lillian039 commited on
Commit
740413a
1 Parent(s): 2a30159

Model save

Browse files
Files changed (4) hide show
  1. README.md +69 -0
  2. all_results.json +9 -0
  3. train_results.json +9 -0
  4. trainer_state.json +3300 -0
README.md ADDED
@@ -0,0 +1,69 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: meta-llama/Meta-Llama-3.1-8B-Instruct
3
+ library_name: peft
4
+ license: llama3.1
5
+ tags:
6
+ - trl
7
+ - sft
8
+ - generated_from_trainer
9
+ model-index:
10
+ - name: induction-20k-50seeds-barc-llama3.1-8b-instruct-lora64-induction-gpt4omini35k_lr2e-4_epoch3
11
+ results: []
12
+ ---
13
+
14
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
15
+ should probably proofread and complete it, then remove this comment. -->
16
+
17
+ # induction-20k-50seeds-barc-llama3.1-8b-instruct-lora64-induction-gpt4omini35k_lr2e-4_epoch3
18
+
19
+ This model is a fine-tuned version of [meta-llama/Meta-Llama-3.1-8B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-8B-Instruct) on an unknown dataset.
20
+ It achieves the following results on the evaluation set:
21
+ - Loss: 0.3344
22
+
23
+ ## Model description
24
+
25
+ More information needed
26
+
27
+ ## Intended uses & limitations
28
+
29
+ More information needed
30
+
31
+ ## Training and evaluation data
32
+
33
+ More information needed
34
+
35
+ ## Training procedure
36
+
37
+ ### Training hyperparameters
38
+
39
+ The following hyperparameters were used during training:
40
+ - learning_rate: 0.0002
41
+ - train_batch_size: 8
42
+ - eval_batch_size: 4
43
+ - seed: 42
44
+ - distributed_type: multi-GPU
45
+ - num_devices: 8
46
+ - gradient_accumulation_steps: 2
47
+ - total_train_batch_size: 128
48
+ - total_eval_batch_size: 32
49
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
50
+ - lr_scheduler_type: cosine
51
+ - lr_scheduler_warmup_ratio: 0.1
52
+ - num_epochs: 3
53
+
54
+ ### Training results
55
+
56
+ | Training Loss | Epoch | Step | Validation Loss |
57
+ |:-------------:|:------:|:----:|:---------------:|
58
+ | 0.3653 | 0.9968 | 154 | 0.3545 |
59
+ | 0.3166 | 2.0 | 309 | 0.3375 |
60
+ | 0.2951 | 2.9903 | 462 | 0.3344 |
61
+
62
+
63
+ ### Framework versions
64
+
65
+ - PEFT 0.13.0
66
+ - Transformers 4.45.0.dev0
67
+ - Pytorch 2.4.0+cu121
68
+ - Datasets 3.0.1
69
+ - Tokenizers 0.19.1
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9902912621359223,
3
+ "total_flos": 1.8679451641472614e+17,
4
+ "train_loss": 0.36376328850205325,
5
+ "train_runtime": 5739.3163,
6
+ "train_samples": 19726,
7
+ "train_samples_per_second": 10.311,
8
+ "train_steps_per_second": 0.08
9
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9902912621359223,
3
+ "total_flos": 1.8679451641472614e+17,
4
+ "train_loss": 0.36376328850205325,
5
+ "train_runtime": 5739.3163,
6
+ "train_samples": 19726,
7
+ "train_samples_per_second": 10.311,
8
+ "train_steps_per_second": 0.08
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,3300 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.9902912621359223,
5
+ "eval_steps": 500,
6
+ "global_step": 462,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.006472491909385114,
13
+ "grad_norm": 0.8681851528027766,
14
+ "learning_rate": 4.255319148936171e-06,
15
+ "loss": 1.2864,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.012944983818770227,
20
+ "grad_norm": 0.8603766114064247,
21
+ "learning_rate": 8.510638297872341e-06,
22
+ "loss": 1.3029,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.019417475728155338,
27
+ "grad_norm": 0.8460211658943029,
28
+ "learning_rate": 1.2765957446808511e-05,
29
+ "loss": 1.2676,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.025889967637540454,
34
+ "grad_norm": 0.823879412927583,
35
+ "learning_rate": 1.7021276595744682e-05,
36
+ "loss": 1.2794,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.032362459546925564,
41
+ "grad_norm": 0.7999755689798974,
42
+ "learning_rate": 2.1276595744680852e-05,
43
+ "loss": 1.2632,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.038834951456310676,
48
+ "grad_norm": 0.779503875119536,
49
+ "learning_rate": 2.5531914893617022e-05,
50
+ "loss": 1.2356,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.045307443365695796,
55
+ "grad_norm": 0.7113356719326077,
56
+ "learning_rate": 2.9787234042553192e-05,
57
+ "loss": 1.2075,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.05177993527508091,
62
+ "grad_norm": 0.5733112055032882,
63
+ "learning_rate": 3.4042553191489365e-05,
64
+ "loss": 1.1078,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.05825242718446602,
69
+ "grad_norm": 0.4686147590427965,
70
+ "learning_rate": 3.829787234042553e-05,
71
+ "loss": 1.0108,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.06472491909385113,
76
+ "grad_norm": 0.4960364471309283,
77
+ "learning_rate": 4.2553191489361704e-05,
78
+ "loss": 0.9991,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.07119741100323625,
83
+ "grad_norm": 0.5462124995641008,
84
+ "learning_rate": 4.680851063829788e-05,
85
+ "loss": 0.9427,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.07766990291262135,
90
+ "grad_norm": 0.546681134551426,
91
+ "learning_rate": 5.1063829787234044e-05,
92
+ "loss": 0.8893,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.08414239482200647,
97
+ "grad_norm": 0.556093704754962,
98
+ "learning_rate": 5.531914893617022e-05,
99
+ "loss": 0.8444,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.09061488673139159,
104
+ "grad_norm": 0.4982225051601507,
105
+ "learning_rate": 5.9574468085106384e-05,
106
+ "loss": 0.7642,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.0970873786407767,
111
+ "grad_norm": 0.48253513519932356,
112
+ "learning_rate": 6.382978723404256e-05,
113
+ "loss": 0.7228,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.10355987055016182,
118
+ "grad_norm": 0.44162352908966596,
119
+ "learning_rate": 6.808510638297873e-05,
120
+ "loss": 0.6525,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.11003236245954692,
125
+ "grad_norm": 0.3918381633741909,
126
+ "learning_rate": 7.23404255319149e-05,
127
+ "loss": 0.604,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.11650485436893204,
132
+ "grad_norm": 0.2648043458799554,
133
+ "learning_rate": 7.659574468085106e-05,
134
+ "loss": 0.5693,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.12297734627831715,
139
+ "grad_norm": 0.243819913231238,
140
+ "learning_rate": 8.085106382978723e-05,
141
+ "loss": 0.5205,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.12944983818770225,
146
+ "grad_norm": 0.23168627433032857,
147
+ "learning_rate": 8.510638297872341e-05,
148
+ "loss": 0.5296,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.13592233009708737,
153
+ "grad_norm": 0.1994751857050266,
154
+ "learning_rate": 8.936170212765958e-05,
155
+ "loss": 0.5269,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.1423948220064725,
160
+ "grad_norm": 0.2530061947493179,
161
+ "learning_rate": 9.361702127659576e-05,
162
+ "loss": 0.5091,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.1488673139158576,
167
+ "grad_norm": 0.24049496280327698,
168
+ "learning_rate": 9.787234042553192e-05,
169
+ "loss": 0.5169,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.1553398058252427,
174
+ "grad_norm": 0.22948907942121893,
175
+ "learning_rate": 0.00010212765957446809,
176
+ "loss": 0.4954,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.16181229773462782,
181
+ "grad_norm": 0.17253285827605366,
182
+ "learning_rate": 0.00010638297872340425,
183
+ "loss": 0.4678,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.16828478964401294,
188
+ "grad_norm": 0.1938226429644451,
189
+ "learning_rate": 0.00011063829787234043,
190
+ "loss": 0.4857,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.17475728155339806,
195
+ "grad_norm": 0.13721502402963923,
196
+ "learning_rate": 0.00011489361702127661,
197
+ "loss": 0.466,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.18122977346278318,
202
+ "grad_norm": 0.12808136935864992,
203
+ "learning_rate": 0.00011914893617021277,
204
+ "loss": 0.4652,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.18770226537216828,
209
+ "grad_norm": 0.12041781390556437,
210
+ "learning_rate": 0.00012340425531914893,
211
+ "loss": 0.4527,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.1941747572815534,
216
+ "grad_norm": 0.11745727258563804,
217
+ "learning_rate": 0.00012765957446808513,
218
+ "loss": 0.4392,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.20064724919093851,
223
+ "grad_norm": 0.11168371739950012,
224
+ "learning_rate": 0.00013191489361702127,
225
+ "loss": 0.4578,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.20711974110032363,
230
+ "grad_norm": 0.11295507271229074,
231
+ "learning_rate": 0.00013617021276595746,
232
+ "loss": 0.4384,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.21359223300970873,
237
+ "grad_norm": 0.11084156792638247,
238
+ "learning_rate": 0.00014042553191489363,
239
+ "loss": 0.4292,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.22006472491909385,
244
+ "grad_norm": 0.10746985136176236,
245
+ "learning_rate": 0.0001446808510638298,
246
+ "loss": 0.4202,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.22653721682847897,
251
+ "grad_norm": 0.10723808557482935,
252
+ "learning_rate": 0.00014893617021276596,
253
+ "loss": 0.4345,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.23300970873786409,
258
+ "grad_norm": 0.10308761677232968,
259
+ "learning_rate": 0.00015319148936170213,
260
+ "loss": 0.4318,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.23948220064724918,
265
+ "grad_norm": 0.1044215437881733,
266
+ "learning_rate": 0.00015744680851063832,
267
+ "loss": 0.4289,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.2459546925566343,
272
+ "grad_norm": 0.10783517564137016,
273
+ "learning_rate": 0.00016170212765957446,
274
+ "loss": 0.4226,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.2524271844660194,
279
+ "grad_norm": 0.11058134845234333,
280
+ "learning_rate": 0.00016595744680851065,
281
+ "loss": 0.4392,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.2588996763754045,
286
+ "grad_norm": 0.10721298987840806,
287
+ "learning_rate": 0.00017021276595744682,
288
+ "loss": 0.4097,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.26537216828478966,
293
+ "grad_norm": 0.10203447619356035,
294
+ "learning_rate": 0.00017446808510638298,
295
+ "loss": 0.4371,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.27184466019417475,
300
+ "grad_norm": 0.09611299924461707,
301
+ "learning_rate": 0.00017872340425531915,
302
+ "loss": 0.4264,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.2783171521035599,
307
+ "grad_norm": 0.09911922773823158,
308
+ "learning_rate": 0.00018297872340425532,
309
+ "loss": 0.4177,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.284789644012945,
314
+ "grad_norm": 0.10195593280531762,
315
+ "learning_rate": 0.0001872340425531915,
316
+ "loss": 0.4322,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.2912621359223301,
321
+ "grad_norm": 0.0990363778451009,
322
+ "learning_rate": 0.00019148936170212768,
323
+ "loss": 0.4272,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.2977346278317152,
