pepoo20 commited on
Commit
23c800b
·
verified ·
1 Parent(s): 0aa336f

Upload SFT/trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. SFT/trainer_state.json +2978 -0
SFT/trainer_state.json ADDED
@@ -0,0 +1,2978 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.19655267894268036,
3
+ "best_model_checkpoint": "saves/Orca/SFT/checkpoint-2000",
4
+ "epoch": 2.0,
5
+ "eval_steps": 250,
6
+ "global_step": 2062,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.004849660523763337,
13
+ "grad_norm": 1.569652795791626,
14
+ "learning_rate": 8.333333333333333e-07,
15
+ "loss": 1.763,
16
+ "step": 5
17
+ },
18
+ {
19
+ "epoch": 0.009699321047526674,
20
+ "grad_norm": 1.4889137744903564,
21
+ "learning_rate": 1.6666666666666667e-06,
22
+ "loss": 1.7673,
23
+ "step": 10
24
+ },
25
+ {
26
+ "epoch": 0.014548981571290009,
27
+ "grad_norm": 1.3860485553741455,
28
+ "learning_rate": 2.5e-06,
29
+ "loss": 1.7696,
30
+ "step": 15
31
+ },
32
+ {
33
+ "epoch": 0.019398642095053348,
34
+ "grad_norm": 1.4874159097671509,
35
+ "learning_rate": 3.3333333333333333e-06,
36
+ "loss": 1.7723,
37
+ "step": 20
38
+ },
39
+ {
40
+ "epoch": 0.02424830261881668,
41
+ "grad_norm": 1.4718151092529297,
42
+ "learning_rate": 4.166666666666667e-06,
43
+ "loss": 1.7295,
44
+ "step": 25
45
+ },
46
+ {
47
+ "epoch": 0.029097963142580018,
48
+ "grad_norm": 1.5262246131896973,
49
+ "learning_rate": 5e-06,
50
+ "loss": 1.7863,
51
+ "step": 30
52
+ },
53
+ {
54
+ "epoch": 0.03394762366634336,
55
+ "grad_norm": 1.6720690727233887,
56
+ "learning_rate": 5.833333333333334e-06,
57
+ "loss": 1.709,
58
+ "step": 35
59
+ },
60
+ {
61
+ "epoch": 0.038797284190106696,
62
+ "grad_norm": 1.462561845779419,
63
+ "learning_rate": 6.666666666666667e-06,
64
+ "loss": 1.6664,
65
+ "step": 40
66
+ },
67
+ {
68
+ "epoch": 0.04364694471387003,
69
+ "grad_norm": 1.6730310916900635,
70
+ "learning_rate": 7.5e-06,
71
+ "loss": 1.6421,
72
+ "step": 45
73
+ },
74
+ {
75
+ "epoch": 0.04849660523763336,
76
+ "grad_norm": 1.538442850112915,
77
+ "learning_rate": 8.333333333333334e-06,
78
+ "loss": 1.6169,
79
+ "step": 50
80
+ },
81
+ {
82
+ "epoch": 0.0533462657613967,
83
+ "grad_norm": 1.7747137546539307,
84
+ "learning_rate": 9.166666666666666e-06,
85
+ "loss": 1.5235,
86
+ "step": 55
87
+ },
88
+ {
89
+ "epoch": 0.058195926285160036,
90
+ "grad_norm": 1.600160837173462,
91
+ "learning_rate": 1e-05,
92
+ "loss": 1.4392,
93
+ "step": 60
94
+ },
95
+ {
96
+ "epoch": 0.06304558680892337,
97
+ "grad_norm": 1.3897379636764526,
98
+ "learning_rate": 1.0833333333333334e-05,
99
+ "loss": 1.3295,
100
+ "step": 65
101
+ },
102
+ {
103
+ "epoch": 0.06789524733268672,
104
+ "grad_norm": 1.3479865789413452,
105
+ "learning_rate": 1.1666666666666668e-05,
106
+ "loss": 1.1758,
107
+ "step": 70
108
+ },
109
+ {
110
+ "epoch": 0.07274490785645005,
111
+ "grad_norm": 1.0993175506591797,
112
+ "learning_rate": 1.25e-05,
113
+ "loss": 1.1012,
114
+ "step": 75
115
+ },
116
+ {
117
+ "epoch": 0.07759456838021339,
118
+ "grad_norm": 1.0077180862426758,
119
+ "learning_rate": 1.3333333333333333e-05,
120
+ "loss": 0.9917,
121
+ "step": 80
122
+ },
123
+ {
124
+ "epoch": 0.08244422890397672,
125
+ "grad_norm": 0.8057171106338501,
126
+ "learning_rate": 1.4166666666666668e-05,
127
+ "loss": 0.8798,
128
+ "step": 85
129
+ },
130
+ {
131
+ "epoch": 0.08729388942774007,
132
+ "grad_norm": 0.6777159571647644,
133
+ "learning_rate": 1.5e-05,
134
+ "loss": 0.7895,
135
+ "step": 90
136
+ },
137
+ {
138
+ "epoch": 0.0921435499515034,
139
+ "grad_norm": 0.5001732707023621,
140
+ "learning_rate": 1.5833333333333333e-05,
141
+ "loss": 0.7364,
142
+ "step": 95
143
+ },
144
+ {
145
+ "epoch": 0.09699321047526673,
146
+ "grad_norm": 0.4005896747112274,
147
+ "learning_rate": 1.6666666666666667e-05,
148
+ "loss": 0.6936,
149
+ "step": 100
150
+ },
151
+ {
152
+ "epoch": 0.10184287099903007,
153
+ "grad_norm": 0.3276143968105316,
154
+ "learning_rate": 1.75e-05,
155
+ "loss": 0.6595,
156
+ "step": 105
157
+ },
158
+ {
159
+ "epoch": 0.1066925315227934,
160
+ "grad_norm": 0.29122063517570496,
161
+ "learning_rate": 1.8333333333333333e-05,
162
+ "loss": 0.6316,
163
+ "step": 110
164
+ },
165
+ {
166
+ "epoch": 0.11154219204655674,
167
+ "grad_norm": 0.2869010269641876,
168
+ "learning_rate": 1.9166666666666667e-05,
169
+ "loss": 0.6033,
170
+ "step": 115
171
+ },
172
+ {
173
+ "epoch": 0.11639185257032007,
174
+ "grad_norm": 0.25405701994895935,
175
+ "learning_rate": 2e-05,
176
+ "loss": 0.5716,
177
+ "step": 120
178
+ },
179
+ {
180
+ "epoch": 0.12124151309408342,
181
+ "grad_norm": 0.24002915620803833,
182
+ "learning_rate": 2.0833333333333336e-05,
183
+ "loss": 0.5691,
184
+ "step": 125
185
+ },
186
+ {
187
+ "epoch": 0.12609117361784675,
188
+ "grad_norm": 0.2358996719121933,
189
+ "learning_rate": 2.1666666666666667e-05,
190
+ "loss": 0.554,
191
+ "step": 130
192
+ },
193
+ {
194
+ "epoch": 0.1309408341416101,
195
+ "grad_norm": 0.21090734004974365,
196
+ "learning_rate": 2.25e-05,
197
+ "loss": 0.5194,
198
+ "step": 135
199
+ },
200
+ {
201
+ "epoch": 0.13579049466537343,
202
+ "grad_norm": 0.20737610757350922,
203
+ "learning_rate": 2.3333333333333336e-05,
204
+ "loss": 0.4918,
205
+ "step": 140
206
+ },
207
+ {
208
+ "epoch": 0.14064015518913675,
209
+ "grad_norm": 0.1901807337999344,
210
+ "learning_rate": 2.4166666666666667e-05,
211
+ "loss": 0.4705,
212
+ "step": 145
213
+ },
214
+ {
215
+ "epoch": 0.1454898157129001,
216
+ "grad_norm": 0.19849984347820282,
217
+ "learning_rate": 2.5e-05,
218
+ "loss": 0.4595,
219
+ "step": 150
220
+ },
221
+ {
222
+ "epoch": 0.15033947623666344,
223
+ "grad_norm": 0.18864648044109344,
224
+ "learning_rate": 2.5833333333333336e-05,
225
+ "loss": 0.4407,
226
+ "step": 155
227
+ },
228
+ {
229
+ "epoch": 0.15518913676042678,
230
+ "grad_norm": 0.17015086114406586,
231
+ "learning_rate": 2.6666666666666667e-05,
232
+ "loss": 0.4214,
233
+ "step": 160
234
+ },
235
+ {
236
+ "epoch": 0.1600387972841901,
237
+ "grad_norm": 0.17595945298671722,
238
+ "learning_rate": 2.7500000000000004e-05,
239
+ "loss": 0.4343,
240
+ "step": 165
241
+ },
242
+ {
243
+ "epoch": 0.16488845780795344,
244
+ "grad_norm": 0.16629475355148315,
245
+ "learning_rate": 2.8333333333333335e-05,
246
+ "loss": 0.4045,
247
+ "step": 170
248
+ },
249
+ {
250
+ "epoch": 0.1697381183317168,
251
+ "grad_norm": 0.16392391920089722,
252
+ "learning_rate": 2.916666666666667e-05,
253
+ "loss": 0.3803,
254
+ "step": 175
255
+ },
256
+ {
257
+ "epoch": 0.17458777885548013,
258
+ "grad_norm": 0.1675371527671814,
259
+ "learning_rate": 3e-05,
260
+ "loss": 0.3762,
261
+ "step": 180
262
+ },
263
+ {
264
+ "epoch": 0.17943743937924345,
265
+ "grad_norm": 0.15912921726703644,
266
+ "learning_rate": 3.0833333333333335e-05,
267
+ "loss": 0.3698,
268
+ "step": 185
269
+ },
270
+ {
271
+ "epoch": 0.1842870999030068,
272
+ "grad_norm": 0.1546890288591385,
273
+ "learning_rate": 3.1666666666666666e-05,
274
+ "loss": 0.359,
275
+ "step": 190
276
+ },
277
+ {
278
+ "epoch": 0.18913676042677013,
279
+ "grad_norm": 0.14289158582687378,
280
+ "learning_rate": 3.2500000000000004e-05,
281
+ "loss": 0.349,
282
+ "step": 195
283
+ },
284
+ {
285
+ "epoch": 0.19398642095053345,
286
+ "grad_norm": 0.13693265616893768,
287
+ "learning_rate": 3.3333333333333335e-05,
288
+ "loss": 0.3145,
289
+ "step": 200
290
+ },
291
+ {
292
+ "epoch": 0.1988360814742968,
293
+ "grad_norm": 0.15631736814975739,
294
+ "learning_rate": 3.4166666666666666e-05,
295
+ "loss": 0.3266,
296
+ "step": 205
297
+ },
298
+ {
299
+ "epoch": 0.20368574199806014,
300
+ "grad_norm": 0.13729828596115112,
301
+ "learning_rate": 3.5e-05,
302
+ "loss": 0.3368,
303
+ "step": 210
304
+ },
305
+ {
306
+ "epoch": 0.20853540252182348,
307
+ "grad_norm": 0.13479730486869812,
308
+ "learning_rate": 3.5833333333333335e-05,
309
+ "loss": 0.3025,
310
+ "step": 215
311
+ },
312
+ {
313
+ "epoch": 0.2133850630455868,
314
+ "grad_norm": 0.13599981367588043,
315
+ "learning_rate": 3.6666666666666666e-05,
316
+ "loss": 0.3121,
317
+ "step": 220
318
+ },
319
+ {
320
+ "epoch": 0.21823472356935014,
321
+ "grad_norm": 0.1292022317647934,
322
+ "learning_rate": 3.7500000000000003e-05,
323
+ "loss": 0.2982,
324
+ "step": 225
325
+ },
326
+ {
327
+ "epoch": 0.22308438409311349,
328
+ "grad_norm": 0.13855475187301636,
329
+ "learning_rate": 3.8333333333333334e-05,
330
+ "loss": 0.2709,
331
+ "step": 230
332
+ },
333
+ {
334
+ "epoch": 0.22793404461687683,
335
+ "grad_norm": 0.12373723834753036,
336
+ "learning_rate": 3.9166666666666665e-05,
337
+ "loss": 0.2903,
338
+ "step": 235
339
+ },
340
+ {
341
+ "epoch": 0.23278370514064015,
342
+ "grad_norm": 0.1207897961139679,
343
+ "learning_rate": 4e-05,
344
+ "loss": 0.3064,
345
+ "step": 240
346
+ },
347
+ {
348
+ "epoch": 0.2376333656644035,
349
+ "grad_norm": 0.12190013378858566,
350
+ "learning_rate": 4.0833333333333334e-05,
351
+ "loss": 0.3189,
352
+ "step": 245
353
+ },
354
+ {
355
+ "epoch": 0.24248302618816683,
356
+ "grad_norm": 0.11036136001348495,
357
+ "learning_rate": 4.166666666666667e-05,
358
+ "loss": 0.2823,
359
+ "step": 250
360
+ },
361
+ {
362
+ "epoch": 0.24248302618816683,
363
+ "eval_loss": 0.2783246636390686,
364
+ "eval_runtime": 48.1034,
365
+ "eval_samples_per_second": 14.011,
366
+ "eval_steps_per_second": 0.894,
367
+ "step": 250
368
+ },
369
+ {
370
+ "epoch": 0.24733268671193018,
371
+ "grad_norm": 0.11338551342487335,
372
+ "learning_rate": 4.25e-05,
373
+ "loss": 0.2865,
374
+ "step": 255
375
+ },
376
+ {
377
+ "epoch": 0.2521823472356935,
378
+ "grad_norm": 0.1275234967470169,
379
+ "learning_rate": 4.3333333333333334e-05,
380
+ "loss": 0.279,
381
+ "step": 260
382
+ },
383
+ {
384
+ "epoch": 0.25703200775945684,
385
+ "grad_norm": 0.1382416933774948,
386
