emilykang commited on
Commit
27364f9
·
verified ·
1 Parent(s): 1914479

Model save

Browse files
Files changed (1) hide show
  1. trainer_state.json +3530 -0
trainer_state.json ADDED
@@ -0,0 +1,3530 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 9.99000999000999,
5
+ "eval_steps": 500,
6
+ "global_step": 5000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.01998001998001998,
13
+ "grad_norm": 1.9170171022415161,
14
+ "learning_rate": 0.0001999980260856137,
15
+ "loss": 1.4846,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.03996003996003996,
20
+ "grad_norm": 0.5531741976737976,
21
+ "learning_rate": 0.00019999210442038162,
22
+ "loss": 1.0709,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.059940059940059943,
27
+ "grad_norm": 0.39242061972618103,
28
+ "learning_rate": 0.0001999822352380809,
29
+ "loss": 0.9892,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.07992007992007992,
34
+ "grad_norm": 0.46874135732650757,
35
+ "learning_rate": 0.00019996841892833,
36
+ "loss": 0.9705,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.0999000999000999,
41
+ "grad_norm": 0.4039924740791321,
42
+ "learning_rate": 0.00019995065603657316,
43
+ "loss": 0.953,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.11988011988011989,
48
+ "grad_norm": 0.37654027342796326,
49
+ "learning_rate": 0.00019992894726405893,
50
+ "loss": 0.9138,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.13986013986013987,
55
+ "grad_norm": 0.41351592540740967,
56
+ "learning_rate": 0.0001999032934678125,
57
+ "loss": 0.9121,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.15984015984015984,
62
+ "grad_norm": 0.42355260252952576,
63
+ "learning_rate": 0.00019987369566060176,
64
+ "loss": 0.8971,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.1798201798201798,
69
+ "grad_norm": 0.40265560150146484,
70
+ "learning_rate": 0.00019984015501089752,
71
+ "loss": 0.892,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.1998001998001998,
76
+ "grad_norm": 0.36668843030929565,
77
+ "learning_rate": 0.00019980267284282717,
78
+ "loss": 0.8907,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.21978021978021978,
83
+ "grad_norm": 0.3516446352005005,
84
+ "learning_rate": 0.00019976125063612252,
85
+ "loss": 0.888,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.23976023976023977,
90
+ "grad_norm": 0.3761754631996155,
91
+ "learning_rate": 0.0001997158900260614,
92
+ "loss": 0.8883,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.2597402597402597,
97
+ "grad_norm": 0.3486793041229248,
98
+ "learning_rate": 0.00019966659280340297,
99
+ "loss": 0.8709,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.27972027972027974,
104
+ "grad_norm": 0.39413630962371826,
105
+ "learning_rate": 0.00019961336091431727,
106
+ "loss": 0.8544,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.2997002997002997,
111
+ "grad_norm": 0.3653990924358368,
112
+ "learning_rate": 0.00019955619646030802,
113
+ "loss": 0.8647,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.3196803196803197,
118
+ "grad_norm": 0.4523209035396576,
119
+ "learning_rate": 0.00019949510169813003,
120
+ "loss": 0.8698,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.33966033966033965,
125
+ "grad_norm": 0.3841874897480011,
126
+ "learning_rate": 0.0001994300790396999,
127
+ "loss": 0.8513,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.3596403596403596,
132
+ "grad_norm": 0.3849908709526062,
133
+ "learning_rate": 0.00019936113105200085,
134
+ "loss": 0.8553,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.37962037962037964,
139
+ "grad_norm": 0.3563358783721924,
140
+ "learning_rate": 0.00019928826045698136,
141
+ "loss": 0.8615,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.3996003996003996,
146
+ "grad_norm": 0.3968392610549927,
147
+ "learning_rate": 0.0001992114701314478,
148
+ "loss": 0.8502,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.4195804195804196,
153
+ "grad_norm": 0.366230845451355,
154
+ "learning_rate": 0.00019913076310695068,
155
+ "loss": 0.8368,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.43956043956043955,
160
+ "grad_norm": 0.38813525438308716,
161
+ "learning_rate": 0.00019904614256966512,
162
+ "loss": 0.862,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.4595404595404595,
167
+ "grad_norm": 0.35268592834472656,
168
+ "learning_rate": 0.0001989576118602651,
169
+ "loss": 0.8468,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.47952047952047955,
174
+ "grad_norm": 0.342580109834671,
175
+ "learning_rate": 0.0001988651744737914,
176
+ "loss": 0.8575,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.4995004995004995,
181
+ "grad_norm": 0.37153083086013794,
182
+ "learning_rate": 0.00019876883405951377,
183
+ "loss": 0.8374,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.5194805194805194,
188
+ "grad_norm": 0.3486216366291046,
189
+ "learning_rate": 0.0001986685944207868,
190
+ "loss": 0.8333,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.5394605394605395,
195
+ "grad_norm": 0.3562557101249695,
196
+ "learning_rate": 0.00019856445951489982,
197
+ "loss": 0.8238,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.5594405594405595,
202
+ "grad_norm": 0.3600502610206604,
203
+ "learning_rate": 0.00019845643345292054,
204
+ "loss": 0.8331,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.5794205794205795,
209
+ "grad_norm": 0.3475654423236847,
210
+ "learning_rate": 0.00019834452049953297,
211
+ "loss": 0.8093,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.5994005994005994,
216
+ "grad_norm": 0.358980655670166,
217
+ "learning_rate": 0.0001982287250728689,
218
+ "loss": 0.8302,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.6193806193806194,
223
+ "grad_norm": 0.3721815347671509,
224
+ "learning_rate": 0.0001981090517443334,
225
+ "loss": 0.8175,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.6393606393606394,
230
+ "grad_norm": 0.35128098726272583,
231
+ "learning_rate": 0.0001979855052384247,
232
+ "loss": 0.8193,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.6593406593406593,
237
+ "grad_norm": 0.3471618592739105,
238
+ "learning_rate": 0.00019785809043254722,
239
+ "loss": 0.8232,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.6793206793206793,
244
+ "grad_norm": 0.35060420632362366,
245
+ "learning_rate": 0.00019772681235681936,
246
+ "loss": 0.8194,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.6993006993006993,
251
+ "grad_norm": 0.3695327341556549,
252
+ "learning_rate": 0.00019759167619387476,
253
+ "loss": 0.806,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.7192807192807192,
258
+ "grad_norm": 0.35857513546943665,
259
+ "learning_rate": 0.00019745268727865774,
260
+ "loss": 0.8019,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.7392607392607392,
265
+ "grad_norm": 0.3612421154975891,
266
+ "learning_rate": 0.00019730985109821266,
267
+ "loss": 0.8061,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.7592407592407593,
272
+ "grad_norm": 0.34007078409194946,
273
+ "learning_rate": 0.0001971631732914674,
274
+ "loss": 0.7919,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.7792207792207793,
279
+ "grad_norm": 0.3594492971897125,
280
+ "learning_rate": 0.0001970126596490106,
281
+ "loss": 0.7821,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.7992007992007992,
286
+ "grad_norm": 0.37426885962486267,
287
+ "learning_rate": 0.0001968583161128631,
288
+ "loss": 0.8054,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.8191808191808192,
293
+ "grad_norm": 0.3551250398159027,
294
+ "learning_rate": 0.00019670014877624353,
295
+ "loss": 0.7954,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.8391608391608392,
300
+ "grad_norm": 0.35951119661331177,
301
+ "learning_rate": 0.0001965381638833274,
302
+ "loss": 0.7966,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.8591408591408591,
307
+ "grad_norm": 0.36964887380599976,
308
+ "learning_rate": 0.000196372367829001,
309
+ "loss": 0.7888,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.8791208791208791,
314
+ "grad_norm": 0.36829873919487,
315
+ "learning_rate": 0.0001962027671586086,
316
+ "loss": 0.7902,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.8991008991008991,
321
+ "grad_norm": 0.34358304738998413,
322
+ "learning_rate": 0.0001960293685676943,
323
+ "loss": 0.7733,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.919080919080919,
328
+ "grad_norm": 0.37369629740715027,
329
+ "learning_rate": 0.0001958521789017376,
330
+ "loss": 0.796,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.939060939060939,
335
+ "grad_norm": 0.40985429286956787,
336
+ "learning_rate": 0.00019567120515588308,
337
+ "loss": 0.7931,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.9590409590409591,
342
+ "grad_norm": 0.34838569164276123,
343
+ "learning_rate": 0.00019548645447466431,
344
+ "loss": 0.7682,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.9790209790209791,
349
+ "grad_norm": 0.36467525362968445,
350
+ "learning_rate": 0.00019529793415172192,
351
+ "loss": 0.7781,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.999000999000999,
356
+ "grad_norm": 0.37112316489219666,
357
+ "learning_rate": 0.00019510565162951537,
358
+ "loss": 0.7773,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 1.018981018981019,
363
+ "grad_norm": 0.3998737931251526,
364
+ "learning_rate": 0.00019490961449902946,
365
+ "loss": 0.7324,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 1.0389610389610389,
370
+ "grad_norm": 0.3966336250305176,
371
+ "learning_rate": 0.00019470983049947444,
372
+ "loss": 0.7395,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 1.058941058941059,
377
+ "grad_norm": 0.39721325039863586,
378
+ "learning_rate": 0.00019450630751798048,
379
+ "loss": 0.7302,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 1.078921078921079,
384
+ "grad_norm": 0.38532692193984985,
385
+ "learning_rate": 0.00019429905358928646,
386
+ "loss": 0.7177,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 1.098901098901099,
391
+ "grad_norm": 0.3948540985584259,
392
+ "learning_rate": 0.00019408807689542257,
393
+ "loss": 0.7382,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 1.118881118881119,
398
+ "grad_norm": 0.399676650762558,
399
+ "learning_rate": 0.00019387338576538744,
400
+ "loss": 0.7286,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 1.138861138861139,
405
+ "grad_norm": 0.4208274781703949,
406
+ "learning_rate": 0.00019365498867481923,
407
+ "loss": 0.7251,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 1.158841158841159,
412
+ "grad_norm": 0.4160782992839813,
413
+ "learning_rate": 0.00019343289424566122,
414
+ "loss": 0.7138,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 1.1788211788211789,
419
+ "grad_norm": 0.4297160804271698,
420
+ "learning_rate": 0.0001932071112458211,
421
+ "loss": 0.7296,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 1.1988011988011988,
426
+ "grad_norm": 0.4196039140224457,
427
+ "learning_rate": 0.00019297764858882514,
428
+ "loss": 0.7091,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 1.2187812187812188,
433
+ "grad_norm": 0.406012624502182,
434
+ "learning_rate": 0.00019274451533346615,
435
+ "loss": 0.7021,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 1.2387612387612388,
440
+ "grad_norm": 0.41200658679008484,
441
+ "learning_rate": 0.0001925077206834458,
442
+ "loss": 0.7238,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 1.2587412587412588,
447
+ "grad_norm": 0.4819345772266388,
448
