statking commited on
Commit
d4c99bc
1 Parent(s): 4b6be7a

Model save

Browse files
README.md ADDED
@@ -0,0 +1,70 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: apache-2.0
3
+ library_name: peft
4
+ tags:
5
+ - trl
6
+ - sft
7
+ - generated_from_trainer
8
+ base_model: mistralai/Mistral-7B-v0.1
9
+ datasets:
10
+ - generator
11
+ model-index:
12
+ - name: zephyr-7b-sft-qlora
13
+ results: []
14
+ ---
15
+
16
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
17
+ should probably proofread and complete it, then remove this comment. -->
18
+
19
+ [<img src="https://raw.githubusercontent.com/wandb/assets/main/wandb-github-badge-28.svg" alt="Visualize in Weights & Biases" width="200" height="32"/>](https://wandb.ai/statking/huggingface/runs/dnr1n96z)
20
+ # zephyr-7b-sft-qlora
21
+
22
+ This model is a fine-tuned version of [mistralai/Mistral-7B-v0.1](https://huggingface.co/mistralai/Mistral-7B-v0.1) on the generator dataset.
23
+ It achieves the following results on the evaluation set:
24
+ - Loss: 0.9439
25
+
26
+ ## Model description
27
+
28
+ More information needed
29
+
30
+ ## Intended uses & limitations
31
+
32
+ More information needed
33
+
34
+ ## Training and evaluation data
35
+
36
+ More information needed
37
+
38
+ ## Training procedure
39
+
40
+ ### Training hyperparameters
41
+
42
+ The following hyperparameters were used during training:
43
+ - learning_rate: 0.0002
44
+ - train_batch_size: 8
45
+ - eval_batch_size: 16
46
+ - seed: 42
47
+ - distributed_type: multi-GPU
48
+ - num_devices: 4
49
+ - gradient_accumulation_steps: 2
50
+ - total_train_batch_size: 64
51
+ - total_eval_batch_size: 64
52
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
53
+ - lr_scheduler_type: cosine
54
+ - lr_scheduler_warmup_ratio: 0.1
55
+ - num_epochs: 1
56
+
57
+ ### Training results
58
+
59
+ | Training Loss | Epoch | Step | Validation Loss |
60
+ |:-------------:|:-----:|:----:|:---------------:|
61
+ | 0.9454 | 1.0 | 2179 | 0.9439 |
62
+
63
+
64
+ ### Framework versions
65
+
66
+ - PEFT 0.10.0
67
+ - Transformers 4.41.0.dev0
68
+ - Pytorch 2.3.0+cu121
69
+ - Datasets 2.19.1
70
+ - Tokenizers 0.19.1
adapter_model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:52a128609e0576538e90c9ac94e6195e1a6f799f5048b4d9d78b44bed752cf3a
3
  size 83946192
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:12c1d62683baa1fbbf5c320f26a5bdf29a730052d413bd59948c4e6e4b3ef98b
3
  size 83946192
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "total_flos": 3.4589037545127936e+16,
4
+ "train_loss": 0.9514529290906111,
5
+ "train_runtime": 33671.5063,
6
+ "train_samples": 207864,
7
+ "train_samples_per_second": 4.141,
8
+ "train_steps_per_second": 0.065
9
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "total_flos": 3.4589037545127936e+16,
4
+ "train_loss": 0.9514529290906111,
5
+ "train_runtime": 33671.5063,
6
+ "train_samples": 207864,
7
+ "train_samples_per_second": 4.141,
8
+ "train_steps_per_second": 0.065
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,3102 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.0,
5
+ "eval_steps": 500,
6
+ "global_step": 2179,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0004589261128958238,
13
+ "grad_norm": 0.24931495636064183,
14
+ "learning_rate": 9.174311926605506e-07,
15
+ "loss": 1.1206,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.002294630564479119,
20
+ "grad_norm": 0.26866738165199944,
21
+ "learning_rate": 4.587155963302753e-06,
22
+ "loss": 1.1242,
23
+ "step": 5
24
+ },
25
+ {
26
+ "epoch": 0.004589261128958238,
27
+ "grad_norm": 0.2706384220584976,
28
+ "learning_rate": 9.174311926605506e-06,
29
+ "loss": 1.1504,
30
+ "step": 10
31
+ },
32
+ {
33
+ "epoch": 0.006883891693437357,
34
+ "grad_norm": 0.22472049733931831,
35
+ "learning_rate": 1.3761467889908258e-05,
36
+ "loss": 1.1168,
37
+ "step": 15
38
+ },
39
+ {
40
+ "epoch": 0.009178522257916476,
41
+ "grad_norm": 0.20645077000731837,
42
+ "learning_rate": 1.834862385321101e-05,
43
+ "loss": 1.0668,
44
+ "step": 20
45
+ },
46
+ {
47
+ "epoch": 0.011473152822395595,
48
+ "grad_norm": 0.17022030208338307,
49
+ "learning_rate": 2.2935779816513765e-05,
50
+ "loss": 1.0672,
51
+ "step": 25
52
+ },
53
+ {
54
+ "epoch": 0.013767783386874713,
55
+ "grad_norm": 0.15571207235273762,
56
+ "learning_rate": 2.7522935779816515e-05,
57
+ "loss": 1.0782,
58
+ "step": 30
59
+ },
60
+ {
61
+ "epoch": 0.016062413951353834,
62
+ "grad_norm": 0.1146172388400534,
63
+ "learning_rate": 3.211009174311927e-05,
64
+ "loss": 1.0178,
65
+ "step": 35
66
+ },
67
+ {
68
+ "epoch": 0.018357044515832952,
69
+ "grad_norm": 0.10569957850527,
70
+ "learning_rate": 3.669724770642202e-05,
71
+ "loss": 1.0347,
72
+ "step": 40
73
+ },
74
+ {
75
+ "epoch": 0.02065167508031207,
76
+ "grad_norm": 0.10758552876940583,
77
+ "learning_rate": 4.1284403669724776e-05,
78
+ "loss": 1.0464,
79
+ "step": 45
80
+ },
81
+ {
82
+ "epoch": 0.02294630564479119,
83
+ "grad_norm": 0.12022433488838774,
84
+ "learning_rate": 4.587155963302753e-05,
85
+ "loss": 0.9938,
86
+ "step": 50
87
+ },
88
+ {
89
+ "epoch": 0.025240936209270308,
90
+ "grad_norm": 0.12413949810603703,
91
+ "learning_rate": 5.0458715596330276e-05,
92
+ "loss": 1.0116,
93
+ "step": 55
94
+ },
95
+ {
96
+ "epoch": 0.027535566773749427,
97
+ "grad_norm": 0.11089749594093384,
98
+ "learning_rate": 5.504587155963303e-05,
99
+ "loss": 1.0099,
100
+ "step": 60
101
+ },
102
+ {
103
+ "epoch": 0.029830197338228545,
104
+ "grad_norm": 0.11116787947934133,
105
+ "learning_rate": 5.9633027522935784e-05,
106
+ "loss": 1.0123,
107
+ "step": 65
108
+ },
109
+ {
110
+ "epoch": 0.03212482790270767,
111
+ "grad_norm": 0.1045508356848914,
112
+ "learning_rate": 6.422018348623854e-05,
113
+ "loss": 0.9922,
114
+ "step": 70
115
+ },
116
+ {
117
+ "epoch": 0.03441945846718678,
118
+ "grad_norm": 0.11419989748358071,
119
+ "learning_rate": 6.880733944954129e-05,
120
+ "loss": 1.0221,
121
+ "step": 75
122
+ },
123
+ {
124
+ "epoch": 0.036714089031665904,
125
+ "grad_norm": 0.11920093762065691,
126
+ "learning_rate": 7.339449541284404e-05,
127
+ "loss": 0.9903,
128
+ "step": 80
129
+ },
130
+ {
131
+ "epoch": 0.03900871959614502,
132
+ "grad_norm": 0.1205539032721293,
133
+ "learning_rate": 7.79816513761468e-05,
134
+ "loss": 0.9892,
135
+ "step": 85
136
+ },
137
+ {
138
+ "epoch": 0.04130335016062414,
139
+ "grad_norm": 0.1153297215401342,
140
+ "learning_rate": 8.256880733944955e-05,
141
+ "loss": 0.9801,
142
+ "step": 90
143
+ },
144
+ {
145
+ "epoch": 0.04359798072510326,
146
+ "grad_norm": 0.11168014813048414,
147
+ "learning_rate": 8.715596330275229e-05,
148
+ "loss": 0.9927,
149
+ "step": 95
150
+ },
151
+ {
152
+ "epoch": 0.04589261128958238,
153
+ "grad_norm": 0.11609074160199676,
154
+ "learning_rate": 9.174311926605506e-05,
155
+ "loss": 0.9794,
156
+ "step": 100
157
+ },
158
+ {
159
+ "epoch": 0.048187241854061494,
160
+ "grad_norm": 0.11950825569103571,
161
+ "learning_rate": 9.63302752293578e-05,
162
+ "loss": 0.9818,
163
+ "step": 105
164
+ },
165
+ {
166
+ "epoch": 0.050481872418540616,
167
+ "grad_norm": 0.11880725497478824,
168
+ "learning_rate": 0.00010091743119266055,
169
+ "loss": 0.9986,
170
+ "step": 110
171
+ },
172
+ {
173
+ "epoch": 0.05277650298301973,
174
+ "grad_norm": 0.11245311133827594,
175
+ "learning_rate": 0.00010550458715596329,
176
+ "loss": 1.0082,
177
+ "step": 115
178
+ },
179
+ {
180
+ "epoch": 0.05507113354749885,
181
+ "grad_norm": 0.11463279657110968,
182
+ "learning_rate": 0.00011009174311926606,
183
+ "loss": 0.9701,
184
+ "step": 120
185
+ },
186
+ {
187
+ "epoch": 0.05736576411197797,
188
+ "grad_norm": 0.1147080076997952,
189
+ "learning_rate": 0.00011467889908256881,
190
+ "loss": 0.9561,
191
+ "step": 125
192
+ },
193
+ {
194
+ "epoch": 0.05966039467645709,
195
+ "grad_norm": 0.10731908295172292,
196
+ "learning_rate": 0.00011926605504587157,
197
+ "loss": 0.9806,
198
+ "step": 130
199
+ },
200
+ {
201
+ "epoch": 0.06195502524093621,
202
+ "grad_norm": 0.11772654963107822,
203
+ "learning_rate": 0.00012385321100917432,
204
+ "loss": 0.9781,
205
+ "step": 135
206
+ },
207
+ {
208
+ "epoch": 0.06424965580541533,
209
+ "grad_norm": 0.10616965717110965,
210
+ "learning_rate": 0.00012844036697247707,
211
+ "loss": 0.9575,
212
+ "step": 140
213
+ },
214
+ {
215
+ "epoch": 0.06654428636989444,
216
+ "grad_norm": 0.11403517689802216,
217
+ "learning_rate": 0.00013302752293577983,
218
+ "loss": 0.9967,
219
+ "step": 145
220
+ },
221
+ {
222
+ "epoch": 0.06883891693437356,
223
+ "grad_norm": 0.12124685445241375,
224
+ "learning_rate": 0.00013761467889908258,
225
+ "loss": 0.962,
226
+ "step": 150
227
+ },
228
+ {
229
+ "epoch": 0.07113354749885269,
230
+ "grad_norm": 0.11004755929686598,
231
+ "learning_rate": 0.0001422018348623853,
232
+ "loss": 0.9458,
233
+ "step": 155
234
+ },
235
+ {
236
+ "epoch": 0.07342817806333181,
237
+ "grad_norm": 0.11198046801850037,
238
+ "learning_rate": 0.0001467889908256881,
239
+ "loss": 0.9853,
240
+ "step": 160
241
+ },
242
+ {
243
+ "epoch": 0.07572280862781092,
244
+ "grad_norm": 0.10851191328572089,
245
+ "learning_rate": 0.00015137614678899084,
246
+ "loss": 0.9599,
247
+ "step": 165
248
+ },
249
+ {
250
+ "epoch": 0.07801743919229004,
251
+ "grad_norm": 0.1027573560837855,
252
+ "learning_rate": 0.0001559633027522936,
253
+ "loss": 0.9705,
254
+ "step": 170
255
+ },
256
+ {
257
+ "epoch": 0.08031206975676916,
258
+ "grad_norm": 0.09904618883874605,
259
+ "learning_rate": 0.00016055045871559632,
260
+ "loss": 0.9607,
261
+ "step": 175
262
+ },
263
+ {
264
+ "epoch": 0.08260670032124828,
265
+ "grad_norm": 0.10960846096179629,
266
+ "learning_rate": 0.0001651376146788991,
267
+ "loss": 1.0047,
268
+ "step": 180
269
+ },
270
+ {
271
+ "epoch": 0.08490133088572739,
272
+ "grad_norm": 0.10544676605226945,
273
+ "learning_rate": 0.00016972477064220186,
274
+ "loss": 0.9894,
275
+ "step": 185
276
+ },
277
+ {
278
+ "epoch": 0.08719596145020651,
279
+ "grad_norm": 0.10229698437978632,
280
+ "learning_rate": 0.00017431192660550458,
281
+ "loss": 0.9764,
282
+ "step": 190
283
+ },
284
+ {
285
+ "epoch": 0.08949059201468564,
286
+ "grad_norm": 0.09568938580281933,
287
+ "learning_rate": 0.00017889908256880734,
288
+ "loss": 0.9618,
289
+ "step": 195
290
+ },
291
+ {
292
+ "epoch": 0.09178522257916476,
293
+ "grad_norm": 0.10024788325345245,
294
+ "learning_rate": 0.00018348623853211012,
295
+ "loss": 0.953,
296
+ "step": 200
297
+ },
298
+ {
299
+ "epoch": 0.09407985314364388,
300
+ "grad_norm": 0.09773114551334808,
301
+ "learning_rate": 0.00018807339449541284,
