nthakur commited on
Commit
1e40fe4
1 Parent(s): 5b5fd0f

Model save

Browse files
Files changed (4) hide show
  1. README.md +78 -0
  2. all_results.json +8 -0
  3. train_results.json +8 -0
  4. trainer_state.json +3155 -0
README.md ADDED
@@ -0,0 +1,78 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: other
3
+ library_name: peft
4
+ tags:
5
+ - trl
6
+ - sft
7
+ - generated_from_trainer
8
+ datasets:
9
+ - generator
10
+ base_model: meta-llama/Meta-Llama-3-8B-Instruct
11
+ model-index:
12
+ - name: Meta-Llama-3-8B-Instruct-miracl-mix-raft-sft-25th-apr-v1.0
13
+ results: []
14
+ ---
15
+
16
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
17
+ should probably proofread and complete it, then remove this comment. -->
18
+
19
+ # Meta-Llama-3-8B-Instruct-miracl-mix-raft-sft-25th-apr-v1.0
20
+
21
+ This model is a fine-tuned version of [meta-llama/Meta-Llama-3-8B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3-8B-Instruct) on the generator dataset.
22
+ It achieves the following results on the evaluation set:
23
+ - Loss: 1.3064
24
+
25
+ ## Model description
26
+
27
+ More information needed
28
+
29
+ ## Intended uses & limitations
30
+
31
+ More information needed
32
+
33
+ ## Training and evaluation data
34
+
35
+ More information needed
36
+
37
+ ## Training procedure
38
+
39
+ ### Training hyperparameters
40
+
41
+ The following hyperparameters were used during training:
42
+ - learning_rate: 1e-05
43
+ - train_batch_size: 2
44
+ - eval_batch_size: 2
45
+ - seed: 42
46
+ - distributed_type: multi-GPU
47
+ - num_devices: 4
48
+ - gradient_accumulation_steps: 4
49
+ - total_train_batch_size: 32
50
+ - total_eval_batch_size: 8
51
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
52
+ - lr_scheduler_type: cosine
53
+ - lr_scheduler_warmup_ratio: 0.1
54
+ - num_epochs: 1
55
+
56
+ ### Training results
57
+
58
+ | Training Loss | Epoch | Step | Validation Loss |
59
+ |:-------------:|:-----:|:----:|:---------------:|
60
+ | 1.4903 | 0.09 | 200 | 1.3961 |
61
+ | 1.465 | 0.18 | 400 | 1.3499 |
62
+ | 1.4193 | 0.28 | 600 | 1.3330 |
63
+ | 1.3593 | 0.37 | 800 | 1.3232 |
64
+ | 1.3552 | 0.46 | 1000 | 1.3166 |
65
+ | 1.3685 | 0.55 | 1200 | 1.3123 |
66
+ | 1.3487 | 0.64 | 1400 | 1.3094 |
67
+ | 1.3891 | 0.74 | 1600 | 1.3076 |
68
+ | 1.3858 | 0.83 | 1800 | 1.3067 |
69
+ | 1.3635 | 0.92 | 2000 | 1.3064 |
70
+
71
+
72
+ ### Framework versions
73
+
74
+ - PEFT 0.10.0
75
+ - Transformers 4.39.0.dev0
76
+ - Pytorch 2.1.2+cu121
77
+ - Datasets 2.18.0
78
+ - Tokenizers 0.15.2
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "train_loss": 1.4133363889659056,
4
+ "train_runtime": 112943.9974,
5
+ "train_samples": 239934,
6
+ "train_samples_per_second": 0.615,
7
+ "train_steps_per_second": 0.019
8
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "train_loss": 1.4133363889659056,
4
+ "train_runtime": 112943.9974,
5
+ "train_samples": 239934,
6
+ "train_samples_per_second": 0.615,
7
+ "train_steps_per_second": 0.019
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3155 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 1.3063520193099976,
3
+ "best_model_checkpoint": "/mnt/users/n3thakur/vectara/huggingface-dpo/trained_models/v3/Meta-Llama-3-8B-Instruct-miracl-mix-raft-sft-25th-apr-v1.0/checkpoint-2000",
4
+ "epoch": 0.9996544972935621,
5
+ "eval_steps": 200,
6
+ "global_step": 2170,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0,
13
+ "grad_norm": 1.0262953847325709,
14
+ "learning_rate": 4.608294930875576e-08,
15
+ "loss": 1.7621,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.0,
20
+ "grad_norm": 0.954880939596983,
21
+ "learning_rate": 2.3041474654377884e-07,
22
+ "loss": 1.7602,
23
+ "step": 5
24
+ },
25
+ {
26
+ "epoch": 0.0,
27
+ "grad_norm": 1.0004644202041775,
28
+ "learning_rate": 4.608294930875577e-07,
29
+ "loss": 1.8162,
30
+ "step": 10
31
+ },
32
+ {
33
+ "epoch": 0.01,
34
+ "grad_norm": 1.0280115397490373,
35
+ "learning_rate": 6.912442396313365e-07,
36
+ "loss": 1.7724,
37
+ "step": 15
38
+ },
39
+ {
40
+ "epoch": 0.01,
41
+ "grad_norm": 0.8732665912953524,
42
+ "learning_rate": 9.216589861751154e-07,
43
+ "loss": 1.7378,
44
+ "step": 20
45
+ },
46
+ {
47
+ "epoch": 0.01,
48
+ "grad_norm": 0.9441885280056963,
49
+ "learning_rate": 1.1520737327188942e-06,
50
+ "loss": 1.7507,
51
+ "step": 25
52
+ },
53
+ {
54
+ "epoch": 0.01,
55
+ "grad_norm": 0.9845213443275476,
56
+ "learning_rate": 1.382488479262673e-06,
57
+ "loss": 1.7561,
58
+ "step": 30
59
+ },
60
+ {
61
+ "epoch": 0.02,
62
+ "grad_norm": 0.9521516823054887,
63
+ "learning_rate": 1.6129032258064516e-06,
64
+ "loss": 1.7479,
65
+ "step": 35
66
+ },
67
+ {
68
+ "epoch": 0.02,
69
+ "grad_norm": 1.0047303931298321,
70
+ "learning_rate": 1.8433179723502307e-06,
71
+ "loss": 1.7773,
72
+ "step": 40
73
+ },
74
+ {
75
+ "epoch": 0.02,
76
+ "grad_norm": 0.9230639224993269,
77
+ "learning_rate": 2.0737327188940094e-06,
78
+ "loss": 1.7752,
79
+ "step": 45
80
+ },
81
+ {
82
+ "epoch": 0.02,
83
+ "grad_norm": 0.9112137084493539,
84
+ "learning_rate": 2.3041474654377884e-06,
85
+ "loss": 1.7213,
86
+ "step": 50
87
+ },
88
+ {
89
+ "epoch": 0.03,
90
+ "grad_norm": 0.8909029043612109,
91
+ "learning_rate": 2.5345622119815673e-06,
92
+ "loss": 1.7881,
93
+ "step": 55
94
+ },
95
+ {
96
+ "epoch": 0.03,
97
+ "grad_norm": 0.7189360071641709,
98
+ "learning_rate": 2.764976958525346e-06,
99
+ "loss": 1.6636,
100
+ "step": 60
101
+ },
102
+ {
103
+ "epoch": 0.03,
104
+ "grad_norm": 0.6692633878715751,
105
+ "learning_rate": 2.9953917050691243e-06,
106
+ "loss": 1.6508,
107
+ "step": 65
108
+ },
109
+ {
110
+ "epoch": 0.03,