+ "learning_rate": 0.0001922672739870115,
449
+ "loss": 0.7275,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 1.2787212787212787,
454
+ "grad_norm": 0.40825748443603516,
455
+ "learning_rate": 0.00019202318473658705,
456
+ "loss": 0.7183,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 1.2987012987012987,
461
+ "grad_norm": 0.41940203309059143,
462
+ "learning_rate": 0.00019177546256839812,
463
+ "loss": 0.7149,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 1.3186813186813187,
468
+ "grad_norm": 0.40075168013572693,
469
+ "learning_rate": 0.00019152411726209176,
470
+ "loss": 0.722,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 1.3386613386613386,
475
+ "grad_norm": 0.4254063665866852,
476
+ "learning_rate": 0.0001912691587403503,
477
+ "loss": 0.7254,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 1.3586413586413586,
482
+ "grad_norm": 0.39732539653778076,
483
+ "learning_rate": 0.00019101059706849957,
484
+ "loss": 0.7115,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 1.3786213786213786,
489
+ "grad_norm": 0.3889389932155609,
490
+ "learning_rate": 0.0001907484424541117,
491
+ "loss": 0.7031,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 1.3986013986013985,
496
+ "grad_norm": 0.3994196355342865,
497
+ "learning_rate": 0.00019048270524660196,
498
+ "loss": 0.7095,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 1.4185814185814185,
503
+ "grad_norm": 0.4238826036453247,
504
+ "learning_rate": 0.00019021339593682028,
505
+ "loss": 0.7156,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 1.4385614385614387,
510
+ "grad_norm": 0.4787987172603607,
511
+ "learning_rate": 0.0001899405251566371,
512
+ "loss": 0.7142,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 1.4585414585414584,
517
+ "grad_norm": 0.4219954013824463,
518
+ "learning_rate": 0.00018966410367852362,
519
+ "loss": 0.7267,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 1.4785214785214786,
524
+ "grad_norm": 0.4154765009880066,
525
+ "learning_rate": 0.0001893841424151264,
526
+ "loss": 0.721,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 1.4985014985014984,
531
+ "grad_norm": 0.44605547189712524,
532
+ "learning_rate": 0.0001891006524188368,
533
+ "loss": 0.7266,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 1.5184815184815186,
538
+ "grad_norm": 0.4613310992717743,
539
+ "learning_rate": 0.00018881364488135448,
540
+ "loss": 0.7253,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 1.5384615384615383,
545
+ "grad_norm": 0.41615426540374756,
546
+ "learning_rate": 0.00018852313113324552,
547
+ "loss": 0.69,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 1.5584415584415585,
552
+ "grad_norm": 0.4512516260147095,
553
+ "learning_rate": 0.00018822912264349534,
554
+ "loss": 0.7124,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 1.5784215784215783,
559
+ "grad_norm": 0.464336633682251,
560
+ "learning_rate": 0.00018793163101905563,
561
+ "loss": 0.7067,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 1.5984015984015985,
566
+ "grad_norm": 0.4427087604999542,
567
+ "learning_rate": 0.00018763066800438636,
568
+ "loss": 0.7097,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 1.6183816183816184,
573
+ "grad_norm": 0.43341028690338135,
574
+ "learning_rate": 0.00018732624548099204,
575
+ "loss": 0.7068,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 1.6383616383616384,
580
+ "grad_norm": 0.4100460112094879,
581
+ "learning_rate": 0.0001870183754669526,
582
+ "loss": 0.705,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 1.6583416583416584,
587
+ "grad_norm": 0.43942147493362427,
588
+ "learning_rate": 0.000186707070116449,
589
+ "loss": 0.7043,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 1.6783216783216783,
594
+ "grad_norm": 0.430095911026001,
595
+ "learning_rate": 0.00018639234171928353,
596
+ "loss": 0.6989,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 1.6983016983016983,
601
+ "grad_norm": 0.40418198704719543,
602
+ "learning_rate": 0.0001860742027003944,
603
+ "loss": 0.6933,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 1.7182817182817183,
608
+ "grad_norm": 0.40910184383392334,
609
+ "learning_rate": 0.00018575266561936523,
610
+ "loss": 0.6848,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 1.7382617382617382,
615
+ "grad_norm": 0.4620640277862549,
616
+ "learning_rate": 0.0001854277431699295,
617
+ "loss": 0.6943,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 1.7582417582417582,
622
+ "grad_norm": 0.4648028314113617,
623
+ "learning_rate": 0.00018509944817946922,
624
+ "loss": 0.6993,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 1.7782217782217782,
629
+ "grad_norm": 0.43752139806747437,
630
+ "learning_rate": 0.00018476779360850832,
631
+ "loss": 0.6827,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 1.7982017982017982,
636
+ "grad_norm": 0.4481639862060547,
637
+ "learning_rate": 0.00018443279255020152,
638
+ "loss": 0.6978,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 1.8181818181818183,
643
+ "grad_norm": 0.4678110182285309,
644
+ "learning_rate": 0.00018409445822981693,
645
+ "loss": 0.6848,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 1.838161838161838,
650
+ "grad_norm": 0.433933824300766,
651
+ "learning_rate": 0.0001837528040042142,
652
+ "loss": 0.658,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 1.8581418581418583,
657
+ "grad_norm": 0.4601323902606964,
658
+ "learning_rate": 0.00018340784336131713,
659
+ "loss": 0.6912,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 1.878121878121878,
664
+ "grad_norm": 0.4591493308544159,
665
+ "learning_rate": 0.00018305958991958127,
666
+ "loss": 0.697,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 1.8981018981018982,
671
+ "grad_norm": 0.445711225271225,
672
+ "learning_rate": 0.00018270805742745617,
673
+ "loss": 0.6922,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 1.918081918081918,
678
+ "grad_norm": 0.43125954270362854,
679
+ "learning_rate": 0.00018235325976284275,
680
+ "loss": 0.6742,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 1.9380619380619382,
685
+ "grad_norm": 0.4716484248638153,
686
+ "learning_rate": 0.00018199521093254523,
687
+ "loss": 0.6796,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 1.958041958041958,
692
+ "grad_norm": 0.4613405764102936,
693
+ "learning_rate": 0.00018163392507171842,
694
+ "loss": 0.6832,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 1.978021978021978,
699
+ "grad_norm": 0.48080363869667053,
700
+ "learning_rate": 0.0001812694164433094,
701
+ "loss": 0.6807,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 1.9980019980019978,
706
+ "grad_norm": 0.47017648816108704,
707
+ "learning_rate": 0.00018090169943749476,
708
+ "loss": 0.6785,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 2.017982017982018,
713
+ "grad_norm": 0.516197919845581,
714
+ "learning_rate": 0.0001805307885711122,
715
+ "loss": 0.6019,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 2.037962037962038,
720
+ "grad_norm": 0.5556052923202515,
721
+ "learning_rate": 0.00018015669848708767,
722
+ "loss": 0.5906,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 2.057942057942058,
727
+ "grad_norm": 0.5169907808303833,
728
+ "learning_rate": 0.0001797794439538571,
729
+ "loss": 0.6076,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 2.0779220779220777,
734
+ "grad_norm": 0.5560281276702881,
735
+ "learning_rate": 0.00017939903986478355,
736
+ "loss": 0.582,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 2.097902097902098,
741
+ "grad_norm": 0.521091878414154,
742
+ "learning_rate": 0.00017901550123756906,
743
+ "loss": 0.5929,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 2.117882117882118,
748
+ "grad_norm": 0.5990195870399475,
749
+ "learning_rate": 0.00017862884321366188,
750
+ "loss": 0.5863,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 2.137862137862138,
755
+ "grad_norm": 0.5285313725471497,
756
+ "learning_rate": 0.0001782390810576588,
757
+ "loss": 0.5845,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 2.157842157842158,
762
+ "grad_norm": 0.5402159690856934,
763
+ "learning_rate": 0.00017784623015670238,
764
+ "loss": 0.5926,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 2.177822177822178,
769
+ "grad_norm": 0.5576025247573853,
770
+ "learning_rate": 0.00017745030601987337,
771
+ "loss": 0.5964,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 2.197802197802198,
776
+ "grad_norm": 0.5605506896972656,
777
+ "learning_rate": 0.00017705132427757895,
778
+ "loss": 0.5877,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 2.2177822177822177,
783
+ "grad_norm": 0.5754747986793518,
784
+ "learning_rate": 0.00017664930068093498,
785
+ "loss": 0.6002,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 2.237762237762238,
790
+ "grad_norm": 0.5654470324516296,
791
+ "learning_rate": 0.0001762442511011448,
792
+ "loss": 0.5922,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 2.2577422577422577,
797
+ "grad_norm": 0.5414491891860962,
798
+ "learning_rate": 0.0001758361915288722,
799
+ "loss": 0.5917,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 2.277722277722278,
804
+ "grad_norm": 0.5563125014305115,
805
+ "learning_rate": 0.00017542513807361037,
806
+ "loss": 0.5867,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 2.2977022977022976,
811
+ "grad_norm": 0.5236257314682007,
812
+ "learning_rate": 0.00017501110696304596,
813
+ "loss": 0.5888,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 2.317682317682318,
818
+ "grad_norm": 0.614734411239624,
819
+ "learning_rate": 0.00017459411454241822,
820
+ "loss": 0.6001,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 2.3376623376623376,
825
+ "grad_norm": 0.605421781539917,
826
+ "learning_rate": 0.00017417417727387394,
827
+ "loss": 0.5968,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 2.3576423576423577,
832
+ "grad_norm": 0.5595569014549255,
833
+ "learning_rate": 0.0001737513117358174,
834
+ "loss": 0.5924,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 2.3776223776223775,
839
+ "grad_norm": 0.5283003449440002,
840
+ "learning_rate": 0.00017332553462225602,
841
+ "loss": 0.5952,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 2.3976023976023977,
846
+ "grad_norm": 0.5287072658538818,
847
+ "learning_rate": 0.00017289686274214118,
848
+ "loss": 0.5763,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 2.4175824175824174,
853
+ "grad_norm": 0.5907203555107117,
854
+ "learning_rate": 0.0001724653130187047,
855
+ "loss": 0.5993,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 2.4375624375624376,
860
+ "grad_norm": 0.5622738003730774,
861
+ "learning_rate": 0.0001720309024887907,
862
+ "loss": 0.6001,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 2.4575424575424574,
867
+ "grad_norm": 0.5795326232910156,
868
+ "learning_rate": 0.00017159364830218312,
869
+ "loss": 0.5857,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 2.4775224775224776,
874
+ "grad_norm": 0.5654671788215637,
875
+ "learning_rate": 0.00017115356772092857,
876
+ "loss": 0.5809,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 2.4975024975024973,
881
+ "grad_norm": 0.5641043186187744,
882
+ "learning_rate": 0.00017071067811865476,
883
+ "loss": 0.5824,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 2.5174825174825175,
888
+ "grad_norm": 0.5851653218269348,
889
+ "learning_rate": 0.00017026499697988493,
890
+ "loss": 0.59,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 2.5374625374625372,
895
+ "grad_norm": 0.570210337638855,
896
