{
  "best_metric": 0.41181260347366333,
  "best_model_checkpoint": "mikhail-panzo/zlm-fil_b64_le5_s8000/checkpoint-5000",
  "epoch": 333.3333333333333,
  "eval_steps": 500,
  "global_step": 7500,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 2.2222222222222223,
      "grad_norm": 4.803515434265137,
      "learning_rate": 2.5000000000000004e-07,
      "loss": 0.8968,
      "step": 50
    },
    {
      "epoch": 4.444444444444445,
      "grad_norm": 2.6444506645202637,
      "learning_rate": 5.000000000000001e-07,
      "loss": 0.8539,
      "step": 100
    },
    {
      "epoch": 6.666666666666667,
      "grad_norm": 1.9820537567138672,
      "learning_rate": 7.5e-07,
      "loss": 0.7856,
      "step": 150
    },
    {
      "epoch": 8.88888888888889,
      "grad_norm": 1.2031773328781128,
      "learning_rate": 1.0000000000000002e-06,
      "loss": 0.7306,
      "step": 200
    },
    {
      "epoch": 11.11111111111111,
      "grad_norm": 1.728398084640503,
      "learning_rate": 1.25e-06,
      "loss": 0.6821,
      "step": 250
    },
    {
      "epoch": 13.333333333333334,
      "grad_norm": 1.232366681098938,
      "learning_rate": 1.5e-06,
      "loss": 0.6348,
      "step": 300
    },
    {
      "epoch": 15.555555555555555,
      "grad_norm": 1.4039260149002075,
      "learning_rate": 1.75e-06,
      "loss": 0.5962,
      "step": 350
    },
    {
      "epoch": 17.77777777777778,
      "grad_norm": 1.1848849058151245,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.5758,
      "step": 400
    },
    {
      "epoch": 20.0,
      "grad_norm": 0.9365352392196655,
      "learning_rate": 2.25e-06,
      "loss": 0.5636,
      "step": 450
    },
    {
      "epoch": 22.22222222222222,
      "grad_norm": 0.9893051981925964,
      "learning_rate": 2.5e-06,
      "loss": 0.5529,
      "step": 500
    },
    {
      "epoch": 22.22222222222222,
      "eval_loss": 0.4999743402004242,
      "eval_runtime": 6.8701,
      "eval_samples_per_second": 23.144,
      "eval_steps_per_second": 2.911,
      "step": 500
    },
    {
      "epoch": 24.444444444444443,
      "grad_norm": 0.7535696029663086,
      "learning_rate": 2.7500000000000004e-06,
      "loss": 0.5476,
      "step": 550
    },
    {
      "epoch": 26.666666666666668,
      "grad_norm": 0.7487667202949524,
      "learning_rate": 3e-06,
      "loss": 0.536,
      "step": 600
    },
    {
      "epoch": 28.88888888888889,
      "grad_norm": 0.9480589628219604,
      "learning_rate": 3.2500000000000002e-06,
      "loss": 0.5271,
      "step": 650
    },
    {
      "epoch": 31.11111111111111,
      "grad_norm": 1.0027987957000732,
      "learning_rate": 3.5e-06,
      "loss": 0.5202,
      "step": 700
    },
    {
      "epoch": 33.333333333333336,
      "grad_norm": 0.7353075742721558,
      "learning_rate": 3.7500000000000005e-06,
      "loss": 0.5128,
      "step": 750
    },
    {
      "epoch": 35.55555555555556,
      "grad_norm": 1.2223567962646484,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.5159,
      "step": 800
    },
    {
      "epoch": 37.77777777777778,
      "grad_norm": 0.835096001625061,
      "learning_rate": 4.25e-06,
      "loss": 0.5051,
      "step": 850
    },
    {
      "epoch": 40.0,
      "grad_norm": 0.8878389000892639,
      "learning_rate": 4.5e-06,
      "loss": 0.5044,
      "step": 900
    },
    {
      "epoch": 42.22222222222222,
      "grad_norm": 0.8464574813842773,
      "learning_rate": 4.75e-06,
      "loss": 0.4984,
      "step": 950
    },
    {
      "epoch": 44.44444444444444,
      "grad_norm": 0.8119956254959106,