111
+ "grad_norm": 0.6188511577538577,
112
+ "learning_rate": 3.225806451612903e-06,
113
+ "loss": 1.7011,
114
+ "step": 70
115
+ },
116
+ {
117
+ "epoch": 0.03,
118
+ "grad_norm": 0.6279410712564498,
119
+ "learning_rate": 3.4562211981566825e-06,
120
+ "loss": 1.6403,
121
+ "step": 75
122
+ },
123
+ {
124
+ "epoch": 0.04,
125
+ "grad_norm": 0.5342697084988228,
126
+ "learning_rate": 3.6866359447004615e-06,
127
+ "loss": 1.656,
128
+ "step": 80
129
+ },
130
+ {
131
+ "epoch": 0.04,
132
+ "grad_norm": 0.44402512139023,
133
+ "learning_rate": 3.91705069124424e-06,
134
+ "loss": 1.6617,
135
+ "step": 85
136
+ },
137
+ {
138
+ "epoch": 0.04,
139
+ "grad_norm": 0.4644619191475398,
140
+ "learning_rate": 4.147465437788019e-06,
141
+ "loss": 1.6303,
142
+ "step": 90
143
+ },
144
+ {
145
+ "epoch": 0.04,
146
+ "grad_norm": 0.371289417426217,
147
+ "learning_rate": 4.377880184331797e-06,
148
+ "loss": 1.6453,
149
+ "step": 95
150
+ },
151
+ {
152
+ "epoch": 0.05,
153
+ "grad_norm": 0.3309787275557066,
154
+ "learning_rate": 4.608294930875577e-06,
155
+ "loss": 1.5851,
156
+ "step": 100
157
+ },
158
+ {
159
+ "epoch": 0.05,
160
+ "grad_norm": 0.31477252449769144,
161
+ "learning_rate": 4.838709677419355e-06,
162
+ "loss": 1.604,
163
+ "step": 105
164
+ },
165
+ {
166
+ "epoch": 0.05,
167
+ "grad_norm": 0.2612544823481869,
168
+ "learning_rate": 5.0691244239631346e-06,
169
+ "loss": 1.5725,
170
+ "step": 110
171
+ },
172
+ {
173
+ "epoch": 0.05,
174
+ "grad_norm": 0.2605484332821398,
175
+ "learning_rate": 5.299539170506913e-06,
176
+ "loss": 1.5644,
177
+ "step": 115
178
+ },
179
+ {
180
+ "epoch": 0.06,
181
+ "grad_norm": 0.25148232016385397,
182
+ "learning_rate": 5.529953917050692e-06,
183
+ "loss": 1.5467,
184
+ "step": 120
185
+ },
186
+ {
187
+ "epoch": 0.06,
188
+ "grad_norm": 0.2601998287824473,
189
+ "learning_rate": 5.76036866359447e-06,
190
+ "loss": 1.589,
191
+ "step": 125
192
+ },
193
+ {
194
+ "epoch": 0.06,
195
+ "grad_norm": 0.2385121609938763,
196
+ "learning_rate": 5.9907834101382485e-06,
197
+ "loss": 1.6055,
198
+ "step": 130
199
+ },
200
+ {
201
+ "epoch": 0.06,
202
+ "grad_norm": 0.24629649793790628,
203
+ "learning_rate": 6.221198156682028e-06,
204
+ "loss": 1.5373,
205
+ "step": 135
206
+ },
207
+ {
208
+ "epoch": 0.06,
209
+ "grad_norm": 0.2468655185850127,
210
+ "learning_rate": 6.451612903225806e-06,
211
+ "loss": 1.5614,
212
+ "step": 140
213
+ },
214
+ {
215
+ "epoch": 0.07,
216
+ "grad_norm": 0.22223391970377232,
217
+ "learning_rate": 6.682027649769586e-06,
218
+ "loss": 1.5624,
219
+ "step": 145
220
+ },
221
+ {
222
+ "epoch": 0.07,
223
+ "grad_norm": 0.2062049955510628,
224
+ "learning_rate": 6.912442396313365e-06,
225
+ "loss": 1.5013,
226
+ "step": 150
227
+ },
228
+ {
229
+ "epoch": 0.07,
230
+ "grad_norm": 0.19876212655323225,
231
+ "learning_rate": 7.1428571428571436e-06,
232
+ "loss": 1.575,
233
+ "step": 155
234
+ },
235
+ {
236
+ "epoch": 0.07,
237
+ "grad_norm": 0.19765238479942285,
238
+ "learning_rate": 7.373271889400923e-06,
239
+ "loss": 1.5167,
240
+ "step": 160
241
+ },
242
+ {
243
+ "epoch": 0.08,
244
+ "grad_norm": 0.19240215611308686,
245
+ "learning_rate": 7.603686635944701e-06,
246
+ "loss": 1.5071,
247
+ "step": 165
248
+ },
249
+ {
250
+ "epoch": 0.08,
251
+ "grad_norm": 0.2001053295395004,
252
+ "learning_rate": 7.83410138248848e-06,
253
+ "loss": 1.4932,
254
+ "step": 170
255
+ },
256
+ {
257
+ "epoch": 0.08,
258
+ "grad_norm": 0.20863957442778325,
259
+ "learning_rate": 8.064516129032258e-06,
260
+ "loss": 1.5371,
261
+ "step": 175
262
+ },
263
+ {
264
+ "epoch": 0.08,
265
+ "grad_norm": 0.1880073967302754,
266
+ "learning_rate": 8.294930875576038e-06,
267
+ "loss": 1.492,
268
+ "step": 180
269
+ },
270
+ {
271
+ "epoch": 0.09,
272
+ "grad_norm": 0.18052519991071567,
273
+ "learning_rate": 8.525345622119815e-06,
274
+ "loss": 1.5039,
275
+ "step": 185
276
+ },
277
+ {
278
+ "epoch": 0.09,
279
+ "grad_norm": 0.17252733686762506,
280
+ "learning_rate": 8.755760368663595e-06,
281
+ "loss": 1.492,
282
+ "step": 190
283
+ },
284
+ {
285
+ "epoch": 0.09,
286
+ "grad_norm": 0.1754856007551659,
287
+ "learning_rate": 8.986175115207374e-06,
288
+ "loss": 1.4926,
289
+ "step": 195
290
+ },
291
+ {
292
+ "epoch": 0.09,
293
+ "grad_norm": 0.16521189205999245,
294
+ "learning_rate": 9.216589861751153e-06,
295
+ "loss": 1.4903,
296
+ "step": 200
297
+ },
298
+ {
299
+ "epoch": 0.09,
300
+ "eval_loss": 1.3960996866226196,
301
+ "eval_runtime": 1753.0374,
302
+ "eval_samples_per_second": 2.162,
303
+ "eval_steps_per_second": 0.27,
304
+ "step": 200
305
+ },
306
+ {
307
+ "epoch": 0.09,
308
+ "grad_norm": 0.1618648599795676,
309
+ "learning_rate": 9.447004608294931e-06,
310
+ "loss": 1.4499,
311
+ "step": 205
312
+ },
313
+ {
314
+ "epoch": 0.1,
315
+ "grad_norm": 0.1609921643942943,
316
+ "learning_rate": 9.67741935483871e-06,
317
+ "loss": 1.4775,
318
+ "step": 210
319
+ },
320
+ {
321
+ "epoch": 0.1,
322
+ "grad_norm": 0.161807092383862,
323
+ "learning_rate": 9.90783410138249e-06,
324
+ "loss": 1.4779,
325
+ "step": 215
326
+ },
327
+ {
328
+ "epoch": 0.1,
329
+ "grad_norm": 0.15789342984068674,
330
+ "learning_rate": 9.999941779365509e-06,
331
+ "loss": 1.4064,
332
+ "step": 220
333
+ },
334
+ {
335
+ "epoch": 0.1,
336
+ "grad_norm": 0.17953421611953463,
337
+ "learning_rate": 9.99958599150926e-06,
338
+ "loss": 1.4216,
339
+ "step": 225
340
+ },
341
+ {
342
+ "epoch": 0.11,
343
+ "grad_norm": 0.17033046165043145,
344
+ "learning_rate": 9.998906783581494e-06,
345
+ "loss": 1.4872,
346
+ "step": 230
347
+ },
348
+ {
349
+ "epoch": 0.11,
350
+ "grad_norm": 0.15935058975437466,
