sedrickkeh commited on
Commit
1874780
·
verified ·
1 Parent(s): db97816

End of training

Browse files
README.md CHANGED
@@ -4,6 +4,7 @@ license: apache-2.0
4
  base_model: mistralai/Mistral-7B-v0.1
5
  tags:
6
  - llama-factory
 
7
  - generated_from_trainer
8
  model-index:
9
  - name: hp_ablations_mistral_bsz256
@@ -15,7 +16,7 @@ should probably proofread and complete it, then remove this comment. -->
15
 
16
  # hp_ablations_mistral_bsz256
17
 
18
- This model is a fine-tuned version of [mistralai/Mistral-7B-v0.1](https://huggingface.co/mistralai/Mistral-7B-v0.1) on an unknown dataset.
19
  It achieves the following results on the evaluation set:
20
  - Loss: 0.1512
21
 
 
4
  base_model: mistralai/Mistral-7B-v0.1
5
  tags:
6
  - llama-factory
7
+ - full
8
  - generated_from_trainer
9
  model-index:
10
  - name: hp_ablations_mistral_bsz256
 
16
 
17
  # hp_ablations_mistral_bsz256
18
 
19
+ This model is a fine-tuned version of [mistralai/Mistral-7B-v0.1](https://huggingface.co/mistralai/Mistral-7B-v0.1) on the mlfoundations-dev/oh-dcft-v3.1-gpt-4o-mini dataset.
20
  It achieves the following results on the evaluation set:
21
  - Loss: 0.1512
22
 
all_results.json ADDED
@@ -0,0 +1,12 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9984810126582278,
3
+ "eval_loss": 0.15120381116867065,
4
+ "eval_runtime": 511.1809,
5
+ "eval_samples_per_second": 26.026,
6
+ "eval_steps_per_second": 0.407,
7
+ "total_flos": 2479683262218240.0,
8
+ "train_loss": 0.46617310421968466,
9
+ "train_runtime": 84499.4991,
10
+ "train_samples_per_second": 8.974,
11
+ "train_steps_per_second": 0.035
12
+ }
eval_results.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9984810126582278,
3
+ "eval_loss": 0.15120381116867065,
4
+ "eval_runtime": 511.1809,
5
+ "eval_samples_per_second": 26.026,
6
+ "eval_steps_per_second": 0.407
7
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9984810126582278,
3
+ "total_flos": 2479683262218240.0,
4
+ "train_loss": 0.46617310421968466,
5
+ "train_runtime": 84499.4991,
6
+ "train_samples_per_second": 8.974,
7
+ "train_steps_per_second": 0.035
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2138 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.9984810126582278,
5
+ "eval_steps": 500,
6
+ "global_step": 2961,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.010126582278481013,
13
+ "grad_norm": 2.9319232619463147,
14
+ "learning_rate": 5e-06,
15
+ "loss": 0.754,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.020253164556962026,
20
+ "grad_norm": 2.3527842138237443,
21
+ "learning_rate": 5e-06,
22
+ "loss": 0.6565,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.030379746835443037,
27
+ "grad_norm": 2.218097297827581,
28
+ "learning_rate": 5e-06,
29
+ "loss": 0.6343,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.04050632911392405,
34
+ "grad_norm": 1.728885416020883,
35
+ "learning_rate": 5e-06,
36
+ "loss": 0.6266,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.05063291139240506,
41
+ "grad_norm": 1.7600150721761239,
42
+ "learning_rate": 5e-06,
43
+ "loss": 0.6225,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.060759493670886074,
48
+ "grad_norm": 2.036486573113631,
49
+ "learning_rate": 5e-06,
50
+ "loss": 0.6185,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.07088607594936709,
55
+ "grad_norm": 1.8472990337897077,
56
+ "learning_rate": 5e-06,
57
+ "loss": 0.6137,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.0810126582278481,
62
+ "grad_norm": 2.0268825324116926,
63
+ "learning_rate": 5e-06,
64
+ "loss": 0.6035,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.09113924050632911,
69
+ "grad_norm": 1.7502041363801772,
70
+ "learning_rate": 5e-06,
71
+ "loss": 0.6063,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.10126582278481013,
76
+ "grad_norm": 1.7706135514845762,
77
+ "learning_rate": 5e-06,
78
+ "loss": 0.5954,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.11139240506329114,
83
+ "grad_norm": 1.6647485123629138,
84
+ "learning_rate": 5e-06,
85
+ "loss": 0.5933,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.12151898734177215,
90
+ "grad_norm": 2.299944971561371,
91
+ "learning_rate": 5e-06,
92
+ "loss": 0.598,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.13164556962025317,
97
+ "grad_norm": 1.4323042297049071,
98
+ "learning_rate": 5e-06,
99
+ "loss": 0.597,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.14177215189873418,
104
+ "grad_norm": 1.5735470897186044,
105
+ "learning_rate": 5e-06,
106
+ "loss": 0.5859,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.1518987341772152,
111
+ "grad_norm": 1.4396445107803788,
112
+ "learning_rate": 5e-06,
113
+ "loss": 0.5833,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.1620253164556962,
118
+ "grad_norm": 1.6048875360767698,
119
+ "learning_rate": 5e-06,
120
+ "loss": 0.5926,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.17215189873417722,
125
+ "grad_norm": 1.7629611019629856,
126
+ "learning_rate": 5e-06,
127
+ "loss": 0.5878,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.18227848101265823,
132
+ "grad_norm": 1.692513854306383,
133
+ "learning_rate": 5e-06,
134
+ "loss": 0.5875,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.19240506329113924,
139
+ "grad_norm": 2.4645583630800614,
140
+ "learning_rate": 5e-06,
141
+ "loss": 0.5908,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.20253164556962025,
146
+ "grad_norm": 1.6304964629686653,
147
+ "learning_rate": 5e-06,
148
+ "loss": 0.5887,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.21265822784810126,
153
+ "grad_norm": 2.117270092101592,
154
+ "learning_rate": 5e-06,
155
+ "loss": 0.5872,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.22278481012658227,
160
+ "grad_norm": 1.5677168838868496,
161
+ "learning_rate": 5e-06,
162
+ "loss": 0.575,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.23291139240506328,
167
+ "grad_norm": 1.6515647911636342,
168
+ "learning_rate": 5e-06,
169
+ "loss": 0.5747,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.2430379746835443,
174
+ "grad_norm": 1.4834458457301771,
175
+ "learning_rate": 5e-06,
176
+ "loss": 0.5834,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.25316455696202533,
181
+ "grad_norm": 2.090691823913493,
182
+ "learning_rate": 5e-06,
183
+ "loss": 0.5793,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.26329113924050634,
188
+ "grad_norm": 1.4520944372541345,
189
+ "learning_rate": 5e-06,
190
+ "loss": 0.5779,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.27341772151898736,
195
+ "grad_norm": 1.7905780272726646,
196
