{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.0,
  "eval_steps": 500,
  "global_step": 46875,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.032,
      "grad_norm": 3.1428632736206055,
      "learning_rate": 4.9466666666666665e-05,
      "loss": 8.4317,
      "step": 500
    },
    {
      "epoch": 0.064,
      "grad_norm": 2.892152786254883,
      "learning_rate": 4.8933333333333335e-05,
      "loss": 6.0848,
      "step": 1000
    },
    {
      "epoch": 0.096,
      "grad_norm": 2.8414995670318604,
      "learning_rate": 4.8400000000000004e-05,
      "loss": 5.3167,
      "step": 1500
    },
    {
      "epoch": 0.128,
      "grad_norm": 2.948173999786377,
      "learning_rate": 4.7866666666666674e-05,
      "loss": 4.9069,
      "step": 2000
    },
    {
      "epoch": 0.16,
      "grad_norm": 2.951268434524536,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 4.6516,
      "step": 2500
    },
    {
      "epoch": 0.192,
      "grad_norm": 2.8897478580474854,
      "learning_rate": 4.6800000000000006e-05,
      "loss": 4.4543,
      "step": 3000
    },
    {
      "epoch": 0.224,
      "grad_norm": 2.7696573734283447,
      "learning_rate": 4.626666666666667e-05,
      "loss": 4.3036,
      "step": 3500
    },
    {
      "epoch": 0.256,
      "grad_norm": 3.261086940765381,
      "learning_rate": 4.573333333333333e-05,
      "loss": 4.176,
      "step": 4000
    },
    {
      "epoch": 0.288,
      "grad_norm": 2.9297430515289307,
      "learning_rate": 4.52e-05,
      "loss": 4.0729,
      "step": 4500
    },
    {
      "epoch": 0.32,
      "grad_norm": 2.854435920715332,
      "learning_rate": 4.466666666666667e-05,
      "loss": 3.9766,
      "step": 5000
    },
    {
      "epoch": 0.352,
      "grad_norm": 2.888359785079956,
      "learning_rate": 4.413333333333334e-05,
      "loss": 3.9033,
      "step": 5500
    },
    {
      "epoch": 0.384,
      "grad_norm": 2.7745554447174072,
      "learning_rate": 4.36e-05,
      "loss": 3.8425,
      "step": 6000
    },
    {
      "epoch": 0.416,
      "grad_norm": 3.349950075149536,
      "learning_rate": 4.3066666666666665e-05,
      "loss": 3.7847,
      "step": 6500
    },
    {
      "epoch": 0.448,
      "grad_norm": 2.9311468601226807,
      "learning_rate": 4.2533333333333335e-05,
      "loss": 3.7184,
      "step": 7000
    },
    {
      "epoch": 0.48,
      "grad_norm": 3.07074236869812,
      "learning_rate": 4.2e-05,
      "loss": 3.6775,
      "step": 7500
    },
    {
      "epoch": 0.512,
      "grad_norm": 3.032198667526245,
      "learning_rate": 4.146666666666667e-05,
      "loss": 3.6327,
      "step": 8000
    },
    {
      "epoch": 0.544,
      "grad_norm": 2.8646187782287598,
      "learning_rate": 4.093333333333334e-05,
      "loss": 3.5894,
      "step": 8500
    },
    {
      "epoch": 0.576,
      "grad_norm": 3.2184200286865234,
      "learning_rate": 4.0400000000000006e-05,
      "loss": 3.5573,
      "step": 9000
    },
    {
      "epoch": 0.608,
      "grad_norm": 2.9225051403045654,
      "learning_rate": 3.986666666666667e-05,
      "loss": 3.519,
      "step": 9500
    },
    {
      "epoch": 0.64,
      "grad_norm": 2.9814798831939697,
      "learning_rate": 3.933333333333333e-05,
      "loss": 3.4883,
      "step": 10000
    },
    {
      "epoch": 0.672,
      "grad_norm": 2.9676144123077393,
      "learning_rate": 3.88e-05,
      "loss": 3.4569,
      "step": 10500
    },
    {
      "epoch": 0.704,
      "grad_norm": 3.0484821796417236,
      "learning_rate": 3.8266666666666664e-05,
      "loss": 3.4376,
      "step": 11000
    },
    {
      "epoch": 0.736,
      "grad_norm": 2.998781681060791,
      "learning_rate": 3.773333333333334e-05,
      "loss": 3.4018,
      "step": 11500
    },