351
+ "learning_rate": 9.997904199519748e-06,
352
+ "loss": 1.4473,
353
+ "step": 235
354
+ },
355
+ {
356
+ "epoch": 0.11,
357
+ "grad_norm": 0.16188090301066688,
358
+ "learning_rate": 9.996578304180551e-06,
359
+ "loss": 1.4484,
360
+ "step": 240
361
+ },
362
+ {
363
+ "epoch": 0.11,
364
+ "grad_norm": 0.1692826467439708,
365
+ "learning_rate": 9.994929183335237e-06,
366
+ "loss": 1.4576,
367
+ "step": 245
368
+ },
369
+ {
370
+ "epoch": 0.12,
371
+ "grad_norm": 0.16233371930510018,
372
+ "learning_rate": 9.992956943664401e-06,
373
+ "loss": 1.4674,
374
+ "step": 250
375
+ },
376
+ {
377
+ "epoch": 0.12,
378
+ "grad_norm": 0.1601701723529579,
379
+ "learning_rate": 9.99066171275098e-06,
380
+ "loss": 1.434,
381
+ "step": 255
382
+ },
383
+ {
384
+ "epoch": 0.12,
385
+ "grad_norm": 0.1515934744211598,
386
+ "learning_rate": 9.988043639072021e-06,
387
+ "loss": 1.469,
388
+ "step": 260
389
+ },
390
+ {
391
+ "epoch": 0.12,
392
+ "grad_norm": 0.1558360755989006,
393
+ "learning_rate": 9.985102891989063e-06,
394
+ "loss": 1.4688,
395
+ "step": 265
396
+ },
397
+ {
398
+ "epoch": 0.12,
399
+ "grad_norm": 0.20565866787405954,
400
+ "learning_rate": 9.98183966173718e-06,
401
+ "loss": 1.4794,
402
+ "step": 270
403
+ },
404
+ {
405
+ "epoch": 0.13,
406
+ "grad_norm": 0.16589082756750548,
407
+ "learning_rate": 9.97825415941269e-06,
408
+ "loss": 1.4514,
409
+ "step": 275
410
+ },
411
+ {
412
+ "epoch": 0.13,
413
+ "grad_norm": 0.16179243903344054,
414
+ "learning_rate": 9.974346616959476e-06,
415
+ "loss": 1.4802,
416
+ "step": 280
417
+ },
418
+ {
419
+ "epoch": 0.13,
420
+ "grad_norm": 0.15782689090886812,
421
+ "learning_rate": 9.970117287154004e-06,
422
+ "loss": 1.4356,
423
+ "step": 285
424
+ },
425
+ {
426
+ "epoch": 0.13,
427
+ "grad_norm": 0.15954652235182576,
428
+ "learning_rate": 9.965566443588956e-06,
429
+ "loss": 1.3886,
430
+ "step": 290
431
+ },
432
+ {
433
+ "epoch": 0.14,
434
+ "grad_norm": 0.16253218390477409,
435
+ "learning_rate": 9.960694380655539e-06,
436
+ "loss": 1.456,
437
+ "step": 295
438
+ },
439
+ {
440
+ "epoch": 0.14,
441
+ "grad_norm": 0.15571215758010262,
442
+ "learning_rate": 9.955501413524438e-06,
443
+ "loss": 1.4038,
444
+ "step": 300
445
+ },
446
+ {
447
+ "epoch": 0.14,
448
+ "grad_norm": 0.15764668416666167,
449
+ "learning_rate": 9.949987878125427e-06,
450
+ "loss": 1.4292,
451
+ "step": 305
452
+ },
453
+ {
454
+ "epoch": 0.14,
455
+ "grad_norm": 0.15565461047093965,
456
+ "learning_rate": 9.944154131125643e-06,
457
+ "loss": 1.3845,
458
+ "step": 310
459
+ },
460
+ {
461
+ "epoch": 0.15,
462
+ "grad_norm": 0.16274505869667716,
463
+ "learning_rate": 9.938000549906509e-06,
464
+ "loss": 1.4143,
465
+ "step": 315
466
+ },
467
+ {
468
+ "epoch": 0.15,
469
+ "grad_norm": 0.15771377018169355,
470
+ "learning_rate": 9.93152753253932e-06,
471
+ "loss": 1.414,
472
+ "step": 320
473
+ },
474
+ {
475
+ "epoch": 0.15,
476
+ "grad_norm": 0.15819595549860918,
477
+ "learning_rate": 9.924735497759497e-06,
478
+ "loss": 1.398,
479
+ "step": 325
480
+ },
481
+ {
482
+ "epoch": 0.15,
483
+ "grad_norm": 0.16836842547624103,
484
+ "learning_rate": 9.917624884939495e-06,
485
+ "loss": 1.415,
486
+ "step": 330
487
+ },
488
+ {
489
+ "epoch": 0.15,
490
+ "grad_norm": 0.16454346246919038,
491
+ "learning_rate": 9.910196154060381e-06,
492
+ "loss": 1.5025,
493
+ "step": 335
494
+ },
495
+ {
496
+ "epoch": 0.16,
497
+ "grad_norm": 0.15952712351687925,
498
+ "learning_rate": 9.902449785682084e-06,
499
+ "loss": 1.4602,
500
+ "step": 340
501
+ },
502
+ {
503
+ "epoch": 0.16,
504
+ "grad_norm": 0.15913354058980336,
505
+ "learning_rate": 9.894386280912298e-06,
506
+ "loss": 1.4437,
507
+ "step": 345
508
+ },
509
+ {
510
+ "epoch": 0.16,
511
+ "grad_norm": 0.16526633029775475,
512
+ "learning_rate": 9.88600616137407e-06,
513
+ "loss": 1.443,
514
+ "step": 350
515
+ },
516
+ {
517
+ "epoch": 0.16,
518
+ "grad_norm": 0.1570973278965336,
519
+ "learning_rate": 9.877309969172065e-06,
520
+ "loss": 1.4001,
521
+ "step": 355
522
+ },
523
+ {
524
+ "epoch": 0.17,
525
+ "grad_norm": 0.16323401596231638,
526
+ "learning_rate": 9.868298266857477e-06,
527
+ "loss": 1.4115,
528
+ "step": 360
529
+ },
530
+ {
531
+ "epoch": 0.17,
532
+ "grad_norm": 0.16999252145703372,
533
+ "learning_rate": 9.858971637391662e-06,
534
+ "loss": 1.431,
535
+ "step": 365
536
+ },
537
+ {
538
+ "epoch": 0.17,
539
+ "grad_norm": 0.1598876979960763,
540
+ "learning_rate": 9.849330684108409e-06,
541
+ "loss": 1.3925,
542
+ "step": 370
543
+ },
544
+ {
545
+ "epoch": 0.17,
546
+ "grad_norm": 0.16716694688842804,
547
+ "learning_rate": 9.83937603067492e-06,
548
+ "loss": 1.4369,
549
+ "step": 375
550
+ },
551
+ {
552
+ "epoch": 0.18,
553
+ "grad_norm": 0.17160997265475317,
554
+ "learning_rate": 9.829108321051461e-06,
555
+ "loss": 1.4236,
556
+ "step": 380
557
+ },
558
+ {
559
+ "epoch": 0.18,
560
+ "grad_norm": 0.1709419213466886,
561
+ "learning_rate": 9.818528219449705e-06,
562
+ "loss": 1.4156,
563
+ "step": 385
564
+ },
565
+ {
566
+ "epoch": 0.18,
567
+ "grad_norm": 0.1706660498176678,
568
+ "learning_rate": 9.807636410289767e-06,
569
+ "loss": 1.3531,
570
+ "step": 390
571
+ },
572
+ {
573
+ "epoch": 0.18,
574
+ "grad_norm": 0.1654207117166432,
575
+ "learning_rate": 9.796433598155928e-06,
576
+ "loss": 1.4282,
577
+ "step": 395
578
+ },
579
+ {
580
+ "epoch": 0.18,
581
+ "grad_norm": 0.17005569486504588,
582
+ "learning_rate": 9.784920507751052e-06,
583
+ "loss": 1.465,
584
+ "step": 400
585
+ },
586
+ {
587
+ "epoch": 0.18,
588
+ "eval_loss": 1.3499208688735962,
589
+ "eval_runtime": 1761.5948,
590