+ "learning_rate": 5e-06,
197
+ "loss": 0.5637,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.28354430379746837,
202
+ "grad_norm": 1.6753642665165924,
203
+ "learning_rate": 5e-06,
204
+ "loss": 0.5745,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.2936708860759494,
209
+ "grad_norm": 1.8117100564747939,
210
+ "learning_rate": 5e-06,
211
+ "loss": 0.577,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.3037974683544304,
216
+ "grad_norm": 1.5160896257954382,
217
+ "learning_rate": 5e-06,
218
+ "loss": 0.5821,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.3139240506329114,
223
+ "grad_norm": 1.5338602444115943,
224
+ "learning_rate": 5e-06,
225
+ "loss": 0.574,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.3240506329113924,
230
+ "grad_norm": 1.5768816348730115,
231
+ "learning_rate": 5e-06,
232
+ "loss": 0.5831,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.3341772151898734,
237
+ "grad_norm": 1.5251244093370149,
238
+ "learning_rate": 5e-06,
239
+ "loss": 0.5793,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.34430379746835443,
244
+ "grad_norm": 1.5422210280401378,
245
+ "learning_rate": 5e-06,
246
+ "loss": 0.579,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.35443037974683544,
251
+ "grad_norm": 1.4422891794630028,
252
+ "learning_rate": 5e-06,
253
+ "loss": 0.5794,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.36455696202531646,
258
+ "grad_norm": 1.778098375508798,
259
+ "learning_rate": 5e-06,
260
+ "loss": 0.5702,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.37468354430379747,
265
+ "grad_norm": 1.4276847831429058,
266
+ "learning_rate": 5e-06,
267
+ "loss": 0.5762,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.3848101265822785,
272
+ "grad_norm": 1.8350692685441172,
273
+ "learning_rate": 5e-06,
274
+ "loss": 0.5742,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.3949367088607595,
279
+ "grad_norm": 1.6654466906631886,
280
+ "learning_rate": 5e-06,
281
+ "loss": 0.57,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.4050632911392405,
286
+ "grad_norm": 1.5625914451532021,
287
+ "learning_rate": 5e-06,
288
+ "loss": 0.5688,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.4151898734177215,
293
+ "grad_norm": 1.5962831101550994,
294
+ "learning_rate": 5e-06,
295
+ "loss": 0.5567,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.4253164556962025,
300
+ "grad_norm": 1.4805817323596187,
301
+ "learning_rate": 5e-06,
302
+ "loss": 0.5723,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.43544303797468353,
307
+ "grad_norm": 1.4164796466458769,
308
+ "learning_rate": 5e-06,
309
+ "loss": 0.5712,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.44556962025316454,
314
+ "grad_norm": 1.5450127362729664,
315
+ "learning_rate": 5e-06,
316
+ "loss": 0.5704,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.45569620253164556,
321
+ "grad_norm": 1.6570421627781717,
322
+ "learning_rate": 5e-06,
323
+ "loss": 0.5729,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.46582278481012657,
328
+ "grad_norm": 1.623306340780734,
329
+ "learning_rate": 5e-06,
330
+ "loss": 0.5673,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.4759493670886076,
335
+ "grad_norm": 1.747763610168544,
336
+ "learning_rate": 5e-06,
337
+ "loss": 0.5609,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.4860759493670886,
342
+ "grad_norm": 1.295527401866004,
343
+ "learning_rate": 5e-06,
344
+ "loss": 0.5699,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.4962025316455696,
349
+ "grad_norm": 1.3529876566902441,
350
+ "learning_rate": 5e-06,
351
+ "loss": 0.5783,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.5063291139240507,
356
+ "grad_norm": 1.4541590535564763,
357
+ "learning_rate": 5e-06,
358
+ "loss": 0.5606,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.5164556962025316,
363
+ "grad_norm": 1.5391153152763637,
364
+ "learning_rate": 5e-06,
365
+ "loss": 0.5598,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.5265822784810127,
370
+ "grad_norm": 1.3816263219270335,
371
+ "learning_rate": 5e-06,
372
+ "loss": 0.552,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.5367088607594936,
377
+ "grad_norm": 1.407148137331511,
378
+ "learning_rate": 5e-06,
379
+ "loss": 0.561,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.5468354430379747,
384
+ "grad_norm": 1.4939662242734717,
385
+ "learning_rate": 5e-06,
386
+ "loss": 0.5691,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.5569620253164557,
391
+ "grad_norm": 1.4769024813528058,
392
+ "learning_rate": 5e-06,
393
+ "loss": 0.5628,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.5670886075949367,
398
+ "grad_norm": 1.5234796484078978,
399
+ "learning_rate": 5e-06,
400
+ "loss": 0.5571,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.5772151898734177,
405
+ "grad_norm": 1.38748512162588,
406
+ "learning_rate": 5e-06,
407
+ "loss": 0.5588,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.5873417721518988,
412
+ "grad_norm": 1.6616670500045834,
413
+ "learning_rate": 5e-06,
414
+ "loss": 0.5629,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.5974683544303797,
419
+ "grad_norm": 1.3613770956091802,
420
+ "learning_rate": 5e-06,
421
+ "loss": 0.5597,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.6075949367088608,
426
+ "grad_norm": 1.9645875965732293,
427
+ "learning_rate": 5e-06,
428
+ "loss": 0.5614,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.6177215189873417,
433
+ "grad_norm": 1.3122962556953037,
434
+ "learning_rate": 5e-06,
435
+ "loss": 0.57,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.6278481012658228,
440
+ "grad_norm": 1.5024516266743335,
441
+ "learning_rate": 5e-06,
442
+ "loss": 0.5629,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.6379746835443038,
447
+ "grad_norm": 1.3599801460050238,
448
+ "learning_rate": 5e-06,
449
+ "loss": 0.5679,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.6481012658227848,
454
+ "grad_norm": 1.3697118174446543,
455
+ "learning_rate": 5e-06,
456
+ "loss": 0.5567,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.6582278481012658,
461
+ "grad_norm": 1.447467777446668,
462
+ "learning_rate": 5e-06,
463
+ "loss": 0.5614,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.6683544303797468,
468
+ "grad_norm": 1.4332946464750023,
469
+ "learning_rate": 5e-06,
470
+ "loss": 0.5629,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.6784810126582278,
475
+ "grad_norm": 1.4245518863907969,
476
+ "learning_rate": 5e-06,
477
+ "loss": 0.5607,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.6886075949367089,
482