302
+ "loss": 0.9775,
303
+ "step": 205
304
+ },
305
+ {
306
+ "epoch": 0.09637448370812299,
307
+ "grad_norm": 0.103651995811559,
308
+ "learning_rate": 0.0001926605504587156,
309
+ "loss": 0.9621,
310
+ "step": 210
311
+ },
312
+ {
313
+ "epoch": 0.09866911427260211,
314
+ "grad_norm": 0.10031363164526642,
315
+ "learning_rate": 0.00019724770642201835,
316
+ "loss": 0.9771,
317
+ "step": 215
318
+ },
319
+ {
320
+ "epoch": 0.10096374483708123,
321
+ "grad_norm": 0.09400862481398278,
322
+ "learning_rate": 0.00019999948669655127,
323
+ "loss": 0.9685,
324
+ "step": 220
325
+ },
326
+ {
327
+ "epoch": 0.10325837540156035,
328
+ "grad_norm": 0.09148587705607365,
329
+ "learning_rate": 0.00019999371209327089,
330
+ "loss": 0.9472,
331
+ "step": 225
332
+ },
333
+ {
334
+ "epoch": 0.10555300596603946,
335
+ "grad_norm": 0.1000742259516268,
336
+ "learning_rate": 0.00019998152162914806,
337
+ "loss": 0.9601,
338
+ "step": 230
339
+ },
340
+ {
341
+ "epoch": 0.10784763653051858,
342
+ "grad_norm": 0.099276599123678,
343
+ "learning_rate": 0.00019996291608635525,
344
+ "loss": 0.9597,
345
+ "step": 235
346
+ },
347
+ {
348
+ "epoch": 0.1101422670949977,
349
+ "grad_norm": 0.09100711111755377,
350
+ "learning_rate": 0.00019993789665867314,
351
+ "loss": 0.9427,
352
+ "step": 240
353
+ },
354
+ {
355
+ "epoch": 0.11243689765947683,
356
+ "grad_norm": 0.09143444839325382,
357
+ "learning_rate": 0.00019990646495141444,
358
+ "loss": 0.9521,
359
+ "step": 245
360
+ },
361
+ {
362
+ "epoch": 0.11473152822395594,
363
+ "grad_norm": 0.09469721895906218,
364
+ "learning_rate": 0.0001998686229813205,
365
+ "loss": 0.9642,
366
+ "step": 250
367
+ },
368
+ {
369
+ "epoch": 0.11702615878843506,
370
+ "grad_norm": 0.09530573435158946,
371
+ "learning_rate": 0.00019982437317643217,
372
+ "loss": 0.9475,
373
+ "step": 255
374
+ },
375
+ {
376
+ "epoch": 0.11932078935291418,
377
+ "grad_norm": 0.09537227174416016,
378
+ "learning_rate": 0.0001997737183759338,
379
+ "loss": 0.9596,
380
+ "step": 260
381
+ },
382
+ {
383
+ "epoch": 0.1216154199173933,
384
+ "grad_norm": 0.09276269113129716,
385
+ "learning_rate": 0.00019971666182997137,
386
+ "loss": 0.9264,
387
+ "step": 265
388
+ },
389
+ {
390
+ "epoch": 0.12391005048187242,
391
+ "grad_norm": 0.09602318064837084,
392
+ "learning_rate": 0.00019965320719944366,
393
+ "loss": 0.9388,
394
+ "step": 270
395
+ },
396
+ {
397
+ "epoch": 0.12620468104635155,
398
+ "grad_norm": 0.08888849048667083,
399
+ "learning_rate": 0.00019958335855576738,
400
+ "loss": 0.9631,
401
+ "step": 275
402
+ },
403
+ {
404
+ "epoch": 0.12849931161083067,
405
+ "grad_norm": 0.08994328067689368,
406
+ "learning_rate": 0.00019950712038061617,
407
+ "loss": 0.9481,
408
+ "step": 280
409
+ },
410
+ {
411
+ "epoch": 0.13079394217530976,
412
+ "grad_norm": 0.0897263586822677,
413
+ "learning_rate": 0.00019942449756563279,
414
+ "loss": 0.9566,
415
+ "step": 285
416
+ },
417
+ {
418
+ "epoch": 0.13308857273978889,
419
+ "grad_norm": 0.08889749103510053,
420
+ "learning_rate": 0.00019933549541211552,
421
+ "loss": 0.965,
422
+ "step": 290
423
+ },
424
+ {
425
+ "epoch": 0.135383203304268,
426
+ "grad_norm": 0.09008585580167996,
427
+ "learning_rate": 0.00019924011963067765,
428
+ "loss": 0.9489,
429
+ "step": 295
430
+ },
431
+ {
432
+ "epoch": 0.13767783386874713,
433
+ "grad_norm": 0.08978334358331166,
434
+ "learning_rate": 0.00019913837634088144,
435
+ "loss": 0.9591,
436
+ "step": 300
437
+ },
438
+ {
439
+ "epoch": 0.13997246443322625,
440
+ "grad_norm": 0.08869912275141656,
441
+ "learning_rate": 0.00019903027207084523,
442
+ "loss": 0.9647,
443
+ "step": 305
444
+ },
445
+ {
446
+ "epoch": 0.14226709499770537,
447
+ "grad_norm": 0.08650660717454736,
448
+ "learning_rate": 0.00019891581375682473,
449
+ "loss": 0.9877,
450
+ "step": 310
451
+ },
452
+ {
453
+ "epoch": 0.1445617255621845,
454
+ "grad_norm": 0.08750656685685948,
455
+ "learning_rate": 0.00019879500874276786,
456
+ "loss": 0.9654,
457
+ "step": 315
458
+ },
459
+ {
460
+ "epoch": 0.14685635612666362,
461
+ "grad_norm": 0.08617919321649241,
462
+ "learning_rate": 0.00019866786477984357,
463
+ "loss": 0.965,
464
+ "step": 320
465
+ },
466
+ {
467
+ "epoch": 0.14915098669114274,
468
+ "grad_norm": 0.08483226196137736,
469
+ "learning_rate": 0.0001985343900259446,
470
+ "loss": 0.9677,
471
+ "step": 325
472
+ },
473
+ {
474
+ "epoch": 0.15144561725562183,
475
+ "grad_norm": 0.09712002013315797,
476
+ "learning_rate": 0.0001983945930451639,
477
+ "loss": 0.9845,
478
+ "step": 330
479
+ },
480
+ {
481
+ "epoch": 0.15374024782010096,
482
+ "grad_norm": 0.08834848603530239,
483
+ "learning_rate": 0.0001982484828072452,
484
+ "loss": 0.9551,
485
+ "step": 335
486
+ },
487
+ {
488
+ "epoch": 0.15603487838458008,
489
+ "grad_norm": 0.08706421027052569,
490
+ "learning_rate": 0.00019809606868700756,
491
+ "loss": 0.9725,
492
+ "step": 340
493
+ },
494
+ {
495
+ "epoch": 0.1583295089490592,
496
+ "grad_norm": 0.08948100664780789,
497
+ "learning_rate": 0.00019793736046374373,
498
+ "loss": 0.9537,
499
+ "step": 345
500
+ },
501
+ {
502
+ "epoch": 0.16062413951353832,
503
+ "grad_norm": 0.08854849269535629,
504
+ "learning_rate": 0.0001977723683205928,
505
+ "loss": 0.9826,
506
+ "step": 350
507
+ },
508
+ {
509
+ "epoch": 0.16291877007801744,
510
+ "grad_norm": 0.09035742208671649,
511
+ "learning_rate": 0.00019760110284388667,
512
+ "loss": 0.9685,
513
+ "step": 355
514
+ },
515
+ {
516
+ "epoch": 0.16521340064249657,
517
+ "grad_norm": 0.2078369241555783,
518
+ "learning_rate": 0.00019742357502247103,
519
+ "loss": 0.953,
520
+ "step": 360
521
+ },
522
+ {
523
+ "epoch": 0.1675080312069757,
524
+ "grad_norm": 0.08496387083805744,
525
+ "learning_rate": 0.00019723979624700004,
526
+ "loss": 0.9551,
527
+ "step": 365
528
+ },
529
+ {
530
+ "epoch": 0.16980266177145478,
531
+ "grad_norm": 0.09478873291884332,
532
+ "learning_rate": 0.0001970497783092057,
533
+ "loss": 0.9744,
534
+ "step": 370
535
+ },
536
+ {
537
+ "epoch": 0.1720972923359339,
538
+ "grad_norm": 0.08984634771176177,
539
+ "learning_rate": 0.00019685353340114103,
540
+ "loss": 0.9564,
541
+ "step": 375
542
+ },
543
+ {
544
+ "epoch": 0.17439192290041303,
545
+ "grad_norm": 0.09065621901432767,
546
+ "learning_rate": 0.00019665107411439805,
547
+ "loss": 0.9807,
548
+ "step": 380
549
+ },
550
+ {
551
+ "epoch": 0.17668655346489215,
552
+ "grad_norm": 0.08667656345676594,
553
+ "learning_rate": 0.00019644241343929966,
554
+ "loss": 0.9426,
555
+ "step": 385
556
+ },
557
+ {
558
+ "epoch": 0.17898118402937127,
559
+ "grad_norm": 0.09114781451954795,
560
+ "learning_rate": 0.00019622756476406626,
561
+ "loss": 0.9551,
562
+ "step": 390
563
+ },
564
+ {
565
+ "epoch": 0.1812758145938504,
566
+ "grad_norm": 0.09037110088641298,
567
+ "learning_rate": 0.00019600654187395663,
568
+ "loss": 0.9345,
569
+ "step": 395
570
+ },
571
+ {
572
+ "epoch": 0.18357044515832951,
573
+ "grad_norm": 0.09611180100762262,
574
+ "learning_rate": 0.00019577935895038361,
575
+ "loss": 0.9565,
576
+ "step": 400
577
+ },
578
+ {
579
+ "epoch": 0.18586507572280864,
580
+ "grad_norm": 0.09346105169502975,
581
+ "learning_rate": 0.00019554603057000397,
582
+ "loss": 0.9607,
583
+ "step": 405
584
+ },
585
+ {
586
+ "epoch": 0.18815970628728776,
587
+ "grad_norm": 0.08669880613701339,
588
+ "learning_rate": 0.0001953065717037832,
589
+ "loss": 0.9434,
590
+ "step": 410
591
+ },
592
+ {
593
+ "epoch": 0.19045433685176685,
594
+ "grad_norm": 0.09074513235696971,
595
+ "learning_rate": 0.00019506099771603513,
596
+ "loss": 0.9539,
597
+ "step": 415
598
+ },
599
+ {
600
+ "epoch": 0.19274896741624598,
601
+ "grad_norm": 0.08770031036399964,
602
+ "learning_rate": 0.00019480932436343582,
603
+ "loss": 0.9466,
604
+ "step": 420
605
+ },
606
+ {
607
+ "epoch": 0.1950435979807251,
608
+ "grad_norm": 0.08915513286930843,
609
+ "learning_rate": 0.00019455156779401265,
610
+ "loss": 0.9628,
611
+ "step": 425
612
+ },
613
+ {
614
+ "epoch": 0.19733822854520422,
615
+ "grad_norm": 0.08790684691806365,
616
+ "learning_rate": 0.00019428774454610843,
617
+ "loss": 0.9598,
618
+ "step": 430
619
+ },
620
+ {
621
+ "epoch": 0.19963285910968334,
622
+ "grad_norm": 0.08895484944044536,
623
+ "learning_rate": 0.00019401787154731993,
624
+ "loss": 0.9553,
625
+ "step": 435
626
+ },
627
+ {
628
+ "epoch": 0.20192748967416246,
629
+ "grad_norm": 0.08798273269859104,
630
+ "learning_rate": 0.0001937419661134121,
631
+ "loss": 0.9796,
632
+ "step": 440
633
+ },
634
+ {
635
+ "epoch": 0.20422212023864159,
636
+ "grad_norm": 0.08777210421997016,
637
+ "learning_rate": 0.00019346004594720669,
638
+ "loss": 0.9495,
639
+ "step": 445
640
+ },
641
+ {
642
+ "epoch": 0.2065167508031207,
643
+ "grad_norm": 0.08564705845641755,
644
+ "learning_rate": 0.0001931721291374467,
645
+ "loss": 0.9501,
646
+ "step": 450
647
+ },
648
+ {
649
+ "epoch": 0.20881138136759983,
650
+ "grad_norm": 0.09474670359706922,
651
+ "learning_rate": 0.00019287823415763553,
652
+ "loss": 0.9559,
653
+ "step": 455
654
+ },
655
+ {
656
+ "epoch": 0.21110601193207892,
657
+ "grad_norm": 0.08777147268242179,
658
+ "learning_rate": 0.00019257837986485187,
659
+ "loss": 0.9828,
660
+ "step": 460
661
+ },
662
+ {
663
+ "epoch": 0.21340064249655805,
664
+ "grad_norm": 0.09274202152499614,
665
+ "learning_rate": 0.0001922725854985396,
666
+ "loss": 0.943,
667
+ "step": 465
668
+ },
669
+ {
670
+ "epoch": 0.21569527306103717,
671
+ "grad_norm": 0.08906570334946029,
672
+ "learning_rate": 0.0001919608706792735,
673
+ "loss": 0.963,
674
+ "step": 470
675
+ },
676
+ {
677
+ "epoch": 0.2179899036255163,
678
+ "grad_norm": 0.09431879186087927,
679
+ "learning_rate": 0.00019164325540750016,
680
+ "loss": 0.976,
681
+ "step": 475
682
+ },
683
+ {
684
+ "epoch": 0.2202845341899954,
685
+ "grad_norm": 0.0880885330404675,
686
+ "learning_rate": 0.00019131976006225488,
687
+ "loss": 0.934,
688
+ "step": 480
689
+ },
690
+ {
691
+ "epoch": 0.22257916475447453,
692
+ "grad_norm": 0.09001487242711557,
693
+ "learning_rate": 0.00019099040539985394,
694
+ "loss": 0.9608,
695
+ "step": 485
696
+ },
697
+ {
698
+ "epoch": 0.22487379531895366,
699
+ "grad_norm": 0.08632949578437538,
700
+ "learning_rate": 0.00019065521255256298,
701
+ "loss": 0.9489,
702
+ "step": 490
703
+ },
704
+ {
705
+ "epoch": 0.22716842588343278,
706
+ "grad_norm": 0.08860042188251825,
707
+ "learning_rate": 0.00019031420302724096,
708
+ "loss": 0.9539,
709
+ "step": 495
710
+ },
711
+ {
712
+ "epoch": 0.22946305644791187,
713