+ "eval_samples_per_second": 2.151,
591
+ "eval_steps_per_second": 0.269,
592
+ "step": 400
593
+ },
594
+ {
595
+ "epoch": 0.19,
596
+ "grad_norm": 0.16465910018813473,
597
+ "learning_rate": 9.773097883849715e-06,
598
+ "loss": 1.4856,
599
+ "step": 405
600
+ },
601
+ {
602
+ "epoch": 0.19,
603
+ "grad_norm": 0.1687241699251977,
604
+ "learning_rate": 9.760966491250018e-06,
605
+ "loss": 1.4448,
606
+ "step": 410
607
+ },
608
+ {
609
+ "epoch": 0.19,
610
+ "grad_norm": 0.173826161389088,
611
+ "learning_rate": 9.748527114724111e-06,
612
+ "loss": 1.4588,
613
+ "step": 415
614
+ },
615
+ {
616
+ "epoch": 0.19,
617
+ "grad_norm": 0.1664583424134419,
618
+ "learning_rate": 9.735780558967434e-06,
619
+ "loss": 1.3651,
620
+ "step": 420
621
+ },
622
+ {
623
+ "epoch": 0.2,
624
+ "grad_norm": 0.16305809613976227,
625
+ "learning_rate": 9.72272764854666e-06,
626
+ "loss": 1.386,
627
+ "step": 425
628
+ },
629
+ {
630
+ "epoch": 0.2,
631
+ "grad_norm": 0.16712240916605367,
632
+ "learning_rate": 9.709369227846346e-06,
633
+ "loss": 1.4249,
634
+ "step": 430
635
+ },
636
+ {
637
+ "epoch": 0.2,
638
+ "grad_norm": 0.1685889272801495,
639
+ "learning_rate": 9.695706161014322e-06,
640
+ "loss": 1.4629,
641
+ "step": 435
642
+ },
643
+ {
644
+ "epoch": 0.2,
645
+ "grad_norm": 0.16213828032523545,
646
+ "learning_rate": 9.681739331905784e-06,
647
+ "loss": 1.4633,
648
+ "step": 440
649
+ },
650
+ {
651
+ "epoch": 0.2,
652
+ "grad_norm": 0.1722162760562697,
653
+ "learning_rate": 9.667469644026118e-06,
654
+ "loss": 1.4147,
655
+ "step": 445
656
+ },
657
+ {
658
+ "epoch": 0.21,
659
+ "grad_norm": 0.16634245789106444,
660
+ "learning_rate": 9.652898020472449e-06,
661
+ "loss": 1.4254,
662
+ "step": 450
663
+ },
664
+ {
665
+ "epoch": 0.21,
666
+ "grad_norm": 0.17414333030226264,
667
+ "learning_rate": 9.638025403873939e-06,
668
+ "loss": 1.3734,
669
+ "step": 455
670
+ },
671
+ {
672
+ "epoch": 0.21,
673
+ "grad_norm": 0.17078620575685172,
674
+ "learning_rate": 9.622852756330797e-06,
675
+ "loss": 1.4313,
676
+ "step": 460
677
+ },
678
+ {
679
+ "epoch": 0.21,
680
+ "grad_norm": 0.17201073443780537,
681
+ "learning_rate": 9.60738105935204e-06,
682
+ "loss": 1.4412,
683
+ "step": 465
684
+ },
685
+ {
686
+ "epoch": 0.22,
687
+ "grad_norm": 0.1781118635582674,
688
+ "learning_rate": 9.59161131379201e-06,
689
+ "loss": 1.4102,
690
+ "step": 470
691
+ },
692
+ {
693
+ "epoch": 0.22,
694
+ "grad_norm": 0.17417835939253798,
695
+ "learning_rate": 9.575544539785626e-06,
696
+ "loss": 1.4311,
697
+ "step": 475
698
+ },
699
+ {
700
+ "epoch": 0.22,
701
+ "grad_norm": 0.17050610923384396,
702
+ "learning_rate": 9.559181776682387e-06,
703
+ "loss": 1.4627,
704
+ "step": 480
705
+ },
706
+ {
707
+ "epoch": 0.22,
708
+ "grad_norm": 0.176092363473546,
709
+ "learning_rate": 9.542524082979138e-06,
710
+ "loss": 1.4517,
711
+ "step": 485
712
+ },
713
+ {
714
+ "epoch": 0.23,
715
+ "grad_norm": 0.17498193119749225,
716
+ "learning_rate": 9.525572536251608e-06,
717
+ "loss": 1.3956,
718
+ "step": 490
719
+ },
720
+ {
721
+ "epoch": 0.23,
722
+ "grad_norm": 0.17003085925682157,
723
+ "learning_rate": 9.50832823308468e-06,
724
+ "loss": 1.4012,
725
+ "step": 495
726
+ },
727
+ {
728
+ "epoch": 0.23,
729
+ "grad_norm": 0.17064790853058265,
730
+ "learning_rate": 9.490792289001476e-06,
731
+ "loss": 1.3523,
732
+ "step": 500
733
+ },
734
+ {
735
+ "epoch": 0.23,
736
+ "grad_norm": 0.1799693810618531,
737
+ "learning_rate": 9.472965838391187e-06,
738
+ "loss": 1.4446,
739
+ "step": 505
740
+ },
741
+ {
742
+ "epoch": 0.23,
743
+ "grad_norm": 0.16868170325096435,
744
+ "learning_rate": 9.454850034435679e-06,
745
+ "loss": 1.3912,
746
+ "step": 510
747
+ },
748
+ {
749
+ "epoch": 0.24,
750
+ "grad_norm": 0.16981991686336434,
751
+ "learning_rate": 9.436446049034913e-06,
752
+ "loss": 1.3986,
753
+ "step": 515
754
+ },
755
+ {
756
+ "epoch": 0.24,
757
+ "grad_norm": 0.1755120644725739,
758
+ "learning_rate": 9.417755072731121e-06,
759
+ "loss": 1.4117,
760
+ "step": 520
761
+ },
762
+ {
763
+ "epoch": 0.24,
764
+ "grad_norm": 0.1757934575464805,
765
+ "learning_rate": 9.398778314631801e-06,
766
+ "loss": 1.3587,
767
+ "step": 525
768
+ },
769
+ {
770
+ "epoch": 0.24,
771
+ "grad_norm": 0.173876963970309,
772
+ "learning_rate": 9.379517002331489e-06,
773
+ "loss": 1.3862,
774
+ "step": 530
775
+ },
776
+ {
777
+ "epoch": 0.25,
778
+ "grad_norm": 0.17746114421749437,
779
+ "learning_rate": 9.359972381832358e-06,
780
+ "loss": 1.4309,
781
+ "step": 535
782
+ },
783
+ {
784
+ "epoch": 0.25,
785
+ "grad_norm": 0.16869333613216586,
786
+ "learning_rate": 9.340145717463609e-06,
787
+ "loss": 1.4118,
788
+ "step": 540
789
+ },
790
+ {
791
+ "epoch": 0.25,
792
+ "grad_norm": 0.17746743334088458,
793
+ "learning_rate": 9.320038291799679e-06,
794
+ "loss": 1.4433,
795
+ "step": 545
796
+ },
797
+ {
798
+ "epoch": 0.25,
799
+ "grad_norm": 0.17587914404814756,
800
+ "learning_rate": 9.299651405577286e-06,
801
+ "loss": 1.4421,
802
+ "step": 550
803
+ },
804
+ {
805
+ "epoch": 0.26,
806
+ "grad_norm": 0.18048857244310448,
807
+ "learning_rate": 9.278986377611266e-06,
808
+ "loss": 1.4221,
809
+ "step": 555
810
+ },
811
+ {
812
+ "epoch": 0.26,
813
+ "grad_norm": 0.17371693231140117,
814
+ "learning_rate": 9.258044544709276e-06,
815
+ "loss": 1.4131,
816
+ "step": 560
817
+ },
818
+ {
819
+ "epoch": 0.26,
820
+ "grad_norm": 0.17693122935797964,
821
+ "learning_rate": 9.236827261585306e-06,
822
+ "loss": 1.4205,
823
+ "step": 565
824
+ },
825
+ {
826
+ "epoch": 0.26,
827
+ "grad_norm": 0.18630601640696606,
828
+ "learning_rate": 9.215335900772048e-06,