    {
      "epoch": 0.768,
      "grad_norm": 3.0015172958374023,
      "learning_rate": 3.72e-05,
      "loss": 3.3781,
      "step": 12000
    },
    {
      "epoch": 0.8,
      "grad_norm": 3.0649876594543457,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 3.3639,
      "step": 12500
    },
    {
      "epoch": 0.832,
      "grad_norm": 3.342751979827881,
      "learning_rate": 3.6133333333333335e-05,
      "loss": 3.3414,
      "step": 13000
    },
    {
      "epoch": 0.864,
      "grad_norm": 3.1034457683563232,
      "learning_rate": 3.56e-05,
      "loss": 3.3188,
      "step": 13500
    },
    {
      "epoch": 0.896,
      "grad_norm": 3.0305914878845215,
      "learning_rate": 3.506666666666667e-05,
      "loss": 3.3,
      "step": 14000
    },
    {
      "epoch": 0.928,
      "grad_norm": 3.038443088531494,
      "learning_rate": 3.453333333333334e-05,
      "loss": 3.2958,
      "step": 14500
    },
    {
      "epoch": 0.96,
      "grad_norm": 3.1707687377929688,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 3.2804,
      "step": 15000
    },
    {
      "epoch": 0.992,
      "grad_norm": 3.1535136699676514,
      "learning_rate": 3.346666666666667e-05,
      "loss": 3.2499,
      "step": 15500
    },
    {
      "epoch": 1.024,
      "grad_norm": 3.1887905597686768,
      "learning_rate": 3.293333333333333e-05,
      "loss": 3.2345,
      "step": 16000
    },
    {
      "epoch": 1.056,
      "grad_norm": 3.0925545692443848,
      "learning_rate": 3.24e-05,
      "loss": 3.2125,
      "step": 16500
    },
    {
      "epoch": 1.088,
      "grad_norm": 3.146622896194458,
      "learning_rate": 3.1866666666666664e-05,
      "loss": 3.2115,
      "step": 17000
    },
    {
      "epoch": 1.12,
      "grad_norm": 3.1657800674438477,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 3.2045,
      "step": 17500
    },
    {
      "epoch": 1.152,
      "grad_norm": 3.2574899196624756,
      "learning_rate": 3.08e-05,
      "loss": 3.183,
      "step": 18000
    },
    {
      "epoch": 1.184,
      "grad_norm": 3.3625082969665527,
      "learning_rate": 3.0266666666666666e-05,
      "loss": 3.1609,
      "step": 18500
    },
    {
      "epoch": 1.216,
      "grad_norm": 3.518521547317505,
      "learning_rate": 2.9733333333333336e-05,
      "loss": 3.1497,
      "step": 19000
    },
    {
      "epoch": 1.248,
      "grad_norm": 3.2738187313079834,
      "learning_rate": 2.9199999999999998e-05,
      "loss": 3.1451,
      "step": 19500
    },
    {
      "epoch": 1.28,
      "grad_norm": 3.2710678577423096,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 3.1359,
      "step": 20000
    },
    {
      "epoch": 1.312,
      "grad_norm": 3.2664999961853027,
      "learning_rate": 2.8133333333333334e-05,
      "loss": 3.14,
      "step": 20500
    },
    {
      "epoch": 1.3439999999999999,
      "grad_norm": 3.232677698135376,
      "learning_rate": 2.7600000000000003e-05,
      "loss": 3.1233,
      "step": 21000
    },
    {
      "epoch": 1.376,
      "grad_norm": 3.168349266052246,
      "learning_rate": 2.706666666666667e-05,
      "loss": 3.114,
      "step": 21500
    },
    {
      "epoch": 1.408,
      "grad_norm": 3.3266520500183105,
      "learning_rate": 2.6533333333333332e-05,
      "loss": 3.0969,
      "step": 22000
    },
    {
      "epoch": 1.44,
      "grad_norm": 3.2152698040008545,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 3.092,
      "step": 22500
    },
    {
      "epoch": 1.472,
      "grad_norm": 3.1990036964416504,
      "learning_rate": 2.5466666666666668e-05,
      "loss": 3.0787,
      "step": 23000
    },
    {
      "epoch": 1.504,
      "grad_norm": 3.3625833988189697,
      "learning_rate": 2.4933333333333334e-05,
      "loss": 3.0696,