      "learning_rate": 5e-06,
      "loss": 0.4974,
      "step": 1000
    },
    {
      "epoch": 44.44444444444444,
      "eval_loss": 0.4557439386844635,
      "eval_runtime": 6.6345,
      "eval_samples_per_second": 23.965,
      "eval_steps_per_second": 3.015,
      "step": 1000
    },
    {
      "epoch": 46.666666666666664,
      "grad_norm": 1.2427846193313599,
      "learning_rate": 5.2500000000000006e-06,
      "loss": 0.4943,
      "step": 1050
    },
    {
      "epoch": 48.888888888888886,
      "grad_norm": 0.9691639542579651,
      "learning_rate": 5.500000000000001e-06,
      "loss": 0.4879,
      "step": 1100
    },
    {
      "epoch": 51.111111111111114,
      "grad_norm": 0.815934419631958,
      "learning_rate": 5.75e-06,
      "loss": 0.4825,
      "step": 1150
    },
    {
      "epoch": 53.333333333333336,
      "grad_norm": 1.090553641319275,
      "learning_rate": 6e-06,
      "loss": 0.4875,
      "step": 1200
    },
    {
      "epoch": 55.55555555555556,
      "grad_norm": 1.090770959854126,
      "learning_rate": 6.25e-06,
      "loss": 0.4821,
      "step": 1250
    },
    {
      "epoch": 57.77777777777778,
      "grad_norm": 1.2514219284057617,
      "learning_rate": 6.5000000000000004e-06,
      "loss": 0.4752,
      "step": 1300
    },
    {
      "epoch": 60.0,
      "grad_norm": 1.0580047369003296,
      "learning_rate": 6.750000000000001e-06,
      "loss": 0.4749,
      "step": 1350
    },
    {
      "epoch": 62.22222222222222,
      "grad_norm": 1.2864220142364502,
      "learning_rate": 7e-06,
      "loss": 0.4727,
      "step": 1400
    },
    {
      "epoch": 64.44444444444444,
      "grad_norm": 1.0031774044036865,
      "learning_rate": 7.25e-06,
      "loss": 0.4706,
      "step": 1450
    },
    {
      "epoch": 66.66666666666667,
      "grad_norm": 0.7133861184120178,
      "learning_rate": 7.500000000000001e-06,
      "loss": 0.4716,
      "step": 1500
    },
    {
      "epoch": 66.66666666666667,
      "eval_loss": 0.43592509627342224,
      "eval_runtime": 6.6514,
      "eval_samples_per_second": 23.905,
      "eval_steps_per_second": 3.007,
      "step": 1500
    },
    {
      "epoch": 68.88888888888889,
      "grad_norm": 0.8695252537727356,
      "learning_rate": 7.75e-06,
      "loss": 0.464,
      "step": 1550
    },
    {
      "epoch": 71.11111111111111,
      "grad_norm": 2.2705039978027344,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.4677,
      "step": 1600
    },
    {
      "epoch": 73.33333333333333,
      "grad_norm": 0.8814280033111572,
      "learning_rate": 8.25e-06,
      "loss": 0.4628,
      "step": 1650
    },
    {
      "epoch": 75.55555555555556,
      "grad_norm": 0.6686401963233948,
      "learning_rate": 8.5e-06,
      "loss": 0.4642,
      "step": 1700
    },
    {
      "epoch": 77.77777777777777,
      "grad_norm": 1.1037653684616089,
      "learning_rate": 8.750000000000001e-06,
      "loss": 0.4582,
      "step": 1750
    },
    {
      "epoch": 80.0,
      "grad_norm": 1.0339733362197876,
      "learning_rate": 9e-06,
      "loss": 0.4595,
      "step": 1800
    },
    {
      "epoch": 82.22222222222223,
      "grad_norm": 0.715323269367218,
      "learning_rate": 9.250000000000001e-06,
      "loss": 0.4621,
      "step": 1850
    },
    {
      "epoch": 84.44444444444444,
      "grad_norm": 0.872926652431488,
      "learning_rate": 9.5e-06,
      "loss": 0.4553,
      "step": 1900
    },
    {
      "epoch": 86.66666666666667,
      "grad_norm": 0.8996181488037109,
      "learning_rate": 9.75e-06,
      "loss": 0.4528,
      "step": 1950
    },
    {
