{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 19.946666666666665,
  "eval_steps": 500,
  "global_step": 3740,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.530346155166626,
      "learning_rate": 0.0003,
      "loss": 1.7168,
      "step": 100
    },
    {
      "epoch": 0.9973333333333333,
      "eval_accuracy": 0.5753846153846154,
      "eval_loss": 1.60886549949646,
      "eval_runtime": 5.4444,
      "eval_samples_per_second": 91.837,
      "eval_steps_per_second": 11.572,
      "step": 187
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 0.8836649060249329,
      "learning_rate": 0.0003,
      "loss": 1.6153,
      "step": 200
    },
    {
      "epoch": 1.6,
      "grad_norm": 0.8621747493743896,
      "learning_rate": 0.0003,
      "loss": 1.3336,
      "step": 300
    },
    {
      "epoch": 2.0,
      "eval_accuracy": 0.5727692307692308,
      "eval_loss": 1.644170880317688,
      "eval_runtime": 5.3723,
      "eval_samples_per_second": 93.069,
      "eval_steps_per_second": 11.727,
      "step": 375
    },
    {
      "epoch": 2.1333333333333333,
      "grad_norm": 0.8041630983352661,
      "learning_rate": 0.0003,
      "loss": 1.2575,
      "step": 400
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.8738582730293274,
      "learning_rate": 0.0003,
      "loss": 0.9813,
      "step": 500
    },
    {
      "epoch": 2.997333333333333,
      "eval_accuracy": 0.568974358974359,
      "eval_loss": 1.7656909227371216,
      "eval_runtime": 5.4207,
      "eval_samples_per_second": 92.238,
      "eval_steps_per_second": 11.622,
      "step": 562
    },
    {
      "epoch": 3.2,
      "grad_norm": 0.8753482699394226,
      "learning_rate": 0.0003,
      "loss": 0.9077,
      "step": 600
    },
    {
      "epoch": 3.7333333333333334,
      "grad_norm": 0.7831230759620667,
      "learning_rate": 0.0003,
      "loss": 0.7483,
      "step": 700
    },
    {
      "epoch": 4.0,
      "eval_accuracy": 0.566,
      "eval_loss": 1.9240361452102661,
      "eval_runtime": 5.3426,
      "eval_samples_per_second": 93.587,
      "eval_steps_per_second": 11.792,
      "step": 750
    },
    {
      "epoch": 4.266666666666667,
      "grad_norm": 0.6289657950401306,
      "learning_rate": 0.0003,
      "loss": 0.6869,
      "step": 800
    },
    {
      "epoch": 4.8,
      "grad_norm": 0.963268518447876,
      "learning_rate": 0.0003,
      "loss": 0.6395,
      "step": 900
    },
    {
      "epoch": 4.997333333333334,
      "eval_accuracy": 0.5644102564102564,
      "eval_loss": 2.0308423042297363,
      "eval_runtime": 5.3468,
      "eval_samples_per_second": 93.514,
      "eval_steps_per_second": 11.783,
      "step": 937
    },
    {
      "epoch": 5.333333333333333,
      "grad_norm": 0.5423685908317566,
      "learning_rate": 0.0003,
      "loss": 0.5908,
      "step": 1000
    },
    {
      "epoch": 5.866666666666667,
      "grad_norm": 0.9933087825775146,
      "learning_rate": 0.0003,
      "loss": 0.5836,
      "step": 1100
    },
    {
      "epoch": 6.0,
      "eval_accuracy": 0.5626153846153846,
      "eval_loss": 2.091397762298584,
      "eval_runtime": 5.6133,
      "eval_samples_per_second": 89.074,
      "eval_steps_per_second": 11.223,
      "step": 1125
    },
    {
      "epoch": 6.4,
      "grad_norm": 0.5602869987487793,
      "learning_rate": 0.0003,
      "loss": 0.5463,
      "step": 1200
    },
    {
      "epoch": 6.933333333333334,
      "grad_norm": 0.7014422416687012,
      "learning_rate": 0.0003,
      "loss": 0.5559,
      "step": 1300
    },
    {
      "epoch": 6.997333333333334,
      "eval_accuracy": 0.5616923076923077,
      "eval_loss": 2.1672749519348145,
      "eval_runtime": 5.3487,
      "eval_samples_per_second": 93.481,