328
+ "grad_norm": 0.10312296274780797,
329
+ "learning_rate": 0.00019574468085106384,
330
+ "loss": 0.3997,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.3042071197411003,
335
+ "grad_norm": 0.09688182042517872,
336
+ "learning_rate": 0.0002,
337
+ "loss": 0.3955,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.3106796116504854,
342
+ "grad_norm": 0.09540799755823594,
343
+ "learning_rate": 0.00019999713469087867,
344
+ "loss": 0.4078,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.31715210355987056,
349
+ "grad_norm": 0.10596966214446712,
350
+ "learning_rate": 0.00019998853892771453,
351
+ "loss": 0.4102,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.32362459546925565,
356
+ "grad_norm": 0.10086883515116485,
357
+ "learning_rate": 0.00019997421320309795,
358
+ "loss": 0.4048,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.3300970873786408,
363
+ "grad_norm": 0.10400887250356652,
364
+ "learning_rate": 0.00019995415833798158,
365
+ "loss": 0.403,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.3365695792880259,
370
+ "grad_norm": 0.09067444994385492,
371
+ "learning_rate": 0.00019992837548163316,
372
+ "loss": 0.3867,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.343042071197411,
377
+ "grad_norm": 0.09109660691369531,
378
+ "learning_rate": 0.00019989686611156972,
379
+ "loss": 0.3956,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.34951456310679613,
384
+ "grad_norm": 0.09162094937144005,
385
+ "learning_rate": 0.000199859632033473,
386
+ "loss": 0.407,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.3559870550161812,
391
+ "grad_norm": 0.09041901984453071,
392
+ "learning_rate": 0.00019981667538108587,
393
+ "loss": 0.3913,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.36245954692556637,
398
+ "grad_norm": 0.0948520973493128,
399
+ "learning_rate": 0.00019976799861609008,
400
+ "loss": 0.3959,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.36893203883495146,
405
+ "grad_norm": 0.09239535228342881,
406
+ "learning_rate": 0.00019971360452796522,
407
+ "loss": 0.3976,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.37540453074433655,
412
+ "grad_norm": 0.09430664951378093,
413
+ "learning_rate": 0.0001996534962338288,
414
+ "loss": 0.3984,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.3818770226537217,
419
+ "grad_norm": 0.08478493523992439,
420
+ "learning_rate": 0.0001995876771782577,
421
+ "loss": 0.3862,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.3883495145631068,
426
+ "grad_norm": 0.08736157516174174,
427
+ "learning_rate": 0.00019951615113309075,
428
+ "loss": 0.3768,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.3948220064724919,
433
+ "grad_norm": 0.08833359616935596,
434
+ "learning_rate": 0.00019943892219721253,
435
+ "loss": 0.3832,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.40129449838187703,
440
+ "grad_norm": 0.09634861288945641,
441
+ "learning_rate": 0.0001993559947963185,
442
+ "loss": 0.3975,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.4077669902912621,
447
+ "grad_norm": 0.08474514858686731,
448
+ "learning_rate": 0.00019926737368266144,
449
+ "loss": 0.3803,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.41423948220064727,
454
+ "grad_norm": 0.0878556667338793,
455
+ "learning_rate": 0.00019917306393477907,
456
+ "loss": 0.3874,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.42071197411003236,
461
+ "grad_norm": 0.08906183743795007,
462
+ "learning_rate": 0.00019907307095720303,
463
+ "loss": 0.384,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.42718446601941745,
468
+ "grad_norm": 0.08738087160835142,
469
+ "learning_rate": 0.00019896740048014908,
470
+ "loss": 0.3883,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.4336569579288026,
475
+ "grad_norm": 0.09070551920354154,
476
+ "learning_rate": 0.00019885605855918885,
477
+ "loss": 0.38,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.4401294498381877,
482
+ "grad_norm": 0.08922144963205411,
483
+ "learning_rate": 0.00019873905157490285,
484
+ "loss": 0.3854,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.44660194174757284,
489
+ "grad_norm": 0.09304718374139792,
490
+ "learning_rate": 0.0001986163862325146,
491
+ "loss": 0.3804,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.45307443365695793,
496
+ "grad_norm": 0.09290101551147209,
497
+ "learning_rate": 0.0001984880695615066,
498
+ "loss": 0.3876,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.459546925566343,
503
+ "grad_norm": 0.08862476310706492,
504
+ "learning_rate": 0.0001983541089152174,
505
+ "loss": 0.3701,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.46601941747572817,
510
+ "grad_norm": 0.0864643410147614,
511
+ "learning_rate": 0.00019821451197042026,
512
+ "loss": 0.3625,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.47249190938511326,
517
+ "grad_norm": 0.0889683558231721,
518
+ "learning_rate": 0.0001980692867268832,
519
+ "loss": 0.3635,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.47896440129449835,
524
+ "grad_norm": 0.090198299336284,
525
+ "learning_rate": 0.0001979184415069104,
526
+ "loss": 0.3804,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.4854368932038835,
531
+ "grad_norm": 0.09214744360572043,
532
+ "learning_rate": 0.00019776198495486565,
533
+ "loss": 0.367,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.4919093851132686,
538
+ "grad_norm": 0.08545016444696638,
539
+ "learning_rate": 0.00019759992603667667,
540
+ "loss": 0.3671,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.49838187702265374,
545
+ "grad_norm": 0.08836432043627582,
546
+ "learning_rate": 0.00019743227403932134,
547
+ "loss": 0.3759,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.5048543689320388,
552
+ "grad_norm": 0.09220525179921107,
553
+ "learning_rate": 0.00019725903857029564,
554
+ "loss": 0.3759,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.511326860841424,
559
+ "grad_norm": 0.09021919927906268,
560
+ "learning_rate": 0.00019708022955706292,
561
+ "loss": 0.3748,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.517799352750809,
566
+ "grad_norm": 0.0857417469759507,
567
+ "learning_rate": 0.00019689585724648516,
568
+ "loss": 0.3778,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.5242718446601942,
573
+ "grad_norm": 0.08899327468436542,
574
+ "learning_rate": 0.00019670593220423558,
575
+ "loss": 0.3711,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.5307443365695793,
580
+ "grad_norm": 0.09420631205003693,
581
+ "learning_rate": 0.00019651046531419332,
582
+ "loss": 0.3678,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.5372168284789643,
587
+ "grad_norm": 0.09175386946113716,
588
+ "learning_rate": 0.00019630946777781966,
589
+ "loss": 0.3669,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.5436893203883495,
594
+ "grad_norm": 0.08372986124983309,
595
+ "learning_rate": 0.0001961029511135161,
596
+ "loss": 0.3593,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.5501618122977346,
601
+ "grad_norm": 0.08923405383972152,
602
+ "learning_rate": 0.00019589092715596417,
603
+ "loss": 0.3729,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.5566343042071198,
608
+ "grad_norm": 0.08853783615052746,
609
+ "learning_rate": 0.00019567340805544758,
610
+ "loss": 0.3512,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.5631067961165048,
615
+ "grad_norm": 0.09158487904428567,
616
+ "learning_rate": 0.0001954504062771555,
617
+ "loss": 0.3673,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.56957928802589,
622
+ "grad_norm": 0.09709095338695828,
623
+ "learning_rate": 0.00019522193460046864,
624
+ "loss": 0.3758,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.5760517799352751,
629
+ "grad_norm": 0.09252319787935548,
630
+ "learning_rate": 0.00019498800611822645,
631
+ "loss": 0.3588,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.5825242718446602,
636
+ "grad_norm": 0.10229380875651542,
637
+ "learning_rate": 0.00019474863423597728,
638
+ "loss": 0.3859,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.5889967637540453,
643
+ "grad_norm": 0.09361866653135192,
644
+ "learning_rate": 0.00019450383267120982,
645
+ "loss": 0.3739,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.5954692556634305,
650
+ "grad_norm": 0.0919566522897771,
651
+ "learning_rate": 0.00019425361545256727,
652
+ "loss": 0.3648,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.6019417475728155,
657
+ "grad_norm": 0.10007063382515365,
658
+ "learning_rate": 0.0001939979969190432,
659
+ "loss": 0.3628,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.6084142394822006,
664
+ "grad_norm": 0.08642815308708984,
665
+ "learning_rate": 0.00019373699171915988,
666
+ "loss": 0.3607,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.6148867313915858,
671
+ "grad_norm": 0.08898100138256641,
672
+ "learning_rate": 0.00019347061481012894,
673
+ "loss": 0.3649,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.6213592233009708,
678
+ "grad_norm": 0.09929344608921754,
679
+ "learning_rate": 0.00019319888145699415,
680
+ "loss": 0.3707,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.627831715210356,
685
+ "grad_norm": 0.08479565009317201,
686
+ "learning_rate": 0.00019292180723175654,
687
+ "loss": 0.3596,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.6343042071197411,
692
+ "grad_norm": 0.08536934965094412,
693
+ "learning_rate": 0.00019263940801248226,
694
+ "loss": 0.3693,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.6407766990291263,
699
+ "grad_norm": 0.09264353563725661,
700
+ "learning_rate": 0.0001923516999823925,
701
+ "loss": 0.3679,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.6472491909385113,
706
+ "grad_norm": 0.09075116775864867,
707
+ "learning_rate": 0.00019205869962893605,
708
+ "loss": 0.3594,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.6537216828478964,
713
+ "grad_norm": 0.08696915654679535,
714
+ "learning_rate": 0.0001917604237428447,
715
+ "loss": 0.3699,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.6601941747572816,
720
+ "grad_norm": 0.08387717136900205,
721
+ "learning_rate": 0.00019145688941717075,
722
+ "loss": 0.3569,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.6666666666666666,
727
+ "grad_norm": 0.09727169698788522,
728
+ "learning_rate": 0.00019114811404630762,
729
+ "loss": 0.3725,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.6731391585760518,
734
+ "grad_norm": 0.08785848039003973,
735
+ "learning_rate": 0.0001908341153249931,
736
+ "loss": 0.3625,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.6796116504854369,
741
+ "grad_norm": 0.09111196159253629,
742
+ "learning_rate": 0.00019051491124729512,
743
+ "loss": 0.3658,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.686084142394822,
748
+ "grad_norm": 0.09173527522438048,
749
+ "learning_rate": 0.00019019052010558088,
750
+ "loss": 0.3605,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.6925566343042071,
755
+ "grad_norm": 0.08349190333555147,
756
+ "learning_rate": 0.00018986096048946824,
757
+ "loss": 0.3714,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.6990291262135923,