      "epoch": 88.88888888888889,
      "grad_norm": 1.3289371728897095,
      "learning_rate": 1e-05,
      "loss": 0.453,
      "step": 2000
    },
    {
      "epoch": 88.88888888888889,
      "eval_loss": 0.4245700240135193,
      "eval_runtime": 6.6886,
      "eval_samples_per_second": 23.772,
      "eval_steps_per_second": 2.99,
      "step": 2000
    },
    {
      "epoch": 91.11111111111111,
      "grad_norm": 0.9035242795944214,
      "learning_rate": 9.916666666666668e-06,
      "loss": 0.4504,
      "step": 2050
    },
    {
      "epoch": 93.33333333333333,
      "grad_norm": 1.091410756111145,
      "learning_rate": 9.833333333333333e-06,
      "loss": 0.4528,
      "step": 2100
    },
    {
      "epoch": 95.55555555555556,
      "grad_norm": 0.7232839465141296,
      "learning_rate": 9.75e-06,
      "loss": 0.4481,
      "step": 2150
    },
    {
      "epoch": 97.77777777777777,
      "grad_norm": 0.9006613492965698,
      "learning_rate": 9.666666666666667e-06,
      "loss": 0.444,
      "step": 2200
    },
    {
      "epoch": 100.0,
      "grad_norm": 0.9088640809059143,
      "learning_rate": 9.583333333333335e-06,
      "loss": 0.4445,
      "step": 2250
    },
    {
      "epoch": 102.22222222222223,
      "grad_norm": 1.2409088611602783,
      "learning_rate": 9.5e-06,
      "loss": 0.4457,
      "step": 2300
    },
    {
      "epoch": 104.44444444444444,
      "grad_norm": 0.749260663986206,
      "learning_rate": 9.416666666666667e-06,
      "loss": 0.4453,
      "step": 2350
    },
    {
      "epoch": 106.66666666666667,
      "grad_norm": 0.7552911639213562,
      "learning_rate": 9.333333333333334e-06,
      "loss": 0.4402,
      "step": 2400
    },
    {
      "epoch": 108.88888888888889,
      "grad_norm": 1.0751075744628906,
      "learning_rate": 9.250000000000001e-06,
      "loss": 0.4417,
      "step": 2450
    },
    {
      "epoch": 111.11111111111111,
      "grad_norm": 0.8774231672286987,
      "learning_rate": 9.166666666666666e-06,
      "loss": 0.4428,
      "step": 2500
    },
    {
      "epoch": 111.11111111111111,
      "eval_loss": 0.41958874464035034,
      "eval_runtime": 6.7008,
      "eval_samples_per_second": 23.728,
      "eval_steps_per_second": 2.985,
      "step": 2500
    },
    {
      "epoch": 113.33333333333333,
      "grad_norm": 1.3239281177520752,
      "learning_rate": 9.083333333333333e-06,
      "loss": 0.4399,
      "step": 2550
    },
    {
      "epoch": 115.55555555555556,
      "grad_norm": 0.9855658411979675,
      "learning_rate": 9e-06,
      "loss": 0.4376,
      "step": 2600
    },
    {
      "epoch": 117.77777777777777,
      "grad_norm": 0.9498355984687805,
      "learning_rate": 8.916666666666667e-06,
      "loss": 0.4427,
      "step": 2650
    },
    {
      "epoch": 120.0,
      "grad_norm": 1.3080662488937378,
      "learning_rate": 8.833333333333334e-06,
      "loss": 0.437,
      "step": 2700
    },
    {
      "epoch": 122.22222222222223,
      "grad_norm": 0.6745712757110596,
      "learning_rate": 8.750000000000001e-06,
      "loss": 0.4405,
      "step": 2750
    },
    {
      "epoch": 124.44444444444444,
      "grad_norm": 1.136643409729004,
      "learning_rate": 8.666666666666668e-06,
      "loss": 0.4329,
      "step": 2800
    },
    {
      "epoch": 126.66666666666667,
      "grad_norm": 0.8538027405738831,
      "learning_rate": 8.583333333333333e-06,
      "loss": 0.4313,
      "step": 2850
    },
    {
      "epoch": 128.88888888888889,
      "grad_norm": 0.8776795268058777,
      "learning_rate": 8.5e-06,
      "loss": 0.43,
      "step": 2900
    },