+ "learning_rate": 4.4166666666666665e-05,
387
+ "loss": 0.2578,
388
+ "step": 265
389
+ },
390
+ {
391
+ "epoch": 0.2618816682832202,
392
+ "grad_norm": 0.13280175626277924,
393
+ "learning_rate": 4.5e-05,
394
+ "loss": 0.3027,
395
+ "step": 270
396
+ },
397
+ {
398
+ "epoch": 0.2667313288069835,
399
+ "grad_norm": 0.11413029581308365,
400
+ "learning_rate": 4.5833333333333334e-05,
401
+ "loss": 0.2647,
402
+ "step": 275
403
+ },
404
+ {
405
+ "epoch": 0.27158098933074687,
406
+ "grad_norm": 0.12923401594161987,
407
+ "learning_rate": 4.666666666666667e-05,
408
+ "loss": 0.2984,
409
+ "step": 280
410
+ },
411
+ {
412
+ "epoch": 0.27643064985451016,
413
+ "grad_norm": 0.11887092143297195,
414
+ "learning_rate": 4.75e-05,
415
+ "loss": 0.2683,
416
+ "step": 285
417
+ },
418
+ {
419
+ "epoch": 0.2812803103782735,
420
+ "grad_norm": 0.12000833451747894,
421
+ "learning_rate": 4.8333333333333334e-05,
422
+ "loss": 0.2747,
423
+ "step": 290
424
+ },
425
+ {
426
+ "epoch": 0.28612997090203685,
427
+ "grad_norm": 0.11771322786808014,
428
+ "learning_rate": 4.9166666666666665e-05,
429
+ "loss": 0.233,
430
+ "step": 295
431
+ },
432
+ {
433
+ "epoch": 0.2909796314258002,
434
+ "grad_norm": 0.10835352540016174,
435
+ "learning_rate": 5e-05,
436
+ "loss": 0.2444,
437
+ "step": 300
438
+ },
439
+ {
440
+ "epoch": 0.29582929194956353,
441
+ "grad_norm": 0.12001065164804459,
442
+ "learning_rate": 4.999900657500545e-05,
443
+ "loss": 0.2234,
444
+ "step": 305
445
+ },
446
+ {
447
+ "epoch": 0.3006789524733269,
448
+ "grad_norm": 0.11877791583538055,
449
+ "learning_rate": 4.9996026378973266e-05,
450
+ "loss": 0.2467,
451
+ "step": 310
452
+ },
453
+ {
454
+ "epoch": 0.3055286129970902,
455
+ "grad_norm": 0.12458127737045288,
456
+ "learning_rate": 4.999105964875153e-05,
457
+ "loss": 0.2559,
458
+ "step": 315
459
+ },
460
+ {
461
+ "epoch": 0.31037827352085356,
462
+ "grad_norm": 0.11346752941608429,
463
+ "learning_rate": 4.9984106779066174e-05,
464
+ "loss": 0.2523,
465
+ "step": 320
466
+ },
467
+ {
468
+ "epoch": 0.31522793404461685,
469
+ "grad_norm": 0.13425442576408386,
470
+ "learning_rate": 4.9975168322489554e-05,
471
+ "loss": 0.2697,
472
+ "step": 325
473
+ },
474
+ {
475
+ "epoch": 0.3200775945683802,
476
+ "grad_norm": 0.11504397541284561,
477
+ "learning_rate": 4.996424498939656e-05,
478
+ "loss": 0.2553,
479
+ "step": 330
480
+ },
481
+ {
482
+ "epoch": 0.32492725509214354,
483
+ "grad_norm": 0.12158407270908356,
484
+ "learning_rate": 4.9951337647908165e-05,
485
+ "loss": 0.2477,
486
+ "step": 335
487
+ },
488
+ {
489
+ "epoch": 0.3297769156159069,
490
+ "grad_norm": 0.12656843662261963,
491
+ "learning_rate": 4.9936447323822424e-05,
492
+ "loss": 0.2328,
493
+ "step": 340
494
+ },
495
+ {
496
+ "epoch": 0.33462657613967023,
497
+ "grad_norm": 0.1163104996085167,
498
+ "learning_rate": 4.991957520053294e-05,
499
+ "loss": 0.2509,
500
+ "step": 345
501
+ },
502
+ {
503
+ "epoch": 0.3394762366634336,
504
+ "grad_norm": 0.12447489798069,
505
+ "learning_rate": 4.990072261893484e-05,
506
+ "loss": 0.2589,
507
+ "step": 350
508
+ },
509
+ {
510
+ "epoch": 0.3443258971871969,
511
+ "grad_norm": 0.11267515271902084,
512
+ "learning_rate": 4.9879891077318176e-05,
513
+ "loss": 0.2446,
514
+ "step": 355
515
+ },
516
+ {
517
+ "epoch": 0.34917555771096026,
518
+ "grad_norm": 0.13075344264507294,
519
+ "learning_rate": 4.985708223124888e-05,
520
+ "loss": 0.2587,
521
+ "step": 360
522
+ },
523
+ {
524
+ "epoch": 0.35402521823472355,
525
+ "grad_norm": 0.10673461854457855,
526
+ "learning_rate": 4.9832297893437186e-05,
527
+ "loss": 0.2457,
528
+ "step": 365
529
+ },
530
+ {
531
+ "epoch": 0.3588748787584869,
532
+ "grad_norm": 0.12786507606506348,
533
+ "learning_rate": 4.980554003359354e-05,
534
+ "loss": 0.2369,
535
+ "step": 370
536
+ },
537
+ {
538
+ "epoch": 0.36372453928225024,
539
+ "grad_norm": 0.1437879055738449,
540
+ "learning_rate": 4.9776810778272075e-05,
541
+ "loss": 0.2736,
542
+ "step": 375
543
+ },
544
+ {
545
+ "epoch": 0.3685741998060136,
546
+ "grad_norm": 0.12847022712230682,
547
+ "learning_rate": 4.9746112410701625e-05,
548
+ "loss": 0.2252,
549
+ "step": 380
550
+ },
551
+ {
552
+ "epoch": 0.3734238603297769,
553
+ "grad_norm": 0.11457338184118271,
554
+ "learning_rate": 4.9713447370604236e-05,
555
+ "loss": 0.2508,
556
+ "step": 385
557
+ },
558
+ {
559
+ "epoch": 0.37827352085354027,
560
+ "grad_norm": 0.11042597144842148,
561
+ "learning_rate": 4.967881825400129e-05,
562
+ "loss": 0.2306,
563
+ "step": 390
564
+ },
565
+ {
566
+ "epoch": 0.3831231813773036,
567
+ "grad_norm": 0.12592245638370514,
568
+ "learning_rate": 4.964222781300719e-05,
569
+ "loss": 0.2599,
570
+ "step": 395
571
+ },
572
+ {
573
+ "epoch": 0.3879728419010669,
574
+ "grad_norm": 0.11546192318201065,
575
+ "learning_rate": 4.960367895561063e-05,
576
+ "loss": 0.2225,
577
+ "step": 400
578
+ },
579
+ {
580
+ "epoch": 0.39282250242483024,
581
+ "grad_norm": 0.12539242208003998,
582
+ "learning_rate": 4.956317474544348e-05,
583
+ "loss": 0.2432,
584
+ "step": 405
585
+ },
586
+ {
587
+ "epoch": 0.3976721629485936,
588
+ "grad_norm": 0.10763729363679886,
589
+ "learning_rate": 4.952071840153732e-05,
590
+ "loss": 0.2307,
591
+ "step": 410
592
+ },
593
+ {
594
+ "epoch": 0.40252182347235693,
595
+ "grad_norm": 0.11994805932044983,
596
+ "learning_rate": 4.947631329806761e-05,
597
+ "loss": 0.2282,
598
+ "step": 415
599
+ },
600
+ {
601
+ "epoch": 0.4073714839961203,
602
+ "grad_norm": 0.13727760314941406,
603
+ "learning_rate": 4.9429962964085517e-05,
604
+ "loss": 0.2225,
605
+ "step": 420
606
+ },
607
+ {
608
+ "epoch": 0.4122211445198836,
609
+ "grad_norm": 0.1300915628671646,
610
+ "learning_rate": 4.9381671083237476e-05,
611
+ "loss": 0.2393,
612
+ "step": 425
613
+ },
614
+ {
615
+ "epoch": 0.41707080504364696,
616
+ "grad_norm": 0.12672416865825653,
617
+ "learning_rate": 4.9331441493472395e-05,
618
+ "loss": 0.2296,
619
+ "step": 430
620
+ },
621
+ {
622
+ "epoch": 0.4219204655674103,
623
+ "grad_norm": 0.13302814960479736,
624
+ "learning_rate": 4.9279278186736674e-05,
625
+ "loss": 0.2242,
626
+ "step": 435
627
+ },
628
+ {
629
+ "epoch": 0.4267701260911736,
630
+ "grad_norm": 0.12973704934120178,
631
+ "learning_rate": 4.922518530865693e-05,
632
+ "loss": 0.2329,
633
+ "step": 440
634
+ },
635
+ {
636
+ "epoch": 0.43161978661493694,
637
+ "grad_norm": 0.12950606644153595,
638
+ "learning_rate": 4.916916715821053e-05,
639
+ "loss": 0.2132,
640
+ "step": 445
641
+ },
642
+ {
643
+ "epoch": 0.4364694471387003,
644
+ "grad_norm": 0.12280883640050888,
645
+ "learning_rate": 4.911122818738394e-05,
646
+ "loss": 0.2255,
647
+ "step": 450
648
+ },
649
+ {
650
+ "epoch": 0.44131910766246363,
651
+ "grad_norm": 0.12878793478012085,
652
+ "learning_rate": 4.9051373000818887e-05,
653
+ "loss": 0.2268,
654
+ "step": 455
655
+ },
656
+ {
657
+ "epoch": 0.44616876818622697,
658
+ "grad_norm": 0.12943603098392487,
659
+ "learning_rate": 4.898960635544647e-05,
660
+ "loss": 0.2145,
661
+ "step": 460
662
+ },
663
+ {
664
+ "epoch": 0.4510184287099903,
665
+ "grad_norm": 0.13643978536128998,
666
+ "learning_rate": 4.8925933160109016e-05,
667
+ "loss": 0.2197,
668
+ "step": 465
669
+ },
670
+ {
671
+ "epoch": 0.45586808923375366,
672
+ "grad_norm": 0.1563604176044464,
673
+ "learning_rate": 4.886035847517003e-05,
674
+ "loss": 0.2449,
675
+ "step": 470
676
+ },
677
+ {
678
+ "epoch": 0.46071774975751695,
679
+ "grad_norm": 0.13257759809494019,
680
+ "learning_rate": 4.879288751211199e-05,
681
+ "loss": 0.2307,
682
+ "step": 475
683
+ },
684
+ {
685
+ "epoch": 0.4655674102812803,
686
+ "grad_norm": 0.13240696489810944,
687
+ "learning_rate": 4.8723525633122193e-05,
688
+ "loss": 0.2136,
689
+ "step": 480
690
+ },
691
+ {
692
+ "epoch": 0.47041707080504364,
693
+ "grad_norm": 0.14693856239318848,
694
+ "learning_rate": 4.8652278350666566e-05,
695
+ "loss": 0.2388,
696
+ "step": 485
697
+ },
698
+ {
699
+ "epoch": 0.475266731328807,
700
+ "grad_norm": 0.14097219705581665,
701
+ "learning_rate": 4.857915132705162e-05,
702
+ "loss": 0.2178,
703
+ "step": 490
704
+ },
705
+ {
706
+ "epoch": 0.4801163918525703,
707
+ "grad_norm": 0.1185833290219307,
708
+ "learning_rate": 4.850415037397439e-05,
709
+ "loss": 0.2283,
710
+ "step": 495
711
+ },
712
+ {
713
+ "epoch": 0.48496605237633367,
714
+ "grad_norm": 0.1279655396938324,
715
+ "learning_rate": 4.8427281452060594e-05,
716
+ "loss": 0.2186,
717
+ "step": 500
718
+ },
719
+ {
720
+ "epoch": 0.48496605237633367,
721
+ "eval_loss": 0.2229408472776413,
722
+ "eval_runtime": 48.0836,
723
+ "eval_samples_per_second": 14.017,
724
+ "eval_steps_per_second": 0.894,
725
+ "step": 500
726
+ },
727
+ {
728
+ "epoch": 0.489815712900097,
729
+ "grad_norm": 0.14021804928779602,
730
+ "learning_rate": 4.834855067039088e-05,
731
+ "loss": 0.227,
732
+ "step": 505
733
+ },
734
+ {
735
+ "epoch": 0.49466537342386036,
736
+ "grad_norm": 0.13102716207504272,
737
+ "learning_rate": 4.826796428601538e-05,
738
+ "loss": 0.2302,
739
+ "step": 510
740
+ },
741
+ {
742
+ "epoch": 0.49951503394762364,
743
+ "grad_norm": 0.11888754367828369,
744
+ "learning_rate": 4.818552870345635e-05,
745
+ "loss": 0.2245,
746
+ "step": 515
747
+ },
748
+ {
749
+ "epoch": 0.504364694471387,
750
+ "grad_norm": 0.13540378212928772,
751
+ "learning_rate": 4.810125047419926e-05,
752
+ "loss": 0.233,
753
+ "step": 520
754
+ },
755
+ {
756
+ "epoch": 0.5092143549951503,
757
+ "grad_norm": 0.12920723855495453,
758
+ "learning_rate": 4.8015136296172055e-05,
759
+ "loss": 0.2225,
760
+ "step": 525
761
+ },
762
+ {
763
+ "epoch": 0.5140640155189137,
764
+ "grad_norm": 0.12302406132221222,
765
+ "learning_rate": 4.792719301321289e-05,
766
+ "loss": 0.2155,
767
+ "step": 530
768
+ },
769
+ {