762
+ "grad_norm": 0.08795475348576975,
763
+ "learning_rate": 0.0001895262512847607,
764
+ "loss": 0.3646,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.7055016181229773,
769
+ "grad_norm": 0.0834930063587362,
770
+ "learning_rate": 0.00018918641167236505,
771
+ "loss": 0.3518,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.7119741100323624,
776
+ "grad_norm": 0.08299225873111288,
777
+ "learning_rate": 0.00018884146112719207,
778
+ "loss": 0.3498,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.7184466019417476,
783
+ "grad_norm": 0.08676290151306544,
784
+ "learning_rate": 0.00018849141941704067,
785
+ "loss": 0.3612,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.7249190938511327,
790
+ "grad_norm": 0.09107846226354271,
791
+ "learning_rate": 0.00018813630660146488,
792
+ "loss": 0.3508,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.7313915857605178,
797
+ "grad_norm": 0.09040771142681107,
798
+ "learning_rate": 0.00018777614303062457,
799
+ "loss": 0.358,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.7378640776699029,
804
+ "grad_norm": 0.08473984809675678,
805
+ "learning_rate": 0.000187410949344119,
806
+ "loss": 0.3567,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.7443365695792881,
811
+ "grad_norm": 0.09166724031633931,
812
+ "learning_rate": 0.00018704074646980415,
813
+ "loss": 0.3474,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.7508090614886731,
818
+ "grad_norm": 0.09150633413591353,
819
+ "learning_rate": 0.00018666555562259356,
820
+ "loss": 0.3718,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.7572815533980582,
825
+ "grad_norm": 0.09139304143928584,
826
+ "learning_rate": 0.00018628539830324229,
827
+ "loss": 0.3583,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.7637540453074434,
832
+ "grad_norm": 0.08557332691225407,
833
+ "learning_rate": 0.00018590029629711506,
834
+ "loss": 0.3481,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.7702265372168284,
839
+ "grad_norm": 0.08670915390405,
840
+ "learning_rate": 0.00018551027167293768,
841
+ "loss": 0.3486,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.7766990291262136,
846
+ "grad_norm": 0.085015484261482,
847
+ "learning_rate": 0.00018511534678153244,
848
+ "loss": 0.367,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.7831715210355987,
853
+ "grad_norm": 0.09010500519447748,
854
+ "learning_rate": 0.0001847155442545372,
855
+ "loss": 0.3673,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.7896440129449838,
860
+ "grad_norm": 0.08749250339043911,
861
+ "learning_rate": 0.00018431088700310844,
862
+ "loss": 0.3581,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.7961165048543689,
867
+ "grad_norm": 0.09294869349273092,
868
+ "learning_rate": 0.00018390139821660855,
869
+ "loss": 0.3502,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.8025889967637541,
874
+ "grad_norm": 0.08999457767358941,
875
+ "learning_rate": 0.00018348710136127655,
876
+ "loss": 0.3604,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.8090614886731392,
881
+ "grad_norm": 0.08450140095669934,
882
+ "learning_rate": 0.0001830680201788836,
883
+ "loss": 0.3585,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.8155339805825242,
888
+ "grad_norm": 0.0885173201152873,
889
+ "learning_rate": 0.00018264417868537244,
890
+ "loss": 0.36,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.8220064724919094,
895
+ "grad_norm": 0.08249252827967349,
896
+ "learning_rate": 0.00018221560116948103,
897
+ "loss": 0.3456,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.8284789644012945,
902
+ "grad_norm": 0.09259010876584428,
903
+ "learning_rate": 0.0001817823121913506,
904
+ "loss": 0.3523,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.8349514563106796,
909
+ "grad_norm": 0.0829493165024249,
910
+ "learning_rate": 0.00018134433658111845,
911
+ "loss": 0.3502,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.8414239482200647,
916
+ "grad_norm": 0.0870233230162085,
917
+ "learning_rate": 0.00018090169943749476,
918
+ "loss": 0.3503,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.8478964401294499,
923
+ "grad_norm": 0.09013336960665569,
924
+ "learning_rate": 0.00018045442612632444,
925
+ "loss": 0.355,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.8543689320388349,
930
+ "grad_norm": 0.0887494126249745,
931
+ "learning_rate": 0.00018000254227913348,
932
+ "loss": 0.3492,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.86084142394822,
937
+ "grad_norm": 0.08245510607718151,
938
+ "learning_rate": 0.00017954607379166,
939
+ "loss": 0.3509,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.8673139158576052,
944
+ "grad_norm": 0.08652334474586301,
945
+ "learning_rate": 0.00017908504682237047,
946
+ "loss": 0.3464,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.8737864077669902,
951
+ "grad_norm": 0.0832923145834622,
952
+ "learning_rate": 0.00017861948779096046,
953
+ "loss": 0.3392,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.8802588996763754,
958
+ "grad_norm": 0.0812465660556935,
959
+ "learning_rate": 0.0001781494233768408,
960
+ "loss": 0.333,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.8867313915857605,
965
+ "grad_norm": 0.088984541060325,
966
+ "learning_rate": 0.00017767488051760857,
967
+ "loss": 0.3615,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.8932038834951457,
972
+ "grad_norm": 0.0867087441619348,
973
+ "learning_rate": 0.00017719588640750336,
974
+ "loss": 0.3553,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.8996763754045307,
979
+ "grad_norm": 0.08382301700407316,
980
+ "learning_rate": 0.00017671246849584903,
981
+ "loss": 0.3592,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.9061488673139159,
986
+ "grad_norm": 0.0865944397225724,
987
+ "learning_rate": 0.0001762246544854807,
988
+ "loss": 0.3605,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.912621359223301,
993
+ "grad_norm": 0.08628029323884819,
994
+ "learning_rate": 0.00017573247233115694,
995
+ "loss": 0.371,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.919093851132686,
1000
+ "grad_norm": 0.08863123995414322,
1001
+ "learning_rate": 0.00017523595023795813,
1002
+ "loss": 0.3504,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.9255663430420712,
1007
+ "grad_norm": 0.08627162896846262,
1008
+ "learning_rate": 0.00017473511665966993,
1009
+ "loss": 0.3545,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.9320388349514563,
1014
+ "grad_norm": 0.08839402497347855,
1015
+ "learning_rate": 0.00017423000029715267,
1016
+ "loss": 0.3641,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.9385113268608414,
1021
+ "grad_norm": 0.08651737654873981,
1022
+ "learning_rate": 0.00017372063009669686,
1023
+ "loss": 0.3431,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.9449838187702265,
1028
+ "grad_norm": 0.07938521602972776,
1029
+ "learning_rate": 0.00017320703524836405,
1030
+ "loss": 0.3541,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 0.9514563106796117,
1035
+ "grad_norm": 0.08679861689760528,
1036
+ "learning_rate": 0.00017268924518431438,
1037
+ "loss": 0.3492,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 0.9579288025889967,
1042
+ "grad_norm": 0.08562044946225537,
1043
+ "learning_rate": 0.00017216728957711967,
1044
+ "loss": 0.3497,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 0.9644012944983819,
1049
+ "grad_norm": 0.08302055814489633,
1050
+ "learning_rate": 0.0001716411983380632,
1051
+ "loss": 0.3472,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 0.970873786407767,
1056
+ "grad_norm": 0.08275430206926206,
1057
+ "learning_rate": 0.00017111100161542545,
1058
+ "loss": 0.3383,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 0.9773462783171522,
1063
+ "grad_norm": 0.08114036438803068,
1064
+ "learning_rate": 0.00017057672979275656,
1065
+ "loss": 0.36,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 0.9838187702265372,
1070
+ "grad_norm": 0.0875761383748598,
1071
+ "learning_rate": 0.0001700384134871351,
1072
+ "loss": 0.3727,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 0.9902912621359223,
1077
+ "grad_norm": 0.0826665996105745,
1078
+ "learning_rate": 0.0001694960835474134,
1079
+ "loss": 0.3443,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 0.9967637540453075,
1084
+ "grad_norm": 0.08226814015705675,
1085
+ "learning_rate": 0.00016894977105244997,
1086
+ "loss": 0.3653,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 0.9967637540453075,
1091
+ "eval_loss": 0.3545331358909607,
1092
+ "eval_runtime": 38.077,
1093
+ "eval_samples_per_second": 27.287,
1094
+ "eval_steps_per_second": 0.867,
1095
+ "step": 154
1096
+ },
1097
+ {
1098
+ "epoch": 1.0032362459546926,
1099
+ "grad_norm": 0.08335200234700724,
1100
+ "learning_rate": 0.0001683995073093283,
1101
+ "loss": 0.3492,
1102
+ "step": 155
1103
+ },
1104
+ {
1105
+ "epoch": 1.0097087378640777,
1106
+ "grad_norm": 0.0865080297629732,
1107
+ "learning_rate": 0.00016784532385156285,
1108
+ "loss": 0.3377,
1109
+ "step": 156
1110
+ },
1111
+ {
1112
+ "epoch": 1.0161812297734627,
1113
+ "grad_norm": 0.08441339355225498,
1114
+ "learning_rate": 0.0001672872524372919,
1115
+ "loss": 0.34,
1116
+ "step": 157
1117
+ },
1118
+ {
1119
+ "epoch": 1.022653721682848,
1120
+ "grad_norm": 0.0801171782758195,
1121
+ "learning_rate": 0.00016672532504745778,
1122
+ "loss": 0.3354,
1123
+ "step": 158
1124
+ },
1125
+ {
1126
+ "epoch": 1.029126213592233,
1127
+ "grad_norm": 0.08282538959029859,
1128
+ "learning_rate": 0.00016615957388397399,
1129
+ "loss": 0.3497,
1130
+ "step": 159
1131
+ },
1132
+ {
1133
+ "epoch": 1.035598705501618,
1134
+ "grad_norm": 0.0883355169428613,
1135
+ "learning_rate": 0.00016559003136787988,
1136
+ "loss": 0.338,
1137
+ "step": 160
1138
+ },
1139
+ {
1140
+ "epoch": 1.0420711974110033,
1141
+ "grad_norm": 0.08616766891600182,
1142
+ "learning_rate": 0.00016501673013748284,
1143
+ "loss": 0.3491,
1144
+ "step": 161
1145
+ },
1146
+ {
1147
+ "epoch": 1.0485436893203883,
1148
+ "grad_norm": 0.08188626612719885,
1149
+ "learning_rate": 0.0001644397030464877,
1150
+ "loss": 0.3359,
1151
+ "step": 162
1152
+ },
1153
+ {
1154
+ "epoch": 1.0550161812297734,
1155
+ "grad_norm": 0.08630887969447615,
1156
+ "learning_rate": 0.00016385898316211426,
1157
+ "loss": 0.3268,
1158
+ "step": 163
1159
+ },
1160
+ {
1161
+ "epoch": 1.0614886731391586,
1162
+ "grad_norm": 0.09109351353175275,
1163
+ "learning_rate": 0.0001632746037632021,
1164
+ "loss": 0.3356,
1165
+ "step": 164
1166
+ },
1167
+ {
1168
+ "epoch": 1.0679611650485437,
1169
+ "grad_norm": 0.08843718177405194,
1170
+ "learning_rate": 0.00016268659833830367,
1171
+ "loss": 0.3205,
1172
+ "step": 165
1173
+ },
1174
+ {
1175
+ "epoch": 1.074433656957929,
1176
+ "grad_norm": 0.09214475868602304,
1177
+ "learning_rate": 0.00016209500058376515,
1178
+ "loss": 0.3433,
1179
+ "step": 166
1180
+ },
1181
+ {
1182
+ "epoch": 1.080906148867314,
1183
+ "grad_norm": 0.08469945389831732,
1184
+ "learning_rate": 0.00016149984440179537,
1185
+ "loss": 0.3252,
1186
+ "step": 167
1187
+ },
1188
+ {
1189
+ "epoch": 1.087378640776699,
1190
+ "grad_norm": 0.09167891300803974,