    {
      "epoch": 131.11111111111111,
      "grad_norm": 0.987410306930542,
      "learning_rate": 8.416666666666667e-06,
      "loss": 0.4346,
      "step": 2950
    },
    {
      "epoch": 133.33333333333334,
      "grad_norm": 1.061345100402832,
      "learning_rate": 8.333333333333334e-06,
      "loss": 0.4332,
      "step": 3000
    },
    {
      "epoch": 133.33333333333334,
      "eval_loss": 0.4170692563056946,
      "eval_runtime": 6.8806,
      "eval_samples_per_second": 23.108,
      "eval_steps_per_second": 2.907,
      "step": 3000
    },
    {
      "epoch": 135.55555555555554,
      "grad_norm": 0.9580554962158203,
      "learning_rate": 8.25e-06,
      "loss": 0.4344,
      "step": 3050
    },
    {
      "epoch": 137.77777777777777,
      "grad_norm": 0.8951635956764221,
      "learning_rate": 8.166666666666668e-06,
      "loss": 0.4303,
      "step": 3100
    },
    {
      "epoch": 140.0,
      "grad_norm": 1.0797936916351318,
      "learning_rate": 8.083333333333334e-06,
      "loss": 0.4331,
      "step": 3150
    },
    {
      "epoch": 142.22222222222223,
      "grad_norm": 1.1288533210754395,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.425,
      "step": 3200
    },
    {
      "epoch": 144.44444444444446,
      "grad_norm": 0.9219405055046082,
      "learning_rate": 7.916666666666667e-06,
      "loss": 0.4335,
      "step": 3250
    },
    {
      "epoch": 146.66666666666666,
      "grad_norm": 0.8145209550857544,
      "learning_rate": 7.833333333333333e-06,
      "loss": 0.4249,
      "step": 3300
    },
    {
      "epoch": 148.88888888888889,
      "grad_norm": 0.7597942352294922,
      "learning_rate": 7.75e-06,
      "loss": 0.4284,
      "step": 3350
    },
    {
      "epoch": 151.11111111111111,
      "grad_norm": 1.0502862930297852,
      "learning_rate": 7.666666666666667e-06,
      "loss": 0.4285,
      "step": 3400
    },
    {
      "epoch": 153.33333333333334,
      "grad_norm": 0.9932737350463867,
      "learning_rate": 7.583333333333333e-06,
      "loss": 0.4263,
      "step": 3450
    },
    {
      "epoch": 155.55555555555554,
      "grad_norm": 0.9701213836669922,
      "learning_rate": 7.500000000000001e-06,
      "loss": 0.4246,
      "step": 3500
    },
    {
      "epoch": 155.55555555555554,
      "eval_loss": 0.41539278626441956,
      "eval_runtime": 6.9499,
      "eval_samples_per_second": 22.878,
      "eval_steps_per_second": 2.878,
      "step": 3500
    },
    {
      "epoch": 157.77777777777777,
      "grad_norm": 1.0768437385559082,
      "learning_rate": 7.416666666666668e-06,
      "loss": 0.4252,
      "step": 3550
    },
    {
      "epoch": 160.0,
      "grad_norm": 0.7991815805435181,
      "learning_rate": 7.333333333333333e-06,
      "loss": 0.4219,
      "step": 3600
    },
    {
      "epoch": 162.22222222222223,
      "grad_norm": 1.1402180194854736,
      "learning_rate": 7.25e-06,
      "loss": 0.4247,
      "step": 3650
    },
    {
      "epoch": 164.44444444444446,
      "grad_norm": 0.8970450758934021,
      "learning_rate": 7.166666666666667e-06,
      "loss": 0.4252,
      "step": 3700
    },
    {
      "epoch": 166.66666666666666,
      "grad_norm": 0.733568549156189,
      "learning_rate": 7.083333333333335e-06,
      "loss": 0.4238,
      "step": 3750
    },
    {
      "epoch": 168.88888888888889,
      "grad_norm": 1.1045589447021484,
      "learning_rate": 7e-06,
      "loss": 0.4275,
      "step": 3800
    },
    {
      "epoch": 171.11111111111111,
      "grad_norm": 1.0485199689865112,
      "learning_rate": 6.916666666666667e-06,