      "step": 23500
    },
    {
      "epoch": 1.536,
      "grad_norm": 3.3790321350097656,
      "learning_rate": 2.44e-05,
      "loss": 3.069,
      "step": 24000
    },
    {
      "epoch": 1.568,
      "grad_norm": 3.286928415298462,
      "learning_rate": 2.3866666666666666e-05,
      "loss": 3.0507,
      "step": 24500
    },
    {
      "epoch": 1.6,
      "grad_norm": 3.179619312286377,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 3.0605,
      "step": 25000
    },
    {
      "epoch": 1.6320000000000001,
      "grad_norm": 3.3259994983673096,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 3.0403,
      "step": 25500
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 3.651364803314209,
      "learning_rate": 2.2266666666666668e-05,
      "loss": 3.0545,
      "step": 26000
    },
    {
      "epoch": 1.696,
      "grad_norm": 3.3979578018188477,
      "learning_rate": 2.1733333333333334e-05,
      "loss": 3.0355,
      "step": 26500
    },
    {
      "epoch": 1.728,
      "grad_norm": 3.431880474090576,
      "learning_rate": 2.12e-05,
      "loss": 3.0263,
      "step": 27000
    },
    {
      "epoch": 1.76,
      "grad_norm": 3.56838321685791,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 3.0199,
      "step": 27500
    },
    {
      "epoch": 1.792,
      "grad_norm": 3.703909397125244,
      "learning_rate": 2.0133333333333336e-05,
      "loss": 3.0142,
      "step": 28000
    },
    {
      "epoch": 1.8239999999999998,
      "grad_norm": 3.566514492034912,
      "learning_rate": 1.9600000000000002e-05,
      "loss": 3.009,
      "step": 28500
    },
    {
      "epoch": 1.8559999999999999,
      "grad_norm": 3.520062208175659,
      "learning_rate": 1.9066666666666668e-05,
      "loss": 2.999,
      "step": 29000
    },
    {
      "epoch": 1.888,
      "grad_norm": 3.5637216567993164,
      "learning_rate": 1.8533333333333334e-05,
      "loss": 3.0038,
      "step": 29500
    },
    {
      "epoch": 1.92,
      "grad_norm": 3.331390142440796,
      "learning_rate": 1.8e-05,
      "loss": 2.9956,
      "step": 30000
    },
    {
      "epoch": 1.952,
      "grad_norm": 3.632591962814331,
      "learning_rate": 1.7466666666666667e-05,
      "loss": 2.9951,
      "step": 30500
    },
    {
      "epoch": 1.984,
      "grad_norm": 3.3229875564575195,
      "learning_rate": 1.6933333333333333e-05,
      "loss": 2.9908,
      "step": 31000
    },
    {
      "epoch": 2.016,
      "grad_norm": 3.420884847640991,
      "learning_rate": 1.6400000000000002e-05,
      "loss": 2.9914,
      "step": 31500
    },
    {
      "epoch": 2.048,
      "grad_norm": 3.5923304557800293,
      "learning_rate": 1.586666666666667e-05,
      "loss": 2.9765,
      "step": 32000
    },
    {
      "epoch": 2.08,
      "grad_norm": 3.3676939010620117,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 2.9816,
      "step": 32500
    },
    {
      "epoch": 2.112,
      "grad_norm": 4.163808345794678,
      "learning_rate": 1.48e-05,
      "loss": 2.9684,
      "step": 33000
    },
    {
      "epoch": 2.144,
      "grad_norm": 3.5594727993011475,
      "learning_rate": 1.4266666666666667e-05,
      "loss": 2.972,
      "step": 33500
    },
    {
      "epoch": 2.176,
      "grad_norm": 3.336045026779175,
      "learning_rate": 1.3733333333333335e-05,
      "loss": 2.9677,
      "step": 34000
    },
    {
      "epoch": 2.208,
      "grad_norm": 3.4832022190093994,
      "learning_rate": 1.32e-05,
      "loss": 2.96,
      "step": 34500
    },
    {
      "epoch": 2.24,
      "grad_norm": 3.2550456523895264,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 2.9548,
      "step": 35000
    },
    {
      "epoch": 2.2720000000000002,
      "grad_norm": 3.4090843200683594,