+ "learning_rate": 0.00016981654189934727,
897
+ "loss": 0.5761,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 2.5574425574425574,
902
+ "grad_norm": 0.5725647807121277,
903
+ "learning_rate": 0.0001693653305812805,
904
+ "loss": 0.589,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 2.5774225774225776,
909
+ "grad_norm": 0.5896579623222351,
910
+ "learning_rate": 0.00016891138083873487,
911
+ "loss": 0.5852,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 2.5974025974025974,
916
+ "grad_norm": 0.5988901853561401,
917
+ "learning_rate": 0.00016845471059286887,
918
+ "loss": 0.5723,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 2.617382617382617,
923
+ "grad_norm": 0.5854650735855103,
924
+ "learning_rate": 0.00016799533787224192,
925
+ "loss": 0.5845,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 2.6373626373626373,
930
+ "grad_norm": 0.5547802448272705,
931
+ "learning_rate": 0.00016753328081210245,
932
+ "loss": 0.5909,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 2.6573426573426575,
937
+ "grad_norm": 0.5562127232551575,
938
+ "learning_rate": 0.000167068557653672,
939
+ "loss": 0.5799,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 2.6773226773226773,
944
+ "grad_norm": 0.5999246835708618,
945
+ "learning_rate": 0.00016660118674342517,
946
+ "loss": 0.5757,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 2.6973026973026974,
951
+ "grad_norm": 0.5909945368766785,
952
+ "learning_rate": 0.00016613118653236518,
953
+ "loss": 0.5674,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 2.717282717282717,
958
+ "grad_norm": 0.6357455849647522,
959
+ "learning_rate": 0.00016565857557529566,
960
+ "loss": 0.5821,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 2.7372627372627374,
965
+ "grad_norm": 0.6019343733787537,
966
+ "learning_rate": 0.0001651833725300879,
967
+ "loss": 0.5783,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 2.757242757242757,
972
+ "grad_norm": 0.6180288791656494,
973
+ "learning_rate": 0.00016470559615694446,
974
+ "loss": 0.6056,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 2.7772227772227773,
979
+ "grad_norm": 0.6171667575836182,
980
+ "learning_rate": 0.00016422526531765846,
981
+ "loss": 0.5799,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 2.797202797202797,
986
+ "grad_norm": 0.5991246700286865,
987
+ "learning_rate": 0.000163742398974869,
988
+ "loss": 0.5668,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 2.8171828171828173,
993
+ "grad_norm": 0.6568031907081604,
994
+ "learning_rate": 0.00016325701619131246,
995
+ "loss": 0.5662,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 2.837162837162837,
1000
+ "grad_norm": 0.6639891266822815,
1001
+ "learning_rate": 0.00016276913612907007,
1002
+ "loss": 0.5797,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 2.857142857142857,
1007
+ "grad_norm": 0.5978193879127502,
1008
+ "learning_rate": 0.00016227877804881127,
1009
+ "loss": 0.5613,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 2.8771228771228774,
1014
+ "grad_norm": 0.576871395111084,
1015
+ "learning_rate": 0.00016178596130903344,
1016
+ "loss": 0.5796,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 2.897102897102897,
1021
+ "grad_norm": 0.5936170220375061,
1022
+ "learning_rate": 0.00016129070536529766,
1023
+ "loss": 0.5791,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 2.917082917082917,
1028
+ "grad_norm": 0.6093722581863403,
1029
+ "learning_rate": 0.00016079302976946055,
1030
+ "loss": 0.5836,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 2.937062937062937,
1035
+ "grad_norm": 0.5815151929855347,
1036
+ "learning_rate": 0.00016029295416890248,
1037
+ "loss": 0.5644,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 2.9570429570429573,
1042
+ "grad_norm": 0.621591329574585,
1043
+ "learning_rate": 0.0001597904983057519,
1044
+ "loss": 0.5779,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 2.977022977022977,
1049
+ "grad_norm": 0.5824622511863708,
1050
+ "learning_rate": 0.00015928568201610595,
1051
+ "loss": 0.5659,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 2.9970029970029968,
1056
+ "grad_norm": 0.6264435052871704,
1057
+ "learning_rate": 0.00015877852522924732,
1058
+ "loss": 0.5823,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 3.016983016983017,
1063
+ "grad_norm": 0.7021110653877258,
1064
+ "learning_rate": 0.00015826904796685762,
1065
+ "loss": 0.4732,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 3.036963036963037,
1070
+ "grad_norm": 0.7195537686347961,
1071
+ "learning_rate": 0.00015775727034222675,
1072
+ "loss": 0.4484,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 3.056943056943057,
1077
+ "grad_norm": 0.7159614562988281,
1078
+ "learning_rate": 0.0001572432125594591,
1079
+ "loss": 0.4533,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 3.076923076923077,
1084
+ "grad_norm": 0.686655580997467,
1085
+ "learning_rate": 0.00015672689491267567,
1086
+ "loss": 0.4588,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 3.096903096903097,
1091
+ "grad_norm": 0.6840978264808655,
1092
+ "learning_rate": 0.00015620833778521307,
1093
+ "loss": 0.4632,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 3.116883116883117,
1098
+ "grad_norm": 0.6888960003852844,
1099
+ "learning_rate": 0.00015568756164881882,
1100
+ "loss": 0.463,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 3.136863136863137,
1105
+ "grad_norm": 0.6887105107307434,
1106
+ "learning_rate": 0.00015516458706284303,
1107
+ "loss": 0.4683,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 3.156843156843157,
1112
+ "grad_norm": 0.6880657076835632,
1113
+ "learning_rate": 0.00015463943467342693,
1114
+ "loss": 0.4703,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 3.1768231768231767,
1119
+ "grad_norm": 0.667488157749176,
1120
+ "learning_rate": 0.00015411212521268758,
1121
+ "loss": 0.4681,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 3.196803196803197,
1126
+ "grad_norm": 0.7201547026634216,
1127
+ "learning_rate": 0.00015358267949789966,
1128
+ "loss": 0.4708,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 3.2167832167832167,
1133
+ "grad_norm": 0.7887006998062134,
1134
+ "learning_rate": 0.0001530511184306734,
1135
+ "loss": 0.4692,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 3.236763236763237,
1140
+ "grad_norm": 0.6850538849830627,
1141
+ "learning_rate": 0.0001525174629961296,
1142
+ "loss": 0.4652,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 3.2567432567432566,
1147
+ "grad_norm": 0.7573882937431335,
1148
+ "learning_rate": 0.00015198173426207094,
1149
+ "loss": 0.4618,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 3.276723276723277,
1154
+ "grad_norm": 0.7027117609977722,
1155
+ "learning_rate": 0.00015144395337815064,
1156
+ "loss": 0.4665,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 3.2967032967032965,
1161
+ "grad_norm": 0.6847530007362366,
1162
+ "learning_rate": 0.00015090414157503714,
1163
+ "loss": 0.4669,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 3.3166833166833167,
1168
+ "grad_norm": 0.7099263072013855,
1169
+ "learning_rate": 0.0001503623201635761,
1170
+ "loss": 0.4666,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 3.3366633366633365,
1175
+ "grad_norm": 0.6803727149963379,
1176
+ "learning_rate": 0.0001498185105339491,
1177
+ "loss": 0.4674,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 3.3566433566433567,
1182
+ "grad_norm": 0.7080752849578857,
1183
+ "learning_rate": 0.00014927273415482915,
1184
+ "loss": 0.4694,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 3.3766233766233764,
1189
+ "grad_norm": 0.7016042470932007,
1190
+ "learning_rate": 0.00014872501257253323,
1191
+ "loss": 0.4716,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 3.3966033966033966,
1196
+ "grad_norm": 0.6896219849586487,
1197
+ "learning_rate": 0.00014817536741017152,
1198
+ "loss": 0.4706,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 3.416583416583417,
1203
+ "grad_norm": 0.7319151163101196,
1204
+ "learning_rate": 0.0001476238203667939,
1205
+ "loss": 0.4657,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 3.4365634365634365,
1210
+ "grad_norm": 0.7796220779418945,
1211
+ "learning_rate": 0.0001470703932165333,
1212
+ "loss": 0.4762,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 3.4565434565434563,
1217
+ "grad_norm": 0.6749796271324158,
1218
+ "learning_rate": 0.00014651510780774583,
1219
+ "loss": 0.4602,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 3.4765234765234765,
1224
+ "grad_norm": 0.6736605167388916,
1225
+ "learning_rate": 0.00014595798606214882,
1226
+ "loss": 0.4751,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 3.4965034965034967,
1231
+ "grad_norm": 0.7386316657066345,
1232
+ "learning_rate": 0.00014539904997395468,
1233
+ "loss": 0.4658,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 3.5164835164835164,
1238
+ "grad_norm": 0.7023107409477234,
1239
+ "learning_rate": 0.00014483832160900326,
1240
+ "loss": 0.4678,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 3.5364635364635366,
1245
+ "grad_norm": 0.6938359141349792,
1246
+ "learning_rate": 0.0001442758231038902,
1247
+ "loss": 0.4619,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 3.5564435564435564,
1252
+ "grad_norm": 0.7815272212028503,
1253
+ "learning_rate": 0.0001437115766650933,
1254
+ "loss": 0.4744,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 3.5764235764235766,
1259
+ "grad_norm": 0.7307267189025879,
1260
+ "learning_rate": 0.0001431456045680959,
1261
+ "loss": 0.4767,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 3.5964035964035963,
1266
+ "grad_norm": 0.6948580741882324,
1267
+ "learning_rate": 0.00014257792915650728,
1268
+ "loss": 0.4644,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 3.6163836163836165,
1273
+ "grad_norm": 0.691348671913147,
1274
+ "learning_rate": 0.00014200857284118066,
1275
+ "loss": 0.4609,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 3.6363636363636362,
1280
+ "grad_norm": 0.7828198671340942,
1281
+ "learning_rate": 0.00014143755809932845,
1282
+ "loss": 0.4506,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 3.6563436563436564,
1287
+ "grad_norm": 0.73238205909729,
1288
+ "learning_rate": 0.00014086490747363493,
1289
+ "loss": 0.4599,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 3.676323676323676,
1294
+ "grad_norm": 0.7216520309448242,
1295
+ "learning_rate": 0.00014029064357136628,
1296
+ "loss": 0.4582,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 3.6963036963036964,
1301
+ "grad_norm": 0.7676394581794739,
1302
+ "learning_rate": 0.00013971478906347806,
1303
+ "loss": 0.4494,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 3.716283716283716,
1308
+ "grad_norm": 0.7596750259399414,
1309
+ "learning_rate": 0.00013913736668372026,
1310
+ "loss": 0.4704,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 3.7362637362637363,
1315
+ "grad_norm": 0.7686085104942322,
1316
+ "learning_rate": 0.00013855839922773968,
1317
+ "loss": 0.4603,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 3.756243756243756,
1322
+ "grad_norm": 0.6850613951683044,
1323
+ "learning_rate": 0.00013797790955218014,
1324
+ "loss": 0.4503,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 3.7762237762237763,
1329
+ "grad_norm": 0.721778392791748,
1330
+ "learning_rate": 0.00013739592057378003,
1331
+ "loss": 0.4713,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 3.7962037962037964,
1336
+ "grad_norm": 0.7122541069984436,
1337
+ "learning_rate": 0.00013681245526846783,
