emilykang commited on
Commit
02420c2
1 Parent(s): 33d9ed1

Training in progress, epoch 1

Browse files
adapter_config.json CHANGED
@@ -20,10 +20,10 @@
20
  "rank_pattern": {},
21
  "revision": null,
22
  "target_modules": [
23
- "q_proj",
24
- "o_proj",
25
  "v_proj",
26
- "k_proj"
 
 
27
  ],
28
  "task_type": "CAUSAL_LM",
29
  "use_dora": false,
 
20
  "rank_pattern": {},
21
  "revision": null,
22
  "target_modules": [
 
 
23
  "v_proj",
24
+ "k_proj",
25
+ "o_proj",
26
+ "q_proj"
27
  ],
28
  "task_type": "CAUSAL_LM",
29
  "use_dora": false,
adapter_model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:3d4fd46c6a829096341ad9dc6f13d8442f34eb371bfaf3a1aa0f1c7c8aadb83e
3
  size 9034480
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d73fa1270f6e1d13138d6364238deeb7d555e149caedb8009b3dc6b4d539f71b
3
  size 9034480
trainer_state.json ADDED
@@ -0,0 +1,2186 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 10.0,
5
+ "eval_steps": 500,
6
+ "global_step": 3080,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.032467532467532464,
13
+ "grad_norm": 0.56201171875,
14
+ "learning_rate": 0.00019999479806942977,
15
+ "loss": 0.8091,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.06493506493506493,
20
+ "grad_norm": 0.406005859375,
21
+ "learning_rate": 0.00019997919281892067,
22
+ "loss": 0.7613,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.09740259740259741,
27
+ "grad_norm": 0.4560546875,
28
+ "learning_rate": 0.0001999531858720213,
29
+ "loss": 0.797,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.12987012987012986,
34
+ "grad_norm": 0.424560546875,
35
+ "learning_rate": 0.0001999167799344583,
36
+ "loss": 0.7912,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.16233766233766234,
41
+ "grad_norm": 0.468994140625,
42
+ "learning_rate": 0.00019986997879385487,
43
+ "loss": 0.7866,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.19480519480519481,
48
+ "grad_norm": 0.38671875,
49
+ "learning_rate": 0.0001998127873193367,
50
+ "loss": 0.7504,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.22727272727272727,
55
+ "grad_norm": 0.389892578125,
56
+ "learning_rate": 0.00019974521146102537,
57
+ "loss": 0.8146,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.2597402597402597,
62
+ "grad_norm": 0.39599609375,
63
+ "learning_rate": 0.00019966725824941932,
64
+ "loss": 0.7641,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.2922077922077922,
69
+ "grad_norm": 0.421875,
70
+ "learning_rate": 0.00019957893579466252,
71
+ "loss": 0.7902,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.3246753246753247,
76
+ "grad_norm": 0.3681640625,
77
+ "learning_rate": 0.00019948025328570042,
78
+ "loss": 0.7831,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.35714285714285715,
83
+ "grad_norm": 0.4013671875,
84
+ "learning_rate": 0.00019937122098932428,
85
+ "loss": 0.7268,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.38961038961038963,
90
+ "grad_norm": 0.41748046875,
91
+ "learning_rate": 0.00019925185024910277,
92
+ "loss": 0.7673,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.42207792207792205,
97
+ "grad_norm": 0.423583984375,
98
+ "learning_rate": 0.000199122153484202,
99
+ "loss": 0.7652,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.45454545454545453,
104
+ "grad_norm": 0.428955078125,
105
+ "learning_rate": 0.0001989821441880933,
106
+ "loss": 0.7806,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.487012987012987,
111
+ "grad_norm": 0.387939453125,
112
+ "learning_rate": 0.00019883183692714936,
113
+ "loss": 0.7474,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.5194805194805194,
118
+ "grad_norm": 0.428955078125,
119
+ "learning_rate": 0.0001986712473391289,
120
+ "loss": 0.752,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.551948051948052,
125
+ "grad_norm": 0.38330078125,
126
+ "learning_rate": 0.00019850039213154973,
127
+ "loss": 0.785,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.5844155844155844,
132
+ "grad_norm": 0.44677734375,
133
+ "learning_rate": 0.0001983192890799503,
134
+ "loss": 0.7612,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.6168831168831169,
139
+ "grad_norm": 0.406982421875,
140
+ "learning_rate": 0.00019812795702604073,
141
+ "loss": 0.784,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.6493506493506493,
146
+ "grad_norm": 0.410400390625,
147
+ "learning_rate": 0.00019792641587574212,
148
+ "loss": 0.7649,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.6818181818181818,
153
+ "grad_norm": 0.4072265625,
154
+ "learning_rate": 0.00019771468659711595,
155
+ "loss": 0.7543,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.7142857142857143,
160
+ "grad_norm": 0.37744140625,
161
+ "learning_rate": 0.00019749279121818235,
162
+ "loss": 0.7209,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.7467532467532467,
167
+ "grad_norm": 0.431396484375,
168
+ "learning_rate": 0.00019726075282462845,
169
+ "loss": 0.7532,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.7792207792207793,
174
+ "grad_norm": 0.3720703125,
175
+ "learning_rate": 0.00019701859555740648,
176
+ "loss": 0.7781,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.8116883116883117,
181
+ "grad_norm": 0.420654296875,
182
+ "learning_rate": 0.00019676634461022224,
183
+ "loss": 0.7613,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.8441558441558441,
188
+ "grad_norm": 0.350830078125,
189
+ "learning_rate": 0.000196504026226914,
190
+ "loss": 0.7439,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.8766233766233766,
195
+ "grad_norm": 0.40087890625,
196
+ "learning_rate": 0.00019623166769872213,
197
+ "loss": 0.7324,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.9090909090909091,
202
+ "grad_norm": 0.3779296875,
203
+ "learning_rate": 0.00019594929736144976,
204
+ "loss": 0.7481,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.9415584415584416,
209
+ "grad_norm": 0.3818359375,
210
+ "learning_rate": 0.00019565694459251458,
211
+ "loss": 0.7584,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.974025974025974,
216
+ "grad_norm": 0.4423828125,
217
+ "learning_rate": 0.00019535463980789277,
218
+ "loss": 0.7364,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 1.0064935064935066,
223
+ "grad_norm": 0.42138671875,
224
+ "learning_rate": 0.00019504241445895436,
225
+ "loss": 0.7284,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 1.0389610389610389,
230
+ "grad_norm": 0.4599609375,
231
+ "learning_rate": 0.000194720301029191,
232
+ "loss": 0.7216,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 1.0714285714285714,
237
+ "grad_norm": 0.450927734375,
238
+ "learning_rate": 0.00019438833303083678,
239
+ "loss": 0.6916,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 1.103896103896104,
244
+ "grad_norm": 0.387451171875,
245
+ "learning_rate": 0.00019404654500138117,
246
+ "loss": 0.7093,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 1.1363636363636362,
251
+ "grad_norm": 0.46435546875,
252