+ "grad_norm": 0.09204792889480558,
714
+ "learning_rate": 0.00018996739870396026,
715
+ "loss": 0.9455,
716
+ "step": 500
717
+ },
718
+ {
719
+ "epoch": 0.231757687012391,
720
+ "grad_norm": 0.0907813137121107,
721
+ "learning_rate": 0.00018961482183460282,
722
+ "loss": 0.9455,
723
+ "step": 505
724
+ },
725
+ {
726
+ "epoch": 0.23405231757687012,
727
+ "grad_norm": 0.09123445749023676,
728
+ "learning_rate": 0.00018925649504143244,
729
+ "loss": 0.9386,
730
+ "step": 510
731
+ },
732
+ {
733
+ "epoch": 0.23634694814134924,
734
+ "grad_norm": 0.08933477090645768,
735
+ "learning_rate": 0.0001888924413156432,
736
+ "loss": 0.9566,
737
+ "step": 515
738
+ },
739
+ {
740
+ "epoch": 0.23864157870582836,
741
+ "grad_norm": 0.08928138581489246,
742
+ "learning_rate": 0.0001885226840158843,
743
+ "loss": 0.9617,
744
+ "step": 520
745
+ },
746
+ {
747
+ "epoch": 0.24093620927030748,
748
+ "grad_norm": 0.1274731933313709,
749
+ "learning_rate": 0.00018814724686676133,
750
+ "loss": 0.9596,
751
+ "step": 525
752
+ },
753
+ {
754
+ "epoch": 0.2432308398347866,
755
+ "grad_norm": 0.0905076097730417,
756
+ "learning_rate": 0.00018776615395731398,
757
+ "loss": 0.9438,
758
+ "step": 530
759
+ },
760
+ {
761
+ "epoch": 0.24552547039926573,
762
+ "grad_norm": 0.08684198828453624,
763
+ "learning_rate": 0.0001873794297394706,
764
+ "loss": 0.9601,
765
+ "step": 535
766
+ },
767
+ {
768
+ "epoch": 0.24782010096374485,
769
+ "grad_norm": 0.0888276936189942,
770
+ "learning_rate": 0.00018698709902647902,
771
+ "loss": 0.9276,
772
+ "step": 540
773
+ },
774
+ {
775
+ "epoch": 0.25011473152822394,
776
+ "grad_norm": 0.09323508497961805,
777
+ "learning_rate": 0.00018658918699131468,
778
+ "loss": 0.9767,
779
+ "step": 545
780
+ },
781
+ {
782
+ "epoch": 0.2524093620927031,
783
+ "grad_norm": 0.0881344870799144,
784
+ "learning_rate": 0.00018618571916506545,
785
+ "loss": 0.9604,
786
+ "step": 550
787
+ },
788
+ {
789
+ "epoch": 0.2547039926571822,
790
+ "grad_norm": 0.08872071593430497,
791
+ "learning_rate": 0.00018577672143529336,
792
+ "loss": 0.9587,
793
+ "step": 555
794
+ },
795
+ {
796
+ "epoch": 0.25699862322166134,
797
+ "grad_norm": 0.08503719828368154,
798
+ "learning_rate": 0.00018536222004437368,
799
+ "loss": 0.9589,
800
+ "step": 560
801
+ },
802
+ {
803
+ "epoch": 0.25929325378614043,
804
+ "grad_norm": 0.08844948896045982,
805
+ "learning_rate": 0.0001849422415878112,
806
+ "loss": 0.9611,
807
+ "step": 565
808
+ },
809
+ {
810
+ "epoch": 0.2615878843506195,
811
+ "grad_norm": 0.08833201695867715,
812
+ "learning_rate": 0.00018451681301253362,
813
+ "loss": 0.9619,
814
+ "step": 570
815
+ },
816
+ {
817
+ "epoch": 0.2638825149150987,
818
+ "grad_norm": 0.08789348466222431,
819
+ "learning_rate": 0.00018408596161516267,
820
+ "loss": 0.9732,
821
+ "step": 575
822
+ },
823
+ {
824
+ "epoch": 0.26617714547957777,
825
+ "grad_norm": 0.09007398961819005,
826
+ "learning_rate": 0.00018364971504026273,
827
+ "loss": 0.9546,
828
+ "step": 580
829
+ },
830
+ {
831
+ "epoch": 0.2684717760440569,
832
+ "grad_norm": 0.09389996335115901,
833
+ "learning_rate": 0.00018320810127856705,
834
+ "loss": 0.9394,
835
+ "step": 585
836
+ },
837
+ {
838
+ "epoch": 0.270766406608536,
839
+ "grad_norm": 0.08615315931672284,
840
+ "learning_rate": 0.00018276114866518168,
841
+ "loss": 0.956,
842
+ "step": 590
843
+ },
844
+ {
845
+ "epoch": 0.27306103717301516,
846
+ "grad_norm": 0.08933240638639854,
847
+ "learning_rate": 0.00018230888587776755,
848
+ "loss": 0.9688,
849
+ "step": 595
850
+ },
851
+ {
852
+ "epoch": 0.27535566773749426,
853
+ "grad_norm": 0.09191231486736685,
854
+ "learning_rate": 0.00018185134193470043,
855
+ "loss": 0.9504,
856
+ "step": 600
857
+ },
858
+ {
859
+ "epoch": 0.2776502983019734,
860
+ "grad_norm": 0.08712371583759838,
861
+ "learning_rate": 0.00018138854619320893,
862
+ "loss": 0.9682,
863
+ "step": 605
864
+ },
865
+ {
866
+ "epoch": 0.2799449288664525,
867
+ "grad_norm": 0.08901746734004592,
868
+ "learning_rate": 0.00018092052834749094,
869
+ "loss": 0.9402,
870
+ "step": 610
871
+ },
872
+ {
873
+ "epoch": 0.2822395594309316,
874
+ "grad_norm": 0.08840589666910355,
875
+ "learning_rate": 0.0001804473184268084,
876
+ "loss": 0.9768,
877
+ "step": 615
878
+ },
879
+ {
880
+ "epoch": 0.28453418999541075,
881
+ "grad_norm": 0.08481006585653182,
882
+ "learning_rate": 0.0001799689467935604,
883
+ "loss": 0.9567,
884
+ "step": 620
885
+ },
886
+ {
887
+ "epoch": 0.28682882055988984,
888
+ "grad_norm": 0.08497095117377013,
889
+ "learning_rate": 0.00017948544414133534,
890
+ "loss": 0.9502,
891
+ "step": 625
892
+ },
893
+ {
894
+ "epoch": 0.289123451124369,
895
+ "grad_norm": 0.08990180476167892,
896
+ "learning_rate": 0.00017899684149294117,
897
+ "loss": 0.9736,
898
+ "step": 630
899
+ },
900
+ {
901
+ "epoch": 0.2914180816888481,
902
+ "grad_norm": 0.08740257994079272,
903
+ "learning_rate": 0.00017850317019841514,
904
+ "loss": 0.9452,
905
+ "step": 635
906
+ },
907
+ {
908
+ "epoch": 0.29371271225332723,
909
+ "grad_norm": 0.09168725176770938,
910
+ "learning_rate": 0.00017800446193301227,
911
+ "loss": 0.9584,
912
+ "step": 640
913
+ },
914
+ {
915
+ "epoch": 0.29600734281780633,
916
+ "grad_norm": 0.0854935785988436,
917
+ "learning_rate": 0.00017750074869517284,
918
+ "loss": 0.9498,
919
+ "step": 645
920
+ },
921
+ {
922
+ "epoch": 0.2983019733822855,
923
+ "grad_norm": 0.08713641806146565,
924
+ "learning_rate": 0.00017699206280446953,
925
+ "loss": 0.9781,
926
+ "step": 650
927
+ },
928
+ {
929
+ "epoch": 0.3005966039467646,
930
+ "grad_norm": 0.08670609625106108,
931
+ "learning_rate": 0.00017647843689953352,
932
+ "loss": 0.9436,
933
+ "step": 655
934
+ },
935
+ {
936
+ "epoch": 0.30289123451124367,
937
+ "grad_norm": 0.08793355472500575,
938
+ "learning_rate": 0.00017595990393596026,
939
+ "loss": 0.9526,
940
+ "step": 660
941
+ },
942
+ {
943
+ "epoch": 0.3051858650757228,
944
+ "grad_norm": 0.09193899666963108,
945
+ "learning_rate": 0.0001754364971841952,
946
+ "loss": 0.9558,
947
+ "step": 665
948
+ },
949
+ {
950
+ "epoch": 0.3074804956402019,
951
+ "grad_norm": 0.08520469387571077,
952
+ "learning_rate": 0.0001749082502273988,
953
+ "loss": 0.9384,
954
+ "step": 670
955
+ },
956
+ {
957
+ "epoch": 0.30977512620468106,
958
+ "grad_norm": 0.08632463244243371,
959
+ "learning_rate": 0.00017437519695929194,
960
+ "loss": 0.9349,
961
+ "step": 675
962
+ },
963
+ {
964
+ "epoch": 0.31206975676916016,
965
+ "grad_norm": 0.08898391879883893,
966
+ "learning_rate": 0.0001738373715819811,
967
+ "loss": 0.9851,
968
+ "step": 680
969
+ },
970
+ {
971
+ "epoch": 0.3143643873336393,
972
+ "grad_norm": 0.08743602323721172,
973
+ "learning_rate": 0.00017329480860376391,
974
+ "loss": 0.9684,
975
+ "step": 685
976
+ },
977
+ {
978
+ "epoch": 0.3166590178981184,
979
+ "grad_norm": 0.0884272891415175,
980
+ "learning_rate": 0.00017274754283691504,
981
+ "loss": 0.9513,
982
+ "step": 690
983
+ },
984
+ {
985
+ "epoch": 0.3189536484625975,
986
+ "grad_norm": 0.0829396476234397,
987
+ "learning_rate": 0.00017219560939545246,
988
+ "loss": 0.9227,
989
+ "step": 695
990
+ },
991
+ {
992
+ "epoch": 0.32124827902707664,
993
+ "grad_norm": 0.08812333013019032,
994
+ "learning_rate": 0.00017163904369288445,
995
+ "loss": 0.9266,
996
+ "step": 700
997
+ },
998
+ {
999
+ "epoch": 0.32354290959155574,
1000
+ "grad_norm": 0.08790955029633435,
1001
+ "learning_rate": 0.00017107788143993743,
1002
+ "loss": 0.9645,
1003
+ "step": 705
1004
+ },
1005
+ {
1006
+ "epoch": 0.3258375401560349,
1007
+ "grad_norm": 0.08662253079337641,
1008
+ "learning_rate": 0.00017051215864226469,
1009
+ "loss": 0.9636,
1010
+ "step": 710
1011
+ },
1012
+ {
1013
+ "epoch": 0.328132170720514,
1014
+ "grad_norm": 0.08662254032383067,
1015
+ "learning_rate": 0.0001699419115981361,
1016
+ "loss": 0.9461,
1017
+ "step": 715
1018
+ },
1019
+ {
1020
+ "epoch": 0.33042680128499313,
1021
+ "grad_norm": 0.08795758448530268,
1022
+ "learning_rate": 0.00016936717689610903,
1023
+ "loss": 0.933,
1024
+ "step": 720
1025
+ },
1026
+ {
1027
+ "epoch": 0.3327214318494722,
1028
+ "grad_norm": 0.08428350308511785,
1029
+ "learning_rate": 0.00016878799141268106,
1030
+ "loss": 0.9368,
1031
+ "step": 725
1032
+ },
1033
+ {
1034
+ "epoch": 0.3350160624139514,
1035
+ "grad_norm": 0.08616657609346429,
1036
+ "learning_rate": 0.00016820439230992343,
1037
+ "loss": 0.9621,
1038
+ "step": 730
1039
+ },
1040
+ {
1041
+ "epoch": 0.33731069297843047,
1042
+ "grad_norm": 0.08578062404208871,
1043
+ "learning_rate": 0.00016761641703309704,
1044
+ "loss": 0.9503,
1045
+ "step": 735
1046
+ },
1047
+ {
1048
+ "epoch": 0.33960532354290957,
1049
+ "grad_norm": 0.08875908176879958,
1050
+ "learning_rate": 0.00016702410330824962,
1051
+ "loss": 0.9377,
1052
+ "step": 740
1053
+ },
1054
+ {
1055
+ "epoch": 0.3418999541073887,
1056
+ "grad_norm": 0.08739702470553666,
1057
+ "learning_rate": 0.00016642748913979513,
1058
+ "loss": 0.9604,
1059
+ "step": 745
1060
+ },
1061
+ {
1062
+ "epoch": 0.3441945846718678,
1063
+ "grad_norm": 0.08662264283634206,
1064
+ "learning_rate": 0.00016582661280807552,
1065
+ "loss": 0.9765,
1066
+ "step": 750
1067
+ },
1068
+ {
1069
+ "epoch": 0.34648921523634696,
1070
+ "grad_norm": 0.08704277951624015,
1071
+ "learning_rate": 0.0001652215128669042,
1072
+ "loss": 0.962,
1073
+ "step": 755
1074
+ },
1075
+ {
1076
+ "epoch": 0.34878384580082605,
1077
+ "grad_norm": 0.08627254433727607,
1078
+ "learning_rate": 0.00016461222814109268,
1079
+ "loss": 0.9503,
1080
+ "step": 760
1081
+ },
1082
+ {
1083
+ "epoch": 0.3510784763653052,
1084
+ "grad_norm": 0.08968065039630777,
1085
+ "learning_rate": 0.00016399879772395915,
1086
+ "loss": 0.9694,
1087
+ "step": 765
1088
+ },
1089
+ {
1090
+ "epoch": 0.3533731069297843,
1091
+ "grad_norm": 0.08992120522770167,
1092
+ "learning_rate": 0.00016338126097482057,
1093
+ "loss": 0.9425,
1094
+ "step": 770
1095
+ },
1096
+ {
1097
+ "epoch": 0.35566773749426345,
1098
+ "grad_norm": 0.08636178728280854,
1099
+ "learning_rate": 0.0001627596575164668,
1100
+ "loss": 0.9486,
1101
+ "step": 775
1102
+ },
1103
+ {
1104
+ "epoch": 0.35796236805874254,
1105
+ "grad_norm": 0.08955961975585672,
1106
+ "learning_rate": 0.0001621340272326185,
1107
+ "loss": 0.9545,
1108
+ "step": 780
1109
+ },
1110
+ {
1111
+ "epoch": 0.36025699862322164,
1112
+ "grad_norm": 0.09696892159638587,
1113
+ "learning_rate": 0.00016150441026536823,
1114
+ "loss": 0.9541,
1115
+ "step": 785
1116
+ },
1117
+ {
1118
+ "epoch": 0.3625516291877008,
1119
+ "grad_norm": 0.0931806547196916,
1120