829
+ "loss": 1.4067,
830
+ "step": 570
831
+ },
832
+ {
833
+ "epoch": 0.26,
834
+ "grad_norm": 0.17220695844147543,
835
+ "learning_rate": 9.193571852532112e-06,
836
+ "loss": 1.3834,
837
+ "step": 575
838
+ },
839
+ {
840
+ "epoch": 0.27,
841
+ "grad_norm": 0.18435801453629633,
842
+ "learning_rate": 9.17153652476808e-06,
843
+ "loss": 1.3485,
844
+ "step": 580
845
+ },
846
+ {
847
+ "epoch": 0.27,
848
+ "grad_norm": 0.1719982815834864,
849
+ "learning_rate": 9.14923134293144e-06,
850
+ "loss": 1.4265,
851
+ "step": 585
852
+ },
853
+ {
854
+ "epoch": 0.27,
855
+ "grad_norm": 0.17622887749418029,
856
+ "learning_rate": 9.126657749930365e-06,
857
+ "loss": 1.4242,
858
+ "step": 590
859
+ },
860
+ {
861
+ "epoch": 0.27,
862
+ "grad_norm": 0.1772303960409497,
863
+ "learning_rate": 9.103817206036383e-06,
864
+ "loss": 1.3901,
865
+ "step": 595
866
+ },
867
+ {
868
+ "epoch": 0.28,
869
+ "grad_norm": 0.18039291853040396,
870
+ "learning_rate": 9.080711188789903e-06,
871
+ "loss": 1.4193,
872
+ "step": 600
873
+ },
874
+ {
875
+ "epoch": 0.28,
876
+ "eval_loss": 1.333003282546997,
877
+ "eval_runtime": 1759.7499,
878
+ "eval_samples_per_second": 2.154,
879
+ "eval_steps_per_second": 0.269,
880
+ "step": 600
881
+ },
882
+ {
883
+ "epoch": 0.28,
884
+ "grad_norm": 0.18468507528075692,
885
+ "learning_rate": 9.057341192904641e-06,
886
+ "loss": 1.4663,
887
+ "step": 605
888
+ },
889
+ {
890
+ "epoch": 0.28,
891
+ "grad_norm": 0.17990669625911423,
892
+ "learning_rate": 9.033708730170925e-06,
893
+ "loss": 1.4289,
894
+ "step": 610
895
+ },
896
+ {
897
+ "epoch": 0.28,
898
+ "grad_norm": 0.17925115015014306,
899
+ "learning_rate": 9.009815329357893e-06,
900
+ "loss": 1.4337,
901
+ "step": 615
902
+ },
903
+ {
904
+ "epoch": 0.29,
905
+ "grad_norm": 0.1742038025383068,
906
+ "learning_rate": 8.985662536114614e-06,
907
+ "loss": 1.4156,
908
+ "step": 620
909
+ },
910
+ {
911
+ "epoch": 0.29,
912
+ "grad_norm": 0.18266353155608991,
913
+ "learning_rate": 8.961251912870077e-06,
914
+ "loss": 1.3896,
915
+ "step": 625
916
+ },
917
+ {
918
+ "epoch": 0.29,
919
+ "grad_norm": 0.18057511349721395,
920
+ "learning_rate": 8.936585038732143e-06,
921
+ "loss": 1.3764,
922
+ "step": 630
923
+ },
924
+ {
925
+ "epoch": 0.29,
926
+ "grad_norm": 0.18596859871805246,
927
+ "learning_rate": 8.91166350938537e-06,
928
+ "loss": 1.4193,
929
+ "step": 635
930
+ },
931
+ {
932
+ "epoch": 0.29,
933
+ "grad_norm": 0.18986971270095016,
934
+ "learning_rate": 8.886488936987817e-06,
935
+ "loss": 1.3955,
936
+ "step": 640
937
+ },
938
+ {
939
+ "epoch": 0.3,
940
+ "grad_norm": 0.17418454140586195,
941
+ "learning_rate": 8.861062950066723e-06,
942
+ "loss": 1.427,
943
+ "step": 645
944
+ },
945
+ {
946
+ "epoch": 0.3,
947
+ "grad_norm": 0.18149732001872015,
948
+ "learning_rate": 8.835387193413185e-06,
949
+ "loss": 1.4046,
950
+ "step": 650
951
+ },
952
+ {
953
+ "epoch": 0.3,
954
+ "grad_norm": 0.18147198520857166,
955
+ "learning_rate": 8.809463327975741e-06,
956
+ "loss": 1.4058,
957
+ "step": 655
958
+ },
959
+ {
960
+ "epoch": 0.3,
961
+ "grad_norm": 0.18099108296498378,
962
+ "learning_rate": 8.783293030752932e-06,
963
+ "loss": 1.4066,
964
+ "step": 660
965
+ },
966
+ {
967
+ "epoch": 0.31,
968
+ "grad_norm": 0.1794240687483909,
969
+ "learning_rate": 8.756877994684818e-06,
970
+ "loss": 1.3921,
971
+ "step": 665
972
+ },
973
+ {
974
+ "epoch": 0.31,
975
+ "grad_norm": 0.1839307276635119,
976
+ "learning_rate": 8.730219928543458e-06,
977
+ "loss": 1.4054,
978
+ "step": 670
979
+ },
980
+ {
981
+ "epoch": 0.31,
982
+ "grad_norm": 0.18145863325096048,
983
+ "learning_rate": 8.703320556822375e-06,
984
+ "loss": 1.4053,
985
+ "step": 675
986
+ },
987
+ {
988
+ "epoch": 0.31,
989
+ "grad_norm": 0.1808487553528171,
990
+ "learning_rate": 8.676181619624996e-06,
991
+ "loss": 1.4055,
992
+ "step": 680
993
+ },
994
+ {
995
+ "epoch": 0.32,
996
+ "grad_norm": 0.1862476804387168,
997
+ "learning_rate": 8.648804872552092e-06,
998
+ "loss": 1.3841,
999
+ "step": 685
1000
+ },
1001
+ {
1002
+ "epoch": 0.32,
1003
+ "grad_norm": 0.19563150015616995,
1004
+ "learning_rate": 8.6211920865882e-06,
1005
+ "loss": 1.371,
1006
+ "step": 690
1007
+ },
1008
+ {
1009
+ "epoch": 0.32,
1010
+ "grad_norm": 0.18923848385153544,
1011
+ "learning_rate": 8.593345047987069e-06,
1012
+ "loss": 1.3988,
1013
+ "step": 695
1014
+ },
1015
+ {
1016
+ "epoch": 0.32,
1017
+ "grad_norm": 0.18078263758464272,
1018
+ "learning_rate": 8.565265558156101e-06,
1019
+ "loss": 1.4024,
1020
+ "step": 700
1021
+ },
1022
+ {
1023
+ "epoch": 0.32,
1024
+ "grad_norm": 0.18258637947544226,
1025
+ "learning_rate": 8.536955433539824e-06,
1026
+ "loss": 1.371,
1027
+ "step": 705
1028
+ },
1029
+ {
1030
+ "epoch": 0.33,
1031
+ "grad_norm": 0.19116331272141834,
1032
+ "learning_rate": 8.508416505502383e-06,
1033
+ "loss": 1.4456,
1034
+ "step": 710
1035
+ },
1036
+ {
1037
+ "epoch": 0.33,
1038
+ "grad_norm": 0.17469959227839357,
1039
+ "learning_rate": 8.479650620209072e-06,
1040
+ "loss": 1.385,
1041
+ "step": 715
1042
+ },
1043
+ {
1044
+ "epoch": 0.33,
1045
+ "grad_norm": 0.18410741548679613,
1046
+ "learning_rate": 8.450659638506908e-06,
1047
+ "loss": 1.4095,
1048
+ "step": 720
1049
+ },
1050
+ {
1051
+ "epoch": 0.33,
1052
+ "grad_norm": 0.19634261946282605,
1053
+ "learning_rate": 8.421445435804255e-06,
1054
+ "loss": 1.3513,
1055
+ "step": 725
1056
+ },
1057
+ {
1058
+ "epoch": 0.34,
1059
+ "grad_norm": 0.17826721350047323,
1060
+ "learning_rate": 8.3920099019495e-06,
1061
+ "loss": 1.3792,
1062
+ "step": 730
1063
+ },
1064
+ {
1065
+ "epoch": 0.34,
1066
