{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.5555555555555556,
  "eval_steps": 500,
  "global_step": 20000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.013888888888888888,
      "grad_norm": 33.87594223022461,
      "learning_rate": 4.930555555555556e-05,
      "loss": 2.5607,
      "step": 500
    },
    {
      "epoch": 0.027777777777777776,
      "grad_norm": 19.041858673095703,
      "learning_rate": 4.8611111111111115e-05,
      "loss": 2.3205,
      "step": 1000
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 22.798561096191406,
      "learning_rate": 4.791666666666667e-05,
      "loss": 2.2861,
      "step": 1500
    },
    {
      "epoch": 0.05555555555555555,
      "grad_norm": 26.49089241027832,
      "learning_rate": 4.722222222222222e-05,
      "loss": 2.256,
      "step": 2000
    },
    {
      "epoch": 0.06944444444444445,
      "grad_norm": 19.455162048339844,
      "learning_rate": 4.652777777777778e-05,
      "loss": 2.2464,
      "step": 2500
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 19.90087890625,
      "learning_rate": 4.5833333333333334e-05,
      "loss": 2.2445,
      "step": 3000
    },
    {
      "epoch": 0.09722222222222222,
      "grad_norm": 15.378240585327148,
      "learning_rate": 4.5138888888888894e-05,
      "loss": 2.2345,
      "step": 3500
    },
    {
      "epoch": 0.1111111111111111,
      "grad_norm": 17.459095001220703,
      "learning_rate": 4.4444444444444447e-05,
      "loss": 2.2252,
      "step": 4000
    },
    {
      "epoch": 0.125,
      "grad_norm": 23.182748794555664,
      "learning_rate": 4.375e-05,
      "loss": 2.2134,
      "step": 4500
    },
    {
      "epoch": 0.1388888888888889,
      "grad_norm": 19.53196144104004,
      "learning_rate": 4.305555555555556e-05,
      "loss": 2.2168,
      "step": 5000
    },
    {
      "epoch": 0.1527777777777778,
      "grad_norm": 15.988591194152832,
      "learning_rate": 4.236111111111111e-05,
      "loss": 2.2232,
      "step": 5500
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 16.655384063720703,
      "learning_rate": 4.166666666666667e-05,
      "loss": 2.2147,
      "step": 6000
    },
    {
      "epoch": 0.18055555555555555,
      "grad_norm": 14.632539749145508,
      "learning_rate": 4.0972222222222225e-05,
      "loss": 2.1922,
      "step": 6500
    },
    {
      "epoch": 0.19444444444444445,
      "grad_norm": 13.886147499084473,
      "learning_rate": 4.027777777777778e-05,
      "loss": 2.2036,
      "step": 7000
    },
    {
      "epoch": 0.20833333333333334,
      "grad_norm": 13.439935684204102,
      "learning_rate": 3.958333333333333e-05,
      "loss": 2.1865,
      "step": 7500
    },
    {
      "epoch": 0.2222222222222222,
      "grad_norm": 10.455207824707031,
      "learning_rate": 3.888888888888889e-05,
      "loss": 2.1794,
      "step": 8000
    },
    {
      "epoch": 0.2361111111111111,
      "grad_norm": 17.11553382873535,
      "learning_rate": 3.8194444444444444e-05,
      "loss": 2.2025,
      "step": 8500
    },
    {
      "epoch": 0.25,
      "grad_norm": 14.08956527709961,
      "learning_rate": 3.7500000000000003e-05,
      "loss": 2.1867,
      "step": 9000
    },
    {
      "epoch": 0.2638888888888889,
      "grad_norm": 13.953351020812988,
      "learning_rate": 3.6805555555555556e-05,
      "loss": 2.1651,
      "step": 9500
    },
    {
      "epoch": 0.2777777777777778,
      "grad_norm": 10.86223030090332,
      "learning_rate": 3.611111111111111e-05,
      "loss": 2.1835,
      "step": 10000
    },
    {