770
+ "epoch": 0.518913676042677,
771
+ "grad_norm": 0.12846626341342926,
772
+ "learning_rate": 4.783742761452619e-05,
773
+ "loss": 0.2285,
774
+ "step": 535
775
+ },
776
+ {
777
+ "epoch": 0.5237633365664404,
778
+ "grad_norm": 0.12521494925022125,
779
+ "learning_rate": 4.7745847234127206e-05,
780
+ "loss": 0.2112,
781
+ "step": 540
782
+ },
783
+ {
784
+ "epoch": 0.5286129970902037,
785
+ "grad_norm": 0.12830866873264313,
786
+ "learning_rate": 4.7652459150275055e-05,
787
+ "loss": 0.2246,
788
+ "step": 545
789
+ },
790
+ {
791
+ "epoch": 0.533462657613967,
792
+ "grad_norm": 0.14525972306728363,
793
+ "learning_rate": 4.7557270784894276e-05,
794
+ "loss": 0.2293,
795
+ "step": 550
796
+ },
797
+ {
798
+ "epoch": 0.5383123181377304,
799
+ "grad_norm": 0.14833694696426392,
800
+ "learning_rate": 4.746028970298497e-05,
801
+ "loss": 0.2366,
802
+ "step": 555
803
+ },
804
+ {
805
+ "epoch": 0.5431619786614937,
806
+ "grad_norm": 0.13993489742279053,
807
+ "learning_rate": 4.7361523612021616e-05,
808
+ "loss": 0.2456,
809
+ "step": 560
810
+ },
811
+ {
812
+ "epoch": 0.5480116391852571,
813
+ "grad_norm": 0.125143900513649,
814
+ "learning_rate": 4.726098036134046e-05,
815
+ "loss": 0.2365,
816
+ "step": 565
817
+ },
818
+ {
819
+ "epoch": 0.5528612997090203,
820
+ "grad_norm": 0.1390179991722107,
821
+ "learning_rate": 4.715866794151578e-05,
822
+ "loss": 0.233,
823
+ "step": 570
824
+ },
825
+ {
826
+ "epoch": 0.5577109602327837,
827
+ "grad_norm": 0.1502588987350464,
828
+ "learning_rate": 4.705459448372478e-05,
829
+ "loss": 0.234,
830
+ "step": 575
831
+ },
832
+ {
833
+ "epoch": 0.562560620756547,
834
+ "grad_norm": 0.1441139429807663,
835
+ "learning_rate": 4.6948768259101394e-05,
836
+ "loss": 0.2085,
837
+ "step": 580
838
+ },
839
+ {
840
+ "epoch": 0.5674102812803103,
841
+ "grad_norm": 0.136013925075531,
842
+ "learning_rate": 4.6841197678078965e-05,
843
+ "loss": 0.1938,
844
+ "step": 585
845
+ },
846
+ {
847
+ "epoch": 0.5722599418040737,
848
+ "grad_norm": 0.12127859890460968,
849
+ "learning_rate": 4.6731891289721786e-05,
850
+ "loss": 0.2009,
851
+ "step": 590
852
+ },
853
+ {
854
+ "epoch": 0.577109602327837,
855
+ "grad_norm": 0.14969481527805328,
856
+ "learning_rate": 4.6620857781045715e-05,
857
+ "loss": 0.2071,
858
+ "step": 595
859
+ },
860
+ {
861
+ "epoch": 0.5819592628516004,
862
+ "grad_norm": 0.13548845052719116,
863
+ "learning_rate": 4.65081059763278e-05,
864
+ "loss": 0.2265,
865
+ "step": 600
866
+ },
867
+ {
868
+ "epoch": 0.5868089233753637,
869
+ "grad_norm": 0.12766653299331665,
870
+ "learning_rate": 4.639364483640489e-05,
871
+ "loss": 0.2212,
872
+ "step": 605
873
+ },
874
+ {
875
+ "epoch": 0.5916585838991271,
876
+ "grad_norm": 0.13482384383678436,
877
+ "learning_rate": 4.627748345796158e-05,
878
+ "loss": 0.2145,
879
+ "step": 610
880
+ },
881
+ {
882
+ "epoch": 0.5965082444228904,
883
+ "grad_norm": 0.13684765994548798,
884
+ "learning_rate": 4.615963107280722e-05,
885
+ "loss": 0.2097,
886
+ "step": 615
887
+ },
888
+ {
889
+ "epoch": 0.6013579049466538,
890
+ "grad_norm": 0.1494571417570114,
891
+ "learning_rate": 4.604009704714219e-05,
892
+ "loss": 0.2282,
893
+ "step": 620
894
+ },
895
+ {
896
+ "epoch": 0.6062075654704171,
897
+ "grad_norm": 0.14703498780727386,
898
+ "learning_rate": 4.591889088081363e-05,
899
+ "loss": 0.1963,
900
+ "step": 625
901
+ },
902
+ {
903
+ "epoch": 0.6110572259941804,
904
+ "grad_norm": 0.151000514626503,
905
+ "learning_rate": 4.579602220656032e-05,
906
+ "loss": 0.2267,
907
+ "step": 630
908
+ },
909
+ {
910
+ "epoch": 0.6159068865179438,
911
+ "grad_norm": 0.1505574882030487,
912
+ "learning_rate": 4.567150078924723e-05,
913
+ "loss": 0.2298,
914
+ "step": 635
915
+ },
916
+ {
917
+ "epoch": 0.6207565470417071,
918
+ "grad_norm": 0.1409265249967575,
919
+ "learning_rate": 4.5545336525089444e-05,
920
+ "loss": 0.2051,
921
+ "step": 640
922
+ },
923
+ {
924
+ "epoch": 0.6256062075654704,
925
+ "grad_norm": 0.14167818427085876,
926
+ "learning_rate": 4.5417539440865616e-05,
927
+ "loss": 0.2302,
928
+ "step": 645
929
+ },
930
+ {
931
+ "epoch": 0.6304558680892337,
932
+ "grad_norm": 0.14084312319755554,
933
+ "learning_rate": 4.528811969312117e-05,
934
+ "loss": 0.2164,
935
+ "step": 650
936
+ },
937
+ {
938
+ "epoch": 0.635305528612997,
939
+ "grad_norm": 0.14464280009269714,
940
+ "learning_rate": 4.515708756736108e-05,
941
+ "loss": 0.1948,
942
+ "step": 655
943
+ },
944
+ {
945
+ "epoch": 0.6401551891367604,
946
+ "grad_norm": 0.141952782869339,
947
+ "learning_rate": 4.5024453477232444e-05,
948
+ "loss": 0.2193,
949
+ "step": 660
950
+ },
951
+ {
952
+ "epoch": 0.6450048496605237,
953
+ "grad_norm": 0.1446189135313034,
954
+ "learning_rate": 4.4890227963696895e-05,
955
+ "loss": 0.2141,
956
+ "step": 665
957
+ },
958
+ {
959
+ "epoch": 0.6498545101842871,
960
+ "grad_norm": 0.15042971074581146,
961
+ "learning_rate": 4.4754421694192835e-05,
962
+ "loss": 0.2125,
963
+ "step": 670
964
+ },
965
+ {
966
+ "epoch": 0.6547041707080504,
967
+ "grad_norm": 0.15916042029857635,
968
+ "learning_rate": 4.4617045461787665e-05,
969
+ "loss": 0.2215,
970
+ "step": 675
971
+ },
972
+ {
973
+ "epoch": 0.6595538312318138,
974
+ "grad_norm": 0.15135568380355835,
975
+ "learning_rate": 4.447811018432002e-05,
976
+ "loss": 0.1974,
977
+ "step": 680
978
+ },
979
+ {
980
+ "epoch": 0.6644034917555771,
981
+ "grad_norm": 0.12838397920131683,
982
+ "learning_rate": 4.4337626903532076e-05,
983
+ "loss": 0.2231,
984
+ "step": 685
985
+ },
986
+ {
987
+ "epoch": 0.6692531522793405,
988
+ "grad_norm": 0.145597442984581,
989
+ "learning_rate": 4.419560678419203e-05,
990
+ "loss": 0.2193,
991
+ "step": 690
992
+ },
993
+ {
994
+ "epoch": 0.6741028128031038,
995
+ "grad_norm": 0.14090026915073395,
996
+ "learning_rate": 4.40520611132068e-05,
997
+ "loss": 0.2196,
998
+ "step": 695
999
+ },
1000
+ {
1001
+ "epoch": 0.6789524733268671,
1002
+ "grad_norm": 0.1343528777360916,
1003
+ "learning_rate": 4.390700129872497e-05,
1004
+ "loss": 0.1998,
1005
+ "step": 700
1006
+ },
1007
+ {
1008
+ "epoch": 0.6838021338506305,
1009
+ "grad_norm": 0.14349782466888428,
1010
+ "learning_rate": 4.376043886923015e-05,
1011
+ "loss": 0.2073,
1012
+ "step": 705
1013
+ },
1014
+ {
1015
+ "epoch": 0.6886517943743938,
1016
+ "grad_norm": 0.15432004630565643,
1017
+ "learning_rate": 4.361238547262484e-05,
1018
+ "loss": 0.2184,
1019
+ "step": 710
1020
+ },
1021
+ {
1022
+ "epoch": 0.6935014548981572,
1023
+ "grad_norm": 0.13481660187244415,
1024
+ "learning_rate": 4.346285287530458e-05,
1025
+ "loss": 0.2248,
1026
+ "step": 715
1027
+ },
1028
+ {
1029
+ "epoch": 0.6983511154219205,
1030
+ "grad_norm": 0.1398806869983673,
1031
+ "learning_rate": 4.3311852961222966e-05,
1032
+ "loss": 0.2384,
1033
+ "step": 720
1034
+ },
1035
+ {
1036
+ "epoch": 0.7032007759456838,
1037
+ "grad_norm": 0.13174192607402802,
1038
+ "learning_rate": 4.315939773094709e-05,
1039
+ "loss": 0.213,
1040
+ "step": 725
1041
+ },
1042
+ {
1043
+ "epoch": 0.7080504364694471,
1044
+ "grad_norm": 0.12232716381549835,
1045
+ "learning_rate": 4.300549930070387e-05,
1046
+ "loss": 0.2283,
1047
+ "step": 730
1048
+ },
1049
+ {
1050
+ "epoch": 0.7129000969932104,
1051
+ "grad_norm": 0.14730586111545563,
1052
+ "learning_rate": 4.2850169901417084e-05,
1053
+ "loss": 0.2098,
1054
+ "step": 735
1055
+ },
1056
+ {
1057
+ "epoch": 0.7177497575169738,
1058
+ "grad_norm": 0.13813212513923645,
1059
+ "learning_rate": 4.269342187773532e-05,
1060
+ "loss": 0.2062,
1061
+ "step": 740
1062
+ },
1063
+ {
1064
+ "epoch": 0.7225994180407371,
1065
+ "grad_norm": 0.13183937966823578,
1066
+ "learning_rate": 4.253526768705097e-05,
1067
+ "loss": 0.2034,
1068
+ "step": 745
1069
+ },
1070
+ {
1071
+ "epoch": 0.7274490785645005,
1072
+ "grad_norm": 0.14278775453567505,
1073
+ "learning_rate": 4.237571989851011e-05,
1074
+ "loss": 0.2227,
1075
+ "step": 750
1076
+ },
1077
+ {
1078
+ "epoch": 0.7274490785645005,
1079
+ "eval_loss": 0.21041834354400635,
1080
+ "eval_runtime": 48.0966,
1081
+ "eval_samples_per_second": 14.013,
1082
+ "eval_steps_per_second": 0.894,
1083
+ "step": 750
1084
+ },
1085
+ {
1086
+ "epoch": 0.7322987390882638,
1087
+ "grad_norm": 0.16159804165363312,
1088
+ "learning_rate": 4.221479119201362e-05,
1089
+ "loss": 0.2191,
1090
+ "step": 755
1091
+ },
1092
+ {
1093
+ "epoch": 0.7371483996120272,
1094
+ "grad_norm": 0.13423971831798553,
1095
+ "learning_rate": 4.205249435720943e-05,
1096
+ "loss": 0.1993,
1097
+ "step": 760
1098
+ },
1099
+ {
1100
+ "epoch": 0.7419980601357905,
1101
+ "grad_norm": 0.14568765461444855,
1102
+ "learning_rate": 4.1888842292476126e-05,
1103
+ "loss": 0.2023,
1104
+ "step": 765
1105
+ },
1106
+ {
1107
+ "epoch": 0.7468477206595538,
1108
+ "grad_norm": 0.13105235993862152,
1109
+ "learning_rate": 4.172384800389784e-05,
1110
+ "loss": 0.2048,
1111
+ "step": 770
1112
+ },
1113
+ {
1114
+ "epoch": 0.7516973811833172,
1115
+ "grad_norm": 0.14081120491027832,
1116
+ "learning_rate": 4.155752460423059e-05,
1117
+ "loss": 0.2078,
1118
+ "step": 775
1119
+ },
1120
+ {
1121
+ "epoch": 0.7565470417070805,
1122
+ "grad_norm": 0.13213010132312775,
1123
+ "learning_rate": 4.138988531186016e-05,
1124
+ "loss": 0.2183,
1125
+ "step": 780
1126
+ },
1127
+ {
1128
+ "epoch": 0.7613967022308439,
1129
+ "grad_norm": 0.1357748806476593,
1130
+ "learning_rate": 4.1220943449751606e-05,
1131
+ "loss": 0.2016,
1132
+ "step": 785
1133
+ },
1134
+ {
1135
+ "epoch": 0.7662463627546072,
1136
+ "grad_norm": 0.13532240688800812,
1137
+ "learning_rate": 4.105071244439039e-05,
1138
+ "loss": 0.2113,
1139
+ "step": 790
1140
+ },
1141
+ {
1142
+ "epoch": 0.7710960232783706,
1143
+ "grad_norm": 0.14828477799892426,
1144
+ "learning_rate": 4.0879205824715384e-05,
1145