+ "grad_norm": 1.392960913673911,
483
+ "learning_rate": 5e-06,
484
+ "loss": 0.5631,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.6987341772151898,
489
+ "grad_norm": 1.3851040024314174,
490
+ "learning_rate": 5e-06,
491
+ "loss": 0.5547,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.7088607594936709,
496
+ "grad_norm": 1.5665731498555628,
497
+ "learning_rate": 5e-06,
498
+ "loss": 0.5729,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.7189873417721518,
503
+ "grad_norm": 1.3541133459928674,
504
+ "learning_rate": 5e-06,
505
+ "loss": 0.567,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.7291139240506329,
510
+ "grad_norm": 1.3050422174455243,
511
+ "learning_rate": 5e-06,
512
+ "loss": 0.5649,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.739240506329114,
517
+ "grad_norm": 1.4474203168962876,
518
+ "learning_rate": 5e-06,
519
+ "loss": 0.5587,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.7493670886075949,
524
+ "grad_norm": 1.2849691486389958,
525
+ "learning_rate": 5e-06,
526
+ "loss": 0.5584,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.759493670886076,
531
+ "grad_norm": 1.4374182399089128,
532
+ "learning_rate": 5e-06,
533
+ "loss": 0.5485,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.769620253164557,
538
+ "grad_norm": 1.2784166011759992,
539
+ "learning_rate": 5e-06,
540
+ "loss": 0.5619,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.779746835443038,
545
+ "grad_norm": 1.338741085455322,
546
+ "learning_rate": 5e-06,
547
+ "loss": 0.5625,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.789873417721519,
552
+ "grad_norm": 1.3830345955439087,
553
+ "learning_rate": 5e-06,
554
+ "loss": 0.5532,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.8,
559
+ "grad_norm": 1.2560229071250701,
560
+ "learning_rate": 5e-06,
561
+ "loss": 0.557,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.810126582278481,
566
+ "grad_norm": 1.3094948207554686,
567
+ "learning_rate": 5e-06,
568
+ "loss": 0.5606,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.8202531645569621,
573
+ "grad_norm": 1.2980406537156193,
574
+ "learning_rate": 5e-06,
575
+ "loss": 0.5435,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.830379746835443,
580
+ "grad_norm": 1.3336678028790407,
581
+ "learning_rate": 5e-06,
582
+ "loss": 0.5644,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.8405063291139241,
587
+ "grad_norm": 1.4362113888678505,
588
+ "learning_rate": 5e-06,
589
+ "loss": 0.5615,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.850632911392405,
594
+ "grad_norm": 1.5496595209680522,
595
+ "learning_rate": 5e-06,
596
+ "loss": 0.5619,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.8607594936708861,
601
+ "grad_norm": 1.4648845925364151,
602
+ "learning_rate": 5e-06,
603
+ "loss": 0.5556,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.8708860759493671,
608
+ "grad_norm": 1.3830147030582034,
609
+ "learning_rate": 5e-06,
610
+ "loss": 0.5534,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.8810126582278481,
615
+ "grad_norm": 1.3802375047462647,
616
+ "learning_rate": 5e-06,
617
+ "loss": 0.5654,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.8911392405063291,
622
+ "grad_norm": 1.665356350061181,
623
+ "learning_rate": 5e-06,
624
+ "loss": 0.5542,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.9012658227848102,
629
+ "grad_norm": 1.5275969827966436,
630
+ "learning_rate": 5e-06,
631
+ "loss": 0.5492,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.9113924050632911,
636
+ "grad_norm": 1.5257937868842386,
637
+ "learning_rate": 5e-06,
638
+ "loss": 0.5509,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.9215189873417722,
643
+ "grad_norm": 1.3059469433496236,
644
+ "learning_rate": 5e-06,
645
+ "loss": 0.5563,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.9316455696202531,
650
+ "grad_norm": 1.3687394115237168,
651
+ "learning_rate": 5e-06,
652
+ "loss": 0.5527,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.9417721518987342,
657
+ "grad_norm": 1.3468586235595001,
658
+ "learning_rate": 5e-06,
659
+ "loss": 0.5594,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.9518987341772152,
664
+ "grad_norm": 1.4377274430310882,
665
+ "learning_rate": 5e-06,
666
+ "loss": 0.5512,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.9620253164556962,
671
+ "grad_norm": 1.2680685522134791,
672
+ "learning_rate": 5e-06,
673
+ "loss": 0.5486,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.9721518987341772,
678
+ "grad_norm": 1.2807954706357672,
679
+ "learning_rate": 5e-06,
680
+ "loss": 0.5566,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.9822784810126582,
685
+ "grad_norm": 1.3423829666439555,
686
+ "learning_rate": 5e-06,
687
+ "loss": 0.5485,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.9924050632911392,
692
+ "grad_norm": 1.4283880670670543,
693
+ "learning_rate": 5e-06,
694
+ "loss": 0.5515,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.999493670886076,
699
+ "eval_loss": 0.13834980130195618,
700
+ "eval_runtime": 507.9163,
701
+ "eval_samples_per_second": 26.193,
702
+ "eval_steps_per_second": 0.41,
703
+ "step": 987
704
+ },
705
+ {
706
+ "epoch": 1.0025316455696203,
707
+ "grad_norm": 1.6161728864680243,
708
+ "learning_rate": 5e-06,
709
+ "loss": 0.5308,
710
+ "step": 990
711
+ },
712
+ {
713
+ "epoch": 1.0126582278481013,
714
+ "grad_norm": 1.5737881952906483,
715
+ "learning_rate": 5e-06,
716
+ "loss": 0.4633,
717
+ "step": 1000
718
+ },
719
+ {
720
+ "epoch": 1.0227848101265822,
721
+ "grad_norm": 1.5616941170427905,
722
+ "learning_rate": 5e-06,
723
+ "loss": 0.4634,
724
+ "step": 1010
725
+ },
726
+ {
727
+ "epoch": 1.0329113924050632,
728
+ "grad_norm": 1.5346519713859017,
729
+ "learning_rate": 5e-06,
730
+ "loss": 0.4435,
731
+ "step": 1020
732
+ },
733
+ {
734
+ "epoch": 1.0430379746835443,
735
+ "grad_norm": 1.3492138788127321,
736
+ "learning_rate": 5e-06,
737
+ "loss": 0.4503,
738
+ "step": 1030
739
+ },
740
+ {
741
+ "epoch": 1.0531645569620254,
742
+ "grad_norm": 1.4763337790140822,
743
+ "learning_rate": 5e-06,
744
+ "loss": 0.4506,
745
+ "step": 1040
746
+ },
747
+ {
748
+ "epoch": 1.0632911392405062,
749
+ "grad_norm": 1.4225225244349122,
750
+ "learning_rate": 5e-06,
751
+ "loss": 0.4591,
752
+ "step": 1050
753
+ },
754
+ {
755
+ "epoch": 1.0734177215189873,
756
+ "grad_norm": 1.377686472346139,
757
+ "learning_rate": 5e-06,
758
+ "loss": 0.4498,
759
+ "step": 1060
760
+ },
761
+ {
762
+ "epoch": 1.0835443037974684,
763
+ "grad_norm": 1.524899956605274,
764
+ "learning_rate": 5e-06,
765
+ "loss": 0.4521,