      "loss": 0.4295,
      "step": 3850
    },
    {
      "epoch": 173.33333333333334,
      "grad_norm": 0.9441601634025574,
      "learning_rate": 6.833333333333334e-06,
      "loss": 0.4206,
      "step": 3900
    },
    {
      "epoch": 175.55555555555554,
      "grad_norm": 0.7985955476760864,
      "learning_rate": 6.750000000000001e-06,
      "loss": 0.4263,
      "step": 3950
    },
    {
      "epoch": 177.77777777777777,
      "grad_norm": 0.6838188171386719,
      "learning_rate": 6.666666666666667e-06,
      "loss": 0.4202,
      "step": 4000
    },
    {
      "epoch": 177.77777777777777,
      "eval_loss": 0.41334837675094604,
      "eval_runtime": 6.7658,
      "eval_samples_per_second": 23.5,
      "eval_steps_per_second": 2.956,
      "step": 4000
    },
    {
      "epoch": 180.0,
      "grad_norm": 1.0729726552963257,
      "learning_rate": 6.5833333333333335e-06,
      "loss": 0.4218,
      "step": 4050
    },
    {
      "epoch": 182.22222222222223,
      "grad_norm": 0.8395955562591553,
      "learning_rate": 6.5000000000000004e-06,
      "loss": 0.4172,
      "step": 4100
    },
    {
      "epoch": 184.44444444444446,
      "grad_norm": 0.7987414002418518,
      "learning_rate": 6.416666666666667e-06,
      "loss": 0.4222,
      "step": 4150
    },
    {
      "epoch": 186.66666666666666,
      "grad_norm": 0.7480828762054443,
      "learning_rate": 6.333333333333333e-06,
      "loss": 0.4178,
      "step": 4200
    },
    {
      "epoch": 188.88888888888889,
      "grad_norm": 1.003481149673462,
      "learning_rate": 6.25e-06,
      "loss": 0.4183,
      "step": 4250
    },
    {
      "epoch": 191.11111111111111,
      "grad_norm": 1.080949306488037,
      "learning_rate": 6.168333333333334e-06,
      "loss": 0.4207,
      "step": 4300
    },
    {
      "epoch": 193.33333333333334,
      "grad_norm": 1.0521224737167358,
      "learning_rate": 6.085000000000001e-06,
      "loss": 0.4186,
      "step": 4350
    },
    {
      "epoch": 195.55555555555554,
      "grad_norm": 0.9048583507537842,
      "learning_rate": 6.001666666666667e-06,
      "loss": 0.418,
      "step": 4400
    },
    {
      "epoch": 197.77777777777777,
      "grad_norm": 1.4653879404067993,
      "learning_rate": 5.918333333333334e-06,
      "loss": 0.414,
      "step": 4450
    },
    {
      "epoch": 200.0,
      "grad_norm": 1.5214589834213257,
      "learning_rate": 5.835000000000001e-06,
      "loss": 0.4223,
      "step": 4500
    },
    {
      "epoch": 200.0,
      "eval_loss": 0.41453027725219727,
      "eval_runtime": 6.6498,
      "eval_samples_per_second": 23.91,
      "eval_steps_per_second": 3.008,
      "step": 4500
    },
    {
      "epoch": 202.22222222222223,
      "grad_norm": 1.1058125495910645,
      "learning_rate": 5.751666666666668e-06,
      "loss": 0.4164,
      "step": 4550
    },
    {
      "epoch": 204.44444444444446,
      "grad_norm": 0.8250144124031067,
      "learning_rate": 5.668333333333334e-06,
      "loss": 0.418,
      "step": 4600
    },
    {
      "epoch": 206.66666666666666,
      "grad_norm": 0.710696816444397,
      "learning_rate": 5.585000000000001e-06,
      "loss": 0.4195,
      "step": 4650
    },
    {
      "epoch": 208.88888888888889,
      "grad_norm": 0.8722075819969177,
      "learning_rate": 5.501666666666668e-06,
      "loss": 0.4127,
      "step": 4700
    },
    {
      "epoch": 211.11111111111111,
      "grad_norm": 1.548494815826416,
      "learning_rate": 5.418333333333333e-06,
      "loss": 0.4175,
      "step": 4750
    },
    {
      "epoch": 213.33333333333334,
      "grad_norm": 1.0577216148376465,