+ "learning_rate": 0.0001936949724999762,
253
+ "loss": 0.7334,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 1.1688311688311688,
258
+ "grad_norm": 0.423583984375,
259
+ "learning_rate": 0.0001933336521037367,
260
+ "loss": 0.7308,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 1.2012987012987013,
265
+ "grad_norm": 0.377197265625,
266
+ "learning_rate": 0.00019296262140393498,
267
+ "loss": 0.7008,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 1.2337662337662338,
272
+ "grad_norm": 0.427001953125,
273
+ "learning_rate": 0.0001925819190020898,
274
+ "loss": 0.7344,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 1.2662337662337662,
279
+ "grad_norm": 0.397216796875,
280
+ "learning_rate": 0.0001921915845059505,
281
+ "loss": 0.6947,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 1.2987012987012987,
286
+ "grad_norm": 0.42626953125,
287
+ "learning_rate": 0.00019179165852537596,
288
+ "loss": 0.7058,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 1.3311688311688312,
293
+ "grad_norm": 0.467529296875,
294
+ "learning_rate": 0.00019138218266810986,
295
+ "loss": 0.7244,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 1.3636363636363638,
300
+ "grad_norm": 0.457275390625,
301
+ "learning_rate": 0.00019096319953545185,
302
+ "loss": 0.7003,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 1.396103896103896,
307
+ "grad_norm": 0.4013671875,
308
+ "learning_rate": 0.0001905347527178252,
309
+ "loss": 0.6961,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 1.4285714285714286,
314
+ "grad_norm": 0.458740234375,
315
+ "learning_rate": 0.0001900968867902419,
316
+ "loss": 0.7052,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 1.4610389610389611,
321
+ "grad_norm": 0.426025390625,
322
+ "learning_rate": 0.00018964964730766508,
323
+ "loss": 0.7059,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 1.4935064935064934,
328
+ "grad_norm": 0.49609375,
329
+ "learning_rate": 0.0001891930808002694,
330
+ "loss": 0.6921,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 1.525974025974026,
335
+ "grad_norm": 0.46044921875,
336
+ "learning_rate": 0.00018872723476860034,
337
+ "loss": 0.7038,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 1.5584415584415585,
342
+ "grad_norm": 0.4140625,
343
+ "learning_rate": 0.00018825215767863214,
344
+ "loss": 0.7459,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 1.5909090909090908,
349
+ "grad_norm": 0.46728515625,
350
+ "learning_rate": 0.00018776789895672558,
351
+ "loss": 0.726,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 1.6233766233766234,
356
+ "grad_norm": 0.486328125,
357
+ "learning_rate": 0.00018727450898448563,
358
+ "loss": 0.7192,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 1.655844155844156,
363
+ "grad_norm": 0.490966796875,
364
+ "learning_rate": 0.00018677203909351988,
365
+ "loss": 0.7186,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 1.6883116883116882,
370
+ "grad_norm": 0.4443359375,
371
+ "learning_rate": 0.00018626054156009806,
372
+ "loss": 0.7177,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 1.7207792207792207,
377
+ "grad_norm": 0.509765625,
378
+ "learning_rate": 0.00018574006959971333,
379
+ "loss": 0.6966,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 1.7532467532467533,
384
+ "grad_norm": 0.467529296875,
385
+ "learning_rate": 0.00018521067736154568,
386
+ "loss": 0.6668,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 1.7857142857142856,
391
+ "grad_norm": 0.5068359375,
392
+ "learning_rate": 0.00018467241992282843,
393
+ "loss": 0.6856,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 1.8181818181818183,
398
+ "grad_norm": 0.433837890625,
399
+ "learning_rate": 0.00018412535328311814,
400
+ "loss": 0.7126,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 1.8506493506493507,
405
+ "grad_norm": 0.46826171875,
406
+ "learning_rate": 0.0001835695343584683,
407
+ "loss": 0.7255,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 1.883116883116883,
412
+ "grad_norm": 0.452880859375,
413
+ "learning_rate": 0.00018300502097550806,
414
+ "loss": 0.6792,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 1.9155844155844157,
419
+ "grad_norm": 0.46142578125,
420
+ "learning_rate": 0.00018243187186542593,
421
+ "loss": 0.6891,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 1.948051948051948,
426
+ "grad_norm": 0.51904296875,
427
+ "learning_rate": 0.00018185014665785936,
428
+ "loss": 0.6959,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 1.9805194805194806,
433
+ "grad_norm": 0.4833984375,
434
+ "learning_rate": 0.00018125990587469123,
435
+ "loss": 0.6975,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 2.012987012987013,
440
+ "grad_norm": 0.41796875,
441
+ "learning_rate": 0.000180661210923753,
442
+ "loss": 0.6652,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 2.0454545454545454,
447
+ "grad_norm": 0.458984375,
448
+ "learning_rate": 0.00018005412409243606,
449
+ "loss": 0.6559,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 2.0779220779220777,
454
+ "grad_norm": 0.580078125,
455
+ "learning_rate": 0.00017943870854121124,
456
+ "loss": 0.6489,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 2.1103896103896105,
461
+ "grad_norm": 0.469970703125,
462
+ "learning_rate": 0.00017881502829705808,
463
+ "loss": 0.6409,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 2.142857142857143,
468
+ "grad_norm": 0.51611328125,
469
+ "learning_rate": 0.000178183148246803,
470
+ "loss": 0.6835,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 2.175324675324675,
475
+ "grad_norm": 0.52099609375,
476
+ "learning_rate": 0.00017754313413036906,
477
+ "loss": 0.66,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 2.207792207792208,
482
+ "grad_norm": 0.490966796875,
483
+ "learning_rate": 0.0001768950525339362,
484
+ "loss": 0.6767,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 2.24025974025974,
489
+ "grad_norm": 0.5166015625,
490
+ "learning_rate": 0.00017623897088301385,
491
+ "loss": 0.6568,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 2.2727272727272725,
496
+ "grad_norm": 0.64111328125,
497
+ "learning_rate": 0.00017557495743542585,
498
+ "loss": 0.6585,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 2.3051948051948052,
503
+ "grad_norm": 0.52001953125,
504
+ "learning_rate": 0.00017490308127420928,
505
+ "loss": 0.6728,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 2.3376623376623376,
510
+ "grad_norm": 0.55908203125,
511
+ "learning_rate": 0.000174223412300427,
512
+ "loss": 0.6574,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 2.3701298701298703,
517
+ "grad_norm": 0.53076171875,
518
+ "learning_rate": 0.00017353602122589527,
519
+ "loss": 0.6486,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 2.4025974025974026,
524
+ "grad_norm": 0.51513671875,
525
+ "learning_rate": 0.00017284097956582692,
526
+ "loss": 0.6571,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 2.435064935064935,
531
+ "grad_norm": 0.482177734375,
532
