Rakancorle1 commited on
Commit
28b6f06
1 Parent(s): c20551c

End of training

Browse files
Files changed (5) hide show
  1. README.md +2 -1
  2. all_results.json +8 -0
  3. train_results.json +8 -0
  4. trainer_state.json +2520 -0
  5. training_loss.png +0 -0
README.md CHANGED
@@ -4,6 +4,7 @@ library_name: peft
4
  license: llama3.1
5
  tags:
6
  - llama-factory
 
7
  - generated_from_trainer
8
  model-index:
9
  - name: laaj_9k_3epochs
@@ -15,7 +16,7 @@ should probably proofread and complete it, then remove this comment. -->
15
 
16
  # laaj_9k_3epochs
17
 
18
- This model is a fine-tuned version of [meta-llama/Llama-Guard-3-8B](https://huggingface.co/meta-llama/Llama-Guard-3-8B) on an unknown dataset.
19
 
20
  ## Model description
21
 
 
4
  license: llama3.1
5
  tags:
6
  - llama-factory
7
+ - lora
8
  - generated_from_trainer
9
  model-index:
10
  - name: laaj_9k_3epochs
 
16
 
17
  # laaj_9k_3epochs
18
 
19
+ This model is a fine-tuned version of [meta-llama/Llama-Guard-3-8B](https://huggingface.co/meta-llama/Llama-Guard-3-8B) on the laaj_9k dataset.
20
 
21
  ## Model description
22
 
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9993650793650795,
3
+ "total_flos": 652111388999680.0,
4
+ "train_loss": 0.34479539529973763,
5
+ "train_runtime": 32429.3956,
6
+ "train_samples_per_second": 0.874,
7
+ "train_steps_per_second": 0.109
8
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9993650793650795,
3
+ "total_flos": 652111388999680.0,
4
+ "train_loss": 0.34479539529973763,
5
+ "train_runtime": 32429.3956,
6
+ "train_samples_per_second": 0.874,
7
+ "train_steps_per_second": 0.109
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2520 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.9993650793650795,
5
+ "eval_steps": 500,
6
+ "global_step": 3543,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.008465608465608466,
13
+ "grad_norm": 1.2471813174095268,
14
+ "learning_rate": 9.999803440244217e-05,
15
+ "loss": 1.6288,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.016931216931216932,
20
+ "grad_norm": 1.0863274390486097,
21
+ "learning_rate": 9.999213776431165e-05,
22
+ "loss": 0.9235,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.025396825396825397,
27
+ "grad_norm": 0.8727777966082182,
28
+ "learning_rate": 9.998231054922511e-05,
29
+ "loss": 0.76,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.033862433862433865,
34
+ "grad_norm": 0.9216466406898077,
35
+ "learning_rate": 9.996855352983658e-05,
36
+ "loss": 0.6727,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.042328042328042326,
41
+ "grad_norm": 0.8685947217114767,
42
+ "learning_rate": 9.995086778777658e-05,
43
+ "loss": 0.6129,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.050793650793650794,
48
+ "grad_norm": 1.2232366822709322,
49
+ "learning_rate": 9.99292547135672e-05,
50
+ "loss": 0.6334,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.05925925925925926,
55
+ "grad_norm": 1.0539472852477354,
56
+ "learning_rate": 9.990371600651263e-05,
57
+ "loss": 0.6105,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.06772486772486773,
62
+ "grad_norm": 0.9891412672344401,
63
+ "learning_rate": 9.987425367456573e-05,
64
+ "loss": 0.5657,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.0761904761904762,
69
+ "grad_norm": 1.2412242369215105,
70
+ "learning_rate": 9.984087003416997e-05,
71
+ "loss": 0.5737,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.08465608465608465,
76
+ "grad_norm": 1.040677823054172,
77
+ "learning_rate": 9.980356771007745e-05,
78
+ "loss": 0.59,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.09312169312169312,
83
+ "grad_norm": 1.2535421463288563,
84
+ "learning_rate": 9.976234963514244e-05,
85
+ "loss": 0.537,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.10158730158730159,
90
+ "grad_norm": 1.0340076526320245,
91
+ "learning_rate": 9.971721905009086e-05,
92
+ "loss": 0.5238,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.11005291005291006,
97
+ "grad_norm": 0.9971098275169218,
98
+ "learning_rate": 9.966817950326541e-05,
99
+ "loss": 0.5225,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.11851851851851852,
104
+ "grad_norm": 1.227890883155069,
105
+ "learning_rate": 9.961523485034662e-05,
106
+ "loss": 0.5357,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.12698412698412698,
111
+ "grad_norm": 1.0605213954707176,
112
+ "learning_rate": 9.955838925404971e-05,
113
+ "loss": 0.5363,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.13544973544973546,
118
+ "grad_norm": 0.9916561072816364,
119
+ "learning_rate": 9.94976471837973e-05,
120
+ "loss": 0.5107,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.1439153439153439,
125
+ "grad_norm": 0.9224406793350302,
126
+ "learning_rate": 9.943301341536799e-05,
127
+ "loss": 0.5291,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.1523809523809524,
132
+ "grad_norm": 0.9459998168670802,
133
+ "learning_rate": 9.936449303052086e-05,
134
+ "loss": 0.4909,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.16084656084656085,
139
+ "grad_norm": 1.1437589163268378,
140
+ "learning_rate": 9.929209141659598e-05,
141
+ "loss": 0.5365,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.1693121693121693,
146
+ "grad_norm": 1.0253073070364553,
147
+ "learning_rate": 9.921581426609074e-05,
148
+ "loss": 0.5505,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.17777777777777778,
153
+ "grad_norm": 1.2156932145478005,
154
+ "learning_rate": 9.91356675762124e-05,
155
+ "loss": 0.5099,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.18624338624338624,
160
+ "grad_norm": 1.0357139504839994,
161
+ "learning_rate": 9.905165764840645e-05,
162
+ "loss": 0.5016,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.19470899470899472,
167
+ "grad_norm": 1.0513703237178957,
168
+ "learning_rate": 9.896379108786126e-05,
169
+ "loss": 0.502,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.20317460317460317,
174
+ "grad_norm": 1.0533509834595176,
175
+ "learning_rate": 9.88720748029887e-05,
176
+ "loss": 0.4945,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.21164021164021163,
181
+ "grad_norm": 1.0842886505846092,
182
+ "learning_rate": 9.877651600488099e-05,
183
+ "loss": 0.4765,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.2201058201058201,
188
+ "grad_norm": 1.0079186405663672,
189
+ "learning_rate": 9.867712220674374e-05,
190
+ "loss": 0.4842,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.22857142857142856,
195
+ "grad_norm": 0.9843739521940763,
196
+ "learning_rate": 9.857390122330522e-05,
197
+ "loss": 0.461,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.23703703703703705,
202
+ "grad_norm": 1.0682125354651388,
203
+ "learning_rate": 9.846686117020196e-05,
204
+ "loss": 0.4867,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.2455026455026455,
209
+ "grad_norm": 0.9969252730804404,
210
+ "learning_rate": 9.835601046334065e-05,
211
+ "loss": 0.4765,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.25396825396825395,
216
+ "grad_norm": 1.145271346749039,
217
+ "learning_rate": 9.82413578182364e-05,
218
+ "loss": 0.5131,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.2624338624338624,
223
+ "grad_norm": 1.0296375563736684,
224
+ "learning_rate": 9.81229122493276e-05,
225
+ "loss": 0.4762,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.2708994708994709,
230
+ "grad_norm": 1.0014721034964151,
231
+ "learning_rate": 9.800068306926708e-05,
232
+ "loss": 0.4663,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.27936507936507937,
237
+ "grad_norm": 1.0076225606653653,
238
+ "learning_rate": 9.787467988818997e-05,
239
+ "loss": 0.4918,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.2878306878306878,
244
+ "grad_norm": 1.1916493242294524,
245
+ "learning_rate": 9.774491261295807e-05,
246
+ "loss": 0.4712,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.2962962962962963,
251
+ "grad_norm": 1.0123926586182874,
252
+ "learning_rate": 9.761139144638094e-05,
253
+ "loss": 0.4648,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.3047619047619048,
258
+ "grad_norm": 1.0273059230601556,
259
+ "learning_rate": 9.747412688641372e-05,
260
+ "loss": 0.4956,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.31322751322751324,
265
+ "grad_norm": 1.1785090929345263,
266
+ "learning_rate": 9.733312972533182e-05,
267