1338
+ "loss": 0.4664,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 3.816183816183816,
1343
+ "grad_norm": 0.7361748218536377,
1344
+ "learning_rate": 0.00013622753667045457,
1345
+ "loss": 0.4571,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 3.836163836163836,
1350
+ "grad_norm": 0.8220844864845276,
1351
+ "learning_rate": 0.00013564118787132506,
1352
+ "loss": 0.4521,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 3.856143856143856,
1357
+ "grad_norm": 0.7139246463775635,
1358
+ "learning_rate": 0.0001350534320191259,
1359
+ "loss": 0.4491,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 3.8761238761238763,
1364
+ "grad_norm": 0.7244653701782227,
1365
+ "learning_rate": 0.0001344642923174517,
1366
+ "loss": 0.4552,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 3.896103896103896,
1371
+ "grad_norm": 0.7056713700294495,
1372
+ "learning_rate": 0.00013387379202452917,
1373
+ "loss": 0.4548,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 3.916083916083916,
1378
+ "grad_norm": 0.7653645277023315,
1379
+ "learning_rate": 0.00013328195445229868,
1380
+ "loss": 0.4492,
1381
+ "step": 1960
1382
+ },
1383
+ {
1384
+ "epoch": 3.936063936063936,
1385
+ "grad_norm": 0.6818165183067322,
1386
+ "learning_rate": 0.00013268880296549425,
1387
+ "loss": 0.4463,
1388
+ "step": 1970
1389
+ },
1390
+ {
1391
+ "epoch": 3.956043956043956,
1392
+ "grad_norm": 0.687439501285553,
1393
+ "learning_rate": 0.00013209436098072095,
1394
+ "loss": 0.457,
1395
+ "step": 1980
1396
+ },
1397
+ {
1398
+ "epoch": 3.976023976023976,
1399
+ "grad_norm": 0.7704656720161438,
1400
+ "learning_rate": 0.0001314986519655305,
1401
+ "loss": 0.4522,
1402
+ "step": 1990
1403
+ },
1404
+ {
1405
+ "epoch": 3.996003996003996,
1406
+ "grad_norm": 0.7227702736854553,
1407
+ "learning_rate": 0.00013090169943749476,
1408
+ "loss": 0.4454,
1409
+ "step": 2000
1410
+ },
1411
+ {
1412
+ "epoch": 4.015984015984016,
1413
+ "grad_norm": 0.8689281344413757,
1414
+ "learning_rate": 0.00013030352696327742,
1415
+ "loss": 0.3645,
1416
+ "step": 2010
1417
+ },
1418
+ {
1419
+ "epoch": 4.035964035964036,
1420
+ "grad_norm": 0.7620906829833984,
1421
+ "learning_rate": 0.0001297041581577035,
1422
+ "loss": 0.3478,
1423
+ "step": 2020
1424
+ },
1425
+ {
1426
+ "epoch": 4.055944055944056,
1427
+ "grad_norm": 0.768671989440918,
1428
+ "learning_rate": 0.00012910361668282719,
1429
+ "loss": 0.3595,
1430
+ "step": 2030
1431
+ },
1432
+ {
1433
+ "epoch": 4.075924075924076,
1434
+ "grad_norm": 0.7327402234077454,
1435
+ "learning_rate": 0.0001285019262469976,
1436
+ "loss": 0.3471,
1437
+ "step": 2040
1438
+ },
1439
+ {
1440
+ "epoch": 4.095904095904096,
1441
+ "grad_norm": 0.6913720965385437,
1442
+ "learning_rate": 0.00012789911060392294,
1443
+ "loss": 0.3501,
1444
+ "step": 2050
1445
+ },
1446
+ {
1447
+ "epoch": 4.115884115884116,
1448
+ "grad_norm": 0.7310584783554077,
1449
+ "learning_rate": 0.00012729519355173254,
1450
+ "loss": 0.3509,
1451
+ "step": 2060
1452
+ },
1453
+ {
1454
+ "epoch": 4.135864135864136,
1455
+ "grad_norm": 0.7578213214874268,
1456
+ "learning_rate": 0.00012669019893203759,
1457
+ "loss": 0.3506,
1458
+ "step": 2070
1459
+ },
1460
+ {
1461
+ "epoch": 4.1558441558441555,
1462
+ "grad_norm": 0.7301665544509888,
1463
+ "learning_rate": 0.00012608415062898972,
1464
+ "loss": 0.3536,
1465
+ "step": 2080
1466
+ },
1467
+ {
1468
+ "epoch": 4.175824175824176,
1469
+ "grad_norm": 0.8198577165603638,
1470
+ "learning_rate": 0.00012547707256833823,
1471
+ "loss": 0.3578,
1472
+ "step": 2090
1473
+ },
1474
+ {
1475
+ "epoch": 4.195804195804196,
1476
+ "grad_norm": 0.7331268787384033,
1477
+ "learning_rate": 0.0001248689887164855,
1478
+ "loss": 0.3508,
1479
+ "step": 2100
1480
+ },
1481
+ {
1482
+ "epoch": 4.215784215784216,
1483
+ "grad_norm": 0.7666186094284058,
1484
+ "learning_rate": 0.00012425992307954075,
1485
+ "loss": 0.3468,
1486
+ "step": 2110
1487
+ },
1488
+ {
1489
+ "epoch": 4.235764235764236,
1490
+ "grad_norm": 0.7020666599273682,
1491
+ "learning_rate": 0.00012364989970237248,
1492
+ "loss": 0.3586,
1493
+ "step": 2120
1494
+ },
1495
+ {
1496
+ "epoch": 4.255744255744256,
1497
+ "grad_norm": 0.7276338338851929,
1498
+ "learning_rate": 0.00012303894266765908,
1499
+ "loss": 0.3672,
1500
+ "step": 2130
1501
+ },
1502
+ {
1503
+ "epoch": 4.275724275724276,
1504
+ "grad_norm": 0.6978778839111328,
1505
+ "learning_rate": 0.00012242707609493814,
1506
+ "loss": 0.3576,
1507
+ "step": 2140
1508
+ },
1509
+ {
1510
+ "epoch": 4.2957042957042955,
1511
+ "grad_norm": 0.822030246257782,
1512
+ "learning_rate": 0.00012181432413965428,
1513
+ "loss": 0.3618,
1514
+ "step": 2150
1515
+ },
1516
+ {
1517
+ "epoch": 4.315684315684316,
1518
+ "grad_norm": 0.744611918926239,
1519
+ "learning_rate": 0.00012120071099220549,
1520
+ "loss": 0.3578,
1521
+ "step": 2160
1522
+ },
1523
+ {
1524
+ "epoch": 4.335664335664336,
1525
+ "grad_norm": 0.7712835669517517,
1526
+ "learning_rate": 0.00012058626087698814,
1527
+ "loss": 0.3632,
1528
+ "step": 2170
1529
+ },
1530
+ {
1531
+ "epoch": 4.355644355644356,
1532
+ "grad_norm": 0.7824398279190063,
1533
+ "learning_rate": 0.00011997099805144069,
1534
+ "loss": 0.36,
1535
+ "step": 2180
1536
+ },
1537
+ {
1538
+ "epoch": 4.375624375624375,
1539
+ "grad_norm": 0.8473492860794067,
1540
+ "learning_rate": 0.00011935494680508606,
1541
+ "loss": 0.3645,
1542
+ "step": 2190
1543
+ },
1544
+ {
1545
+ "epoch": 4.395604395604396,
1546
+ "grad_norm": 0.7394326329231262,
1547
+ "learning_rate": 0.00011873813145857249,
1548
+ "loss": 0.3604,
1549
+ "step": 2200
1550
+ },
1551
+ {
1552
+ "epoch": 4.415584415584416,
1553
+ "grad_norm": 0.763633131980896,
1554
+ "learning_rate": 0.00011812057636271374,
1555
+ "loss": 0.3634,
1556
+ "step": 2210
1557
+ },
1558
+ {
1559
+ "epoch": 4.4355644355644355,
1560
+ "grad_norm": 0.7612594962120056,
1561
+ "learning_rate": 0.00011750230589752762,
1562
+ "loss": 0.355,
1563
+ "step": 2220
1564
+ },
1565
+ {
1566
+ "epoch": 4.455544455544455,
1567
+ "grad_norm": 0.7789061665534973,
1568
+ "learning_rate": 0.00011688334447127338,
1569
+ "loss": 0.3629,
1570
+ "step": 2230
1571
+ },
1572
+ {
1573
+ "epoch": 4.475524475524476,
1574
+ "grad_norm": 0.7422770261764526,
1575
+ "learning_rate": 0.00011626371651948838,
1576
+ "loss": 0.361,
1577
+ "step": 2240
1578
+ },
1579
+ {
1580
+ "epoch": 4.495504495504496,
1581
+ "grad_norm": 0.7636354565620422,
1582
+ "learning_rate": 0.0001156434465040231,
1583
+ "loss": 0.3593,
1584
+ "step": 2250
1585
+ },
1586
+ {
1587
+ "epoch": 4.515484515484515,
1588
+ "grad_norm": 0.7884863615036011,
1589
+ "learning_rate": 0.00011502255891207572,
1590
+ "loss": 0.3587,
1591
+ "step": 2260
1592
+ },
1593
+ {
1594
+ "epoch": 4.535464535464535,
1595
+ "grad_norm": 0.7233232855796814,
1596
+ "learning_rate": 0.00011440107825522521,
1597
+ "loss": 0.3577,
1598
+ "step": 2270
1599
+ },
1600
+ {
1601
+ "epoch": 4.555444555444556,
1602
+ "grad_norm": 0.8420186638832092,
1603
+ "learning_rate": 0.0001137790290684638,
1604
+ "loss": 0.3686,
1605
+ "step": 2280
1606
+ },
1607
+ {
1608
+ "epoch": 4.5754245754245755,
1609
+ "grad_norm": 0.7679941654205322,
1610
+ "learning_rate": 0.00011315643590922827,
1611
+ "loss": 0.3539,
1612
+ "step": 2290
1613
+ },
1614
+ {
1615
+ "epoch": 4.595404595404595,
1616
+ "grad_norm": 0.826885461807251,
1617
+ "learning_rate": 0.00011253332335643043,
1618
+ "loss": 0.3627,
1619
+ "step": 2300
1620
+ },
1621
+ {
1622
+ "epoch": 4.615384615384615,
1623
+ "grad_norm": 0.7590234875679016,
1624
+ "learning_rate": 0.00011190971600948699,
1625
+ "loss": 0.3613,
1626
+ "step": 2310
1627
+ },
1628
+ {
1629
+ "epoch": 4.635364635364636,
1630
+ "grad_norm": 0.7376580238342285,
1631
+ "learning_rate": 0.00011128563848734816,
1632
+ "loss": 0.3694,
1633
+ "step": 2320
1634
+ },
1635
+ {
1636
+ "epoch": 4.655344655344655,
1637
+ "grad_norm": 0.7795658111572266,
1638
+ "learning_rate": 0.000110661115427526,
1639
+ "loss": 0.3598,
1640
+ "step": 2330
1641
+ },
1642
+ {
1643
+ "epoch": 4.675324675324675,
1644
+ "grad_norm": 0.7736489176750183,
1645
+ "learning_rate": 0.00011003617148512149,
1646
+ "loss": 0.3598,
1647
+ "step": 2340
1648
+ },
1649
+ {
1650
+ "epoch": 4.695304695304696,
1651
+ "grad_norm": 0.757072925567627,
1652
+ "learning_rate": 0.00010941083133185146,
1653
+ "loss": 0.366,
1654
+ "step": 2350
1655
+ },
1656
+ {
1657
+ "epoch": 4.7152847152847155,
1658
+ "grad_norm": 0.8167831301689148,
1659
+ "learning_rate": 0.00010878511965507434,
1660
+ "loss": 0.3633,
1661
+ "step": 2360
1662
+ },
1663
+ {
1664
+ "epoch": 4.735264735264735,
1665
+ "grad_norm": 0.8083499670028687,
1666
+ "learning_rate": 0.00010815906115681578,
1667
+ "loss": 0.3562,
1668
+ "step": 2370
1669
+ },
1670
+ {
1671
+ "epoch": 4.755244755244755,
1672
+ "grad_norm": 0.7758758068084717,
1673
+ "learning_rate": 0.00010753268055279329,
1674
+ "loss": 0.3614,
1675
+ "step": 2380
1676
+ },
1677
+ {
1678
+ "epoch": 4.775224775224775,
1679
+ "grad_norm": 0.8572462797164917,
1680
+ "learning_rate": 0.00010690600257144061,
1681
+ "loss": 0.3652,
1682
+ "step": 2390
1683
+ },
1684
+ {
1685
+ "epoch": 4.795204795204795,
1686
+ "grad_norm": 0.8319938778877258,
1687
+ "learning_rate": 0.00010627905195293135,
1688
+ "loss": 0.3622,
1689
+ "step": 2400
1690
+ },
1691
+ {
1692
+ "epoch": 4.815184815184815,
1693
+ "grad_norm": 0.8004459142684937,
1694
+ "learning_rate": 0.00010565185344820247,
1695
+ "loss": 0.3604,
1696
+ "step": 2410
1697
+ },
1698
+ {
1699
+ "epoch": 4.835164835164835,
1700
+ "grad_norm": 0.790908694267273,
1701
+ "learning_rate": 0.00010502443181797697,
1702
+ "loss": 0.3587,
1703
+ "step": 2420
1704
+ },
1705
+ {
1706
+ "epoch": 4.8551448551448555,
1707
+ "grad_norm": 0.7726609110832214,
1708
+ "learning_rate": 0.0001043968118317865,
1709
+ "loss": 0.364,
1710
+ "step": 2430
1711
+ },
1712
+ {
1713
+ "epoch": 4.875124875124875,
1714
+ "grad_norm": 0.7808167338371277,
1715
+ "learning_rate": 0.00010376901826699348,
1716
+ "loss": 0.3637,
1717
+ "step": 2440
1718
+ },
1719
+ {
1720
+ "epoch": 4.895104895104895,
1721
+ "grad_norm": 0.8596636652946472,
1722
+ "learning_rate": 0.00010314107590781284,
1723
+ "loss": 0.3536,
1724
+ "step": 2450
1725
+ },
1726
+ {
1727
+ "epoch": 4.915084915084915,
1728
+ "grad_norm": 0.8091081380844116,
1729
+ "learning_rate": 0.00010251300954433376,
1730
+ "loss": 0.3522,
1731
+ "step": 2460
1732
+ },
1733
+ {
1734
+ "epoch": 4.935064935064935,
1735
+ "grad_norm": 0.8672420978546143,
1736
+ "learning_rate": 0.00010188484397154084,
1737
+ "loss": 0.3643,
1738
+ "step": 2470
1739
+ },
1740
+ {
1741
+ "epoch": 4.955044955044955,
1742
+ "grad_norm": 0.7860444188117981,
1743
+ "learning_rate": 0.00010125660398833528,
1744
+ "loss": 0.3493,
1745
+ "step": 2480
1746
+ },
1747
+ {
1748
+ "epoch": 4.975024975024975,
1749
+ "grad_norm": 0.7510725259780884,
1750
+ "learning_rate": 0.00010062831439655591,
1751
+ "loss": 0.3497,
1752
+ "step": 2490
1753
+ },
1754
+ {
1755
+ "epoch": 4.995004995004995,
1756
+ "grad_norm": 0.7850112915039062,
1757
+ "learning_rate": 0.0001,
1758
+ "loss": 0.361,
1759
+ "step": 2500
1760
+ },
1761
+ {
1762
+ "epoch": 5.014985014985015,
1763
+ "grad_norm": 0.9001740217208862,
1764
+ "learning_rate": 9.937168560344412e-05,
1765
+ "loss": 0.2983,
1766
+ "step": 2510
1767
+ },
1768
+ {
1769
+ "epoch": 5.034965034965035,
1770
+ "grad_norm": 0.683803141117096,
1771
+ "learning_rate": 9.874339601166473e-05,
1772
+ "loss": 0.2805,
1773
+ "step": 2520
1774
+ },
1775
+ {
1776
+ "epoch": 5.054945054945055,
1777