+ "learning_rate": 0.0001721383596313912,
533
+ "loss": 0.666,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 2.4675324675324677,
538
+ "grad_norm": 0.492919921875,
539
+ "learning_rate": 0.00017142823452219038,
540
+ "loss": 0.665,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 2.5,
545
+ "grad_norm": 0.54541015625,
546
+ "learning_rate": 0.00017071067811865476,
547
+ "loss": 0.654,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 2.5324675324675323,
552
+ "grad_norm": 0.5810546875,
553
+ "learning_rate": 0.00016998576507435618,
554
+ "loss": 0.6573,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 2.564935064935065,
559
+ "grad_norm": 0.5234375,
560
+ "learning_rate": 0.00016925357080824118,
561
+ "loss": 0.6627,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 2.5974025974025974,
566
+ "grad_norm": 0.5185546875,
567
+ "learning_rate": 0.00016851417149678444,
568
+ "loss": 0.651,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 2.62987012987013,
573
+ "grad_norm": 0.603515625,
574
+ "learning_rate": 0.0001677676440660636,
575
+ "loss": 0.6616,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 2.6623376623376624,
580
+ "grad_norm": 1.826171875,
581
+ "learning_rate": 0.00016701406618375596,
582
+ "loss": 0.6668,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 2.6948051948051948,
587
+ "grad_norm": 0.541015625,
588
+ "learning_rate": 0.00016625351625105796,
589
+ "loss": 0.6661,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 2.7272727272727275,
594
+ "grad_norm": 0.61328125,
595
+ "learning_rate": 0.00016548607339452853,
596
+ "loss": 0.6378,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 2.75974025974026,
601
+ "grad_norm": 0.52001953125,
602
+ "learning_rate": 0.00016471181745785672,
603
+ "loss": 0.6672,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 2.792207792207792,
608
+ "grad_norm": 0.5888671875,
609
+ "learning_rate": 0.00016393082899355516,
610
+ "loss": 0.6573,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 2.824675324675325,
615
+ "grad_norm": 0.5673828125,
616
+ "learning_rate": 0.0001631431892545791,
617
+ "loss": 0.6471,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 2.857142857142857,
622
+ "grad_norm": 0.69482421875,
623
+ "learning_rate": 0.00016234898018587337,
624
+ "loss": 0.6604,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 2.8896103896103895,
629
+ "grad_norm": 0.5029296875,
630
+ "learning_rate": 0.00016154828441584655,
631
+ "loss": 0.6535,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 2.9220779220779223,
636
+ "grad_norm": 0.49462890625,
637
+ "learning_rate": 0.00016074118524777477,
638
+ "loss": 0.647,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 2.9545454545454546,
643
+ "grad_norm": 0.55322265625,
644
+ "learning_rate": 0.0001599277666511347,
645
+ "loss": 0.66,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 2.987012987012987,
650
+ "grad_norm": 0.5390625,
651
+ "learning_rate": 0.00015910811325286768,
652
+ "loss": 0.6381,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 3.0194805194805197,
657
+ "grad_norm": 0.509765625,
658
+ "learning_rate": 0.00015828231032857503,
659
+ "loss": 0.6559,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 3.051948051948052,
664
+ "grad_norm": 0.55517578125,
665
+ "learning_rate": 0.00015745044379364634,
666
+ "loss": 0.5904,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 3.0844155844155843,
671
+ "grad_norm": 0.58642578125,
672
+ "learning_rate": 0.00015661260019432077,
673
+ "loss": 0.6012,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 3.116883116883117,
678
+ "grad_norm": 0.56640625,
679
+ "learning_rate": 0.00015576886669868296,
680
+ "loss": 0.6161,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 3.1493506493506493,
685
+ "grad_norm": 0.521484375,
686
+ "learning_rate": 0.0001549193310875942,
687
+ "loss": 0.6019,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 3.1818181818181817,
692
+ "grad_norm": 0.55224609375,
693
+ "learning_rate": 0.00015406408174555976,
694
+ "loss": 0.5906,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 3.2142857142857144,
699
+ "grad_norm": 0.61865234375,
700
+ "learning_rate": 0.00015320320765153367,
701
+ "loss": 0.6128,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 3.2467532467532467,
706
+ "grad_norm": 0.642578125,
707
+ "learning_rate": 0.00015233679836966122,
708
+ "loss": 0.6012,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 3.279220779220779,
713
+ "grad_norm": 0.60107421875,
714
+ "learning_rate": 0.000151464944039961,
715
+ "loss": 0.6152,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 3.311688311688312,
720
+ "grad_norm": 0.5966796875,
721
+ "learning_rate": 0.00015058773536894685,
722
+ "loss": 0.5867,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 3.344155844155844,
727
+ "grad_norm": 0.5986328125,
728
+ "learning_rate": 0.00014970526362019079,
729
+ "loss": 0.6248,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 3.3766233766233764,
734
+ "grad_norm": 0.60009765625,
735
+ "learning_rate": 0.00014881762060482814,
736
+ "loss": 0.6134,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 3.409090909090909,
741
+ "grad_norm": 0.5986328125,
742
+ "learning_rate": 0.0001479248986720057,
743
+ "loss": 0.6078,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 3.4415584415584415,
748
+ "grad_norm": 0.5732421875,
749
+ "learning_rate": 0.0001470271906992737,
750
+ "loss": 0.6028,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 3.474025974025974,
755
+ "grad_norm": 0.63623046875,
756
+ "learning_rate": 0.00014612459008292306,
757
+ "loss": 0.6176,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 3.5064935064935066,
762
+ "grad_norm": 0.6259765625,
763
+ "learning_rate": 0.00014521719072826858,
764
+ "loss": 0.6287,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 3.538961038961039,
769
+ "grad_norm": 0.5595703125,
770
+ "learning_rate": 0.00014430508703987914,
771
+ "loss": 0.6007,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 3.571428571428571,
776
+ "grad_norm": 0.62109375,
777
+ "learning_rate": 0.00014338837391175582,
778
+ "loss": 0.6112,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 3.603896103896104,
783
+ "grad_norm": 0.59375,
784
+ "learning_rate": 0.00014246714671745965,
785
+ "loss": 0.6273,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 3.6363636363636362,
790
+ "grad_norm": 0.64501953125,
791
+ "learning_rate": 0.00014154150130018866,
792
+ "loss": 0.5894,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 3.6688311688311686,
797
+ "grad_norm": 0.5341796875,
798
+ "learning_rate": 0.00014061153396280674,
799
+ "loss": 0.6315,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 3.7012987012987013,
804
+ "grad_norm": 0.7060546875,
805
+ "learning_rate": 0.00013967734145782425,
806
+ "loss": 0.6377,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 3.7337662337662336,
811
+ "grad_norm": 0.626953125,
812
+ "learning_rate": 0.0001387390209773323,
813