+ "learning_rate": 0.00016087084701260466,
1121
+ "loss": 0.9338,
1122
+ "step": 790
1123
+ },
1124
+ {
1125
+ "epoch": 0.3648462597521799,
1126
+ "grad_norm": 0.08965151017485885,
1127
+ "learning_rate": 0.00016023337812542048,
1128
+ "loss": 0.9337,
1129
+ "step": 795
1130
+ },
1131
+ {
1132
+ "epoch": 0.36714089031665903,
1133
+ "grad_norm": 0.08623125405498211,
1134
+ "learning_rate": 0.00015959204450550428,
1135
+ "loss": 0.9602,
1136
+ "step": 800
1137
+ },
1138
+ {
1139
+ "epoch": 0.3694355208811381,
1140
+ "grad_norm": 0.08928739936481382,
1141
+ "learning_rate": 0.00015894688730251614,
1142
+ "loss": 0.9453,
1143
+ "step": 805
1144
+ },
1145
+ {
1146
+ "epoch": 0.3717301514456173,
1147
+ "grad_norm": 0.08612949012161293,
1148
+ "learning_rate": 0.0001582979479114472,
1149
+ "loss": 0.9454,
1150
+ "step": 810
1151
+ },
1152
+ {
1153
+ "epoch": 0.37402478201009637,
1154
+ "grad_norm": 0.08768044431530787,
1155
+ "learning_rate": 0.000157645267969964,
1156
+ "loss": 0.9429,
1157
+ "step": 815
1158
+ },
1159
+ {
1160
+ "epoch": 0.3763194125745755,
1161
+ "grad_norm": 0.08907644899471728,
1162
+ "learning_rate": 0.0001569888893557365,
1163
+ "loss": 0.9459,
1164
+ "step": 820
1165
+ },
1166
+ {
1167
+ "epoch": 0.3786140431390546,
1168
+ "grad_norm": 0.08749252420425255,
1169
+ "learning_rate": 0.00015632885418375136,
1170
+ "loss": 0.9585,
1171
+ "step": 825
1172
+ },
1173
+ {
1174
+ "epoch": 0.3809086737035337,
1175
+ "grad_norm": 0.08988996586262392,
1176
+ "learning_rate": 0.00015566520480360957,
1177
+ "loss": 0.9663,
1178
+ "step": 830
1179
+ },
1180
+ {
1181
+ "epoch": 0.38320330426801286,
1182
+ "grad_norm": 0.08784510387671604,
1183
+ "learning_rate": 0.0001549979837968094,
1184
+ "loss": 0.9562,
1185
+ "step": 835
1186
+ },
1187
+ {
1188
+ "epoch": 0.38549793483249195,
1189
+ "grad_norm": 0.0863284429643144,
1190
+ "learning_rate": 0.00015432723397401405,
1191
+ "loss": 0.9507,
1192
+ "step": 840
1193
+ },
1194
+ {
1195
+ "epoch": 0.3877925653969711,
1196
+ "grad_norm": 0.08716881362564995,
1197
+ "learning_rate": 0.00015365299837230483,
1198
+ "loss": 0.9436,
1199
+ "step": 845
1200
+ },
1201
+ {
1202
+ "epoch": 0.3900871959614502,
1203
+ "grad_norm": 0.09125631926968461,
1204
+ "learning_rate": 0.00015297532025241992,
1205
+ "loss": 0.9326,
1206
+ "step": 850
1207
+ },
1208
+ {
1209
+ "epoch": 0.39238182652592934,
1210
+ "grad_norm": 0.08538626816667327,
1211
+ "learning_rate": 0.00015229424309597852,
1212
+ "loss": 0.9458,
1213
+ "step": 855
1214
+ },
1215
+ {
1216
+ "epoch": 0.39467645709040844,
1217
+ "grad_norm": 0.09072041145807094,
1218
+ "learning_rate": 0.00015160981060269107,
1219
+ "loss": 0.9893,
1220
+ "step": 860
1221
+ },
1222
+ {
1223
+ "epoch": 0.3969710876548876,
1224
+ "grad_norm": 0.0856815427930852,
1225
+ "learning_rate": 0.00015092206668755517,
1226
+ "loss": 0.9249,
1227
+ "step": 865
1228
+ },
1229
+ {
1230
+ "epoch": 0.3992657182193667,
1231
+ "grad_norm": 0.09070757596561506,
1232
+ "learning_rate": 0.00015023105547803806,
1233
+ "loss": 0.9618,
1234
+ "step": 870
1235
+ },
1236
+ {
1237
+ "epoch": 0.4015603487838458,
1238
+ "grad_norm": 0.08729844078361124,
1239
+ "learning_rate": 0.00014953682131124528,
1240
+ "loss": 0.9617,
1241
+ "step": 875
1242
+ },
1243
+ {
1244
+ "epoch": 0.4038549793483249,
1245
+ "grad_norm": 0.08727964740364995,
1246
+ "learning_rate": 0.0001488394087310757,
1247
+ "loss": 0.9347,
1248
+ "step": 880
1249
+ },
1250
+ {
1251
+ "epoch": 0.406149609912804,
1252
+ "grad_norm": 0.08472455072190438,
1253
+ "learning_rate": 0.00014813886248536375,
1254
+ "loss": 0.9407,
1255
+ "step": 885
1256
+ },
1257
+ {
1258
+ "epoch": 0.40844424047728317,
1259
+ "grad_norm": 0.08766621771656237,
1260
+ "learning_rate": 0.00014743522752300793,
1261
+ "loss": 0.9483,
1262
+ "step": 890
1263
+ },
1264
+ {
1265
+ "epoch": 0.41073887104176227,
1266
+ "grad_norm": 0.09000327025386383,
1267
+ "learning_rate": 0.00014672854899108718,
1268
+ "loss": 0.951,
1269
+ "step": 895
1270
+ },
1271
+ {
1272
+ "epoch": 0.4130335016062414,
1273
+ "grad_norm": 0.08539102749160071,
1274
+ "learning_rate": 0.00014601887223196372,
1275
+ "loss": 0.9439,
1276
+ "step": 900
1277
+ },
1278
+ {
1279
+ "epoch": 0.4153281321707205,
1280
+ "grad_norm": 0.08868715226055852,
1281
+ "learning_rate": 0.00014530624278037406,
1282
+ "loss": 0.9511,
1283
+ "step": 905
1284
+ },
1285
+ {
1286
+ "epoch": 0.41762276273519966,
1287
+ "grad_norm": 0.08710262112773155,
1288
+ "learning_rate": 0.0001445907063605072,
1289
+ "loss": 0.941,
1290
+ "step": 910
1291
+ },
1292
+ {
1293
+ "epoch": 0.41991739329967875,
1294
+ "grad_norm": 0.09153632726865457,
1295
+ "learning_rate": 0.00014387230888307097,
1296
+ "loss": 0.935,
1297
+ "step": 915
1298
+ },
1299
+ {
1300
+ "epoch": 0.42221202386415785,
1301
+ "grad_norm": 0.08807434203845403,
1302
+ "learning_rate": 0.0001431510964423462,
1303
+ "loss": 0.9618,
1304
+ "step": 920
1305
+ },
1306
+ {
1307
+ "epoch": 0.424506654428637,
1308
+ "grad_norm": 0.08735092148978792,
1309
+ "learning_rate": 0.0001424271153132291,
1310
+ "loss": 0.9697,
1311
+ "step": 925
1312
+ },
1313
+ {
1314
+ "epoch": 0.4268012849931161,
1315
+ "grad_norm": 0.08909879626027925,
1316
+ "learning_rate": 0.00014170041194826248,
1317
+ "loss": 0.958,
1318
+ "step": 930
1319
+ },
1320
+ {
1321
+ "epoch": 0.42909591555759524,
1322
+ "grad_norm": 0.08915959240120495,
1323
+ "learning_rate": 0.0001409710329746547,
1324
+ "loss": 0.9423,
1325
+ "step": 935
1326
+ },
1327
+ {
1328
+ "epoch": 0.43139054612207434,
1329
+ "grad_norm": 0.08869687131713624,
1330
+ "learning_rate": 0.0001402390251912885,
1331
+ "loss": 0.9633,
1332
+ "step": 940
1333
+ },
1334
+ {
1335
+ "epoch": 0.4336851766865535,
1336
+ "grad_norm": 0.0881776336437586,
1337
+ "learning_rate": 0.00013950443556571778,
1338
+ "loss": 0.9548,
1339
+ "step": 945
1340
+ },
1341
+ {
1342
+ "epoch": 0.4359798072510326,
1343
+ "grad_norm": 0.09157715163747275,
1344
+ "learning_rate": 0.0001387673112311545,
1345
+ "loss": 0.9284,
1346
+ "step": 950
1347
+ },
1348
+ {
1349
+ "epoch": 0.4382744378155117,
1350
+ "grad_norm": 0.08636314894179382,
1351
+ "learning_rate": 0.00013802769948344405,
1352
+ "loss": 0.975,
1353
+ "step": 955
1354
+ },
1355
+ {
1356
+ "epoch": 0.4405690683799908,
1357
+ "grad_norm": 0.08623157739774547,
1358
+ "learning_rate": 0.00013728564777803088,
1359
+ "loss": 0.9482,
1360
+ "step": 960
1361
+ },
1362
+ {
1363
+ "epoch": 0.4428636989444699,
1364
+ "grad_norm": 0.0922928322489806,
1365
+ "learning_rate": 0.0001365412037269136,
1366
+ "loss": 0.9359,
1367
+ "step": 965
1368
+ },
1369
+ {
1370
+ "epoch": 0.44515832950894907,
1371
+ "grad_norm": 0.08868079382090867,
1372
+ "learning_rate": 0.00013579441509559004,
1373
+ "loss": 0.9612,
1374
+ "step": 970
1375
+ },
1376
+ {
1377
+ "epoch": 0.44745296007342816,
1378
+ "grad_norm": 0.08869466662618647,
1379
+ "learning_rate": 0.0001350453297999925,
1380
+ "loss": 0.9547,
1381
+ "step": 975
1382
+ },
1383
+ {
1384
+ "epoch": 0.4497475906379073,
1385
+ "grad_norm": 0.08994785511659796,
1386
+ "learning_rate": 0.00013429399590341324,
1387
+ "loss": 0.9294,
1388
+ "step": 980
1389
+ },
1390
+ {
1391
+ "epoch": 0.4520422212023864,
1392
+ "grad_norm": 0.08806701296884258,
1393
+ "learning_rate": 0.00013354046161342085,
1394
+ "loss": 0.9401,
1395
+ "step": 985
1396
+ },
1397
+ {
1398
+ "epoch": 0.45433685176686556,
1399
+ "grad_norm": 0.08441148992282059,
1400
+ "learning_rate": 0.0001327847752787669,
1401
+ "loss": 0.942,
1402
+ "step": 990
1403
+ },
1404
+ {
1405
+ "epoch": 0.45663148233134465,
1406
+ "grad_norm": 0.08891059913792923,
1407
+ "learning_rate": 0.00013202698538628376,
1408
+ "loss": 0.9729,
1409
+ "step": 995
1410
+ },
1411
+ {
1412
+ "epoch": 0.45892611289582375,
1413
+ "grad_norm": 0.11772466765874874,
1414
+ "learning_rate": 0.00013126714055777377,
1415
+ "loss": 0.947,
1416
+ "step": 1000
1417
+ },
1418
+ {
1419
+ "epoch": 0.4612207434603029,
1420
+ "grad_norm": 0.08689924689552052,
1421
+ "learning_rate": 0.0001305052895468893,
1422
+ "loss": 0.9459,
1423
+ "step": 1005
1424
+ },
1425
+ {
1426
+ "epoch": 0.463515374024782,
1427
+ "grad_norm": 0.08769974762625138,
1428
+ "learning_rate": 0.00012974148123600477,
1429
+ "loss": 0.9256,
1430
+ "step": 1010
1431
+ },
1432
+ {
1433
+ "epoch": 0.46581000458926114,
1434
+ "grad_norm": 0.08612855828244712,
1435
+ "learning_rate": 0.00012897576463307997,
1436
+ "loss": 0.9506,
1437
+ "step": 1015
1438
+ },
1439
+ {
1440
+ "epoch": 0.46810463515374023,
1441
+ "grad_norm": 0.08750477475758126,
1442
+ "learning_rate": 0.00012820818886851598,
1443
+ "loss": 0.9601,
1444
+ "step": 1020
1445
+ },
1446
+ {
1447
+ "epoch": 0.4703992657182194,
1448
+ "grad_norm": 0.08517063132537664,
1449
+ "learning_rate": 0.00012743880319200242,
1450
+ "loss": 0.9678,
1451
+ "step": 1025
1452
+ },
1453
+ {
1454
+ "epoch": 0.4726938962826985,
1455
+ "grad_norm": 0.08974912157026026,
1456
+ "learning_rate": 0.00012666765696935773,
1457
+ "loss": 0.9448,
1458
+ "step": 1030
1459
+ },
1460
+ {
1461
+ "epoch": 0.47498852684717763,
1462
+ "grad_norm": 0.08899338914543631,
1463
+ "learning_rate": 0.0001258947996793616,
1464
+ "loss": 0.9585,
1465
+ "step": 1035
1466
+ },
1467
+ {
1468
+ "epoch": 0.4772831574116567,
1469
+ "grad_norm": 0.08848650886885345,
1470
+ "learning_rate": 0.00012512028091058044,
1471
+ "loss": 0.9526,
1472
+ "step": 1040
1473
+ },
1474
+ {
1475
+ "epoch": 0.4795777879761358,
1476
+ "grad_norm": 0.08563509332051665,
1477
+ "learning_rate": 0.00012434415035818535,
1478
+ "loss": 0.941,
1479
+ "step": 1045
1480
+ },
1481
+ {
1482
+ "epoch": 0.48187241854061497,
1483
+ "grad_norm": 0.08828671373838473,
1484
+ "learning_rate": 0.00012356645782076383,
1485
+ "loss": 0.9486,
1486
+ "step": 1050
1487
+ },
1488
+ {
1489
+ "epoch": 0.48416704910509406,
1490
+ "grad_norm": 0.08751318444476795,
1491
+ "learning_rate": 0.00012278725319712447,
1492
+ "loss": 0.9617,
1493
+ "step": 1055
1494
+ },
1495
+ {
1496
+ "epoch": 0.4864616796695732,
1497
+ "grad_norm": 0.08565511827085842,
1498
+ "learning_rate": 0.00012200658648309531,
1499
+ "loss": 0.9741,
1500
+ "step": 1060
1501
+ },
1502
+ {
1503
+ "epoch": 0.4887563102340523,
1504
+ "grad_norm": 0.085745763510799,
1505
+ "learning_rate": 0.00012122450776831594,
1506
+ "loss": 0.9353,
1507
+ "step": 1065
1508
+ },
1509
+ {
1510
+ "epoch": 0.49105094079853145,
1511
+ "grad_norm": 0.08682740835362232,
1512
+ "learning_rate": 0.00012044106723302364,
1513
+ "loss": 0.9276,
1514
+ "step": 1070
1515
+ },
1516
+ {
1517