+ "loss": 0.2159,
1146
+ "step": 795
1147
+ },
1148
+ {
1149
+ "epoch": 0.7759456838021338,
1150
+ "grad_norm": 0.1488686501979828,
1151
+ "learning_rate": 4.070643722104358e-05,
1152
+ "loss": 0.2124,
1153
+ "step": 800
1154
+ },
1155
+ {
1156
+ "epoch": 0.7807953443258971,
1157
+ "grad_norm": 0.1575794368982315,
1158
+ "learning_rate": 4.053242036398692e-05,
1159
+ "loss": 0.2065,
1160
+ "step": 805
1161
+ },
1162
+ {
1163
+ "epoch": 0.7856450048496605,
1164
+ "grad_norm": 0.13456198573112488,
1165
+ "learning_rate": 4.035716908336102e-05,
1166
+ "loss": 0.201,
1167
+ "step": 810
1168
+ },
1169
+ {
1170
+ "epoch": 0.7904946653734238,
1171
+ "grad_norm": 0.13958740234375,
1172
+ "learning_rate": 4.01806973070861e-05,
1173
+ "loss": 0.2093,
1174
+ "step": 815
1175
+ },
1176
+ {
1177
+ "epoch": 0.7953443258971872,
1178
+ "grad_norm": 0.14714553952217102,
1179
+ "learning_rate": 4.000301906008001e-05,
1180
+ "loss": 0.2082,
1181
+ "step": 820
1182
+ },
1183
+ {
1184
+ "epoch": 0.8001939864209505,
1185
+ "grad_norm": 0.1589927226305008,
1186
+ "learning_rate": 3.9824148463143685e-05,
1187
+ "loss": 0.2279,
1188
+ "step": 825
1189
+ },
1190
+ {
1191
+ "epoch": 0.8050436469447139,
1192
+ "grad_norm": 0.15132376551628113,
1193
+ "learning_rate": 3.964409973183886e-05,
1194
+ "loss": 0.204,
1195
+ "step": 830
1196
+ },
1197
+ {
1198
+ "epoch": 0.8098933074684772,
1199
+ "grad_norm": 0.156170055270195,
1200
+ "learning_rate": 3.946288717535833e-05,
1201
+ "loss": 0.2051,
1202
+ "step": 835
1203
+ },
1204
+ {
1205
+ "epoch": 0.8147429679922406,
1206
+ "grad_norm": 0.12180455029010773,
1207
+ "learning_rate": 3.928052519538874e-05,
1208
+ "loss": 0.2064,
1209
+ "step": 840
1210
+ },
1211
+ {
1212
+ "epoch": 0.8195926285160039,
1213
+ "grad_norm": 0.1337326467037201,
1214
+ "learning_rate": 3.9097028284966e-05,
1215
+ "loss": 0.2025,
1216
+ "step": 845
1217
+ },
1218
+ {
1219
+ "epoch": 0.8244422890397672,
1220
+ "grad_norm": 0.13768617808818817,
1221
+ "learning_rate": 3.891241102732348e-05,
1222
+ "loss": 0.2037,
1223
+ "step": 850
1224
+ },
1225
+ {
1226
+ "epoch": 0.8292919495635306,
1227
+ "grad_norm": 0.15049096941947937,
1228
+ "learning_rate": 3.872668809473304e-05,
1229
+ "loss": 0.2028,
1230
+ "step": 855
1231
+ },
1232
+ {
1233
+ "epoch": 0.8341416100872939,
1234
+ "grad_norm": 0.14802470803260803,
1235
+ "learning_rate": 3.8539874247338956e-05,
1236
+ "loss": 0.2137,
1237
+ "step": 860
1238
+ },
1239
+ {
1240
+ "epoch": 0.8389912706110573,
1241
+ "grad_norm": 0.13950683176517487,
1242
+ "learning_rate": 3.835198433198484e-05,
1243
+ "loss": 0.2375,
1244
+ "step": 865
1245
+ },
1246
+ {
1247
+ "epoch": 0.8438409311348206,
1248
+ "grad_norm": 0.13893653452396393,
1249
+ "learning_rate": 3.816303328103374e-05,
1250
+ "loss": 0.204,
1251
+ "step": 870
1252
+ },
1253
+ {
1254
+ "epoch": 0.8486905916585838,
1255
+ "grad_norm": 0.1808776557445526,
1256
+ "learning_rate": 3.7973036111181405e-05,
1257
+ "loss": 0.2043,
1258
+ "step": 875
1259
+ },
1260
+ {
1261
+ "epoch": 0.8535402521823472,
1262
+ "grad_norm": 0.1470966786146164,
1263
+ "learning_rate": 3.7782007922262827e-05,
1264
+ "loss": 0.2117,
1265
+ "step": 880
1266
+ },
1267
+ {
1268
+ "epoch": 0.8583899127061105,
1269
+ "grad_norm": 0.15209127962589264,
1270
+ "learning_rate": 3.758996389605222e-05,
1271
+ "loss": 0.2187,
1272
+ "step": 885
1273
+ },
1274
+ {
1275
+ "epoch": 0.8632395732298739,
1276
+ "grad_norm": 0.1539296954870224,
1277
+ "learning_rate": 3.739691929505641e-05,
1278
+ "loss": 0.2062,
1279
+ "step": 890
1280
+ },
1281
+ {
1282
+ "epoch": 0.8680892337536372,
1283
+ "grad_norm": 0.13484741747379303,
1284
+ "learning_rate": 3.720288946130197e-05,
1285
+ "loss": 0.1985,
1286
+ "step": 895
1287
+ },
1288
+ {
1289
+ "epoch": 0.8729388942774006,
1290
+ "grad_norm": 0.15806835889816284,
1291
+ "learning_rate": 3.7007889815115796e-05,
1292
+ "loss": 0.2144,
1293
+ "step": 900
1294
+ },
1295
+ {
1296
+ "epoch": 0.8777885548011639,
1297
+ "grad_norm": 0.16019117832183838,
1298
+ "learning_rate": 3.681193585389969e-05,
1299
+ "loss": 0.1912,
1300
+ "step": 905
1301
+ },
1302
+ {
1303
+ "epoch": 0.8826382153249273,
1304
+ "grad_norm": 0.1545192003250122,
1305
+ "learning_rate": 3.6615043150898674e-05,
1306
+ "loss": 0.2093,
1307
+ "step": 910
1308
+ },
1309
+ {
1310
+ "epoch": 0.8874878758486906,
1311
+ "grad_norm": 0.1420498490333557,
1312
+ "learning_rate": 3.641722735396336e-05,
1313
+ "loss": 0.205,
1314
+ "step": 915
1315
+ },
1316
+ {
1317
+ "epoch": 0.8923375363724539,
1318
+ "grad_norm": 0.15403462946414948,
1319
+ "learning_rate": 3.6218504184306295e-05,
1320
+ "loss": 0.1907,
1321
+ "step": 920
1322
+ },
1323
+ {
1324
+ "epoch": 0.8971871968962173,
1325
+ "grad_norm": 0.1699294149875641,
1326
+ "learning_rate": 3.6018889435252574e-05,
1327
+ "loss": 0.2399,
1328
+ "step": 925
1329
+ },
1330
+ {
1331
+ "epoch": 0.9020368574199806,
1332
+ "grad_norm": 0.1434181183576584,
1333
+ "learning_rate": 3.581839897098468e-05,
1334
+ "loss": 0.2033,
1335
+ "step": 930
1336
+ },
1337
+ {
1338
+ "epoch": 0.906886517943744,
1339
+ "grad_norm": 0.14518964290618896,
1340
+ "learning_rate": 3.561704872528169e-05,
1341
+ "loss": 0.1908,
1342
+ "step": 935
1343
+ },
1344
+ {
1345
+ "epoch": 0.9117361784675073,
1346
+ "grad_norm": 0.1436786949634552,
1347
+ "learning_rate": 3.5414854700252945e-05,
1348
+ "loss": 0.202,
1349
+ "step": 940
1350
+ },
1351
+ {
1352
+ "epoch": 0.9165858389912707,
1353
+ "grad_norm": 0.1517830491065979,
1354
+ "learning_rate": 3.521183296506628e-05,
1355
+ "loss": 0.2088,
1356
+ "step": 945
1357
+ },
1358
+ {
1359
+ "epoch": 0.9214354995150339,
1360
+ "grad_norm": 0.1423126757144928,
1361
+ "learning_rate": 3.5007999654671004e-05,
1362
+ "loss": 0.2026,
1363
+ "step": 950
1364
+ },
1365
+ {
1366
+ "epoch": 0.9262851600387972,
1367
+ "grad_norm": 0.13826879858970642,
1368
+ "learning_rate": 3.4803370968515535e-05,
1369
+ "loss": 0.2048,
1370
+ "step": 955
1371
+ },
1372
+ {
1373
+ "epoch": 0.9311348205625606,
1374
+ "grad_norm": 0.15552102029323578,
1375
+ "learning_rate": 3.4597963169259994e-05,
1376
+ "loss": 0.2074,
1377
+ "step": 960
1378
+ },
1379
+ {
1380
+ "epoch": 0.9359844810863239,
1381
+ "grad_norm": 0.1478404849767685,
1382
+ "learning_rate": 3.4391792581483724e-05,
1383
+ "loss": 0.2,
1384
+ "step": 965
1385
+ },
1386
+ {
1387
+ "epoch": 0.9408341416100873,
1388
+ "grad_norm": 0.15055781602859497,
1389
+ "learning_rate": 3.4184875590387924e-05,
1390
+ "loss": 0.2032,
1391
+ "step": 970
1392
+ },
1393
+ {
1394
+ "epoch": 0.9456838021338506,
1395
+ "grad_norm": 0.14816974103450775,
1396
+ "learning_rate": 3.397722864049347e-05,
1397
+ "loss": 0.2095,
1398
+ "step": 975
1399
+ },
1400
+ {
1401
+ "epoch": 0.950533462657614,
1402
+ "grad_norm": 0.15103183686733246,
1403
+ "learning_rate": 3.376886823433395e-05,
1404
+ "loss": 0.2133,
1405
+ "step": 980
1406
+ },
1407
+ {
1408
+ "epoch": 0.9553831231813773,
1409
+ "grad_norm": 0.15531527996063232,
1410
+ "learning_rate": 3.35598109311442e-05,
1411
+ "loss": 0.2125,
1412
+ "step": 985
1413
+ },
1414
+ {
1415
+ "epoch": 0.9602327837051406,
1416
+ "grad_norm": 0.13943400979042053,
1417
+ "learning_rate": 3.335007334554423e-05,
1418
+ "loss": 0.1981,
1419
+ "step": 990
1420
+ },
1421
+ {
1422
+ "epoch": 0.965082444228904,
1423
+ "grad_norm": 0.14304272830486298,
1424
+ "learning_rate": 3.3139672146218846e-05,
1425
+ "loss": 0.2037,
1426
+ "step": 995
1427
+ },
1428
+ {
1429
+ "epoch": 0.9699321047526673,
1430
+ "grad_norm": 0.16258351504802704,
1431
+ "learning_rate": 3.2928624054592873e-05,
1432
+ "loss": 0.1965,
1433
+ "step": 1000
1434
+ },
1435
+ {
1436
+ "epoch": 0.9699321047526673,
1437
+ "eval_loss": 0.20380738377571106,
1438
+ "eval_runtime": 48.08,
1439
+ "eval_samples_per_second": 14.018,
1440
+ "eval_steps_per_second": 0.894,
1441
+ "step": 1000
1442
+ },
1443
+ {
1444
+ "epoch": 0.9747817652764307,
1445
+ "grad_norm": 0.14396609365940094,
1446
+ "learning_rate": 3.2716945843502224e-05,
1447
+ "loss": 0.2143,
1448
+ "step": 1005
1449
+ },
1450
+ {
1451
+ "epoch": 0.979631425800194,
1452
+ "grad_norm": 0.1358533650636673,
1453
+ "learning_rate": 3.2504654335860986e-05,
1454
+ "loss": 0.2189,
1455
+ "step": 1010
1456
+ },
1457
+ {
1458
+ "epoch": 0.9844810863239574,
1459
+ "grad_norm": 0.18899835646152496,
1460
+ "learning_rate": 3.229176640332433e-05,
1461
+ "loss": 0.2089,
1462
+ "step": 1015
1463
+ },
1464
+ {
1465
+ "epoch": 0.9893307468477207,
1466
+ "grad_norm": 0.14681367576122284,
1467
+ "learning_rate": 3.2078298964947715e-05,
1468
+ "loss": 0.1817,
1469
+ "step": 1020
1470
+ },
1471
+ {
1472
+ "epoch": 0.9941804073714839,
1473
+ "grad_norm": 0.13952337205410004,
1474
+ "learning_rate": 3.186426898584225e-05,
1475
+ "loss": 0.2128,
1476
+ "step": 1025
1477
+ },
1478
+ {
1479
+ "epoch": 0.9990300678952473,
1480
+ "grad_norm": 0.14799629151821136,
1481
+ "learning_rate": 3.164969347582639e-05,
1482
+ "loss": 0.2014,
1483
+ "step": 1030
1484
+ },
1485
+ {
1486
+ "epoch": 1.0038797284190106,
1487
+ "grad_norm": 0.16220593452453613,
1488
+ "learning_rate": 3.143458948807414e-05,
1489
+ "loss": 0.22,
1490
+ "step": 1035
1491
+ },
1492
+ {
1493
+ "epoch": 1.008729388942774,
1494
+ "grad_norm": 0.1490844190120697,
1495
+ "learning_rate": 3.1218974117759714e-05,
1496
+ "loss": 0.2157,
1497
+ "step": 1040
1498
+ },
1499
+ {
1500
+ "epoch": 1.0135790494665373,
1501
+ "grad_norm": 0.1579083800315857,
1502
+ "learning_rate": 3.100286450069897e-05,
1503
+ "loss": 0.1989,
1504
+ "step": 1045
1505
+ },
1506
+ {
1507
+ "epoch": 1.0184287099903007,
1508
+ "grad_norm": 0.16225625574588776,
1509
+ "learning_rate": 3.0786277811987505e-05,
1510
+ "loss": 0.1976,
1511
+ "step": 1050
1512
+ },
1513
+ {
1514
+ "epoch": 1.023278370514064,