+ "loss": 0.6212,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 3.7662337662337664,
818
+ "grad_norm": 0.59765625,
819
+ "learning_rate": 0.00013779667014289065,
820
+ "loss": 0.6126,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 3.7987012987012987,
825
+ "grad_norm": 0.67431640625,
826
+ "learning_rate": 0.00013685038699537164,
827
+ "loss": 0.6255,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 3.8311688311688314,
832
+ "grad_norm": 0.6494140625,
833
+ "learning_rate": 0.00013590026998475986,
834
+ "loss": 0.6199,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 3.8636363636363638,
839
+ "grad_norm": 0.6630859375,
840
+ "learning_rate": 0.00013494641795990986,
841
+ "loss": 0.6109,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 3.896103896103896,
846
+ "grad_norm": 0.63525390625,
847
+ "learning_rate": 0.00013398893015826167,
848
+ "loss": 0.6359,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 3.928571428571429,
853
+ "grad_norm": 0.5849609375,
854
+ "learning_rate": 0.00013302790619551674,
855
+ "loss": 0.6523,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 3.961038961038961,
860
+ "grad_norm": 0.59033203125,
861
+ "learning_rate": 0.00013206344605527355,
862
+ "loss": 0.5958,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 3.9935064935064934,
867
+ "grad_norm": 0.62060546875,
868
+ "learning_rate": 0.00013109565007862596,
869
+ "loss": 0.6284,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 4.025974025974026,
874
+ "grad_norm": 0.76904296875,
875
+ "learning_rate": 0.00013012461895372344,
876
+ "loss": 0.5536,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 4.058441558441558,
881
+ "grad_norm": 0.65966796875,
882
+ "learning_rate": 0.00012915045370529585,
883
+ "loss": 0.5586,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 4.090909090909091,
888
+ "grad_norm": 0.64599609375,
889
+ "learning_rate": 0.00012817325568414297,
890
+ "loss": 0.581,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 4.123376623376624,
895
+ "grad_norm": 0.681640625,
896
+ "learning_rate": 0.00012719312655658994,
897
+ "loss": 0.545,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 4.1558441558441555,
902
+ "grad_norm": 0.6435546875,
903
+ "learning_rate": 0.00012621016829391022,
904
+ "loss": 0.5603,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 4.188311688311688,
909
+ "grad_norm": 0.7587890625,
910
+ "learning_rate": 0.0001252244831617165,
911
+ "loss": 0.557,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 4.220779220779221,
916
+ "grad_norm": 0.642578125,
917
+ "learning_rate": 0.00012423617370932127,
918
+ "loss": 0.5634,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 4.253246753246753,
923
+ "grad_norm": 0.7373046875,
924
+ "learning_rate": 0.00012324534275906748,
925
+ "loss": 0.567,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 4.285714285714286,
930
+ "grad_norm": 0.6796875,
931
+ "learning_rate": 0.00012225209339563145,
932
+ "loss": 0.554,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 4.318181818181818,
937
+ "grad_norm": 0.68310546875,
938
+ "learning_rate": 0.00012125652895529766,
939
+ "loss": 0.5777,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 4.35064935064935,
944
+ "grad_norm": 0.85205078125,
945
+ "learning_rate": 0.0001202587530152081,
946
+ "loss": 0.5824,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 4.383116883116883,
951
+ "grad_norm": 0.70751953125,
952
+ "learning_rate": 0.00011925886938258605,
953
+ "loss": 0.5551,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 4.415584415584416,
958
+ "grad_norm": 0.69140625,
959
+ "learning_rate": 0.00011825698208393619,
960
+ "loss": 0.574,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 4.448051948051948,
965
+ "grad_norm": 0.708984375,
966
+ "learning_rate": 0.00011725319535422188,
967
+ "loss": 0.5919,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 4.48051948051948,
972
+ "grad_norm": 0.6796875,
973
+ "learning_rate": 0.00011624761362602061,
974
+ "loss": 0.5592,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 4.512987012987013,
979
+ "grad_norm": 0.66455078125,
980
+ "learning_rate": 0.00011524034151865903,
981
+ "loss": 0.5882,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 4.545454545454545,
986
+ "grad_norm": 0.7119140625,
987
+ "learning_rate": 0.00011423148382732853,
988
+ "loss": 0.5741,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 4.577922077922078,
993
+ "grad_norm": 0.66748046875,
994
+ "learning_rate": 0.00011322114551218239,
995
+ "loss": 0.5842,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 4.6103896103896105,
1000
+ "grad_norm": 0.69873046875,
1001
+ "learning_rate": 0.000112209431687416,
1002
+ "loss": 0.5626,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 4.642857142857143,
1007
+ "grad_norm": 0.6357421875,
1008
+ "learning_rate": 0.00011119644761033078,
1009
+ "loss": 0.5657,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 4.675324675324675,
1014
+ "grad_norm": 0.677734375,
1015
+ "learning_rate": 0.00011018229867038356,
1016
+ "loss": 0.5664,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 4.707792207792208,
1021
+ "grad_norm": 0.7998046875,
1022
+ "learning_rate": 0.00010916709037822173,
1023
+ "loss": 0.5758,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 4.740259740259741,
1028
+ "grad_norm": 0.68212890625,
1029
+ "learning_rate": 0.00010815092835470633,
1030
+ "loss": 0.5785,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 4.7727272727272725,
1035
+ "grad_norm": 0.75341796875,
1036
+ "learning_rate": 0.00010713391831992323,
1037
+ "loss": 0.5646,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 4.805194805194805,
1042
+ "grad_norm": 0.65478515625,
1043
+ "learning_rate": 0.00010611616608218429,
1044
+ "loss": 0.577,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 4.837662337662338,
1049
+ "grad_norm": 0.7626953125,
1050
+ "learning_rate": 0.00010509777752701899,
1051
+ "loss": 0.5878,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 4.87012987012987,
1056
+ "grad_norm": 0.88623046875,
1057
+ "learning_rate": 0.00010407885860615859,
1058
+ "loss": 0.5931,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 4.902597402597403,
1063
+ "grad_norm": 0.80419921875,
1064
+ "learning_rate": 0.00010305951532651261,
1065
+ "loss": 0.5946,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 4.935064935064935,
1070
+ "grad_norm": 0.71630859375,
1071
+ "learning_rate": 0.00010203985373914056,
1072
+ "loss": 0.5671,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 4.967532467532467,
1077
+ "grad_norm": 0.73779296875,
1078
+ "learning_rate": 0.00010101997992821797,
1079
+ "loss": 0.5942,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 5.0,
1084
+ "grad_norm": 0.67333984375,
1085
+ "learning_rate": 0.0001,
1086
+ "loss": 0.5654,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 5.032467532467533,
1091
+ "grad_norm": 0.7333984375,
1092
+ "learning_rate": 9.898002007178204e-05,
1093