+ "loss": 0.4788,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.3216931216931217,
272
+ "grad_norm": 1.0144172117749461,
273
+ "learning_rate": 9.71884110488822e-05,
274
+ "loss": 0.4596,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.33015873015873015,
279
+ "grad_norm": 1.043899340203269,
280
+ "learning_rate": 9.703998223541196e-05,
281
+ "loss": 0.4579,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.3386243386243386,
286
+ "grad_norm": 1.1486794203887134,
287
+ "learning_rate": 9.688785495497366e-05,
288
+ "loss": 0.4699,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.3470899470899471,
293
+ "grad_norm": 1.0373759945758736,
294
+ "learning_rate": 9.673204116840768e-05,
295
+ "loss": 0.4794,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.35555555555555557,
300
+ "grad_norm": 0.9675582489645671,
301
+ "learning_rate": 9.6572553126402e-05,
302
+ "loss": 0.4506,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.364021164021164,
307
+ "grad_norm": 0.9254293000510532,
308
+ "learning_rate": 9.640940336852884e-05,
309
+ "loss": 0.4633,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.3724867724867725,
314
+ "grad_norm": 1.0325559808636224,
315
+ "learning_rate": 9.624260472225882e-05,
316
+ "loss": 0.45,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.38095238095238093,
321
+ "grad_norm": 1.012802385726723,
322
+ "learning_rate": 9.607217030195242e-05,
323
+ "loss": 0.4618,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.38941798941798944,
328
+ "grad_norm": 1.0486189015875456,
329
+ "learning_rate": 9.589811350782884e-05,
330
+ "loss": 0.4694,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.3978835978835979,
335
+ "grad_norm": 1.1012030940322182,
336
+ "learning_rate": 9.572044802491247e-05,
337
+ "loss": 0.4505,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.40634920634920635,
342
+ "grad_norm": 1.0060674054310905,
343
+ "learning_rate": 9.553918782195688e-05,
344
+ "loss": 0.452,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.4148148148148148,
349
+ "grad_norm": 1.022772188842258,
350
+ "learning_rate": 9.535434715034656e-05,
351
+ "loss": 0.4356,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.42328042328042326,
356
+ "grad_norm": 0.9036986631596517,
357
+ "learning_rate": 9.516594054297642e-05,
358
+ "loss": 0.454,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.43174603174603177,
363
+ "grad_norm": 0.8998291431871417,
364
+ "learning_rate": 9.497398281310914e-05,
365
+ "loss": 0.4162,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.4402116402116402,
370
+ "grad_norm": 0.9267883794464391,
371
+ "learning_rate": 9.477848905321055e-05,
372
+ "loss": 0.453,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.4486772486772487,
377
+ "grad_norm": 1.0322711884681597,
378
+ "learning_rate": 9.45794746337629e-05,
379
+ "loss": 0.4505,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.45714285714285713,
384
+ "grad_norm": 1.0203838607248878,
385
+ "learning_rate": 9.43769552020565e-05,
386
+ "loss": 0.4384,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.4656084656084656,
391
+ "grad_norm": 0.9881433507860394,
392
+ "learning_rate": 9.417094668095932e-05,
393
+ "loss": 0.4606,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.4740740740740741,
398
+ "grad_norm": 1.0302659809674581,
399
+ "learning_rate": 9.396146526766522e-05,
400
+ "loss": 0.4285,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.48253968253968255,
405
+ "grad_norm": 1.0511136894758872,
406
+ "learning_rate": 9.374852743242037e-05,
407
+ "loss": 0.4643,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.491005291005291,
412
+ "grad_norm": 0.9837494678922593,
413
+ "learning_rate": 9.353214991722834e-05,
414
+ "loss": 0.4461,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.49947089947089945,
419
+ "grad_norm": 0.9920985093408109,
420
+ "learning_rate": 9.331234973453375e-05,
421
+ "loss": 0.4655,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.5079365079365079,
426
+ "grad_norm": 0.980959216204584,
427
+ "learning_rate": 9.308914416588468e-05,
428
+ "loss": 0.4155,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.5164021164021164,
433
+ "grad_norm": 1.031774153957894,
434
+ "learning_rate": 9.286255076057395e-05,
435
+ "loss": 0.4213,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.5248677248677248,
440
+ "grad_norm": 0.8674398091480106,
441
+ "learning_rate": 9.263258733425933e-05,
442
+ "loss": 0.4076,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.5333333333333333,
447
+ "grad_norm": 1.0196562220963516,
448
+ "learning_rate": 9.239927196756279e-05,
449
+ "loss": 0.4496,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.5417989417989418,
454
+ "grad_norm": 1.015803047506094,
455
+ "learning_rate": 9.216262300464893e-05,
456
+ "loss": 0.4399,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.5502645502645502,
461
+ "grad_norm": 0.8444200783279879,
462
+ "learning_rate": 9.192265905178269e-05,
463
+ "loss": 0.4394,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.5587301587301587,
468
+ "grad_norm": 0.9377213246241002,
469
+ "learning_rate": 9.167939897586647e-05,
470
+ "loss": 0.4483,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.5671957671957671,
475
+ "grad_norm": 1.059524915742627,
476
+ "learning_rate": 9.143286190295668e-05,
477
+ "loss": 0.4307,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.5756613756613757,
482
+ "grad_norm": 0.923761212995823,
483
+ "learning_rate": 9.118306721676008e-05,
484
+ "loss": 0.4508,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.5841269841269842,
489
+ "grad_norm": 1.0801213897332445,
490
+ "learning_rate": 9.09300345571097e-05,
491
+ "loss": 0.4454,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.5925925925925926,
496
+ "grad_norm": 1.0572026584991792,
497
+ "learning_rate": 9.067378381842063e-05,
498
+ "loss": 0.4056,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.6010582010582011,
503
+ "grad_norm": 0.887247483674217,
504
+ "learning_rate": 9.041433514812589e-05,
505
+ "loss": 0.4565,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.6095238095238096,
510
+ "grad_norm": 0.9437825913047283,
511
+ "learning_rate": 9.015170894509244e-05,
512
+ "loss": 0.3808,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.617989417989418,
517
+ "grad_norm": 0.9193237876699505,
518
+ "learning_rate": 8.988592585801719e-05,
519
+ "loss": 0.4397,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.6264550264550265,
524
+ "grad_norm": 1.0095223700805926,
525
+ "learning_rate": 8.961700678380359e-05,
526
+ "loss": 0.4667,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.6349206349206349,
531
+ "grad_norm": 1.0449169193411385,
532
+ "learning_rate": 8.93449728659187e-05,
533
+ "loss": 0.4269,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.6433862433862434,
538
+ "grad_norm": 0.980016186986963,
539
+ "learning_rate": 8.906984549273069e-05,
540
+ "loss": 0.4324,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.6518518518518519,
545
+ "grad_norm": 0.9073046321616872,
546
+ "learning_rate": 8.879164629582726e-05,
547
+ "loss": 0.3978,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.6603174603174603,
552
+ "grad_norm": 1.0375673558788747,
553
+ "learning_rate": 8.851039714831492e-05,
554
+ "loss": 0.4076,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.6687830687830688,
559
+ "grad_norm": 0.9857310889370984,
560
+ "learning_rate": 8.822612016309915e-05,
561
+ "loss": 0.4167,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.6772486772486772,
566
+ "grad_norm": 0.8471996503361908,
567
+ "learning_rate": 8.793883769114586e-05,
568
+ "loss": 0.4043,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.6857142857142857,
573
+ "grad_norm": 0.8920445010354429,
574
+ "learning_rate": 8.764857231972408e-05,
575
+ "loss": 0.4277,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.6941798941798942,
580
+ "grad_norm": 1.0104461104380098,
581
+ "learning_rate": 8.735534687062999e-05,
582
+ "loss": 0.4141,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.7026455026455026,
587
+ "grad_norm": 0.9774326975200812,
588
+ "learning_rate": 8.70591843983927e-05,
589
+ "loss": 0.4257,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.7111111111111111,
594
+ "grad_norm": 0.8665516757336554,
595
+ "learning_rate": 8.676010818846145e-05,
596
+ "loss": 0.4399,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.7195767195767195,