      "eval_steps_per_second": 11.779,
      "step": 1312
    },
    {
      "epoch": 7.466666666666667,
      "grad_norm": 0.6679653525352478,
      "learning_rate": 0.0003,
      "loss": 0.5203,
      "step": 1400
    },
    {
      "epoch": 8.0,
      "grad_norm": 0.4245469272136688,
      "learning_rate": 0.0003,
      "loss": 0.5386,
      "step": 1500
    },
    {
      "epoch": 8.0,
      "eval_accuracy": 0.5619487179487179,
      "eval_loss": 2.1640517711639404,
      "eval_runtime": 5.4533,
      "eval_samples_per_second": 91.687,
      "eval_steps_per_second": 11.553,
      "step": 1500
    },
    {
      "epoch": 8.533333333333333,
      "grad_norm": 0.3779478669166565,
      "learning_rate": 0.0003,
      "loss": 0.5022,
      "step": 1600
    },
    {
      "epoch": 8.997333333333334,
      "eval_accuracy": 0.5622564102564103,
      "eval_loss": 2.199258804321289,
      "eval_runtime": 5.5165,
      "eval_samples_per_second": 90.637,
      "eval_steps_per_second": 11.42,
      "step": 1687
    },
    {
      "epoch": 9.066666666666666,
      "grad_norm": 0.4485238790512085,
      "learning_rate": 0.0003,
      "loss": 0.5222,
      "step": 1700
    },
    {
      "epoch": 9.6,
      "grad_norm": 0.4332904815673828,
      "learning_rate": 0.0003,
      "loss": 0.5035,
      "step": 1800
    },
    {
      "epoch": 10.0,
      "eval_accuracy": 0.5633333333333334,
      "eval_loss": 2.204721450805664,
      "eval_runtime": 5.5193,
      "eval_samples_per_second": 90.591,
      "eval_steps_per_second": 11.414,
      "step": 1875
    },
    {
      "epoch": 10.133333333333333,
      "grad_norm": 0.4124760329723358,
      "learning_rate": 0.0003,
      "loss": 0.5076,
      "step": 1900
    },
    {
      "epoch": 10.666666666666666,
      "grad_norm": 0.4373435378074646,
      "learning_rate": 0.0003,
      "loss": 0.5013,
      "step": 2000
    },
    {
      "epoch": 10.997333333333334,
      "eval_accuracy": 0.5615897435897436,
      "eval_loss": 2.2971489429473877,
      "eval_runtime": 5.5247,
      "eval_samples_per_second": 90.502,
      "eval_steps_per_second": 11.403,
      "step": 2062
    },
    {
      "epoch": 11.2,
      "grad_norm": 0.45598098635673523,
      "learning_rate": 0.0003,
      "loss": 0.5068,
      "step": 2100
    },
    {
      "epoch": 11.733333333333333,
      "grad_norm": 0.6276603937149048,
      "learning_rate": 0.0003,
      "loss": 0.5063,
      "step": 2200
    },
    {
      "epoch": 12.0,
      "eval_accuracy": 0.5618461538461539,
      "eval_loss": 2.2049615383148193,
      "eval_runtime": 5.2602,
      "eval_samples_per_second": 95.053,
      "eval_steps_per_second": 11.977,
      "step": 2250
    },
    {
      "epoch": 12.266666666666667,
      "grad_norm": 0.5139246582984924,
      "learning_rate": 0.0003,
      "loss": 0.5007,
      "step": 2300
    },
    {
      "epoch": 12.8,
      "grad_norm": 0.38055887818336487,
      "learning_rate": 0.0003,
      "loss": 0.5048,
      "step": 2400
    },
    {
      "epoch": 12.997333333333334,
      "eval_accuracy": 0.5597435897435897,
      "eval_loss": 2.262411117553711,
      "eval_runtime": 5.2501,
      "eval_samples_per_second": 95.236,
      "eval_steps_per_second": 12.0,
      "step": 2437
    },
    {
      "epoch": 13.333333333333334,
      "grad_norm": 0.4386054575443268,
      "learning_rate": 0.0003,
      "loss": 0.4973,
      "step": 2500
    },
    {
      "epoch": 13.866666666666667,
      "grad_norm": 0.5917075872421265,
      "learning_rate": 0.0003,
      "loss": 0.506,
      "step": 2600
    },
    {
      "epoch": 14.0,
      "eval_accuracy": 0.5597948717948718,
      "eval_loss": 2.3160910606384277,
      "eval_runtime": 5.8905,
      "eval_samples_per_second": 84.883,