+ "loss": 0.5399,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 5.064935064935065,
1098
+ "grad_norm": 0.77001953125,
1099
+ "learning_rate": 9.79601462608595e-05,
1100
+ "loss": 0.4992,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 5.097402597402597,
1105
+ "grad_norm": 0.74267578125,
1106
+ "learning_rate": 9.69404846734874e-05,
1107
+ "loss": 0.5386,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 5.12987012987013,
1112
+ "grad_norm": 0.87060546875,
1113
+ "learning_rate": 9.592114139384145e-05,
1114
+ "loss": 0.5219,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 5.162337662337662,
1119
+ "grad_norm": 0.8505859375,
1120
+ "learning_rate": 9.490222247298099e-05,
1121
+ "loss": 0.5218,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 5.194805194805195,
1126
+ "grad_norm": 0.7724609375,
1127
+ "learning_rate": 9.388383391781575e-05,
1128
+ "loss": 0.5193,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 5.2272727272727275,
1133
+ "grad_norm": 0.8701171875,
1134
+ "learning_rate": 9.286608168007678e-05,
1135
+ "loss": 0.5356,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 5.259740259740259,
1140
+ "grad_norm": 0.7861328125,
1141
+ "learning_rate": 9.184907164529368e-05,
1142
+ "loss": 0.5276,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 5.292207792207792,
1147
+ "grad_norm": 0.86083984375,
1148
+ "learning_rate": 9.083290962177828e-05,
1149
+ "loss": 0.5385,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 5.324675324675325,
1154
+ "grad_norm": 0.8212890625,
1155
+ "learning_rate": 8.981770132961649e-05,
1156
+ "loss": 0.5315,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 5.357142857142857,
1161
+ "grad_norm": 0.77001953125,
1162
+ "learning_rate": 8.880355238966923e-05,
1163
+ "loss": 0.5144,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 5.3896103896103895,
1168
+ "grad_norm": 0.8388671875,
1169
+ "learning_rate": 8.779056831258402e-05,
1170
+ "loss": 0.557,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 5.422077922077922,
1175
+ "grad_norm": 0.84326171875,
1176
+ "learning_rate": 8.67788544878176e-05,
1177
+ "loss": 0.5406,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 5.454545454545454,
1182
+ "grad_norm": 0.9423828125,
1183
+ "learning_rate": 8.57685161726715e-05,
1184
+ "loss": 0.5483,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 5.487012987012987,
1189
+ "grad_norm": 0.7421875,
1190
+ "learning_rate": 8.475965848134099e-05,
1191
+ "loss": 0.5399,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 5.51948051948052,
1196
+ "grad_norm": 0.8623046875,
1197
+ "learning_rate": 8.375238637397942e-05,
1198
+ "loss": 0.5427,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 5.551948051948052,
1203
+ "grad_norm": 0.796875,
1204
+ "learning_rate": 8.274680464577816e-05,
1205
+ "loss": 0.4993,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 5.584415584415584,
1210
+ "grad_norm": 0.6953125,
1211
+ "learning_rate": 8.174301791606385e-05,
1212
+ "loss": 0.5258,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 5.616883116883117,
1217
+ "grad_norm": 0.81591796875,
1218
+ "learning_rate": 8.074113061741397e-05,
1219
+ "loss": 0.5342,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 5.64935064935065,
1224
+ "grad_norm": 0.8369140625,
1225
+ "learning_rate": 7.974124698479192e-05,
1226
+ "loss": 0.5295,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 5.681818181818182,
1231
+ "grad_norm": 0.77392578125,
1232
+ "learning_rate": 7.874347104470234e-05,
1233
+ "loss": 0.5291,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 5.714285714285714,
1238
+ "grad_norm": 1.908203125,
1239
+ "learning_rate": 7.774790660436858e-05,
1240
+ "loss": 0.5367,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 5.746753246753247,
1245
+ "grad_norm": 0.82861328125,
1246
+ "learning_rate": 7.675465724093254e-05,
1247
+ "loss": 0.5437,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 5.779220779220779,
1252
+ "grad_norm": 0.84228515625,
1253
+ "learning_rate": 7.576382629067877e-05,
1254
+ "loss": 0.5168,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 5.811688311688312,
1259
+ "grad_norm": 0.7587890625,
1260
+ "learning_rate": 7.47755168382835e-05,
1261
+ "loss": 0.5411,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 5.8441558441558445,
1266
+ "grad_norm": 0.77001953125,
1267
+ "learning_rate": 7.378983170608982e-05,
1268
+ "loss": 0.5443,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 5.876623376623376,
1273
+ "grad_norm": 0.75048828125,
1274
+ "learning_rate": 7.280687344341007e-05,
1275
+ "loss": 0.5365,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 5.909090909090909,
1280
+ "grad_norm": 0.7861328125,
1281
+ "learning_rate": 7.182674431585704e-05,
1282
+ "loss": 0.5274,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 5.941558441558442,
1287
+ "grad_norm": 0.83984375,
1288
+ "learning_rate": 7.084954629470417e-05,
1289
+ "loss": 0.5325,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 5.974025974025974,
1294
+ "grad_norm": 0.986328125,
1295
+ "learning_rate": 6.98753810462766e-05,
1296
+ "loss": 0.5503,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 6.0064935064935066,
1301
+ "grad_norm": 0.72314453125,
1302
+ "learning_rate": 6.890434992137407e-05,
1303
+ "loss": 0.5213,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 6.038961038961039,
1308
+ "grad_norm": 0.74560546875,
1309
+ "learning_rate": 6.793655394472644e-05,
1310
+ "loss": 0.4754,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 6.071428571428571,
1315
+ "grad_norm": 0.826171875,
1316
+ "learning_rate": 6.697209380448333e-05,
1317
+ "loss": 0.4703,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 6.103896103896104,
1322
+ "grad_norm": 0.90283203125,
1323
+ "learning_rate": 6.601106984173835e-05,
1324
+ "loss": 0.5074,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 6.136363636363637,
1329
+ "grad_norm": 0.91650390625,
1330
+ "learning_rate": 6.505358204009017e-05,
1331
+ "loss": 0.4941,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 6.1688311688311686,
1336
+ "grad_norm": 0.8486328125,
1337
+ "learning_rate": 6.409973001524012e-05,
1338
+ "loss": 0.4937,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 6.201298701298701,
1343
+ "grad_norm": 0.92822265625,
1344
+ "learning_rate": 6.314961300462841e-05,
1345
+ "loss": 0.5005,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 6.233766233766234,
1350
+ "grad_norm": 0.85546875,
1351
+ "learning_rate": 6.220332985710936e-05,
1352
+ "loss": 0.4936,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 6.266233766233766,
1357
+ "grad_norm": 0.91162109375,
1358
+ "learning_rate": 6.126097902266772e-05,
1359
+ "loss": 0.4682,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 6.298701298701299,
1364
+ "grad_norm": 0.88232421875,
1365
+ "learning_rate": 6.0322658542175736e-05,
1366
+ "loss": 0.5096,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 6.3311688311688314,
1371
+ "grad_norm": 0.90576171875,
1372
+ "learning_rate": 5.938846603719332e-05,