601
+ "grad_norm": 1.0277004789770665,
602
+ "learning_rate": 8.645814175537497e-05,
603
+ "loss": 0.4514,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.728042328042328,
608
+ "grad_norm": 0.9204427078381576,
609
+ "learning_rate": 8.615330884091261e-05,
610
+ "loss": 0.4144,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.7365079365079366,
615
+ "grad_norm": 1.1301407306313882,
616
+ "learning_rate": 8.584563341222765e-05,
617
+ "loss": 0.3885,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.744973544973545,
622
+ "grad_norm": 0.9458002020904854,
623
+ "learning_rate": 8.553513965996293e-05,
624
+ "loss": 0.4365,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.7534391534391535,
629
+ "grad_norm": 0.9889479454065517,
630
+ "learning_rate": 8.52218519963489e-05,
631
+ "loss": 0.4229,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.7619047619047619,
636
+ "grad_norm": 0.850438656019796,
637
+ "learning_rate": 8.490579505328424e-05,
638
+ "loss": 0.4306,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.7703703703703704,
643
+ "grad_norm": 0.9370585479712853,
644
+ "learning_rate": 8.458699368039913e-05,
645
+ "loss": 0.4362,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.7788359788359789,
650
+ "grad_norm": 0.9677664011225651,
651
+ "learning_rate": 8.426547294310159e-05,
652
+ "loss": 0.4025,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.7873015873015873,
657
+ "grad_norm": 1.029715838177075,
658
+ "learning_rate": 8.394125812060666e-05,
659
+ "loss": 0.4093,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.7957671957671958,
664
+ "grad_norm": 0.9344248674021697,
665
+ "learning_rate": 8.361437470394889e-05,
666
+ "loss": 0.4039,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.8042328042328042,
671
+ "grad_norm": 0.9458006999291949,
672
+ "learning_rate": 8.328484839397807e-05,
673
+ "loss": 0.3985,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.8126984126984127,
678
+ "grad_norm": 0.9459246300643047,
679
+ "learning_rate": 8.295270509933862e-05,
680
+ "loss": 0.4092,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.8211640211640212,
685
+ "grad_norm": 1.0060543461216613,
686
+ "learning_rate": 8.261797093443249e-05,
687
+ "loss": 0.395,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.8296296296296296,
692
+ "grad_norm": 1.1118301896881613,
693
+ "learning_rate": 8.228067221736595e-05,
694
+ "loss": 0.3968,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.8380952380952381,
699
+ "grad_norm": 0.9258014283812922,
700
+ "learning_rate": 8.19408354678804e-05,
701
+ "loss": 0.4025,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 0.8465608465608465,
706
+ "grad_norm": 0.9611975674417222,
707
+ "learning_rate": 8.159848740526723e-05,
708
+ "loss": 0.4189,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 0.855026455026455,
713
+ "grad_norm": 1.0106358106141422,
714
+ "learning_rate": 8.125365494626706e-05,
715
+ "loss": 0.4062,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 0.8634920634920635,
720
+ "grad_norm": 1.0337925818103473,
721
+ "learning_rate": 8.090636520295348e-05,
722
+ "loss": 0.4064,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 0.8719576719576719,
727
+ "grad_norm": 0.9347719089761312,
728
+ "learning_rate": 8.055664548060131e-05,
729
+ "loss": 0.4085,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 0.8804232804232804,
734
+ "grad_norm": 0.9001085371362909,
735
+ "learning_rate": 8.020452327553986e-05,
736
+ "loss": 0.4206,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 0.8888888888888888,
741
+ "grad_norm": 0.9005574040109541,
742
+ "learning_rate": 7.9850026272991e-05,
743
+ "loss": 0.4139,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 0.8973544973544973,
748
+ "grad_norm": 0.9668702597620379,
749
+ "learning_rate": 7.94931823448924e-05,
750
+ "loss": 0.4152,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 0.9058201058201059,
755
+ "grad_norm": 1.055087550179992,
756
+ "learning_rate": 7.913401954770622e-05,
757
+ "loss": 0.3971,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 0.9142857142857143,
762
+ "grad_norm": 0.8974328370738465,
763
+ "learning_rate": 7.877256612021312e-05,
764
+ "loss": 0.4147,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 0.9227513227513228,
769
+ "grad_norm": 1.0826599341716459,
770
+ "learning_rate": 7.84088504812921e-05,
771
+ "loss": 0.4012,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 0.9312169312169312,
776
+ "grad_norm": 0.9939329938043986,
777
+ "learning_rate": 7.804290122768601e-05,
778
+ "loss": 0.3925,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 0.9396825396825397,
783
+ "grad_norm": 0.8740614733530233,
784
+ "learning_rate": 7.767474713175321e-05,
785
+ "loss": 0.4102,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 0.9481481481481482,
790
+ "grad_norm": 0.9603955711346013,
791
+ "learning_rate": 7.73044171392054e-05,
792
+ "loss": 0.4065,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 0.9566137566137566,
797
+ "grad_norm": 1.127743100139354,
798
+ "learning_rate": 7.69319403668317e-05,
799
+ "loss": 0.3827,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 0.9650793650793651,
804
+ "grad_norm": 0.860392518744168,
805
+ "learning_rate": 7.655734610020952e-05,
806
+ "loss": 0.4088,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 0.9735449735449735,
811
+ "grad_norm": 0.9182302824948408,
812
+ "learning_rate": 7.618066379140186e-05,
813
+ "loss": 0.4154,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 0.982010582010582,
818
+ "grad_norm": 0.9472264649293427,
819
+ "learning_rate": 7.580192305664174e-05,
820
+ "loss": 0.3986,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 0.9904761904761905,
825
+ "grad_norm": 0.8736825227580656,
826
+ "learning_rate": 7.542115367400376e-05,
827
+ "loss": 0.3929,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 0.9989417989417989,
832
+ "grad_norm": 0.9809536270766679,
833
+ "learning_rate": 7.503838558106263e-05,
834
+ "loss": 0.3868,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 1.0074074074074073,
839
+ "grad_norm": 1.0636167972989774,
840
+ "learning_rate": 7.465364887253949e-05,
841
+ "loss": 0.3725,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 1.0158730158730158,
846
+ "grad_norm": 1.107441272645184,
847
+ "learning_rate": 7.426697379793572e-05,
848
+ "loss": 0.3436,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 1.0243386243386243,
853
+ "grad_norm": 0.9993424372015514,
854
+ "learning_rate": 7.387839075915465e-05,
855
+ "loss": 0.3434,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 1.0328042328042328,
860
+ "grad_norm": 0.9466656285727851,
861
+ "learning_rate": 7.348793030811111e-05,
862
+ "loss": 0.3333,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 1.0412698412698413,
867
+ "grad_norm": 0.9712036510252812,
868
+ "learning_rate": 7.309562314432952e-05,
869
+ "loss": 0.3205,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 1.0497354497354496,
874
+ "grad_norm": 0.9567265246539378,
875
+ "learning_rate": 7.270150011252994e-05,
876
+ "loss": 0.3426,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 1.0582010582010581,
881
+ "grad_norm": 1.1511281895276615,
882
+ "learning_rate": 7.230559220020319e-05,
883
+ "loss": 0.3197,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 1.0666666666666667,
888
+ "grad_norm": 1.143315468276855,
889
+ "learning_rate": 7.190793053517424e-05,
890
+ "loss": 0.3317,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 1.0751322751322752,
895
+ "grad_norm": 0.9958926341045374,
896
+ "learning_rate": 7.1508546383155e-05,
897
+ "loss": 0.3264,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 1.0835978835978837,
902
+ "grad_norm": 1.028371010948524,
903
+ "learning_rate": 7.110747114528604e-05,
904
+ "loss": 0.3294,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 1.0920634920634922,
909
+ "grad_norm": 1.0914872277776548,
910
+ "learning_rate": 7.070473635566768e-05,
911
+ "loss": 0.3272,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 1.1005291005291005,
916
+ "grad_norm": 1.127102783013863,
917
+ "learning_rate": 7.030037367888069e-05,
918
+ "loss": 0.3382,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 1.108994708994709,
923
+ "grad_norm": 0.9437414070048694,
924
+ "learning_rate": 6.989441490749662e-05,
925