+ "grad_norm": 0.7267177700996399,
1778
+ "learning_rate": 9.81151560284592e-05,
1779
+ "loss": 0.2751,
1780
+ "step": 2530
1781
+ },
1782
+ {
1783
+ "epoch": 5.0749250749250745,
1784
+ "grad_norm": 0.7268999814987183,
1785
+ "learning_rate": 9.748699045566626e-05,
1786
+ "loss": 0.2805,
1787
+ "step": 2540
1788
+ },
1789
+ {
1790
+ "epoch": 5.094905094905095,
1791
+ "grad_norm": 0.6958262324333191,
1792
+ "learning_rate": 9.685892409218717e-05,
1793
+ "loss": 0.2808,
1794
+ "step": 2550
1795
+ },
1796
+ {
1797
+ "epoch": 5.114885114885115,
1798
+ "grad_norm": 0.7481863498687744,
1799
+ "learning_rate": 9.623098173300654e-05,
1800
+ "loss": 0.2808,
1801
+ "step": 2560
1802
+ },
1803
+ {
1804
+ "epoch": 5.134865134865135,
1805
+ "grad_norm": 0.6923096179962158,
1806
+ "learning_rate": 9.560318816821353e-05,
1807
+ "loss": 0.2802,
1808
+ "step": 2570
1809
+ },
1810
+ {
1811
+ "epoch": 5.154845154845155,
1812
+ "grad_norm": 0.8236074447631836,
1813
+ "learning_rate": 9.497556818202306e-05,
1814
+ "loss": 0.2845,
1815
+ "step": 2580
1816
+ },
1817
+ {
1818
+ "epoch": 5.174825174825175,
1819
+ "grad_norm": 0.7225534915924072,
1820
+ "learning_rate": 9.434814655179755e-05,
1821
+ "loss": 0.2802,
1822
+ "step": 2590
1823
+ },
1824
+ {
1825
+ "epoch": 5.194805194805195,
1826
+ "grad_norm": 0.7639855146408081,
1827
+ "learning_rate": 9.372094804706867e-05,
1828
+ "loss": 0.2846,
1829
+ "step": 2600
1830
+ },
1831
+ {
1832
+ "epoch": 5.2147852147852145,
1833
+ "grad_norm": 0.7572929859161377,
1834
+ "learning_rate": 9.309399742855942e-05,
1835
+ "loss": 0.2826,
1836
+ "step": 2610
1837
+ },
1838
+ {
1839
+ "epoch": 5.234765234765235,
1840
+ "grad_norm": 0.8045923709869385,
1841
+ "learning_rate": 9.246731944720675e-05,
1842
+ "loss": 0.2862,
1843
+ "step": 2620
1844
+ },
1845
+ {
1846
+ "epoch": 5.254745254745255,
1847
+ "grad_norm": 0.7385067939758301,
1848
+ "learning_rate": 9.184093884318425e-05,
1849
+ "loss": 0.2886,
1850
+ "step": 2630
1851
+ },
1852
+ {
1853
+ "epoch": 5.274725274725275,
1854
+ "grad_norm": 0.7742624282836914,
1855
+ "learning_rate": 9.121488034492569e-05,
1856
+ "loss": 0.2857,
1857
+ "step": 2640
1858
+ },
1859
+ {
1860
+ "epoch": 5.294705294705294,
1861
+ "grad_norm": 0.73873370885849,
1862
+ "learning_rate": 9.058916866814858e-05,
1863
+ "loss": 0.2874,
1864
+ "step": 2650
1865
+ },
1866
+ {
1867
+ "epoch": 5.314685314685315,
1868
+ "grad_norm": 0.8087053298950195,
1869
+ "learning_rate": 8.99638285148785e-05,
1870
+ "loss": 0.2814,
1871
+ "step": 2660
1872
+ },
1873
+ {
1874
+ "epoch": 5.334665334665335,
1875
+ "grad_norm": 0.7873129844665527,
1876
+ "learning_rate": 8.933888457247402e-05,
1877
+ "loss": 0.2827,
1878
+ "step": 2670
1879
+ },
1880
+ {
1881
+ "epoch": 5.3546453546453545,
1882
+ "grad_norm": 0.776678204536438,
1883
+ "learning_rate": 8.871436151265184e-05,
1884
+ "loss": 0.2861,
1885
+ "step": 2680
1886
+ },
1887
+ {
1888
+ "epoch": 5.374625374625374,
1889
+ "grad_norm": 0.7478957772254944,
1890
+ "learning_rate": 8.809028399051302e-05,
1891
+ "loss": 0.2841,
1892
+ "step": 2690
1893
+ },
1894
+ {
1895
+ "epoch": 5.394605394605395,
1896
+ "grad_norm": 0.7491159439086914,
1897
+ "learning_rate": 8.746667664356956e-05,
1898
+ "loss": 0.2781,
1899
+ "step": 2700
1900
+ },
1901
+ {
1902
+ "epoch": 5.414585414585415,
1903
+ "grad_norm": 0.7022270560264587,
1904
+ "learning_rate": 8.684356409077176e-05,
1905
+ "loss": 0.2831,
1906
+ "step": 2710
1907
+ },
1908
+ {
1909
+ "epoch": 5.434565434565434,
1910
+ "grad_norm": 0.714643120765686,
1911
+ "learning_rate": 8.62209709315362e-05,
1912
+ "loss": 0.2816,
1913
+ "step": 2720
1914
+ },
1915
+ {
1916
+ "epoch": 5.454545454545454,
1917
+ "grad_norm": 0.7695267796516418,
1918
+ "learning_rate": 8.559892174477479e-05,
1919
+ "loss": 0.2845,
1920
+ "step": 2730
1921
+ },
1922
+ {
1923
+ "epoch": 5.474525474525475,
1924
+ "grad_norm": 0.7670512795448303,
1925
+ "learning_rate": 8.497744108792429e-05,
1926
+ "loss": 0.284,
1927
+ "step": 2740
1928
+ },
1929
+ {
1930
+ "epoch": 5.4945054945054945,
1931
+ "grad_norm": 0.7777095437049866,
1932
+ "learning_rate": 8.435655349597689e-05,
1933
+ "loss": 0.2849,
1934
+ "step": 2750
1935
+ },
1936
+ {
1937
+ "epoch": 5.514485514485514,
1938
+ "grad_norm": 0.7117462158203125,
1939
+ "learning_rate": 8.373628348051165e-05,
1940
+ "loss": 0.2892,
1941
+ "step": 2760
1942
+ },
1943
+ {
1944
+ "epoch": 5.534465534465534,
1945
+ "grad_norm": 0.7786485552787781,
1946
+ "learning_rate": 8.311665552872662e-05,
1947
+ "loss": 0.2867,
1948
+ "step": 2770
1949
+ },
1950
+ {
1951
+ "epoch": 5.554445554445555,
1952
+ "grad_norm": 0.7926625609397888,
1953
+ "learning_rate": 8.249769410247239e-05,
1954
+ "loss": 0.2862,
1955
+ "step": 2780
1956
+ },
1957
+ {
1958
+ "epoch": 5.574425574425574,
1959
+ "grad_norm": 0.7426894307136536,
1960
+ "learning_rate": 8.187942363728625e-05,
1961
+ "loss": 0.288,
1962
+ "step": 2790
1963
+ },
1964
+ {
1965
+ "epoch": 5.594405594405594,
1966
+ "grad_norm": 0.7075335383415222,
1967
+ "learning_rate": 8.126186854142752e-05,
1968
+ "loss": 0.2847,
1969
+ "step": 2800
1970
+ },
1971
+ {
1972
+ "epoch": 5.614385614385615,
1973
+ "grad_norm": 0.7743814587593079,
1974
+ "learning_rate": 8.064505319491398e-05,
1975
+ "loss": 0.2912,
1976
+ "step": 2810
1977
+ },
1978
+ {
1979
+ "epoch": 5.6343656343656345,
1980
+ "grad_norm": 0.7679479122161865,
1981
+ "learning_rate": 8.002900194855932e-05,
1982
+ "loss": 0.2944,
1983
+ "step": 2820
1984
+ },
1985
+ {
1986
+ "epoch": 5.654345654345654,
1987
+ "grad_norm": 0.8007961511611938,
1988
+ "learning_rate": 7.941373912301189e-05,
1989
+ "loss": 0.2934,
1990
+ "step": 2830
1991
+ },
1992
+ {
1993
+ "epoch": 5.674325674325674,
1994
+ "grad_norm": 0.8405194878578186,
1995
+ "learning_rate": 7.879928900779456e-05,
1996
+ "loss": 0.2848,
1997
+ "step": 2840
1998
+ },
1999
+ {
2000
+ "epoch": 5.694305694305695,
2001
+ "grad_norm": 0.7828160524368286,
2002
+ "learning_rate": 7.818567586034577e-05,
2003
+ "loss": 0.2932,
2004
+ "step": 2850
2005
+ },
2006
+ {
2007
+ "epoch": 5.714285714285714,
2008
+ "grad_norm": 0.7869848608970642,
2009
+ "learning_rate": 7.75729239050619e-05,
2010
+ "loss": 0.2851,
2011
+ "step": 2860
2012
+ },
2013
+ {
2014
+ "epoch": 5.734265734265734,
2015
+ "grad_norm": 0.7781445980072021,
2016
+ "learning_rate": 7.696105733234098e-05,
2017
+ "loss": 0.2849,
2018
+ "step": 2870
2019
+ },
2020
+ {
2021
+ "epoch": 5.754245754245754,
2022
+ "grad_norm": 0.8406656980514526,
2023
+ "learning_rate": 7.635010029762756e-05,
2024
+ "loss": 0.2854,
2025
+ "step": 2880
2026
+ },
2027
+ {
2028
+ "epoch": 5.7742257742257745,
2029
+ "grad_norm": 0.7491788864135742,
2030
+ "learning_rate": 7.574007692045928e-05,
2031
+ "loss": 0.288,
2032
+ "step": 2890
2033
+ },
2034
+ {
2035
+ "epoch": 5.794205794205794,
2036
+ "grad_norm": 0.7962749004364014,
2037
+ "learning_rate": 7.513101128351454e-05,
2038
+ "loss": 0.2888,
2039
+ "step": 2900
2040
+ },
2041
+ {
2042
+ "epoch": 5.814185814185814,
2043
+ "grad_norm": 0.7898345589637756,
2044
+ "learning_rate": 7.45229274316618e-05,
2045
+ "loss": 0.2875,
2046
+ "step": 2910
2047
+ },
2048
+ {
2049
+ "epoch": 5.834165834165834,
2050
+ "grad_norm": 0.7886426448822021,
2051
+ "learning_rate": 7.391584937101033e-05,
2052
+ "loss": 0.2947,
2053
+ "step": 2920
2054
+ },
2055
+ {
2056
+ "epoch": 5.854145854145854,
2057
+ "grad_norm": 0.7488512396812439,
2058
+ "learning_rate": 7.330980106796246e-05,
2059
+ "loss": 0.2846,
2060
+ "step": 2930
2061
+ },
2062
+ {
2063
+ "epoch": 5.874125874125874,
2064
+ "grad_norm": 0.7348522543907166,
2065
+ "learning_rate": 7.270480644826749e-05,
2066
+ "loss": 0.2883,
2067
+ "step": 2940
2068
+ },
2069
+ {
2070
+ "epoch": 5.894105894105894,
2071
+ "grad_norm": 0.7618998885154724,
2072
+ "learning_rate": 7.210088939607708e-05,
2073
+ "loss": 0.2899,
2074
+ "step": 2950
2075
+ },
2076
+ {
2077
+ "epoch": 5.9140859140859146,
2078
+ "grad_norm": 0.78291255235672,
2079
+ "learning_rate": 7.149807375300239e-05,
2080
+ "loss": 0.2865,
2081
+ "step": 2960
2082
+ },
2083
+ {
2084
+ "epoch": 5.934065934065934,
2085
+ "grad_norm": 0.7446394562721252,
2086
+ "learning_rate": 7.089638331717284e-05,
2087
+ "loss": 0.2846,
2088
+ "step": 2970
2089
+ },
2090
+ {
2091
+ "epoch": 5.954045954045954,
2092
+ "grad_norm": 0.767301619052887,
2093
+ "learning_rate": 7.029584184229653e-05,
2094
+ "loss": 0.2887,
2095
+ "step": 2980
2096
+ },
2097
+ {
2098
+ "epoch": 5.974025974025974,
2099
+ "grad_norm": 0.7523135542869568,
2100
+ "learning_rate": 6.969647303672262e-05,
2101
+ "loss": 0.2873,
2102
+ "step": 2990
2103
+ },
2104
+ {
2105
+ "epoch": 5.9940059940059935,
2106
+ "grad_norm": 0.7532919049263,
2107
+ "learning_rate": 6.909830056250527e-05,
2108
+ "loss": 0.2882,
2109
+ "step": 3000
2110
+ },
2111
+ {
2112
+ "epoch": 6.013986013986014,
2113
+ "grad_norm": 0.6552711129188538,
2114
+ "learning_rate": 6.850134803446954e-05,
2115
+ "loss": 0.2488,
2116
+ "step": 3010
2117
+ },
2118
+ {
2119
+ "epoch": 6.033966033966034,
2120
+ "grad_norm": 0.6565443873405457,
2121
+ "learning_rate": 6.790563901927907e-05,
2122
+ "loss": 0.2345,
2123
+ "step": 3020
2124
+ },
2125
+ {
2126
+ "epoch": 6.053946053946054,
2127
+ "grad_norm": 0.6884881854057312,
2128
+ "learning_rate": 6.731119703450577e-05,
2129
+ "loss": 0.233,
2130
+ "step": 3030
2131
+ },
2132
+ {
2133
+ "epoch": 6.073926073926074,
2134
+ "grad_norm": 0.6287186741828918,
2135
+ "learning_rate": 6.671804554770135e-05,
2136
+ "loss": 0.2356,
2137
+ "step": 3040
2138
+ },
2139
+ {
2140
+ "epoch": 6.093906093906094,
2141
+ "grad_norm": 0.754036545753479,
2142
+ "learning_rate": 6.612620797547087e-05,
2143
+ "loss": 0.2352,
2144
+ "step": 3050
2145
+ },
2146
+ {
2147
+ "epoch": 6.113886113886114,
2148
+ "grad_norm": 0.6492979526519775,
2149
+ "learning_rate": 6.55357076825483e-05,
2150
+ "loss": 0.2329,
2151
+ "step": 3060
2152
+ },
2153
+ {
2154
+ "epoch": 6.1338661338661336,
2155
+ "grad_norm": 0.6303039789199829,
2156
+ "learning_rate": 6.494656798087412e-05,
2157
+ "loss": 0.2339,
2158
+ "step": 3070
2159
+ },
2160
+ {
2161
+ "epoch": 6.153846153846154,
2162
+ "grad_norm": 0.6423007845878601,
2163
+ "learning_rate": 6.435881212867493e-05,
2164
+ "loss": 0.2377,
2165
+ "step": 3080
2166
+ },
2167
+ {
2168
+ "epoch": 6.173826173826174,
2169
+ "grad_norm": 0.6716975569725037,
2170
+ "learning_rate": 6.377246332954544e-05,
2171
+ "loss": 0.2365,
2172
+ "step": 3090
2173
+ },
2174
+ {
2175
+ "epoch": 6.193806193806194,
2176
+ "grad_norm": 0.6927747130393982,
2177
+ "learning_rate": 6.318754473153221e-05,
2178
+ "loss": 0.2346,
2179
+ "step": 3100
2180
+ },
2181
+ {
2182
+ "epoch": 6.213786213786213,
2183
+ "grad_norm": 0.6551555395126343,
2184
+ "learning_rate": 6.260407942621998e-05,
2185
+ "loss": 0.235,
2186
+ "step": 3110
2187
+ },
2188
+ {
2189
+ "epoch": 6.233766233766234,
2190
+ "grad_norm": 0.7131916284561157,
2191
+ "learning_rate": 6.20220904478199e-05,
2192
+ "loss": 0.2401,
2193
+ "step": 3120
2194
+ },
2195
+ {
2196
+ "epoch": 6.253746253746254,
2197
+ "grad_norm": 0.7002174258232117,
2198
+ "learning_rate": 6.144160077226036e-05,
2199
+ "loss": 0.2398,
2200
+ "step": 3130
2201
+ },
2202
+ {
2203
+ "epoch": 6.273726273726274,
2204
+ "grad_norm": 0.7129354476928711,
2205
+ "learning_rate": 6.086263331627976e-05,
2206
+ "loss": 0.2401,
2207
+ "step": 3140
2208
+ },
2209
+ {
2210
+ "epoch": 6.293706293706293,
2211
+ "grad_norm": 0.6942778825759888,
2212
+ "learning_rate": 6.0285210936521955e-05,
2213
+ "loss": 0.2391,
2214
+ "step": 3150
2215
+ },