+ "epoch": 0.49334557136301055,
1518
+ "grad_norm": 0.08892634949977557,
1519
+ "learning_rate": 0.00011965631514483375,
1520
+ "loss": 0.9241,
1521
+ "step": 1075
1522
+ },
1523
+ {
1524
+ "epoch": 0.4956402019274897,
1525
+ "grad_norm": 0.08726407422876443,
1526
+ "learning_rate": 0.00011887030185551426,
1527
+ "loss": 0.9563,
1528
+ "step": 1080
1529
+ },
1530
+ {
1531
+ "epoch": 0.4979348324919688,
1532
+ "grad_norm": 0.08689400522409962,
1533
+ "learning_rate": 0.00011808307779775518,
1534
+ "loss": 0.9622,
1535
+ "step": 1085
1536
+ },
1537
+ {
1538
+ "epoch": 0.5002294630564479,
1539
+ "grad_norm": 0.08645950072651667,
1540
+ "learning_rate": 0.00011729469348193262,
1541
+ "loss": 0.9346,
1542
+ "step": 1090
1543
+ },
1544
+ {
1545
+ "epoch": 0.502524093620927,
1546
+ "grad_norm": 0.0869325513465856,
1547
+ "learning_rate": 0.00011650519949286795,
1548
+ "loss": 0.934,
1549
+ "step": 1095
1550
+ },
1551
+ {
1552
+ "epoch": 0.5048187241854062,
1553
+ "grad_norm": 0.08804258211646028,
1554
+ "learning_rate": 0.00011571464648658201,
1555
+ "loss": 0.9204,
1556
+ "step": 1100
1557
+ },
1558
+ {
1559
+ "epoch": 0.5071133547498853,
1560
+ "grad_norm": 0.08652733765274413,
1561
+ "learning_rate": 0.00011492308518704506,
1562
+ "loss": 0.9355,
1563
+ "step": 1105
1564
+ },
1565
+ {
1566
+ "epoch": 0.5094079853143644,
1567
+ "grad_norm": 0.08731670771279552,
1568
+ "learning_rate": 0.00011413056638292215,
1569
+ "loss": 0.9376,
1570
+ "step": 1110
1571
+ },
1572
+ {
1573
+ "epoch": 0.5117026158788435,
1574
+ "grad_norm": 0.0876288621678255,
1575
+ "learning_rate": 0.00011333714092431423,
1576
+ "loss": 0.9434,
1577
+ "step": 1115
1578
+ },
1579
+ {
1580
+ "epoch": 0.5139972464433227,
1581
+ "grad_norm": 0.08842497197396523,
1582
+ "learning_rate": 0.00011254285971949574,
1583
+ "loss": 0.9466,
1584
+ "step": 1120
1585
+ },
1586
+ {
1587
+ "epoch": 0.5162918770078018,
1588
+ "grad_norm": 0.08833124212553112,
1589
+ "learning_rate": 0.00011174777373164798,
1590
+ "loss": 0.9424,
1591
+ "step": 1125
1592
+ },
1593
+ {
1594
+ "epoch": 0.5185865075722809,
1595
+ "grad_norm": 0.08843181606902133,
1596
+ "learning_rate": 0.0001109519339755893,
1597
+ "loss": 0.9532,
1598
+ "step": 1130
1599
+ },
1600
+ {
1601
+ "epoch": 0.52088113813676,
1602
+ "grad_norm": 0.0913721070189569,
1603
+ "learning_rate": 0.00011015539151450172,
1604
+ "loss": 0.9568,
1605
+ "step": 1135
1606
+ },
1607
+ {
1608
+ "epoch": 0.523175768701239,
1609
+ "grad_norm": 0.090062313572945,
1610
+ "learning_rate": 0.00010935819745665477,
1611
+ "loss": 0.9365,
1612
+ "step": 1140
1613
+ },
1614
+ {
1615
+ "epoch": 0.5254703992657183,
1616
+ "grad_norm": 0.08718333029104089,
1617
+ "learning_rate": 0.00010856040295212612,
1618
+ "loss": 0.9609,
1619
+ "step": 1145
1620
+ },
1621
+ {
1622
+ "epoch": 0.5277650298301974,
1623
+ "grad_norm": 0.08762141136978818,
1624
+ "learning_rate": 0.00010776205918951969,
1625
+ "loss": 0.947,
1626
+ "step": 1150
1627
+ },
1628
+ {
1629
+ "epoch": 0.5300596603946764,
1630
+ "grad_norm": 0.09288381777131122,
1631
+ "learning_rate": 0.00010696321739268121,
1632
+ "loss": 0.95,
1633
+ "step": 1155
1634
+ },
1635
+ {
1636
+ "epoch": 0.5323542909591555,
1637
+ "grad_norm": 0.08690475691948375,
1638
+ "learning_rate": 0.00010616392881741166,
1639
+ "loss": 0.9259,
1640
+ "step": 1160
1641
+ },
1642
+ {
1643
+ "epoch": 0.5346489215236347,
1644
+ "grad_norm": 0.08761053817275535,
1645
+ "learning_rate": 0.00010536424474817847,
1646
+ "loss": 0.9257,
1647
+ "step": 1165
1648
+ },
1649
+ {
1650
+ "epoch": 0.5369435520881138,
1651
+ "grad_norm": 0.08580794325150348,
1652
+ "learning_rate": 0.00010456421649482502,
1653
+ "loss": 0.9491,
1654
+ "step": 1170
1655
+ },
1656
+ {
1657
+ "epoch": 0.5392381826525929,
1658
+ "grad_norm": 0.08875803785646835,
1659
+ "learning_rate": 0.0001037638953892784,
1660
+ "loss": 0.9611,
1661
+ "step": 1175
1662
+ },
1663
+ {
1664
+ "epoch": 0.541532813217072,
1665
+ "grad_norm": 0.08822711832526892,
1666
+ "learning_rate": 0.00010296333278225599,
1667
+ "loss": 0.9466,
1668
+ "step": 1180
1669
+ },
1670
+ {
1671
+ "epoch": 0.5438274437815511,
1672
+ "grad_norm": 0.08973140268678324,
1673
+ "learning_rate": 0.00010216258003997043,
1674
+ "loss": 0.9707,
1675
+ "step": 1185
1676
+ },
1677
+ {
1678
+ "epoch": 0.5461220743460303,
1679
+ "grad_norm": 0.08753068797299891,
1680
+ "learning_rate": 0.00010136168854083402,
1681
+ "loss": 0.9042,
1682
+ "step": 1190
1683
+ },
1684
+ {
1685
+ "epoch": 0.5484167049105094,
1686
+ "grad_norm": 0.08919024988233984,
1687
+ "learning_rate": 0.00010056070967216198,
1688
+ "loss": 0.9366,
1689
+ "step": 1195
1690
+ },
1691
+ {
1692
+ "epoch": 0.5507113354749885,
1693
+ "grad_norm": 0.088157407581,
1694
+ "learning_rate": 9.975969482687547e-05,
1695
+ "loss": 0.9258,
1696
+ "step": 1200
1697
+ },
1698
+ {
1699
+ "epoch": 0.5530059660394676,
1700
+ "grad_norm": 0.08612555956203556,
1701
+ "learning_rate": 9.8958695400204e-05,
1702
+ "loss": 0.9428,
1703
+ "step": 1205
1704
+ },
1705
+ {
1706
+ "epoch": 0.5553005966039468,
1707
+ "grad_norm": 0.08863199154938804,
1708
+ "learning_rate": 9.815776278638771e-05,
1709
+ "loss": 0.9659,
1710
+ "step": 1210
1711
+ },
1712
+ {
1713
+ "epoch": 0.5575952271684259,
1714
+ "grad_norm": 0.0877396299101558,
1715
+ "learning_rate": 9.735694837537993e-05,
1716
+ "loss": 0.9146,
1717
+ "step": 1215
1718
+ },
1719
+ {
1720
+ "epoch": 0.559889857732905,
1721
+ "grad_norm": 0.10016922577996923,
1722
+ "learning_rate": 9.655630354954974e-05,
1723
+ "loss": 0.9344,
1724
+ "step": 1220
1725
+ },
1726
+ {
1727
+ "epoch": 0.5621844882973841,
1728
+ "grad_norm": 0.08776498802340123,
1729
+ "learning_rate": 9.57558796803852e-05,
1730
+ "loss": 0.9508,
1731
+ "step": 1225
1732
+ },
1733
+ {
1734
+ "epoch": 0.5644791188618632,
1735
+ "grad_norm": 0.08576773127748236,
1736
+ "learning_rate": 9.495572812519718e-05,
1737
+ "loss": 0.9367,
1738
+ "step": 1230
1739
+ },
1740
+ {
1741
+ "epoch": 0.5667737494263424,
1742
+ "grad_norm": 0.090860993764857,
1743
+ "learning_rate": 9.415590022382419e-05,
1744
+ "loss": 0.9482,
1745
+ "step": 1235
1746
+ },
1747
+ {
1748
+ "epoch": 0.5690683799908215,
1749
+ "grad_norm": 0.08739072969654303,
1750
+ "learning_rate": 9.33564472953383e-05,
1751
+ "loss": 0.9296,
1752
+ "step": 1240
1753
+ },
1754
+ {
1755
+ "epoch": 0.5713630105553006,
1756
+ "grad_norm": 0.0861680762249506,
1757
+ "learning_rate": 9.255742063475228e-05,
1758
+ "loss": 0.9474,
1759
+ "step": 1245
1760
+ },
1761
+ {
1762
+ "epoch": 0.5736576411197797,
1763
+ "grad_norm": 0.09031291699160855,
1764
+ "learning_rate": 9.175887150972841e-05,
1765
+ "loss": 0.9347,
1766
+ "step": 1250
1767
+ },
1768
+ {
1769
+ "epoch": 0.5759522716842589,
1770
+ "grad_norm": 0.08782934008281447,
1771
+ "learning_rate": 9.096085115728902e-05,
1772
+ "loss": 0.9254,
1773
+ "step": 1255
1774
+ },
1775
+ {
1776
+ "epoch": 0.578246902248738,
1777
+ "grad_norm": 0.08672572395996989,
1778
+ "learning_rate": 9.016341078052908e-05,
1779
+ "loss": 0.924,
1780
+ "step": 1260
1781
+ },
1782
+ {
1783
+ "epoch": 0.5805415328132171,
1784
+ "grad_norm": 0.08848493722986495,
1785
+ "learning_rate": 8.936660154533069e-05,
1786
+ "loss": 0.9398,
1787
+ "step": 1265
1788
+ },
1789
+ {
1790
+ "epoch": 0.5828361633776962,
1791
+ "grad_norm": 0.08795360842845397,
1792
+ "learning_rate": 8.857047457708023e-05,
1793
+ "loss": 0.9408,
1794
+ "step": 1270
1795
+ },
1796
+ {
1797
+ "epoch": 0.5851307939421753,
1798
+ "grad_norm": 0.0860614623181383,
1799
+ "learning_rate": 8.777508095738818e-05,
1800
+ "loss": 0.9334,
1801
+ "step": 1275
1802
+ },
1803
+ {
1804
+ "epoch": 0.5874254245066545,
1805
+ "grad_norm": 0.09151871492029366,
1806
+ "learning_rate": 8.698047172081128e-05,
1807
+ "loss": 0.9372,
1808
+ "step": 1280
1809
+ },
1810
+ {
1811
+ "epoch": 0.5897200550711336,
1812
+ "grad_norm": 0.08719515886726915,
1813
+ "learning_rate": 8.618669785157825e-05,
1814
+ "loss": 0.9346,
1815
+ "step": 1285
1816
+ },
1817
+ {
1818
+ "epoch": 0.5920146856356127,
1819
+ "grad_norm": 0.08602811823889805,
1820
+ "learning_rate": 8.539381028031837e-05,
1821
+ "loss": 0.95,
1822
+ "step": 1290
1823
+ },
1824
+ {
1825
+ "epoch": 0.5943093162000918,
1826
+ "grad_norm": 0.09010753852396704,
1827
+ "learning_rate": 8.460185988079379e-05,
1828
+ "loss": 0.9623,
1829
+ "step": 1295
1830
+ },
1831
+ {
1832
+ "epoch": 0.596603946764571,
1833
+ "grad_norm": 0.08768581543675588,
1834
+ "learning_rate": 8.381089746663517e-05,
1835
+ "loss": 0.9391,
1836
+ "step": 1300
1837
+ },
1838
+ {
1839
+ "epoch": 0.59889857732905,
1840
+ "grad_norm": 0.08992597459848777,
1841
+ "learning_rate": 8.302097378808146e-05,
1842
+ "loss": 0.9436,
1843
+ "step": 1305
1844
+ },
1845
+ {
1846
+ "epoch": 0.6011932078935291,
1847
+ "grad_norm": 0.08897797699662331,
1848
+ "learning_rate": 8.223213952872353e-05,
1849
+ "loss": 0.9466,
1850
+ "step": 1310
1851
+ },
1852
+ {
1853
+ "epoch": 0.6034878384580082,
1854
+ "grad_norm": 0.08711970422648517,
1855
+ "learning_rate": 8.144444530225236e-05,
1856
+ "loss": 0.9602,
1857
+ "step": 1315
1858
+ },
1859
+ {
1860
+ "epoch": 0.6057824690224873,
1861
+ "grad_norm": 0.08744571704998887,
1862
+ "learning_rate": 8.065794164921128e-05,
1863
+ "loss": 0.9609,
1864
+ "step": 1320
1865
+ },
1866
+ {
1867
+ "epoch": 0.6080770995869665,
1868
+ "grad_norm": 0.08732342917773199,
1869
+ "learning_rate": 7.987267903375332e-05,
1870
+ "loss": 0.9388,
1871
+ "step": 1325
1872
+ },
1873
+ {
1874
+ "epoch": 0.6103717301514456,
1875
+ "grad_norm": 0.08634671243153437,
1876
+ "learning_rate": 7.90887078404033e-05,
1877
+ "loss": 0.9379,
1878
+ "step": 1330
1879
+ },
1880
+ {
1881
+ "epoch": 0.6126663607159247,
1882
+ "grad_norm": 0.08792026326901815,
1883
+ "learning_rate": 7.830607837082493e-05,
1884
+ "loss": 0.9364,
1885
+ "step": 1335
1886
+ },
1887
+ {
1888
+ "epoch": 0.6149609912804038,
1889
+ "grad_norm": 0.08657044899326832,
1890
+ "learning_rate": 7.75248408405934e-05,
1891
+ "loss": 0.9502,
1892
+ "step": 1340
1893
+ },
1894
+ {
1895
+ "epoch": 0.617255621844883,
1896
+ "grad_norm": 0.08924319703176266,
1897
+ "learning_rate": 7.674504537597336e-05,
1898
+ "loss": 0.9431,
1899
+ "step": 1345
1900
+ },
1901
+ {
1902
+ "epoch": 0.6195502524093621,
1903
+ "grad_norm": 0.08777369904115767,
1904
+ "learning_rate": 7.596674201070282e-05,
1905
+ "loss": 0.9507,
1906
+ "step": 1350
1907
+ },
1908
+ {
1909
+ "epoch": 0.6218448829738412,
1910
+ "grad_norm": 0.08822604258128913,
1911
+ "learning_rate": 7.518998068278266e-05,
1912