+ "loss": 0.313,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 1.1174603174603175,
930
+ "grad_norm": 1.018312148913929,
931
+ "learning_rate": 6.948689195957829e-05,
932
+ "loss": 0.3261,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 1.125925925925926,
937
+ "grad_norm": 1.1453502643848026,
938
+ "learning_rate": 6.907783687617017e-05,
939
+ "loss": 0.3295,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 1.1343915343915345,
944
+ "grad_norm": 1.0896304992556385,
945
+ "learning_rate": 6.866728181877914e-05,
946
+ "loss": 0.3208,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 1.1428571428571428,
951
+ "grad_norm": 1.0673296804602648,
952
+ "learning_rate": 6.825525906684593e-05,
953
+ "loss": 0.2993,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 1.1513227513227513,
958
+ "grad_norm": 1.155110295228161,
959
+ "learning_rate": 6.784180101520717e-05,
960
+ "loss": 0.3519,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 1.1597883597883598,
965
+ "grad_norm": 1.0507064287253836,
966
+ "learning_rate": 6.74269401715483e-05,
967
+ "loss": 0.3468,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 1.1682539682539683,
972
+ "grad_norm": 1.1767438102467995,
973
+ "learning_rate": 6.701070915384776e-05,
974
+ "loss": 0.3666,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 1.1767195767195768,
979
+ "grad_norm": 1.1040760205989266,
980
+ "learning_rate": 6.659314068781241e-05,
981
+ "loss": 0.3516,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 1.1851851851851851,
986
+ "grad_norm": 1.1334475282531191,
987
+ "learning_rate": 6.617426760430457e-05,
988
+ "loss": 0.3444,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 1.1936507936507936,
993
+ "grad_norm": 1.020666210262446,
994
+ "learning_rate": 6.575412283676063e-05,
995
+ "loss": 0.3246,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 1.2021164021164021,
1000
+ "grad_norm": 1.088794196150716,
1001
+ "learning_rate": 6.533273941860174e-05,
1002
+ "loss": 0.3406,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 1.2105820105820106,
1007
+ "grad_norm": 1.0604023713287243,
1008
+ "learning_rate": 6.491015048063662e-05,
1009
+ "loss": 0.3383,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 1.2190476190476192,
1014
+ "grad_norm": 1.0596416270343272,
1015
+ "learning_rate": 6.448638924845662e-05,
1016
+ "loss": 0.3217,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 1.2275132275132274,
1021
+ "grad_norm": 1.1101059810936256,
1022
+ "learning_rate": 6.40614890398235e-05,
1023
+ "loss": 0.3481,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 1.235978835978836,
1028
+ "grad_norm": 1.0321989665703173,
1029
+ "learning_rate": 6.36354832620497e-05,
1030
+ "loss": 0.3313,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 1.2444444444444445,
1035
+ "grad_norm": 1.076200733585246,
1036
+ "learning_rate": 6.320840540937196e-05,
1037
+ "loss": 0.3286,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 1.252910052910053,
1042
+ "grad_norm": 1.2096711574512293,
1043
+ "learning_rate": 6.278028906031757e-05,
1044
+ "loss": 0.337,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 1.2613756613756615,
1049
+ "grad_norm": 1.10111033029835,
1050
+ "learning_rate": 6.235116787506458e-05,
1051
+ "loss": 0.3373,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 1.2698412698412698,
1056
+ "grad_norm": 1.0054036677530953,
1057
+ "learning_rate": 6.192107559279513e-05,
1058
+ "loss": 0.344,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 1.2783068783068783,
1063
+ "grad_norm": 1.1848267908504544,
1064
+ "learning_rate": 6.14900460290428e-05,
1065
+ "loss": 0.3273,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 1.2867724867724868,
1070
+ "grad_norm": 1.1024985637947646,
1071
+ "learning_rate": 6.105811307303391e-05,
1072
+ "loss": 0.3283,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 1.2952380952380953,
1077
+ "grad_norm": 0.9670540378850452,
1078
+ "learning_rate": 6.0625310685023006e-05,
1079
+ "loss": 0.3365,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 1.3037037037037038,
1084
+ "grad_norm": 1.1427343254939735,
1085
+ "learning_rate": 6.0191672893622766e-05,
1086
+ "loss": 0.3634,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 1.312169312169312,
1091
+ "grad_norm": 1.1927363160896671,
1092
+ "learning_rate": 5.975723379312851e-05,
1093
+ "loss": 0.3269,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 1.3206349206349206,
1098
+ "grad_norm": 1.0661933157446577,
1099
+ "learning_rate": 5.932202754083765e-05,
1100
+ "loss": 0.3635,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 1.3291005291005291,
1105
+ "grad_norm": 1.080671677917908,
1106
+ "learning_rate": 5.888608835436408e-05,
1107
+ "loss": 0.3288,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 1.3375661375661376,
1112
+ "grad_norm": 1.0117605430718117,
1113
+ "learning_rate": 5.844945050894779e-05,
1114
+ "loss": 0.3225,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 1.3460317460317461,
1119
+ "grad_norm": 0.9733421931133834,
1120
+ "learning_rate": 5.8012148334760077e-05,
1121
+ "loss": 0.3146,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 1.3544973544973544,
1126
+ "grad_norm": 1.0677601655228577,
1127
+ "learning_rate": 5.757421621420438e-05,
1128
+ "loss": 0.323,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 1.362962962962963,
1133
+ "grad_norm": 1.027062473997525,
1134
+ "learning_rate": 5.713568857921296e-05,
1135
+ "loss": 0.3071,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 1.3714285714285714,
1140
+ "grad_norm": 0.979546471375574,
1141
+ "learning_rate": 5.669659990853975e-05,
1142
+ "loss": 0.3317,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 1.37989417989418,
1147
+ "grad_norm": 1.065648765600161,
1148
+ "learning_rate": 5.62569847250495e-05,
1149
+ "loss": 0.3109,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 1.3883597883597885,
1154
+ "grad_norm": 0.9904468465024019,
1155
+ "learning_rate": 5.581687759300344e-05,
1156
+ "loss": 0.3295,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 1.3968253968253967,
1161
+ "grad_norm": 1.032660358149486,
1162
+ "learning_rate": 5.537631311534176e-05,
1163
+ "loss": 0.3112,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 1.4052910052910053,
1168
+ "grad_norm": 1.2430136826049512,
1169
+ "learning_rate": 5.493532593096289e-05,
1170
+ "loss": 0.3449,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 1.4137566137566138,
1175
+ "grad_norm": 1.1898277112027362,
1176
+ "learning_rate": 5.449395071200014e-05,
1177
+ "loss": 0.3341,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 1.4222222222222223,
1182
+ "grad_norm": 1.043179777209729,
1183
+ "learning_rate": 5.40522221610956e-05,
1184
+ "loss": 0.336,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 1.4306878306878308,
1189
+ "grad_norm": 1.0248865486416825,
1190
+ "learning_rate": 5.3610175008671736e-05,
1191
+ "loss": 0.3238,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 1.439153439153439,
1196
+ "grad_norm": 1.1689685076211649,
1197
+ "learning_rate": 5.316784401020064e-05,
1198
+ "loss": 0.346,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 1.4476190476190476,
1203
+ "grad_norm": 0.911540237077825,
1204
+ "learning_rate": 5.272526394347156e-05,
1205
+ "loss": 0.3282,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 1.456084656084656,
1210
+ "grad_norm": 1.0990655046574285,
1211
+ "learning_rate": 5.228246960585639e-05,
1212
+ "loss": 0.3362,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 1.4645502645502646,
1217
+ "grad_norm": 1.0636049790842568,
1218
+ "learning_rate": 5.18394958115739e-05,
1219
+ "loss": 0.3326,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 1.4730158730158731,
1224
+ "grad_norm": 0.9983006726426711,
1225
+ "learning_rate": 5.139637738895243e-05,
1226
+ "loss": 0.3277,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 1.4814814814814814,
1231
+ "grad_norm": 1.1542167670907033,
1232
+ "learning_rate": 5.0953149177691526e-05,
1233
+ "loss": 0.3094,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 1.48994708994709,
1238
+ "grad_norm": 1.1340593143811428,
1239
+ "learning_rate": 5.0509846026122796e-05,
1240
+ "loss": 0.3299,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 1.4984126984126984,
1245
+ "grad_norm": 1.058208878715113,
1246
+ "learning_rate": 5.006650278846991e-05,
1247
+ "loss": 0.3034,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 1.506878306878307,