1191
+ "learning_rate": 0.00016090116389852306,
1192
+ "loss": 0.3372,
1193
+ "step": 168
1194
+ },
1195
+ {
1196
+ "epoch": 1.0938511326860842,
1197
+ "grad_norm": 0.08439372223738191,
1198
+ "learning_rate": 0.00016029899338204233,
1199
+ "loss": 0.3339,
1200
+ "step": 169
1201
+ },
1202
+ {
1203
+ "epoch": 1.1003236245954693,
1204
+ "grad_norm": 0.09671189992628862,
1205
+ "learning_rate": 0.0001596933673604467,
1206
+ "loss": 0.331,
1207
+ "step": 170
1208
+ },
1209
+ {
1210
+ "epoch": 1.1067961165048543,
1211
+ "grad_norm": 0.08926808998386844,
1212
+ "learning_rate": 0.00015908432053985143,
1213
+ "loss": 0.3438,
1214
+ "step": 171
1215
+ },
1216
+ {
1217
+ "epoch": 1.1132686084142396,
1218
+ "grad_norm": 0.08651511861187883,
1219
+ "learning_rate": 0.0001584718878224047,
1220
+ "loss": 0.3199,
1221
+ "step": 172
1222
+ },
1223
+ {
1224
+ "epoch": 1.1197411003236246,
1225
+ "grad_norm": 0.09087672552517187,
1226
+ "learning_rate": 0.00015785610430428762,
1227
+ "loss": 0.3312,
1228
+ "step": 173
1229
+ },
1230
+ {
1231
+ "epoch": 1.1262135922330097,
1232
+ "grad_norm": 0.08473819565220535,
1233
+ "learning_rate": 0.00015723700527370268,
1234
+ "loss": 0.3265,
1235
+ "step": 174
1236
+ },
1237
+ {
1238
+ "epoch": 1.132686084142395,
1239
+ "grad_norm": 0.08959082008669542,
1240
+ "learning_rate": 0.00015661462620885199,
1241
+ "loss": 0.3361,
1242
+ "step": 175
1243
+ },
1244
+ {
1245
+ "epoch": 1.13915857605178,
1246
+ "grad_norm": 0.08820985748174735,
1247
+ "learning_rate": 0.0001559890027759037,
1248
+ "loss": 0.3352,
1249
+ "step": 176
1250
+ },
1251
+ {
1252
+ "epoch": 1.145631067961165,
1253
+ "grad_norm": 0.08959538258978733,
1254
+ "learning_rate": 0.00015536017082694846,
1255
+ "loss": 0.353,
1256
+ "step": 177
1257
+ },
1258
+ {
1259
+ "epoch": 1.1521035598705502,
1260
+ "grad_norm": 0.08556029404315754,
1261
+ "learning_rate": 0.0001547281663979446,
1262
+ "loss": 0.338,
1263
+ "step": 178
1264
+ },
1265
+ {
1266
+ "epoch": 1.1585760517799353,
1267
+ "grad_norm": 0.08651722009131164,
1268
+ "learning_rate": 0.00015409302570665325,
1269
+ "loss": 0.3428,
1270
+ "step": 179
1271
+ },
1272
+ {
1273
+ "epoch": 1.1650485436893203,
1274
+ "grad_norm": 0.09127001503693886,
1275
+ "learning_rate": 0.00015345478515056267,
1276
+ "loss": 0.3196,
1277
+ "step": 180
1278
+ },
1279
+ {
1280
+ "epoch": 1.1715210355987056,
1281
+ "grad_norm": 0.08856796253981307,
1282
+ "learning_rate": 0.00015281348130480272,
1283
+ "loss": 0.3309,
1284
+ "step": 181
1285
+ },
1286
+ {
1287
+ "epoch": 1.1779935275080906,
1288
+ "grad_norm": 0.08742855227811815,
1289
+ "learning_rate": 0.00015216915092004847,
1290
+ "loss": 0.3273,
1291
+ "step": 182
1292
+ },
1293
+ {
1294
+ "epoch": 1.1844660194174756,
1295
+ "grad_norm": 0.09076657129408205,
1296
+ "learning_rate": 0.0001515218309204145,
1297
+ "loss": 0.3324,
1298
+ "step": 183
1299
+ },
1300
+ {
1301
+ "epoch": 1.190938511326861,
1302
+ "grad_norm": 0.09296734178135176,
1303
+ "learning_rate": 0.00015087155840133888,
1304
+ "loss": 0.3443,
1305
+ "step": 184
1306
+ },
1307
+ {
1308
+ "epoch": 1.197411003236246,
1309
+ "grad_norm": 0.08431288630485151,
1310
+ "learning_rate": 0.00015021837062745714,
1311
+ "loss": 0.3383,
1312
+ "step": 185
1313
+ },
1314
+ {
1315
+ "epoch": 1.203883495145631,
1316
+ "grad_norm": 0.08374691953765048,
1317
+ "learning_rate": 0.00014956230503046703,
1318
+ "loss": 0.3368,
1319
+ "step": 186
1320
+ },
1321
+ {
1322
+ "epoch": 1.2103559870550162,
1323
+ "grad_norm": 0.08899017726880568,
1324
+ "learning_rate": 0.00014890339920698334,
1325
+ "loss": 0.3368,
1326
+ "step": 187
1327
+ },
1328
+ {
1329
+ "epoch": 1.2168284789644013,
1330
+ "grad_norm": 0.08562973948918146,
1331
+ "learning_rate": 0.00014824169091638337,
1332
+ "loss": 0.3397,
1333
+ "step": 188
1334
+ },
1335
+ {
1336
+ "epoch": 1.2233009708737863,
1337
+ "grad_norm": 0.08827756751106554,
1338
+ "learning_rate": 0.00014757721807864317,
1339
+ "loss": 0.3405,
1340
+ "step": 189
1341
+ },
1342
+ {
1343
+ "epoch": 1.2297734627831716,
1344
+ "grad_norm": 0.08736187981084419,
1345
+ "learning_rate": 0.0001469100187721644,
1346
+ "loss": 0.3262,
1347
+ "step": 190
1348
+ },
1349
+ {
1350
+ "epoch": 1.2362459546925566,
1351
+ "grad_norm": 0.09050203121679472,
1352
+ "learning_rate": 0.0001462401312315922,
1353
+ "loss": 0.3345,
1354
+ "step": 191
1355
+ },
1356
+ {
1357
+ "epoch": 1.2427184466019416,
1358
+ "grad_norm": 0.08534856926861663,
1359
+ "learning_rate": 0.00014556759384562416,
1360
+ "loss": 0.3277,
1361
+ "step": 192
1362
+ },
1363
+ {
1364
+ "epoch": 1.249190938511327,
1365
+ "grad_norm": 0.08611809442550349,
1366
+ "learning_rate": 0.00014489244515481046,
1367
+ "loss": 0.3253,
1368
+ "step": 193
1369
+ },
1370
+ {
1371
+ "epoch": 1.255663430420712,
1372
+ "grad_norm": 0.08688819258876039,
1373
+ "learning_rate": 0.0001442147238493451,
1374
+ "loss": 0.3349,
1375
+ "step": 194
1376
+ },
1377
+ {
1378
+ "epoch": 1.262135922330097,
1379
+ "grad_norm": 0.08416654255653569,
1380
+ "learning_rate": 0.00014353446876684892,
1381
+ "loss": 0.3308,
1382
+ "step": 195
1383
+ },
1384
+ {
1385
+ "epoch": 1.2686084142394822,
1386
+ "grad_norm": 0.09183514403063862,
1387
+ "learning_rate": 0.0001428517188901437,
1388
+ "loss": 0.3383,
1389
+ "step": 196
1390
+ },
1391
+ {
1392
+ "epoch": 1.2750809061488673,
1393
+ "grad_norm": 0.08749863979244098,
1394
+ "learning_rate": 0.0001421665133450184,
1395
+ "loss": 0.3294,
1396
+ "step": 197
1397
+ },
1398
+ {
1399
+ "epoch": 1.2815533980582523,
1400
+ "grad_norm": 0.08786155414487208,
1401
+ "learning_rate": 0.00014147889139798708,
1402
+ "loss": 0.332,
1403
+ "step": 198
1404
+ },
1405
+ {
1406
+ "epoch": 1.2880258899676376,
1407
+ "grad_norm": 0.08754391459720788,
1408
+ "learning_rate": 0.00014078889245403844,
1409
+ "loss": 0.3268,
1410
+ "step": 199
1411
+ },
1412
+ {
1413
+ "epoch": 1.2944983818770226,
1414
+ "grad_norm": 0.09026975504709552,
1415
+ "learning_rate": 0.0001400965560543778,
1416
+ "loss": 0.3344,
1417
+ "step": 200
1418
+ },
1419
+ {
1420
+ "epoch": 1.3009708737864076,
1421
+ "grad_norm": 0.08953266507881985,
1422
+ "learning_rate": 0.0001394019218741612,
1423
+ "loss": 0.3355,
1424
+ "step": 201
1425
+ },
1426
+ {
1427
+ "epoch": 1.307443365695793,
1428
+ "grad_norm": 0.08868590943641125,
1429
+ "learning_rate": 0.00013870502972022173,
1430
+ "loss": 0.3282,
1431
+ "step": 202
1432
+ },
1433
+ {
1434
+ "epoch": 1.313915857605178,
1435
+ "grad_norm": 0.09182148747745249,
1436
+ "learning_rate": 0.00013800591952878825,
1437
+ "loss": 0.3394,
1438
+ "step": 203
1439
+ },
1440
+ {
1441
+ "epoch": 1.3203883495145632,
1442
+ "grad_norm": 0.08835010573043636,
1443
+ "learning_rate": 0.00013730463136319692,
1444
+ "loss": 0.3316,
1445
+ "step": 204
1446
+ },
1447
+ {
1448
+ "epoch": 1.3268608414239482,
1449
+ "grad_norm": 0.08573944970518392,
1450
+ "learning_rate": 0.00013660120541159537,
1451
+ "loss": 0.337,
1452
+ "step": 205
1453
+ },
1454
+ {
1455
+ "epoch": 1.3333333333333333,
1456
+ "grad_norm": 0.08411384694221385,
1457
+ "learning_rate": 0.00013589568198463944,
1458
+ "loss": 0.3356,
1459
+ "step": 206
1460
+ },
1461
+ {
1462
+ "epoch": 1.3398058252427185,
1463
+ "grad_norm": 0.08762468166968049,
1464
+ "learning_rate": 0.0001351881015131833,
1465
+ "loss": 0.3388,
1466
+ "step": 207
1467
+ },
1468
+ {
1469
+ "epoch": 1.3462783171521036,
1470
+ "grad_norm": 0.08837885567018512,
1471
+ "learning_rate": 0.00013447850454596265,
1472
+ "loss": 0.3354,
1473
+ "step": 208
1474
+ },
1475
+ {
1476
+ "epoch": 1.3527508090614886,
1477
+ "grad_norm": 0.08823334999060412,
1478
+ "learning_rate": 0.00013376693174727065,
1479
+ "loss": 0.3341,
1480
+ "step": 209
1481
+ },
1482
+ {
1483
+ "epoch": 1.3592233009708738,
1484
+ "grad_norm": 0.08665353483827595,
1485
+ "learning_rate": 0.00013305342389462792,
1486
+ "loss": 0.3282,
1487
+ "step": 210
1488
+ },
1489
+ {
1490
+ "epoch": 1.3656957928802589,
1491
+ "grad_norm": 0.08780215390647159,
1492
+ "learning_rate": 0.00013233802187644566,
1493
+ "loss": 0.3245,
1494
+ "step": 211
1495
+ },
1496
+ {
1497
+ "epoch": 1.3721682847896441,
1498
+ "grad_norm": 0.0880005148626301,
1499
+ "learning_rate": 0.0001316207666896824,
1500
+ "loss": 0.3264,
1501
+ "step": 212
1502
+ },
1503
+ {
1504
+ "epoch": 1.3786407766990292,
1505
+ "grad_norm": 0.09350061568656749,
1506
+ "learning_rate": 0.00013090169943749476,
1507
+ "loss": 0.33,
1508
+ "step": 213
1509
+ },
1510
+ {
1511
+ "epoch": 1.3851132686084142,
1512
+ "grad_norm": 0.0869291546207145,
1513
+ "learning_rate": 0.00013018086132688184,
1514
+ "loss": 0.3219,
1515
+ "step": 214
1516
+ },
1517
+ {
1518
+ "epoch": 1.3915857605177995,
1519
+ "grad_norm": 0.0926767409167509,
1520
+ "learning_rate": 0.0001294582936663239,
1521
+ "loss": 0.3294,
1522
+ "step": 215
1523
+ },
1524
+ {
1525
+ "epoch": 1.3980582524271845,
1526
+ "grad_norm": 0.08850918948495869,
1527
+ "learning_rate": 0.00012873403786341513,
1528
+ "loss": 0.3362,
1529
+ "step": 216
1530
+ },
1531
+ {
1532
+ "epoch": 1.4045307443365695,
1533
+ "grad_norm": 0.08797553458327365,
1534
+ "learning_rate": 0.00012800813542249072,
1535
+ "loss": 0.3293,
1536
+ "step": 217
1537
+ },
1538
+ {
1539
+ "epoch": 1.4110032362459548,
1540
+ "grad_norm": 0.08816787591032364,
1541
+ "learning_rate": 0.00012728062794224832,
1542
+ "loss": 0.3297,
1543
+ "step": 218
1544
+ },
1545
+ {
1546
+ "epoch": 1.4174757281553398,
1547
+ "grad_norm": 0.08844464048062073,
1548
+ "learning_rate": 0.0001265515571133643,
1549
+ "loss": 0.3405,
1550
+ "step": 219
1551
+ },
1552
+ {
1553
+ "epoch": 1.4239482200647249,
1554
+ "grad_norm": 0.08777743550690727,
1555
+ "learning_rate": 0.00012582096471610467,
1556
+ "loss": 0.33,
1557
+ "step": 220
1558
+ },
1559
+ {
1560
+ "epoch": 1.4304207119741101,
1561
+ "grad_norm": 0.0841701096943823,
1562
+ "learning_rate": 0.00012508889261793059,
1563
+ "loss": 0.3243,
1564
+ "step": 221
1565
+ },
1566
+ {
1567
+ "epoch": 1.4368932038834952,
1568
+ "grad_norm": 0.08211677315785172,
1569
+ "learning_rate": 0.0001243553827710992,
1570
+ "loss": 0.3162,
1571
+ "step": 222
1572
+ },
1573
+ {
1574
+ "epoch": 1.4433656957928802,
1575
+ "grad_norm": 0.09229614871738043,
1576
+ "learning_rate": 0.00012362047721025968,
1577
+ "loss": 0.3214,
1578
+ "step": 223
1579
+ },
1580
+ {
1581
+ "epoch": 1.4498381877022655,
1582
+ "grad_norm": 0.08827293639891444,
1583
+ "learning_rate": 0.00012288421805004414,
1584
+ "loss": 0.3388,
1585
+ "step": 224
1586
+ },
1587
+ {
1588
+ "epoch": 1.4563106796116505,
1589
+ "grad_norm": 0.08650939834799051,
1590
+ "learning_rate": 0.0001221466474826543,
1591
+ "loss": 0.3336,
1592
+ "step": 225
1593
+ },
1594
+ {
1595
+ "epoch": 1.4627831715210355,
1596
+ "grad_norm": 0.08745414194563839,
1597
+ "learning_rate": 0.00012140780777544367,
1598
+ "loss": 0.3249,
1599
+ "step": 226
1600
+ },
1601
+ {
1602
+ "epoch": 1.4692556634304208,
1603
+ "grad_norm": 0.08966472430098649,
1604
+ "learning_rate": 0.00012066774126849529,
1605
+ "loss": 0.3358,
1606
+ "step": 227
1607
+ },
1608
+ {
1609
+ "epoch": 1.4757281553398058,
1610
+ "grad_norm": 0.08547479634425736,
1611