+ "loss": 0.9389,
1913
+ "step": 1355
1914
+ },
1915
+ {
1916
+ "epoch": 0.6241395135383203,
1917
+ "grad_norm": 0.0872584357855511,
1918
+ "learning_rate": 7.441481123127257e-05,
1919
+ "loss": 0.9272,
1920
+ "step": 1360
1921
+ },
1922
+ {
1923
+ "epoch": 0.6264341441027994,
1924
+ "grad_norm": 0.09420031727135263,
1925
+ "learning_rate": 7.364128339309326e-05,
1926
+ "loss": 0.9496,
1927
+ "step": 1365
1928
+ },
1929
+ {
1930
+ "epoch": 0.6287287746672786,
1931
+ "grad_norm": 0.09178449177995368,
1932
+ "learning_rate": 7.28694467998352e-05,
1933
+ "loss": 0.9272,
1934
+ "step": 1370
1935
+ },
1936
+ {
1937
+ "epoch": 0.6310234052317577,
1938
+ "grad_norm": 0.08547328194451309,
1939
+ "learning_rate": 7.209935097457413e-05,
1940
+ "loss": 0.943,
1941
+ "step": 1375
1942
+ },
1943
+ {
1944
+ "epoch": 0.6333180357962368,
1945
+ "grad_norm": 0.08867995753938929,
1946
+ "learning_rate": 7.133104532869342e-05,
1947
+ "loss": 0.963,
1948
+ "step": 1380
1949
+ },
1950
+ {
1951
+ "epoch": 0.6356126663607159,
1952
+ "grad_norm": 0.08966519220883923,
1953
+ "learning_rate": 7.056457915871399e-05,
1954
+ "loss": 0.9317,
1955
+ "step": 1385
1956
+ },
1957
+ {
1958
+ "epoch": 0.637907296925195,
1959
+ "grad_norm": 0.08882768063994861,
1960
+ "learning_rate": 6.980000164313093e-05,
1961
+ "loss": 0.9226,
1962
+ "step": 1390
1963
+ },
1964
+ {
1965
+ "epoch": 0.6402019274896742,
1966
+ "grad_norm": 0.08837784094850205,
1967
+ "learning_rate": 6.903736183925835e-05,
1968
+ "loss": 0.939,
1969
+ "step": 1395
1970
+ },
1971
+ {
1972
+ "epoch": 0.6424965580541533,
1973
+ "grad_norm": 0.08678715695619918,
1974
+ "learning_rate": 6.827670868008171e-05,
1975
+ "loss": 0.9574,
1976
+ "step": 1400
1977
+ },
1978
+ {
1979
+ "epoch": 0.6447911886186324,
1980
+ "grad_norm": 0.08687361153125922,
1981
+ "learning_rate": 6.751809097111798e-05,
1982
+ "loss": 0.9608,
1983
+ "step": 1405
1984
+ },
1985
+ {
1986
+ "epoch": 0.6470858191831115,
1987
+ "grad_norm": 0.09043663200344924,
1988
+ "learning_rate": 6.676155738728438e-05,
1989
+ "loss": 0.9454,
1990
+ "step": 1410
1991
+ },
1992
+ {
1993
+ "epoch": 0.6493804497475907,
1994
+ "grad_norm": 0.08587170447948225,
1995
+ "learning_rate": 6.600715646977502e-05,
1996
+ "loss": 0.9436,
1997
+ "step": 1415
1998
+ },
1999
+ {
2000
+ "epoch": 0.6516750803120698,
2001
+ "grad_norm": 0.08747748944349737,
2002
+ "learning_rate": 6.525493662294668e-05,
2003
+ "loss": 0.9433,
2004
+ "step": 1420
2005
+ },
2006
+ {
2007
+ "epoch": 0.6539697108765489,
2008
+ "grad_norm": 0.08644951356394669,
2009
+ "learning_rate": 6.450494611121273e-05,
2010
+ "loss": 0.9544,
2011
+ "step": 1425
2012
+ },
2013
+ {
2014
+ "epoch": 0.656264341441028,
2015
+ "grad_norm": 0.08616266377880767,
2016
+ "learning_rate": 6.375723305594658e-05,
2017
+ "loss": 0.9502,
2018
+ "step": 1430
2019
+ },
2020
+ {
2021
+ "epoch": 0.6585589720055071,
2022
+ "grad_norm": 0.08828640675025567,
2023
+ "learning_rate": 6.301184543239398e-05,
2024
+ "loss": 0.9397,
2025
+ "step": 1435
2026
+ },
2027
+ {
2028
+ "epoch": 0.6608536025699863,
2029
+ "grad_norm": 0.08766906251082068,
2030
+ "learning_rate": 6.226883106659485e-05,
2031
+ "loss": 0.966,
2032
+ "step": 1440
2033
+ },
2034
+ {
2035
+ "epoch": 0.6631482331344654,
2036
+ "grad_norm": 0.0901196932930806,
2037
+ "learning_rate": 6.152823763231463e-05,
2038
+ "loss": 0.9307,
2039
+ "step": 1445
2040
+ },
2041
+ {
2042
+ "epoch": 0.6654428636989445,
2043
+ "grad_norm": 0.08653082781266369,
2044
+ "learning_rate": 6.079011264798534e-05,
2045
+ "loss": 0.9362,
2046
+ "step": 1450
2047
+ },
2048
+ {
2049
+ "epoch": 0.6677374942634235,
2050
+ "grad_norm": 0.08851540125345415,
2051
+ "learning_rate": 6.005450347365687e-05,
2052
+ "loss": 0.9575,
2053
+ "step": 1455
2054
+ },
2055
+ {
2056
+ "epoch": 0.6700321248279028,
2057
+ "grad_norm": 0.0898855821818352,
2058
+ "learning_rate": 5.932145730795793e-05,
2059
+ "loss": 0.94,
2060
+ "step": 1460
2061
+ },
2062
+ {
2063
+ "epoch": 0.6723267553923818,
2064
+ "grad_norm": 0.08793133426546608,
2065
+ "learning_rate": 5.8591021185067876e-05,
2066
+ "loss": 0.9307,
2067
+ "step": 1465
2068
+ },
2069
+ {
2070
+ "epoch": 0.6746213859568609,
2071
+ "grad_norm": 0.09185643968705434,
2072
+ "learning_rate": 5.786324197169887e-05,
2073
+ "loss": 0.9603,
2074
+ "step": 1470
2075
+ },
2076
+ {
2077
+ "epoch": 0.67691601652134,
2078
+ "grad_norm": 0.08642240102898958,
2079
+ "learning_rate": 5.7138166364088705e-05,
2080
+ "loss": 0.9417,
2081
+ "step": 1475
2082
+ },
2083
+ {
2084
+ "epoch": 0.6792106470858191,
2085
+ "grad_norm": 0.08511965941194902,
2086
+ "learning_rate": 5.641584088500461e-05,
2087
+ "loss": 0.94,
2088
+ "step": 1480
2089
+ },
2090
+ {
2091
+ "epoch": 0.6815052776502983,
2092
+ "grad_norm": 0.08723628225521773,
2093
+ "learning_rate": 5.569631188075841e-05,
2094
+ "loss": 0.9248,
2095
+ "step": 1485
2096
+ },
2097
+ {
2098
+ "epoch": 0.6837999082147774,
2099
+ "grad_norm": 0.08633274736360919,
2100
+ "learning_rate": 5.497962551823266e-05,
2101
+ "loss": 0.9469,
2102
+ "step": 1490
2103
+ },
2104
+ {
2105
+ "epoch": 0.6860945387792565,
2106
+ "grad_norm": 0.09266736313451518,
2107
+ "learning_rate": 5.4265827781918576e-05,
2108
+ "loss": 0.9692,
2109
+ "step": 1495
2110
+ },
2111
+ {
2112
+ "epoch": 0.6883891693437356,
2113
+ "grad_norm": 0.08989480494070151,
2114
+ "learning_rate": 5.355496447096533e-05,
2115
+ "loss": 0.969,
2116
+ "step": 1500
2117
+ },
2118
+ {
2119
+ "epoch": 0.6906837999082148,
2120
+ "grad_norm": 0.08776725254212203,
2121
+ "learning_rate": 5.284708119624173e-05,
2122
+ "loss": 0.9655,
2123
+ "step": 1505
2124
+ },
2125
+ {
2126
+ "epoch": 0.6929784304726939,
2127
+ "grad_norm": 0.0858923659739521,
2128
+ "learning_rate": 5.214222337740962e-05,
2129
+ "loss": 0.9364,
2130
+ "step": 1510
2131
+ },
2132
+ {
2133
+ "epoch": 0.695273061037173,
2134
+ "grad_norm": 0.08991893131765896,
2135
+ "learning_rate": 5.144043624000944e-05,
2136
+ "loss": 0.8978,
2137
+ "step": 1515
2138
+ },
2139
+ {
2140
+ "epoch": 0.6975676916016521,
2141
+ "grad_norm": 0.08502238183879142,
2142
+ "learning_rate": 5.0741764812558724e-05,
2143
+ "loss": 0.9402,
2144
+ "step": 1520
2145
+ },
2146
+ {
2147
+ "epoch": 0.6998623221661312,
2148
+ "grad_norm": 0.08668719280033117,
2149
+ "learning_rate": 5.00462539236628e-05,
2150
+ "loss": 0.9471,
2151
+ "step": 1525
2152
+ },
2153
+ {
2154
+ "epoch": 0.7021569527306104,
2155
+ "grad_norm": 0.08462698467850949,
2156
+ "learning_rate": 4.935394819913849e-05,
2157
+ "loss": 0.9249,
2158
+ "step": 1530
2159
+ },
2160
+ {
2161
+ "epoch": 0.7044515832950895,
2162
+ "grad_norm": 0.08607092895236686,
2163
+ "learning_rate": 4.8664892059150723e-05,
2164
+ "loss": 0.9602,
2165
+ "step": 1535
2166
+ },
2167
+ {
2168
+ "epoch": 0.7067462138595686,
2169
+ "grad_norm": 0.08935744366472125,
2170
+ "learning_rate": 4.7979129715362626e-05,
2171
+ "loss": 0.9798,
2172
+ "step": 1540
2173
+ },
2174
+ {
2175
+ "epoch": 0.7090408444240477,
2176
+ "grad_norm": 0.0854376252471685,
2177
+ "learning_rate": 4.72967051680985e-05,
2178
+ "loss": 0.9393,
2179
+ "step": 1545
2180
+ },
2181
+ {
2182
+ "epoch": 0.7113354749885269,
2183
+ "grad_norm": 0.08935720877957573,
2184
+ "learning_rate": 4.661766220352097e-05,
2185
+ "loss": 0.9224,
2186
+ "step": 1550
2187
+ },
2188
+ {
2189
+ "epoch": 0.713630105553006,
2190
+ "grad_norm": 0.08985254696056548,
2191
+ "learning_rate": 4.5942044390821214e-05,
2192
+ "loss": 0.9561,
2193
+ "step": 1555
2194
+ },
2195
+ {
2196
+ "epoch": 0.7159247361174851,
2197
+ "grad_norm": 0.08908651127378205,
2198
+ "learning_rate": 4.526989507942374e-05,
2199
+ "loss": 0.9339,
2200
+ "step": 1560
2201
+ },
2202
+ {
2203
+ "epoch": 0.7182193666819642,
2204
+ "grad_norm": 0.08630595159367531,
2205
+ "learning_rate": 4.460125739620479e-05,
2206
+ "loss": 0.9338,
2207
+ "step": 1565
2208
+ },
2209
+ {
2210
+ "epoch": 0.7205139972464433,
2211
+ "grad_norm": 0.08857577901710953,
2212
+ "learning_rate": 4.393617424272527e-05,
2213
+ "loss": 0.9493,
2214
+ "step": 1570
2215
+ },
2216
+ {
2217
+ "epoch": 0.7228086278109225,
2218
+ "grad_norm": 0.08887546613261192,
2219
+ "learning_rate": 4.3274688292478106e-05,
2220
+ "loss": 0.9469,
2221
+ "step": 1575
2222
+ },
2223
+ {
2224
+ "epoch": 0.7251032583754016,
2225
+ "grad_norm": 0.08719401842713113,
2226
+ "learning_rate": 4.261684198815003e-05,
2227
+ "loss": 0.9444,
2228
+ "step": 1580
2229
+ },
2230
+ {
2231
+ "epoch": 0.7273978889398807,
2232
+ "grad_norm": 0.08619407541853812,
2233
+ "learning_rate": 4.1962677538898645e-05,
2234
+ "loss": 0.944,
2235
+ "step": 1585
2236
+ },
2237
+ {
2238
+ "epoch": 0.7296925195043598,
2239
+ "grad_norm": 0.08443943693203552,
2240
+ "learning_rate": 4.131223691764383e-05,
2241
+ "loss": 0.9225,
2242
+ "step": 1590
2243
+ },
2244
+ {
2245
+ "epoch": 0.731987150068839,
2246
+ "grad_norm": 0.08565149963984416,
2247
+ "learning_rate": 4.0665561858374934e-05,
2248
+ "loss": 0.9289,
2249
+ "step": 1595
2250
+ },
2251
+ {
2252
+ "epoch": 0.7342817806333181,
2253
+ "grad_norm": 0.0878443494214115,
2254
+ "learning_rate": 4.0022693853472884e-05,
2255
+ "loss": 0.9111,
2256
+ "step": 1600
2257
+ },
2258
+ {
2259
+ "epoch": 0.7365764111977972,
2260
+ "grad_norm": 0.08904194669918195,
2261
+ "learning_rate": 3.938367415104793e-05,
2262
+ "loss": 0.9531,
2263
+ "step": 1605
2264
+ },
2265
+ {
2266
+ "epoch": 0.7388710417622762,
2267
+ "grad_norm": 0.08893651456090547,
2268
+ "learning_rate": 3.8748543752293e-05,
2269
+ "loss": 0.9584,
2270
+ "step": 1610
2271
+ },
2272
+ {
2273
+ "epoch": 0.7411656723267553,
2274
+ "grad_norm": 0.08897315588461706,
2275
+ "learning_rate": 3.8117343408853127e-05,
2276
+ "loss": 0.9319,
2277
+ "step": 1615
2278
+ },
2279
+ {
2280
+ "epoch": 0.7434603028912345,
2281
+ "grad_norm": 0.08616983463133208,
2282
+ "learning_rate": 3.7490113620210485e-05,
2283
+ "loss": 0.9146,
2284
+ "step": 1620
2285
+ },
2286
+ {
2287
+ "epoch": 0.7457549334557136,
2288
+ "grad_norm": 0.0873842160083806,
2289
+ "learning_rate": 3.686689463108608e-05,
2290
+ "loss": 0.9431,
2291
+ "step": 1625
2292
+ },
2293
+ {
2294
+ "epoch": 0.7480495640201927,
2295
+ "grad_norm": 0.08712124349433248,
2296
+ "learning_rate": 3.624772642885734e-05,
2297
+ "loss": 0.923,
2298
+ "step": 1630
2299
+ },
2300
+ {
2301
+ "epoch": 0.7503441945846718,
2302
+ "grad_norm": 0.08857054628390904,
2303
+ "learning_rate": 3.563264874099258e-05,
2304
+ "loss": 0.9537,
2305
+ "step": 1635
2306
+ },
2307
+ {
2308
+ "epoch": 0.752638825149151,
2309
+ "grad_norm": 0.08430268133869642,
2310