1373
+ "loss": 0.5064,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 6.363636363636363,
1378
+ "grad_norm": 0.931640625,
1379
+ "learning_rate": 5.845849869981137e-05,
1380
+ "loss": 0.5013,
1381
+ "step": 1960
1382
+ },
1383
+ {
1384
+ "epoch": 6.396103896103896,
1385
+ "grad_norm": 0.8046875,
1386
+ "learning_rate": 5.7532853282540387e-05,
1387
+ "loss": 0.4929,
1388
+ "step": 1970
1389
+ },
1390
+ {
1391
+ "epoch": 6.428571428571429,
1392
+ "grad_norm": 0.8662109375,
1393
+ "learning_rate": 5.6611626088244194e-05,
1394
+ "loss": 0.5128,
1395
+ "step": 1980
1396
+ },
1397
+ {
1398
+ "epoch": 6.461038961038961,
1399
+ "grad_norm": 0.9287109375,
1400
+ "learning_rate": 5.569491296012095e-05,
1401
+ "loss": 0.4912,
1402
+ "step": 1990
1403
+ },
1404
+ {
1405
+ "epoch": 6.4935064935064934,
1406
+ "grad_norm": 0.76904296875,
1407
+ "learning_rate": 5.478280927173145e-05,
1408
+ "loss": 0.4999,
1409
+ "step": 2000
1410
+ },
1411
+ {
1412
+ "epoch": 6.525974025974026,
1413
+ "grad_norm": 0.93701171875,
1414
+ "learning_rate": 5.387540991707697e-05,
1415
+ "loss": 0.4988,
1416
+ "step": 2010
1417
+ },
1418
+ {
1419
+ "epoch": 6.558441558441558,
1420
+ "grad_norm": 0.8828125,
1421
+ "learning_rate": 5.297280930072632e-05,
1422
+ "loss": 0.4825,
1423
+ "step": 2020
1424
+ },
1425
+ {
1426
+ "epoch": 6.590909090909091,
1427
+ "grad_norm": 0.83984375,
1428
+ "learning_rate": 5.207510132799436e-05,
1429
+ "loss": 0.5054,
1430
+ "step": 2030
1431
+ },
1432
+ {
1433
+ "epoch": 6.623376623376624,
1434
+ "grad_norm": 0.88671875,
1435
+ "learning_rate": 5.11823793951719e-05,
1436
+ "loss": 0.4975,
1437
+ "step": 2040
1438
+ },
1439
+ {
1440
+ "epoch": 6.6558441558441555,
1441
+ "grad_norm": 0.9208984375,
1442
+ "learning_rate": 5.029473637980926e-05,
1443
+ "loss": 0.497,
1444
+ "step": 2050
1445
+ },
1446
+ {
1447
+ "epoch": 6.688311688311688,
1448
+ "grad_norm": 0.86865234375,
1449
+ "learning_rate": 4.9412264631053216e-05,
1450
+ "loss": 0.4983,
1451
+ "step": 2060
1452
+ },
1453
+ {
1454
+ "epoch": 6.720779220779221,
1455
+ "grad_norm": 0.9228515625,
1456
+ "learning_rate": 4.853505596003905e-05,
1457
+ "loss": 0.522,
1458
+ "step": 2070
1459
+ },
1460
+ {
1461
+ "epoch": 6.753246753246753,
1462
+ "grad_norm": 0.86865234375,
1463
+ "learning_rate": 4.7663201630338816e-05,
1464
+ "loss": 0.4981,
1465
+ "step": 2080
1466
+ },
1467
+ {
1468
+ "epoch": 6.785714285714286,
1469
+ "grad_norm": 0.87060546875,
1470
+ "learning_rate": 4.6796792348466356e-05,
1471
+ "loss": 0.4795,
1472
+ "step": 2090
1473
+ },
1474
+ {
1475
+ "epoch": 6.818181818181818,
1476
+ "grad_norm": 1.0458984375,
1477
+ "learning_rate": 4.593591825444028e-05,
1478
+ "loss": 0.5133,
1479
+ "step": 2100
1480
+ },
1481
+ {
1482
+ "epoch": 6.85064935064935,
1483
+ "grad_norm": 0.828125,
1484
+ "learning_rate": 4.5080668912405855e-05,
1485
+ "loss": 0.5019,
1486
+ "step": 2110
1487
+ },
1488
+ {
1489
+ "epoch": 6.883116883116883,
1490
+ "grad_norm": 0.87158203125,
1491
+ "learning_rate": 4.423113330131707e-05,
1492
+ "loss": 0.4884,
1493
+ "step": 2120
1494
+ },
1495
+ {
1496
+ "epoch": 6.915584415584416,
1497
+ "grad_norm": 0.82568359375,
1498
+ "learning_rate": 4.3387399805679255e-05,
1499
+ "loss": 0.492,
1500
+ "step": 2130
1501
+ },
1502
+ {
1503
+ "epoch": 6.948051948051948,
1504
+ "grad_norm": 0.87255859375,
1505
+ "learning_rate": 4.25495562063537e-05,
1506
+ "loss": 0.489,
1507
+ "step": 2140
1508
+ },
1509
+ {
1510
+ "epoch": 6.98051948051948,
1511
+ "grad_norm": 0.90869140625,
1512
+ "learning_rate": 4.1717689671425e-05,
1513
+ "loss": 0.4903,
1514
+ "step": 2150
1515
+ },
1516
+ {
1517
+ "epoch": 7.012987012987013,
1518
+ "grad_norm": 0.87060546875,
1519
+ "learning_rate": 4.089188674713236e-05,
1520
+ "loss": 0.4801,
1521
+ "step": 2160
1522
+ },
1523
+ {
1524
+ "epoch": 7.045454545454546,
1525
+ "grad_norm": 0.94970703125,
1526
+ "learning_rate": 4.007223334886531e-05,
1527
+ "loss": 0.4534,
1528
+ "step": 2170
1529
+ },
1530
+ {
1531
+ "epoch": 7.077922077922078,
1532
+ "grad_norm": 0.92138671875,
1533
+ "learning_rate": 3.9258814752225284e-05,
1534
+ "loss": 0.4601,
1535
+ "step": 2180
1536
+ },
1537
+ {
1538
+ "epoch": 7.1103896103896105,
1539
+ "grad_norm": 0.87841796875,
1540
+ "learning_rate": 3.845171558415348e-05,
1541
+ "loss": 0.4498,
1542
+ "step": 2190
1543
+ },
1544
+ {
1545
+ "epoch": 7.142857142857143,
1546
+ "grad_norm": 0.994140625,
1547
+ "learning_rate": 3.7651019814126654e-05,
1548
+ "loss": 0.4679,
1549
+ "step": 2200
1550
+ },
1551
+ {
1552
+ "epoch": 7.175324675324675,
1553
+ "grad_norm": 0.98193359375,
1554
+ "learning_rate": 3.6856810745420886e-05,
1555
+ "loss": 0.468,
1556
+ "step": 2210
1557
+ },
1558
+ {
1559
+ "epoch": 7.207792207792208,
1560
+ "grad_norm": 0.89111328125,
1561
+ "learning_rate": 3.606917100644488e-05,
1562
+ "loss": 0.4599,
1563
+ "step": 2220
1564
+ },
1565
+ {
1566
+ "epoch": 7.240259740259741,
1567
+ "grad_norm": 1.123046875,
1568
+ "learning_rate": 3.528818254214329e-05,
1569
+ "loss": 0.4696,
1570
+ "step": 2230
1571
+ },
1572
+ {
1573
+ "epoch": 7.2727272727272725,
1574
+ "grad_norm": 0.85107421875,
1575
+ "learning_rate": 3.45139266054715e-05,
1576
+ "loss": 0.4594,
1577
+ "step": 2240
1578
+ },
1579
+ {
1580
+ "epoch": 7.305194805194805,
1581
+ "grad_norm": 0.86181640625,
1582
+ "learning_rate": 3.374648374894204e-05,
1583
+ "loss": 0.4488,
1584
+ "step": 2250
1585
+ },
1586
+ {
1587
+ "epoch": 7.337662337662338,
1588
+ "grad_norm": 0.97705078125,
1589
+ "learning_rate": 3.298593381624406e-05,
1590
+ "loss": 0.4619,
1591
+ "step": 2260
1592
+ },
1593
+ {
1594
+ "epoch": 7.37012987012987,
1595
+ "grad_norm": 0.90869140625,
1596
+ "learning_rate": 3.223235593393642e-05,
1597
+ "loss": 0.4717,
1598
+ "step": 2270
1599
+ },
1600
+ {
1601
+ "epoch": 7.402597402597403,
1602
+ "grad_norm": 0.974609375,
1603
+ "learning_rate": 3.1485828503215585e-05,
1604
+ "loss": 0.472,
1605
+ "step": 2280
1606
+ },
1607
+ {
1608
+ "epoch": 7.435064935064935,
1609
+ "grad_norm": 0.921875,
1610
+ "learning_rate": 3.074642919175883e-05,
1611
+ "loss": 0.478,
1612
+ "step": 2290
1613
+ },
1614
+ {
1615
+ "epoch": 7.467532467532467,
1616
+ "grad_norm": 0.91015625,
1617
+ "learning_rate": 3.0014234925643837e-05,
1618
+ "loss": 0.4605,
1619
+ "step": 2300
1620
+ },
1621
+ {
1622
+ "epoch": 7.5,
1623
+ "grad_norm": 1.04296875,
1624
+ "learning_rate": 2.9289321881345254e-05,
1625
+ "loss": 0.4573,
1626
+ "step": 2310
1627
+ },
1628
+ {
1629
+ "epoch": 7.532467532467533,
1630
+ "grad_norm": 0.93994140625,
1631
+ "learning_rate": 2.8571765477809643e-05,
1632
+ "loss": 0.462,
1633
+ "step": 2320
1634
+ },
1635
+ {
1636
+ "epoch": 7.564935064935065,
1637
+ "grad_norm": 0.9765625,
1638
+ "learning_rate": 2.7861640368608844e-05,
1639
+ "loss": 0.4722,
1640
+ "step": 2330
1641
+ },
1642
+ {
1643
+ "epoch": 7.597402597402597,
1644
+ "grad_norm": 1.0263671875,
1645
+ "learning_rate": 2.71590204341731e-05,
1646
+ "loss": 0.4719,
1647
+ "step": 2340
1648