+ "learning_rate": 0.00011992649037219545,
1612
+ "loss": 0.3415,
1613
+ "step": 228
1614
+ },
1615
+ {
1616
+ "epoch": 1.4822006472491909,
1617
+ "grad_norm": 0.08630753448523301,
1618
+ "learning_rate": 0.0001191840975648032,
1619
+ "loss": 0.3369,
1620
+ "step": 229
1621
+ },
1622
+ {
1623
+ "epoch": 1.4886731391585761,
1624
+ "grad_norm": 0.08171192229188709,
1625
+ "learning_rate": 0.00011844060539001618,
1626
+ "loss": 0.3207,
1627
+ "step": 230
1628
+ },
1629
+ {
1630
+ "epoch": 1.4951456310679612,
1631
+ "grad_norm": 0.08413278558608812,
1632
+ "learning_rate": 0.00011769605645453265,
1633
+ "loss": 0.3219,
1634
+ "step": 231
1635
+ },
1636
+ {
1637
+ "epoch": 1.5016181229773462,
1638
+ "grad_norm": 0.08498283806676993,
1639
+ "learning_rate": 0.00011695049342560968,
1640
+ "loss": 0.3339,
1641
+ "step": 232
1642
+ },
1643
+ {
1644
+ "epoch": 1.5080906148867315,
1645
+ "grad_norm": 0.08365977359578973,
1646
+ "learning_rate": 0.00011620395902861822,
1647
+ "loss": 0.3297,
1648
+ "step": 233
1649
+ },
1650
+ {
1651
+ "epoch": 1.5145631067961165,
1652
+ "grad_norm": 0.0858081054599164,
1653
+ "learning_rate": 0.00011545649604459466,
1654
+ "loss": 0.3305,
1655
+ "step": 234
1656
+ },
1657
+ {
1658
+ "epoch": 1.5210355987055015,
1659
+ "grad_norm": 0.08916196136213667,
1660
+ "learning_rate": 0.00011470814730778905,
1661
+ "loss": 0.3352,
1662
+ "step": 235
1663
+ },
1664
+ {
1665
+ "epoch": 1.5275080906148868,
1666
+ "grad_norm": 0.08650692110960809,
1667
+ "learning_rate": 0.00011395895570321064,
1668
+ "loss": 0.3347,
1669
+ "step": 236
1670
+ },
1671
+ {
1672
+ "epoch": 1.5339805825242718,
1673
+ "grad_norm": 0.08839636357345756,
1674
+ "learning_rate": 0.00011320896416417026,
1675
+ "loss": 0.3284,
1676
+ "step": 237
1677
+ },
1678
+ {
1679
+ "epoch": 1.5404530744336569,
1680
+ "grad_norm": 0.08477612347310413,
1681
+ "learning_rate": 0.00011245821566981976,
1682
+ "loss": 0.3331,
1683
+ "step": 238
1684
+ },
1685
+ {
1686
+ "epoch": 1.5469255663430421,
1687
+ "grad_norm": 0.08158083954977735,
1688
+ "learning_rate": 0.00011170675324268942,
1689
+ "loss": 0.3284,
1690
+ "step": 239
1691
+ },
1692
+ {
1693
+ "epoch": 1.5533980582524272,
1694
+ "grad_norm": 0.08210674030802527,
1695
+ "learning_rate": 0.00011095461994622209,
1696
+ "loss": 0.3152,
1697
+ "step": 240
1698
+ },
1699
+ {
1700
+ "epoch": 1.5598705501618122,
1701
+ "grad_norm": 0.08164700760175722,
1702
+ "learning_rate": 0.00011020185888230571,
1703
+ "loss": 0.3212,
1704
+ "step": 241
1705
+ },
1706
+ {
1707
+ "epoch": 1.5663430420711975,
1708
+ "grad_norm": 0.08252073365071766,
1709
+ "learning_rate": 0.00010944851318880314,
1710
+ "loss": 0.3349,
1711
+ "step": 242
1712
+ },
1713
+ {
1714
+ "epoch": 1.5728155339805825,
1715
+ "grad_norm": 0.0847504452125806,
1716
+ "learning_rate": 0.00010869462603708011,
1717
+ "loss": 0.3355,
1718
+ "step": 243
1719
+ },
1720
+ {
1721
+ "epoch": 1.5792880258899675,
1722
+ "grad_norm": 0.08651133299846145,
1723
+ "learning_rate": 0.00010794024062953123,
1724
+ "loss": 0.3295,
1725
+ "step": 244
1726
+ },
1727
+ {
1728
+ "epoch": 1.5857605177993528,
1729
+ "grad_norm": 0.08848888104315868,
1730
+ "learning_rate": 0.00010718540019710432,
1731
+ "loss": 0.334,
1732
+ "step": 245
1733
+ },
1734
+ {
1735
+ "epoch": 1.5922330097087378,
1736
+ "grad_norm": 0.0838746079221116,
1737
+ "learning_rate": 0.00010643014799682296,
1738
+ "loss": 0.3236,
1739
+ "step": 246
1740
+ },
1741
+ {
1742
+ "epoch": 1.5987055016181229,
1743
+ "grad_norm": 0.0834887968620315,
1744
+ "learning_rate": 0.00010567452730930743,
1745
+ "loss": 0.3231,
1746
+ "step": 247
1747
+ },
1748
+ {
1749
+ "epoch": 1.6051779935275081,
1750
+ "grad_norm": 0.08903656754039865,
1751
+ "learning_rate": 0.00010491858143629469,
1752
+ "loss": 0.3303,
1753
+ "step": 248
1754
+ },
1755
+ {
1756
+ "epoch": 1.6116504854368932,
1757
+ "grad_norm": 0.08833888604572854,
1758
+ "learning_rate": 0.00010416235369815693,
1759
+ "loss": 0.3417,
1760
+ "step": 249
1761
+ },
1762
+ {
1763
+ "epoch": 1.6181229773462782,
1764
+ "grad_norm": 0.08946556956131413,
1765
+ "learning_rate": 0.00010340588743141879,
1766
+ "loss": 0.3341,
1767
+ "step": 250
1768
+ },
1769
+ {
1770
+ "epoch": 1.6245954692556634,
1771
+ "grad_norm": 0.09195837741425467,
1772
+ "learning_rate": 0.00010264922598627418,
1773
+ "loss": 0.3292,
1774
+ "step": 251
1775
+ },
1776
+ {
1777
+ "epoch": 1.6310679611650487,
1778
+ "grad_norm": 0.08669211913864286,
1779
+ "learning_rate": 0.0001018924127241019,
1780
+ "loss": 0.329,
1781
+ "step": 252
1782
+ },
1783
+ {
1784
+ "epoch": 1.6375404530744335,
1785
+ "grad_norm": 0.08493981781947878,
1786
+ "learning_rate": 0.00010113549101498086,
1787
+ "loss": 0.317,
1788
+ "step": 253
1789
+ },
1790
+ {
1791
+ "epoch": 1.6440129449838188,
1792
+ "grad_norm": 0.08859940503358235,
1793
+ "learning_rate": 0.00010037850423520454,
1794
+ "loss": 0.3239,
1795
+ "step": 254
1796
+ },
1797
+ {
1798
+ "epoch": 1.650485436893204,
1799
+ "grad_norm": 0.08691997093628756,
1800
+ "learning_rate": 9.962149576479545e-05,
1801
+ "loss": 0.3276,
1802
+ "step": 255
1803
+ },
1804
+ {
1805
+ "epoch": 1.6569579288025889,
1806
+ "grad_norm": 0.08182220008549855,
1807
+ "learning_rate": 9.886450898501917e-05,
1808
+ "loss": 0.322,
1809
+ "step": 256
1810
+ },
1811
+ {
1812
+ "epoch": 1.6634304207119741,
1813
+ "grad_norm": 0.08983867569693547,
1814
+ "learning_rate": 9.810758727589813e-05,
1815
+ "loss": 0.3289,
1816
+ "step": 257
1817
+ },
1818
+ {
1819
+ "epoch": 1.6699029126213594,
1820
+ "grad_norm": 0.08440426328661797,
1821
+ "learning_rate": 9.735077401372583e-05,
1822
+ "loss": 0.335,
1823
+ "step": 258
1824
+ },
1825
+ {
1826
+ "epoch": 1.6763754045307442,
1827
+ "grad_norm": 0.09081741368893546,
1828
+ "learning_rate": 9.659411256858122e-05,
1829
+ "loss": 0.3285,
1830
+ "step": 259
1831
+ },
1832
+ {
1833
+ "epoch": 1.6828478964401294,
1834
+ "grad_norm": 0.08638692257401422,
1835
+ "learning_rate": 9.583764630184311e-05,
1836
+ "loss": 0.3283,
1837
+ "step": 260
1838
+ },
1839
+ {
1840
+ "epoch": 1.6893203883495147,
1841
+ "grad_norm": 0.08661785904833329,
1842
+ "learning_rate": 9.508141856370532e-05,
1843
+ "loss": 0.3315,
1844
+ "step": 261
1845
+ },
1846
+ {
1847
+ "epoch": 1.6957928802588995,
1848
+ "grad_norm": 0.08867942067172753,
1849
+ "learning_rate": 9.432547269069261e-05,
1850
+ "loss": 0.3298,
1851
+ "step": 262
1852
+ },
1853
+ {
1854
+ "epoch": 1.7022653721682848,
1855
+ "grad_norm": 0.08121634636493791,
1856
+ "learning_rate": 9.356985200317709e-05,
1857
+ "loss": 0.3264,
1858
+ "step": 263
1859
+ },
1860
+ {
1861
+ "epoch": 1.70873786407767,
1862
+ "grad_norm": 0.0857656466474692,
1863
+ "learning_rate": 9.281459980289567e-05,
1864
+ "loss": 0.3265,
1865
+ "step": 264
1866
+ },
1867
+ {
1868
+ "epoch": 1.715210355987055,
1869
+ "grad_norm": 0.08325063625580009,
1870
+ "learning_rate": 9.205975937046879e-05,
1871
+ "loss": 0.3248,
1872
+ "step": 265
1873
+ },
1874
+ {
1875
+ "epoch": 1.72168284789644,
1876
+ "grad_norm": 0.09125541887572731,
1877
+ "learning_rate": 9.130537396291994e-05,
1878
+ "loss": 0.3336,
1879
+ "step": 266
1880
+ },
1881
+ {
1882
+ "epoch": 1.7281553398058254,
1883
+ "grad_norm": 0.0858478153556312,
1884
+ "learning_rate": 9.055148681119688e-05,
1885
+ "loss": 0.3335,
1886
+ "step": 267
1887
+ },
1888
+ {
1889
+ "epoch": 1.7346278317152104,
1890
+ "grad_norm": 0.08412291629199992,
1891
+ "learning_rate": 8.979814111769431e-05,
1892
+ "loss": 0.3247,
1893
+ "step": 268
1894
+ },
1895
+ {
1896
+ "epoch": 1.7411003236245954,
1897
+ "grad_norm": 0.08342610941802514,
1898
+ "learning_rate": 8.904538005377794e-05,
1899
+ "loss": 0.3271,
1900
+ "step": 269
1901
+ },
1902
+ {
1903
+ "epoch": 1.7475728155339807,
1904
+ "grad_norm": 0.08566344893624273,
1905
+ "learning_rate": 8.829324675731059e-05,
1906
+ "loss": 0.3342,
1907
+ "step": 270
1908
+ },
1909
+ {
1910
+ "epoch": 1.7540453074433657,
1911
+ "grad_norm": 0.08349328064040033,
1912
+ "learning_rate": 8.754178433018025e-05,
1913
+ "loss": 0.3169,
1914
+ "step": 271
1915
+ },
1916
+ {
1917
+ "epoch": 1.7605177993527508,
1918
+ "grad_norm": 0.08290650287411376,
1919
+ "learning_rate": 8.679103583582979e-05,
1920
+ "loss": 0.32,
1921
+ "step": 272
1922
+ },
1923
+ {
1924
+ "epoch": 1.766990291262136,
1925
+ "grad_norm": 0.08355664601674428,
1926
+ "learning_rate": 8.604104429678935e-05,
1927
+ "loss": 0.3284,
1928
+ "step": 273
1929
+ },
1930
+ {
1931
+ "epoch": 1.773462783171521,
1932
+ "grad_norm": 0.08088172666023426,
1933
+ "learning_rate": 8.529185269221097e-05,
1934
+ "loss": 0.3189,
1935
+ "step": 274
1936
+ },
1937
+ {
1938
+ "epoch": 1.779935275080906,
1939
+ "grad_norm": 0.08494057369308265,
1940
+ "learning_rate": 8.45435039554054e-05,
1941
+ "loss": 0.3175,
1942
+ "step": 275
1943
+ },
1944
+ {
1945
+ "epoch": 1.7864077669902914,
1946
+ "grad_norm": 0.08435898747241219,
1947
+ "learning_rate": 8.379604097138179e-05,
1948
+ "loss": 0.3359,
1949
+ "step": 276
1950
+ },
1951
+ {
1952
+ "epoch": 1.7928802588996764,
1953
+ "grad_norm": 0.08369793345019513,
1954
+ "learning_rate": 8.304950657439033e-05,
1955
+ "loss": 0.3277,
1956
+ "step": 277
1957
+ },
1958
+ {
1959
+ "epoch": 1.7993527508090614,
1960
+ "grad_norm": 0.08234674894169963,
1961
+ "learning_rate": 8.230394354546737e-05,
1962
+ "loss": 0.3106,
1963
+ "step": 278
1964
+ },
1965
+ {
1966
+ "epoch": 1.8058252427184467,
1967
+ "grad_norm": 0.08480659421208028,
1968
+ "learning_rate": 8.15593946099838e-05,
1969
+ "loss": 0.3219,
1970
+ "step": 279
1971
+ },
1972
+ {
1973
+ "epoch": 1.8122977346278317,
1974
+ "grad_norm": 0.087986920120639,
1975
+ "learning_rate": 8.08159024351968e-05,
1976
+ "loss": 0.3442,
1977
+ "step": 280
1978
+ },
1979
+ {
1980
+ "epoch": 1.8187702265372168,
1981
+ "grad_norm": 0.0839196545152189,
1982
+ "learning_rate": 8.007350962780456e-05,
1983
+ "loss": 0.3216,
1984
+ "step": 281
1985
+ },
1986
+ {
1987
+ "epoch": 1.825242718446602,
1988
+ "grad_norm": 0.08396185408224062,
1989
+ "learning_rate": 7.93322587315047e-05,
1990
+ "loss": 0.3249,
1991
+ "step": 282
1992
+ },
1993
+ {
1994
+ "epoch": 1.831715210355987,
1995
+ "grad_norm": 0.08739956374343912,
1996
+ "learning_rate": 7.859219222455634e-05,
1997
+ "loss": 0.3366,
1998
+ "step": 283
1999
+ },
2000
+ {
2001
+ "epoch": 1.838187702265372,
2002
+ "grad_norm": 0.08539428449034953,
2003
+ "learning_rate": 7.785335251734573e-05,
2004
+ "loss": 0.3399,
2005
+ "step": 284
2006
+ },
2007
+ {
2008
+ "epoch": 1.8446601941747574,
2009
+ "grad_norm": 0.08443259129123379,
2010
+ "learning_rate": 7.711578194995589e-05,
2011
+ "loss": 0.326,
2012
+ "step": 285
2013
+ },
2014
+ {
2015
+ "epoch": 1.8511326860841424,
2016
+ "grad_norm": 0.08226727888900415,
2017
+ "learning_rate": 7.637952278974034e-05,
2018
+ "loss": 0.3122,
2019
+ "step": 286
2020
+ },
2021
+ {
2022
+ "epoch": 1.8576051779935274,
2023
+ "grad_norm": 0.08664703990759018,
2024
+ "learning_rate": 7.564461722890081e-05,
2025
+ "loss": 0.3276,
2026
+ "step": 287
2027
+ },
2028
+ {
2029
+ "epoch": 1.8640776699029127,
2030
+ "grad_norm": 0.08284483357408984,
2031
+ "learning_rate": 7.491110738206942e-05,
2032