1515
+ "grad_norm": 0.14916008710861206,
1516
+ "learning_rate": 3.0569231264635756e-05,
1517
+ "loss": 0.2004,
1518
+ "step": 1055
1519
+ },
1520
+ {
1521
+ "epoch": 1.0281280310378274,
1522
+ "grad_norm": 0.14502666890621185,
1523
+ "learning_rate": 3.0351742108200888e-05,
1524
+ "loss": 0.2043,
1525
+ "step": 1060
1526
+ },
1527
+ {
1528
+ "epoch": 1.0329776915615907,
1529
+ "grad_norm": 0.13275770843029022,
1530
+ "learning_rate": 3.0133827627416057e-05,
1531
+ "loss": 0.1969,
1532
+ "step": 1065
1533
+ },
1534
+ {
1535
+ "epoch": 1.037827352085354,
1536
+ "grad_norm": 0.14670969545841217,
1537
+ "learning_rate": 2.9915505140816597e-05,
1538
+ "loss": 0.2154,
1539
+ "step": 1070
1540
+ },
1541
+ {
1542
+ "epoch": 1.0426770126091174,
1543
+ "grad_norm": 0.15070156753063202,
1544
+ "learning_rate": 2.9696791999363727e-05,
1545
+ "loss": 0.2084,
1546
+ "step": 1075
1547
+ },
1548
+ {
1549
+ "epoch": 1.0475266731328807,
1550
+ "grad_norm": 0.14457589387893677,
1551
+ "learning_rate": 2.9477705585065546e-05,
1552
+ "loss": 0.216,
1553
+ "step": 1080
1554
+ },
1555
+ {
1556
+ "epoch": 1.052376333656644,
1557
+ "grad_norm": 0.1555938869714737,
1558
+ "learning_rate": 2.925826330959564e-05,
1559
+ "loss": 0.2024,
1560
+ "step": 1085
1561
+ },
1562
+ {
1563
+ "epoch": 1.0572259941804074,
1564
+ "grad_norm": 0.15301556885242462,
1565
+ "learning_rate": 2.9038482612909335e-05,
1566
+ "loss": 0.2119,
1567
+ "step": 1090
1568
+ },
1569
+ {
1570
+ "epoch": 1.0620756547041708,
1571
+ "grad_norm": 0.14304795861244202,
1572
+ "learning_rate": 2.8818380961857615e-05,
1573
+ "loss": 0.1878,
1574
+ "step": 1095
1575
+ },
1576
+ {
1577
+ "epoch": 1.066925315227934,
1578
+ "grad_norm": 0.1455308496952057,
1579
+ "learning_rate": 2.8597975848798992e-05,
1580
+ "loss": 0.2073,
1581
+ "step": 1100
1582
+ },
1583
+ {
1584
+ "epoch": 1.0717749757516974,
1585
+ "grad_norm": 0.15965287387371063,
1586
+ "learning_rate": 2.837728479020933e-05,
1587
+ "loss": 0.2036,
1588
+ "step": 1105
1589
+ },
1590
+ {
1591
+ "epoch": 1.0766246362754608,
1592
+ "grad_norm": 0.1591757833957672,
1593
+ "learning_rate": 2.8156325325289717e-05,
1594
+ "loss": 0.1807,
1595
+ "step": 1110
1596
+ },
1597
+ {
1598
+ "epoch": 1.0814742967992241,
1599
+ "grad_norm": 0.14703893661499023,
1600
+ "learning_rate": 2.7935115014572593e-05,
1601
+ "loss": 0.2166,
1602
+ "step": 1115
1603
+ },
1604
+ {
1605
+ "epoch": 1.0863239573229875,
1606
+ "grad_norm": 0.14766725897789001,
1607
+ "learning_rate": 2.7713671438526073e-05,
1608
+ "loss": 0.2137,
1609
+ "step": 1120
1610
+ },
1611
+ {
1612
+ "epoch": 1.0911736178467508,
1613
+ "grad_norm": 0.16928435862064362,
1614
+ "learning_rate": 2.7492012196156835e-05,
1615
+ "loss": 0.2041,
1616
+ "step": 1125
1617
+ },
1618
+ {
1619
+ "epoch": 1.0960232783705142,
1620
+ "grad_norm": 0.16884630918502808,
1621
+ "learning_rate": 2.7270154903611393e-05,
1622
+ "loss": 0.1964,
1623
+ "step": 1130
1624
+ },
1625
+ {
1626
+ "epoch": 1.1008729388942773,
1627
+ "grad_norm": 0.15490330755710602,
1628
+ "learning_rate": 2.7048117192776146e-05,
1629
+ "loss": 0.2096,
1630
+ "step": 1135
1631
+ },
1632
+ {
1633
+ "epoch": 1.1057225994180406,
1634
+ "grad_norm": 0.15356089174747467,
1635
+ "learning_rate": 2.6825916709876013e-05,
1636
+ "loss": 0.2006,
1637
+ "step": 1140
1638
+ },
1639
+ {
1640
+ "epoch": 1.110572259941804,
1641
+ "grad_norm": 0.14378608763217926,
1642
+ "learning_rate": 2.6603571114072066e-05,
1643
+ "loss": 0.2045,
1644
+ "step": 1145
1645
+ },
1646
+ {
1647
+ "epoch": 1.1154219204655673,
1648
+ "grad_norm": 0.1541430503129959,
1649
+ "learning_rate": 2.638109807605811e-05,
1650
+ "loss": 0.2145,
1651
+ "step": 1150
1652
+ },
1653
+ {
1654
+ "epoch": 1.1202715809893307,
1655
+ "grad_norm": 0.14816121757030487,
1656
+ "learning_rate": 2.6158515276656253e-05,
1657
+ "loss": 0.197,
1658
+ "step": 1155
1659
+ },
1660
+ {
1661
+ "epoch": 1.125121241513094,
1662
+ "grad_norm": 0.15891754627227783,
1663
+ "learning_rate": 2.5935840405411804e-05,
1664
+ "loss": 0.2186,
1665
+ "step": 1160
1666
+ },
1667
+ {
1668
+ "epoch": 1.1299709020368573,
1669
+ "grad_norm": 0.16058792173862457,
1670
+ "learning_rate": 2.571309115918738e-05,
1671
+ "loss": 0.2147,
1672
+ "step": 1165
1673
+ },
1674
+ {
1675
+ "epoch": 1.1348205625606207,
1676
+ "grad_norm": 0.14306621253490448,
1677
+ "learning_rate": 2.549028524075649e-05,
1678
+ "loss": 0.2056,
1679
+ "step": 1170
1680
+ },
1681
+ {
1682
+ "epoch": 1.139670223084384,
1683
+ "grad_norm": 0.1553443819284439,
1684
+ "learning_rate": 2.5267440357396588e-05,
1685
+ "loss": 0.1925,
1686
+ "step": 1175
1687
+ },
1688
+ {
1689
+ "epoch": 1.1445198836081474,
1690
+ "grad_norm": 0.15235552191734314,
1691
+ "learning_rate": 2.5044574219481832e-05,
1692
+ "loss": 0.2173,
1693
+ "step": 1180
1694
+ },
1695
+ {
1696
+ "epoch": 1.1493695441319107,
1697
+ "grad_norm": 0.13989904522895813,
1698
+ "learning_rate": 2.4821704539075577e-05,
1699
+ "loss": 0.1786,
1700
+ "step": 1185
1701
+ },
1702
+ {
1703
+ "epoch": 1.154219204655674,
1704
+ "grad_norm": 0.1479206681251526,
1705
+ "learning_rate": 2.4598849028522713e-05,
1706
+ "loss": 0.2044,
1707
+ "step": 1190
1708
+ },
1709
+ {
1710
+ "epoch": 1.1590688651794374,
1711
+ "grad_norm": 0.17453940212726593,
1712
+ "learning_rate": 2.4376025399041985e-05,
1713
+ "loss": 0.2086,
1714
+ "step": 1195
1715
+ },
1716
+ {
1717
+ "epoch": 1.1639185257032008,
1718
+ "grad_norm": 0.15538154542446136,
1719
+ "learning_rate": 2.4153251359318404e-05,
1720
+ "loss": 0.1891,
1721
+ "step": 1200
1722
+ },
1723
+ {
1724
+ "epoch": 1.168768186226964,
1725
+ "grad_norm": 0.14030437171459198,
1726
+ "learning_rate": 2.3930544614095944e-05,
1727
+ "loss": 0.1813,
1728
+ "step": 1205
1729
+ },
1730
+ {
1731
+ "epoch": 1.1736178467507274,
1732
+ "grad_norm": 0.15048657357692719,
1733
+ "learning_rate": 2.370792286277035e-05,
1734
+ "loss": 0.2068,
1735
+ "step": 1210
1736
+ },
1737
+ {
1738
+ "epoch": 1.1784675072744908,
1739
+ "grad_norm": 0.14109192788600922,
1740
+ "learning_rate": 2.3485403797982586e-05,
1741
+ "loss": 0.1992,
1742
+ "step": 1215
1743
+ },
1744
+ {
1745
+ "epoch": 1.1833171677982541,
1746
+ "grad_norm": 0.1549970656633377,
1747
+ "learning_rate": 2.326300510421273e-05,
1748
+ "loss": 0.2067,
1749
+ "step": 1220
1750
+ },
1751
+ {
1752
+ "epoch": 1.1881668283220175,
1753
+ "grad_norm": 0.15575067698955536,
1754
+ "learning_rate": 2.3040744456374462e-05,
1755
+ "loss": 0.1806,
1756
+ "step": 1225
1757
+ },
1758
+ {
1759
+ "epoch": 1.1930164888457808,
1760
+ "grad_norm": 0.14550498127937317,
1761
+ "learning_rate": 2.2818639518410414e-05,
1762
+ "loss": 0.2088,
1763
+ "step": 1230
1764
+ },
1765
+ {
1766
+ "epoch": 1.1978661493695442,
1767
+ "grad_norm": 0.15763843059539795,
1768
+ "learning_rate": 2.259670794188833e-05,
1769
+ "loss": 0.2121,
1770
+ "step": 1235
1771
+ },
1772
+ {
1773
+ "epoch": 1.2027158098933075,
1774
+ "grad_norm": 0.17174339294433594,
1775
+ "learning_rate": 2.2374967364598222e-05,
1776
+ "loss": 0.1971,
1777
+ "step": 1240
1778
+ },
1779
+ {
1780
+ "epoch": 1.2075654704170709,
1781
+ "grad_norm": 0.13719911873340607,
1782
+ "learning_rate": 2.2153435409150635e-05,
1783
+ "loss": 0.1851,
1784
+ "step": 1245
1785
+ },
1786
+ {
1787
+ "epoch": 1.2124151309408342,
1788
+ "grad_norm": 0.1528056263923645,
1789
+ "learning_rate": 2.1932129681576105e-05,
1790
+ "loss": 0.2001,
1791
+ "step": 1250
1792
+ },
1793
+ {
1794
+ "epoch": 1.2124151309408342,
1795
+ "eval_loss": 0.20025967061519623,
1796
+ "eval_runtime": 48.0897,
1797
+ "eval_samples_per_second": 14.015,
1798
+ "eval_steps_per_second": 0.894,
1799
+ "step": 1250
1800
+ },
1801
+ {
1802
+ "epoch": 1.2172647914645975,
1803
+ "grad_norm": 0.16801750659942627,
1804
+ "learning_rate": 2.1711067769925914e-05,
1805
+ "loss": 0.2184,
1806
+ "step": 1255
1807
+ },
1808
+ {
1809
+ "epoch": 1.2221144519883609,
1810
+ "grad_norm": 0.1539103388786316,
1811
+ "learning_rate": 2.149026724287435e-05,
1812
+ "loss": 0.2176,
1813
+ "step": 1260
1814
+ },
1815
+ {
1816
+ "epoch": 1.2269641125121242,
1817
+ "grad_norm": 0.15657076239585876,
1818
+ "learning_rate": 2.126974564832239e-05,
1819
+ "loss": 0.1989,
1820
+ "step": 1265
1821
+ },
1822
+ {
1823
+ "epoch": 1.2318137730358876,
1824
+ "grad_norm": 0.15106332302093506,
1825
+ "learning_rate": 2.104952051200315e-05,
1826
+ "loss": 0.2045,
1827
+ "step": 1270
1828
+ },
1829
+ {
1830
+ "epoch": 1.236663433559651,
1831
+ "grad_norm": 0.14375294744968414,
1832
+ "learning_rate": 2.082960933608903e-05,
1833
+ "loss": 0.1917,
1834
+ "step": 1275
1835
+ },
1836
+ {
1837
+ "epoch": 1.2415130940834143,
1838
+ "grad_norm": 0.14703327417373657,
1839
+ "learning_rate": 2.061002959780069e-05,
1840
+ "loss": 0.1977,
1841
+ "step": 1280
1842
+ },
1843
+ {
1844
+ "epoch": 1.2463627546071776,
1845
+ "grad_norm": 0.1680404096841812,
1846
+ "learning_rate": 2.03907987480182e-05,
1847
+ "loss": 0.2127,
1848
+ "step": 1285
1849
+ },
1850
+ {
1851
+ "epoch": 1.251212415130941,
1852
+ "grad_norm": 0.14668302237987518,
1853
+ "learning_rate": 2.0171934209893994e-05,
1854
+ "loss": 0.2012,
1855
+ "step": 1290
1856
+ },
1857
+ {
1858
+ "epoch": 1.2560620756547043,
1859
+ "grad_norm": 0.14603851735591888,
1860
+ "learning_rate": 1.9953453377468282e-05,
1861
+ "loss": 0.1996,
1862
+ "step": 1295
1863
+ },
1864
+ {
1865
+ "epoch": 1.2609117361784676,
1866
+ "grad_norm": 0.1648787260055542,
1867
+ "learning_rate": 1.973537361428665e-05,
1868
+ "loss": 0.2164,
1869
+ "step": 1300
1870
+ },
1871
+ {
1872
+ "epoch": 1.265761396702231,
1873
+ "grad_norm": 0.16897331178188324,
1874
+ "learning_rate": 1.95177122520201e-05,
1875
+ "loss": 0.1999,
1876
+ "step": 1305
1877
+ },
1878
+ {
1879
+ "epoch": 1.270611057225994,
1880