+ },
1649
+ {
1650
+ "epoch": 7.62987012987013,
1651
+ "grad_norm": 0.8818359375,
1652
+ "learning_rate": 2.6463978774104758e-05,
1653
+ "loss": 0.4476,
1654
+ "step": 2350
1655
+ },
1656
+ {
1657
+ "epoch": 7.662337662337662,
1658
+ "grad_norm": 1.0595703125,
1659
+ "learning_rate": 2.5776587699573006e-05,
1660
+ "loss": 0.4742,
1661
+ "step": 2360
1662
+ },
1663
+ {
1664
+ "epoch": 7.694805194805195,
1665
+ "grad_norm": 1.0439453125,
1666
+ "learning_rate": 2.509691872579075e-05,
1667
+ "loss": 0.4714,
1668
+ "step": 2370
1669
+ },
1670
+ {
1671
+ "epoch": 7.7272727272727275,
1672
+ "grad_norm": 0.89404296875,
1673
+ "learning_rate": 2.4425042564574184e-05,
1674
+ "loss": 0.4771,
1675
+ "step": 2380
1676
+ },
1677
+ {
1678
+ "epoch": 7.759740259740259,
1679
+ "grad_norm": 0.90673828125,
1680
+ "learning_rate": 2.3761029116986178e-05,
1681
+ "loss": 0.4537,
1682
+ "step": 2390
1683
+ },
1684
+ {
1685
+ "epoch": 7.792207792207792,
1686
+ "grad_norm": 0.958984375,
1687
+ "learning_rate": 2.3104947466063787e-05,
1688
+ "loss": 0.4678,
1689
+ "step": 2400
1690
+ },
1691
+ {
1692
+ "epoch": 7.824675324675325,
1693
+ "grad_norm": 1.1796875,
1694
+ "learning_rate": 2.2456865869630972e-05,
1695
+ "loss": 0.4819,
1696
+ "step": 2410
1697
+ },
1698
+ {
1699
+ "epoch": 7.857142857142857,
1700
+ "grad_norm": 0.95068359375,
1701
+ "learning_rate": 2.181685175319702e-05,
1702
+ "loss": 0.4759,
1703
+ "step": 2420
1704
+ },
1705
+ {
1706
+ "epoch": 7.8896103896103895,
1707
+ "grad_norm": 0.99755859375,
1708
+ "learning_rate": 2.118497170294195e-05,
1709
+ "loss": 0.4795,
1710
+ "step": 2430
1711
+ },
1712
+ {
1713
+ "epoch": 7.922077922077922,
1714
+ "grad_norm": 1.0068359375,
1715
+ "learning_rate": 2.0561291458788733e-05,
1716
+ "loss": 0.4593,
1717
+ "step": 2440
1718
+ },
1719
+ {
1720
+ "epoch": 7.954545454545455,
1721
+ "grad_norm": 1.1923828125,
1722
+ "learning_rate": 1.994587590756397e-05,
1723
+ "loss": 0.4653,
1724
+ "step": 2450
1725
+ },
1726
+ {
1727
+ "epoch": 7.987012987012987,
1728
+ "grad_norm": 0.9072265625,
1729
+ "learning_rate": 1.9338789076247e-05,
1730
+ "loss": 0.4776,
1731
+ "step": 2460
1732
+ },
1733
+ {
1734
+ "epoch": 8.019480519480519,
1735
+ "grad_norm": 0.8837890625,
1736
+ "learning_rate": 1.874009412530877e-05,
1737
+ "loss": 0.4631,
1738
+ "step": 2470
1739
+ },
1740
+ {
1741
+ "epoch": 8.051948051948052,
1742
+ "grad_norm": 0.9091796875,
1743
+ "learning_rate": 1.8149853342140645e-05,
1744
+ "loss": 0.4328,
1745
+ "step": 2480
1746
+ },
1747
+ {
1748
+ "epoch": 8.084415584415584,
1749
+ "grad_norm": 1.1220703125,
1750
+ "learning_rate": 1.7568128134574113e-05,
1751
+ "loss": 0.4424,
1752
+ "step": 2490
1753
+ },
1754
+ {
1755
+ "epoch": 8.116883116883116,
1756
+ "grad_norm": 0.95947265625,
1757
+ "learning_rate": 1.6994979024491942e-05,
1758
+ "loss": 0.4333,
1759
+ "step": 2500
1760
+ },
1761
+ {
1762
+ "epoch": 8.14935064935065,
1763
+ "grad_norm": 0.89794921875,
1764
+ "learning_rate": 1.64304656415317e-05,
1765
+ "loss": 0.4438,
1766
+ "step": 2510
1767
+ },
1768
+ {
1769
+ "epoch": 8.181818181818182,
1770
+ "grad_norm": 1.0498046875,
1771
+ "learning_rate": 1.587464671688187e-05,
1772
+ "loss": 0.4356,
1773
+ "step": 2520
1774
+ },
1775
+ {
1776
+ "epoch": 8.214285714285714,
1777
+ "grad_norm": 0.93212890625,
1778
+ "learning_rate": 1.5327580077171587e-05,
1779
+ "loss": 0.4312,
1780
+ "step": 2530
1781
+ },
1782
+ {
1783
+ "epoch": 8.246753246753247,
1784
+ "grad_norm": 0.90771484375,
1785
+ "learning_rate": 1.4789322638454351e-05,
1786
+ "loss": 0.4429,
1787
+ "step": 2540
1788
+ },
1789
+ {
1790
+ "epoch": 8.279220779220779,
1791
+ "grad_norm": 1.046875,
1792
+ "learning_rate": 1.4259930400286669e-05,
1793
+ "loss": 0.4469,
1794
+ "step": 2550
1795
+ },
1796
+ {
1797
+ "epoch": 8.311688311688311,
1798
+ "grad_norm": 1.0224609375,
1799
+ "learning_rate": 1.373945843990192e-05,
1800
+ "loss": 0.4497,
1801
+ "step": 2560
1802
+ },
1803
+ {
1804
+ "epoch": 8.344155844155845,
1805
+ "grad_norm": 1.712890625,
1806
+ "learning_rate": 1.322796090648013e-05,
1807
+ "loss": 0.4467,
1808
+ "step": 2570
1809
+ },
1810
+ {
1811
+ "epoch": 8.376623376623376,
1812
+ "grad_norm": 0.923828125,
1813
+ "learning_rate": 1.272549101551438e-05,
1814
+ "loss": 0.4437,
1815
+ "step": 2580
1816
+ },
1817
+ {
1818
+ "epoch": 8.409090909090908,
1819
+ "grad_norm": 1.134765625,
1820
+ "learning_rate": 1.2232101043274436e-05,
1821
+ "loss": 0.4374,
1822
+ "step": 2590
1823
+ },
1824
+ {
1825
+ "epoch": 8.441558441558442,
1826
+ "grad_norm": 1.0517578125,
1827
+ "learning_rate": 1.1747842321367886e-05,
1828
+ "loss": 0.4516,
1829
+ "step": 2600
1830
+ },
1831
+ {
1832
+ "epoch": 8.474025974025974,
1833
+ "grad_norm": 0.9755859375,
1834
+ "learning_rate": 1.1272765231399685e-05,
1835
+ "loss": 0.4382,
1836
+ "step": 2610
1837
+ },
1838
+ {
1839
+ "epoch": 8.506493506493506,
1840
+ "grad_norm": 1.1240234375,
1841
+ "learning_rate": 1.0806919199730615e-05,
1842
+ "loss": 0.4438,
1843
+ "step": 2620
1844
+ },
1845
+ {
1846
+ "epoch": 8.53896103896104,
1847
+ "grad_norm": 0.9833984375,
1848
+ "learning_rate": 1.035035269233493e-05,
1849
+ "loss": 0.446,
1850
+ "step": 2630
1851
+ },
1852
+ {
1853
+ "epoch": 8.571428571428571,
1854
+ "grad_norm": 0.97412109375,
1855
+ "learning_rate": 9.903113209758096e-06,
1856
+ "loss": 0.4419,
1857
+ "step": 2640
1858
+ },
1859
+ {
1860
+ "epoch": 8.603896103896105,
1861
+ "grad_norm": 1.0947265625,
1862
+ "learning_rate": 9.465247282174805e-06,
1863
+ "loss": 0.4607,
1864
+ "step": 2650
1865
+ },
1866
+ {
1867
+ "epoch": 8.636363636363637,
1868
+ "grad_norm": 0.912109375,
1869
+ "learning_rate": 9.036800464548157e-06,
1870
+ "loss": 0.4575,
1871
+ "step": 2660
1872
+ },
1873
+ {
1874
+ "epoch": 8.668831168831169,
1875
+ "grad_norm": 0.91845703125,
1876
+ "learning_rate": 8.617817331890154e-06,
1877
+ "loss": 0.4486,
1878
+ "step": 2670
1879
+ },
1880
+ {
1881
+ "epoch": 8.7012987012987,
1882
+ "grad_norm": 1.0595703125,
1883
+ "learning_rate": 8.208341474624071e-06,
1884
+ "loss": 0.455,
1885
+ "step": 2680
1886
+ },
1887
+ {
1888
+ "epoch": 8.733766233766234,
1889
+ "grad_norm": 0.98095703125,
1890
+ "learning_rate": 7.808415494049514e-06,
1891
+ "loss": 0.4565,
1892
+ "step": 2690
1893
+ },
1894
+ {
1895
+ "epoch": 8.766233766233766,
1896
+ "grad_norm": 0.9755859375,
1897
+ "learning_rate": 7.4180809979102036e-06,
1898
+ "loss": 0.447,
1899
+ "step": 2700
1900
+ },
1901
+ {
1902
+ "epoch": 8.7987012987013,
1903
+ "grad_norm": 1.0478515625,
1904
+ "learning_rate": 7.0373785960650475e-06,
1905
+ "loss": 0.4431,
1906
+ "step": 2710
1907
+ },
1908
+ {
1909
+ "epoch": 8.831168831168831,
1910
+ "grad_norm": 0.97802734375,
1911
+ "learning_rate": 6.666347896263325e-06,
1912
+ "loss": 0.4479,
1913
+ "step": 2720
1914
+ },
1915
+ {
1916
+ "epoch": 8.863636363636363,
1917
+ "grad_norm": 0.8994140625,
1918
+ "learning_rate": 6.3050275000238414e-06,
1919
+ "loss": 0.4558,
1920
+ "step": 2730
1921
+ },
1922
+ {
1923
+ "epoch": 8.896103896103895,