+ "learning_rate": 3.502170103250177e-05,
2311
+ "loss": 0.9093,
2312
+ "step": 1640
2313
+ },
2314
+ {
2315
+ "epoch": 0.7549334557136301,
2316
+ "grad_norm": 0.08778596880519368,
2317
+ "learning_rate": 3.441492250340461e-05,
2318
+ "loss": 0.9361,
2319
+ "step": 1645
2320
+ },
2321
+ {
2322
+ "epoch": 0.7572280862781092,
2323
+ "grad_norm": 0.08734144942203491,
2324
+ "learning_rate": 3.381235208621522e-05,
2325
+ "loss": 0.9259,
2326
+ "step": 1650
2327
+ },
2328
+ {
2329
+ "epoch": 0.7595227168425883,
2330
+ "grad_norm": 0.08734310507948465,
2331
+ "learning_rate": 3.3214028443444036e-05,
2332
+ "loss": 0.9354,
2333
+ "step": 1655
2334
+ },
2335
+ {
2336
+ "epoch": 0.7618173474070674,
2337
+ "grad_norm": 0.08820927771902966,
2338
+ "learning_rate": 3.2619989965117356e-05,
2339
+ "loss": 0.9134,
2340
+ "step": 1660
2341
+ },
2342
+ {
2343
+ "epoch": 0.7641119779715466,
2344
+ "grad_norm": 0.0890839295904084,
2345
+ "learning_rate": 3.2030274766313865e-05,
2346
+ "loss": 0.9326,
2347
+ "step": 1665
2348
+ },
2349
+ {
2350
+ "epoch": 0.7664066085360257,
2351
+ "grad_norm": 0.0930961939643943,
2352
+ "learning_rate": 3.1444920684719394e-05,
2353
+ "loss": 0.9347,
2354
+ "step": 1670
2355
+ },
2356
+ {
2357
+ "epoch": 0.7687012391005048,
2358
+ "grad_norm": 0.0870955697496051,
2359
+ "learning_rate": 3.086396527819876e-05,
2360
+ "loss": 0.9264,
2361
+ "step": 1675
2362
+ },
2363
+ {
2364
+ "epoch": 0.7709958696649839,
2365
+ "grad_norm": 0.0899287105378734,
2366
+ "learning_rate": 3.028744582238633e-05,
2367
+ "loss": 0.9407,
2368
+ "step": 1680
2369
+ },
2370
+ {
2371
+ "epoch": 0.7732905002294631,
2372
+ "grad_norm": 0.09021085870835642,
2373
+ "learning_rate": 2.9715399308294e-05,
2374
+ "loss": 0.9652,
2375
+ "step": 1685
2376
+ },
2377
+ {
2378
+ "epoch": 0.7755851307939422,
2379
+ "grad_norm": 0.08809579986676752,
2380
+ "learning_rate": 2.914786243993808e-05,
2381
+ "loss": 0.9271,
2382
+ "step": 1690
2383
+ },
2384
+ {
2385
+ "epoch": 0.7778797613584213,
2386
+ "grad_norm": 0.08806930004292979,
2387
+ "learning_rate": 2.8584871631983888e-05,
2388
+ "loss": 0.9353,
2389
+ "step": 1695
2390
+ },
2391
+ {
2392
+ "epoch": 0.7801743919229004,
2393
+ "grad_norm": 0.08874560139452363,
2394
+ "learning_rate": 2.8026463007409664e-05,
2395
+ "loss": 0.9364,
2396
+ "step": 1700
2397
+ },
2398
+ {
2399
+ "epoch": 0.7824690224873795,
2400
+ "grad_norm": 0.09095899541023127,
2401
+ "learning_rate": 2.747267239518857e-05,
2402
+ "loss": 0.9432,
2403
+ "step": 1705
2404
+ },
2405
+ {
2406
+ "epoch": 0.7847636530518587,
2407
+ "grad_norm": 0.08597962745032185,
2408
+ "learning_rate": 2.6923535327989924e-05,
2409
+ "loss": 0.9365,
2410
+ "step": 1710
2411
+ },
2412
+ {
2413
+ "epoch": 0.7870582836163378,
2414
+ "grad_norm": 0.08728499968023844,
2415
+ "learning_rate": 2.637908703989924e-05,
2416
+ "loss": 0.9546,
2417
+ "step": 1715
2418
+ },
2419
+ {
2420
+ "epoch": 0.7893529141808169,
2421
+ "grad_norm": 0.0865310427946889,
2422
+ "learning_rate": 2.5839362464157634e-05,
2423
+ "loss": 0.9444,
2424
+ "step": 1720
2425
+ },
2426
+ {
2427
+ "epoch": 0.791647544745296,
2428
+ "grad_norm": 0.08952067073529965,
2429
+ "learning_rate": 2.5304396230920345e-05,
2430
+ "loss": 0.9551,
2431
+ "step": 1725
2432
+ },
2433
+ {
2434
+ "epoch": 0.7939421753097752,
2435
+ "grad_norm": 0.08590487479214523,
2436
+ "learning_rate": 2.477422266503473e-05,
2437
+ "loss": 0.9416,
2438
+ "step": 1730
2439
+ },
2440
+ {
2441
+ "epoch": 0.7962368058742543,
2442
+ "grad_norm": 0.08843022208186156,
2443
+ "learning_rate": 2.4248875783837987e-05,
2444
+ "loss": 0.9401,
2445
+ "step": 1735
2446
+ },
2447
+ {
2448
+ "epoch": 0.7985314364387334,
2449
+ "grad_norm": 0.08728520520911832,
2450
+ "learning_rate": 2.3728389294974475e-05,
2451
+ "loss": 0.954,
2452
+ "step": 1740
2453
+ },
2454
+ {
2455
+ "epoch": 0.8008260670032125,
2456
+ "grad_norm": 0.09169106802431096,
2457
+ "learning_rate": 2.3212796594232943e-05,
2458
+ "loss": 0.9592,
2459
+ "step": 1745
2460
+ },
2461
+ {
2462
+ "epoch": 0.8031206975676916,
2463
+ "grad_norm": 0.08931921878894941,
2464
+ "learning_rate": 2.2702130763403673e-05,
2465
+ "loss": 0.9406,
2466
+ "step": 1750
2467
+ },
2468
+ {
2469
+ "epoch": 0.8054153281321708,
2470
+ "grad_norm": 0.08764598773379657,
2471
+ "learning_rate": 2.2196424568156073e-05,
2472
+ "loss": 0.9384,
2473
+ "step": 1755
2474
+ },
2475
+ {
2476
+ "epoch": 0.8077099586966499,
2477
+ "grad_norm": 0.08855507556833625,
2478
+ "learning_rate": 2.1695710455936115e-05,
2479
+ "loss": 0.9433,
2480
+ "step": 1760
2481
+ },
2482
+ {
2483
+ "epoch": 0.810004589261129,
2484
+ "grad_norm": 0.08532871067750841,
2485
+ "learning_rate": 2.1200020553884604e-05,
2486
+ "loss": 0.9346,
2487
+ "step": 1765
2488
+ },
2489
+ {
2490
+ "epoch": 0.812299219825608,
2491
+ "grad_norm": 0.08966754551907985,
2492
+ "learning_rate": 2.070938666677573e-05,
2493
+ "loss": 0.9508,
2494
+ "step": 1770
2495
+ },
2496
+ {
2497
+ "epoch": 0.8145938503900872,
2498
+ "grad_norm": 0.09025156831747091,
2499
+ "learning_rate": 2.0223840274976413e-05,
2500
+ "loss": 0.9809,
2501
+ "step": 1775
2502
+ },
2503
+ {
2504
+ "epoch": 0.8168884809545663,
2505
+ "grad_norm": 0.08854265504832948,
2506
+ "learning_rate": 1.974341253242635e-05,
2507
+ "loss": 0.9191,
2508
+ "step": 1780
2509
+ },
2510
+ {
2511
+ "epoch": 0.8191831115190454,
2512
+ "grad_norm": 0.08884601227475634,
2513
+ "learning_rate": 1.9268134264639272e-05,
2514
+ "loss": 0.9446,
2515
+ "step": 1785
2516
+ },
2517
+ {
2518
+ "epoch": 0.8214777420835245,
2519
+ "grad_norm": 0.0900014724971187,
2520
+ "learning_rate": 1.879803596672497e-05,
2521
+ "loss": 0.9569,
2522
+ "step": 1790
2523
+ },
2524
+ {
2525
+ "epoch": 0.8237723726480036,
2526
+ "grad_norm": 0.08586515698037704,
2527
+ "learning_rate": 1.8333147801432614e-05,
2528
+ "loss": 0.9237,
2529
+ "step": 1795
2530
+ },
2531
+ {
2532
+ "epoch": 0.8260670032124828,
2533
+ "grad_norm": 0.08704559914739361,
2534
+ "learning_rate": 1.7873499597215604e-05,
2535
+ "loss": 0.9146,
2536
+ "step": 1800
2537
+ },
2538
+ {
2539
+ "epoch": 0.8283616337769619,
2540
+ "grad_norm": 0.08957226377233579,
2541
+ "learning_rate": 1.741912084631746e-05,
2542
+ "loss": 0.9495,
2543
+ "step": 1805
2544
+ },
2545
+ {
2546
+ "epoch": 0.830656264341441,
2547
+ "grad_norm": 0.0862080402115559,
2548
+ "learning_rate": 1.697004070287982e-05,
2549
+ "loss": 0.9089,
2550
+ "step": 1810
2551
+ },
2552
+ {
2553
+ "epoch": 0.8329508949059201,
2554
+ "grad_norm": 0.08632960573186395,
2555
+ "learning_rate": 1.6526287981071475e-05,
2556
+ "loss": 0.9157,
2557
+ "step": 1815
2558
+ },
2559
+ {
2560
+ "epoch": 0.8352455254703993,
2561
+ "grad_norm": 0.08440907866960998,
2562
+ "learning_rate": 1.608789115323993e-05,
2563
+ "loss": 0.9658,
2564
+ "step": 1820
2565
+ },
2566
+ {
2567
+ "epoch": 0.8375401560348784,
2568
+ "grad_norm": 0.08731523817505203,
2569
+ "learning_rate": 1.5654878348084244e-05,
2570
+ "loss": 0.9551,
2571
+ "step": 1825
2572
+ },
2573
+ {
2574
+ "epoch": 0.8398347865993575,
2575
+ "grad_norm": 0.08915491610885863,
2576
+ "learning_rate": 1.5227277348850466e-05,
2577
+ "loss": 0.9446,
2578
+ "step": 1830
2579
+ },
2580
+ {
2581
+ "epoch": 0.8421294171638366,
2582
+ "grad_norm": 0.0869732185667195,
2583
+ "learning_rate": 1.4805115591548746e-05,
2584
+ "loss": 0.9225,
2585
+ "step": 1835
2586
+ },
2587
+ {
2588
+ "epoch": 0.8444240477283157,
2589
+ "grad_norm": 0.08670718205091706,
2590
+ "learning_rate": 1.4388420163193217e-05,
2591
+ "loss": 0.9261,
2592
+ "step": 1840
2593
+ },
2594
+ {
2595
+ "epoch": 0.8467186782927949,
2596
+ "grad_norm": 0.09137885764266358,
2597
+ "learning_rate": 1.3977217800063846e-05,
2598
+ "loss": 0.9469,
2599
+ "step": 1845
2600
+ },
2601
+ {
2602
+ "epoch": 0.849013308857274,
2603
+ "grad_norm": 0.08818902846204707,
2604
+ "learning_rate": 1.3571534885991044e-05,
2605
+ "loss": 0.9192,
2606
+ "step": 1850
2607
+ },
2608
+ {
2609
+ "epoch": 0.8513079394217531,
2610
+ "grad_norm": 0.08515505179393418,
2611
+ "learning_rate": 1.3171397450662715e-05,
2612
+ "loss": 0.9322,
2613
+ "step": 1855
2614
+ },
2615
+ {
2616
+ "epoch": 0.8536025699862322,
2617
+ "grad_norm": 0.09793678826450831,
2618
+ "learning_rate": 1.277683116795425e-05,
2619
+ "loss": 0.9209,
2620
+ "step": 1860
2621
+ },
2622
+ {
2623
+ "epoch": 0.8558972005507114,
2624
+ "grad_norm": 0.08921313107573868,
2625
+ "learning_rate": 1.2387861354281194e-05,
2626
+ "loss": 0.9459,
2627
+ "step": 1865
2628
+ },
2629
+ {
2630
+ "epoch": 0.8581918311151905,
2631
+ "grad_norm": 0.08675456932143413,
2632
+ "learning_rate": 1.2004512966974745e-05,
2633
+ "loss": 0.9341,
2634
+ "step": 1870
2635
+ },
2636
+ {
2637
+ "epoch": 0.8604864616796696,
2638
+ "grad_norm": 0.08853376406641464,
2639
+ "learning_rate": 1.162681060268065e-05,
2640
+ "loss": 0.9358,
2641
+ "step": 1875
2642
+ },
2643
+ {
2644
+ "epoch": 0.8627810922441487,
2645
+ "grad_norm": 0.08772170537544985,
2646
+ "learning_rate": 1.1254778495780748e-05,
2647
+ "loss": 0.9462,
2648
+ "step": 1880
2649
+ },
2650
+ {
2651
+ "epoch": 0.8650757228086278,
2652
+ "grad_norm": 0.087438966238015,
2653
+ "learning_rate": 1.0888440516838373e-05,
2654
+ "loss": 0.9371,
2655
+ "step": 1885
2656
+ },
2657
+ {
2658
+ "epoch": 0.867370353373107,
2659
+ "grad_norm": 0.08774570416471039,
2660
+ "learning_rate": 1.0527820171066372e-05,
2661
+ "loss": 0.9616,
2662
+ "step": 1890
2663
+ },
2664
+ {
2665
+ "epoch": 0.8696649839375861,
2666
+ "grad_norm": 0.09079641508572181,
2667
+ "learning_rate": 1.0172940596819259e-05,
2668
+ "loss": 0.9203,
2669
+ "step": 1895
2670
+ },
2671
+ {
2672
+ "epoch": 0.8719596145020652,
2673
+ "grad_norm": 0.08682703034420731,
2674
+ "learning_rate": 9.823824564108408e-06,
2675
+ "loss": 0.9572,
2676
+ "step": 1900
2677
+ },
2678
+ {
2679
+ "epoch": 0.8742542450665443,
2680
+ "grad_norm": 0.08884587029741915,
2681
+ "learning_rate": 9.480494473141188e-06,
2682
+ "loss": 0.9565,
2683
+ "step": 1905
2684
+ },
2685
+ {
2686
+ "epoch": 0.8765488756310233,
2687
+ "grad_norm": 0.08810947120591099,
2688
+ "learning_rate": 9.142972352883594e-06,
2689
+ "loss": 0.9452,
2690
+ "step": 1910
2691
+ },
2692
+ {
2693
+ "epoch": 0.8788435061955026,
2694
+ "grad_norm": 0.08431726449593704,
2695
+ "learning_rate": 8.811279859646915e-06,
2696
+ "loss": 0.9275,
2697
+ "step": 1915
2698
+ },
2699
+ {
2700
+ "epoch": 0.8811381367599816,
2701
+ "grad_norm": 0.08783013214009486,
2702
+ "learning_rate": 8.485438275698154e-06,
2703
+ "loss": 0.9344,
2704
+ "step": 1920
2705
+ },
2706