+ "grad_norm": 0.16626134514808655,
1881
+ "learning_rate": 1.9300486589087645e-05,
1882
+ "loss": 0.1934,
1883
+ "step": 1310
1884
+ },
1885
+ {
1886
+ "epoch": 1.2754607177497574,
1887
+ "grad_norm": 0.15668809413909912,
1888
+ "learning_rate": 1.908371388928152e-05,
1889
+ "loss": 0.2078,
1890
+ "step": 1315
1891
+ },
1892
+ {
1893
+ "epoch": 1.2803103782735208,
1894
+ "grad_norm": 0.14479213953018188,
1895
+ "learning_rate": 1.8867411380395177e-05,
1896
+ "loss": 0.198,
1897
+ "step": 1320
1898
+ },
1899
+ {
1900
+ "epoch": 1.2851600387972841,
1901
+ "grad_norm": 0.1500495970249176,
1902
+ "learning_rate": 1.865159625285412e-05,
1903
+ "loss": 0.2103,
1904
+ "step": 1325
1905
+ },
1906
+ {
1907
+ "epoch": 1.2900096993210475,
1908
+ "grad_norm": 0.1683105230331421,
1909
+ "learning_rate": 1.8436285658349694e-05,
1910
+ "loss": 0.2045,
1911
+ "step": 1330
1912
+ },
1913
+ {
1914
+ "epoch": 1.2948593598448108,
1915
+ "grad_norm": 0.16197173297405243,
1916
+ "learning_rate": 1.822149670847599e-05,
1917
+ "loss": 0.189,
1918
+ "step": 1335
1919
+ },
1920
+ {
1921
+ "epoch": 1.2997090203685742,
1922
+ "grad_norm": 0.1493465155363083,
1923
+ "learning_rate": 1.800724647336992e-05,
1924
+ "loss": 0.1998,
1925
+ "step": 1340
1926
+ },
1927
+ {
1928
+ "epoch": 1.3045586808923375,
1929
+ "grad_norm": 0.15609502792358398,
1930
+ "learning_rate": 1.779355198035458e-05,
1931
+ "loss": 0.1944,
1932
+ "step": 1345
1933
+ },
1934
+ {
1935
+ "epoch": 1.3094083414161009,
1936
+ "grad_norm": 0.16641376912593842,
1937
+ "learning_rate": 1.758043021258601e-05,
1938
+ "loss": 0.2032,
1939
+ "step": 1350
1940
+ },
1941
+ {
1942
+ "epoch": 1.3142580019398642,
1943
+ "grad_norm": 0.16449637711048126,
1944
+ "learning_rate": 1.7367898107703497e-05,
1945
+ "loss": 0.2099,
1946
+ "step": 1355
1947
+ },
1948
+ {
1949
+ "epoch": 1.3191076624636275,
1950
+ "grad_norm": 0.14618897438049316,
1951
+ "learning_rate": 1.7155972556483424e-05,
1952
+ "loss": 0.1924,
1953
+ "step": 1360
1954
+ },
1955
+ {
1956
+ "epoch": 1.3239573229873909,
1957
+ "grad_norm": 0.1407703310251236,
1958
+ "learning_rate": 1.6944670401496997e-05,
1959
+ "loss": 0.1909,
1960
+ "step": 1365
1961
+ },
1962
+ {
1963
+ "epoch": 1.3288069835111542,
1964
+ "grad_norm": 0.17186439037322998,
1965
+ "learning_rate": 1.673400843577156e-05,
1966
+ "loss": 0.2035,
1967
+ "step": 1370
1968
+ },
1969
+ {
1970
+ "epoch": 1.3336566440349176,
1971
+ "grad_norm": 0.14018838107585907,
1972
+ "learning_rate": 1.652400340145609e-05,
1973
+ "loss": 0.1949,
1974
+ "step": 1375
1975
+ },
1976
+ {
1977
+ "epoch": 1.338506304558681,
1978
+ "grad_norm": 0.14712657034397125,
1979
+ "learning_rate": 1.6314671988490603e-05,
1980
+ "loss": 0.1878,
1981
+ "step": 1380
1982
+ },
1983
+ {
1984
+ "epoch": 1.3433559650824443,
1985
+ "grad_norm": 0.15526027977466583,
1986
+ "learning_rate": 1.610603083327971e-05,
1987
+ "loss": 0.1971,
1988
+ "step": 1385
1989
+ },
1990
+ {
1991
+ "epoch": 1.3482056256062076,
1992
+ "grad_norm": 0.14195865392684937,
1993
+ "learning_rate": 1.5898096517370498e-05,
1994
+ "loss": 0.196,
1995
+ "step": 1390
1996
+ },
1997
+ {
1998
+ "epoch": 1.353055286129971,
1999
+ "grad_norm": 0.16893810033798218,
2000
+ "learning_rate": 1.5690885566134696e-05,
2001
+ "loss": 0.1897,
2002
+ "step": 1395
2003
+ },
2004
+ {
2005
+ "epoch": 1.3579049466537343,
2006
+ "grad_norm": 0.16904611885547638,
2007
+ "learning_rate": 1.5484414447455348e-05,
2008
+ "loss": 0.1959,
2009
+ "step": 1400
2010
+ },
2011
+ {
2012
+ "epoch": 1.3627546071774976,
2013
+ "grad_norm": 0.16385570168495178,
2014
+ "learning_rate": 1.5278699570418056e-05,
2015
+ "loss": 0.1971,
2016
+ "step": 1405
2017
+ },
2018
+ {
2019
+ "epoch": 1.367604267701261,
2020
+ "grad_norm": 0.16677437722682953,
2021
+ "learning_rate": 1.5073757284006868e-05,
2022
+ "loss": 0.1823,
2023
+ "step": 1410
2024
+ },
2025
+ {
2026
+ "epoch": 1.3724539282250243,
2027
+ "grad_norm": 0.1567675769329071,
2028
+ "learning_rate": 1.4869603875804955e-05,
2029
+ "loss": 0.1941,
2030
+ "step": 1415
2031
+ },
2032
+ {
2033
+ "epoch": 1.3773035887487877,
2034
+ "grad_norm": 0.1708156019449234,
2035
+ "learning_rate": 1.4666255570700202e-05,
2036
+ "loss": 0.1997,
2037
+ "step": 1420
2038
+ },
2039
+ {
2040
+ "epoch": 1.3821532492725508,
2041
+ "grad_norm": 0.14904044568538666,
2042
+ "learning_rate": 1.4463728529595719e-05,
2043
+ "loss": 0.1885,
2044
+ "step": 1425
2045
+ },
2046
+ {
2047
+ "epoch": 1.3870029097963141,
2048
+ "grad_norm": 0.15045498311519623,
2049
+ "learning_rate": 1.4262038848125475e-05,
2050
+ "loss": 0.2168,
2051
+ "step": 1430
2052
+ },
2053
+ {
2054
+ "epoch": 1.3918525703200775,
2055
+ "grad_norm": 0.1507643461227417,
2056
+ "learning_rate": 1.4061202555375142e-05,
2057
+ "loss": 0.1959,
2058
+ "step": 1435
2059
+ },
2060
+ {
2061
+ "epoch": 1.3967022308438408,
2062
+ "grad_norm": 0.15534117817878723,
2063
+ "learning_rate": 1.3861235612608142e-05,
2064
+ "loss": 0.1976,
2065
+ "step": 1440
2066
+ },
2067
+ {
2068
+ "epoch": 1.4015518913676042,
2069
+ "grad_norm": 0.14476318657398224,
2070
+ "learning_rate": 1.366215391199721e-05,
2071
+ "loss": 0.1878,
2072
+ "step": 1445
2073
+ },
2074
+ {
2075
+ "epoch": 1.4064015518913675,
2076
+ "grad_norm": 0.144943967461586,
2077
+ "learning_rate": 1.346397327536134e-05,
2078
+ "loss": 0.1977,
2079
+ "step": 1450
2080
+ },
2081
+ {
2082
+ "epoch": 1.4112512124151309,
2083
+ "grad_norm": 0.1705586314201355,
2084
+ "learning_rate": 1.3266709452908348e-05,
2085
+ "loss": 0.2113,
2086
+ "step": 1455
2087
+ },
2088
+ {
2089
+ "epoch": 1.4161008729388942,
2090
+ "grad_norm": 0.14363010227680206,
2091
+ "learning_rate": 1.3070378121983174e-05,
2092
+ "loss": 0.1902,
2093
+ "step": 1460
2094
+ },
2095
+ {
2096
+ "epoch": 1.4209505334626575,
2097
+ "grad_norm": 0.17444470524787903,
2098
+ "learning_rate": 1.2874994885821933e-05,
2099
+ "loss": 0.1994,
2100
+ "step": 1465
2101
+ },
2102
+ {
2103
+ "epoch": 1.4258001939864209,
2104
+ "grad_norm": 0.15788498520851135,
2105
+ "learning_rate": 1.268057527231186e-05,
2106
+ "loss": 0.1999,
2107
+ "step": 1470
2108
+ },
2109
+ {
2110
+ "epoch": 1.4306498545101842,
2111
+ "grad_norm": 0.1490585207939148,
2112
+ "learning_rate": 1.2487134732757219e-05,
2113
+ "loss": 0.1904,
2114
+ "step": 1475
2115
+ },
2116
+ {
2117
+ "epoch": 1.4354995150339476,
2118
+ "grad_norm": 0.1542252153158188,
2119
+ "learning_rate": 1.2294688640651355e-05,
2120
+ "loss": 0.2078,
2121
+ "step": 1480
2122
+ },
2123
+ {
2124
+ "epoch": 1.440349175557711,
2125
+ "grad_norm": 0.1651746928691864,
2126
+ "learning_rate": 1.2103252290454942e-05,
2127
+ "loss": 0.1843,
2128
+ "step": 1485
2129
+ },
2130
+ {
2131
+ "epoch": 1.4451988360814743,
2132
+ "grad_norm": 0.15188032388687134,
2133
+ "learning_rate": 1.191284089638037e-05,
2134
+ "loss": 0.2107,
2135
+ "step": 1490
2136
+ },
2137
+ {
2138
+ "epoch": 1.4500484966052376,
2139
+ "grad_norm": 0.15589340031147003,
2140
+ "learning_rate": 1.1723469591182675e-05,
2141
+ "loss": 0.1961,
2142
+ "step": 1495
2143
+ },
2144
+ {
2145
+ "epoch": 1.454898157129001,
2146
+ "grad_norm": 0.1623036116361618,
2147
+ "learning_rate": 1.1535153424956922e-05,
2148
+ "loss": 0.2087,
2149
+ "step": 1500
2150
+ },
2151
+ {
2152
+ "epoch": 1.454898157129001,
2153
+ "eval_loss": 0.197998046875,
2154
+ "eval_runtime": 48.0919,
2155
+ "eval_samples_per_second": 14.015,
2156
+ "eval_steps_per_second": 0.894,
2157
+ "step": 1500
2158
+ },
2159
+ {
2160
+ "epoch": 1.4597478176527643,
2161
+ "grad_norm": 0.1391475796699524,
2162
+ "learning_rate": 1.134790736394199e-05,
2163
+ "loss": 0.1829,
2164
+ "step": 1505
2165
+ },
2166
+ {
2167
+ "epoch": 1.4645974781765276,
2168
+ "grad_norm": 0.15713264048099518,
2169
+ "learning_rate": 1.116174628933127e-05,
2170
+ "loss": 0.1862,
2171
+ "step": 1510
2172
+ },
2173
+ {
2174
+ "epoch": 1.469447138700291,
2175
+ "grad_norm": 0.14922243356704712,
2176
+ "learning_rate": 1.0976684996089911e-05,
2177
+ "loss": 0.2022,
2178
+ "step": 1515
2179
+ },
2180
+ {
2181
+ "epoch": 1.4742967992240543,
2182
+ "grad_norm": 0.15391802787780762,
2183
+ "learning_rate": 1.0792738191779055e-05,
2184
+ "loss": 0.199,
2185
+ "step": 1520
2186
+ },
2187
+ {
2188
+ "epoch": 1.4791464597478177,
2189
+ "grad_norm": 0.16635461151599884,
2190
+ "learning_rate": 1.0609920495386963e-05,
2191
+ "loss": 0.183,
2192
+ "step": 1525
2193
+ },
2194
+ {
2195
+ "epoch": 1.483996120271581,
2196
+ "grad_norm": 0.14732369780540466,
2197
+ "learning_rate": 1.0428246436167136e-05,
2198
+ "loss": 0.1946,
2199
+ "step": 1530
2200
+ },
2201
+ {
2202
+ "epoch": 1.4888457807953444,
2203
+ "grad_norm": 0.15745453536510468,
2204
+ "learning_rate": 1.0247730452483683e-05,
2205
+ "loss": 0.1999,
2206
+ "step": 1535
2207
+ },
2208
+ {
2209
+ "epoch": 1.4936954413191077,
2210
+ "grad_norm": 0.1535121500492096,
2211
+ "learning_rate": 1.0068386890663828e-05,
2212
+ "loss": 0.2131,
2213
+ "step": 1540
2214
+ },
2215
+ {
2216
+ "epoch": 1.498545101842871,
2217
+ "grad_norm": 0.16908058524131775,
2218
+ "learning_rate": 9.890230003857704e-06,
2219
+ "loss": 0.1893,
2220
+ "step": 1545
2221
+ },
2222
+ {
2223
+ "epoch": 1.5033947623666344,
2224
+ "grad_norm": 0.16990558803081512,
2225
+ "learning_rate": 9.71327395090566e-06,
2226
+ "loss": 0.2033,
2227
+ "step": 1550
2228
+ },
2229
+ {
2230
+ "epoch": 1.5082444228903977,
2231
+ "grad_norm": 0.1563047617673874,
2232
+ "learning_rate": 9.537532795212988e-06,
2233
+ "loss": 0.1975,
2234
+ "step": 1555
2235
+ },
2236
+ {
2237
+ "epoch": 1.513094083414161,
2238
+ "grad_norm": 0.16167347133159637,
2239
+ "learning_rate": 9.363020503632197e-06,
2240
+ "loss": 0.1923,
2241
+ "step": 1560
2242
+ },
2243
+ {
2244
+ "epoch": 1.5179437439379244,
2245
+ "grad_norm": 0.1589316427707672,
2246