+ "grad_norm": 0.1826653979119606,
1067
+ "learning_rate": 8.362354941108803e-06,
1068
+ "loss": 1.4448,
1069
+ "step": 735
1070
+ },
1071
+ {
1072
+ "epoch": 0.34,
1073
+ "grad_norm": 0.18664731594802075,
1074
+ "learning_rate": 8.33248247164292e-06,
1075
+ "loss": 1.3751,
1076
+ "step": 740
1077
+ },
1078
+ {
1079
+ "epoch": 0.34,
1080
+ "grad_norm": 0.18231556377003602,
1081
+ "learning_rate": 8.3023944259831e-06,
1082
+ "loss": 1.3773,
1083
+ "step": 745
1084
+ },
1085
+ {
1086
+ "epoch": 0.35,
1087
+ "grad_norm": 0.18711137034484868,
1088
+ "learning_rate": 8.272092750506084e-06,
1089
+ "loss": 1.4096,
1090
+ "step": 750
1091
+ },
1092
+ {
1093
+ "epoch": 0.35,
1094
+ "grad_norm": 0.1877955269203901,
1095
+ "learning_rate": 8.241579405408192e-06,
1096
+ "loss": 1.3902,
1097
+ "step": 755
1098
+ },
1099
+ {
1100
+ "epoch": 0.35,
1101
+ "grad_norm": 0.18482019451091206,
1102
+ "learning_rate": 8.21085636457851e-06,
1103
+ "loss": 1.3734,
1104
+ "step": 760
1105
+ },
1106
+ {
1107
+ "epoch": 0.35,
1108
+ "grad_norm": 0.19891330231660218,
1109
+ "learning_rate": 8.179925615471218e-06,
1110
+ "loss": 1.4061,
1111
+ "step": 765
1112
+ },
1113
+ {
1114
+ "epoch": 0.35,
1115
+ "grad_norm": 0.18663983192529415,
1116
+ "learning_rate": 8.148789158977012e-06,
1117
+ "loss": 1.3326,
1118
+ "step": 770
1119
+ },
1120
+ {
1121
+ "epoch": 0.36,
1122
+ "grad_norm": 0.1874487096476331,
1123
+ "learning_rate": 8.117449009293668e-06,
1124
+ "loss": 1.3384,
1125
+ "step": 775
1126
+ },
1127
+ {
1128
+ "epoch": 0.36,
1129
+ "grad_norm": 0.18710305973456598,
1130
+ "learning_rate": 8.085907193795745e-06,
1131
+ "loss": 1.3828,
1132
+ "step": 780
1133
+ },
1134
+ {
1135
+ "epoch": 0.36,
1136
+ "grad_norm": 0.18416014945175566,
1137
+ "learning_rate": 8.05416575290344e-06,
1138
+ "loss": 1.3737,
1139
+ "step": 785
1140
+ },
1141
+ {
1142
+ "epoch": 0.36,
1143
+ "grad_norm": 0.18615555988464447,
1144
+ "learning_rate": 8.022226739950587e-06,
1145
+ "loss": 1.4359,
1146
+ "step": 790
1147
+ },
1148
+ {
1149
+ "epoch": 0.37,
1150
+ "grad_norm": 0.18594902983475312,
1151
+ "learning_rate": 7.990092221051835e-06,
1152
+ "loss": 1.389,
1153
+ "step": 795
1154
+ },
1155
+ {
1156
+ "epoch": 0.37,
1157
+ "grad_norm": 0.18537070852284854,
1158
+ "learning_rate": 7.95776427496899e-06,
1159
+ "loss": 1.3593,
1160
+ "step": 800
1161
+ },
1162
+ {
1163
+ "epoch": 0.37,
1164
+ "eval_loss": 1.323183298110962,
1165
+ "eval_runtime": 1742.9319,
1166
+ "eval_samples_per_second": 2.174,
1167
+ "eval_steps_per_second": 0.272,
1168
+ "step": 800
1169
+ },
1170
+ {
1171
+ "epoch": 0.37,
1172
+ "grad_norm": 0.1908169492182471,
1173
+ "learning_rate": 7.925244992976538e-06,
1174
+ "loss": 1.3406,
1175
+ "step": 805
1176
+ },
1177
+ {
1178
+ "epoch": 0.37,
1179
+ "grad_norm": 0.18784810075497232,
1180
+ "learning_rate": 7.89253647872637e-06,
1181
+ "loss": 1.3842,
1182
+ "step": 810
1183
+ },
1184
+ {
1185
+ "epoch": 0.38,
1186
+ "grad_norm": 0.19406647113841424,
1187
+ "learning_rate": 7.859640848111686e-06,
1188
+ "loss": 1.4286,
1189
+ "step": 815
1190
+ },
1191
+ {
1192
+ "epoch": 0.38,
1193
+ "grad_norm": 0.19197603494160256,
1194
+ "learning_rate": 7.826560229130132e-06,
1195
+ "loss": 1.3928,
1196
+ "step": 820
1197
+ },
1198
+ {
1199
+ "epoch": 0.38,
1200
+ "grad_norm": 0.19099716433921685,
1201
+ "learning_rate": 7.793296761746126e-06,
1202
+ "loss": 1.362,
1203
+ "step": 825
1204
+ },
1205
+ {
1206
+ "epoch": 0.38,
1207
+ "grad_norm": 0.18788356013356616,
1208
+ "learning_rate": 7.759852597752447e-06,
1209
+ "loss": 1.4034,
1210
+ "step": 830
1211
+ },
1212
+ {
1213
+ "epoch": 0.38,
1214
+ "grad_norm": 0.1921444320557867,
1215
+ "learning_rate": 7.726229900631015e-06,
1216
+ "loss": 1.3793,
1217
+ "step": 835
1218
+ },
1219
+ {
1220
+ "epoch": 0.39,
1221
+ "grad_norm": 0.20734046130350145,
1222
+ "learning_rate": 7.692430845412946e-06,
1223
+ "loss": 1.4203,
1224
+ "step": 840
1225
+ },
1226
+ {
1227
+ "epoch": 0.39,
1228
+ "grad_norm": 0.19179256662995678,
1229
+ "learning_rate": 7.658457618537853e-06,
1230
+ "loss": 1.4021,
1231
+ "step": 845
1232
+ },
1233
+ {
1234
+ "epoch": 0.39,
1235
+ "grad_norm": 0.18555040743415147,
1236
+ "learning_rate": 7.624312417712403e-06,
1237
+ "loss": 1.423,
1238
+ "step": 850
1239
+ },
1240
+ {
1241
+ "epoch": 0.39,
1242
+ "grad_norm": 0.19398963612254347,
1243
+ "learning_rate": 7.58999745176815e-06,
1244
+ "loss": 1.4367,
1245
+ "step": 855
1246
+ },
1247
+ {
1248
+ "epoch": 0.4,
1249
+ "grad_norm": 0.19074855950766817,
1250
+ "learning_rate": 7.555514940518647e-06,
1251
+ "loss": 1.3695,
1252
+ "step": 860
1253
+ },
1254
+ {
1255
+ "epoch": 0.4,
1256
+ "grad_norm": 0.1893550054117395,
1257
+ "learning_rate": 7.520867114615844e-06,
1258
+ "loss": 1.3939,
1259
+ "step": 865
1260
+ },
1261
+ {
1262
+ "epoch": 0.4,
1263
+ "grad_norm": 0.19196726666071628,
1264
+ "learning_rate": 7.486056215405797e-06,
1265
+ "loss": 1.3964,
1266
+ "step": 870
1267
+ },
1268
+ {
1269
+ "epoch": 0.4,
1270
+ "grad_norm": 0.2100904294893222,
1271
+ "learning_rate": 7.451084494783668e-06,
1272
+ "loss": 1.3753,
1273
+ "step": 875
1274
+ },
1275
+ {
1276
+ "epoch": 0.41,
1277
+ "grad_norm": 0.1870023533707271,
1278
+ "learning_rate": 7.415954215048057e-06,
1279
+ "loss": 1.379,
1280
+ "step": 880
1281
+ },
1282
+ {
1283
+ "epoch": 0.41,
1284
+ "grad_norm": 0.19635898208120364,
1285
+ "learning_rate": 7.38066764875465e-06,
1286
+ "loss": 1.4329,
1287
+ "step": 885
1288
+ },
1289
+ {
1290
+ "epoch": 0.41,
1291
+ "grad_norm": 0.1896615635850299,
1292
+ "learning_rate": 7.345227078569218e-06,
1293
+ "loss": 1.357,
1294
+ "step": 890
1295
