{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 9.973333333333333,
  "eval_steps": 500,
  "global_step": 1870,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.5919559597969055,
      "learning_rate": 0.0001,
      "loss": 1.7657,
      "step": 100
    },
    {
      "epoch": 0.9973333333333333,
      "eval_accuracy": 0.5738461538461539,
      "eval_loss": 1.6214678287506104,
      "eval_runtime": 6.7752,
      "eval_samples_per_second": 73.799,
      "eval_steps_per_second": 9.299,
      "step": 187
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 0.7285414934158325,
      "learning_rate": 0.0001,
      "loss": 1.6421,
      "step": 200
    },
    {
      "epoch": 1.6,
      "grad_norm": 1.0658913850784302,
      "learning_rate": 0.0001,
      "loss": 1.497,
      "step": 300
    },
    {
      "epoch": 2.0,
      "eval_accuracy": 0.5742051282051283,
      "eval_loss": 1.6179509162902832,
      "eval_runtime": 7.0059,
      "eval_samples_per_second": 71.369,
      "eval_steps_per_second": 8.992,
      "step": 375
    },
    {
      "epoch": 2.1333333333333333,
      "grad_norm": 1.2808786630630493,
      "learning_rate": 0.0001,
      "loss": 1.4367,
      "step": 400
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 1.369543194770813,
      "learning_rate": 0.0001,
      "loss": 1.2345,
      "step": 500
    },
    {
      "epoch": 2.997333333333333,
      "eval_accuracy": 0.5712820512820512,
      "eval_loss": 1.6951237916946411,
      "eval_runtime": 7.4766,
      "eval_samples_per_second": 66.875,
      "eval_steps_per_second": 8.426,
      "step": 562
    },
    {
      "epoch": 3.2,
      "grad_norm": 1.4907397031784058,
      "learning_rate": 0.0001,
      "loss": 1.157,
      "step": 600
    },
    {
      "epoch": 3.7333333333333334,
      "grad_norm": 1.5697628259658813,
      "learning_rate": 0.0001,
      "loss": 1.0084,
      "step": 700
    },
    {
      "epoch": 4.0,
      "eval_accuracy": 0.5658974358974359,
      "eval_loss": 1.8059020042419434,
      "eval_runtime": 7.0878,
      "eval_samples_per_second": 70.544,
      "eval_steps_per_second": 8.889,
      "step": 750
    },
    {
      "epoch": 4.266666666666667,
      "grad_norm": 1.6422948837280273,
      "learning_rate": 0.0001,
      "loss": 0.9221,
      "step": 800
    },
    {
      "epoch": 4.8,
      "grad_norm": 1.6770026683807373,
      "learning_rate": 0.0001,
      "loss": 0.8397,
      "step": 900
    },
    {
      "epoch": 4.997333333333334,
      "eval_accuracy": 0.5646666666666667,
      "eval_loss": 1.9245407581329346,
      "eval_runtime": 7.4653,
      "eval_samples_per_second": 66.977,
      "eval_steps_per_second": 8.439,
      "step": 937
    },
    {
      "epoch": 5.333333333333333,
      "grad_norm": 1.588730812072754,
      "learning_rate": 0.0001,
      "loss": 0.7486,
      "step": 1000
    },
    {
      "epoch": 5.866666666666667,
      "grad_norm": 1.8069469928741455,
      "learning_rate": 0.0001,
      "loss": 0.7186,
      "step": 1100
    },
    {
      "epoch": 6.0,
      "eval_accuracy": 0.5614358974358974,
      "eval_loss": 2.0345287322998047,
      "eval_runtime": 6.285,
      "eval_samples_per_second": 79.554,
      "eval_steps_per_second": 10.024,
      "step": 1125
    },
    {
      "epoch": 6.4,
      "grad_norm": 1.590628981590271,
      "learning_rate": 0.0001,
      "loss": 0.6356,
      "step": 1200
    },
    {
      "epoch": 6.933333333333334,
      "grad_norm": 1.9079328775405884,
      "learning_rate": 0.0001,
      "loss": 0.6421,
      "step": 1300
    },
    {
      "epoch": 6.997333333333334,
      "eval_accuracy": 0.5607692307692308,
      "eval_loss": 2.1147842407226562,
      "eval_runtime": 8.0598,
      "eval_samples_per_second": 62.037,
      "eval_steps_per_second": 7.817,
      "step": 1312
    },
    {
      "epoch": 7.466666666666667,
      "grad_norm": 1.3450945615768433,
      "learning_rate": 0.0001,
      "loss": 0.5814,
      "step": 1400
    },
    {
      "epoch": 8.0,
      "grad_norm": 1.2447816133499146,
      "learning_rate": 0.0001,
      "loss": 0.5968,
      "step": 1500
    },
    {
      "epoch": 8.0,
      "eval_accuracy": 0.5584615384615385,
      "eval_loss": 2.1779356002807617,
      "eval_runtime": 7.4067,
      "eval_samples_per_second": 67.506,
      "eval_steps_per_second": 8.506,
      "step": 1500
    },
    {
      "epoch": 8.533333333333333,
      "grad_norm": 1.113315463066101,
      "learning_rate": 0.0001,
      "loss": 0.5417,
      "step": 1600
    },
    {
      "epoch": 8.997333333333334,
      "eval_accuracy": 0.5567692307692308,
      "eval_loss": 2.265408754348755,
      "eval_runtime": 6.4222,
      "eval_samples_per_second": 77.854,
      "eval_steps_per_second": 9.81,
      "step": 1687
    },
    {
      "epoch": 9.066666666666666,
      "grad_norm": 2.0787792205810547,
      "learning_rate": 0.0001,
      "loss": 0.5678,
      "step": 1700
    },
    {
      "epoch": 9.6,
      "grad_norm": 1.027565598487854,
      "learning_rate": 0.0001,
      "loss": 0.5356,
      "step": 1800
    },
    {
      "epoch": 9.973333333333333,
      "eval_accuracy": 0.5594358974358974,
      "eval_loss": 2.252700090408325,
      "eval_runtime": 7.737,
      "eval_samples_per_second": 64.624,
      "eval_steps_per_second": 8.143,
      "step": 1870
    },
    {
      "epoch": 9.973333333333333,
      "step": 1870,
      "total_flos": 3.256692486491341e+16,
      "train_loss": 0.933582401785621,
      "train_runtime": 6553.864,
      "train_samples_per_second": 9.155,
      "train_steps_per_second": 0.285
    }
  ],
  "logging_steps": 100,
  "max_steps": 1870,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 10,
  "save_steps": 500,
  "total_flos": 3.256692486491341e+16,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}