      "eval_steps_per_second": 10.695,
      "step": 2625
    },
    {
      "epoch": 14.4,
      "grad_norm": 0.6725122332572937,
      "learning_rate": 0.0003,
      "loss": 0.4932,
      "step": 2700
    },
    {
      "epoch": 14.933333333333334,
      "grad_norm": 0.9052000641822815,
      "learning_rate": 0.0003,
      "loss": 0.511,
      "step": 2800
    },
    {
      "epoch": 14.997333333333334,
      "eval_accuracy": 0.5554358974358974,
      "eval_loss": 2.255077362060547,
      "eval_runtime": 5.3196,
      "eval_samples_per_second": 93.991,
      "eval_steps_per_second": 11.843,
      "step": 2812
    },
    {
      "epoch": 15.466666666666667,
      "grad_norm": 0.6864270567893982,
      "learning_rate": 0.0003,
      "loss": 0.4922,
      "step": 2900
    },
    {
      "epoch": 16.0,
      "grad_norm": 0.6024951338768005,
      "learning_rate": 0.0003,
      "loss": 0.5163,
      "step": 3000
    },
    {
      "epoch": 16.0,
      "eval_accuracy": 0.5577948717948717,
      "eval_loss": 2.302440881729126,
      "eval_runtime": 5.2398,
      "eval_samples_per_second": 95.423,
      "eval_steps_per_second": 12.023,
      "step": 3000
    },
    {
      "epoch": 16.533333333333335,
      "grad_norm": 0.6178357005119324,
      "learning_rate": 0.0003,
      "loss": 0.4861,
      "step": 3100
    },
    {
      "epoch": 16.997333333333334,
      "eval_accuracy": 0.5584615384615385,
      "eval_loss": 2.2553999423980713,
      "eval_runtime": 5.3146,
      "eval_samples_per_second": 94.08,
      "eval_steps_per_second": 11.854,
      "step": 3187
    },
    {
      "epoch": 17.066666666666666,
      "grad_norm": 0.38189423084259033,
      "learning_rate": 0.0003,
      "loss": 0.5112,
      "step": 3200
    },
    {
      "epoch": 17.6,
      "grad_norm": 1.0341856479644775,
      "learning_rate": 0.0003,
      "loss": 0.4925,
      "step": 3300
    },
    {
      "epoch": 18.0,
      "eval_accuracy": 0.5578974358974359,
      "eval_loss": 2.24015474319458,
      "eval_runtime": 5.4691,
      "eval_samples_per_second": 91.423,
      "eval_steps_per_second": 11.519,
      "step": 3375
    },
    {
      "epoch": 18.133333333333333,
      "grad_norm": 0.42371413111686707,
      "learning_rate": 0.0003,
      "loss": 0.5025,
      "step": 3400
    },
    {
      "epoch": 18.666666666666668,
      "grad_norm": 0.6477588415145874,
      "learning_rate": 0.0003,
      "loss": 0.4927,
      "step": 3500
    },
    {
      "epoch": 18.997333333333334,
      "eval_accuracy": 0.557025641025641,
      "eval_loss": 2.2989492416381836,
      "eval_runtime": 5.8753,
      "eval_samples_per_second": 85.102,
      "eval_steps_per_second": 10.723,
      "step": 3562
    },
    {
      "epoch": 19.2,
      "grad_norm": 0.42820534110069275,
      "learning_rate": 0.0003,
      "loss": 0.493,
      "step": 3600
    },
    {
      "epoch": 19.733333333333334,
      "grad_norm": 0.3555707335472107,
      "learning_rate": 0.0003,
      "loss": 0.4868,
      "step": 3700
    },
    {
      "epoch": 19.946666666666665,
      "eval_accuracy": 0.5580512820512821,
      "eval_loss": 2.306687116622925,
      "eval_runtime": 5.67,
      "eval_samples_per_second": 88.184,
      "eval_steps_per_second": 11.111,
      "step": 3740
    },
    {
      "epoch": 19.946666666666665,
      "step": 3740,
      "total_flos": 6.513574498480947e+16,
      "train_loss": 0.6539978063042788,
      "train_runtime": 8293.4129,
      "train_samples_per_second": 14.469,
      "train_steps_per_second": 0.451
    }
  ],
  "logging_steps": 100,
  "max_steps": 3740,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 20,
  "save_steps": 500,
  "total_flos": 6.513574498480947e+16,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}