2216
+ {
2217
+ "epoch": 6.313686313686314,
2218
+ "grad_norm": 0.7181575298309326,
2219
+ "learning_rate": 5.9709356428633746e-05,
2220
+ "loss": 0.2434,
2221
+ "step": 3160
2222
+ },
2223
+ {
2224
+ "epoch": 6.333666333666334,
2225
+ "grad_norm": 0.720330536365509,
2226
+ "learning_rate": 5.913509252636511e-05,
2227
+ "loss": 0.2352,
2228
+ "step": 3170
2229
+ },
2230
+ {
2231
+ "epoch": 6.353646353646353,
2232
+ "grad_norm": 0.6518005728721619,
2233
+ "learning_rate": 5.856244190067159e-05,
2234
+ "loss": 0.2377,
2235
+ "step": 3180
2236
+ },
2237
+ {
2238
+ "epoch": 6.373626373626374,
2239
+ "grad_norm": 0.6705808639526367,
2240
+ "learning_rate": 5.799142715881938e-05,
2241
+ "loss": 0.2416,
2242
+ "step": 3190
2243
+ },
2244
+ {
2245
+ "epoch": 6.393606393606394,
2246
+ "grad_norm": 0.7210578322410583,
2247
+ "learning_rate": 5.7422070843492734e-05,
2248
+ "loss": 0.2406,
2249
+ "step": 3200
2250
+ },
2251
+ {
2252
+ "epoch": 6.413586413586414,
2253
+ "grad_norm": 0.6428204774856567,
2254
+ "learning_rate": 5.6854395431904094e-05,
2255
+ "loss": 0.2397,
2256
+ "step": 3210
2257
+ },
2258
+ {
2259
+ "epoch": 6.433566433566433,
2260
+ "grad_norm": 0.697733461856842,
2261
+ "learning_rate": 5.6288423334906735e-05,
2262
+ "loss": 0.2425,
2263
+ "step": 3220
2264
+ },
2265
+ {
2266
+ "epoch": 6.453546453546454,
2267
+ "grad_norm": 0.7867773175239563,
2268
+ "learning_rate": 5.572417689610987e-05,
2269
+ "loss": 0.2401,
2270
+ "step": 3230
2271
+ },
2272
+ {
2273
+ "epoch": 6.473526473526474,
2274
+ "grad_norm": 0.6750375032424927,
2275
+ "learning_rate": 5.5161678390996796e-05,
2276
+ "loss": 0.2396,
2277
+ "step": 3240
2278
+ },
2279
+ {
2280
+ "epoch": 6.4935064935064934,
2281
+ "grad_norm": 0.677237868309021,
2282
+ "learning_rate": 5.4600950026045326e-05,
2283
+ "loss": 0.2434,
2284
+ "step": 3250
2285
+ },
2286
+ {
2287
+ "epoch": 6.513486513486513,
2288
+ "grad_norm": 0.6781632304191589,
2289
+ "learning_rate": 5.404201393785122e-05,
2290
+ "loss": 0.2454,
2291
+ "step": 3260
2292
+ },
2293
+ {
2294
+ "epoch": 6.533466533466534,
2295
+ "grad_norm": 0.7506418824195862,
2296
+ "learning_rate": 5.348489219225416e-05,
2297
+ "loss": 0.2397,
2298
+ "step": 3270
2299
+ },
2300
+ {
2301
+ "epoch": 6.553446553446554,
2302
+ "grad_norm": 0.7256707549095154,
2303
+ "learning_rate": 5.292960678346675e-05,
2304
+ "loss": 0.2403,
2305
+ "step": 3280
2306
+ },
2307
+ {
2308
+ "epoch": 6.573426573426573,
2309
+ "grad_norm": 0.664169430732727,
2310
+ "learning_rate": 5.237617963320608e-05,
2311
+ "loss": 0.2392,
2312
+ "step": 3290
2313
+ },
2314
+ {
2315
+ "epoch": 6.593406593406593,
2316
+ "grad_norm": 0.7900999188423157,
2317
+ "learning_rate": 5.182463258982846e-05,
2318
+ "loss": 0.2426,
2319
+ "step": 3300
2320
+ },
2321
+ {
2322
+ "epoch": 6.613386613386614,
2323
+ "grad_norm": 0.7012047171592712,
2324
+ "learning_rate": 5.127498742746675e-05,
2325
+ "loss": 0.2429,
2326
+ "step": 3310
2327
+ },
2328
+ {
2329
+ "epoch": 6.6333666333666335,
2330
+ "grad_norm": 0.752498984336853,
2331
+ "learning_rate": 5.072726584517086e-05,
2332
+ "loss": 0.2425,
2333
+ "step": 3320
2334
+ },
2335
+ {
2336
+ "epoch": 6.653346653346653,
2337
+ "grad_norm": 0.7256404161453247,
2338
+ "learning_rate": 5.018148946605092e-05,
2339
+ "loss": 0.2381,
2340
+ "step": 3330
2341
+ },
2342
+ {
2343
+ "epoch": 6.673326673326673,
2344
+ "grad_norm": 0.6938993334770203,
2345
+ "learning_rate": 4.9637679836423924e-05,
2346
+ "loss": 0.2428,
2347
+ "step": 3340
2348
+ },
2349
+ {
2350
+ "epoch": 6.693306693306694,
2351
+ "grad_norm": 0.7288166284561157,
2352
+ "learning_rate": 4.909585842496287e-05,
2353
+ "loss": 0.2409,
2354
+ "step": 3350
2355
+ },
2356
+ {
2357
+ "epoch": 6.713286713286713,
2358
+ "grad_norm": 0.7148503661155701,
2359
+ "learning_rate": 4.8556046621849346e-05,
2360
+ "loss": 0.2402,
2361
+ "step": 3360
2362
+ },
2363
+ {
2364
+ "epoch": 6.733266733266733,
2365
+ "grad_norm": 0.7477458715438843,
2366
+ "learning_rate": 4.8018265737929044e-05,
2367
+ "loss": 0.2394,
2368
+ "step": 3370
2369
+ },
2370
+ {
2371
+ "epoch": 6.753246753246753,
2372
+ "grad_norm": 0.7404049634933472,
2373
+ "learning_rate": 4.748253700387042e-05,
2374
+ "loss": 0.2422,
2375
+ "step": 3380
2376
+ },
2377
+ {
2378
+ "epoch": 6.7732267732267735,
2379
+ "grad_norm": 0.6715726852416992,
2380
+ "learning_rate": 4.694888156932658e-05,
2381
+ "loss": 0.2405,
2382
+ "step": 3390
2383
+ },
2384
+ {
2385
+ "epoch": 6.793206793206793,
2386
+ "grad_norm": 0.6998412609100342,
2387
+ "learning_rate": 4.6417320502100316e-05,
2388
+ "loss": 0.2405,
2389
+ "step": 3400
2390
+ },
2391
+ {
2392
+ "epoch": 6.813186813186813,
2393
+ "grad_norm": 0.7061425447463989,
2394
+ "learning_rate": 4.588787478731242e-05,
2395
+ "loss": 0.2368,
2396
+ "step": 3410
2397
+ },
2398
+ {
2399
+ "epoch": 6.833166833166834,
2400
+ "grad_norm": 0.7432896494865417,
2401
+ "learning_rate": 4.5360565326573104e-05,
2402
+ "loss": 0.2399,
2403
+ "step": 3420
2404
+ },
2405
+ {
2406
+ "epoch": 6.853146853146853,
2407
+ "grad_norm": 0.7876798510551453,
2408
+ "learning_rate": 4.483541293715698e-05,
2409
+ "loss": 0.2395,
2410
+ "step": 3430
2411
+ },
2412
+ {
2413
+ "epoch": 6.873126873126873,
2414
+ "grad_norm": 0.7446125149726868,
2415
+ "learning_rate": 4.431243835118124e-05,
2416
+ "loss": 0.241,
2417
+ "step": 3440
2418
+ },
2419
+ {
2420
+ "epoch": 6.893106893106893,
2421
+ "grad_norm": 0.6832261085510254,
2422
+ "learning_rate": 4.379166221478697e-05,
2423
+ "loss": 0.2396,
2424
+ "step": 3450
2425
+ },
2426
+ {
2427
+ "epoch": 6.913086913086913,
2428
+ "grad_norm": 0.7039461135864258,
2429
+ "learning_rate": 4.327310508732437e-05,
2430
+ "loss": 0.2408,
2431
+ "step": 3460
2432
+ },
2433
+ {
2434
+ "epoch": 6.933066933066933,
2435
+ "grad_norm": 0.7428474426269531,
2436
+ "learning_rate": 4.2756787440540936e-05,
2437
+ "loss": 0.2407,
2438
+ "step": 3470
2439
+ },
2440
+ {
2441
+ "epoch": 6.953046953046953,
2442
+ "grad_norm": 0.7313565015792847,
2443
+ "learning_rate": 4.224272965777326e-05,
2444
+ "loss": 0.2406,
2445
+ "step": 3480
2446
+ },
2447
+ {
2448
+ "epoch": 6.973026973026973,
2449
+ "grad_norm": 0.7175894975662231,
2450
+ "learning_rate": 4.173095203314241e-05,
2451
+ "loss": 0.2409,
2452
+ "step": 3490
2453
+ },
2454
+ {
2455
+ "epoch": 6.993006993006993,
2456
+ "grad_norm": 0.6897133588790894,
2457
+ "learning_rate": 4.12214747707527e-05,
2458
+ "loss": 0.2389,
2459
+ "step": 3500
2460
+ },
2461
+ {
2462
+ "epoch": 7.012987012987013,
2463
+ "grad_norm": 0.5959777235984802,
2464
+ "learning_rate": 4.071431798389408e-05,
2465
+ "loss": 0.2184,
2466
+ "step": 3510
2467
+ },
2468
+ {
2469
+ "epoch": 7.032967032967033,
2470
+ "grad_norm": 0.7147582173347473,
2471
+ "learning_rate": 4.020950169424815e-05,
2472
+ "loss": 0.2087,
2473
+ "step": 3520
2474
+ },
2475
+ {
2476
+ "epoch": 7.052947052947053,
2477
+ "grad_norm": 0.6122413873672485,
2478
+ "learning_rate": 3.9707045831097555e-05,
2479
+ "loss": 0.2106,
2480
+ "step": 3530
2481
+ },
2482
+ {
2483
+ "epoch": 7.072927072927073,
2484
+ "grad_norm": 0.633969783782959,
2485
+ "learning_rate": 3.920697023053949e-05,
2486
+ "loss": 0.2099,
2487
+ "step": 3540
2488
+ },
2489
+ {
2490
+ "epoch": 7.092907092907093,
2491
+ "grad_norm": 0.6842843890190125,
2492
+ "learning_rate": 3.8709294634702376e-05,
2493
+ "loss": 0.2104,
2494
+ "step": 3550
2495
+ },
2496
+ {
2497
+ "epoch": 7.112887112887113,
2498
+ "grad_norm": 0.5708280205726624,
2499
+ "learning_rate": 3.821403869096658e-05,
2500
+ "loss": 0.2125,
2501
+ "step": 3560
2502
+ },
2503
+ {
2504
+ "epoch": 7.1328671328671325,
2505
+ "grad_norm": 0.6579930782318115,
2506
+ "learning_rate": 3.7721221951188765e-05,
2507
+ "loss": 0.2107,
2508
+ "step": 3570
2509
+ },
2510
+ {
2511
+ "epoch": 7.152847152847153,
2512
+ "grad_norm": 0.5980693101882935,
2513
+ "learning_rate": 3.7230863870929964e-05,
2514
+ "loss": 0.2085,
2515
+ "step": 3580
2516
+ },
2517
+ {
2518
+ "epoch": 7.172827172827173,
2519
+ "grad_norm": 0.5968551635742188,
2520
+ "learning_rate": 3.674298380868756e-05,
2521
+ "loss": 0.209,
2522
+ "step": 3590
2523
+ },
2524
+ {
2525
+ "epoch": 7.192807192807193,
2526
+ "grad_norm": 0.6218951940536499,
2527
+ "learning_rate": 3.6257601025131026e-05,
2528
+ "loss": 0.2095,
2529
+ "step": 3600
2530
+ },
2531
+ {
2532
+ "epoch": 7.212787212787212,
2533
+ "grad_norm": 0.6248393058776855,
2534
+ "learning_rate": 3.577473468234156e-05,
2535
+ "loss": 0.2155,
2536
+ "step": 3610
2537
+ },
2538
+ {
2539
+ "epoch": 7.232767232767233,
2540
+ "grad_norm": 0.6496105194091797,
2541
+ "learning_rate": 3.52944038430556e-05,
2542
+ "loss": 0.2139,
2543
+ "step": 3620
2544
+ },
2545
+ {
2546
+ "epoch": 7.252747252747253,
2547
+ "grad_norm": 0.6064103841781616,
2548
+ "learning_rate": 3.481662746991214e-05,
2549
+ "loss": 0.2081,
2550
+ "step": 3630
2551
+ },
2552
+ {
2553
+ "epoch": 7.2727272727272725,
2554
+ "grad_norm": 0.6504641771316528,
2555
+ "learning_rate": 3.4341424424704375e-05,
2556
+ "loss": 0.2111,
2557
+ "step": 3640
2558
+ },
2559
+ {
2560
+ "epoch": 7.292707292707293,
2561
+ "grad_norm": 0.6580168604850769,
2562
+ "learning_rate": 3.386881346763483e-05,
2563
+ "loss": 0.2123,
2564
+ "step": 3650
2565
+ },
2566
+ {
2567
+ "epoch": 7.312687312687313,
2568
+ "grad_norm": 0.5861549973487854,
2569
+ "learning_rate": 3.339881325657484e-05,
2570
+ "loss": 0.2084,
2571
+ "step": 3660
2572
+ },
2573
+ {
2574
+ "epoch": 7.332667332667333,
2575
+ "grad_norm": 0.6313382387161255,
2576
+ "learning_rate": 3.2931442346328004e-05,
2577
+ "loss": 0.2078,
2578
+ "step": 3670
2579
+ },
2580
+ {
2581
+ "epoch": 7.352647352647352,
2582
+ "grad_norm": 0.646842896938324,
2583
+ "learning_rate": 3.246671918789755e-05,
2584
+ "loss": 0.2135,
2585
+ "step": 3680
2586
+ },
2587
+ {
2588
+ "epoch": 7.372627372627373,
2589
+ "grad_norm": 0.6964268088340759,
2590
+ "learning_rate": 3.200466212775808e-05,
2591
+ "loss": 0.2126,
2592
+ "step": 3690
2593
+ },
2594
+ {
2595
+ "epoch": 7.392607392607393,
2596
+ "grad_norm": 0.6139673590660095,
2597
+ "learning_rate": 3.154528940713113e-05,
2598
+ "loss": 0.215,
2599
+ "step": 3700
2600
+ },
2601
+ {
2602
+ "epoch": 7.4125874125874125,
2603
+ "grad_norm": 0.6455628871917725,
2604
+ "learning_rate": 3.108861916126518e-05,
2605
+ "loss": 0.2114,
2606
+ "step": 3710
2607
+ },
2608
+ {
2609
+ "epoch": 7.432567432567432,
2610
+ "grad_norm": 0.6227108240127563,
2611
+ "learning_rate": 3.063466941871952e-05,
2612
+ "loss": 0.2114,
2613
+ "step": 3720
2614
+ },
2615
+ {
2616
+ "epoch": 7.452547452547453,
2617
+ "grad_norm": 0.5858675837516785,
2618
+ "learning_rate": 3.018345810065275e-05,
2619
+ "loss": 0.2107,
2620
+ "step": 3730
2621
+ },
2622
+ {
2623
+ "epoch": 7.472527472527473,
2624
+ "grad_norm": 0.6218124628067017,
2625
+ "learning_rate": 2.9735003020115092e-05,
2626
+ "loss": 0.2115,
2627
+ "step": 3740
2628
+ },
2629
+ {
2630
+ "epoch": 7.492507492507492,
2631
+ "grad_norm": 0.6510396003723145,
2632
+ "learning_rate": 2.9289321881345254e-05,
2633
+ "loss": 0.2124,
2634
+ "step": 3750
2635
+ },
2636
+ {
2637
+ "epoch": 7.512487512487512,
2638
+ "grad_norm": 0.6465820074081421,
2639
+ "learning_rate": 2.8846432279071467e-05,
2640
+ "loss": 0.2132,
2641
+ "step": 3760
2642
+ },
2643
+ {
2644
+ "epoch": 7.532467532467533,
2645
+ "grad_norm": 0.7002317905426025,
2646
+ "learning_rate": 2.840635169781688e-05,
2647
+ "loss": 0.2129,
2648
+ "step": 3770
2649
+ },
2650
+ {
2651
+ "epoch": 7.5524475524475525,
2652
+ "grad_norm": 0.647723913192749,
2653