1252
+ "grad_norm": 1.0744521042723432,
1253
+ "learning_rate": 4.962315432210827e-05,
1254
+ "loss": 0.3426,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 1.5153439153439154,
1259
+ "grad_norm": 1.1542452796166005,
1260
+ "learning_rate": 4.917983548482439e-05,
1261
+ "loss": 0.3218,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 1.5238095238095237,
1266
+ "grad_norm": 1.0168410109864015,
1267
+ "learning_rate": 4.873658113207526e-05,
1268
+ "loss": 0.3349,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 1.5322751322751322,
1273
+ "grad_norm": 0.9972037732726962,
1274
+ "learning_rate": 4.8293426114247755e-05,
1275
+ "loss": 0.3172,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 1.5407407407407407,
1280
+ "grad_norm": 1.0573820943940695,
1281
+ "learning_rate": 4.785040527391876e-05,
1282
+ "loss": 0.337,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 1.5492063492063493,
1287
+ "grad_norm": 0.9881874822329866,
1288
+ "learning_rate": 4.740755344311549e-05,
1289
+ "loss": 0.3067,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 1.5576719576719578,
1294
+ "grad_norm": 1.1012178266159593,
1295
+ "learning_rate": 4.6964905440577074e-05,
1296
+ "loss": 0.3361,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 1.566137566137566,
1301
+ "grad_norm": 1.1008138761037878,
1302
+ "learning_rate": 4.6522496069016823e-05,
1303
+ "loss": 0.3143,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 1.5746031746031746,
1308
+ "grad_norm": 1.0000855307005652,
1309
+ "learning_rate": 4.6080360112385914e-05,
1310
+ "loss": 0.3268,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 1.583068783068783,
1315
+ "grad_norm": 1.0946371145172427,
1316
+ "learning_rate": 4.5638532333138656e-05,
1317
+ "loss": 0.324,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 1.5915343915343916,
1322
+ "grad_norm": 1.1665682442710945,
1323
+ "learning_rate": 4.519704746949915e-05,
1324
+ "loss": 0.3056,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 1.6,
1329
+ "grad_norm": 1.042537667391268,
1330
+ "learning_rate": 4.475594023273024e-05,
1331
+ "loss": 0.3228,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 1.6084656084656084,
1336
+ "grad_norm": 1.2077526566227794,
1337
+ "learning_rate": 4.4315245304404175e-05,
1338
+ "loss": 0.3219,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 1.6169312169312169,
1343
+ "grad_norm": 0.9726841884389219,
1344
+ "learning_rate": 4.3874997333676e-05,
1345
+ "loss": 0.3071,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 1.6253968253968254,
1350
+ "grad_norm": 1.0872803982697865,
1351
+ "learning_rate": 4.343523093455909e-05,
1352
+ "loss": 0.3169,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 1.633862433862434,
1357
+ "grad_norm": 1.094914483331633,
1358
+ "learning_rate": 4.2995980683203905e-05,
1359
+ "loss": 0.3152,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 1.6423280423280424,
1364
+ "grad_norm": 1.0181256444534053,
1365
+ "learning_rate": 4.255728111517929e-05,
1366
+ "loss": 0.3403,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 1.6507936507936507,
1371
+ "grad_norm": 1.126842585732799,
1372
+ "learning_rate": 4.211916672275722e-05,
1373
+ "loss": 0.3132,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 1.6592592592592592,
1378
+ "grad_norm": 0.9511685681942271,
1379
+ "learning_rate": 4.168167195220088e-05,
1380
+ "loss": 0.299,
1381
+ "step": 1960
1382
+ },
1383
+ {
1384
+ "epoch": 1.6677248677248677,
1385
+ "grad_norm": 0.9727568749103337,
1386
+ "learning_rate": 4.1244831201056375e-05,
1387
+ "loss": 0.3059,
1388
+ "step": 1970
1389
+ },
1390
+ {
1391
+ "epoch": 1.6761904761904762,
1392
+ "grad_norm": 1.1382165054479474,
1393
+ "learning_rate": 4.080867881544826e-05,
1394
+ "loss": 0.318,
1395
+ "step": 1980
1396
+ },
1397
+ {
1398
+ "epoch": 1.6846560846560847,
1399
+ "grad_norm": 1.0381544841427086,
1400
+ "learning_rate": 4.037324908737909e-05,
1401
+ "loss": 0.3076,
1402
+ "step": 1990
1403
+ },
1404
+ {
1405
+ "epoch": 1.693121693121693,
1406
+ "grad_norm": 1.1334587465684427,
1407
+ "learning_rate": 3.9938576252033256e-05,
1408
+ "loss": 0.3052,
1409
+ "step": 2000
1410
+ },
1411
+ {
1412
+ "epoch": 1.7015873015873015,
1413
+ "grad_norm": 0.9774012866079483,
1414
+ "learning_rate": 3.950469448508532e-05,
1415
+ "loss": 0.3095,
1416
+ "step": 2010
1417
+ },
1418
+ {
1419
+ "epoch": 1.71005291005291,
1420
+ "grad_norm": 1.0840882454796814,
1421
+ "learning_rate": 3.907163790001292e-05,
1422
+ "loss": 0.3246,
1423
+ "step": 2020
1424
+ },
1425
+ {
1426
+ "epoch": 1.7185185185185186,
1427
+ "grad_norm": 1.1578703078806882,
1428
+ "learning_rate": 3.863944054541474e-05,
1429
+ "loss": 0.3148,
1430
+ "step": 2030
1431
+ },
1432
+ {
1433
+ "epoch": 1.726984126984127,
1434
+ "grad_norm": 1.0210773839195724,
1435
+ "learning_rate": 3.8208136402333314e-05,
1436
+ "loss": 0.3256,
1437
+ "step": 2040
1438
+ },
1439
+ {
1440
+ "epoch": 1.7354497354497354,
1441
+ "grad_norm": 1.0794889187437258,
1442
+ "learning_rate": 3.7777759381583495e-05,
1443
+ "loss": 0.2897,
1444
+ "step": 2050
1445
+ },
1446
+ {
1447
+ "epoch": 1.7439153439153439,
1448
+ "grad_norm": 1.0452290154108226,
1449
+ "learning_rate": 3.73483433210861e-05,
1450
+ "loss": 0.3051,
1451
+ "step": 2060
1452
+ },
1453
+ {
1454
+ "epoch": 1.7523809523809524,
1455
+ "grad_norm": 1.0972215102884366,
1456
+ "learning_rate": 3.691992198320753e-05,
1457
+ "loss": 0.3165,
1458
+ "step": 2070
1459
+ },
1460
+ {
1461
+ "epoch": 1.7608465608465609,
1462
+ "grad_norm": 1.102108276028283,
1463
+ "learning_rate": 3.649252905210519e-05,
1464
+ "loss": 0.2911,
1465
+ "step": 2080
1466
+ },
1467
+ {
1468
+ "epoch": 1.7693121693121694,
1469
+ "grad_norm": 1.0290079519183777,
1470
+ "learning_rate": 3.6066198131079146e-05,
1471
+ "loss": 0.3129,
1472
+ "step": 2090
1473
+ },
1474
+ {
1475
+ "epoch": 1.7777777777777777,
1476
+ "grad_norm": 1.0920319523740303,
1477
+ "learning_rate": 3.564096273993012e-05,
1478
+ "loss": 0.313,
1479
+ "step": 2100
1480
+ },
1481
+ {
1482
+ "epoch": 1.7862433862433862,
1483
+ "grad_norm": 1.2412824592232703,
1484
+ "learning_rate": 3.521685631232392e-05,
1485
+ "loss": 0.3202,
1486
+ "step": 2110
1487
+ },
1488
+ {
1489
+ "epoch": 1.7947089947089947,
1490
+ "grad_norm": 0.9652001472992224,
1491
+ "learning_rate": 3.479391219316291e-05,
1492
+ "loss": 0.3058,
1493
+ "step": 2120
1494
+ },
1495
+ {
1496
+ "epoch": 1.8031746031746032,
1497
+ "grad_norm": 1.2084364290298202,
1498
+ "learning_rate": 3.437216363596418e-05,
1499
+ "loss": 0.3192,
1500
+ "step": 2130
1501
+ },
1502
+ {
1503
+ "epoch": 1.8116402116402117,
1504
+ "grad_norm": 1.0200010445985095,
1505
+ "learning_rate": 3.395164380024512e-05,
1506
+ "loss": 0.3239,
1507
+ "step": 2140
1508
+ },
1509
+ {
1510
+ "epoch": 1.82010582010582,
1511
+ "grad_norm": 1.1971574618602432,
1512
+ "learning_rate": 3.3532385748916164e-05,
1513
+ "loss": 0.3229,
1514
+ "step": 2150
1515
+ },
1516
+ {
1517
+ "epoch": 1.8285714285714287,
1518
+ "grad_norm": 1.1807655262100478,
1519
+ "learning_rate": 3.3114422445681425e-05,
1520
+ "loss": 0.3136,
1521
+ "step": 2160
1522
+ },
1523
+ {
1524
+ "epoch": 1.837037037037037,
1525
+ "grad_norm": 1.2349063591796927,
1526
+ "learning_rate": 3.269778675244684e-05,
1527
+ "loss": 0.2882,
1528
+ "step": 2170
1529
+ },
1530
+ {
1531
+ "epoch": 1.8455026455026455,
1532
+ "grad_norm": 1.0765110541279164,
1533
+ "learning_rate": 3.22825114267364e-05,
1534
+ "loss": 0.295,
1535
+ "step": 2180
1536
+ },
1537
+ {
1538
+ "epoch": 1.853968253968254,
1539
+ "grad_norm": 1.220972473914235,
1540
+ "learning_rate": 3.1868629119116794e-05,
1541
+ "loss": 0.3176,
1542
+ "step": 2190
1543
+ },
1544
+ {
1545
+ "epoch": 1.8624338624338623,
1546
+ "grad_norm": 1.1122856433998665,
1547
+ "learning_rate": 3.1456172370630124e-05,
1548
+ "loss": 0.3324,
1549
+ "step": 2200
1550
+ },
1551
+ {
1552
+ "epoch": 1.870899470899471,
1553
+ "grad_norm": 1.1724923812151078,
1554
+ "learning_rate": 3.10451736102355e-05,
1555
+ "loss": 0.3091,
1556
+ "step": 2210
1557
+ },
1558
+ {
1559
+ "epoch": 1.8793650793650793,
1560
+ "grad_norm": 1.1020637891223475,
1561
+ "learning_rate": 3.0635665152259295e-05,
1562
+ "loss": 0.2955,
1563
+ "step": 2220
1564
+ },
1565
+ {
1566
+ "epoch": 1.8878306878306879,
1567
+ "grad_norm": 1.0318878630934867,
1568
+ "learning_rate": 3.0227679193854513e-05,