766
+ "step": 1070
767
+ },
768
+ {
769
+ "epoch": 1.0936708860759494,
770
+ "grad_norm": 1.4555671547809872,
771
+ "learning_rate": 5e-06,
772
+ "loss": 0.4537,
773
+ "step": 1080
774
+ },
775
+ {
776
+ "epoch": 1.1037974683544305,
777
+ "grad_norm": 1.352652609202294,
778
+ "learning_rate": 5e-06,
779
+ "loss": 0.4591,
780
+ "step": 1090
781
+ },
782
+ {
783
+ "epoch": 1.1139240506329113,
784
+ "grad_norm": 1.389780851883711,
785
+ "learning_rate": 5e-06,
786
+ "loss": 0.451,
787
+ "step": 1100
788
+ },
789
+ {
790
+ "epoch": 1.1240506329113924,
791
+ "grad_norm": 1.5493151434769157,
792
+ "learning_rate": 5e-06,
793
+ "loss": 0.4545,
794
+ "step": 1110
795
+ },
796
+ {
797
+ "epoch": 1.1341772151898735,
798
+ "grad_norm": 1.4921163467682323,
799
+ "learning_rate": 5e-06,
800
+ "loss": 0.4511,
801
+ "step": 1120
802
+ },
803
+ {
804
+ "epoch": 1.1443037974683543,
805
+ "grad_norm": 1.3424106662166821,
806
+ "learning_rate": 5e-06,
807
+ "loss": 0.4597,
808
+ "step": 1130
809
+ },
810
+ {
811
+ "epoch": 1.1544303797468354,
812
+ "grad_norm": 1.4205445966678738,
813
+ "learning_rate": 5e-06,
814
+ "loss": 0.4587,
815
+ "step": 1140
816
+ },
817
+ {
818
+ "epoch": 1.1645569620253164,
819
+ "grad_norm": 1.3812137606947525,
820
+ "learning_rate": 5e-06,
821
+ "loss": 0.457,
822
+ "step": 1150
823
+ },
824
+ {
825
+ "epoch": 1.1746835443037975,
826
+ "grad_norm": 1.504094206656827,
827
+ "learning_rate": 5e-06,
828
+ "loss": 0.4582,
829
+ "step": 1160
830
+ },
831
+ {
832
+ "epoch": 1.1848101265822786,
833
+ "grad_norm": 1.4384269712621547,
834
+ "learning_rate": 5e-06,
835
+ "loss": 0.4478,
836
+ "step": 1170
837
+ },
838
+ {
839
+ "epoch": 1.1949367088607594,
840
+ "grad_norm": 1.4604436825013358,
841
+ "learning_rate": 5e-06,
842
+ "loss": 0.4561,
843
+ "step": 1180
844
+ },
845
+ {
846
+ "epoch": 1.2050632911392405,
847
+ "grad_norm": 1.484357252258588,
848
+ "learning_rate": 5e-06,
849
+ "loss": 0.463,
850
+ "step": 1190
851
+ },
852
+ {
853
+ "epoch": 1.2151898734177216,
854
+ "grad_norm": 1.3507024353159274,
855
+ "learning_rate": 5e-06,
856
+ "loss": 0.4557,
857
+ "step": 1200
858
+ },
859
+ {
860
+ "epoch": 1.2253164556962026,
861
+ "grad_norm": 1.5356768758566504,
862
+ "learning_rate": 5e-06,
863
+ "loss": 0.4616,
864
+ "step": 1210
865
+ },
866
+ {
867
+ "epoch": 1.2354430379746835,
868
+ "grad_norm": 1.507777364560312,
869
+ "learning_rate": 5e-06,
870
+ "loss": 0.4492,
871
+ "step": 1220
872
+ },
873
+ {
874
+ "epoch": 1.2455696202531645,
875
+ "grad_norm": 1.402742621286163,
876
+ "learning_rate": 5e-06,
877
+ "loss": 0.4623,
878
+ "step": 1230
879
+ },
880
+ {
881
+ "epoch": 1.2556962025316456,
882
+ "grad_norm": 1.4914361590080172,
883
+ "learning_rate": 5e-06,
884
+ "loss": 0.4576,
885
+ "step": 1240
886
+ },
887
+ {
888
+ "epoch": 1.2658227848101267,
889
+ "grad_norm": 1.4449809880641054,
890
+ "learning_rate": 5e-06,
891
+ "loss": 0.4581,
892
+ "step": 1250
893
+ },
894
+ {
895
+ "epoch": 1.2759493670886077,
896
+ "grad_norm": 1.401311614162818,
897
+ "learning_rate": 5e-06,
898
+ "loss": 0.4613,
899
+ "step": 1260
900
+ },
901
+ {
902
+ "epoch": 1.2860759493670886,
903
+ "grad_norm": 1.4035116916924748,
904
+ "learning_rate": 5e-06,
905
+ "loss": 0.4546,
906
+ "step": 1270
907
+ },
908
+ {
909
+ "epoch": 1.2962025316455696,
910
+ "grad_norm": 1.5360414127344846,
911
+ "learning_rate": 5e-06,
912
+ "loss": 0.4638,
913
+ "step": 1280
914
+ },
915
+ {
916
+ "epoch": 1.3063291139240507,
917
+ "grad_norm": 1.4721064580495236,
918
+ "learning_rate": 5e-06,
919
+ "loss": 0.4605,
920
+ "step": 1290
921
+ },
922
+ {
923
+ "epoch": 1.3164556962025316,
924
+ "grad_norm": 1.5018662441760837,
925
+ "learning_rate": 5e-06,
926
+ "loss": 0.4656,
927
+ "step": 1300
928
+ },
929
+ {
930
+ "epoch": 1.3265822784810126,
931
+ "grad_norm": 1.4057750381381058,
932
+ "learning_rate": 5e-06,
933
+ "loss": 0.4546,
934
+ "step": 1310
935
+ },
936
+ {
937
+ "epoch": 1.3367088607594937,
938
+ "grad_norm": 1.472547127671551,
939
+ "learning_rate": 5e-06,
940
+ "loss": 0.4509,
941
+ "step": 1320
942
+ },
943
+ {
944
+ "epoch": 1.3468354430379748,
945
+ "grad_norm": 1.378222631334251,
946
+ "learning_rate": 5e-06,
947
+ "loss": 0.4592,
948
+ "step": 1330
949
+ },
950
+ {
951
+ "epoch": 1.3569620253164558,
952
+ "grad_norm": 1.477645235480499,
953
+ "learning_rate": 5e-06,
954
+ "loss": 0.4731,
955
+ "step": 1340
956
+ },
957
+ {
958
+ "epoch": 1.3670886075949367,
959
+ "grad_norm": 1.4190131074856087,
960
+ "learning_rate": 5e-06,
961
+ "loss": 0.4614,
962
+ "step": 1350
963
+ },
964
+ {
965
+ "epoch": 1.3772151898734177,
966
+ "grad_norm": 1.598773468818255,
967
+ "learning_rate": 5e-06,
968
+ "loss": 0.4642,
969
+ "step": 1360
970
+ },
971
+ {
972
+ "epoch": 1.3873417721518988,
973
+ "grad_norm": 1.401701470107724,
974
+ "learning_rate": 5e-06,
975
+ "loss": 0.4599,
976
+ "step": 1370
977
+ },
978
+ {
979
+ "epoch": 1.3974683544303796,
980
+ "grad_norm": 1.5834771319486265,
981
+ "learning_rate": 5e-06,
982
+ "loss": 0.4635,
983
+ "step": 1380
984
+ },
985
+ {
986
+ "epoch": 1.4075949367088607,
987
+ "grad_norm": 1.398082340799174,
988
+ "learning_rate": 5e-06,
989
+ "loss": 0.4581,
990
+ "step": 1390
991
+ },
992
+ {
993
+ "epoch": 1.4177215189873418,
994
+ "grad_norm": 1.4006340071029044,
995
+ "learning_rate": 5e-06,
996
+ "loss": 0.4602,
997
+ "step": 1400
998
+ },
999
+ {
1000
+ "epoch": 1.4278481012658228,
1001
+ "grad_norm": 1.3336328229398797,
1002
+ "learning_rate": 5e-06,
1003
+ "loss": 0.4602,
1004
+ "step": 1410
1005
+ },
1006
+ {
1007
+ "epoch": 1.437974683544304,
1008
+ "grad_norm": 1.3492817883075563,
1009
+ "learning_rate": 5e-06,
1010
+ "loss": 0.4687,
1011
+ "step": 1420
1012
+ },
1013
+ {
1014
+ "epoch": 1.4481012658227848,
1015
+ "grad_norm": 1.342687219512621,
1016
+ "learning_rate": 5e-06,
1017
+ "loss": 0.4651,
1018
+ "step": 1430
1019
+ },
1020
+ {
1021
+ "epoch": 1.4582278481012658,
1022
+ "grad_norm": 1.4950318280118493,
1023
+ "learning_rate": 5e-06,
1024
+ "loss": 0.4643,
1025
+ "step": 1440
1026
+ },
1027
+ {
1028
+ "epoch": 1.4683544303797469,
1029
+ "grad_norm": 1.5341419482481558,
1030
+ "learning_rate": 5e-06,
1031
+ "loss": 0.467,
1032
+ "step": 1450
1033
+ },
1034
+ {
1035
+ "epoch": 1.4784810126582277,
1036
+ "grad_norm": 1.3873503711966886,
1037
+ "learning_rate": 5e-06,
1038
+ "loss": 0.4692,
1039
+ "step": 1460
1040
+ },
1041
+ {
1042
+ "epoch": 1.4886075949367088,
1043
+ "grad_norm": 1.3838670814377412,
1044
+ "learning_rate": 5e-06,
1045
+ "loss": 0.4606,
1046
+ "step": 1470
1047
+ },
1048
+ {
1049
+ "epoch": 1.4987341772151899,
1050