+ "learning_rate": 2.7969097511209308e-05,
2654
+ "loss": 0.2136,
2655
+ "step": 3780
2656
+ },
2657
+ {
2658
+ "epoch": 7.572427572427572,
2659
+ "grad_norm": 0.5907153487205505,
2660
+ "learning_rate": 2.753468698129533e-05,
2661
+ "loss": 0.2115,
2662
+ "step": 3790
2663
+ },
2664
+ {
2665
+ "epoch": 7.592407592407593,
2666
+ "grad_norm": 0.6074231863021851,
2667
+ "learning_rate": 2.7103137257858868e-05,
2668
+ "loss": 0.2128,
2669
+ "step": 3800
2670
+ },
2671
+ {
2672
+ "epoch": 7.612387612387613,
2673
+ "grad_norm": 0.6356890797615051,
2674
+ "learning_rate": 2.6674465377744017e-05,
2675
+ "loss": 0.2108,
2676
+ "step": 3810
2677
+ },
2678
+ {
2679
+ "epoch": 7.632367632367632,
2680
+ "grad_norm": 0.6739248633384705,
2681
+ "learning_rate": 2.624868826418262e-05,
2682
+ "loss": 0.2129,
2683
+ "step": 3820
2684
+ },
2685
+ {
2686
+ "epoch": 7.652347652347652,
2687
+ "grad_norm": 0.6241906881332397,
2688
+ "learning_rate": 2.582582272612609e-05,
2689
+ "loss": 0.211,
2690
+ "step": 3830
2691
+ },
2692
+ {
2693
+ "epoch": 7.672327672327672,
2694
+ "grad_norm": 0.6532058715820312,
2695
+ "learning_rate": 2.540588545758179e-05,
2696
+ "loss": 0.2137,
2697
+ "step": 3840
2698
+ },
2699
+ {
2700
+ "epoch": 7.6923076923076925,
2701
+ "grad_norm": 0.7098828554153442,
2702
+ "learning_rate": 2.4988893036954043e-05,
2703
+ "loss": 0.2105,
2704
+ "step": 3850
2705
+ },
2706
+ {
2707
+ "epoch": 7.712287712287712,
2708
+ "grad_norm": 0.6868453025817871,
2709
+ "learning_rate": 2.4574861926389615e-05,
2710
+ "loss": 0.214,
2711
+ "step": 3860
2712
+ },
2713
+ {
2714
+ "epoch": 7.732267732267732,
2715
+ "grad_norm": 0.6777834296226501,
2716
+ "learning_rate": 2.4163808471127812e-05,
2717
+ "loss": 0.2125,
2718
+ "step": 3870
2719
+ },
2720
+ {
2721
+ "epoch": 7.752247752247753,
2722
+ "grad_norm": 0.6967138648033142,
2723
+ "learning_rate": 2.37557488988552e-05,
2724
+ "loss": 0.2118,
2725
+ "step": 3880
2726
+ },
2727
+ {
2728
+ "epoch": 7.772227772227772,
2729
+ "grad_norm": 0.6641217470169067,
2730
+ "learning_rate": 2.3350699319065026e-05,
2731
+ "loss": 0.2134,
2732
+ "step": 3890
2733
+ },
2734
+ {
2735
+ "epoch": 7.792207792207792,
2736
+ "grad_norm": 0.6727011799812317,
2737
+ "learning_rate": 2.2948675722421086e-05,
2738
+ "loss": 0.217,
2739
+ "step": 3900
2740
+ },
2741
+ {
2742
+ "epoch": 7.812187812187812,
2743
+ "grad_norm": 0.6331846117973328,
2744
+ "learning_rate": 2.254969398012663e-05,
2745
+ "loss": 0.2127,
2746
+ "step": 3910
2747
+ },
2748
+ {
2749
+ "epoch": 7.8321678321678325,
2750
+ "grad_norm": 0.6486308574676514,
2751
+ "learning_rate": 2.2153769843297667e-05,
2752
+ "loss": 0.2096,
2753
+ "step": 3920
2754
+ },
2755
+ {
2756
+ "epoch": 7.852147852147852,
2757
+ "grad_norm": 0.6658995151519775,
2758
+ "learning_rate": 2.1760918942341192e-05,
2759
+ "loss": 0.211,
2760
+ "step": 3930
2761
+ },
2762
+ {
2763
+ "epoch": 7.872127872127872,
2764
+ "grad_norm": 0.687493085861206,
2765
+ "learning_rate": 2.137115678633811e-05,
2766
+ "loss": 0.2163,
2767
+ "step": 3940
2768
+ },
2769
+ {
2770
+ "epoch": 7.892107892107892,
2771
+ "grad_norm": 0.6267641186714172,
2772
+ "learning_rate": 2.098449876243096e-05,
2773
+ "loss": 0.2142,
2774
+ "step": 3950
2775
+ },
2776
+ {
2777
+ "epoch": 7.912087912087912,
2778
+ "grad_norm": 0.6141098141670227,
2779
+ "learning_rate": 2.0600960135216462e-05,
2780
+ "loss": 0.2134,
2781
+ "step": 3960
2782
+ },
2783
+ {
2784
+ "epoch": 7.932067932067932,
2785
+ "grad_norm": 0.6436827182769775,
2786
+ "learning_rate": 2.0220556046142893e-05,
2787
+ "loss": 0.214,
2788
+ "step": 3970
2789
+ },
2790
+ {
2791
+ "epoch": 7.952047952047952,
2792
+ "grad_norm": 0.6543010473251343,
2793
+ "learning_rate": 1.9843301512912327e-05,
2794
+ "loss": 0.2126,
2795
+ "step": 3980
2796
+ },
2797
+ {
2798
+ "epoch": 7.972027972027972,
2799
+ "grad_norm": 0.6083731651306152,
2800
+ "learning_rate": 1.946921142888781e-05,
2801
+ "loss": 0.2135,
2802
+ "step": 3990
2803
+ },
2804
+ {
2805
+ "epoch": 7.992007992007992,
2806
+ "grad_norm": 0.6408571600914001,
2807
+ "learning_rate": 1.9098300562505266e-05,
2808
+ "loss": 0.2123,
2809
+ "step": 4000
2810
+ },
2811
+ {
2812
+ "epoch": 8.011988011988011,
2813
+ "grad_norm": 0.556982159614563,
2814
+ "learning_rate": 1.8730583556690605e-05,
2815
+ "loss": 0.2042,
2816
+ "step": 4010
2817
+ },
2818
+ {
2819
+ "epoch": 8.031968031968033,
2820
+ "grad_norm": 0.5726343393325806,
2821
+ "learning_rate": 1.8366074928281607e-05,
2822
+ "loss": 0.1941,
2823
+ "step": 4020
2824
+ },
2825
+ {
2826
+ "epoch": 8.051948051948052,
2827
+ "grad_norm": 0.5825814604759216,
2828
+ "learning_rate": 1.8004789067454764e-05,
2829
+ "loss": 0.1976,
2830
+ "step": 4030
2831
+ },
2832
+ {
2833
+ "epoch": 8.071928071928072,
2834
+ "grad_norm": 0.569325864315033,
2835
+ "learning_rate": 1.7646740237157256e-05,
2836
+ "loss": 0.196,
2837
+ "step": 4040
2838
+ },
2839
+ {
2840
+ "epoch": 8.091908091908092,
2841
+ "grad_norm": 0.5917354226112366,
2842
+ "learning_rate": 1.7291942572543807e-05,
2843
+ "loss": 0.195,
2844
+ "step": 4050
2845
+ },
2846
+ {
2847
+ "epoch": 8.111888111888112,
2848
+ "grad_norm": 0.5817933678627014,
2849
+ "learning_rate": 1.6940410080418723e-05,
2850
+ "loss": 0.1971,
2851
+ "step": 4060
2852
+ },
2853
+ {
2854
+ "epoch": 8.131868131868131,
2855
+ "grad_norm": 0.6475218534469604,
2856
+ "learning_rate": 1.6592156638682886e-05,
2857
+ "loss": 0.197,
2858
+ "step": 4070
2859
+ },
2860
+ {
2861
+ "epoch": 8.151848151848151,
2862
+ "grad_norm": 0.6248770356178284,
2863
+ "learning_rate": 1.6247195995785837e-05,
2864
+ "loss": 0.1971,
2865
+ "step": 4080
2866
+ },
2867
+ {
2868
+ "epoch": 8.171828171828173,
2869
+ "grad_norm": 0.5749895572662354,
2870
+ "learning_rate": 1.5905541770183096e-05,
2871
+ "loss": 0.1964,
2872
+ "step": 4090
2873
+ },
2874
+ {
2875
+ "epoch": 8.191808191808192,
2876
+ "grad_norm": 0.6148300766944885,
2877
+ "learning_rate": 1.5567207449798515e-05,
2878
+ "loss": 0.1966,
2879
+ "step": 4100
2880
+ },
2881
+ {
2882
+ "epoch": 8.211788211788212,
2883
+ "grad_norm": 0.6778724789619446,
2884
+ "learning_rate": 1.5232206391491699e-05,
2885
+ "loss": 0.1955,
2886
+ "step": 4110
2887
+ },
2888
+ {
2889
+ "epoch": 8.231768231768232,
2890
+ "grad_norm": 0.5883269906044006,
2891
+ "learning_rate": 1.4900551820530828e-05,
2892
+ "loss": 0.1919,
2893
+ "step": 4120
2894
+ },
2895
+ {
2896
+ "epoch": 8.251748251748252,
2897
+ "grad_norm": 0.567950963973999,
2898
+ "learning_rate": 1.4572256830070497e-05,
2899
+ "loss": 0.1966,
2900
+ "step": 4130
2901
+ },
2902
+ {
2903
+ "epoch": 8.271728271728271,
2904
+ "grad_norm": 0.5733300447463989,
2905
+ "learning_rate": 1.4247334380634792e-05,
2906
+ "loss": 0.1964,
2907
+ "step": 4140
2908
+ },
2909
+ {
2910
+ "epoch": 8.291708291708291,
2911
+ "grad_norm": 0.638990044593811,
2912
+ "learning_rate": 1.3925797299605647e-05,
2913
+ "loss": 0.1944,
2914
+ "step": 4150
2915
+ },
2916
+ {
2917
+ "epoch": 8.311688311688311,
2918
+ "grad_norm": 0.6272343397140503,
2919
+ "learning_rate": 1.3607658280716473e-05,
2920
+ "loss": 0.1951,
2921
+ "step": 4160
2922
+ },
2923
+ {
2924
+ "epoch": 8.331668331668332,
2925
+ "grad_norm": 0.5631300210952759,
2926
+ "learning_rate": 1.3292929883550998e-05,
2927
+ "loss": 0.1983,
2928
+ "step": 4170
2929
+ },
2930
+ {
2931
+ "epoch": 8.351648351648352,
2932
+ "grad_norm": 0.6056917309761047,
2933
+ "learning_rate": 1.2981624533047432e-05,
2934
+ "loss": 0.1976,
2935
+ "step": 4180
2936
+ },
2937
+ {
2938
+ "epoch": 8.371628371628372,
2939
+ "grad_norm": 0.6021771430969238,
2940
+ "learning_rate": 1.2673754519008008e-05,
2941
+ "loss": 0.1968,
2942
+ "step": 4190
2943
+ },
2944
+ {
2945
+ "epoch": 8.391608391608392,
2946
+ "grad_norm": 0.5835386514663696,
2947
+ "learning_rate": 1.2369331995613665e-05,
2948
+ "loss": 0.1977,
2949
+ "step": 4200
2950
+ },
2951
+ {
2952
+ "epoch": 8.411588411588411,
2953
+ "grad_norm": 0.5700567960739136,
2954
+ "learning_rate": 1.206836898094439e-05,
2955
+ "loss": 0.1992,
2956
+ "step": 4210
2957
+ },
2958
+ {
2959
+ "epoch": 8.431568431568431,
2960
+ "grad_norm": 0.6391722559928894,
2961
+ "learning_rate": 1.1770877356504683e-05,
2962
+ "loss": 0.1977,
2963
+ "step": 4220
2964
+ },
2965
+ {
2966
+ "epoch": 8.451548451548451,
2967
+ "grad_norm": 0.5633198022842407,
2968
+ "learning_rate": 1.1476868866754486e-05,
2969
+ "loss": 0.1975,
2970
+ "step": 4230
2971
+ },
2972
+ {
2973
+ "epoch": 8.471528471528472,
2974
+ "grad_norm": 0.6308007836341858,
2975
+ "learning_rate": 1.1186355118645554e-05,
2976
+ "loss": 0.2002,
2977
+ "step": 4240
2978
+ },
2979
+ {
2980
+ "epoch": 8.491508491508492,
2981
+ "grad_norm": 0.6147842407226562,
2982
+ "learning_rate": 1.0899347581163221e-05,
2983
+ "loss": 0.199,
2984
+ "step": 4250
2985
+ },
2986
+ {
2987
+ "epoch": 8.511488511488512,
2988
+ "grad_norm": 0.6099655628204346,
2989
+ "learning_rate": 1.0615857584873623e-05,
2990
+ "loss": 0.1971,
2991
+ "step": 4260
2992
+ },
2993
+ {
2994
+ "epoch": 8.531468531468532,
2995
+ "grad_norm": 0.6306450366973877,
2996
+ "learning_rate": 1.0335896321476413e-05,
2997
+ "loss": 0.1971,
2998
+ "step": 4270
2999
+ },
3000
+ {
3001
+ "epoch": 8.551448551448551,
3002
+ "grad_norm": 0.5740554928779602,
3003
+ "learning_rate": 1.0059474843362892e-05,
3004
+ "loss": 0.1964,
3005
+ "step": 4280
3006
+ },
3007
+ {
3008
+ "epoch": 8.571428571428571,
3009
+ "grad_norm": 0.566005289554596,
3010
+ "learning_rate": 9.786604063179728e-06,
3011
+ "loss": 0.197,
3012
+ "step": 4290
3013
+ },
3014
+ {
3015
+ "epoch": 8.591408591408591,
3016
+ "grad_norm": 0.6008467674255371,
3017
+ "learning_rate": 9.517294753398064e-06,
3018
+ "loss": 0.1969,
3019
+ "step": 4300
3020
+ },
3021
+ {
3022
+ "epoch": 8.61138861138861,
3023
+ "grad_norm": 0.5880402326583862,
3024
+ "learning_rate": 9.251557545888312e-06,
3025
+ "loss": 0.1944,
3026
+ "step": 4310
3027
+ },
3028
+ {
3029
+ "epoch": 8.631368631368632,
3030
+ "grad_norm": 0.6250616908073425,
3031
+ "learning_rate": 8.989402931500434e-06,
3032
+ "loss": 0.1978,
3033
+ "step": 4320
3034
+ },
3035
+ {
3036
+ "epoch": 8.651348651348652,
3037
+ "grad_norm": 0.554460883140564,
3038
+ "learning_rate": 8.730841259649725e-06,
3039
+ "loss": 0.1998,
3040
+ "step": 4330
3041
+ },
3042
+ {
3043
+ "epoch": 8.671328671328672,
3044
+ "grad_norm": 0.5680242776870728,
3045
+ "learning_rate": 8.475882737908248e-06,
3046
+ "loss": 0.2,
3047
+ "step": 4340
3048
+ },
3049
+ {
3050
+ "epoch": 8.691308691308691,
3051
+ "grad_norm": 0.5889159440994263,
3052
+ "learning_rate": 8.224537431601886e-06,
3053
+ "loss": 0.1985,
3054
+ "step": 4350
3055
+ },
3056
+ {
3057
+ "epoch": 8.711288711288711,
3058
+ "grad_norm": 0.6051207780838013,
3059
+ "learning_rate": 7.976815263412963e-06,
3060
+ "loss": 0.1944,
3061
+ "step": 4360
3062
+ },
3063
+ {
3064
+ "epoch": 8.731268731268731,
3065
+ "grad_norm": 0.6148102283477783,
3066
+ "learning_rate": 7.73272601298851e-06,
3067
+ "loss": 0.1952,
3068
+ "step": 4370
3069
+ },
3070
+ {
3071
+ "epoch": 8.75124875124875,
3072
+ "grad_norm": 0.6123753786087036,
3073
+ "learning_rate": 7.492279316554207e-06,
3074
+ "loss": 0.1955,
3075
+ "step": 4380
3076
+ },
3077
+ {
3078
+ "epoch": 8.77122877122877,
3079
+ "grad_norm": 0.5911871790885925,
3080
+ "learning_rate": 7.255484666533874e-06,
3081
+ "loss": 0.1987,
3082
+ "step": 4390
3083
+ },
3084
+ {
3085
+ "epoch": 8.791208791208792,
3086
+ "grad_norm": 0.5861064195632935,
3087
+ "learning_rate": 7.022351411174866e-06,
3088
+ "loss": 0.1972,
3089
+ "step": 4400
3090
+ },
3091
+ {
3092