      "learning_rate": 5.335000000000001e-06,
      "loss": 0.4142,
      "step": 4800
    },
    {
      "epoch": 215.55555555555554,
      "grad_norm": 0.8775042295455933,
      "learning_rate": 5.2516666666666675e-06,
      "loss": 0.4185,
      "step": 4850
    },
    {
      "epoch": 217.77777777777777,
      "grad_norm": 0.8470151424407959,
      "learning_rate": 5.168333333333334e-06,
      "loss": 0.4107,
      "step": 4900
    },
    {
      "epoch": 220.0,
      "grad_norm": 0.9309485554695129,
      "learning_rate": 5.085e-06,
      "loss": 0.4138,
      "step": 4950
    },
    {
      "epoch": 222.22222222222223,
      "grad_norm": 0.7797917127609253,
      "learning_rate": 5.0016666666666665e-06,
      "loss": 0.4127,
      "step": 5000
    },
    {
      "epoch": 222.22222222222223,
      "eval_loss": 0.41181260347366333,
      "eval_runtime": 6.6484,
      "eval_samples_per_second": 23.915,
      "eval_steps_per_second": 3.008,
      "step": 5000
    },
    {
      "epoch": 224.44444444444446,
      "grad_norm": 0.7094744443893433,
      "learning_rate": 4.918333333333334e-06,
      "loss": 0.418,
      "step": 5050
    },
    {
      "epoch": 226.66666666666666,
      "grad_norm": 0.798126220703125,
      "learning_rate": 4.835e-06,
      "loss": 0.4099,
      "step": 5100
    },
    {
      "epoch": 228.88888888888889,
      "grad_norm": 0.8107690811157227,
      "learning_rate": 4.751666666666667e-06,
      "loss": 0.4115,
      "step": 5150
    },
    {
      "epoch": 231.11111111111111,
      "grad_norm": 0.9693463444709778,
      "learning_rate": 4.668333333333333e-06,
      "loss": 0.4096,
      "step": 5200
    },
    {
      "epoch": 233.33333333333334,
      "grad_norm": 0.6815030574798584,
      "learning_rate": 4.585e-06,
      "loss": 0.416,
      "step": 5250
    },
    {
      "epoch": 235.55555555555554,
      "grad_norm": 0.9453757405281067,
      "learning_rate": 4.501666666666667e-06,
      "loss": 0.412,
      "step": 5300
    },
    {
      "epoch": 237.77777777777777,
      "grad_norm": 0.744594395160675,
      "learning_rate": 4.418333333333334e-06,
      "loss": 0.41,
      "step": 5350
    },
    {
      "epoch": 240.0,
      "grad_norm": 0.7826279401779175,
      "learning_rate": 4.335e-06,
      "loss": 0.4174,
      "step": 5400
    },
    {
      "epoch": 242.22222222222223,
      "grad_norm": 0.8793866634368896,
      "learning_rate": 4.253333333333334e-06,
      "loss": 0.4189,
      "step": 5450
    },
    {
      "epoch": 244.44444444444446,
      "grad_norm": 0.7588925361633301,
      "learning_rate": 4.17e-06,
      "loss": 0.418,
      "step": 5500
    },
    {
      "epoch": 244.44444444444446,
      "eval_loss": 0.41301560401916504,
      "eval_runtime": 6.6915,
      "eval_samples_per_second": 23.761,
      "eval_steps_per_second": 2.989,
      "step": 5500
    },
    {
      "epoch": 246.66666666666666,
      "grad_norm": 0.8483109474182129,
      "learning_rate": 4.086666666666667e-06,
      "loss": 0.4118,
      "step": 5550
    },
    {
      "epoch": 248.88888888888889,
      "grad_norm": 0.7174404263496399,
      "learning_rate": 4.003333333333334e-06,
      "loss": 0.4119,
      "step": 5600
    },
    {
      "epoch": 251.11111111111111,
      "grad_norm": 0.7293265461921692,
      "learning_rate": 3.920000000000001e-06,
      "loss": 0.4121,
      "step": 5650
    },
    {
      "epoch": 253.33333333333334,
      "grad_norm": 0.7109299898147583,
      "learning_rate": 3.836666666666667e-06,
      "loss": 0.4114,
      "step": 5700
    },
    {
      "epoch": 255.55555555555554,