+ {
2707
+ "epoch": 0.8834327673244607,
2708
+ "grad_norm": 0.0877811337071556,
2709
+ "learning_rate": 8.165468507894514e-06,
2710
+ "loss": 0.9422,
2711
+ "step": 1925
2712
+ },
2713
+ {
2714
+ "epoch": 0.8857273978889398,
2715
+ "grad_norm": 0.08918928300947922,
2716
+ "learning_rate": 7.851391086341952e-06,
2717
+ "loss": 0.923,
2718
+ "step": 1930
2719
+ },
2720
+ {
2721
+ "epoch": 0.888022028453419,
2722
+ "grad_norm": 0.08684462019085216,
2723
+ "learning_rate": 7.543226163077899e-06,
2724
+ "loss": 0.9501,
2725
+ "step": 1935
2726
+ },
2727
+ {
2728
+ "epoch": 0.8903166590178981,
2729
+ "grad_norm": 0.08897290874527142,
2730
+ "learning_rate": 7.240993510778305e-06,
2731
+ "loss": 0.9468,
2732
+ "step": 1940
2733
+ },
2734
+ {
2735
+ "epoch": 0.8926112895823772,
2736
+ "grad_norm": 0.08848785350377304,
2737
+ "learning_rate": 6.9447125214888835e-06,
2738
+ "loss": 0.9407,
2739
+ "step": 1945
2740
+ },
2741
+ {
2742
+ "epoch": 0.8949059201468563,
2743
+ "grad_norm": 0.08850978272970857,
2744
+ "learning_rate": 6.65440220538096e-06,
2745
+ "loss": 0.9467,
2746
+ "step": 1950
2747
+ },
2748
+ {
2749
+ "epoch": 0.8972005507113354,
2750
+ "grad_norm": 0.08764525689057708,
2751
+ "learning_rate": 6.370081189531707e-06,
2752
+ "loss": 0.9183,
2753
+ "step": 1955
2754
+ },
2755
+ {
2756
+ "epoch": 0.8994951812758146,
2757
+ "grad_norm": 0.09111687142640715,
2758
+ "learning_rate": 6.091767716728924e-06,
2759
+ "loss": 0.9337,
2760
+ "step": 1960
2761
+ },
2762
+ {
2763
+ "epoch": 0.9017898118402937,
2764
+ "grad_norm": 0.09082638866765445,
2765
+ "learning_rate": 5.819479644300563e-06,
2766
+ "loss": 0.9311,
2767
+ "step": 1965
2768
+ },
2769
+ {
2770
+ "epoch": 0.9040844424047728,
2771
+ "grad_norm": 0.08768468656217991,
2772
+ "learning_rate": 5.553234442969013e-06,
2773
+ "loss": 0.9382,
2774
+ "step": 1970
2775
+ },
2776
+ {
2777
+ "epoch": 0.9063790729692519,
2778
+ "grad_norm": 0.08591220062356768,
2779
+ "learning_rate": 5.293049195730038e-06,
2780
+ "loss": 0.9363,
2781
+ "step": 1975
2782
+ },
2783
+ {
2784
+ "epoch": 0.9086737035337311,
2785
+ "grad_norm": 0.0892059058046249,
2786
+ "learning_rate": 5.038940596756747e-06,
2787
+ "loss": 0.9562,
2788
+ "step": 1980
2789
+ },
2790
+ {
2791
+ "epoch": 0.9109683340982102,
2792
+ "grad_norm": 0.08874849077210194,
2793
+ "learning_rate": 4.790924950328435e-06,
2794
+ "loss": 0.9528,
2795
+ "step": 1985
2796
+ },
2797
+ {
2798
+ "epoch": 0.9132629646626893,
2799
+ "grad_norm": 0.08444810522115238,
2800
+ "learning_rate": 4.5490181697844916e-06,
2801
+ "loss": 0.9037,
2802
+ "step": 1990
2803
+ },
2804
+ {
2805
+ "epoch": 0.9155575952271684,
2806
+ "grad_norm": 0.0860541394012721,
2807
+ "learning_rate": 4.313235776503244e-06,
2808
+ "loss": 0.9153,
2809
+ "step": 1995
2810
+ },
2811
+ {
2812
+ "epoch": 0.9178522257916475,
2813
+ "grad_norm": 0.08677442991318424,
2814
+ "learning_rate": 4.08359289890623e-06,
2815
+ "loss": 0.9402,
2816
+ "step": 2000
2817
+ },
2818
+ {
2819
+ "epoch": 0.9201468563561267,
2820
+ "grad_norm": 0.09013856091786,
2821
+ "learning_rate": 3.860104271487397e-06,
2822
+ "loss": 0.9529,
2823
+ "step": 2005
2824
+ },
2825
+ {
2826
+ "epoch": 0.9224414869206058,
2827
+ "grad_norm": 0.08509499257002519,
2828
+ "learning_rate": 3.6427842338677352e-06,
2829
+ "loss": 0.9323,
2830
+ "step": 2010
2831
+ },
2832
+ {
2833
+ "epoch": 0.9247361174850849,
2834
+ "grad_norm": 0.08719834616969914,
2835
+ "learning_rate": 3.4316467298752263e-06,
2836
+ "loss": 0.9392,
2837
+ "step": 2015
2838
+ },
2839
+ {
2840
+ "epoch": 0.927030748049564,
2841
+ "grad_norm": 0.08697447693662008,
2842
+ "learning_rate": 3.226705306650113e-06,
2843
+ "loss": 0.9446,
2844
+ "step": 2020
2845
+ },
2846
+ {
2847
+ "epoch": 0.9293253786140432,
2848
+ "grad_norm": 0.08969207347043825,
2849
+ "learning_rate": 3.0279731137757948e-06,
2850
+ "loss": 0.9119,
2851
+ "step": 2025
2852
+ },
2853
+ {
2854
+ "epoch": 0.9316200091785223,
2855
+ "grad_norm": 0.08694060973009726,
2856
+ "learning_rate": 2.835462902434971e-06,
2857
+ "loss": 0.9081,
2858
+ "step": 2030
2859
+ },
2860
+ {
2861
+ "epoch": 0.9339146397430014,
2862
+ "grad_norm": 0.08665729431202235,
2863
+ "learning_rate": 2.649187024591604e-06,
2864
+ "loss": 0.9491,
2865
+ "step": 2035
2866
+ },
2867
+ {
2868
+ "epoch": 0.9362092703074805,
2869
+ "grad_norm": 0.08529555353847522,
2870
+ "learning_rate": 2.4691574321983215e-06,
2871
+ "loss": 0.9545,
2872
+ "step": 2040
2873
+ },
2874
+ {
2875
+ "epoch": 0.9385039008719596,
2876
+ "grad_norm": 0.08638294723774989,
2877
+ "learning_rate": 2.2953856764295624e-06,
2878
+ "loss": 0.9433,
2879
+ "step": 2045
2880
+ },
2881
+ {
2882
+ "epoch": 0.9407985314364388,
2883
+ "grad_norm": 0.08509058036503529,
2884
+ "learning_rate": 2.1278829069404484e-06,
2885
+ "loss": 0.8975,
2886
+ "step": 2050
2887
+ },
2888
+ {
2889
+ "epoch": 0.9430931620009179,
2890
+ "grad_norm": 0.09005898438040956,
2891
+ "learning_rate": 1.966659871151366e-06,
2892
+ "loss": 0.9441,
2893
+ "step": 2055
2894
+ },
2895
+ {
2896
+ "epoch": 0.945387792565397,
2897
+ "grad_norm": 0.0913580806589797,
2898
+ "learning_rate": 1.811726913558387e-06,
2899
+ "loss": 0.9383,
2900
+ "step": 2060
2901
+ },
2902
+ {
2903
+ "epoch": 0.947682423129876,
2904
+ "grad_norm": 0.08996121201187086,
2905
+ "learning_rate": 1.6630939750695519e-06,
2906
+ "loss": 0.9266,
2907
+ "step": 2065
2908
+ },
2909
+ {
2910
+ "epoch": 0.9499770536943553,
2911
+ "grad_norm": 0.08735684631954084,
2912
+ "learning_rate": 1.5207705923670157e-06,
2913
+ "loss": 0.9374,
2914
+ "step": 2070
2915
+ },
2916
+ {
2917
+ "epoch": 0.9522716842588343,
2918
+ "grad_norm": 0.08782321872428674,
2919
+ "learning_rate": 1.3847658972951483e-06,
2920
+ "loss": 0.9393,
2921
+ "step": 2075
2922
+ },
2923
+ {
2924
+ "epoch": 0.9545663148233134,
2925
+ "grad_norm": 0.08638359940423465,
2926
+ "learning_rate": 1.2550886162746467e-06,
2927
+ "loss": 0.9542,
2928
+ "step": 2080
2929
+ },
2930
+ {
2931
+ "epoch": 0.9568609453877925,
2932
+ "grad_norm": 0.08816158923371066,
2933
+ "learning_rate": 1.1317470697425837e-06,
2934
+ "loss": 0.9553,
2935
+ "step": 2085
2936
+ },
2937
+ {
2938
+ "epoch": 0.9591555759522716,
2939
+ "grad_norm": 0.0869294153247488,
2940
+ "learning_rate": 1.0147491716185676e-06,
2941
+ "loss": 0.9338,
2942
+ "step": 2090
2943
+ },
2944
+ {
2945
+ "epoch": 0.9614502065167508,
2946
+ "grad_norm": 0.08669044776728387,
2947
+ "learning_rate": 9.04102428796949e-07,
2948
+ "loss": 0.9598,
2949
+ "step": 2095
2950
+ },
2951
+ {
2952
+ "epoch": 0.9637448370812299,
2953
+ "grad_norm": 0.08623247272425665,
2954
+ "learning_rate": 7.99813940665195e-07,
2955
+ "loss": 0.9373,
2956
+ "step": 2100
2957
+ },
2958
+ {
2959
+ "epoch": 0.966039467645709,
2960
+ "grad_norm": 0.08874393697081741,
2961
+ "learning_rate": 7.018903986483083e-07,
2962
+ "loss": 0.9415,
2963
+ "step": 2105
2964
+ },
2965
+ {
2966
+ "epoch": 0.9683340982101881,
2967
+ "grad_norm": 0.08826549132097718,
2968
+ "learning_rate": 6.103380857795604e-07,
2969
+ "loss": 0.9509,
2970
+ "step": 2110
2971
+ },
2972
+ {
2973
+ "epoch": 0.9706287287746673,
2974
+ "grad_norm": 0.08811680099621978,
2975
+ "learning_rate": 5.251628762972916e-07,
2976
+ "loss": 0.9307,
2977
+ "step": 2115
2978
+ },
2979
+ {
2980
+ "epoch": 0.9729233593391464,
2981
+ "grad_norm": 0.0855595252734913,
2982
+ "learning_rate": 4.463702352680787e-07,
2983
+ "loss": 0.9272,
2984
+ "step": 2120
2985
+ },
2986
+ {
2987
+ "epoch": 0.9752179899036255,
2988
+ "grad_norm": 0.086175580567214,
2989
+ "learning_rate": 3.7396521823600537e-07,
2990
+ "loss": 0.9209,
2991
+ "step": 2125
2992
+ },
2993
+ {
2994
+ "epoch": 0.9775126204681046,
2995
+ "grad_norm": 0.08552971051081726,
2996
+ "learning_rate": 3.079524708983095e-07,
2997
+ "loss": 0.9297,
2998
+ "step": 2130
2999
+ },
3000
+ {
3001
+ "epoch": 0.9798072510325837,
3002
+ "grad_norm": 0.0887704339359113,
3003
+ "learning_rate": 2.483362288073443e-07,
3004
+ "loss": 0.9283,
3005
+ "step": 2135
3006
+ },
3007
+ {
3008
+ "epoch": 0.9821018815970629,
3009
+ "grad_norm": 0.08671129007392188,
3010
+ "learning_rate": 1.9512031709874035e-07,
3011
+ "loss": 0.9332,
3012
+ "step": 2140
3013
+ },
3014
+ {
3015
+ "epoch": 0.984396512161542,
3016
+ "grad_norm": 0.08984732497930137,
3017
+ "learning_rate": 1.4830815024606815e-07,
3018
+ "loss": 0.9247,
3019
+ "step": 2145
3020
+ },
3021
+ {
3022
+ "epoch": 0.9866911427260211,
3023
+ "grad_norm": 0.0894694714684205,
3024
+ "learning_rate": 1.0790273184164701e-07,
3025
+ "loss": 0.9074,
3026
+ "step": 2150
3027
+ },
3028
+ {
3029
+ "epoch": 0.9889857732905002,
3030
+ "grad_norm": 0.0890952939852077,
3031
+ "learning_rate": 7.390665440393241e-08,
3032
+ "loss": 0.9366,
3033
+ "step": 2155
3034
+ },
3035
+ {
3036
+ "epoch": 0.9912804038549794,
3037
+ "grad_norm": 0.08892399654551203,
3038
+ "learning_rate": 4.632209921107134e-08,
3039
+ "loss": 0.9486,
3040
+ "step": 2160
3041
+ },
3042
+ {
3043
+ "epoch": 0.9935750344194585,
3044
+ "grad_norm": 0.09036079277558923,
3045
+ "learning_rate": 2.5150836161058622e-08,
3046
+ "loss": 0.9386,
3047
+ "step": 2165
3048
+ },
3049
+ {
3050
+ "epoch": 0.9958696649839376,
3051
+ "grad_norm": 0.0874025371093686,
3052
+ "learning_rate": 1.03942236580723e-08,
3053
+ "loss": 0.9373,
3054
+ "step": 2170
3055
+ },
3056
+ {
3057
+ "epoch": 0.9981642955484167,
3058
+ "grad_norm": 0.0950153209645722,
3059
+ "learning_rate": 2.053208525365502e-09,
3060
+ "loss": 0.9454,
3061
+ "step": 2175
3062
+ },
3063
+ {
3064
+ "epoch": 1.0,
3065
+ "eval_loss": 0.943856418132782,
3066
+ "eval_runtime": 822.8687,
3067
+ "eval_samples_per_second": 18.753,
3068
+ "eval_steps_per_second": 0.294,
3069
+ "step": 2179
3070
+ },
3071
+ {
3072
+ "epoch": 1.0,
3073
+ "step": 2179,
3074
+ "total_flos": 3.4589037545127936e+16,
3075
+ "train_loss": 0.9514529290906111,
3076
+ "train_runtime": 33671.5063,
3077
+ "train_samples_per_second": 4.141,
3078
+ "train_steps_per_second": 0.065
3079
+ }
3080
+ ],
3081
+ "logging_steps": 5,
3082
+ "max_steps": 2179,
3083
+ "num_input_tokens_seen": 0,
3084
+ "num_train_epochs": 1,
3085
+ "save_steps": 100,
3086
+ "stateful_callbacks": {
3087
+ "TrainerControl": {
3088
+ "args": {
3089
+ "should_epoch_stop": false,
3090
+ "should_evaluate": false,
3091
+ "should_log": false,
3092
+ "should_save": true,
3093
+ "should_training_stop": false
3094
+ },
3095
+ "attributes": {}
3096
+ }
3097
+ },
3098
+ "total_flos": 3.4589037545127936e+16,
3099
+ "train_batch_size": 8,
3100
+ "trial_name": null,
3101
+ "trial_params": null
3102
+ }