+ "epoch": 8.811188811188812,
3093
+ "grad_norm": 0.6565813422203064,
3094
+ "learning_rate": 6.7928887541789055e-06,
3095
+ "loss": 0.1966,
3096
+ "step": 4410
3097
+ },
3098
+ {
3099
+ "epoch": 8.831168831168831,
3100
+ "grad_norm": 0.6338573694229126,
3101
+ "learning_rate": 6.5671057543387985e-06,
3102
+ "loss": 0.1987,
3103
+ "step": 4420
3104
+ },
3105
+ {
3106
+ "epoch": 8.851148851148851,
3107
+ "grad_norm": 0.5672295093536377,
3108
+ "learning_rate": 6.345011325180772e-06,
3109
+ "loss": 0.198,
3110
+ "step": 4430
3111
+ },
3112
+ {
3113
+ "epoch": 8.871128871128871,
3114
+ "grad_norm": 0.6036155223846436,
3115
+ "learning_rate": 6.126614234612593e-06,
3116
+ "loss": 0.199,
3117
+ "step": 4440
3118
+ },
3119
+ {
3120
+ "epoch": 8.89110889110889,
3121
+ "grad_norm": 0.5816395878791809,
3122
+ "learning_rate": 5.911923104577455e-06,
3123
+ "loss": 0.1985,
3124
+ "step": 4450
3125
+ },
3126
+ {
3127
+ "epoch": 8.91108891108891,
3128
+ "grad_norm": 0.5562584400177002,
3129
+ "learning_rate": 5.700946410713548e-06,
3130
+ "loss": 0.1964,
3131
+ "step": 4460
3132
+ },
3133
+ {
3134
+ "epoch": 8.931068931068932,
3135
+ "grad_norm": 0.6179762482643127,
3136
+ "learning_rate": 5.49369248201953e-06,
3137
+ "loss": 0.1948,
3138
+ "step": 4470
3139
+ },
3140
+ {
3141
+ "epoch": 8.951048951048952,
3142
+ "grad_norm": 0.5566456317901611,
3143
+ "learning_rate": 5.290169500525577e-06,
3144
+ "loss": 0.1958,
3145
+ "step": 4480
3146
+ },
3147
+ {
3148
+ "epoch": 8.971028971028971,
3149
+ "grad_norm": 0.6196462512016296,
3150
+ "learning_rate": 5.0903855009705514e-06,
3151
+ "loss": 0.1978,
3152
+ "step": 4490
3153
+ },
3154
+ {
3155
+ "epoch": 8.991008991008991,
3156
+ "grad_norm": 0.5933112502098083,
3157
+ "learning_rate": 4.8943483704846475e-06,
3158
+ "loss": 0.1962,
3159
+ "step": 4500
3160
+ },
3161
+ {
3162
+ "epoch": 9.010989010989011,
3163
+ "grad_norm": 0.5680419206619263,
3164
+ "learning_rate": 4.702065848278126e-06,
3165
+ "loss": 0.1948,
3166
+ "step": 4510
3167
+ },
3168
+ {
3169
+ "epoch": 9.03096903096903,
3170
+ "grad_norm": 0.5447672605514526,
3171
+ "learning_rate": 4.513545525335705e-06,
3172
+ "loss": 0.1894,
3173
+ "step": 4520
3174
+ },
3175
+ {
3176
+ "epoch": 9.05094905094905,
3177
+ "grad_norm": 0.5605758428573608,
3178
+ "learning_rate": 4.328794844116946e-06,
3179
+ "loss": 0.1903,
3180
+ "step": 4530
3181
+ },
3182
+ {
3183
+ "epoch": 9.07092907092907,
3184
+ "grad_norm": 0.5727641582489014,
3185
+ "learning_rate": 4.147821098262405e-06,
3186
+ "loss": 0.1899,
3187
+ "step": 4540
3188
+ },
3189
+ {
3190
+ "epoch": 9.090909090909092,
3191
+ "grad_norm": 0.5076532363891602,
3192
+ "learning_rate": 3.970631432305694e-06,
3193
+ "loss": 0.1872,
3194
+ "step": 4550
3195
+ },
3196
+ {
3197
+ "epoch": 9.110889110889111,
3198
+ "grad_norm": 0.5827686190605164,
3199
+ "learning_rate": 3.797232841391407e-06,
3200
+ "loss": 0.1871,
3201
+ "step": 4560
3202
+ },
3203
+ {
3204
+ "epoch": 9.130869130869131,
3205
+ "grad_norm": 0.5457426905632019,
3206
+ "learning_rate": 3.627632170999029e-06,
3207
+ "loss": 0.1903,
3208
+ "step": 4570
3209
+ },
3210
+ {
3211
+ "epoch": 9.150849150849151,
3212
+ "grad_norm": 0.5931391716003418,
3213
+ "learning_rate": 3.461836116672612e-06,
3214
+ "loss": 0.1935,
3215
+ "step": 4580
3216
+ },
3217
+ {
3218
+ "epoch": 9.17082917082917,
3219
+ "grad_norm": 0.5335982441902161,
3220
+ "learning_rate": 3.2998512237565005e-06,
3221
+ "loss": 0.188,
3222
+ "step": 4590
3223
+ },
3224
+ {
3225
+ "epoch": 9.19080919080919,
3226
+ "grad_norm": 0.5809586048126221,
3227
+ "learning_rate": 3.1416838871368924e-06,
3228
+ "loss": 0.1882,
3229
+ "step": 4600
3230
+ },
3231
+ {
3232
+ "epoch": 9.21078921078921,
3233
+ "grad_norm": 0.5997488498687744,
3234
+ "learning_rate": 2.9873403509894203e-06,
3235
+ "loss": 0.189,
3236
+ "step": 4610
3237
+ },
3238
+ {
3239
+ "epoch": 9.23076923076923,
3240
+ "grad_norm": 0.5423487424850464,
3241
+ "learning_rate": 2.836826708532603e-06,
3242
+ "loss": 0.1916,
3243
+ "step": 4620
3244
+ },
3245
+ {
3246
+ "epoch": 9.250749250749251,
3247
+ "grad_norm": 0.5920736193656921,
3248
+ "learning_rate": 2.690148901787337e-06,
3249
+ "loss": 0.1914,
3250
+ "step": 4630
3251
+ },
3252
+ {
3253
+ "epoch": 9.270729270729271,
3254
+ "grad_norm": 0.5774621367454529,
3255
+ "learning_rate": 2.5473127213422763e-06,
3256
+ "loss": 0.1901,
3257
+ "step": 4640
3258
+ },
3259
+ {
3260
+ "epoch": 9.290709290709291,
3261
+ "grad_norm": 0.6183256506919861,
3262
+ "learning_rate": 2.4083238061252567e-06,
3263
+ "loss": 0.1918,
3264
+ "step": 4650
3265
+ },
3266
+ {
3267
+ "epoch": 9.31068931068931,
3268
+ "grad_norm": 0.5502414107322693,
3269
+ "learning_rate": 2.273187643180652e-06,
3270
+ "loss": 0.1888,
3271
+ "step": 4660
3272
+ },
3273
+ {
3274
+ "epoch": 9.33066933066933,
3275
+ "grad_norm": 0.5888564586639404,
3276
+ "learning_rate": 2.141909567452793e-06,
3277
+ "loss": 0.189,
3278
+ "step": 4670
3279
+ },
3280
+ {
3281
+ "epoch": 9.35064935064935,
3282
+ "grad_norm": 0.582281231880188,
3283
+ "learning_rate": 2.014494761575314e-06,
3284
+ "loss": 0.188,
3285
+ "step": 4680
3286
+ },
3287
+ {
3288
+ "epoch": 9.37062937062937,
3289
+ "grad_norm": 0.549766480922699,
3290
+ "learning_rate": 1.8909482556666024e-06,
3291
+ "loss": 0.1911,
3292
+ "step": 4690
3293
+ },
3294
+ {
3295
+ "epoch": 9.390609390609391,
3296
+ "grad_norm": 0.6442523002624512,
3297
+ "learning_rate": 1.771274927131139e-06,
3298
+ "loss": 0.1913,
3299
+ "step": 4700
3300
+ },
3301
+ {
3302
+ "epoch": 9.410589410589411,
3303
+ "grad_norm": 0.5612021684646606,
3304
+ "learning_rate": 1.6554795004670388e-06,
3305
+ "loss": 0.1926,
3306
+ "step": 4710
3307
+ },
3308
+ {
3309
+ "epoch": 9.430569430569431,
3310
+ "grad_norm": 0.6060473918914795,
3311
+ "learning_rate": 1.543566547079467e-06,
3312
+ "loss": 0.19,
3313
+ "step": 4720
3314
+ },
3315
+ {
3316
+ "epoch": 9.45054945054945,
3317
+ "grad_norm": 0.5958064794540405,
3318
+ "learning_rate": 1.4355404851001952e-06,
3319
+ "loss": 0.1885,
3320
+ "step": 4730
3321
+ },
3322
+ {
3323
+ "epoch": 9.47052947052947,
3324
+ "grad_norm": 0.536431610584259,
3325
+ "learning_rate": 1.3314055792131964e-06,
3326
+ "loss": 0.1891,
3327
+ "step": 4740
3328
+ },
3329
+ {
3330
+ "epoch": 9.49050949050949,
3331
+ "grad_norm": 0.5971366763114929,
3332
+ "learning_rate": 1.231165940486234e-06,
3333
+ "loss": 0.1889,
3334
+ "step": 4750
3335
+ },
3336
+ {
3337
+ "epoch": 9.51048951048951,
3338
+ "grad_norm": 0.5461220145225525,
3339
+ "learning_rate": 1.134825526208605e-06,
3340
+ "loss": 0.1874,
3341
+ "step": 4760
3342
+ },
3343
+ {
3344
+ "epoch": 9.53046953046953,
3345
+ "grad_norm": 0.570928156375885,
3346
+ "learning_rate": 1.0423881397349068e-06,
3347
+ "loss": 0.1884,
3348
+ "step": 4770
3349
+ },
3350
+ {
3351
+ "epoch": 9.550449550449551,
3352
+ "grad_norm": 0.5855159759521484,
3353
+ "learning_rate": 9.538574303348813e-07,
3354
+ "loss": 0.1895,
3355
+ "step": 4780
3356
+ },
3357
+ {
3358
+ "epoch": 9.570429570429571,
3359
+ "grad_norm": 0.5505802631378174,
3360
+ "learning_rate": 8.692368930493521e-07,
3361
+ "loss": 0.1904,
3362
+ "step": 4790
3363
+ },
3364
+ {
3365
+ "epoch": 9.59040959040959,
3366
+ "grad_norm": 0.5663396716117859,
3367
+ "learning_rate": 7.885298685522235e-07,
3368
+ "loss": 0.1909,
3369
+ "step": 4800
3370
+ },
3371
+ {
3372
+ "epoch": 9.61038961038961,
3373
+ "grad_norm": 0.6069871783256531,
3374
+ "learning_rate": 7.117395430186414e-07,
3375
+ "loss": 0.1895,
3376
+ "step": 4810
3377
+ },
3378
+ {
3379
+ "epoch": 9.63036963036963,
3380
+ "grad_norm": 0.5576395988464355,
3381
+ "learning_rate": 6.388689479991605e-07,
3382
+ "loss": 0.1906,
3383
+ "step": 4820
3384
+ },
3385
+ {
3386
+ "epoch": 9.65034965034965,
3387
+ "grad_norm": 0.5069971084594727,
3388
+ "learning_rate": 5.699209603001076e-07,
3389
+ "loss": 0.1889,
3390
+ "step": 4830
3391
+ },
3392
+ {
3393
+ "epoch": 9.67032967032967,
3394
+ "grad_norm": 0.5770872235298157,
3395
+ "learning_rate": 5.048983018699827e-07,
3396
+ "loss": 0.1907,
3397
+ "step": 4840
3398
+ },
3399
+ {
3400
+ "epoch": 9.69030969030969,
3401
+ "grad_norm": 0.6914857029914856,
3402
+ "learning_rate": 4.438035396920004e-07,
3403
+ "loss": 0.1939,
3404
+ "step": 4850
3405
+ },
3406
+ {
3407
+ "epoch": 9.710289710289711,
3408
+ "grad_norm": 0.5999007821083069,
3409
+ "learning_rate": 3.866390856827495e-07,
3410
+ "loss": 0.1924,
3411
+ "step": 4860
3412
+ },
3413
+ {
3414
+ "epoch": 9.73026973026973,
3415
+ "grad_norm": 0.569180965423584,
3416
+ "learning_rate": 3.3340719659701313e-07,
3417
+ "loss": 0.1887,
3418
+ "step": 4870
3419
+ },
3420
+ {
3421
+ "epoch": 9.75024975024975,
3422
+ "grad_norm": 0.5442143082618713,
3423
+ "learning_rate": 2.841099739386066e-07,
3424
+ "loss": 0.1897,
3425
+ "step": 4880
3426
+ },
3427
+ {
3428
+ "epoch": 9.77022977022977,
3429
+ "grad_norm": 0.5622804164886475,
3430
+ "learning_rate": 2.387493638774774e-07,
3431
+ "loss": 0.1898,
3432
+ "step": 4890
3433
+ },
3434
+ {
3435
+ "epoch": 9.79020979020979,
3436
+ "grad_norm": 0.6558981537818909,
3437
+ "learning_rate": 1.973271571728441e-07,
3438
+ "loss": 0.1917,
3439
+ "step": 4900
3440
+ },
3441
+ {
3442
+ "epoch": 9.81018981018981,
3443
+ "grad_norm": 0.5756235122680664,
3444
+ "learning_rate": 1.598449891024978e-07,
3445
+ "loss": 0.192,
3446
+ "step": 4910
3447
+ },
3448
+ {
3449
+ "epoch": 9.83016983016983,
3450
+ "grad_norm": 0.5818027257919312,
3451
+ "learning_rate": 1.2630433939825327e-07,
3452
+ "loss": 0.1899,
3453
+ "step": 4920
3454
+ },
3455
+ {
3456
+ "epoch": 9.850149850149851,
3457
+ "grad_norm": 0.5986452698707581,
3458
+ "learning_rate": 9.670653218752934e-08,
3459
+ "loss": 0.1918,
3460
+ "step": 4930
3461
+ },
3462
+ {
3463
+ "epoch": 9.87012987012987,
3464
+ "grad_norm": 0.5438185334205627,
3465
+ "learning_rate": 7.105273594107953e-08,
3466
+ "loss": 0.1905,
3467
+ "step": 4940
3468
+ },
3469
+ {
3470
+ "epoch": 9.89010989010989,
3471
+ "grad_norm": 0.5430960059165955,
3472
+ "learning_rate": 4.934396342684e-08,
3473
+ "loss": 0.1913,
3474
+ "step": 4950
3475
+ },
3476
+ {
3477
+ "epoch": 9.91008991008991,
3478
+ "grad_norm": 0.5492510199546814,
3479
+ "learning_rate": 3.1581071670006015e-08,
3480
+ "loss": 0.1904,
3481
+ "step": 4960
3482
+ },
3483
+ {
3484
+ "epoch": 9.93006993006993,
3485
+ "grad_norm": 0.5370259881019592,
3486
+ "learning_rate": 1.7764761919103477e-08,
3487
+ "loss": 0.1901,
3488
+ "step": 4970
3489
+ },
3490
+ {
3491
+ "epoch": 9.95004995004995,
3492
+ "grad_norm": 0.5463282465934753,
3493
+ "learning_rate": 7.895579618388827e-09,
3494
+ "loss": 0.191,
3495
+ "step": 4980
3496
+ },
3497
+ {
3498
+ "epoch": 9.97002997002997,
3499
+ "grad_norm": 0.5733128190040588,
3500
+ "learning_rate": 1.973914386288467e-09,
3501
+ "loss": 0.1885,
3502
+ "step": 4990
3503
+ },
3504
+ {
3505
+ "epoch": 9.99000999000999,
3506
+ "grad_norm": 0.5241893529891968,
3507
+ "learning_rate": 0.0,
3508
+ "loss": 0.1916,
3509
+ "step": 5000
3510
+ },
3511
+ {
3512
+ "epoch": 9.99000999000999,
3513
+ "step": 5000,
3514
+ "total_flos": 7.37720834306605e+17,
3515
+ "train_loss": 0.4096551623106003,
3516
+ "train_runtime": 80947.5605,
3517
+ "train_samples_per_second": 0.742,
3518
+ "train_steps_per_second": 0.062
3519
+ }
3520
+ ],
3521
+ "logging_steps": 10,
3522
+ "max_steps": 5000,
3523
+ "num_input_tokens_seen": 0,
3524
+ "num_train_epochs": 10,
3525
+ "save_steps": 500,
3526
+ "total_flos": 7.37720834306605e+17,
3527
+ "train_batch_size": 3,
3528
+ "trial_name": null,
3529
+ "trial_params": null
3530
+ }