+ "grad_norm": 1.435159074036311,
1051
+ "learning_rate": 5e-06,
1052
+ "loss": 0.4607,
1053
+ "step": 1480
1054
+ },
1055
+ {
1056
+ "epoch": 1.508860759493671,
1057
+ "grad_norm": 1.416449038632833,
1058
+ "learning_rate": 5e-06,
1059
+ "loss": 0.4603,
1060
+ "step": 1490
1061
+ },
1062
+ {
1063
+ "epoch": 1.518987341772152,
1064
+ "grad_norm": 1.349053423409347,
1065
+ "learning_rate": 5e-06,
1066
+ "loss": 0.4671,
1067
+ "step": 1500
1068
+ },
1069
+ {
1070
+ "epoch": 1.529113924050633,
1071
+ "grad_norm": 1.5418750945784405,
1072
+ "learning_rate": 5e-06,
1073
+ "loss": 0.4642,
1074
+ "step": 1510
1075
+ },
1076
+ {
1077
+ "epoch": 1.539240506329114,
1078
+ "grad_norm": 1.5350888472278188,
1079
+ "learning_rate": 5e-06,
1080
+ "loss": 0.4654,
1081
+ "step": 1520
1082
+ },
1083
+ {
1084
+ "epoch": 1.549367088607595,
1085
+ "grad_norm": 1.5918459039624637,
1086
+ "learning_rate": 5e-06,
1087
+ "loss": 0.4623,
1088
+ "step": 1530
1089
+ },
1090
+ {
1091
+ "epoch": 1.5594936708860758,
1092
+ "grad_norm": 1.4044783253886717,
1093
+ "learning_rate": 5e-06,
1094
+ "loss": 0.4644,
1095
+ "step": 1540
1096
+ },
1097
+ {
1098
+ "epoch": 1.5696202531645569,
1099
+ "grad_norm": 1.4733622287724428,
1100
+ "learning_rate": 5e-06,
1101
+ "loss": 0.4699,
1102
+ "step": 1550
1103
+ },
1104
+ {
1105
+ "epoch": 1.579746835443038,
1106
+ "grad_norm": 1.4190534275279456,
1107
+ "learning_rate": 5e-06,
1108
+ "loss": 0.4585,
1109
+ "step": 1560
1110
+ },
1111
+ {
1112
+ "epoch": 1.589873417721519,
1113
+ "grad_norm": 1.588541120324257,
1114
+ "learning_rate": 5e-06,
1115
+ "loss": 0.4674,
1116
+ "step": 1570
1117
+ },
1118
+ {
1119
+ "epoch": 1.6,
1120
+ "grad_norm": 1.4489487698353771,
1121
+ "learning_rate": 5e-06,
1122
+ "loss": 0.4659,
1123
+ "step": 1580
1124
+ },
1125
+ {
1126
+ "epoch": 1.6101265822784812,
1127
+ "grad_norm": 1.3499923545579962,
1128
+ "learning_rate": 5e-06,
1129
+ "loss": 0.4582,
1130
+ "step": 1590
1131
+ },
1132
+ {
1133
+ "epoch": 1.620253164556962,
1134
+ "grad_norm": 1.3640430679010667,
1135
+ "learning_rate": 5e-06,
1136
+ "loss": 0.4676,
1137
+ "step": 1600
1138
+ },
1139
+ {
1140
+ "epoch": 1.630379746835443,
1141
+ "grad_norm": 1.3690059243296218,
1142
+ "learning_rate": 5e-06,
1143
+ "loss": 0.4612,
1144
+ "step": 1610
1145
+ },
1146
+ {
1147
+ "epoch": 1.640506329113924,
1148
+ "grad_norm": 1.2447374210211029,
1149
+ "learning_rate": 5e-06,
1150
+ "loss": 0.4506,
1151
+ "step": 1620
1152
+ },
1153
+ {
1154
+ "epoch": 1.650632911392405,
1155
+ "grad_norm": 1.351219366349358,
1156
+ "learning_rate": 5e-06,
1157
+ "loss": 0.4611,
1158
+ "step": 1630
1159
+ },
1160
+ {
1161
+ "epoch": 1.660759493670886,
1162
+ "grad_norm": 1.335122455907824,
1163
+ "learning_rate": 5e-06,
1164
+ "loss": 0.4699,
1165
+ "step": 1640
1166
+ },
1167
+ {
1168
+ "epoch": 1.6708860759493671,
1169
+ "grad_norm": 1.5625860035007904,
1170
+ "learning_rate": 5e-06,
1171
+ "loss": 0.4612,
1172
+ "step": 1650
1173
+ },
1174
+ {
1175
+ "epoch": 1.6810126582278482,
1176
+ "grad_norm": 1.6296205380869357,
1177
+ "learning_rate": 5e-06,
1178
+ "loss": 0.4623,
1179
+ "step": 1660
1180
+ },
1181
+ {
1182
+ "epoch": 1.6911392405063292,
1183
+ "grad_norm": 1.4330065379895607,
1184
+ "learning_rate": 5e-06,
1185
+ "loss": 0.4625,
1186
+ "step": 1670
1187
+ },
1188
+ {
1189
+ "epoch": 1.70126582278481,
1190
+ "grad_norm": 1.3278761181861125,
1191
+ "learning_rate": 5e-06,
1192
+ "loss": 0.4627,
1193
+ "step": 1680
1194
+ },
1195
+ {
1196
+ "epoch": 1.7113924050632912,
1197
+ "grad_norm": 1.4304366765861536,
1198
+ "learning_rate": 5e-06,
1199
+ "loss": 0.4646,
1200
+ "step": 1690
1201
+ },
1202
+ {
1203
+ "epoch": 1.721518987341772,
1204
+ "grad_norm": 1.3460103891901807,
1205
+ "learning_rate": 5e-06,
1206
+ "loss": 0.4648,
1207
+ "step": 1700
1208
+ },
1209
+ {
1210
+ "epoch": 1.731645569620253,
1211
+ "grad_norm": 1.4336438757742112,
1212
+ "learning_rate": 5e-06,
1213
+ "loss": 0.4708,
1214
+ "step": 1710
1215
+ },
1216
+ {
1217
+ "epoch": 1.7417721518987341,
1218
+ "grad_norm": 1.333163056745564,
1219
+ "learning_rate": 5e-06,
1220
+ "loss": 0.4591,
1221
+ "step": 1720
1222
+ },
1223
+ {
1224
+ "epoch": 1.7518987341772152,
1225
+ "grad_norm": 1.3819280069426765,
1226
+ "learning_rate": 5e-06,
1227
+ "loss": 0.4651,
1228
+ "step": 1730
1229
+ },
1230
+ {
1231
+ "epoch": 1.7620253164556963,
1232
+ "grad_norm": 1.413028622360716,
1233
+ "learning_rate": 5e-06,
1234
+ "loss": 0.4714,
1235
+ "step": 1740
1236
+ },
1237
+ {
1238
+ "epoch": 1.7721518987341773,
1239
+ "grad_norm": 1.3989242299354576,
1240
+ "learning_rate": 5e-06,
1241
+ "loss": 0.466,
1242
+ "step": 1750
1243
+ },
1244
+ {
1245
+ "epoch": 1.7822784810126582,
1246
+ "grad_norm": 1.3712554248183217,
1247
+ "learning_rate": 5e-06,
1248
+ "loss": 0.4727,
1249
+ "step": 1760
1250
+ },
1251
+ {
1252
+ "epoch": 1.7924050632911392,
1253
+ "grad_norm": 1.4780769754046013,
1254
+ "learning_rate": 5e-06,
1255
+ "loss": 0.4679,
1256
+ "step": 1770
1257
+ },
1258
+ {
1259
+ "epoch": 1.80253164556962,
1260
+ "grad_norm": 1.4002831190634755,
1261
+ "learning_rate": 5e-06,
1262
+ "loss": 0.4647,
1263
+ "step": 1780
1264
+ },
1265
+ {
1266
+ "epoch": 1.8126582278481012,
1267
+ "grad_norm": 1.3944675393169206,
1268
+ "learning_rate": 5e-06,
1269
+ "loss": 0.4644,
1270
+ "step": 1790
1271
+ },
1272
+ {
1273
+ "epoch": 1.8227848101265822,
1274
+ "grad_norm": 1.4867966880006709,
1275
+ "learning_rate": 5e-06,
1276
+ "loss": 0.4675,
1277
+ "step": 1800
1278
+ },
1279
+ {
1280
+ "epoch": 1.8329113924050633,
1281
+ "grad_norm": 1.404496416486814,
1282
+ "learning_rate": 5e-06,
1283
+ "loss": 0.4624,
1284
+ "step": 1810
1285
+ },
1286
+ {
1287
+ "epoch": 1.8430379746835444,
1288
+ "grad_norm": 1.5305845929183253,
1289
+ "learning_rate": 5e-06,
1290
+ "loss": 0.4739,
1291
+ "step": 1820
1292
+ },
1293
+ {
1294
+ "epoch": 1.8531645569620254,
1295
+ "grad_norm": 1.3084464311737185,
1296
+ "learning_rate": 5e-06,
1297
+ "loss": 0.4655,
1298
+ "step": 1830
1299
+ },
1300
+ {
1301
+ "epoch": 1.8632911392405065,
1302
+ "grad_norm": 1.3059438675535409,
1303
+ "learning_rate": 5e-06,
1304
+ "loss": 0.4678,
1305
+ "step": 1840
1306
+ },
1307
+ {
1308
+ "epoch": 1.8734177215189873,
1309
+ "grad_norm": 1.3867484618996055,
1310
+ "learning_rate": 5e-06,
1311
+ "loss": 0.4609,
1312
+ "step": 1850
1313
+ },
1314
+ {
1315
+ "epoch": 1.8835443037974684,
1316
+ "grad_norm": 1.3420942943215763,
1317
+ "learning_rate": 5e-06,
1318
+ "loss": 0.4663,
1319
+ "step": 1860
1320
+ },
1321
+ {
1322
+ "epoch": 1.8936708860759492,
1323
+ "grad_norm": 1.421266278043212,
1324