+ "loss": 0.3331,
2033
+ "step": 288
2034
+ },
2035
+ {
2036
+ "epoch": 1.8705501618122977,
2037
+ "grad_norm": 0.08547813142706377,
2038
+ "learning_rate": 7.417903528389534e-05,
2039
+ "loss": 0.3108,
2040
+ "step": 289
2041
+ },
2042
+ {
2043
+ "epoch": 1.8770226537216828,
2044
+ "grad_norm": 0.08375066019242061,
2045
+ "learning_rate": 7.344844288663571e-05,
2046
+ "loss": 0.3356,
2047
+ "step": 290
2048
+ },
2049
+ {
2050
+ "epoch": 1.883495145631068,
2051
+ "grad_norm": 0.08564167180521602,
2052
+ "learning_rate": 7.27193720577517e-05,
2053
+ "loss": 0.3264,
2054
+ "step": 291
2055
+ },
2056
+ {
2057
+ "epoch": 1.889967637540453,
2058
+ "grad_norm": 0.08560457179852256,
2059
+ "learning_rate": 7.19918645775093e-05,
2060
+ "loss": 0.3274,
2061
+ "step": 292
2062
+ },
2063
+ {
2064
+ "epoch": 1.896440129449838,
2065
+ "grad_norm": 0.08594335919666654,
2066
+ "learning_rate": 7.126596213658488e-05,
2067
+ "loss": 0.3268,
2068
+ "step": 293
2069
+ },
2070
+ {
2071
+ "epoch": 1.9029126213592233,
2072
+ "grad_norm": 0.086743773673858,
2073
+ "learning_rate": 7.05417063336761e-05,
2074
+ "loss": 0.3291,
2075
+ "step": 294
2076
+ },
2077
+ {
2078
+ "epoch": 1.9093851132686084,
2079
+ "grad_norm": 0.08512277813785797,
2080
+ "learning_rate": 6.981913867311819e-05,
2081
+ "loss": 0.3199,
2082
+ "step": 295
2083
+ },
2084
+ {
2085
+ "epoch": 1.9158576051779934,
2086
+ "grad_norm": 0.08482302988433711,
2087
+ "learning_rate": 6.909830056250527e-05,
2088
+ "loss": 0.3308,
2089
+ "step": 296
2090
+ },
2091
+ {
2092
+ "epoch": 1.9223300970873787,
2093
+ "grad_norm": 0.08336748744395403,
2094
+ "learning_rate": 6.83792333103176e-05,
2095
+ "loss": 0.3303,
2096
+ "step": 297
2097
+ },
2098
+ {
2099
+ "epoch": 1.9288025889967637,
2100
+ "grad_norm": 0.08685899308663286,
2101
+ "learning_rate": 6.766197812355438e-05,
2102
+ "loss": 0.3156,
2103
+ "step": 298
2104
+ },
2105
+ {
2106
+ "epoch": 1.9352750809061487,
2107
+ "grad_norm": 0.08670025171649215,
2108
+ "learning_rate": 6.69465761053721e-05,
2109
+ "loss": 0.3263,
2110
+ "step": 299
2111
+ },
2112
+ {
2113
+ "epoch": 1.941747572815534,
2114
+ "grad_norm": 0.08367058440741144,
2115
+ "learning_rate": 6.623306825272937e-05,
2116
+ "loss": 0.3184,
2117
+ "step": 300
2118
+ },
2119
+ {
2120
+ "epoch": 1.948220064724919,
2121
+ "grad_norm": 0.08265849338783704,
2122
+ "learning_rate": 6.552149545403739e-05,
2123
+ "loss": 0.3141,
2124
+ "step": 301
2125
+ },
2126
+ {
2127
+ "epoch": 1.954692556634304,
2128
+ "grad_norm": 0.08667064648503052,
2129
+ "learning_rate": 6.48118984868167e-05,
2130
+ "loss": 0.3176,
2131
+ "step": 302
2132
+ },
2133
+ {
2134
+ "epoch": 1.9611650485436893,
2135
+ "grad_norm": 0.08624477625370294,
2136
+ "learning_rate": 6.410431801536058e-05,
2137
+ "loss": 0.3245,
2138
+ "step": 303
2139
+ },
2140
+ {
2141
+ "epoch": 1.9676375404530746,
2142
+ "grad_norm": 0.0863914502801744,
2143
+ "learning_rate": 6.339879458840465e-05,
2144
+ "loss": 0.3345,
2145
+ "step": 304
2146
+ },
2147
+ {
2148
+ "epoch": 1.9741100323624594,
2149
+ "grad_norm": 0.0841627898701783,
2150
+ "learning_rate": 6.269536863680307e-05,
2151
+ "loss": 0.3194,
2152
+ "step": 305
2153
+ },
2154
+ {
2155
+ "epoch": 1.9805825242718447,
2156
+ "grad_norm": 0.0854832505200848,
2157
+ "learning_rate": 6.199408047121174e-05,
2158
+ "loss": 0.3396,
2159
+ "step": 306
2160
+ },
2161
+ {
2162
+ "epoch": 1.98705501618123,
2163
+ "grad_norm": 0.07970724191486213,
2164
+ "learning_rate": 6.129497027977829e-05,
2165
+ "loss": 0.3228,
2166
+ "step": 307
2167
+ },
2168
+ {
2169
+ "epoch": 1.9935275080906147,
2170
+ "grad_norm": 0.08216914347596244,
2171
+ "learning_rate": 6.059807812583883e-05,
2172
+ "loss": 0.3119,
2173
+ "step": 308
2174
+ },
2175
+ {
2176
+ "epoch": 2.0,
2177
+ "grad_norm": 0.08150138639289872,
2178
+ "learning_rate": 5.990344394562226e-05,
2179
+ "loss": 0.3166,
2180
+ "step": 309
2181
+ },
2182
+ {
2183
+ "epoch": 2.0,
2184
+ "eval_loss": 0.3374881148338318,
2185
+ "eval_runtime": 35.4418,
2186
+ "eval_samples_per_second": 29.316,
2187
+ "eval_steps_per_second": 0.931,
2188
+ "step": 309
2189
+ },
2190
+ {
2191
+ "epoch": 2.0064724919093853,
2192
+ "grad_norm": 0.08131373994961688,
2193
+ "learning_rate": 5.92111075459616e-05,
2194
+ "loss": 0.3175,
2195
+ "step": 310
2196
+ },
2197
+ {
2198
+ "epoch": 2.01294498381877,
2199
+ "grad_norm": 0.08591014053929732,
2200
+ "learning_rate": 5.852110860201294e-05,
2201
+ "loss": 0.3109,
2202
+ "step": 311
2203
+ },
2204
+ {
2205
+ "epoch": 2.0194174757281553,
2206
+ "grad_norm": 0.08486358862414822,
2207
+ "learning_rate": 5.7833486654981606e-05,
2208
+ "loss": 0.3056,
2209
+ "step": 312
2210
+ },
2211
+ {
2212
+ "epoch": 2.0258899676375406,
2213
+ "grad_norm": 0.08216589197196723,
2214
+ "learning_rate": 5.714828110985635e-05,
2215
+ "loss": 0.308,
2216
+ "step": 313
2217
+ },
2218
+ {
2219
+ "epoch": 2.0323624595469254,
2220
+ "grad_norm": 0.08472956112082734,
2221
+ "learning_rate": 5.6465531233151126e-05,
2222
+ "loss": 0.3063,
2223
+ "step": 314
2224
+ },
2225
+ {
2226
+ "epoch": 2.0388349514563107,
2227
+ "grad_norm": 0.08715839296976118,
2228
+ "learning_rate": 5.578527615065492e-05,
2229
+ "loss": 0.3146,
2230
+ "step": 315
2231
+ },
2232
+ {
2233
+ "epoch": 2.045307443365696,
2234
+ "grad_norm": 0.08426241524579575,
2235
+ "learning_rate": 5.510755484518955e-05,
2236
+ "loss": 0.305,
2237
+ "step": 316
2238
+ },
2239
+ {
2240
+ "epoch": 2.0517799352750807,
2241
+ "grad_norm": 0.08998957963984325,
2242
+ "learning_rate": 5.443240615437586e-05,
2243
+ "loss": 0.3082,
2244
+ "step": 317
2245
+ },
2246
+ {
2247
+ "epoch": 2.058252427184466,
2248
+ "grad_norm": 0.09157974577803293,
2249
+ "learning_rate": 5.375986876840784e-05,
2250
+ "loss": 0.3187,
2251
+ "step": 318
2252
+ },
2253
+ {
2254
+ "epoch": 2.0647249190938513,
2255
+ "grad_norm": 0.09110362940023115,
2256
+ "learning_rate": 5.30899812278356e-05,
2257
+ "loss": 0.3089,
2258
+ "step": 319
2259
+ },
2260
+ {
2261
+ "epoch": 2.071197411003236,
2262
+ "grad_norm": 0.08924632615443999,
2263
+ "learning_rate": 5.2422781921356826e-05,
2264
+ "loss": 0.3108,
2265
+ "step": 320
2266
+ },
2267
+ {
2268
+ "epoch": 2.0776699029126213,
2269
+ "grad_norm": 0.08653114959635026,
2270
+ "learning_rate": 5.1758309083616673e-05,
2271
+ "loss": 0.3033,
2272
+ "step": 321
2273
+ },
2274
+ {
2275
+ "epoch": 2.0841423948220066,
2276
+ "grad_norm": 0.0897639664776455,
2277
+ "learning_rate": 5.109660079301668e-05,
2278
+ "loss": 0.3044,
2279
+ "step": 322
2280
+ },
2281
+ {
2282
+ "epoch": 2.0906148867313914,
2283
+ "grad_norm": 0.08654171610929062,
2284
+ "learning_rate": 5.043769496953299e-05,
2285
+ "loss": 0.3033,
2286
+ "step": 323
2287
+ },
2288
+ {
2289
+ "epoch": 2.0970873786407767,
2290
+ "grad_norm": 0.0883439805695338,
2291
+ "learning_rate": 4.9781629372542895e-05,
2292
+ "loss": 0.3081,
2293
+ "step": 324
2294
+ },
2295
+ {
2296
+ "epoch": 2.103559870550162,
2297
+ "grad_norm": 0.08874070518690325,
2298
+ "learning_rate": 4.912844159866112e-05,
2299
+ "loss": 0.3029,
2300
+ "step": 325
2301
+ },
2302
+ {
2303
+ "epoch": 2.1100323624595467,
2304
+ "grad_norm": 0.08970836183938685,
2305
+ "learning_rate": 4.847816907958549e-05,
2306
+ "loss": 0.3051,
2307
+ "step": 326
2308
+ },
2309
+ {
2310
+ "epoch": 2.116504854368932,
2311
+ "grad_norm": 0.08702359256692323,
2312
+ "learning_rate": 4.783084907995156e-05,
2313
+ "loss": 0.3083,
2314
+ "step": 327
2315
+ },
2316
+ {
2317
+ "epoch": 2.1229773462783172,
2318
+ "grad_norm": 0.08620252985570646,
2319
+ "learning_rate": 4.718651869519731e-05,
2320
+ "loss": 0.3009,
2321
+ "step": 328
2322
+ },
2323
+ {
2324
+ "epoch": 2.129449838187702,
2325
+ "grad_norm": 0.09026535273366211,
2326
+ "learning_rate": 4.654521484943735e-05,
2327
+ "loss": 0.3095,
2328
+ "step": 329
2329
+ },
2330
+ {
2331
+ "epoch": 2.1359223300970873,
2332
+ "grad_norm": 0.08797218673185163,
2333
+ "learning_rate": 4.59069742933468e-05,
2334
+ "loss": 0.3037,
2335
+ "step": 330
2336
+ },
2337
+ {
2338
+ "epoch": 2.1423948220064726,
2339
+ "grad_norm": 0.08992206831884317,
2340
+ "learning_rate": 4.527183360205541e-05,
2341
+ "loss": 0.3058,
2342
+ "step": 331
2343
+ },
2344
+ {
2345
+ "epoch": 2.148867313915858,
2346
+ "grad_norm": 0.09019684013585973,
2347
+ "learning_rate": 4.4639829173051554e-05,
2348
+ "loss": 0.3091,
2349
+ "step": 332
2350
+ },
2351
+ {
2352
+ "epoch": 2.1553398058252426,
2353
+ "grad_norm": 0.08846989758042821,
2354
+ "learning_rate": 4.401099722409631e-05,
2355
+ "loss": 0.2968,
2356
+ "step": 333
2357
+ },
2358
+ {
2359
+ "epoch": 2.161812297734628,
2360
+ "grad_norm": 0.09000600047149172,
2361
+ "learning_rate": 4.338537379114801e-05,
2362
+ "loss": 0.322,
2363
+ "step": 334
2364
+ },
2365
+ {
2366
+ "epoch": 2.168284789644013,
2367
+ "grad_norm": 0.09084909315613375,
2368
+ "learning_rate": 4.2762994726297346e-05,
2369
+ "loss": 0.3104,
2370
+ "step": 335
2371
+ },
2372
+ {
2373
+ "epoch": 2.174757281553398,
2374
+ "grad_norm": 0.08897581163092526,
2375
+ "learning_rate": 4.2143895695712444e-05,
2376
+ "loss": 0.3029,
2377
+ "step": 336
2378
+ },
2379
+ {
2380
+ "epoch": 2.1812297734627832,
2381
+ "grad_norm": 0.08806995729841001,
2382
+ "learning_rate": 4.152811217759529e-05,
2383
+ "loss": 0.3127,
2384
+ "step": 337
2385
+ },
2386
+ {
2387
+ "epoch": 2.1877022653721685,
2388
+ "grad_norm": 0.0909392143685305,
2389
+ "learning_rate": 4.091567946014858e-05,
2390
+ "loss": 0.3077,
2391
+ "step": 338
2392
+ },
2393
+ {
2394
+ "epoch": 2.1941747572815533,
2395
+ "grad_norm": 0.08526830124486821,
2396
+ "learning_rate": 4.0306632639553323e-05,
2397
+ "loss": 0.3092,
2398
+ "step": 339
2399
+ },
2400
+ {
2401
+ "epoch": 2.2006472491909386,
2402
+ "grad_norm": 0.0889661858323667,
2403
+ "learning_rate": 3.970100661795766e-05,
2404
+ "loss": 0.306,
2405
+ "step": 340
2406
+ },
2407
+ {
2408
+ "epoch": 2.207119741100324,
2409
+ "grad_norm": 0.08742864887103546,
2410
+ "learning_rate": 3.909883610147696e-05,
2411
+ "loss": 0.3021,
2412
+ "step": 341
2413
+ },
2414
+ {
2415
+ "epoch": 2.2135922330097086,
2416
+ "grad_norm": 0.08736016824506748,
2417
+ "learning_rate": 3.8500155598204644e-05,
2418
+ "loss": 0.2974,
2419
+ "step": 342
2420
+ },
2421
+ {
2422
+ "epoch": 2.220064724919094,
2423
+ "grad_norm": 0.0895276470969271,
2424
+ "learning_rate": 3.7904999416234864e-05,
2425
+ "loss": 0.3121,
2426
+ "step": 343
2427
+ },
2428
+ {
2429
+ "epoch": 2.226537216828479,
2430
+ "grad_norm": 0.08707410830498415,
2431
+ "learning_rate": 3.731340166169635e-05,
2432
+ "loss": 0.304,
2433
+ "step": 344
2434
+ },
2435
+ {
2436
+ "epoch": 2.233009708737864,
2437
+ "grad_norm": 0.09084514125957084,
2438
+ "learning_rate": 3.6725396236797935e-05,
2439
+ "loss": 0.3139,
2440
+ "step": 345
2441
+ },
2442
+ {
2443
+ "epoch": 2.2394822006472492,
2444
+ "grad_norm": 0.08595616841814938,
2445
+ "learning_rate": 3.614101683788575e-05,
2446
+ "loss": 0.3034,
2447
+ "step": 346
2448
+ },
2449
+ {
2450
+ "epoch": 2.2459546925566345,
2451
+ "grad_norm": 0.08918897946715092,
2452
+ "learning_rate": 3.5560296953512295e-05,
2453
+ "loss": 0.2871,
2454
+ "step": 347
2455
+ },
2456
+ {
2457