+ "learning_rate": 9.189750945353082e-06,
2247
+ "loss": 0.2131,
2248
+ "step": 1565
2249
+ },
2250
+ {
2251
+ "epoch": 1.5227934044616878,
2252
+ "grad_norm": 0.15486431121826172,
2253
+ "learning_rate": 9.01773789080045e-06,
2254
+ "loss": 0.1961,
2255
+ "step": 1570
2256
+ },
2257
+ {
2258
+ "epoch": 1.527643064985451,
2259
+ "grad_norm": 0.17133159935474396,
2260
+ "learning_rate": 8.846995010539707e-06,
2261
+ "loss": 0.179,
2262
+ "step": 1575
2263
+ },
2264
+ {
2265
+ "epoch": 1.5324927255092144,
2266
+ "grad_norm": 0.1626712530851364,
2267
+ "learning_rate": 8.67753587419046e-06,
2268
+ "loss": 0.1977,
2269
+ "step": 1580
2270
+ },
2271
+ {
2272
+ "epoch": 1.5373423860329778,
2273
+ "grad_norm": 0.15872539579868317,
2274
+ "learning_rate": 8.509373949348012e-06,
2275
+ "loss": 0.1981,
2276
+ "step": 1585
2277
+ },
2278
+ {
2279
+ "epoch": 1.5421920465567411,
2280
+ "grad_norm": 0.15292125940322876,
2281
+ "learning_rate": 8.34252260051314e-06,
2282
+ "loss": 0.1971,
2283
+ "step": 1590
2284
+ },
2285
+ {
2286
+ "epoch": 1.5470417070805045,
2287
+ "grad_norm": 0.15812063217163086,
2288
+ "learning_rate": 8.176995088029852e-06,
2289
+ "loss": 0.1964,
2290
+ "step": 1595
2291
+ },
2292
+ {
2293
+ "epoch": 1.5518913676042678,
2294
+ "grad_norm": 0.15867389738559723,
2295
+ "learning_rate": 8.01280456703159e-06,
2296
+ "loss": 0.1971,
2297
+ "step": 1600
2298
+ },
2299
+ {
2300
+ "epoch": 1.5567410281280312,
2301
+ "grad_norm": 0.1688418984413147,
2302
+ "learning_rate": 7.84996408639576e-06,
2303
+ "loss": 0.2117,
2304
+ "step": 1605
2305
+ },
2306
+ {
2307
+ "epoch": 1.5615906886517945,
2308
+ "grad_norm": 0.16065895557403564,
2309
+ "learning_rate": 7.688486587706661e-06,
2310
+ "loss": 0.199,
2311
+ "step": 1610
2312
+ },
2313
+ {
2314
+ "epoch": 1.5664403491755579,
2315
+ "grad_norm": 0.15269528329372406,
2316
+ "learning_rate": 7.528384904226932e-06,
2317
+ "loss": 0.1894,
2318
+ "step": 1615
2319
+ },
2320
+ {
2321
+ "epoch": 1.5712900096993212,
2322
+ "grad_norm": 0.16433826088905334,
2323
+ "learning_rate": 7.369671759877705e-06,
2324
+ "loss": 0.2061,
2325
+ "step": 1620
2326
+ },
2327
+ {
2328
+ "epoch": 1.5761396702230845,
2329
+ "grad_norm": 0.15707933902740479,
2330
+ "learning_rate": 7.212359768227345e-06,
2331
+ "loss": 0.201,
2332
+ "step": 1625
2333
+ },
2334
+ {
2335
+ "epoch": 1.5809893307468477,
2336
+ "grad_norm": 0.15439623594284058,
2337
+ "learning_rate": 7.056461431489015e-06,
2338
+ "loss": 0.1866,
2339
+ "step": 1630
2340
+ },
2341
+ {
2342
+ "epoch": 1.585838991270611,
2343
+ "grad_norm": 0.1509786695241928,
2344
+ "learning_rate": 6.901989139527048e-06,
2345
+ "loss": 0.1877,
2346
+ "step": 1635
2347
+ },
2348
+ {
2349
+ "epoch": 1.5906886517943744,
2350
+ "grad_norm": 0.16154807806015015,
2351
+ "learning_rate": 6.748955168872312e-06,
2352
+ "loss": 0.1974,
2353
+ "step": 1640
2354
+ },
2355
+ {
2356
+ "epoch": 1.5955383123181377,
2357
+ "grad_norm": 0.17238792777061462,
2358
+ "learning_rate": 6.5973716817465365e-06,
2359
+ "loss": 0.2212,
2360
+ "step": 1645
2361
+ },
2362
+ {
2363
+ "epoch": 1.600387972841901,
2364
+ "grad_norm": 0.1707492172718048,
2365
+ "learning_rate": 6.4472507250956994e-06,
2366
+ "loss": 0.1852,
2367
+ "step": 1650
2368
+ },
2369
+ {
2370
+ "epoch": 1.6052376333656644,
2371
+ "grad_norm": 0.16531886160373688,
2372
+ "learning_rate": 6.2986042296326296e-06,
2373
+ "loss": 0.1953,
2374
+ "step": 1655
2375
+ },
2376
+ {
2377
+ "epoch": 1.6100872938894277,
2378
+ "grad_norm": 0.154957577586174,
2379
+ "learning_rate": 6.1514440088888735e-06,
2380
+ "loss": 0.2059,
2381
+ "step": 1660
2382
+ },
2383
+ {
2384
+ "epoch": 1.614936954413191,
2385
+ "grad_norm": 0.16685739159584045,
2386
+ "learning_rate": 6.005781758275731e-06,
2387
+ "loss": 0.2111,
2388
+ "step": 1665
2389
+ },
2390
+ {
2391
+ "epoch": 1.6197866149369544,
2392
+ "grad_norm": 0.16281373798847198,
2393
+ "learning_rate": 5.861629054154852e-06,
2394
+ "loss": 0.2048,
2395
+ "step": 1670
2396
+ },
2397
+ {
2398
+ "epoch": 1.6246362754607178,
2399
+ "grad_norm": 0.16481256484985352,
2400
+ "learning_rate": 5.7189973529181705e-06,
2401
+ "loss": 0.2057,
2402
+ "step": 1675
2403
+ },
2404
+ {
2405
+ "epoch": 1.629485935984481,
2406
+ "grad_norm": 0.15931367874145508,
2407
+ "learning_rate": 5.577897990077458e-06,
2408
+ "loss": 0.209,
2409
+ "step": 1680
2410
+ },
2411
+ {
2412
+ "epoch": 1.6343355965082444,
2413
+ "grad_norm": 0.14951331913471222,
2414
+ "learning_rate": 5.438342179363418e-06,
2415
+ "loss": 0.2012,
2416
+ "step": 1685
2417
+ },
2418
+ {
2419
+ "epoch": 1.6391852570320078,
2420
+ "grad_norm": 0.1307000368833542,
2421
+ "learning_rate": 5.300341011834475e-06,
2422
+ "loss": 0.1821,
2423
+ "step": 1690
2424
+ },
2425
+ {
2426
+ "epoch": 1.6440349175557711,
2427
+ "grad_norm": 0.16035383939743042,
2428
+ "learning_rate": 5.163905454995372e-06,
2429
+ "loss": 0.1899,
2430
+ "step": 1695
2431
+ },
2432
+ {
2433
+ "epoch": 1.6488845780795345,
2434
+ "grad_norm": 0.15784330666065216,
2435
+ "learning_rate": 5.0290463519254925e-06,
2436
+ "loss": 0.1949,
2437
+ "step": 1700
2438
+ },
2439
+ {
2440
+ "epoch": 1.6537342386032978,
2441
+ "grad_norm": 0.1625281125307083,
2442
+ "learning_rate": 4.895774420417124e-06,
2443
+ "loss": 0.2106,
2444
+ "step": 1705
2445
+ },
2446
+ {
2447
+ "epoch": 1.658583899127061,
2448
+ "grad_norm": 0.15070758759975433,
2449
+ "learning_rate": 4.764100252123702e-06,
2450
+ "loss": 0.1786,
2451
+ "step": 1710
2452
+ },
2453
+ {
2454
+ "epoch": 1.6634335596508243,
2455
+ "grad_norm": 0.13678708672523499,
2456
+ "learning_rate": 4.634034311718022e-06,
2457
+ "loss": 0.1944,
2458
+ "step": 1715
2459
+ },
2460
+ {
2461
+ "epoch": 1.6682832201745876,
2462
+ "grad_norm": 0.16914202272891998,
2463
+ "learning_rate": 4.505586936060566e-06,
2464
+ "loss": 0.2035,
2465
+ "step": 1720
2466
+ },
2467
+ {
2468
+ "epoch": 1.673132880698351,
2469
+ "grad_norm": 0.15594607591629028,
2470
+ "learning_rate": 4.378768333378017e-06,
2471
+ "loss": 0.1883,
2472
+ "step": 1725
2473
+ },
2474
+ {
2475
+ "epoch": 1.6779825412221143,
2476
+ "grad_norm": 0.15200097858905792,
2477
+ "learning_rate": 4.253588582451954e-06,
2478
+ "loss": 0.1786,
2479
+ "step": 1730
2480
+ },
2481
+ {
2482
+ "epoch": 1.6828322017458777,
2483
+ "grad_norm": 0.1636827439069748,
2484
+ "learning_rate": 4.130057631817838e-06,
2485
+ "loss": 0.191,
2486
+ "step": 1735
2487
+ },
2488
+ {
2489
+ "epoch": 1.687681862269641,
2490
+ "grad_norm": 0.14671088755130768,
2491
+ "learning_rate": 4.008185298974393e-06,
2492
+ "loss": 0.1992,
2493
+ "step": 1740
2494
+ },
2495
+ {
2496
+ "epoch": 1.6925315227934044,
2497
+ "grad_norm": 0.1701505482196808,
2498
+ "learning_rate": 3.887981269603333e-06,
2499
+ "loss": 0.1913,
2500
+ "step": 1745
2501
+ },
2502
+ {
2503
+ "epoch": 1.6973811833171677,
2504
+ "grad_norm": 0.15805399417877197,
2505
+ "learning_rate": 3.7694550967996565e-06,
2506
+ "loss": 0.1932,
2507
+ "step": 1750
2508
+ },
2509
+ {
2510
+ "epoch": 1.6973811833171677,
2511
+ "eval_loss": 0.19688038527965546,
2512
+ "eval_runtime": 48.0858,
2513
+ "eval_samples_per_second": 14.017,
2514
+ "eval_steps_per_second": 0.894,
2515
+ "step": 1750
2516
+ },
2517
+ {
2518
+ "epoch": 1.702230843840931,
2519
+ "grad_norm": 0.15937374532222748,
2520
+ "learning_rate": 3.6526162003123615e-06,
2521
+ "loss": 0.1776,
2522
+ "step": 1755
2523
+ },
2524
+ {
2525
+ "epoch": 1.7070805043646944,
2526
+ "grad_norm": 0.15453214943408966,
2527
+ "learning_rate": 3.5374738657958454e-06,
2528
+ "loss": 0.2025,
2529
+ "step": 1760
2530
+ },
2531
+ {
2532
+ "epoch": 1.7119301648884577,
2533
+ "grad_norm": 0.15527448058128357,
2534
+ "learning_rate": 3.4240372440719594e-06,
2535
+ "loss": 0.2062,
2536
+ "step": 1765
2537
+ },
2538
+ {
2539
+ "epoch": 1.716779825412221,
2540
+ "grad_norm": 0.1499599665403366,
2541
+ "learning_rate": 3.3123153504027367e-06,
2542
+ "loss": 0.1999,
2543
+ "step": 1770
2544
+ },
2545
+ {
2546
+ "epoch": 1.7216294859359844,
2547
+ "grad_norm": 0.1412288248538971,
2548
+ "learning_rate": 3.202317063773891e-06,
2549
+ "loss": 0.1763,
2550
+ "step": 1775
2551
+ },
2552
+ {
2553
+ "epoch": 1.7264791464597478,
2554
+ "grad_norm": 0.16038767993450165,
2555
+ "learning_rate": 3.0940511261892154e-06,
2556
+ "loss": 0.1941,
2557
+ "step": 1780
2558
+ },
2559
+ {
2560
+ "epoch": 1.731328806983511,
2561
+ "grad_norm": 0.15138490498065948,
2562
+ "learning_rate": 2.987526141975783e-06,
2563
+ "loss": 0.1969,
2564
+ "step": 1785
2565
+ },
2566
+ {
2567
+ "epoch": 1.7361784675072744,
2568
+ "grad_norm": 0.15238988399505615,
2569
+ "learning_rate": 2.882750577100149e-06,
2570
+ "loss": 0.1865,
2571
+ "step": 1790
2572
+ },
2573
+ {
2574
+ "epoch": 1.7410281280310378,
2575
+ "grad_norm": 0.16951079666614532,
2576
+ "learning_rate": 2.7797327584955014e-06,
2577
+ "loss": 0.1931,
2578
+ "step": 1795
2579
+ },
2580
+ {
2581
+ "epoch": 1.7458777885548011,
2582
+ "grad_norm": 0.1534978598356247,
2583
+ "learning_rate": 2.6784808733999163e-06,
2584
+ "loss": 0.194,
2585
+ "step": 1800
2586
+ },
2587
+ {
2588
+ "epoch": 1.7507274490785645,
2589
+ "grad_norm": 0.15956641733646393,
2590
+ "learning_rate": 2.579002968705668e-06,
2591
+ "loss": 0.1865,
2592
+ "step": 1805
2593
+ },
2594
+ {
2595
+ "epoch": 1.7555771096023278,
2596
+ "grad_norm": 0.1396978348493576,
2597
+ "learning_rate": 2.481306950319706e-06,
2598
+ "loss": 0.1871,
2599
+ "step": 1810
2600
+ },
2601
+ {
2602
+ "epoch": 1.7604267701260912,
2603
+ "grad_norm": 0.1500706672668457,
2604
+ "learning_rate": 2.3854005825353467e-06,
2605
+ "loss": 0.206,
2606
+ "step": 1815
2607
+ },
2608
+ {
2609
+ "epoch": 1.7652764306498545,
2610
+ "grad_norm": 0.15206393599510193,
2611
+ "learning_rate": 2.29129148741524e-06,
2612