      "learning_rate": 1.2133333333333335e-05,
      "loss": 2.9617,
      "step": 35500
    },
    {
      "epoch": 2.304,
      "grad_norm": 3.461796760559082,
      "learning_rate": 1.16e-05,
      "loss": 2.9494,
      "step": 36000
    },
    {
      "epoch": 2.336,
      "grad_norm": 3.4374420642852783,
      "learning_rate": 1.1066666666666667e-05,
      "loss": 2.9564,
      "step": 36500
    },
    {
      "epoch": 2.368,
      "grad_norm": 3.5015389919281006,
      "learning_rate": 1.0533333333333335e-05,
      "loss": 2.9551,
      "step": 37000
    },
    {
      "epoch": 2.4,
      "grad_norm": 3.3731472492218018,
      "learning_rate": 1e-05,
      "loss": 2.9491,
      "step": 37500
    },
    {
      "epoch": 2.432,
      "grad_norm": 3.514631986618042,
      "learning_rate": 9.466666666666667e-06,
      "loss": 2.9479,
      "step": 38000
    },
    {
      "epoch": 2.464,
      "grad_norm": 3.472654104232788,
      "learning_rate": 8.933333333333333e-06,
      "loss": 2.9478,
      "step": 38500
    },
    {
      "epoch": 2.496,
      "grad_norm": 3.620283365249634,
      "learning_rate": 8.400000000000001e-06,
      "loss": 2.9399,
      "step": 39000
    },
    {
      "epoch": 2.528,
      "grad_norm": 3.7657363414764404,
      "learning_rate": 7.866666666666667e-06,
      "loss": 2.9427,
      "step": 39500
    },
    {
      "epoch": 2.56,
      "grad_norm": 4.113958835601807,
      "learning_rate": 7.333333333333334e-06,
      "loss": 2.9371,
      "step": 40000
    },
    {
      "epoch": 2.592,
      "grad_norm": 3.557511329650879,
      "learning_rate": 6.800000000000001e-06,
      "loss": 2.9391,
      "step": 40500
    },
    {
      "epoch": 2.624,
      "grad_norm": 3.376068592071533,
      "learning_rate": 6.266666666666666e-06,
      "loss": 2.9303,
      "step": 41000
    },
    {
      "epoch": 2.656,
      "grad_norm": 3.63187313079834,
      "learning_rate": 5.733333333333333e-06,
      "loss": 2.9328,
      "step": 41500
    },
    {
      "epoch": 2.6879999999999997,
      "grad_norm": 3.5819358825683594,
      "learning_rate": 5.2e-06,
      "loss": 2.9342,
      "step": 42000
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 3.3923816680908203,
      "learning_rate": 4.666666666666667e-06,
      "loss": 2.9385,
      "step": 42500
    },
    {
      "epoch": 2.752,
      "grad_norm": 3.5601558685302734,
      "learning_rate": 4.133333333333333e-06,
      "loss": 2.9288,
      "step": 43000
    },
    {
      "epoch": 2.784,
      "grad_norm": 4.0658063888549805,
      "learning_rate": 3.6e-06,
      "loss": 2.9294,
      "step": 43500
    },
    {
      "epoch": 2.816,
      "grad_norm": 3.4997718334198,
      "learning_rate": 3.066666666666667e-06,
      "loss": 2.9277,
      "step": 44000
    },
    {
      "epoch": 2.848,
      "grad_norm": 3.5502588748931885,
      "learning_rate": 2.5333333333333334e-06,
      "loss": 2.9182,
      "step": 44500
    },
    {
      "epoch": 2.88,
      "grad_norm": 3.310960531234741,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 2.9302,
      "step": 45000
    },
    {
      "epoch": 2.912,
      "grad_norm": 3.373854875564575,
      "learning_rate": 1.4666666666666667e-06,
      "loss": 2.9176,
      "step": 45500
    },
    {
      "epoch": 2.944,
      "grad_norm": 3.7332820892333984,
      "learning_rate": 9.333333333333334e-07,
      "loss": 2.9147,
      "step": 46000
    },
    {
      "epoch": 2.976,
      "grad_norm": 3.5566887855529785,
      "learning_rate": 4.0000000000000003e-07,
      "loss": 2.9245,
      "step": 46500
    }
  ],
  "logging_steps": 500,
  "max_steps": 46875,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 4.41216036864e+17,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}