      "grad_norm": 0.8040355443954468,
      "learning_rate": 3.753333333333334e-06,
      "loss": 0.4116,
      "step": 5750
    },
    {
      "epoch": 257.77777777777777,
      "grad_norm": 1.5440824031829834,
      "learning_rate": 3.6700000000000004e-06,
      "loss": 0.4135,
      "step": 5800
    },
    {
      "epoch": 260.0,
      "grad_norm": 1.081014633178711,
      "learning_rate": 3.5866666666666673e-06,
      "loss": 0.4156,
      "step": 5850
    },
    {
      "epoch": 262.22222222222223,
      "grad_norm": 0.9005671143531799,
      "learning_rate": 3.5033333333333334e-06,
      "loss": 0.4113,
      "step": 5900
    },
    {
      "epoch": 264.44444444444446,
      "grad_norm": 0.6594197750091553,
      "learning_rate": 3.4200000000000007e-06,
      "loss": 0.4071,
      "step": 5950
    },
    {
      "epoch": 266.6666666666667,
      "grad_norm": 0.7558822631835938,
      "learning_rate": 3.3366666666666668e-06,
      "loss": 0.4137,
      "step": 6000
    },
    {
      "epoch": 266.6666666666667,
      "eval_loss": 0.4130330979824066,
      "eval_runtime": 6.654,
      "eval_samples_per_second": 23.895,
      "eval_steps_per_second": 3.006,
      "step": 6000
    },
    {
      "epoch": 268.8888888888889,
      "grad_norm": 0.7558965682983398,
      "learning_rate": 3.2533333333333332e-06,
      "loss": 0.4075,
      "step": 6050
    },
    {
      "epoch": 271.1111111111111,
      "grad_norm": 0.8923629522323608,
      "learning_rate": 3.17e-06,
      "loss": 0.4076,
      "step": 6100
    },
    {
      "epoch": 273.3333333333333,
      "grad_norm": 0.7254518270492554,
      "learning_rate": 3.0866666666666666e-06,
      "loss": 0.412,
      "step": 6150
    },
    {
      "epoch": 275.55555555555554,
      "grad_norm": 0.6662154197692871,
      "learning_rate": 3.0033333333333335e-06,
      "loss": 0.4077,
      "step": 6200
    },
    {
      "epoch": 277.77777777777777,
      "grad_norm": 0.8720728754997253,
      "learning_rate": 2.92e-06,
      "loss": 0.4083,
      "step": 6250
    },
    {
      "epoch": 280.0,
      "grad_norm": 0.8532177209854126,
      "learning_rate": 2.836666666666667e-06,
      "loss": 0.4085,
      "step": 6300
    },
    {
      "epoch": 282.22222222222223,
      "grad_norm": 0.938165545463562,
      "learning_rate": 2.7533333333333334e-06,
      "loss": 0.4127,
      "step": 6350
    },
    {
      "epoch": 284.44444444444446,
      "grad_norm": 0.8369143605232239,
      "learning_rate": 2.6700000000000003e-06,
      "loss": 0.4124,
      "step": 6400
    },
    {
      "epoch": 286.6666666666667,
      "grad_norm": 0.9037307500839233,
      "learning_rate": 2.5866666666666667e-06,
      "loss": 0.4135,
      "step": 6450
    },
    {
      "epoch": 288.8888888888889,
      "grad_norm": 0.7268660068511963,
      "learning_rate": 2.5033333333333336e-06,
      "loss": 0.4105,
      "step": 6500
    },
    {
      "epoch": 288.8888888888889,
      "eval_loss": 0.4127345085144043,
      "eval_runtime": 6.6261,
      "eval_samples_per_second": 23.996,
      "eval_steps_per_second": 3.018,
      "step": 6500
    },
    {
      "epoch": 291.1111111111111,
      "grad_norm": 0.6883772611618042,
      "learning_rate": 2.42e-06,
      "loss": 0.4036,
      "step": 6550
    },
    {
      "epoch": 293.3333333333333,
      "grad_norm": 0.7845291495323181,
      "learning_rate": 2.3366666666666666e-06,
      "loss": 0.4099,
      "step": 6600
    },
    {
      "epoch": 295.55555555555554,
      "grad_norm": 0.7525561451911926,
      "learning_rate": 2.2533333333333335e-06,
      "loss": 0.4047,