+ },
1296
+ {
1297
+ "epoch": 0.41,
1298
+ "grad_norm": 0.19424130426015207,
1299
+ "learning_rate": 7.309634797119941e-06,
1300
+ "loss": 1.3774,
1301
+ "step": 895
1302
+ },
1303
+ {
1304
+ "epoch": 0.41,
1305
+ "grad_norm": 0.22888693201104138,
1306
+ "learning_rate": 7.273893106849108e-06,
1307
+ "loss": 1.3976,
1308
+ "step": 900
1309
+ },
1310
+ {
1311
+ "epoch": 0.42,
1312
+ "grad_norm": 0.1919456484613934,
1313
+ "learning_rate": 7.23800431986417e-06,
1314
+ "loss": 1.378,
1315
+ "step": 905
1316
+ },
1317
+ {
1318
+ "epoch": 0.42,
1319
+ "grad_norm": 0.19241540158105003,
1320
+ "learning_rate": 7.201970757788172e-06,
1321
+ "loss": 1.4094,
1322
+ "step": 910
1323
+ },
1324
+ {
1325
+ "epoch": 0.42,
1326
+ "grad_norm": 0.19333437065467562,
1327
+ "learning_rate": 7.165794751609569e-06,
1328
+ "loss": 1.3971,
1329
+ "step": 915
1330
+ },
1331
+ {
1332
+ "epoch": 0.42,
1333
+ "grad_norm": 0.19460601771644864,
1334
+ "learning_rate": 7.1294786415314336e-06,
1335
+ "loss": 1.3879,
1336
+ "step": 920
1337
+ },
1338
+ {
1339
+ "epoch": 0.43,
1340
+ "grad_norm": 0.18754355788787921,
1341
+ "learning_rate": 7.093024776820076e-06,
1342
+ "loss": 1.3534,
1343
+ "step": 925
1344
+ },
1345
+ {
1346
+ "epoch": 0.43,
1347
+ "grad_norm": 0.18648196033472134,
1348
+ "learning_rate": 7.056435515653059e-06,
1349
+ "loss": 1.3969,
1350
+ "step": 930
1351
+ },
1352
+ {
1353
+ "epoch": 0.43,
1354
+ "grad_norm": 0.18580702737411495,
1355
+ "learning_rate": 7.019713224966664e-06,
1356
+ "loss": 1.4416,
1357
+ "step": 935
1358
+ },
1359
+ {
1360
+ "epoch": 0.43,
1361
+ "grad_norm": 0.24918096880464727,
1362
+ "learning_rate": 6.9828602803027664e-06,
1363
+ "loss": 1.3814,
1364
+ "step": 940
1365
+ },
1366
+ {
1367
+ "epoch": 0.44,
1368
+ "grad_norm": 0.19003799001704857,
1369
+ "learning_rate": 6.945879065655164e-06,
1370
+ "loss": 1.3581,
1371
+ "step": 945
1372
+ },
1373
+ {
1374
+ "epoch": 0.44,
1375
+ "grad_norm": 0.19777328354162663,
1376
+ "learning_rate": 6.90877197331536e-06,
1377
+ "loss": 1.3883,
1378
+ "step": 950
1379
+ },
1380
+ {
1381
+ "epoch": 0.44,
1382
+ "grad_norm": 0.1978053982444075,
1383
+ "learning_rate": 6.871541403717808e-06,
1384
+ "loss": 1.4298,
1385
+ "step": 955
1386
+ },
1387
+ {
1388
+ "epoch": 0.44,
1389
+ "grad_norm": 0.19360877663534273,
1390
+ "learning_rate": 6.83418976528462e-06,
1391
+ "loss": 1.3623,
1392
+ "step": 960
1393
+ },
1394
+ {
1395
+ "epoch": 0.44,
1396
+ "grad_norm": 0.19124472077513613,
1397
+ "learning_rate": 6.7967194742697866e-06,
1398
+ "loss": 1.3965,
1399
+ "step": 965
1400
+ },
1401
+ {
1402
+ "epoch": 0.45,
1403
+ "grad_norm": 0.2026314484251062,
1404
+ "learning_rate": 6.759132954602852e-06,
1405
+ "loss": 1.3889,
1406
+ "step": 970
1407
+ },
1408
+ {
1409
+ "epoch": 0.45,
1410
+ "grad_norm": 0.20177996042623167,
1411
+ "learning_rate": 6.721432637732117e-06,
1412
+ "loss": 1.3987,
1413
+ "step": 975
1414
+ },
1415
+ {
1416
+ "epoch": 0.45,
1417
+ "grad_norm": 0.19199095023199664,
1418
+ "learning_rate": 6.6836209624673575e-06,
1419
+ "loss": 1.3658,
1420
+ "step": 980
1421
+ },
1422
+ {
1423
+ "epoch": 0.45,
1424
+ "grad_norm": 0.19092380360827313,
1425
+ "learning_rate": 6.64570037482205e-06,
1426
+ "loss": 1.3601,
1427
+ "step": 985
1428
+ },
1429
+ {
1430
+ "epoch": 0.46,
1431
+ "grad_norm": 0.21156775391897173,
1432
+ "learning_rate": 6.607673327855149e-06,
1433
+ "loss": 1.4427,
1434
+ "step": 990
1435
+ },
1436
+ {
1437
+ "epoch": 0.46,
1438
+ "grad_norm": 0.19213500215723073,
1439
+ "learning_rate": 6.569542281512388e-06,
1440
+ "loss": 1.3934,
1441
+ "step": 995
1442
+ },
1443
+ {
1444
+ "epoch": 0.46,
1445
+ "grad_norm": 0.19675677797230362,
1446
+ "learning_rate": 6.531309702467159e-06,
1447
+ "loss": 1.3552,
1448
+ "step": 1000
1449
+ },
1450
+ {
1451
+ "epoch": 0.46,
1452
+ "eval_loss": 1.3166489601135254,
1453
+ "eval_runtime": 1748.0429,
1454
+ "eval_samples_per_second": 2.168,
1455
+ "eval_steps_per_second": 0.271,
1456
+ "step": 1000
1457
+ },
1458
+ {
1459
+ "epoch": 0.46,
1460
+ "grad_norm": 0.18781337537819495,
1461
+ "learning_rate": 6.492978063960942e-06,
1462
+ "loss": 1.3937,
1463
+ "step": 1005
1464
+ },
1465
+ {
1466
+ "epoch": 0.47,
1467
+ "grad_norm": 0.1935060574506341,
1468
+ "learning_rate": 6.45454984564331e-06,
1469
+ "loss": 1.4284,
1470
+ "step": 1010
1471
+ },
1472
+ {
1473
+ "epoch": 0.47,
1474
+ "grad_norm": 0.1936429054806515,
1475
+ "learning_rate": 6.41602753341152e-06,
1476
+ "loss": 1.3618,
1477
+ "step": 1015
1478
+ },
1479
+ {
1480
+ "epoch": 0.47,
1481
+ "grad_norm": 0.19582370428755932,
1482
+ "learning_rate": 6.377413619249713e-06,
1483
+ "loss": 1.3822,
1484
+ "step": 1020
1485
+ },
1486
+ {
1487
+ "epoch": 0.47,
1488
+ "grad_norm": 0.18931877193304708,
1489
+ "learning_rate": 6.338710601067691e-06,
1490
+ "loss": 1.3473,
1491
+ "step": 1025
1492
+ },
1493
+ {
1494
+ "epoch": 0.47,
1495
+ "grad_norm": 0.1952618362908433,
1496
+ "learning_rate": 6.2999209825393445e-06,
1497
+ "loss": 1.369,
1498
+ "step": 1030
1499
+ },
1500
+ {
1501
+ "epoch": 0.48,
1502
+ "grad_norm": 0.196265797323174,
1503
+ "learning_rate": 6.2610472729406905e-06,
1504
+ "loss": 1.3679,
1505
+ "step": 1035
1506
+ },
1507
+ {
1508
+ "epoch": 0.48,
1509
+ "grad_norm": 0.1909001830769802,
1510
+ "learning_rate": 6.222091986987534e-06,
1511
+ "loss": 1.3939,
1512
+ "step": 1040
1513
+ },
1514
+ {
1515
+ "epoch": 0.48,
1516
+ "grad_norm": 0.1974314278029084,
1517
+ "learning_rate": 6.18305764467281e-06,
1518
+ "loss": 1.4111,
1519
+ "step": 1045
1520
+ },
1521
+ {
1522
+ "epoch": 0.48,
1523
+ "grad_norm": 0.19874201405315123,
1524