1569
+ "loss": 0.3195,
1570
+ "step": 2230
1571
+ },
1572
+ {
1573
+ "epoch": 1.8962962962962964,
1574
+ "grad_norm": 1.1032921856519728,
1575
+ "learning_rate": 2.982124781246932e-05,
1576
+ "loss": 0.3039,
1577
+ "step": 2240
1578
+ },
1579
+ {
1580
+ "epoch": 1.9047619047619047,
1581
+ "grad_norm": 1.131389139262005,
1582
+ "learning_rate": 2.9416402963324896e-05,
1583
+ "loss": 0.2742,
1584
+ "step": 2250
1585
+ },
1586
+ {
1587
+ "epoch": 1.9132275132275134,
1588
+ "grad_norm": 1.1298513214593129,
1589
+ "learning_rate": 2.9013176476903147e-05,
1590
+ "loss": 0.3048,
1591
+ "step": 2260
1592
+ },
1593
+ {
1594
+ "epoch": 1.9216931216931217,
1595
+ "grad_norm": 1.081531730138643,
1596
+ "learning_rate": 2.8611600056443944e-05,
1597
+ "loss": 0.3206,
1598
+ "step": 2270
1599
+ },
1600
+ {
1601
+ "epoch": 1.9301587301587302,
1602
+ "grad_norm": 1.1056344145079804,
1603
+ "learning_rate": 2.821170527545254e-05,
1604
+ "loss": 0.2952,
1605
+ "step": 2280
1606
+ },
1607
+ {
1608
+ "epoch": 1.9386243386243387,
1609
+ "grad_norm": 1.144349889481454,
1610
+ "learning_rate": 2.7813523575217103e-05,
1611
+ "loss": 0.3037,
1612
+ "step": 2290
1613
+ },
1614
+ {
1615
+ "epoch": 1.947089947089947,
1616
+ "grad_norm": 1.187655971159083,
1617
+ "learning_rate": 2.7417086262336777e-05,
1618
+ "loss": 0.3054,
1619
+ "step": 2300
1620
+ },
1621
+ {
1622
+ "epoch": 1.9555555555555557,
1623
+ "grad_norm": 1.1111194236831317,
1624
+ "learning_rate": 2.7022424506260113e-05,
1625
+ "loss": 0.3161,
1626
+ "step": 2310
1627
+ },
1628
+ {
1629
+ "epoch": 1.964021164021164,
1630
+ "grad_norm": 1.0599427922691493,
1631
+ "learning_rate": 2.662956933683443e-05,
1632
+ "loss": 0.3171,
1633
+ "step": 2320
1634
+ },
1635
+ {
1636
+ "epoch": 1.9724867724867725,
1637
+ "grad_norm": 1.0305400657350645,
1638
+ "learning_rate": 2.623855164186625e-05,
1639
+ "loss": 0.2773,
1640
+ "step": 2330
1641
+ },
1642
+ {
1643
+ "epoch": 1.980952380952381,
1644
+ "grad_norm": 1.0485786323318997,
1645
+ "learning_rate": 2.5849402164692593e-05,
1646
+ "loss": 0.3122,
1647
+ "step": 2340
1648
+ },
1649
+ {
1650
+ "epoch": 1.9894179894179893,
1651
+ "grad_norm": 1.0781221238793617,
1652
+ "learning_rate": 2.546215150176394e-05,
1653
+ "loss": 0.3002,
1654
+ "step": 2350
1655
+ },
1656
+ {
1657
+ "epoch": 1.997883597883598,
1658
+ "grad_norm": 1.1041144624563863,
1659
+ "learning_rate": 2.507683010023857e-05,
1660
+ "loss": 0.3006,
1661
+ "step": 2360
1662
+ },
1663
+ {
1664
+ "epoch": 2.0063492063492063,
1665
+ "grad_norm": 1.0896577752739438,
1666
+ "learning_rate": 2.4693468255588752e-05,
1667
+ "loss": 0.2681,
1668
+ "step": 2370
1669
+ },
1670
+ {
1671
+ "epoch": 2.0148148148148146,
1672
+ "grad_norm": 1.0383913047696638,
1673
+ "learning_rate": 2.4312096109218684e-05,
1674
+ "loss": 0.2509,
1675
+ "step": 2380
1676
+ },
1677
+ {
1678
+ "epoch": 2.0232804232804233,
1679
+ "grad_norm": 1.1401361260342018,
1680
+ "learning_rate": 2.3932743646094736e-05,
1681
+ "loss": 0.2495,
1682
+ "step": 2390
1683
+ },
1684
+ {
1685
+ "epoch": 2.0317460317460316,
1686
+ "grad_norm": 1.327049946404094,
1687
+ "learning_rate": 2.3555440692387947e-05,
1688
+ "loss": 0.2394,
1689
+ "step": 2400
1690
+ },
1691
+ {
1692
+ "epoch": 2.0402116402116404,
1693
+ "grad_norm": 1.1859201205267982,
1694
+ "learning_rate": 2.3180216913128872e-05,
1695
+ "loss": 0.2344,
1696
+ "step": 2410
1697
+ },
1698
+ {
1699
+ "epoch": 2.0486772486772487,
1700
+ "grad_norm": 1.1188101435575566,
1701
+ "learning_rate": 2.2807101809875275e-05,
1702
+ "loss": 0.243,
1703
+ "step": 2420
1704
+ },
1705
+ {
1706
+ "epoch": 2.057142857142857,
1707
+ "grad_norm": 1.2283454742009063,
1708
+ "learning_rate": 2.2436124718392565e-05,
1709
+ "loss": 0.248,
1710
+ "step": 2430
1711
+ },
1712
+ {
1713
+ "epoch": 2.0656084656084657,
1714
+ "grad_norm": 1.2592754589750133,
1715
+ "learning_rate": 2.206731480634739e-05,
1716
+ "loss": 0.2434,
1717
+ "step": 2440
1718
+ },
1719
+ {
1720
+ "epoch": 2.074074074074074,
1721
+ "grad_norm": 1.237235140900468,
1722
+ "learning_rate": 2.1700701071014222e-05,
1723
+ "loss": 0.2417,
1724
+ "step": 2450
1725
+ },
1726
+ {
1727
+ "epoch": 2.0825396825396827,
1728
+ "grad_norm": 1.1749453984216076,
1729
+ "learning_rate": 2.1336312336995572e-05,
1730
+ "loss": 0.2402,
1731
+ "step": 2460
1732
+ },
1733
+ {
1734
+ "epoch": 2.091005291005291,
1735
+ "grad_norm": 1.1524857608371186,
1736
+ "learning_rate": 2.0974177253955657e-05,
1737
+ "loss": 0.2476,
1738
+ "step": 2470
1739
+ },
1740
+ {
1741
+ "epoch": 2.0994708994708993,
1742
+ "grad_norm": 1.264906725996053,
1743
+ "learning_rate": 2.0614324294367882e-05,
1744
+ "loss": 0.242,
1745
+ "step": 2480
1746
+ },
1747
+ {
1748
+ "epoch": 2.107936507936508,
1749
+ "grad_norm": 1.1340174663623572,
1750
+ "learning_rate": 2.025678175127623e-05,
1751
+ "loss": 0.247,
1752
+ "step": 2490
1753
+ },
1754
+ {
1755
+ "epoch": 2.1164021164021163,
1756
+ "grad_norm": 1.2832254402303773,
1757
+ "learning_rate": 1.9901577736070598e-05,
1758
+ "loss": 0.2418,
1759
+ "step": 2500
1760
+ },
1761
+ {
1762
+ "epoch": 2.124867724867725,
1763
+ "grad_norm": 1.2771941330999887,
1764
+ "learning_rate": 1.954874017627684e-05,
1765
+ "loss": 0.2504,
1766
+ "step": 2510
1767
+ },
1768
+ {
1769
+ "epoch": 2.1333333333333333,
1770
+ "grad_norm": 1.1685751238482767,
1771
+ "learning_rate": 1.9198296813360777e-05,
1772
+ "loss": 0.2442,
1773
+ "step": 2520
1774
+ },
1775
+ {
1776
+ "epoch": 2.1417989417989416,
1777
+ "grad_norm": 1.3155782809463616,
1778
+ "learning_rate": 1.8850275200547142e-05,
1779
+ "loss": 0.2453,
1780
+ "step": 2530
1781
+ },
1782
+ {
1783
+ "epoch": 2.1502645502645503,
1784
+ "grad_norm": 1.2290797778685365,
1785
+ "learning_rate": 1.8504702700653194e-05,
1786
+ "loss": 0.2488,
1787
+ "step": 2540
1788
+ },
1789
+ {
1790
+ "epoch": 2.1587301587301586,
1791
+ "grad_norm": 1.140239798893309,
1792
+ "learning_rate": 1.8161606483937433e-05,
1793
+ "loss": 0.2377,
1794
+ "step": 2550
1795
+ },
1796
+ {
1797
+ "epoch": 2.1671957671957673,
1798
+ "grad_norm": 1.2500773194969288,
1799
+ "learning_rate": 1.7821013525963316e-05,
1800
+ "loss": 0.2571,
1801
+ "step": 2560
1802
+ },
1803
+ {
1804
+ "epoch": 2.1756613756613756,
1805
+ "grad_norm": 1.2713658534451882,
1806
+ "learning_rate": 1.748295060547823e-05,
1807
+ "loss": 0.2449,
1808
+ "step": 2570
1809
+ },
1810
+ {
1811
+ "epoch": 2.1841269841269844,
1812
+ "grad_norm": 1.227362647774226,
1813
+ "learning_rate": 1.7147444302308273e-05,
1814
+ "loss": 0.2348,
1815
+ "step": 2580
1816
+ },
1817
+ {
1818
+ "epoch": 2.1925925925925926,
1819
+ "grad_norm": 1.3167422374415048,
1820
+ "learning_rate": 1.6814520995268207e-05,
1821
+ "loss": 0.2578,
1822
+ "step": 2590
1823
+ },
1824
+ {
1825
+ "epoch": 2.201058201058201,
1826
+ "grad_norm": 1.2496998676048467,
1827
+ "learning_rate": 1.6484206860087653e-05,
1828
+ "loss": 0.2358,
1829
+ "step": 2600
1830
+ },
1831
+ {
1832
+ "epoch": 2.2095238095238097,
1833
+ "grad_norm": 1.3111014362047553,
1834
+ "learning_rate": 1.6156527867352845e-05,
1835
+ "loss": 0.2288,
1836
+ "step": 2610
1837
+ },
1838
+ {
1839
+ "epoch": 2.217989417989418,
1840
+ "grad_norm": 1.2159616363632633,
1841
+ "learning_rate": 1.5831509780464947e-05,
1842
+ "loss": 0.2478,
1843
+ "step": 2620
1844
+ },
1845
+ {
1846
+ "epoch": 2.2264550264550262,
1847
+ "grad_norm": 1.2868454216177594,
1848
+ "learning_rate": 1.5509178153614233e-05,
1849
+ "loss": 0.2462,
1850
+ "step": 2630
1851
+ },
1852
+ {
1853
+ "epoch": 2.234920634920635,
1854
+ "grad_norm": 1.1236506253498473,
1855
+ "learning_rate": 1.5189558329771092e-05,
1856
+ "loss": 0.2475,
1857
+ "step": 2640
1858
+ },
1859
+ {
1860
+ "epoch": 2.2433862433862433,
1861
+ "grad_norm": 1.2767351170017573,
1862
+ "learning_rate": 1.48726754386933e-05,
1863
+ "loss": 0.2577,
1864
+ "step": 2650
1865
+ },
1866
+ {
1867
+ "epoch": 2.251851851851852,
1868
+ "grad_norm": 1.2742999056295827,
1869
+ "learning_rate": 1.4558554394950319e-05,
1870
+ "loss": 0.2257,
1871
+ "step": 2660
1872
+ },
1873
+ {
1874
+ "epoch": 2.2603174603174603,
1875
+ "grad_norm": 1.1388456844003385,
1876
+ "learning_rate": 1.4247219895964458e-05,
1877
+ "loss": 0.2366,
1878
+ "step": 2670
1879
+ },
1880
+ {
1881
+ "epoch": 2.268783068783069,
1882
+ "grad_norm": 1.1420407981573506,
1883
+ "learning_rate": 1.3938696420068887e-05,
1884
+ "loss": 0.246,
1885
