2550
+ "step": 3630
2551
+ },
2552
+ {
2553
+ "epoch": 9.986282578875171,
2554
+ "grad_norm": 2.060546875,
2555
+ "learning_rate": 0.0,
2556
+ "loss": 1.6734,
2557
+ "step": 3640
2558
+ },
2559
+ {
2560
+ "epoch": 9.986282578875171,
2561
+ "step": 3640,
2562
+ "total_flos": 2.39046462799872e+17,
2563
+ "train_loss": 1.891263527398581,
2564
+ "train_runtime": 3639.5664,
2565
+ "train_samples_per_second": 4.006,
2566
+ "train_steps_per_second": 1.0
2567
+ }
2568
+ ],
2569
+ "logging_steps": 10,
2570
+ "max_steps": 3640,
2571
+ "num_input_tokens_seen": 0,
2572
+ "num_train_epochs": 10,
2573
+ "save_steps": 500,
2574
+ "total_flos": 2.39046462799872e+17,
2575
+ "train_batch_size": 1,
2576
+ "trial_name": null,
2577
+ "trial_params": null
2578
+ }
training_args.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:3264578b7a9601317d2521912ea8744f5f3337cf35181c062af565f077499c65
3
  size 5048
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5628f86206f80e318b56154c305eb33555c5ada950c5d867228b6f23b3fb4984
3
  size 5048