+ "learning_rate": 5e-06,
1325
+ "loss": 0.4665,
1326
+ "step": 1870
1327
+ },
1328
+ {
1329
+ "epoch": 1.9037974683544303,
1330
+ "grad_norm": 1.36634296470369,
1331
+ "learning_rate": 5e-06,
1332
+ "loss": 0.4676,
1333
+ "step": 1880
1334
+ },
1335
+ {
1336
+ "epoch": 1.9139240506329114,
1337
+ "grad_norm": 1.2659671091408768,
1338
+ "learning_rate": 5e-06,
1339
+ "loss": 0.4669,
1340
+ "step": 1890
1341
+ },
1342
+ {
1343
+ "epoch": 1.9240506329113924,
1344
+ "grad_norm": 1.373264332933901,
1345
+ "learning_rate": 5e-06,
1346
+ "loss": 0.4701,
1347
+ "step": 1900
1348
+ },
1349
+ {
1350
+ "epoch": 1.9341772151898735,
1351
+ "grad_norm": 1.3568414058185374,
1352
+ "learning_rate": 5e-06,
1353
+ "loss": 0.4693,
1354
+ "step": 1910
1355
+ },
1356
+ {
1357
+ "epoch": 1.9443037974683546,
1358
+ "grad_norm": 1.3940261082697252,
1359
+ "learning_rate": 5e-06,
1360
+ "loss": 0.4763,
1361
+ "step": 1920
1362
+ },
1363
+ {
1364
+ "epoch": 1.9544303797468354,
1365
+ "grad_norm": 1.3879188735035681,
1366
+ "learning_rate": 5e-06,
1367
+ "loss": 0.4756,
1368
+ "step": 1930
1369
+ },
1370
+ {
1371
+ "epoch": 1.9645569620253165,
1372
+ "grad_norm": 1.363003506285662,
1373
+ "learning_rate": 5e-06,
1374
+ "loss": 0.4667,
1375
+ "step": 1940
1376
+ },
1377
+ {
1378
+ "epoch": 1.9746835443037973,
1379
+ "grad_norm": 1.4533412320271968,
1380
+ "learning_rate": 5e-06,
1381
+ "loss": 0.469,
1382
+ "step": 1950
1383
+ },
1384
+ {
1385
+ "epoch": 1.9848101265822784,
1386
+ "grad_norm": 1.4479310447515883,
1387
+ "learning_rate": 5e-06,
1388
+ "loss": 0.4748,
1389
+ "step": 1960
1390
+ },
1391
+ {
1392
+ "epoch": 1.9949367088607595,
1393
+ "grad_norm": 1.2966648783230335,
1394
+ "learning_rate": 5e-06,
1395
+ "loss": 0.468,
1396
+ "step": 1970
1397
+ },
1398
+ {
1399
+ "epoch": 2.0,
1400
+ "eval_loss": 0.1398227959871292,
1401
+ "eval_runtime": 506.8788,
1402
+ "eval_samples_per_second": 26.247,
1403
+ "eval_steps_per_second": 0.41,
1404
+ "step": 1975
1405
+ },
1406
+ {
1407
+ "epoch": 2.0050632911392405,
1408
+ "grad_norm": 3.06600016953371,
1409
+ "learning_rate": 5e-06,
1410
+ "loss": 0.4085,
1411
+ "step": 1980
1412
+ },
1413
+ {
1414
+ "epoch": 2.0151898734177216,
1415
+ "grad_norm": 2.0901467389116335,
1416
+ "learning_rate": 5e-06,
1417
+ "loss": 0.3545,
1418
+ "step": 1990
1419
+ },
1420
+ {
1421
+ "epoch": 2.0253164556962027,
1422
+ "grad_norm": 1.7198026240231687,
1423
+ "learning_rate": 5e-06,
1424
+ "loss": 0.3486,
1425
+ "step": 2000
1426
+ },
1427
+ {
1428
+ "epoch": 2.0354430379746837,
1429
+ "grad_norm": 1.6596559930998485,
1430
+ "learning_rate": 5e-06,
1431
+ "loss": 0.3485,
1432
+ "step": 2010
1433
+ },
1434
+ {
1435
+ "epoch": 2.0455696202531644,
1436
+ "grad_norm": 1.6010412767976676,
1437
+ "learning_rate": 5e-06,
1438
+ "loss": 0.3469,
1439
+ "step": 2020
1440
+ },
1441
+ {
1442
+ "epoch": 2.0556962025316454,
1443
+ "grad_norm": 1.619456570416184,
1444
+ "learning_rate": 5e-06,
1445
+ "loss": 0.3412,
1446
+ "step": 2030
1447
+ },
1448
+ {
1449
+ "epoch": 2.0658227848101265,
1450
+ "grad_norm": 1.5477510460994646,
1451
+ "learning_rate": 5e-06,
1452
+ "loss": 0.3499,
1453
+ "step": 2040
1454
+ },
1455
+ {
1456
+ "epoch": 2.0759493670886076,
1457
+ "grad_norm": 1.6995317518377548,
1458
+ "learning_rate": 5e-06,
1459
+ "loss": 0.3431,
1460
+ "step": 2050
1461
+ },
1462
+ {
1463
+ "epoch": 2.0860759493670886,
1464
+ "grad_norm": 1.6672377260042517,
1465
+ "learning_rate": 5e-06,
1466
+ "loss": 0.3509,
1467
+ "step": 2060
1468
+ },
1469
+ {
1470
+ "epoch": 2.0962025316455697,
1471
+ "grad_norm": 1.5137523020681678,
1472
+ "learning_rate": 5e-06,
1473
+ "loss": 0.3485,
1474
+ "step": 2070
1475
+ },
1476
+ {
1477
+ "epoch": 2.1063291139240508,
1478
+ "grad_norm": 1.5728338684227074,
1479
+ "learning_rate": 5e-06,
1480
+ "loss": 0.3414,
1481
+ "step": 2080
1482
+ },
1483
+ {
1484
+ "epoch": 2.116455696202532,
1485
+ "grad_norm": 1.7215854826795536,
1486
+ "learning_rate": 5e-06,
1487
+ "loss": 0.356,
1488
+ "step": 2090
1489
+ },
1490
+ {
1491
+ "epoch": 2.1265822784810124,
1492
+ "grad_norm": 1.547269577634038,
1493
+ "learning_rate": 5e-06,
1494
+ "loss": 0.351,
1495
+ "step": 2100
1496
+ },
1497
+ {
1498
+ "epoch": 2.1367088607594935,
1499
+ "grad_norm": 1.7846477440752144,
1500
+ "learning_rate": 5e-06,
1501
+ "loss": 0.3475,
1502
+ "step": 2110
1503
+ },
1504
+ {
1505
+ "epoch": 2.1468354430379746,
1506
+ "grad_norm": 1.6766174751768645,
1507
+ "learning_rate": 5e-06,
1508
+ "loss": 0.3507,
1509
+ "step": 2120
1510
+ },
1511
+ {
1512
+ "epoch": 2.1569620253164556,
1513
+ "grad_norm": 1.6129490070505184,
1514
+ "learning_rate": 5e-06,
1515
+ "loss": 0.3544,
1516
+ "step": 2130
1517
+ },
1518
+ {
1519
+ "epoch": 2.1670886075949367,
1520
+ "grad_norm": 1.6006266055236678,
1521
+ "learning_rate": 5e-06,
1522
+ "loss": 0.3514,
1523
+ "step": 2140
1524
+ },
1525
+ {
1526
+ "epoch": 2.1772151898734178,
1527
+ "grad_norm": 1.5978325737155568,
1528
+ "learning_rate": 5e-06,
1529
+ "loss": 0.3525,
1530
+ "step": 2150
1531
+ },
1532
+ {
1533
+ "epoch": 2.187341772151899,
1534
+ "grad_norm": 1.5951449058616392,
1535
+ "learning_rate": 5e-06,
1536
+ "loss": 0.3507,
1537
+ "step": 2160
1538
+ },
1539
+ {
1540
+ "epoch": 2.19746835443038,
1541
+ "grad_norm": 1.5513789073675182,
1542
+ "learning_rate": 5e-06,
1543
+ "loss": 0.3496,
1544
+ "step": 2170
1545
+ },
1546
+ {
1547
+ "epoch": 2.207594936708861,
1548
+ "grad_norm": 1.5229143655144641,
1549
+ "learning_rate": 5e-06,
1550
+ "loss": 0.3494,
1551
+ "step": 2180
1552
+ },
1553
+ {
1554
+ "epoch": 2.2177215189873416,
1555
+ "grad_norm": 1.660242717310412,
1556
+ "learning_rate": 5e-06,
1557
+ "loss": 0.3553,
1558
+ "step": 2190
1559
+ },
1560
+ {
1561
+ "epoch": 2.2278481012658227,
1562
+ "grad_norm": 1.6739776038113652,
1563
+ "learning_rate": 5e-06,
1564
+ "loss": 0.3607,
1565
+ "step": 2200
1566
+ },
1567
+ {
1568
+ "epoch": 2.2379746835443037,
1569
+ "grad_norm": 1.7005249152138244,
1570
+ "learning_rate": 5e-06,
1571
+ "loss": 0.3486,
1572
+ "step": 2210
1573
+ },
1574
+ {
1575
+ "epoch": 2.248101265822785,
1576
+ "grad_norm": 1.6489218772469403,
1577
+ "learning_rate": 5e-06,
1578
+ "loss": 0.3592,
1579
+ "step": 2220
1580
+ },
1581
+ {
1582
+ "epoch": 2.258227848101266,
1583
+ "grad_norm": 1.6209760997530658,
1584
+ "learning_rate": 5e-06,
1585
+ "loss": 0.3584,
1586
+ "step": 2230
1587
+ },
1588
+ {
1589
+ "epoch": 2.268354430379747,
1590
+ "grad_norm": 1.6153685359109242,
1591
+ "learning_rate": 5e-06,
1592
+ "loss": 0.3554,
1593
+ "step": 2240
1594
+ },
1595
+ {
1596
+ "epoch": 2.278481012658228,
1597