      "epoch": 0.2916666666666667,
      "grad_norm": 10.25207805633545,
      "learning_rate": 3.541666666666667e-05,
      "loss": 2.1831,
      "step": 10500
    },
    {
      "epoch": 0.3055555555555556,
      "grad_norm": 10.212087631225586,
      "learning_rate": 3.472222222222222e-05,
      "loss": 2.1699,
      "step": 11000
    },
    {
      "epoch": 0.3194444444444444,
      "grad_norm": 8.576708793640137,
      "learning_rate": 3.402777777777778e-05,
      "loss": 2.1689,
      "step": 11500
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 7.758203506469727,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 2.1726,
      "step": 12000
    },
    {
      "epoch": 0.3472222222222222,
      "grad_norm": 10.195472717285156,
      "learning_rate": 3.263888888888889e-05,
      "loss": 2.1753,
      "step": 12500
    },
    {
      "epoch": 0.3611111111111111,
      "grad_norm": 7.407456398010254,
      "learning_rate": 3.194444444444444e-05,
      "loss": 2.1825,
      "step": 13000
    },
    {
      "epoch": 0.375,
      "grad_norm": 8.167924880981445,
      "learning_rate": 3.125e-05,
      "loss": 2.1762,
      "step": 13500
    },
    {
      "epoch": 0.3888888888888889,
      "grad_norm": 7.759510517120361,
      "learning_rate": 3.055555555555556e-05,
      "loss": 2.1687,
      "step": 14000
    },
    {
      "epoch": 0.4027777777777778,
      "grad_norm": 8.27856731414795,
      "learning_rate": 2.9861111111111113e-05,
      "loss": 2.18,
      "step": 14500
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 8.577377319335938,
      "learning_rate": 2.916666666666667e-05,
      "loss": 2.1718,
      "step": 15000
    },
    {
      "epoch": 0.4305555555555556,
      "grad_norm": 7.465952396392822,
      "learning_rate": 2.8472222222222223e-05,
      "loss": 2.1778,
      "step": 15500
    },
    {
      "epoch": 0.4444444444444444,
      "grad_norm": 6.5437331199646,
      "learning_rate": 2.777777777777778e-05,
      "loss": 2.1756,
      "step": 16000
    },
    {
      "epoch": 0.4583333333333333,
      "grad_norm": 9.449009895324707,
      "learning_rate": 2.7083333333333332e-05,
      "loss": 2.1608,
      "step": 16500
    },
    {
      "epoch": 0.4722222222222222,
      "grad_norm": 5.527251243591309,
      "learning_rate": 2.6388888888888892e-05,
      "loss": 2.1742,
      "step": 17000
    },
    {
      "epoch": 0.4861111111111111,
      "grad_norm": 6.589778423309326,
      "learning_rate": 2.5694444444444445e-05,
      "loss": 2.1754,
      "step": 17500
    },
    {
      "epoch": 0.5,
      "grad_norm": 7.19509744644165,
      "learning_rate": 2.5e-05,
      "loss": 2.1715,
      "step": 18000
    },
    {
      "epoch": 0.5138888888888888,
      "grad_norm": 6.292264938354492,
      "learning_rate": 2.4305555555555558e-05,
      "loss": 2.1555,
      "step": 18500
    },
    {
      "epoch": 0.5277777777777778,
      "grad_norm": 7.13681697845459,
      "learning_rate": 2.361111111111111e-05,
      "loss": 2.1603,
      "step": 19000
    },
    {
      "epoch": 0.5416666666666666,
      "grad_norm": 6.618354320526123,
      "learning_rate": 2.2916666666666667e-05,
      "loss": 2.1636,
      "step": 19500
    },
    {
      "epoch": 0.5555555555555556,
      "grad_norm": 6.527144908905029,
      "learning_rate": 2.2222222222222223e-05,
      "loss": 2.1617,
      "step": 20000
    }
  ],
  "logging_steps": 500,
  "max_steps": 36000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 10000,
  "total_flos": 1.857401389056e+16,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}