{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 19.973333333333333,
  "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": 0.5919559597969055,
      "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": 10.16,
      "grad_norm": 0.8959850668907166,
      "learning_rate": 0.0001,
      "loss": 0.4932,
      "step": 1900
    },
    {
      "epoch": 10.693333333333333,
      "grad_norm": 0.9158042073249817,
      "learning_rate": 0.0001,
      "loss": 0.5261,
      "step": 2000
    },
    {
      "epoch": 10.997333333333334,
      "eval_accuracy": 0.5585128205128205,
      "eval_loss": 2.337559461593628,
      "eval_runtime": 6.0892,
      "eval_samples_per_second": 82.113,
      "eval_steps_per_second": 10.346,
      "step": 2057
    },
    {
      "epoch": 11.226666666666667,
      "grad_norm": 0.878894567489624,
      "learning_rate": 0.0001,
      "loss": 0.5229,
      "step": 2100
    },
    {
      "epoch": 11.76,
      "grad_norm": 1.2909165620803833,
      "learning_rate": 0.0001,
      "loss": 0.5179,
      "step": 2200
    },
    {
      "epoch": 12.0,
      "eval_accuracy": 0.5594871794871795,
      "eval_loss": 2.3703980445861816,
      "eval_runtime": 6.0258,
      "eval_samples_per_second": 82.977,
      "eval_steps_per_second": 10.455,
      "step": 2245
    },
    {
      "epoch": 12.293333333333333,
      "grad_norm": 0.7571380734443665,
      "learning_rate": 0.0001,
      "loss": 0.5064,
      "step": 2300
    },
    {
      "epoch": 12.826666666666666,
      "grad_norm": 0.9172192811965942,
      "learning_rate": 0.0001,
      "loss": 0.5116,
      "step": 2400
    },
    {
      "epoch": 12.997333333333334,
      "eval_accuracy": 0.558923076923077,
      "eval_loss": 2.3616509437561035,
      "eval_runtime": 5.8803,
      "eval_samples_per_second": 85.029,
      "eval_steps_per_second": 10.714,
      "step": 2432
    },
    {
      "epoch": 13.36,
      "grad_norm": 0.8445603847503662,
      "learning_rate": 0.0001,
      "loss": 0.4982,
      "step": 2500
    },
    {
      "epoch": 13.893333333333333,
      "grad_norm": 0.7521744966506958,
      "learning_rate": 0.0001,
      "loss": 0.5056,
      "step": 2600
    },
    {
      "epoch": 14.0,
      "eval_accuracy": 0.5581025641025641,
      "eval_loss": 2.402170419692993,
      "eval_runtime": 6.0603,
      "eval_samples_per_second": 82.504,
      "eval_steps_per_second": 10.395,
      "step": 2620
    },
    {
      "epoch": 14.426666666666666,
      "grad_norm": 2.0667314529418945,
      "learning_rate": 0.0001,
      "loss": 0.49,
      "step": 2700
    },
    {
      "epoch": 14.96,
      "grad_norm": 0.779681384563446,
      "learning_rate": 0.0001,
      "loss": 0.5063,
      "step": 2800
    },
    {
      "epoch": 14.997333333333334,
      "eval_accuracy": 0.5587179487179487,
      "eval_loss": 2.3861441612243652,
      "eval_runtime": 5.9237,
      "eval_samples_per_second": 84.407,
      "eval_steps_per_second": 10.635,
      "step": 2807
    },
    {
      "epoch": 15.493333333333334,
      "grad_norm": 0.8611398935317993,
      "learning_rate": 0.0001,
      "loss": 0.4796,
      "step": 2900
    },
    {
      "epoch": 16.0,
      "eval_accuracy": 0.5585128205128205,
      "eval_loss": 2.3657748699188232,
      "eval_runtime": 6.1504,
      "eval_samples_per_second": 81.296,
      "eval_steps_per_second": 10.243,
      "step": 2995
    },
    {
      "epoch": 16.026666666666667,
      "grad_norm": 0.7042310833930969,
      "learning_rate": 0.0001,
      "loss": 0.5007,
      "step": 3000
    },
    {
      "epoch": 16.56,
      "grad_norm": 0.7996546626091003,
      "learning_rate": 0.0001,
      "loss": 0.4757,
      "step": 3100
    },
    {
      "epoch": 16.997333333333334,
      "eval_accuracy": 0.5577435897435897,
      "eval_loss": 2.4195010662078857,
      "eval_runtime": 5.964,
      "eval_samples_per_second": 83.836,
      "eval_steps_per_second": 10.563,
      "step": 3182
    },
    {
      "epoch": 17.093333333333334,
      "grad_norm": 0.8023911118507385,
      "learning_rate": 0.0001,
      "loss": 0.4922,
      "step": 3200
    },
    {
      "epoch": 17.626666666666665,
      "grad_norm": 0.7557463645935059,
      "learning_rate": 0.0001,
      "loss": 0.4779,
      "step": 3300
    },
    {
      "epoch": 18.0,
      "eval_accuracy": 0.5573333333333333,
      "eval_loss": 2.4572765827178955,
      "eval_runtime": 5.6917,
      "eval_samples_per_second": 87.846,
      "eval_steps_per_second": 11.069,
      "step": 3370
    },
    {
      "epoch": 18.16,
      "grad_norm": 0.6573577523231506,
      "learning_rate": 0.0001,
      "loss": 0.4845,
      "step": 3400
    },
    {
      "epoch": 18.693333333333335,
      "grad_norm": 0.8855472207069397,
      "learning_rate": 0.0001,
      "loss": 0.4782,
      "step": 3500
    },
    {
      "epoch": 18.997333333333334,
      "eval_accuracy": 0.558923076923077,
      "eval_loss": 2.4895946979522705,
      "eval_runtime": 5.8047,
      "eval_samples_per_second": 86.137,
      "eval_steps_per_second": 10.853,
      "step": 3557
    },
    {
      "epoch": 19.226666666666667,
      "grad_norm": 0.7835053205490112,
      "learning_rate": 0.0001,
      "loss": 0.4797,
      "step": 3600
    },
    {
      "epoch": 19.76,
      "grad_norm": 0.7424234747886658,
      "learning_rate": 0.0001,
      "loss": 0.4784,
      "step": 3700
    },
    {
      "epoch": 19.973333333333333,
      "eval_accuracy": 0.5578974358974359,
      "eval_loss": 2.47261381149292,
      "eval_runtime": 5.9891,
      "eval_samples_per_second": 83.485,
      "eval_steps_per_second": 10.519,
      "step": 3740
    },
    {
      "epoch": 19.973333333333333,
      "step": 3740,
      "total_flos": 6.513384947816858e+16,
      "train_loss": 0.24802753045597178,
      "train_runtime": 4466.1305,
      "train_samples_per_second": 26.869,
      "train_steps_per_second": 0.837
    }
  ],
  "logging_steps": 100,
  "max_steps": 3740,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 20,
  "save_steps": 500,
  "total_flos": 6.513384947816858e+16,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}