+ "grad_norm": 1.6268217139529644,
1598
+ "learning_rate": 5e-06,
1599
+ "loss": 0.3542,
1600
+ "step": 2250
1601
+ },
1602
+ {
1603
+ "epoch": 2.2886075949367086,
1604
+ "grad_norm": 1.7752820541706038,
1605
+ "learning_rate": 5e-06,
1606
+ "loss": 0.3621,
1607
+ "step": 2260
1608
+ },
1609
+ {
1610
+ "epoch": 2.2987341772151897,
1611
+ "grad_norm": 1.5709969247849427,
1612
+ "learning_rate": 5e-06,
1613
+ "loss": 0.3524,
1614
+ "step": 2270
1615
+ },
1616
+ {
1617
+ "epoch": 2.3088607594936708,
1618
+ "grad_norm": 1.5534897904208944,
1619
+ "learning_rate": 5e-06,
1620
+ "loss": 0.3563,
1621
+ "step": 2280
1622
+ },
1623
+ {
1624
+ "epoch": 2.318987341772152,
1625
+ "grad_norm": 1.6608945730503153,
1626
+ "learning_rate": 5e-06,
1627
+ "loss": 0.3565,
1628
+ "step": 2290
1629
+ },
1630
+ {
1631
+ "epoch": 2.329113924050633,
1632
+ "grad_norm": 1.5801622846665264,
1633
+ "learning_rate": 5e-06,
1634
+ "loss": 0.3622,
1635
+ "step": 2300
1636
+ },
1637
+ {
1638
+ "epoch": 2.339240506329114,
1639
+ "grad_norm": 1.5320500459364543,
1640
+ "learning_rate": 5e-06,
1641
+ "loss": 0.3589,
1642
+ "step": 2310
1643
+ },
1644
+ {
1645
+ "epoch": 2.349367088607595,
1646
+ "grad_norm": 1.581287461651533,
1647
+ "learning_rate": 5e-06,
1648
+ "loss": 0.3613,
1649
+ "step": 2320
1650
+ },
1651
+ {
1652
+ "epoch": 2.359493670886076,
1653
+ "grad_norm": 1.6038211850984352,
1654
+ "learning_rate": 5e-06,
1655
+ "loss": 0.3617,
1656
+ "step": 2330
1657
+ },
1658
+ {
1659
+ "epoch": 2.369620253164557,
1660
+ "grad_norm": 1.625966530104118,
1661
+ "learning_rate": 5e-06,
1662
+ "loss": 0.3598,
1663
+ "step": 2340
1664
+ },
1665
+ {
1666
+ "epoch": 2.379746835443038,
1667
+ "grad_norm": 1.7645641137037487,
1668
+ "learning_rate": 5e-06,
1669
+ "loss": 0.362,
1670
+ "step": 2350
1671
+ },
1672
+ {
1673
+ "epoch": 2.389873417721519,
1674
+ "grad_norm": 1.6940524616595496,
1675
+ "learning_rate": 5e-06,
1676
+ "loss": 0.361,
1677
+ "step": 2360
1678
+ },
1679
+ {
1680
+ "epoch": 2.4,
1681
+ "grad_norm": 1.5384052283713547,
1682
+ "learning_rate": 5e-06,
1683
+ "loss": 0.3639,
1684
+ "step": 2370
1685
+ },
1686
+ {
1687
+ "epoch": 2.410126582278481,
1688
+ "grad_norm": 1.6483060393926068,
1689
+ "learning_rate": 5e-06,
1690
+ "loss": 0.3586,
1691
+ "step": 2380
1692
+ },
1693
+ {
1694
+ "epoch": 2.420253164556962,
1695
+ "grad_norm": 1.6074760148392138,
1696
+ "learning_rate": 5e-06,
1697
+ "loss": 0.3648,
1698
+ "step": 2390
1699
+ },
1700
+ {
1701
+ "epoch": 2.430379746835443,
1702
+ "grad_norm": 1.7080201956192906,
1703
+ "learning_rate": 5e-06,
1704
+ "loss": 0.3554,
1705
+ "step": 2400
1706
+ },
1707
+ {
1708
+ "epoch": 2.440506329113924,
1709
+ "grad_norm": 1.625757072296565,
1710
+ "learning_rate": 5e-06,
1711
+ "loss": 0.3531,
1712
+ "step": 2410
1713
+ },
1714
+ {
1715
+ "epoch": 2.4506329113924052,
1716
+ "grad_norm": 1.6544192748138193,
1717
+ "learning_rate": 5e-06,
1718
+ "loss": 0.3659,
1719
+ "step": 2420
1720
+ },
1721
+ {
1722
+ "epoch": 2.460759493670886,
1723
+ "grad_norm": 1.6016056620993897,
1724
+ "learning_rate": 5e-06,
1725
+ "loss": 0.3618,
1726
+ "step": 2430
1727
+ },
1728
+ {
1729
+ "epoch": 2.470886075949367,
1730
+ "grad_norm": 1.6466444516635712,
1731
+ "learning_rate": 5e-06,
1732
+ "loss": 0.3651,
1733
+ "step": 2440
1734
+ },
1735
+ {
1736
+ "epoch": 2.481012658227848,
1737
+ "grad_norm": 1.6213376274576505,
1738
+ "learning_rate": 5e-06,
1739
+ "loss": 0.3611,
1740
+ "step": 2450
1741
+ },
1742
+ {
1743
+ "epoch": 2.491139240506329,
1744
+ "grad_norm": 1.61939669911579,
1745
+ "learning_rate": 5e-06,
1746
+ "loss": 0.3655,
1747
+ "step": 2460
1748
+ },
1749
+ {
1750
+ "epoch": 2.50126582278481,
1751
+ "grad_norm": 1.7185252999562315,
1752
+ "learning_rate": 5e-06,
1753
+ "loss": 0.3717,
1754
+ "step": 2470
1755
+ },
1756
+ {
1757
+ "epoch": 2.511392405063291,
1758
+ "grad_norm": 1.5701430968600476,
1759
+ "learning_rate": 5e-06,
1760
+ "loss": 0.3616,
1761
+ "step": 2480
1762
+ },
1763
+ {
1764
+ "epoch": 2.5215189873417723,
1765
+ "grad_norm": 1.6525891145092144,
1766
+ "learning_rate": 5e-06,
1767
+ "loss": 0.3618,
1768
+ "step": 2490
1769
+ },
1770
+ {
1771
+ "epoch": 2.5316455696202533,
1772
+ "grad_norm": 1.6331648861432553,
1773
+ "learning_rate": 5e-06,
1774
+ "loss": 0.3608,
1775
+ "step": 2500
1776
+ },
1777
+ {
1778
+ "epoch": 2.5417721518987344,
1779
+ "grad_norm": 1.5954836812756767,
1780
+ "learning_rate": 5e-06,
1781
+ "loss": 0.3564,
1782
+ "step": 2510
1783
+ },
1784
+ {
1785
+ "epoch": 2.5518987341772155,
1786
+ "grad_norm": 1.6221389574344411,
1787
+ "learning_rate": 5e-06,
1788
+ "loss": 0.3603,
1789
+ "step": 2520
1790
+ },
1791
+ {
1792
+ "epoch": 2.562025316455696,
1793
+ "grad_norm": 1.645557544125129,
1794
+ "learning_rate": 5e-06,
1795
+ "loss": 0.3633,
1796
+ "step": 2530
1797
+ },
1798
+ {
1799
+ "epoch": 2.572151898734177,
1800
+ "grad_norm": 1.7704063332654312,
1801
+ "learning_rate": 5e-06,
1802
+ "loss": 0.3658,
1803
+ "step": 2540
1804
+ },
1805
+ {
1806
+ "epoch": 2.5822784810126582,
1807
+ "grad_norm": 1.6779345444764124,
1808
+ "learning_rate": 5e-06,
1809
+ "loss": 0.3706,
1810
+ "step": 2550
1811
+ },
1812
+ {
1813
+ "epoch": 2.5924050632911393,
1814
+ "grad_norm": 1.6024752118154975,
1815
+ "learning_rate": 5e-06,
1816
+ "loss": 0.3618,
1817
+ "step": 2560
1818
+ },
1819
+ {
1820
+ "epoch": 2.6025316455696204,
1821
+ "grad_norm": 1.5688766989229237,
1822
+ "learning_rate": 5e-06,
1823
+ "loss": 0.3719,
1824
+ "step": 2570
1825
+ },
1826
+ {
1827
+ "epoch": 2.6126582278481014,
1828
+ "grad_norm": 1.5972321010318007,
1829
+ "learning_rate": 5e-06,
1830
+ "loss": 0.3695,
1831
+ "step": 2580
1832
+ },
1833
+ {
1834
+ "epoch": 2.622784810126582,
1835
+ "grad_norm": 1.7926779657765413,
1836
+ "learning_rate": 5e-06,
1837
+ "loss": 0.3671,
1838
+ "step": 2590
1839
+ },
1840
+ {
1841
+ "epoch": 2.632911392405063,
1842
+ "grad_norm": 1.6497318559260037,
1843
+ "learning_rate": 5e-06,
1844
+ "loss": 0.3648,
1845
+ "step": 2600
1846
+ },
1847
+ {
1848
+ "epoch": 2.643037974683544,
1849
+ "grad_norm": 1.825449432151336,
1850
+ "learning_rate": 5e-06,
1851
+ "loss": 0.3675,
1852
+ "step": 2610
1853
+ },
1854
+ {
1855
+ "epoch": 2.6531645569620252,
1856
+ "grad_norm": 1.6048797855449353,
1857
+ "learning_rate": 5e-06,
1858
+ "loss": 0.3638,
1859
+ "step": 2620
1860
+ },
1861
+ {
1862
+ "epoch": 2.6632911392405063,
1863
+ "grad_norm": 1.6207591062208428,
1864
+ "learning_rate": 5e-06,
1865
+ "loss": 0.3683,
1866
+ "step": 2630
1867
+ },
1868
+ {
1869
+ "epoch": 2.6734177215189874,
1870
+ "grad_norm": 1.7272301549499494,
1871
+ "learning_rate": 5e-06,