+ "step": 2680
1886
+ },
1887
+ {
1888
+ "epoch": 2.2772486772486773,
1889
+ "grad_norm": 1.2447613234115074,
1890
+ "learning_rate": 1.3633008224583276e-05,
1891
+ "loss": 0.2362,
1892
+ "step": 2690
1893
+ },
1894
+ {
1895
+ "epoch": 2.2857142857142856,
1896
+ "grad_norm": 1.2110210828346344,
1897
+ "learning_rate": 1.3330179343906424e-05,
1898
+ "loss": 0.2271,
1899
+ "step": 2700
1900
+ },
1901
+ {
1902
+ "epoch": 2.2941798941798943,
1903
+ "grad_norm": 1.1743235820264755,
1904
+ "learning_rate": 1.303023358762669e-05,
1905
+ "loss": 0.2349,
1906
+ "step": 2710
1907
+ },
1908
+ {
1909
+ "epoch": 2.3026455026455026,
1910
+ "grad_norm": 1.2896552909609165,
1911
+ "learning_rate": 1.27331945386499e-05,
1912
+ "loss": 0.2586,
1913
+ "step": 2720
1914
+ },
1915
+ {
1916
+ "epoch": 2.311111111111111,
1917
+ "grad_norm": 1.192957421343539,
1918
+ "learning_rate": 1.2439085551345209e-05,
1919
+ "loss": 0.2417,
1920
+ "step": 2730
1921
+ },
1922
+ {
1923
+ "epoch": 2.3195767195767196,
1924
+ "grad_norm": 1.3450432316093512,
1925
+ "learning_rate": 1.2147929749708931e-05,
1926
+ "loss": 0.2412,
1927
+ "step": 2740
1928
+ },
1929
+ {
1930
+ "epoch": 2.328042328042328,
1931
+ "grad_norm": 1.3062883724180023,
1932
+ "learning_rate": 1.1859750025546362e-05,
1933
+ "loss": 0.235,
1934
+ "step": 2750
1935
+ },
1936
+ {
1937
+ "epoch": 2.3365079365079366,
1938
+ "grad_norm": 1.1575476428826368,
1939
+ "learning_rate": 1.1574569036671978e-05,
1940
+ "loss": 0.2429,
1941
+ "step": 2760
1942
+ },
1943
+ {
1944
+ "epoch": 2.344973544973545,
1945
+ "grad_norm": 1.2906490240628528,
1946
+ "learning_rate": 1.129240920512798e-05,
1947
+ "loss": 0.2359,
1948
+ "step": 2770
1949
+ },
1950
+ {
1951
+ "epoch": 2.3534391534391537,
1952
+ "grad_norm": 1.3845442578956821,
1953
+ "learning_rate": 1.101329271542143e-05,
1954
+ "loss": 0.2382,
1955
+ "step": 2780
1956
+ },
1957
+ {
1958
+ "epoch": 2.361904761904762,
1959
+ "grad_norm": 1.2463846728950012,
1960
+ "learning_rate": 1.0737241512779928e-05,
1961
+ "loss": 0.2458,
1962
+ "step": 2790
1963
+ },
1964
+ {
1965
+ "epoch": 2.3703703703703702,
1966
+ "grad_norm": 1.2537500156225916,
1967
+ "learning_rate": 1.046427730142625e-05,
1968
+ "loss": 0.2487,
1969
+ "step": 2800
1970
+ },
1971
+ {
1972
+ "epoch": 2.378835978835979,
1973
+ "grad_norm": 1.3091633501767908,
1974
+ "learning_rate": 1.0194421542871918e-05,
1975
+ "loss": 0.2369,
1976
+ "step": 2810
1977
+ },
1978
+ {
1979
+ "epoch": 2.3873015873015873,
1980
+ "grad_norm": 1.1820540371459332,
1981
+ "learning_rate": 9.927695454229713e-06,
1982
+ "loss": 0.2448,
1983
+ "step": 2820
1984
+ },
1985
+ {
1986
+ "epoch": 2.3957671957671955,
1987
+ "grad_norm": 1.2731529604104752,
1988
+ "learning_rate": 9.664120006545573e-06,
1989
+ "loss": 0.2419,
1990
+ "step": 2830
1991
+ },
1992
+ {
1993
+ "epoch": 2.4042328042328043,
1994
+ "grad_norm": 1.3027428739822569,
1995
+ "learning_rate": 9.403715923149742e-06,
1996
+ "loss": 0.2551,
1997
+ "step": 2840
1998
+ },
1999
+ {
2000
+ "epoch": 2.4126984126984126,
2001
+ "grad_norm": 1.3254079829534025,
2002
+ "learning_rate": 9.146503678027451e-06,
2003
+ "loss": 0.2178,
2004
+ "step": 2850
2005
+ },
2006
+ {
2007
+ "epoch": 2.4211640211640213,
2008
+ "grad_norm": 1.1613878892535392,
2009
+ "learning_rate": 8.892503494209132e-06,
2010
+ "loss": 0.227,
2011
+ "step": 2860
2012
+ },
2013
+ {
2014
+ "epoch": 2.4296296296296296,
2015
+ "grad_norm": 1.0705896579237715,
2016
+ "learning_rate": 8.641735342180402e-06,
2017
+ "loss": 0.2449,
2018
+ "step": 2870
2019
+ },
2020
+ {
2021
+ "epoch": 2.4380952380952383,
2022
+ "grad_norm": 1.2593614315530395,
2023
+ "learning_rate": 8.394218938311982e-06,
2024
+ "loss": 0.2287,
2025
+ "step": 2880
2026
+ },
2027
+ {
2028
+ "epoch": 2.4465608465608466,
2029
+ "grad_norm": 1.1359699627950683,
2030
+ "learning_rate": 8.149973743309414e-06,
2031
+ "loss": 0.2488,
2032
+ "step": 2890
2033
+ },
2034
+ {
2035
+ "epoch": 2.455026455026455,
2036
+ "grad_norm": 1.3447659451396483,
2037
+ "learning_rate": 7.909018960683052e-06,
2038
+ "loss": 0.2339,
2039
+ "step": 2900
2040
+ },
2041
+ {
2042
+ "epoch": 2.4634920634920636,
2043
+ "grad_norm": 1.056442260887814,
2044
+ "learning_rate": 7.671373535238168e-06,
2045
+ "loss": 0.25,
2046
+ "step": 2910
2047
+ },
2048
+ {
2049
+ "epoch": 2.471957671957672,
2050
+ "grad_norm": 1.240966774372524,
2051
+ "learning_rate": 7.437056151585514e-06,
2052
+ "loss": 0.2348,
2053
+ "step": 2920
2054
+ },
2055
+ {
2056
+ "epoch": 2.48042328042328,
2057
+ "grad_norm": 1.1279901312845086,
2058
+ "learning_rate": 7.206085232672155e-06,
2059
+ "loss": 0.2319,
2060
+ "step": 2930
2061
+ },
2062
+ {
2063
+ "epoch": 2.488888888888889,
2064
+ "grad_norm": 1.3442581999609493,
2065
+ "learning_rate": 6.978478938333055e-06,
2066
+ "loss": 0.23,
2067
+ "step": 2940
2068
+ },
2069
+ {
2070
+ "epoch": 2.497354497354497,
2071
+ "grad_norm": 1.3087593444833816,
2072
+ "learning_rate": 6.75425516386326e-06,
2073
+ "loss": 0.2571,
2074
+ "step": 2950
2075
+ },
2076
+ {
2077
+ "epoch": 2.505820105820106,
2078
+ "grad_norm": 1.2133121259337931,
2079
+ "learning_rate": 6.533431538610923e-06,
2080
+ "loss": 0.2291,
2081
+ "step": 2960
2082
+ },
2083
+ {
2084
+ "epoch": 2.5142857142857142,
2085
+ "grad_norm": 1.1919153490283616,
2086
+ "learning_rate": 6.3160254245911825e-06,
2087
+ "loss": 0.2393,
2088
+ "step": 2970
2089
+ },
2090
+ {
2091
+ "epoch": 2.522751322751323,
2092
+ "grad_norm": 1.4097002557717668,
2093
+ "learning_rate": 6.102053915121092e-06,
2094
+ "loss": 0.2595,
2095
+ "step": 2980
2096
+ },
2097
+ {
2098
+ "epoch": 2.5312169312169313,
2099
+ "grad_norm": 1.3516367010865522,
2100
+ "learning_rate": 5.891533833475732e-06,
2101
+ "loss": 0.2505,
2102
+ "step": 2990
2103
+ },
2104
+ {
2105
+ "epoch": 2.5396825396825395,
2106
+ "grad_norm": 1.250969302934421,
2107
+ "learning_rate": 5.684481731565433e-06,
2108
+ "loss": 0.2415,
2109
+ "step": 3000
2110
+ },
2111
+ {
2112
+ "epoch": 2.5481481481481483,
2113
+ "grad_norm": 1.136756466811525,
2114
+ "learning_rate": 5.48091388863442e-06,
2115
+ "loss": 0.2325,
2116
+ "step": 3010
2117
+ },
2118
+ {
2119
+ "epoch": 2.5566137566137566,
2120
+ "grad_norm": 1.231370156024587,
2121
+ "learning_rate": 5.280846309980892e-06,
2122
+ "loss": 0.2462,
2123
+ "step": 3020
2124
+ },
2125
+ {
2126
+ "epoch": 2.565079365079365,
2127
+ "grad_norm": 1.3326225138678371,
2128
+ "learning_rate": 5.0842947256986014e-06,
2129
+ "loss": 0.2412,
2130
+ "step": 3030
2131
+ },
2132
+ {
2133
+ "epoch": 2.5735449735449736,
2134
+ "grad_norm": 1.1660313881807405,
2135
+ "learning_rate": 4.891274589440148e-06,
2136
+ "loss": 0.2448,
2137
+ "step": 3040
2138
+ },
2139
+ {
2140
+ "epoch": 2.582010582010582,
2141
+ "grad_norm": 1.3191473663837276,
2142
+ "learning_rate": 4.7018010772018175e-06,
2143
+ "loss": 0.2436,
2144
+ "step": 3050
2145
+ },
2146
+ {
2147
+ "epoch": 2.5904761904761906,
2148
+ "grad_norm": 1.2540952812205302,
2149
+ "learning_rate": 4.515889086130565e-06,
2150
+ "loss": 0.2479,
2151
+ "step": 3060
2152
+ },
2153
+ {
2154
+ "epoch": 2.598941798941799,
2155
+ "grad_norm": 1.2017713792968152,
2156
+ "learning_rate": 4.333553233352589e-06,
2157
+ "loss": 0.2566,
2158
+ "step": 3070
2159
+ },
2160
+ {
2161
+ "epoch": 2.6074074074074076,
2162
+ "grad_norm": 1.29908123750953,
2163
+ "learning_rate": 4.154807854824194e-06,
2164
+ "loss": 0.2602,
2165
+ "step": 3080
2166
+ },
2167
+ {
2168
+ "epoch": 2.615873015873016,
2169
+ "grad_norm": 1.4243808220545542,
2170
+ "learning_rate": 3.979667004204535e-06,
2171
+ "loss": 0.2398,
2172
+ "step": 3090
2173
+ },
2174
+ {
2175
+ "epoch": 2.624338624338624,
2176
+ "grad_norm": 1.3457308926738438,
2177
+ "learning_rate": 3.808144451750756e-06,
2178
+ "loss": 0.2308,
2179
+ "step": 3100
2180
+ },
2181
+ {
2182
+ "epoch": 2.632804232804233,
2183
+ "grad_norm": 1.3407484748421956,
2184
+ "learning_rate": 3.640253683235262e-06,
2185
+ "loss": 0.2511,
2186
+ "step": 3110
2187
+ },
2188
+ {
2189
+ "epoch": 2.641269841269841,
2190
+ "grad_norm": 1.2093265189235727,
2191
+ "learning_rate": 3.4760078988854305e-06,
2192
+ "loss": 0.2335,
2193
+ "step": 3120
2194
+ },
2195
+ {
2196
+ "epoch": 2.6497354497354495,
2197
+ "grad_norm": 1.287221034400132,
2198
+ "learning_rate": 3.315420012345777e-06,
2199
+ "loss": 0.2149,
2200
+ "step": 3130
2201
+ },
2202
+ {
2203
+ "epoch": 2.6582010582010582,
2204