+ "epoch": 2.2524271844660193,
2458
+ "grad_norm": 0.08951525733240658,
2459
+ "learning_rate": 3.498326986251717e-05,
2460
+ "loss": 0.3064,
2461
+ "step": 348
2462
+ },
2463
+ {
2464
+ "epoch": 2.2588996763754046,
2465
+ "grad_norm": 0.08959019506927517,
2466
+ "learning_rate": 3.4409968632120126e-05,
2467
+ "loss": 0.3062,
2468
+ "step": 349
2469
+ },
2470
+ {
2471
+ "epoch": 2.26537216828479,
2472
+ "grad_norm": 0.09072525944669337,
2473
+ "learning_rate": 3.3840426116026044e-05,
2474
+ "loss": 0.3113,
2475
+ "step": 350
2476
+ },
2477
+ {
2478
+ "epoch": 2.2718446601941746,
2479
+ "grad_norm": 0.09370535186596111,
2480
+ "learning_rate": 3.327467495254225e-05,
2481
+ "loss": 0.3195,
2482
+ "step": 351
2483
+ },
2484
+ {
2485
+ "epoch": 2.27831715210356,
2486
+ "grad_norm": 0.08681410960013289,
2487
+ "learning_rate": 3.2712747562708115e-05,
2488
+ "loss": 0.3039,
2489
+ "step": 352
2490
+ },
2491
+ {
2492
+ "epoch": 2.284789644012945,
2493
+ "grad_norm": 0.0884544764695178,
2494
+ "learning_rate": 3.215467614843719e-05,
2495
+ "loss": 0.3028,
2496
+ "step": 353
2497
+ },
2498
+ {
2499
+ "epoch": 2.29126213592233,
2500
+ "grad_norm": 0.08974826283064652,
2501
+ "learning_rate": 3.160049269067174e-05,
2502
+ "loss": 0.3073,
2503
+ "step": 354
2504
+ },
2505
+ {
2506
+ "epoch": 2.2977346278317152,
2507
+ "grad_norm": 0.08791055069767624,
2508
+ "learning_rate": 3.105022894755003e-05,
2509
+ "loss": 0.3011,
2510
+ "step": 355
2511
+ },
2512
+ {
2513
+ "epoch": 2.3042071197411005,
2514
+ "grad_norm": 0.08951734113600135,
2515
+ "learning_rate": 3.0503916452586612e-05,
2516
+ "loss": 0.3056,
2517
+ "step": 356
2518
+ },
2519
+ {
2520
+ "epoch": 2.3106796116504853,
2521
+ "grad_norm": 0.08762327614071365,
2522
+ "learning_rate": 2.9961586512864947e-05,
2523
+ "loss": 0.3138,
2524
+ "step": 357
2525
+ },
2526
+ {
2527
+ "epoch": 2.3171521035598706,
2528
+ "grad_norm": 0.09032122428603973,
2529
+ "learning_rate": 2.9423270207243437e-05,
2530
+ "loss": 0.2978,
2531
+ "step": 358
2532
+ },
2533
+ {
2534
+ "epoch": 2.323624595469256,
2535
+ "grad_norm": 0.0917821868399838,
2536
+ "learning_rate": 2.888899838457455e-05,
2537
+ "loss": 0.3084,
2538
+ "step": 359
2539
+ },
2540
+ {
2541
+ "epoch": 2.3300970873786406,
2542
+ "grad_norm": 0.09193242261010433,
2543
+ "learning_rate": 2.835880166193683e-05,
2544
+ "loss": 0.3064,
2545
+ "step": 360
2546
+ },
2547
+ {
2548
+ "epoch": 2.336569579288026,
2549
+ "grad_norm": 0.08883763145021951,
2550
+ "learning_rate": 2.7832710422880328e-05,
2551
+ "loss": 0.2993,
2552
+ "step": 361
2553
+ },
2554
+ {
2555
+ "epoch": 2.343042071197411,
2556
+ "grad_norm": 0.08991962234888566,
2557
+ "learning_rate": 2.7310754815685624e-05,
2558
+ "loss": 0.3034,
2559
+ "step": 362
2560
+ },
2561
+ {
2562
+ "epoch": 2.349514563106796,
2563
+ "grad_norm": 0.08994982579652418,
2564
+ "learning_rate": 2.679296475163595e-05,
2565
+ "loss": 0.3072,
2566
+ "step": 363
2567
+ },
2568
+ {
2569
+ "epoch": 2.355987055016181,
2570
+ "grad_norm": 0.08970808859923911,
2571
+ "learning_rate": 2.6279369903303175e-05,
2572
+ "loss": 0.3023,
2573
+ "step": 364
2574
+ },
2575
+ {
2576
+ "epoch": 2.3624595469255665,
2577
+ "grad_norm": 0.08588546055096836,
2578
+ "learning_rate": 2.5769999702847346e-05,
2579
+ "loss": 0.296,
2580
+ "step": 365
2581
+ },
2582
+ {
2583
+ "epoch": 2.3689320388349513,
2584
+ "grad_norm": 0.08990846870006015,
2585
+ "learning_rate": 2.5264883340330113e-05,
2586
+ "loss": 0.3022,
2587
+ "step": 366
2588
+ },
2589
+ {
2590
+ "epoch": 2.3754045307443366,
2591
+ "grad_norm": 0.09151580193749502,
2592
+ "learning_rate": 2.4764049762041874e-05,
2593
+ "loss": 0.2978,
2594
+ "step": 367
2595
+ },
2596
+ {
2597
+ "epoch": 2.381877022653722,
2598
+ "grad_norm": 0.08959471455140089,
2599
+ "learning_rate": 2.426752766884306e-05,
2600
+ "loss": 0.3099,
2601
+ "step": 368
2602
+ },
2603
+ {
2604
+ "epoch": 2.3883495145631066,
2605
+ "grad_norm": 0.0887364245299765,
2606
+ "learning_rate": 2.377534551451932e-05,
2607
+ "loss": 0.3016,
2608
+ "step": 369
2609
+ },
2610
+ {
2611
+ "epoch": 2.394822006472492,
2612
+ "grad_norm": 0.08882940905923181,
2613
+ "learning_rate": 2.328753150415094e-05,
2614
+ "loss": 0.3004,
2615
+ "step": 370
2616
+ },
2617
+ {
2618
+ "epoch": 2.401294498381877,
2619
+ "grad_norm": 0.08843646634108779,
2620
+ "learning_rate": 2.280411359249668e-05,
2621
+ "loss": 0.2933,
2622
+ "step": 371
2623
+ },
2624
+ {
2625
+ "epoch": 2.407766990291262,
2626
+ "grad_norm": 0.09301769304474337,
2627
+ "learning_rate": 2.2325119482391467e-05,
2628
+ "loss": 0.3134,
2629
+ "step": 372
2630
+ },
2631
+ {
2632
+ "epoch": 2.414239482200647,
2633
+ "grad_norm": 0.08707266390112682,
2634
+ "learning_rate": 2.185057662315918e-05,
2635
+ "loss": 0.3003,
2636
+ "step": 373
2637
+ },
2638
+ {
2639
+ "epoch": 2.4207119741100325,
2640
+ "grad_norm": 0.0868807473282313,
2641
+ "learning_rate": 2.1380512209039528e-05,
2642
+ "loss": 0.302,
2643
+ "step": 374
2644
+ },
2645
+ {
2646
+ "epoch": 2.4271844660194173,
2647
+ "grad_norm": 0.09363452018708772,
2648
+ "learning_rate": 2.0914953177629548e-05,
2649
+ "loss": 0.3148,
2650
+ "step": 375
2651
+ },
2652
+ {
2653
+ "epoch": 2.4336569579288025,
2654
+ "grad_norm": 0.08938831583372829,
2655
+ "learning_rate": 2.0453926208340003e-05,
2656
+ "loss": 0.3055,
2657
+ "step": 376
2658
+ },
2659
+ {
2660
+ "epoch": 2.440129449838188,
2661
+ "grad_norm": 0.09230125425366141,
2662
+ "learning_rate": 1.999745772086655e-05,
2663
+ "loss": 0.3041,
2664
+ "step": 377
2665
+ },
2666
+ {
2667
+ "epoch": 2.4466019417475726,
2668
+ "grad_norm": 0.08932842130151852,
2669
+ "learning_rate": 1.954557387367557e-05,
2670
+ "loss": 0.3037,
2671
+ "step": 378
2672
+ },
2673
+ {
2674
+ "epoch": 2.453074433656958,
2675
+ "grad_norm": 0.08923122998718774,
2676
+ "learning_rate": 1.9098300562505266e-05,
2677
+ "loss": 0.3055,
2678
+ "step": 379
2679
+ },
2680
+ {
2681
+ "epoch": 2.459546925566343,
2682
+ "grad_norm": 0.0917592218140953,
2683
+ "learning_rate": 1.8655663418881584e-05,
2684
+ "loss": 0.3006,
2685
+ "step": 380
2686
+ },
2687
+ {
2688
+ "epoch": 2.466019417475728,
2689
+ "grad_norm": 0.08856315870273591,
2690
+ "learning_rate": 1.821768780864943e-05,
2691
+ "loss": 0.3072,
2692
+ "step": 381
2693
+ },
2694
+ {
2695
+ "epoch": 2.472491909385113,
2696
+ "grad_norm": 0.08867770851651259,
2697
+ "learning_rate": 1.7784398830519e-05,
2698
+ "loss": 0.298,
2699
+ "step": 382
2700
+ },
2701
+ {
2702
+ "epoch": 2.4789644012944985,
2703
+ "grad_norm": 0.08895980547301872,
2704
+ "learning_rate": 1.7355821314627564e-05,
2705
+ "loss": 0.3087,
2706
+ "step": 383
2707
+ },
2708
+ {
2709
+ "epoch": 2.4854368932038833,
2710
+ "grad_norm": 0.09119431484259279,
2711
+ "learning_rate": 1.6931979821116418e-05,
2712
+ "loss": 0.305,
2713
+ "step": 384
2714
+ },
2715
+ {
2716
+ "epoch": 2.4919093851132685,
2717
+ "grad_norm": 0.09318125516492613,
2718
+ "learning_rate": 1.6512898638723497e-05,
2719
+ "loss": 0.3095,
2720
+ "step": 385
2721
+ },
2722
+ {
2723
+ "epoch": 2.498381877022654,
2724
+ "grad_norm": 0.08770991666106868,
2725
+ "learning_rate": 1.6098601783391487e-05,
2726
+ "loss": 0.292,
2727
+ "step": 386
2728
+ },
2729
+ {
2730
+ "epoch": 2.5048543689320386,
2731
+ "grad_norm": 0.08730384586077941,
2732
+ "learning_rate": 1.5689112996891576e-05,
2733
+ "loss": 0.2982,
2734
+ "step": 387
2735
+ },
2736
+ {
2737
+ "epoch": 2.511326860841424,
2738
+ "grad_norm": 0.09025336858704619,
2739
+ "learning_rate": 1.5284455745462834e-05,
2740
+ "loss": 0.3175,
2741
+ "step": 388
2742
+ },
2743
+ {
2744
+ "epoch": 2.517799352750809,
2745
+ "grad_norm": 0.09170439944127616,
2746
+ "learning_rate": 1.4884653218467571e-05,
2747
+ "loss": 0.3131,
2748
+ "step": 389
2749
+ },
2750
+ {
2751
+ "epoch": 2.524271844660194,
2752
+ "grad_norm": 0.08975472589683904,
2753
+ "learning_rate": 1.4489728327062324e-05,
2754
+ "loss": 0.3077,
2755
+ "step": 390
2756
+ },
2757
+ {
2758
+ "epoch": 2.530744336569579,
2759
+ "grad_norm": 0.09151247517360593,
2760
+ "learning_rate": 1.4099703702884936e-05,
2761
+ "loss": 0.2987,
2762
+ "step": 391
2763
+ },
2764
+ {
2765
+ "epoch": 2.5372168284789645,
2766
+ "grad_norm": 0.08707773026948659,
2767
+ "learning_rate": 1.3714601696757712e-05,
2768
+ "loss": 0.301,
2769
+ "step": 392
2770
+ },
2771
+ {
2772
+ "epoch": 2.5436893203883493,
2773
+ "grad_norm": 0.09236291075818845,
2774
+ "learning_rate": 1.3334444377406452e-05,
2775
+ "loss": 0.3095,
2776
+ "step": 393
2777
+ },
2778
+ {
2779
+ "epoch": 2.5501618122977345,
2780
+ "grad_norm": 0.09003080825117314,
2781
+ "learning_rate": 1.2959253530195836e-05,
2782
+ "loss": 0.301,
2783
+ "step": 394
2784
+ },
2785
+ {
2786
+ "epoch": 2.55663430420712,
2787
+ "grad_norm": 0.08899294818724815,
2788
+ "learning_rate": 1.258905065588103e-05,
2789
+ "loss": 0.2996,
2790
+ "step": 395
2791
+ },
2792
+ {
2793
+ "epoch": 2.5631067961165046,
2794
+ "grad_norm": 0.08642480774869472,
2795
+ "learning_rate": 1.2223856969375447e-05,
2796
+ "loss": 0.2972,
2797
+ "step": 396
2798
+ },
2799
+ {
2800
+ "epoch": 2.56957928802589,
2801
+ "grad_norm": 0.09069465990264014,
2802
+ "learning_rate": 1.1863693398535114e-05,
2803
+ "loss": 0.3028,
2804
+ "step": 397
2805
+ },
2806
+ {
2807
+ "epoch": 2.576051779935275,
2808
+ "grad_norm": 0.09007456341294559,
2809
+ "learning_rate": 1.1508580582959349e-05,
2810
+ "loss": 0.3026,
2811
+ "step": 398
2812
+ },
2813
+ {
2814
+ "epoch": 2.58252427184466,
2815
+ "grad_norm": 0.0874176261621062,
2816
+ "learning_rate": 1.1158538872807933e-05,
2817
+ "loss": 0.302,
2818
+ "step": 399
2819
+ },
2820
+ {
2821
+ "epoch": 2.588996763754045,
2822
+ "grad_norm": 0.08762089070699175,
2823
+ "learning_rate": 1.0813588327634961e-05,
2824
+ "loss": 0.2845,
2825
+ "step": 400
2826
+ },
2827
+ {
2828
+ "epoch": 2.5954692556634305,
2829
+ "grad_norm": 0.08875402737182131,
2830
+ "learning_rate": 1.0473748715239307e-05,
2831
+ "loss": 0.3016,
2832
+ "step": 401
2833
+ },
2834
+ {
2835
+ "epoch": 2.6019417475728153,
2836
+ "grad_norm": 0.09129343356719948,
2837
+ "learning_rate": 1.01390395105318e-05,
2838
+ "loss": 0.3154,
2839
+ "step": 402
2840
+ },
2841
+ {
2842
+ "epoch": 2.6084142394822005,
2843
+ "grad_norm": 0.08810297072389008,
2844
+ "learning_rate": 9.809479894419149e-06,
2845
+ "loss": 0.3033,
2846
+ "step": 403
2847
+ },
2848
+ {
2849
+ "epoch": 2.614886731391586,
2850
+ "grad_norm": 0.09018340343849121,
2851
+ "learning_rate": 9.485088752704885e-06,
2852
+ "loss": 0.3088,
2853
+ "step": 404
2854
+ },
2855
+ {
2856
+ "epoch": 2.6213592233009706,
2857
+ "grad_norm": 0.08968883260752107,
2858
+ "learning_rate": 9.16588467500693e-06,
2859
+ "loss": 0.2982,
2860
+ "step": 405
2861
+ },
2862
+ {
2863
+ "epoch": 2.627831715210356,
2864
+ "grad_norm": 0.08957666144874589,
2865
+ "learning_rate": 8.851885953692374e-06,
2866
+ "loss": 0.3082,
2867
+ "step": 406
2868
+ },
2869
+ {
2870
+ "epoch": 2.634304207119741,
2871
+ "grad_norm": 0.09198641057091544,
2872
+ "learning_rate": 8.543110582829272e-06,
2873
+ "loss": 0.3015,
2874
+ "step": 407
2875
+ },
2876
+ {
2877
+ "epoch": 2.6407766990291264,
2878
+ "grad_norm": 0.08915392372194866,