+ "loss": 0.204,
2613
+ "step": 1820
2614
+ },
2615
+ {
2616
+ "epoch": 1.7701260911736179,
2617
+ "grad_norm": 0.15631067752838135,
2618
+ "learning_rate": 2.198987144185552e-06,
2619
+ "loss": 0.2022,
2620
+ "step": 1825
2621
+ },
2622
+ {
2623
+ "epoch": 1.7749757516973812,
2624
+ "grad_norm": 0.16704493761062622,
2625
+ "learning_rate": 2.1084948886416295e-06,
2626
+ "loss": 0.2087,
2627
+ "step": 1830
2628
+ },
2629
+ {
2630
+ "epoch": 1.7798254122211445,
2631
+ "grad_norm": 0.14626185595989227,
2632
+ "learning_rate": 2.0198219125649396e-06,
2633
+ "loss": 0.2053,
2634
+ "step": 1835
2635
+ },
2636
+ {
2637
+ "epoch": 1.7846750727449079,
2638
+ "grad_norm": 0.1546330451965332,
2639
+ "learning_rate": 1.9329752631515513e-06,
2640
+ "loss": 0.1893,
2641
+ "step": 1840
2642
+ },
2643
+ {
2644
+ "epoch": 1.7895247332686712,
2645
+ "grad_norm": 0.1591494381427765,
2646
+ "learning_rate": 1.8479618424520422e-06,
2647
+ "loss": 0.1943,
2648
+ "step": 1845
2649
+ },
2650
+ {
2651
+ "epoch": 1.7943743937924346,
2652
+ "grad_norm": 0.1502322554588318,
2653
+ "learning_rate": 1.7647884068229676e-06,
2654
+ "loss": 0.1899,
2655
+ "step": 1850
2656
+ },
2657
+ {
2658
+ "epoch": 1.799224054316198,
2659
+ "grad_norm": 0.1708429455757141,
2660
+ "learning_rate": 1.6834615663899155e-06,
2661
+ "loss": 0.214,
2662
+ "step": 1855
2663
+ },
2664
+ {
2665
+ "epoch": 1.8040737148399613,
2666
+ "grad_norm": 0.15139105916023254,
2667
+ "learning_rate": 1.6039877845221735e-06,
2668
+ "loss": 0.1921,
2669
+ "step": 1860
2670
+ },
2671
+ {
2672
+ "epoch": 1.8089233753637246,
2673
+ "grad_norm": 0.15141288936138153,
2674
+ "learning_rate": 1.5263733773190347e-06,
2675
+ "loss": 0.2192,
2676
+ "step": 1865
2677
+ },
2678
+ {
2679
+ "epoch": 1.813773035887488,
2680
+ "grad_norm": 0.18391959369182587,
2681
+ "learning_rate": 1.4506245131078733e-06,
2682
+ "loss": 0.2072,
2683
+ "step": 1870
2684
+ },
2685
+ {
2686
+ "epoch": 1.8186226964112513,
2687
+ "grad_norm": 0.15688742697238922,
2688
+ "learning_rate": 1.376747211953891e-06,
2689
+ "loss": 0.1824,
2690
+ "step": 1875
2691
+ },
2692
+ {
2693
+ "epoch": 1.8234723569350146,
2694
+ "grad_norm": 0.15558670461177826,
2695
+ "learning_rate": 1.304747345181681e-06,
2696
+ "loss": 0.1975,
2697
+ "step": 1880
2698
+ },
2699
+ {
2700
+ "epoch": 1.828322017458778,
2701
+ "grad_norm": 0.18685834109783173,
2702
+ "learning_rate": 1.2346306349086262e-06,
2703
+ "loss": 0.1957,
2704
+ "step": 1885
2705
+ },
2706
+ {
2707
+ "epoch": 1.8331716779825413,
2708
+ "grad_norm": 0.16459019482135773,
2709
+ "learning_rate": 1.1664026535901318e-06,
2710
+ "loss": 0.2068,
2711
+ "step": 1890
2712
+ },
2713
+ {
2714
+ "epoch": 1.8380213385063047,
2715
+ "grad_norm": 0.156924769282341,
2716
+ "learning_rate": 1.1000688235767525e-06,
2717
+ "loss": 0.2086,
2718
+ "step": 1895
2719
+ },
2720
+ {
2721
+ "epoch": 1.842870999030068,
2722
+ "grad_norm": 0.16359376907348633,
2723
+ "learning_rate": 1.0356344166832648e-06,
2724
+ "loss": 0.2163,
2725
+ "step": 1900
2726
+ },
2727
+ {
2728
+ "epoch": 1.8477206595538314,
2729
+ "grad_norm": 0.16292302310466766,
2730
+ "learning_rate": 9.73104553769691e-07,
2731
+ "loss": 0.2034,
2732
+ "step": 1905
2733
+ },
2734
+ {
2735
+ "epoch": 1.8525703200775947,
2736
+ "grad_norm": 0.17051053047180176,
2737
+ "learning_rate": 9.124842043343407e-07,
2738
+ "loss": 0.2168,
2739
+ "step": 1910
2740
+ },
2741
+ {
2742
+ "epoch": 1.857419980601358,
2743
+ "grad_norm": 0.17267897725105286,
2744
+ "learning_rate": 8.537781861188282e-07,
2745
+ "loss": 0.2234,
2746
+ "step": 1915
2747
+ },
2748
+ {
2749
+ "epoch": 1.8622696411251214,
2750
+ "grad_norm": 0.16032524406909943,
2751
+ "learning_rate": 7.969911647252193e-07,
2752
+ "loss": 0.1986,
2753
+ "step": 1920
2754
+ },
2755
+ {
2756
+ "epoch": 1.8671193016488847,
2757
+ "grad_norm": 0.1543329358100891,
2758
+ "learning_rate": 7.421276532452337e-07,
2759
+ "loss": 0.173,
2760
+ "step": 1925
2761
+ },
2762
+ {
2763
+ "epoch": 1.871968962172648,
2764
+ "grad_norm": 0.15669037401676178,
2765
+ "learning_rate": 6.891920119015571e-07,
2766
+ "loss": 0.1987,
2767
+ "step": 1930
2768
+ },
2769
+ {
2770
+ "epoch": 1.8768186226964112,
2771
+ "grad_norm": 0.1615551859140396,
2772
+ "learning_rate": 6.381884477013239e-07,
2773
+ "loss": 0.1831,
2774
+ "step": 1935
2775
+ },
2776
+ {
2777
+ "epoch": 1.8816682832201745,
2778
+ "grad_norm": 0.1686321347951889,
2779
+ "learning_rate": 5.891210141017733e-07,
2780
+ "loss": 0.2029,
2781
+ "step": 1940
2782
+ },
2783
+ {
2784
+ "epoch": 1.8865179437439379,
2785
+ "grad_norm": 0.15177270770072937,
2786
+ "learning_rate": 5.419936106881018e-07,
2787
+ "loss": 0.2034,
2788
+ "step": 1945
2789
+ },
2790
+ {
2791
+ "epoch": 1.8913676042677012,
2792
+ "grad_norm": 0.155603289604187,
2793
+ "learning_rate": 4.968099828635525e-07,
2794
+ "loss": 0.1962,
2795
+ "step": 1950
2796
+ },
2797
+ {
2798
+ "epoch": 1.8962172647914646,
2799
+ "grad_norm": 0.14843294024467468,
2800
+ "learning_rate": 4.535737215517366e-07,
2801
+ "loss": 0.1949,
2802
+ "step": 1955
2803
+ },
2804
+ {
2805
+ "epoch": 1.901066925315228,
2806
+ "grad_norm": 0.15314973890781403,
2807
+ "learning_rate": 4.122882629112701e-07,
2808
+ "loss": 0.2104,
2809
+ "step": 1960
2810
+ },
2811
+ {
2812
+ "epoch": 1.9059165858389913,
2813
+ "grad_norm": 0.1589522510766983,
2814
+ "learning_rate": 3.729568880626755e-07,
2815
+ "loss": 0.193,
2816
+ "step": 1965
2817
+ },
2818
+ {
2819
+ "epoch": 1.9107662463627546,
2820
+ "grad_norm": 0.14796093106269836,
2821
+ "learning_rate": 3.355827228276182e-07,
2822
+ "loss": 0.1712,
2823
+ "step": 1970
2824
+ },
2825
+ {
2826
+ "epoch": 1.915615906886518,
2827
+ "grad_norm": 0.1589411497116089,
2828
+ "learning_rate": 3.00168737480494e-07,
2829
+ "loss": 0.1878,
2830
+ "step": 1975
2831
+ },
2832
+ {
2833
+ "epoch": 1.9204655674102813,
2834
+ "grad_norm": 0.14060987532138824,
2835
+ "learning_rate": 2.6671774651235437e-07,
2836
+ "loss": 0.1762,
2837
+ "step": 1980
2838
+ },
2839
+ {
2840
+ "epoch": 1.9253152279340446,
2841
+ "grad_norm": 0.15994738042354584,
2842
+ "learning_rate": 2.3523240840724325e-07,
2843
+ "loss": 0.1924,
2844
+ "step": 1985
2845
+ },
2846
+ {
2847
+ "epoch": 1.930164888457808,
2848
+ "grad_norm": 0.15940771996974945,
2849
+ "learning_rate": 2.0571522543090526e-07,
2850
+ "loss": 0.2053,
2851
+ "step": 1990
2852
+ },
2853
+ {
2854
+ "epoch": 1.9350145489815713,
2855
+ "grad_norm": 0.14268319308757782,
2856
+ "learning_rate": 1.7816854343193357e-07,
2857
+ "loss": 0.1847,
2858
+ "step": 1995
2859
+ },
2860
+ {
2861
+ "epoch": 1.9398642095053347,
2862
+ "grad_norm": 0.15468433499336243,
2863
+ "learning_rate": 1.5259455165531068e-07,
2864
+ "loss": 0.2044,
2865
+ "step": 2000
2866
+ },
2867
+ {
2868
+ "epoch": 1.9398642095053347,
2869
+ "eval_loss": 0.19655267894268036,
2870
+ "eval_runtime": 48.0808,
2871
+ "eval_samples_per_second": 14.018,
2872
+ "eval_steps_per_second": 0.894,
2873
+ "step": 2000
2874
+ },
2875
+ {
2876
+ "epoch": 1.944713870029098,
2877
+ "grad_norm": 0.1507444828748703,
2878
+ "learning_rate": 1.2899528256845873e-07,
2879
+ "loss": 0.1824,
2880
+ "step": 2005
2881
+ },
2882
+ {
2883
+ "epoch": 1.9495635305528611,
2884
+ "grad_norm": 0.14235784113407135,
2885
+ "learning_rate": 1.073726116996715e-07,
2886
+ "loss": 0.1954,
2887
+ "step": 2010
2888
+ },
2889
+ {
2890
+ "epoch": 1.9544131910766245,
2891
+ "grad_norm": 0.14553847908973694,
2892
+ "learning_rate": 8.77282574890892e-08,
2893
+ "loss": 0.2163,
2894
+ "step": 2015
2895
+ },
2896
+ {
2897
+ "epoch": 1.9592628516003878,
2898
+ "grad_norm": 0.16772744059562683,
2899
+ "learning_rate": 7.006378115210766e-08,
2900
+ "loss": 0.1822,
2901
+ "step": 2020
2902
+ },
2903
+ {
2904
+ "epoch": 1.9641125121241512,
2905
+ "grad_norm": 0.15165811777114868,
2906
+ "learning_rate": 5.43805865553082e-08,
2907
+ "loss": 0.1862,
2908
+ "step": 2025
2909
+ },
2910
+ {
2911
+ "epoch": 1.9689621726479145,
2912
+ "grad_norm": 0.1540442407131195,
2913
+ "learning_rate": 4.067992010489685e-08,
2914
+ "loss": 0.2106,
2915
+ "step": 2030
2916
+ },
2917
+ {
2918
+ "epoch": 1.9738118331716779,
2919
+ "grad_norm": 0.14102330803871155,
2920
+ "learning_rate": 2.8962870647630814e-08,
2921
+ "loss": 0.1879,
2922
+ "step": 2035
2923
+ },
2924
+ {
2925
+ "epoch": 1.9786614936954412,
2926
+ "grad_norm": 0.14310438930988312,
2927
+ "learning_rate": 1.9230369384293233e-08,
2928
+ "loss": 0.1789,
2929
+ "step": 2040
2930
+ },
2931
+ {
2932
+ "epoch": 1.9835111542192045,
2933
+ "grad_norm": 0.1545654982328415,
2934
+ "learning_rate": 1.148318979568297e-08,
2935
+ "loss": 0.193,
2936
+ "step": 2045
2937
+ },
2938
+ {
2939
+ "epoch": 1.9883608147429679,
2940
+ "grad_norm": 0.15825237333774567,
2941
+ "learning_rate": 5.7219475811526316e-09,
2942
+ "loss": 0.1901,
2943
+ "step": 2050
2944
+ },
2945
+ {
2946
+ "epoch": 1.9932104752667312,
2947
+ "grad_norm": 0.1504404991865158,
2948
+ "learning_rate": 1.947100609661634e-09,
2949
+ "loss": 0.2034,
2950
+ "step": 2055
2951
+ },
2952
+ {
2953
+ "epoch": 1.9980601357904946,
2954
+ "grad_norm": 0.14141124486923218,
2955
+ "learning_rate": 1.5894888339418324e-10,
2956
+ "loss": 0.1773,
2957
+ "step": 2060
2958
+ },
2959
+ {
2960
+ "epoch": 2.0,
2961
+ "step": 2062,
2962
+ "total_flos": 2.6820605084455404e+18,
2963
+ "train_loss": 0.2813772309560665,
2964
+ "train_runtime": 15083.292,
2965
+ "train_samples_per_second": 4.374,
2966
+ "train_steps_per_second": 0.137
2967
+ }
2968
+ ],
2969
+ "logging_steps": 5,
2970
+ "max_steps": 2062,
2971
+ "num_input_tokens_seen": 0,
2972
+ "num_train_epochs": 2,
2973
+ "save_steps": 250,
2974
+ "total_flos": 2.6820605084455404e+18,
2975
+ "train_batch_size": 4,
2976
+ "trial_name": null,
2977
+ "trial_params": null
2978
+ }