+ "grad_norm": 1.191374675667794,
2205
+ "learning_rate": 3.1585026496625925e-06,
2206
+ "loss": 0.2462,
2207
+ "step": 3140
2208
+ },
2209
+ {
2210
+ "epoch": 2.6666666666666665,
2211
+ "grad_norm": 1.2788639981032432,
2212
+ "learning_rate": 3.005268148291296e-06,
2213
+ "loss": 0.2404,
2214
+ "step": 3150
2215
+ },
2216
+ {
2217
+ "epoch": 2.6751322751322753,
2218
+ "grad_norm": 1.4725222188972884,
2219
+ "learning_rate": 2.855728556126319e-06,
2220
+ "loss": 0.2345,
2221
+ "step": 3160
2222
+ },
2223
+ {
2224
+ "epoch": 2.6835978835978835,
2225
+ "grad_norm": 1.1514884763928235,
2226
+ "learning_rate": 2.709895630553977e-06,
2227
+ "loss": 0.2247,
2228
+ "step": 3170
2229
+ },
2230
+ {
2231
+ "epoch": 2.6920634920634923,
2232
+ "grad_norm": 1.2744441762954501,
2233
+ "learning_rate": 2.5677808375279443e-06,
2234
+ "loss": 0.2418,
2235
+ "step": 3180
2236
+ },
2237
+ {
2238
+ "epoch": 2.7005291005291006,
2239
+ "grad_norm": 1.3232083105521923,
2240
+ "learning_rate": 2.42939535066784e-06,
2241
+ "loss": 0.2304,
2242
+ "step": 3190
2243
+ },
2244
+ {
2245
+ "epoch": 2.708994708994709,
2246
+ "grad_norm": 1.270314937268037,
2247
+ "learning_rate": 2.294750050380662e-06,
2248
+ "loss": 0.2247,
2249
+ "step": 3200
2250
+ },
2251
+ {
2252
+ "epoch": 2.7174603174603176,
2253
+ "grad_norm": 1.256698656991292,
2254
+ "learning_rate": 2.1638555230053315e-06,
2255
+ "loss": 0.2406,
2256
+ "step": 3210
2257
+ },
2258
+ {
2259
+ "epoch": 2.725925925925926,
2260
+ "grad_norm": 1.3193829744509844,
2261
+ "learning_rate": 2.036722059980406e-06,
2262
+ "loss": 0.2396,
2263
+ "step": 3220
2264
+ },
2265
+ {
2266
+ "epoch": 2.734391534391534,
2267
+ "grad_norm": 1.4009607878677235,
2268
+ "learning_rate": 1.9133596570348468e-06,
2269
+ "loss": 0.2329,
2270
+ "step": 3230
2271
+ },
2272
+ {
2273
+ "epoch": 2.742857142857143,
2274
+ "grad_norm": 1.29045787788227,
2275
+ "learning_rate": 1.7937780134021808e-06,
2276
+ "loss": 0.2301,
2277
+ "step": 3240
2278
+ },
2279
+ {
2280
+ "epoch": 2.751322751322751,
2281
+ "grad_norm": 1.2476131982200767,
2282
+ "learning_rate": 1.6779865310578623e-06,
2283
+ "loss": 0.2284,
2284
+ "step": 3250
2285
+ },
2286
+ {
2287
+ "epoch": 2.75978835978836,
2288
+ "grad_norm": 1.0670988501341874,
2289
+ "learning_rate": 1.5659943139801126e-06,
2290
+ "loss": 0.2406,
2291
+ "step": 3260
2292
+ },
2293
+ {
2294
+ "epoch": 2.768253968253968,
2295
+ "grad_norm": 1.308449437483495,
2296
+ "learning_rate": 1.4578101674340372e-06,
2297
+ "loss": 0.2332,
2298
+ "step": 3270
2299
+ },
2300
+ {
2301
+ "epoch": 2.776719576719577,
2302
+ "grad_norm": 1.4177869984435298,
2303
+ "learning_rate": 1.3534425972794195e-06,
2304
+ "loss": 0.2233,
2305
+ "step": 3280
2306
+ },
2307
+ {
2308
+ "epoch": 2.785185185185185,
2309
+ "grad_norm": 1.3267608082684277,
2310
+ "learning_rate": 1.2528998093019051e-06,
2311
+ "loss": 0.2498,
2312
+ "step": 3290
2313
+ },
2314
+ {
2315
+ "epoch": 2.7936507936507935,
2316
+ "grad_norm": 1.2882825046480746,
2317
+ "learning_rate": 1.1561897085678341e-06,
2318
+ "loss": 0.2286,
2319
+ "step": 3300
2320
+ },
2321
+ {
2322
+ "epoch": 2.8021164021164022,
2323
+ "grad_norm": 1.2774964089508063,
2324
+ "learning_rate": 1.0633198988027115e-06,
2325
+ "loss": 0.2253,
2326
+ "step": 3310
2327
+ },
2328
+ {
2329
+ "epoch": 2.8105820105820105,
2330
+ "grad_norm": 1.3527960705502262,
2331
+ "learning_rate": 9.742976817933847e-07,
2332
+ "loss": 0.24,
2333
+ "step": 3320
2334
+ },
2335
+ {
2336
+ "epoch": 2.819047619047619,
2337
+ "grad_norm": 1.365122676946633,
2338
+ "learning_rate": 8.891300568139638e-07,
2339
+ "loss": 0.2592,
2340
+ "step": 3330
2341
+ },
2342
+ {
2343
+ "epoch": 2.8275132275132275,
2344
+ "grad_norm": 1.2427303633572429,
2345
+ "learning_rate": 8.078237200754624e-07,
2346
+ "loss": 0.2474,
2347
+ "step": 3340
2348
+ },
2349
+ {
2350
+ "epoch": 2.835978835978836,
2351
+ "grad_norm": 1.144641112857142,
2352
+ "learning_rate": 7.30385064199357e-07,
2353
+ "loss": 0.2332,
2354
+ "step": 3350
2355
+ },
2356
+ {
2357
+ "epoch": 2.8444444444444446,
2358
+ "grad_norm": 1.2745498061485745,
2359
+ "learning_rate": 6.568201777149729e-07,
2360
+ "loss": 0.251,
2361
+ "step": 3360
2362
+ },
2363
+ {
2364
+ "epoch": 2.852910052910053,
2365
+ "grad_norm": 1.422987862547148,
2366
+ "learning_rate": 5.871348445807501e-07,
2367
+ "loss": 0.2449,
2368
+ "step": 3370
2369
+ },
2370
+ {
2371
+ "epoch": 2.8613756613756616,
2372
+ "grad_norm": 1.0332383237986493,
2373
+ "learning_rate": 5.213345437295181e-07,
2374
+ "loss": 0.2467,
2375
+ "step": 3380
2376
+ },
2377
+ {
2378
+ "epoch": 2.86984126984127,
2379
+ "grad_norm": 1.4294499006460313,
2380
+ "learning_rate": 4.594244486376964e-07,
2381
+ "loss": 0.2396,
2382
+ "step": 3390
2383
+ },
2384
+ {
2385
+ "epoch": 2.878306878306878,
2386
+ "grad_norm": 1.3112777173225585,
2387
+ "learning_rate": 4.014094269185642e-07,
2388
+ "loss": 0.2386,
2389
+ "step": 3400
2390
+ },
2391
+ {
2392
+ "epoch": 2.886772486772487,
2393
+ "grad_norm": 1.2628517758813262,
2394
+ "learning_rate": 3.472940399395108e-07,
2395
+ "loss": 0.2229,
2396
+ "step": 3410
2397
+ },
2398
+ {
2399
+ "epoch": 2.895238095238095,
2400
+ "grad_norm": 1.235621137865247,
2401
+ "learning_rate": 2.9708254246344494e-07,
2402
+ "loss": 0.2386,
2403
+ "step": 3420
2404
+ },
2405
+ {
2406
+ "epoch": 2.9037037037037035,
2407
+ "grad_norm": 1.1595358547316623,
2408
+ "learning_rate": 2.5077888231422873e-07,
2409
+ "loss": 0.2407,
2410
+ "step": 3430
2411
+ },
2412
+ {
2413
+ "epoch": 2.912169312169312,
2414
+ "grad_norm": 1.1332523589105532,
2415
+ "learning_rate": 2.0838670006632643e-07,
2416
+ "loss": 0.224,
2417
+ "step": 3440
2418
+ },
2419
+ {
2420
+ "epoch": 2.9206349206349205,
2421
+ "grad_norm": 1.431443541686851,
2422
+ "learning_rate": 1.699093287585274e-07,
2423
+ "loss": 0.2334,
2424
+ "step": 3450
2425
+ },
2426
+ {
2427
+ "epoch": 2.929100529100529,
2428
+ "grad_norm": 1.2372896845957517,
2429
+ "learning_rate": 1.3534979363191701e-07,
2430
+ "loss": 0.2471,
2431
+ "step": 3460
2432
+ },
2433
+ {
2434
+ "epoch": 2.9375661375661375,
2435
+ "grad_norm": 1.296014823220347,
2436
+ "learning_rate": 1.0471081189200593e-07,
2437
+ "loss": 0.2205,
2438
+ "step": 3470
2439
+ },
2440
+ {
2441
+ "epoch": 2.9460317460317462,
2442
+ "grad_norm": 1.2004684728241466,
2443
+ "learning_rate": 7.799479249510633e-08,
2444
+ "loss": 0.2376,
2445
+ "step": 3480
2446
+ },
2447
+ {
2448
+ "epoch": 2.9544973544973545,
2449
+ "grad_norm": 1.2399487682175703,
2450
+ "learning_rate": 5.520383595891132e-08,
2451
+ "loss": 0.2289,
2452
+ "step": 3490
2453
+ },
2454
+ {
2455
+ "epoch": 2.962962962962963,
2456
+ "grad_norm": 1.439024332184667,
2457
+ "learning_rate": 3.6339734197360365e-08,
2458
+ "loss": 0.2487,
2459
+ "step": 3500
2460
+ },
2461
+ {
2462
+ "epoch": 2.9714285714285715,
2463
+ "grad_norm": 1.1880176062141694,
2464
+ "learning_rate": 2.14039703797575e-08,
2465
+ "loss": 0.2373,
2466
+ "step": 3510
2467
+ },
2468
+ {
2469
+ "epoch": 2.97989417989418,
2470
+ "grad_norm": 1.2924381706571177,
2471
+ "learning_rate": 1.0397718814125768e-08,
2472
+ "loss": 0.2468,
2473
+ "step": 3520
2474
+ },
2475
+ {
2476
+ "epoch": 2.988359788359788,
2477
+ "grad_norm": 1.382013827064607,
2478
+ "learning_rate": 3.321844854925482e-09,
2479
+ "loss": 0.2325,
2480
+ "step": 3530
2481
+ },
2482
+ {
2483
+ "epoch": 2.996825396825397,
2484
+ "grad_norm": 1.2057884625346706,
2485
+ "learning_rate": 1.7690483496979326e-10,
2486
+ "loss": 0.2409,
2487
+ "step": 3540
2488
+ },
2489
+ {
2490
+ "epoch": 2.9993650793650795,
2491
+ "step": 3543,
2492
+ "total_flos": 652111388999680.0,
2493
+ "train_loss": 0.34479539529973763,
2494
+ "train_runtime": 32429.3956,
2495
+ "train_samples_per_second": 0.874,
2496
+ "train_steps_per_second": 0.109
2497
+ }
2498
+ ],
2499
+ "logging_steps": 10,
2500
+ "max_steps": 3543,
2501
+ "num_input_tokens_seen": 0,
2502
+ "num_train_epochs": 3,
2503
+ "save_steps": 500,
2504
+ "stateful_callbacks": {
2505
+ "TrainerControl": {
2506
+ "args": {
2507
+ "should_epoch_stop": false,
2508
+ "should_evaluate": false,
2509
+ "should_log": false,
2510
+ "should_save": true,
2511
+ "should_training_stop": true
2512
+ },
2513
+ "attributes": {}
2514
+ }
2515
+ },
2516
+ "total_flos": 652111388999680.0,
2517
+ "train_batch_size": 1,
2518
+ "trial_name": null,
2519
+ "trial_params": null
2520
+ }
training_loss.png ADDED