      "step": 6650
    },
    {
      "epoch": 297.77777777777777,
      "grad_norm": 0.73818439245224,
      "learning_rate": 2.17e-06,
      "loss": 0.4086,
      "step": 6700
    },
    {
      "epoch": 300.0,
      "grad_norm": 0.9404018521308899,
      "learning_rate": 2.086666666666667e-06,
      "loss": 0.4055,
      "step": 6750
    },
    {
      "epoch": 302.22222222222223,
      "grad_norm": 1.2591845989227295,
      "learning_rate": 2.0033333333333334e-06,
      "loss": 0.4093,
      "step": 6800
    },
    {
      "epoch": 304.44444444444446,
      "grad_norm": 0.8932249546051025,
      "learning_rate": 1.9200000000000003e-06,
      "loss": 0.4128,
      "step": 6850
    },
    {
      "epoch": 306.6666666666667,
      "grad_norm": 0.8845558762550354,
      "learning_rate": 1.836666666666667e-06,
      "loss": 0.4054,
      "step": 6900
    },
    {
      "epoch": 308.8888888888889,
      "grad_norm": 0.8956319093704224,
      "learning_rate": 1.7533333333333336e-06,
      "loss": 0.4066,
      "step": 6950
    },
    {
      "epoch": 311.1111111111111,
      "grad_norm": 0.731932520866394,
      "learning_rate": 1.6716666666666666e-06,
      "loss": 0.4164,
      "step": 7000
    },
    {
      "epoch": 311.1111111111111,
      "eval_loss": 0.41273927688598633,
      "eval_runtime": 6.6699,
      "eval_samples_per_second": 23.838,
      "eval_steps_per_second": 2.999,
      "step": 7000
    },
    {
      "epoch": 313.3333333333333,
      "grad_norm": 0.5971135497093201,
      "learning_rate": 1.5883333333333333e-06,
      "loss": 0.4103,
      "step": 7050
    },
    {
      "epoch": 315.55555555555554,
      "grad_norm": 0.6389978528022766,
      "learning_rate": 1.505e-06,
      "loss": 0.4079,
      "step": 7100
    },
    {
      "epoch": 317.77777777777777,
      "grad_norm": 0.7159304022789001,
      "learning_rate": 1.4216666666666667e-06,
      "loss": 0.4119,
      "step": 7150
    },
    {
      "epoch": 320.0,
      "grad_norm": 1.8695528507232666,
      "learning_rate": 1.3383333333333334e-06,
      "loss": 0.4079,
      "step": 7200
    },
    {
      "epoch": 322.22222222222223,
      "grad_norm": 0.6768200397491455,
      "learning_rate": 1.255e-06,
      "loss": 0.4066,
      "step": 7250
    },
    {
      "epoch": 324.44444444444446,
      "grad_norm": 0.9312319755554199,
      "learning_rate": 1.1716666666666667e-06,
      "loss": 0.4021,
      "step": 7300
    },
    {
      "epoch": 326.6666666666667,
      "grad_norm": 0.7052406668663025,
      "learning_rate": 1.0883333333333334e-06,
      "loss": 0.406,
      "step": 7350
    },
    {
      "epoch": 328.8888888888889,
      "grad_norm": 0.9555145502090454,
      "learning_rate": 1.0050000000000001e-06,
      "loss": 0.4053,
      "step": 7400
    },
    {
      "epoch": 331.1111111111111,
      "grad_norm": 0.8751769065856934,
      "learning_rate": 9.216666666666667e-07,
      "loss": 0.4027,
      "step": 7450
    },
    {
      "epoch": 333.3333333333333,
      "grad_norm": 0.836463212966919,
      "learning_rate": 8.383333333333334e-07,
      "loss": 0.4088,
      "step": 7500
    },
    {
      "epoch": 333.3333333333333,
      "eval_loss": 0.4119597375392914,
      "eval_runtime": 6.717,
      "eval_samples_per_second": 23.671,
      "eval_steps_per_second": 2.978,
      "step": 7500
    }
  ],
  "logging_steps": 50,
  "max_steps": 8000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 364,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 1.09129140116964e+17,
  "train_batch_size": 32,
  "trial_name": null,
  "trial_params": null
}