1924
+ "grad_norm": 1.087890625,
1925
+ "learning_rate": 5.953454998618857e-06,
1926
+ "loss": 0.4357,
1927
+ "step": 2740
1928
+ },
1929
+ {
1930
+ "epoch": 8.928571428571429,
1931
+ "grad_norm": 1.0263671875,
1932
+ "learning_rate": 5.611666969163243e-06,
1933
+ "loss": 0.4464,
1934
+ "step": 2750
1935
+ },
1936
+ {
1937
+ "epoch": 8.96103896103896,
1938
+ "grad_norm": 0.93505859375,
1939
+ "learning_rate": 5.27969897080901e-06,
1940
+ "loss": 0.4459,
1941
+ "step": 2760
1942
+ },
1943
+ {
1944
+ "epoch": 8.993506493506494,
1945
+ "grad_norm": 0.96435546875,
1946
+ "learning_rate": 4.957585541045684e-06,
1947
+ "loss": 0.4749,
1948
+ "step": 2770
1949
+ },
1950
+ {
1951
+ "epoch": 9.025974025974026,
1952
+ "grad_norm": 1.185546875,
1953
+ "learning_rate": 4.6453601921072395e-06,
1954
+ "loss": 0.4351,
1955
+ "step": 2780
1956
+ },
1957
+ {
1958
+ "epoch": 9.058441558441558,
1959
+ "grad_norm": 0.95849609375,
1960
+ "learning_rate": 4.34305540748543e-06,
1961
+ "loss": 0.429,
1962
+ "step": 2790
1963
+ },
1964
+ {
1965
+ "epoch": 9.090909090909092,
1966
+ "grad_norm": 0.93701171875,
1967
+ "learning_rate": 4.050702638550275e-06,
1968
+ "loss": 0.4335,
1969
+ "step": 2800
1970
+ },
1971
+ {
1972
+ "epoch": 9.123376623376624,
1973
+ "grad_norm": 0.982421875,
1974
+ "learning_rate": 3.768332301277866e-06,
1975
+ "loss": 0.445,
1976
+ "step": 2810
1977
+ },
1978
+ {
1979
+ "epoch": 9.155844155844155,
1980
+ "grad_norm": 0.935546875,
1981
+ "learning_rate": 3.495973773086014e-06,
1982
+ "loss": 0.4316,
1983
+ "step": 2820
1984
+ },
1985
+ {
1986
+ "epoch": 9.188311688311689,
1987
+ "grad_norm": 1.0439453125,
1988
+ "learning_rate": 3.233655389777801e-06,
1989
+ "loss": 0.4395,
1990
+ "step": 2830
1991
+ },
1992
+ {
1993
+ "epoch": 9.220779220779221,
1994
+ "grad_norm": 0.9423828125,
1995
+ "learning_rate": 2.9814044425935606e-06,
1996
+ "loss": 0.4207,
1997
+ "step": 2840
1998
+ },
1999
+ {
2000
+ "epoch": 9.253246753246753,
2001
+ "grad_norm": 1.09765625,
2002
+ "learning_rate": 2.739247175371562e-06,
2003
+ "loss": 0.4503,
2004
+ "step": 2850
2005
+ },
2006
+ {
2007
+ "epoch": 9.285714285714286,
2008
+ "grad_norm": 1.0166015625,
2009
+ "learning_rate": 2.5072087818176382e-06,
2010
+ "loss": 0.454,
2011
+ "step": 2860
2012
+ },
2013
+ {
2014
+ "epoch": 9.318181818181818,
2015
+ "grad_norm": 1.01171875,
2016
+ "learning_rate": 2.2853134028840594e-06,
2017
+ "loss": 0.426,
2018
+ "step": 2870
2019
+ },
2020
+ {
2021
+ "epoch": 9.35064935064935,
2022
+ "grad_norm": 1.130859375,
2023
+ "learning_rate": 2.073584124257899e-06,
2024
+ "loss": 0.4464,
2025
+ "step": 2880
2026
+ },
2027
+ {
2028
+ "epoch": 9.383116883116884,
2029
+ "grad_norm": 0.888671875,
2030
+ "learning_rate": 1.8720429739592982e-06,
2031
+ "loss": 0.4535,
2032
+ "step": 2890
2033
+ },
2034
+ {
2035
+ "epoch": 9.415584415584416,
2036
+ "grad_norm": 1.0634765625,
2037
+ "learning_rate": 1.6807109200496995e-06,
2038
+ "loss": 0.4556,
2039
+ "step": 2900
2040
+ },
2041
+ {
2042
+ "epoch": 9.448051948051948,
2043
+ "grad_norm": 0.9482421875,
2044
+ "learning_rate": 1.4996078684503144e-06,
2045
+ "loss": 0.4236,
2046
+ "step": 2910
2047
+ },
2048
+ {
2049
+ "epoch": 9.480519480519481,
2050
+ "grad_norm": 0.85888671875,
2051
+ "learning_rate": 1.3287526608711131e-06,
2052
+ "loss": 0.4366,
2053
+ "step": 2920
2054
+ },
2055
+ {
2056
+ "epoch": 9.512987012987013,
2057
+ "grad_norm": 1.01953125,
2058
+ "learning_rate": 1.1681630728506699e-06,
2059
+ "loss": 0.4236,
2060
+ "step": 2930
2061
+ },
2062
+ {
2063
+ "epoch": 9.545454545454545,
2064
+ "grad_norm": 1.0693359375,
2065
+ "learning_rate": 1.0178558119067315e-06,
2066
+ "loss": 0.4398,
2067
+ "step": 2940
2068
+ },
2069
+ {
2070
+ "epoch": 9.577922077922079,
2071
+ "grad_norm": 0.96337890625,
2072
+ "learning_rate": 8.778465157979976e-07,
2073
+ "loss": 0.4412,
2074
+ "step": 2950
2075
+ },
2076
+ {
2077
+ "epoch": 9.61038961038961,
2078
+ "grad_norm": 0.982421875,
2079
+ "learning_rate": 7.481497508972312e-07,
2080
+ "loss": 0.4307,
2081
+ "step": 2960
2082
+ },
2083
+ {
2084
+ "epoch": 9.642857142857142,
2085
+ "grad_norm": 0.9599609375,
2086
+ "learning_rate": 6.287790106757396e-07,
2087
+ "loss": 0.4415,
2088
+ "step": 2970
2089
+ },
2090
+ {
2091
+ "epoch": 9.675324675324676,
2092
+ "grad_norm": 1.0146484375,
2093
+ "learning_rate": 5.19746714299596e-07,
2094
+ "loss": 0.4412,
2095
+ "step": 2980
2096
+ },
2097
+ {
2098
+ "epoch": 9.707792207792208,
2099
+ "grad_norm": 0.95361328125,
2100
+ "learning_rate": 4.210642053375069e-07,
2101
+ "loss": 0.4416,
2102
+ "step": 2990
2103
+ },
2104
+ {
2105
+ "epoch": 9.74025974025974,
2106
+ "grad_norm": 1.00390625,
2107
+ "learning_rate": 3.3274175058067846e-07,
2108
+ "loss": 0.4383,
2109
+ "step": 3000
2110
+ },
2111
+ {
2112
+ "epoch": 9.772727272727273,
2113
+ "grad_norm": 0.947265625,
2114
+ "learning_rate": 2.547885389746485e-07,
2115
+ "loss": 0.4401,
2116
+ "step": 3010
2117
+ },
2118
+ {
2119
+ "epoch": 9.805194805194805,
2120
+ "grad_norm": 1.0166015625,
2121
+ "learning_rate": 1.8721268066330676e-07,
2122
+ "loss": 0.4332,
2123
+ "step": 3020
2124
+ },
2125
+ {
2126
+ "epoch": 9.837662337662337,
2127
+ "grad_norm": 1.0302734375,
2128
+ "learning_rate": 1.300212061451367e-07,
2129
+ "loss": 0.4358,
2130
+ "step": 3030
2131
+ },
2132
+ {
2133
+ "epoch": 9.87012987012987,
2134
+ "grad_norm": 1.0673828125,
2135
+ "learning_rate": 8.322006554171146e-08,
2136
+ "loss": 0.4412,
2137
+ "step": 3040
2138
+ },
2139
+ {
2140
+ "epoch": 9.902597402597403,
2141
+ "grad_norm": 0.96826171875,
2142
+ "learning_rate": 4.6814127978722644e-08,
2143
+ "loss": 0.4329,
2144
+ "step": 3050
2145
+ },
2146
+ {
2147
+ "epoch": 9.935064935064934,
2148
+ "grad_norm": 1.03515625,
2149
+ "learning_rate": 2.080718107935198e-08,
2150
+ "loss": 0.4401,
2151
+ "step": 3060
2152
+ },
2153
+ {
2154
+ "epoch": 9.967532467532468,
2155
+ "grad_norm": 1.044921875,
2156
+ "learning_rate": 5.201930570242208e-09,
2157
+ "loss": 0.4407,
2158
+ "step": 3070
2159
+ },
2160
+ {
2161
+ "epoch": 10.0,
2162
+ "grad_norm": 0.93701171875,
2163
+ "learning_rate": 0.0,
2164
+ "loss": 0.4513,
2165
+ "step": 3080
2166
+ },
2167
+ {
2168
+ "epoch": 10.0,
2169
+ "step": 3080,
2170
+ "total_flos": 7.864751040233472e+16,
2171
+ "train_loss": 0.5693606966501706,
2172
+ "train_runtime": 1451.854,
2173
+ "train_samples_per_second": 8.486,
2174
+ "train_steps_per_second": 2.121
2175
+ }
2176
+ ],
2177
+ "logging_steps": 10,
2178
+ "max_steps": 3080,
2179
+ "num_input_tokens_seen": 0,
2180
+ "num_train_epochs": 10,
2181
+ "save_steps": 500,
2182
+ "total_flos": 7.864751040233472e+16,
2183
+ "train_batch_size": 1,
2184
+ "trial_name": null,
2185
+ "trial_params": null
2186
+ }
training_args.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:12ee946604c52f18b8942583962537b3a269b7c162271d8a39b56a6778acccf8
3
  size 5048
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:a5ebb2168c296a12d4cddde9b5fb5278e1e03683c75c57622a183944688eeec8
3
  size 5048