2879
+ "learning_rate": 8.239576257155334e-06,
2880
+ "loss": 0.3068,
2881
+ "step": 408
2882
+ },
2883
+ {
2884
+ "epoch": 2.647249190938511,
2885
+ "grad_norm": 0.09135989217201736,
2886
+ "learning_rate": 7.941300371063953e-06,
2887
+ "loss": 0.3118,
2888
+ "step": 409
2889
+ },
2890
+ {
2891
+ "epoch": 2.6537216828478964,
2892
+ "grad_norm": 0.09150707922550998,
2893
+ "learning_rate": 7.648300017607534e-06,
2894
+ "loss": 0.3049,
2895
+ "step": 410
2896
+ },
2897
+ {
2898
+ "epoch": 2.6601941747572817,
2899
+ "grad_norm": 0.08679197622255307,
2900
+ "learning_rate": 7.360591987517762e-06,
2901
+ "loss": 0.2973,
2902
+ "step": 411
2903
+ },
2904
+ {
2905
+ "epoch": 2.6666666666666665,
2906
+ "grad_norm": 0.09043247718192007,
2907
+ "learning_rate": 7.078192768243486e-06,
2908
+ "loss": 0.3016,
2909
+ "step": 412
2910
+ },
2911
+ {
2912
+ "epoch": 2.6731391585760518,
2913
+ "grad_norm": 0.09227814811133576,
2914
+ "learning_rate": 6.80111854300588e-06,
2915
+ "loss": 0.3109,
2916
+ "step": 413
2917
+ },
2918
+ {
2919
+ "epoch": 2.679611650485437,
2920
+ "grad_norm": 0.08752395500418549,
2921
+ "learning_rate": 6.5293851898710625e-06,
2922
+ "loss": 0.301,
2923
+ "step": 414
2924
+ },
2925
+ {
2926
+ "epoch": 2.686084142394822,
2927
+ "grad_norm": 0.08959180387680037,
2928
+ "learning_rate": 6.2630082808401326e-06,
2929
+ "loss": 0.2992,
2930
+ "step": 415
2931
+ },
2932
+ {
2933
+ "epoch": 2.692556634304207,
2934
+ "grad_norm": 0.08743171313620991,
2935
+ "learning_rate": 6.00200308095682e-06,
2936
+ "loss": 0.301,
2937
+ "step": 416
2938
+ },
2939
+ {
2940
+ "epoch": 2.6990291262135924,
2941
+ "grad_norm": 0.08980865803761802,
2942
+ "learning_rate": 5.746384547432737e-06,
2943
+ "loss": 0.3174,
2944
+ "step": 417
2945
+ },
2946
+ {
2947
+ "epoch": 2.705501618122977,
2948
+ "grad_norm": 0.08661713786701486,
2949
+ "learning_rate": 5.496167328790191e-06,
2950
+ "loss": 0.2939,
2951
+ "step": 418
2952
+ },
2953
+ {
2954
+ "epoch": 2.7119741100323624,
2955
+ "grad_norm": 0.08786309161255973,
2956
+ "learning_rate": 5.251365764022753e-06,
2957
+ "loss": 0.2978,
2958
+ "step": 419
2959
+ },
2960
+ {
2961
+ "epoch": 2.7184466019417477,
2962
+ "grad_norm": 0.08733419882477451,
2963
+ "learning_rate": 5.011993881773569e-06,
2964
+ "loss": 0.3002,
2965
+ "step": 420
2966
+ },
2967
+ {
2968
+ "epoch": 2.724919093851133,
2969
+ "grad_norm": 0.08926182705644836,
2970
+ "learning_rate": 4.778065399531395e-06,
2971
+ "loss": 0.2975,
2972
+ "step": 421
2973
+ },
2974
+ {
2975
+ "epoch": 2.7313915857605178,
2976
+ "grad_norm": 0.0894176370961602,
2977
+ "learning_rate": 4.549593722844492e-06,
2978
+ "loss": 0.3067,
2979
+ "step": 422
2980
+ },
2981
+ {
2982
+ "epoch": 2.737864077669903,
2983
+ "grad_norm": 0.0876923455017712,
2984
+ "learning_rate": 4.326591944552438e-06,
2985
+ "loss": 0.3097,
2986
+ "step": 423
2987
+ },
2988
+ {
2989
+ "epoch": 2.7443365695792883,
2990
+ "grad_norm": 0.08572253083705766,
2991
+ "learning_rate": 4.109072844035844e-06,
2992
+ "loss": 0.2911,
2993
+ "step": 424
2994
+ },
2995
+ {
2996
+ "epoch": 2.750809061488673,
2997
+ "grad_norm": 0.08883901045408762,
2998
+ "learning_rate": 3.8970488864839334e-06,
2999
+ "loss": 0.2963,
3000
+ "step": 425
3001
+ },
3002
+ {
3003
+ "epoch": 2.7572815533980584,
3004
+ "grad_norm": 0.09240186844770727,
3005
+ "learning_rate": 3.690532222180343e-06,
3006
+ "loss": 0.3024,
3007
+ "step": 426
3008
+ },
3009
+ {
3010
+ "epoch": 2.7637540453074436,
3011
+ "grad_norm": 0.09051220479105677,
3012
+ "learning_rate": 3.4895346858066724e-06,
3013
+ "loss": 0.3089,
3014
+ "step": 427
3015
+ },
3016
+ {
3017
+ "epoch": 2.7702265372168284,
3018
+ "grad_norm": 0.0891289977534799,
3019
+ "learning_rate": 3.2940677957644215e-06,
3020
+ "loss": 0.3047,
3021
+ "step": 428
3022
+ },
3023
+ {
3024
+ "epoch": 2.7766990291262137,
3025
+ "grad_norm": 0.08973918683676917,
3026
+ "learning_rate": 3.104142753514849e-06,
3027
+ "loss": 0.3151,
3028
+ "step": 429
3029
+ },
3030
+ {
3031
+ "epoch": 2.783171521035599,
3032
+ "grad_norm": 0.08839195406678332,
3033
+ "learning_rate": 2.9197704429370977e-06,
3034
+ "loss": 0.2995,
3035
+ "step": 430
3036
+ },
3037
+ {
3038
+ "epoch": 2.7896440129449838,
3039
+ "grad_norm": 0.08711643702101148,
3040
+ "learning_rate": 2.7409614297043806e-06,
3041
+ "loss": 0.2983,
3042
+ "step": 431
3043
+ },
3044
+ {
3045
+ "epoch": 2.796116504854369,
3046
+ "grad_norm": 0.08827751306740735,
3047
+ "learning_rate": 2.5677259606786684e-06,
3048
+ "loss": 0.3071,
3049
+ "step": 432
3050
+ },
3051
+ {
3052
+ "epoch": 2.8025889967637543,
3053
+ "grad_norm": 0.08989812034868257,
3054
+ "learning_rate": 2.4000739633233347e-06,
3055
+ "loss": 0.3185,
3056
+ "step": 433
3057
+ },
3058
+ {
3059
+ "epoch": 2.809061488673139,
3060
+ "grad_norm": 0.08814993018203572,
3061
+ "learning_rate": 2.238015045134334e-06,
3062
+ "loss": 0.303,
3063
+ "step": 434
3064
+ },
3065
+ {
3066
+ "epoch": 2.8155339805825244,
3067
+ "grad_norm": 0.08731684328369535,
3068
+ "learning_rate": 2.0815584930895972e-06,
3069
+ "loss": 0.3053,
3070
+ "step": 435
3071
+ },
3072
+ {
3073
+ "epoch": 2.8220064724919096,
3074
+ "grad_norm": 0.09248953078205228,
3075
+ "learning_rate": 1.9307132731168352e-06,
3076
+ "loss": 0.3048,
3077
+ "step": 436
3078
+ },
3079
+ {
3080
+ "epoch": 2.8284789644012944,
3081
+ "grad_norm": 0.08979246033823442,
3082
+ "learning_rate": 1.7854880295797405e-06,
3083
+ "loss": 0.3046,
3084
+ "step": 437
3085
+ },
3086
+ {
3087
+ "epoch": 2.8349514563106797,
3088
+ "grad_norm": 0.08615293987508164,
3089
+ "learning_rate": 1.6458910847826026e-06,
3090
+ "loss": 0.2991,
3091
+ "step": 438
3092
+ },
3093
+ {
3094
+ "epoch": 2.841423948220065,
3095
+ "grad_norm": 0.08795133012526277,
3096
+ "learning_rate": 1.5119304384934252e-06,
3097
+ "loss": 0.2922,
3098
+ "step": 439
3099
+ },
3100
+ {
3101
+ "epoch": 2.8478964401294498,
3102
+ "grad_norm": 0.0862166031371393,
3103
+ "learning_rate": 1.3836137674854255e-06,
3104
+ "loss": 0.2921,
3105
+ "step": 440
3106
+ },
3107
+ {
3108
+ "epoch": 2.854368932038835,
3109
+ "grad_norm": 0.08955236492173343,
3110
+ "learning_rate": 1.2609484250971749e-06,
3111
+ "loss": 0.2997,
3112
+ "step": 441
3113
+ },
3114
+ {
3115
+ "epoch": 2.8608414239482203,
3116
+ "grad_norm": 0.08843363251406085,
3117
+ "learning_rate": 1.143941440811147e-06,
3118
+ "loss": 0.3088,
3119
+ "step": 442
3120
+ },
3121
+ {
3122
+ "epoch": 2.867313915857605,
3123
+ "grad_norm": 0.09009839385408548,
3124
+ "learning_rate": 1.0325995198509409e-06,
3125
+ "loss": 0.3109,
3126
+ "step": 443
3127
+ },
3128
+ {
3129
+ "epoch": 2.8737864077669903,
3130
+ "grad_norm": 0.08785361574469933,
3131
+ "learning_rate": 9.269290427969868e-07,
3132
+ "loss": 0.2971,
3133
+ "step": 444
3134
+ },
3135
+ {
3136
+ "epoch": 2.8802588996763756,
3137
+ "grad_norm": 0.08841485850159143,
3138
+ "learning_rate": 8.26936065220929e-07,
3139
+ "loss": 0.3035,
3140
+ "step": 445
3141
+ },
3142
+ {
3143
+ "epoch": 2.8867313915857604,
3144
+ "grad_norm": 0.08779257157327024,
3145
+ "learning_rate": 7.326263173385584e-07,
3146
+ "loss": 0.3013,
3147
+ "step": 446
3148
+ },
3149
+ {
3150
+ "epoch": 2.8932038834951457,
3151
+ "grad_norm": 0.0883658852563661,
3152
+ "learning_rate": 6.440052036815081e-07,
3153
+ "loss": 0.305,
3154
+ "step": 447
3155
+ },
3156
+ {
3157
+ "epoch": 2.899676375404531,
3158
+ "grad_norm": 0.08862179969635353,
3159
+ "learning_rate": 5.610778027874908e-07,
3160
+ "loss": 0.2952,
3161
+ "step": 448
3162
+ },
3163
+ {
3164
+ "epoch": 2.9061488673139158,
3165
+ "grad_norm": 0.08863424887187872,
3166
+ "learning_rate": 4.838488669092534e-07,
3167
+ "loss": 0.2956,
3168
+ "step": 449
3169
+ },
3170
+ {
3171
+ "epoch": 2.912621359223301,
3172
+ "grad_norm": 0.08998809785580231,
3173
+ "learning_rate": 4.123228217422948e-07,
3174
+ "loss": 0.3015,
3175
+ "step": 450
3176
+ },
3177
+ {
3178
+ "epoch": 2.9190938511326863,
3179
+ "grad_norm": 0.08707387881008244,
3180
+ "learning_rate": 3.465037661712134e-07,
3181
+ "loss": 0.3095,
3182
+ "step": 451
3183
+ },
3184
+ {
3185
+ "epoch": 2.925566343042071,
3186
+ "grad_norm": 0.08740571796909039,
3187
+ "learning_rate": 2.86395472034795e-07,
3188
+ "loss": 0.3033,
3189
+ "step": 452
3190
+ },
3191
+ {
3192
+ "epoch": 2.9320388349514563,
3193
+ "grad_norm": 0.08599743041374118,
3194
+ "learning_rate": 2.3200138390993e-07,
3195
+ "loss": 0.2904,
3196
+ "step": 453
3197
+ },
3198
+ {
3199
+ "epoch": 2.9385113268608416,
3200
+ "grad_norm": 0.08726631646259621,
3201
+ "learning_rate": 1.83324618914138e-07,
3202
+ "loss": 0.3007,
3203
+ "step": 454
3204
+ },
3205
+ {
3206
+ "epoch": 2.9449838187702264,
3207
+ "grad_norm": 0.08898358262047706,
3208
+ "learning_rate": 1.4036796652701078e-07,
3209
+ "loss": 0.3017,
3210
+ "step": 455
3211
+ },
3212
+ {
3213
+ "epoch": 2.9514563106796117,
3214
+ "grad_norm": 0.08765396985812648,
3215
+ "learning_rate": 1.031338884302846e-07,
3216
+ "loss": 0.2887,
3217
+ "step": 456
3218
+ },
3219
+ {
3220
+ "epoch": 2.957928802588997,
3221
+ "grad_norm": 0.09001756499046232,
3222
+ "learning_rate": 7.162451836685291e-08,
3223
+ "loss": 0.309,
3224
+ "step": 457
3225
+ },
3226
+ {
3227
+ "epoch": 2.9644012944983817,
3228
+ "grad_norm": 0.09045952221990206,
3229
+ "learning_rate": 4.584166201841988e-08,
3230
+ "loss": 0.2996,
3231
+ "step": 458
3232
+ },
3233
+ {
3234
+ "epoch": 2.970873786407767,
3235
+ "grad_norm": 0.08709990251871128,
3236
+ "learning_rate": 2.578679690204977e-08,
3237
+ "loss": 0.2982,
3238
+ "step": 459
3239
+ },
3240
+ {
3241
+ "epoch": 2.9773462783171523,
3242
+ "grad_norm": 0.08844965304987025,
3243
+ "learning_rate": 1.1461072285490204e-08,
3244
+ "loss": 0.3136,
3245
+ "step": 460
3246
+ },
3247
+ {
3248
+ "epoch": 2.983818770226537,
3249
+ "grad_norm": 0.0892220185111147,
3250
+ "learning_rate": 2.865309121358184e-09,
3251
+ "loss": 0.3011,
3252
+ "step": 461
3253
+ },
3254
+ {
3255
+ "epoch": 2.9902912621359223,
3256
+ "grad_norm": 0.08562579597167659,
3257
+ "learning_rate": 0.0,
3258
+ "loss": 0.2951,
3259
+ "step": 462
3260
+ },
3261
+ {
3262
+ "epoch": 2.9902912621359223,
3263
+ "eval_loss": 0.3344117999076843,
3264
+ "eval_runtime": 35.3894,
3265
+ "eval_samples_per_second": 29.359,
3266
+ "eval_steps_per_second": 0.932,
3267
+ "step": 462
3268
+ },
3269
+ {
3270
+ "epoch": 2.9902912621359223,
3271
+ "step": 462,
3272
+ "total_flos": 1.8679451641472614e+17,
3273
+ "train_loss": 0.36376328850205325,
3274
+ "train_runtime": 5739.3163,
3275
+ "train_samples_per_second": 10.311,
3276
+ "train_steps_per_second": 0.08
3277
+ }
3278
+ ],
3279
+ "logging_steps": 1,
3280
+ "max_steps": 462,
3281
+ "num_input_tokens_seen": 0,
3282
+ "num_train_epochs": 3,
3283
+ "save_steps": 500,
3284
+ "stateful_callbacks": {
3285
+ "TrainerControl": {
3286
+ "args": {
3287
+ "should_epoch_stop": false,
3288
+ "should_evaluate": false,
3289
+ "should_log": false,
3290
+ "should_save": true,
3291
+ "should_training_stop": true
3292
+ },
3293
+ "attributes": {}
3294
+ }
3295
+ },
3296
+ "total_flos": 1.8679451641472614e+17,
3297
+ "train_batch_size": 8,
3298
+ "trial_name": null,
3299
+ "trial_params": null
3300
+ }