1872
+ "loss": 0.3685,
1873
+ "step": 2640
1874
+ },
1875
+ {
1876
+ "epoch": 2.6835443037974684,
1877
+ "grad_norm": 1.6364841258418936,
1878
+ "learning_rate": 5e-06,
1879
+ "loss": 0.3684,
1880
+ "step": 2650
1881
+ },
1882
+ {
1883
+ "epoch": 2.6936708860759495,
1884
+ "grad_norm": 1.6937643730038003,
1885
+ "learning_rate": 5e-06,
1886
+ "loss": 0.3723,
1887
+ "step": 2660
1888
+ },
1889
+ {
1890
+ "epoch": 2.7037974683544306,
1891
+ "grad_norm": 1.5774730979594618,
1892
+ "learning_rate": 5e-06,
1893
+ "loss": 0.3671,
1894
+ "step": 2670
1895
+ },
1896
+ {
1897
+ "epoch": 2.7139240506329116,
1898
+ "grad_norm": 1.6768910733845062,
1899
+ "learning_rate": 5e-06,
1900
+ "loss": 0.3715,
1901
+ "step": 2680
1902
+ },
1903
+ {
1904
+ "epoch": 2.7240506329113923,
1905
+ "grad_norm": 1.6389744367173145,
1906
+ "learning_rate": 5e-06,
1907
+ "loss": 0.3674,
1908
+ "step": 2690
1909
+ },
1910
+ {
1911
+ "epoch": 2.7341772151898733,
1912
+ "grad_norm": 1.7387883655123013,
1913
+ "learning_rate": 5e-06,
1914
+ "loss": 0.3701,
1915
+ "step": 2700
1916
+ },
1917
+ {
1918
+ "epoch": 2.7443037974683544,
1919
+ "grad_norm": 1.622855925296899,
1920
+ "learning_rate": 5e-06,
1921
+ "loss": 0.3692,
1922
+ "step": 2710
1923
+ },
1924
+ {
1925
+ "epoch": 2.7544303797468355,
1926
+ "grad_norm": 1.6049744247340423,
1927
+ "learning_rate": 5e-06,
1928
+ "loss": 0.3605,
1929
+ "step": 2720
1930
+ },
1931
+ {
1932
+ "epoch": 2.7645569620253165,
1933
+ "grad_norm": 1.674299981616671,
1934
+ "learning_rate": 5e-06,
1935
+ "loss": 0.3681,
1936
+ "step": 2730
1937
+ },
1938
+ {
1939
+ "epoch": 2.7746835443037976,
1940
+ "grad_norm": 1.6563350827590924,
1941
+ "learning_rate": 5e-06,
1942
+ "loss": 0.3732,
1943
+ "step": 2740
1944
+ },
1945
+ {
1946
+ "epoch": 2.7848101265822782,
1947
+ "grad_norm": 1.6562436415268564,
1948
+ "learning_rate": 5e-06,
1949
+ "loss": 0.3666,
1950
+ "step": 2750
1951
+ },
1952
+ {
1953
+ "epoch": 2.7949367088607593,
1954
+ "grad_norm": 1.5565903819361853,
1955
+ "learning_rate": 5e-06,
1956
+ "loss": 0.3706,
1957
+ "step": 2760
1958
+ },
1959
+ {
1960
+ "epoch": 2.8050632911392404,
1961
+ "grad_norm": 1.7142515863322454,
1962
+ "learning_rate": 5e-06,
1963
+ "loss": 0.3679,
1964
+ "step": 2770
1965
+ },
1966
+ {
1967
+ "epoch": 2.8151898734177214,
1968
+ "grad_norm": 1.5712425643932983,
1969
+ "learning_rate": 5e-06,
1970
+ "loss": 0.3761,
1971
+ "step": 2780
1972
+ },
1973
+ {
1974
+ "epoch": 2.8253164556962025,
1975
+ "grad_norm": 1.597329501161643,
1976
+ "learning_rate": 5e-06,
1977
+ "loss": 0.3697,
1978
+ "step": 2790
1979
+ },
1980
+ {
1981
+ "epoch": 2.8354430379746836,
1982
+ "grad_norm": 1.6642023307988005,
1983
+ "learning_rate": 5e-06,
1984
+ "loss": 0.3613,
1985
+ "step": 2800
1986
+ },
1987
+ {
1988
+ "epoch": 2.8455696202531646,
1989
+ "grad_norm": 1.6302362931142675,
1990
+ "learning_rate": 5e-06,
1991
+ "loss": 0.3773,
1992
+ "step": 2810
1993
+ },
1994
+ {
1995
+ "epoch": 2.8556962025316457,
1996
+ "grad_norm": 1.594346958058013,
1997
+ "learning_rate": 5e-06,
1998
+ "loss": 0.3699,
1999
+ "step": 2820
2000
+ },
2001
+ {
2002
+ "epoch": 2.8658227848101268,
2003
+ "grad_norm": 1.5803480355180004,
2004
+ "learning_rate": 5e-06,
2005
+ "loss": 0.3711,
2006
+ "step": 2830
2007
+ },
2008
+ {
2009
+ "epoch": 2.875949367088608,
2010
+ "grad_norm": 1.4800494871531567,
2011
+ "learning_rate": 5e-06,
2012
+ "loss": 0.3691,
2013
+ "step": 2840
2014
+ },
2015
+ {
2016
+ "epoch": 2.8860759493670884,
2017
+ "grad_norm": 1.6631915526393122,
2018
+ "learning_rate": 5e-06,
2019
+ "loss": 0.3747,
2020
+ "step": 2850
2021
+ },
2022
+ {
2023
+ "epoch": 2.8962025316455695,
2024
+ "grad_norm": 1.630862108030936,
2025
+ "learning_rate": 5e-06,
2026
+ "loss": 0.3674,
2027
+ "step": 2860
2028
+ },
2029
+ {
2030
+ "epoch": 2.9063291139240506,
2031
+ "grad_norm": 1.6893754841333202,
2032
+ "learning_rate": 5e-06,
2033
+ "loss": 0.373,
2034
+ "step": 2870
2035
+ },
2036
+ {
2037
+ "epoch": 2.9164556962025316,
2038
+ "grad_norm": 1.705060151220597,
2039
+ "learning_rate": 5e-06,
2040
+ "loss": 0.3723,
2041
+ "step": 2880
2042
+ },
2043
+ {
2044
+ "epoch": 2.9265822784810127,
2045
+ "grad_norm": 1.6188859279801948,
2046
+ "learning_rate": 5e-06,
2047
+ "loss": 0.3796,
2048
+ "step": 2890
2049
+ },
2050
+ {
2051
+ "epoch": 2.9367088607594938,
2052
+ "grad_norm": 1.629353248790061,
2053
+ "learning_rate": 5e-06,
2054
+ "loss": 0.3828,
2055
+ "step": 2900
2056
+ },
2057
+ {
2058
+ "epoch": 2.946835443037975,
2059
+ "grad_norm": 1.7509445495897462,
2060
+ "learning_rate": 5e-06,
2061
+ "loss": 0.3713,
2062
+ "step": 2910
2063
+ },
2064
+ {
2065
+ "epoch": 2.9569620253164555,
2066
+ "grad_norm": 1.6650857655447995,
2067
+ "learning_rate": 5e-06,
2068
+ "loss": 0.369,
2069
+ "step": 2920
2070
+ },
2071
+ {
2072
+ "epoch": 2.9670886075949365,
2073
+ "grad_norm": 1.8285248313648312,
2074
+ "learning_rate": 5e-06,
2075
+ "loss": 0.3721,
2076
+ "step": 2930
2077
+ },
2078
+ {
2079
+ "epoch": 2.9772151898734176,
2080
+ "grad_norm": 1.6243458834916522,
2081
+ "learning_rate": 5e-06,
2082
+ "loss": 0.3759,
2083
+ "step": 2940
2084
+ },
2085
+ {
2086
+ "epoch": 2.9873417721518987,
2087
+ "grad_norm": 1.6911778320262214,
2088
+ "learning_rate": 5e-06,
2089
+ "loss": 0.3746,
2090
+ "step": 2950
2091
+ },
2092
+ {
2093
+ "epoch": 2.9974683544303797,
2094
+ "grad_norm": 1.7509767039817499,
2095
+ "learning_rate": 5e-06,
2096
+ "loss": 0.3711,
2097
+ "step": 2960
2098
+ },
2099
+ {
2100
+ "epoch": 2.9984810126582278,
2101
+ "eval_loss": 0.15120381116867065,
2102
+ "eval_runtime": 508.8119,
2103
+ "eval_samples_per_second": 26.147,
2104
+ "eval_steps_per_second": 0.409,
2105
+ "step": 2961
2106
+ },
2107
+ {
2108
+ "epoch": 2.9984810126582278,
2109
+ "step": 2961,
2110
+ "total_flos": 2479683262218240.0,
2111
+ "train_loss": 0.46617310421968466,
2112
+ "train_runtime": 84499.4991,
2113
+ "train_samples_per_second": 8.974,
2114
+ "train_steps_per_second": 0.035
2115
+ }
2116
+ ],
2117
+ "logging_steps": 10,
2118
+ "max_steps": 2961,
2119
+ "num_input_tokens_seen": 0,
2120
+ "num_train_epochs": 3,
2121
+ "save_steps": 500,
2122
+ "stateful_callbacks": {
2123
+ "TrainerControl": {
2124
+ "args": {
2125
+ "should_epoch_stop": false,
2126
+ "should_evaluate": false,
2127
+ "should_log": false,
2128
+ "should_save": true,
2129
+ "should_training_stop": true
2130
+ },
2131
+ "attributes": {}
2132
+ }
2133
+ },
2134
+ "total_flos": 2479683262218240.0,
2135
+ "train_batch_size": 8,
2136
+ "trial_name": null,
2137
+ "trial_params": null
2138
+ }
training_eval_loss.png ADDED
training_loss.png ADDED