+ "learning_rate": 6.143946771103561e-06,
1525
+ "loss": 1.383,
1526
+ "step": 1050
1527
+ },
1528
+ {
1529
+ "epoch": 0.49,
1530
+ "grad_norm": 0.20109125948229767,
1531
+ "learning_rate": 6.104761896337581e-06,
1532
+ "loss": 1.3548,
1533
+ "step": 1055
1534
+ },
1535
+ {
1536
+ "epoch": 0.49,
1537
+ "grad_norm": 0.18937099603698346,
1538
+ "learning_rate": 6.0655055552197616e-06,
1539
+ "loss": 1.4427,
1540
+ "step": 1060
1541
+ },
1542
+ {
1543
+ "epoch": 0.49,
1544
+ "grad_norm": 0.20257668978871882,
1545
+ "learning_rate": 6.026180287218106e-06,
1546
+ "loss": 1.3773,
1547
+ "step": 1065
1548
+ },
1549
+ {
1550
+ "epoch": 0.49,
1551
+ "grad_norm": 0.19836764097355777,
1552
+ "learning_rate": 5.986788636259453e-06,
1553
+ "loss": 1.3945,
1554
+ "step": 1070
1555
+ },
1556
+ {
1557
+ "epoch": 0.5,
1558
+ "grad_norm": 0.19345413549116036,
1559
+ "learning_rate": 5.9473331505649125e-06,
1560
+ "loss": 1.4439,
1561
+ "step": 1075
1562
+ },
1563
+ {
1564
+ "epoch": 0.5,
1565
+ "grad_norm": 0.19576415671480885,
1566
+ "learning_rate": 5.907816382485026e-06,
1567
+ "loss": 1.3432,
1568
+ "step": 1080
1569
+ },
1570
+ {
1571
+ "epoch": 0.5,
1572
+ "grad_norm": 0.19643295445396305,
1573
+ "learning_rate": 5.8682408883346535e-06,
1574
+ "loss": 1.3459,
1575
+ "step": 1085
1576
+ },
1577
+ {
1578
+ "epoch": 0.5,
1579
+ "grad_norm": 0.19760654138918068,
1580
+ "learning_rate": 5.828609228227603e-06,
1581
+ "loss": 1.4334,
1582
+ "step": 1090
1583
+ },
1584
+ {
1585
+ "epoch": 0.5,
1586
+ "grad_norm": 0.1907622356589435,
1587
+ "learning_rate": 5.788923965911028e-06,
1588
+ "loss": 1.3195,
1589
+ "step": 1095
1590
+ },
1591
+ {
1592
+ "epoch": 0.51,
1593
+ "grad_norm": 0.19974010922162466,
1594
+ "learning_rate": 5.749187668599574e-06,
1595
+ "loss": 1.3973,
1596
+ "step": 1100
1597
+ },
1598
+ {
1599
+ "epoch": 0.51,
1600
+ "grad_norm": 0.1899811113208983,
1601
+ "learning_rate": 5.709402906809307e-06,
1602
+ "loss": 1.3788,
1603
+ "step": 1105
1604
+ },
1605
+ {
1606
+ "epoch": 0.51,
1607
+ "grad_norm": 0.19125136139691074,
1608
+ "learning_rate": 5.669572254191431e-06,
1609
+ "loss": 1.3749,
1610
+ "step": 1110
1611
+ },
1612
+ {
1613
+ "epoch": 0.51,
1614
+ "grad_norm": 0.19773999696793723,
1615
+ "learning_rate": 5.6296982873658e-06,
1616
+ "loss": 1.3812,
1617
+ "step": 1115
1618
+ },
1619
+ {
1620
+ "epoch": 0.52,
1621
+ "grad_norm": 0.19522230435252472,
1622
+ "learning_rate": 5.5897835857542315e-06,
1623
+ "loss": 1.3639,
1624
+ "step": 1120
1625
+ },
1626
+ {
1627
+ "epoch": 0.52,
1628
+ "grad_norm": 0.19203158758627778,
1629
+ "learning_rate": 5.549830731413655e-06,
1630
+ "loss": 1.3988,
1631
+ "step": 1125
1632
+ },
1633
+ {
1634
+ "epoch": 0.52,
1635
+ "grad_norm": 0.19785365288187984,
1636
+ "learning_rate": 5.509842308869075e-06,
1637
+ "loss": 1.4031,
1638
+ "step": 1130
1639
+ },
1640
+ {
1641
+ "epoch": 0.52,
1642
+ "grad_norm": 0.20110593532241236,
1643
+ "learning_rate": 5.469820904946383e-06,
1644
+ "loss": 1.3447,
1645
+ "step": 1135
1646
+ },
1647
+ {
1648
+ "epoch": 0.53,
1649
+ "grad_norm": 0.20730230846403253,
1650
+ "learning_rate": 5.429769108605013e-06,
1651
+ "loss": 1.433,
1652
+ "step": 1140
1653
+ },
1654
+ {
1655
+ "epoch": 0.53,
1656
+ "grad_norm": 0.19538915157122386,
1657
+ "learning_rate": 5.389689510770462e-06,
1658
+ "loss": 1.3751,
1659
+ "step": 1145
1660
+ },
1661
+ {
1662
+ "epoch": 0.53,
1663
+ "grad_norm": 0.19657731321379315,
1664
+ "learning_rate": 5.3495847041666935e-06,
1665
+ "loss": 1.4427,
1666
+ "step": 1150
1667
+ },
1668
+ {
1669
+ "epoch": 0.53,
1670
+ "grad_norm": 0.19885598934336826,
1671
+ "learning_rate": 5.30945728314841e-06,
1672
+ "loss": 1.3526,
1673
+ "step": 1155
1674
+ },
1675
+ {
1676
+ "epoch": 0.53,
1677
+ "grad_norm": 0.19763223830130308,
1678
+ "learning_rate": 5.269309843533222e-06,
1679
+ "loss": 1.3792,
1680
+ "step": 1160
1681
+ },
1682
+ {
1683
+ "epoch": 0.54,
1684
+ "grad_norm": 0.1934600019166271,
1685
+ "learning_rate": 5.229144982433736e-06,
1686
+ "loss": 1.3827,
1687
+ "step": 1165
1688
+ },
1689
+ {
1690
+ "epoch": 0.54,
1691
+ "grad_norm": 0.19215817298202406,
1692
+ "learning_rate": 5.188965298089538e-06,
1693
+ "loss": 1.3609,
1694
+ "step": 1170
1695
+ },
1696
+ {
1697
+ "epoch": 0.54,
1698
+ "grad_norm": 0.1950665854099098,
1699
+ "learning_rate": 5.148773389699123e-06,
1700
+ "loss": 1.3728,
1701
+ "step": 1175
1702
+ },
1703
+ {
1704
+ "epoch": 0.54,
1705
+ "grad_norm": 0.20163181813335146,
1706
+ "learning_rate": 5.108571857251754e-06,
1707
+ "loss": 1.3937,
1708
+ "step": 1180
1709
+ },
1710
+ {
1711
+ "epoch": 0.55,
1712
+ "grad_norm": 0.19492701026725848,
1713
+ "learning_rate": 5.068363301359263e-06,
1714
+ "loss": 1.3976,
1715
+ "step": 1185
1716
+ },
1717
+ {
1718
+ "epoch": 0.55,
1719
+ "grad_norm": 0.1915934216230785,
1720
+ "learning_rate": 5.0281503230878304e-06,
1721
+ "loss": 1.3778,
1722
+ "step": 1190
1723
+ },
1724
+ {
1725
+ "epoch": 0.55,
1726
+ "grad_norm": 0.19100537033272963,
1727
+ "learning_rate": 4.98793552378971e-06,
1728
+ "loss": 1.4221,
1729
+ "step": 1195
1730
+ },
1731
+ {
1732
+ "epoch": 0.55,
1733
+ "grad_norm": 0.19909784027087774,
1734
+ "learning_rate": 4.947721504934966e-06,
1735
+ "loss": 1.3685,
1736
+ "step": 1200
1737
+ },
1738
+ {
1739
+ "epoch": 0.55,
1740
+ "eval_loss": 1.3122756481170654,
1741
+ "eval_runtime": 1747.9099,
1742
+ "eval_samples_per_second": 2.168,
1743
+ "eval_steps_per_second": 0.271,
1744
+ "step": 1200
1745
+ },
1746
+ {
1747
+ "epoch": 0.56,
1748
+ "grad_norm": 0.19577442673853007,
1749
+ "learning_rate": 4.907510867943167e-06,
1750
+ "loss": 1.3595,
1751
+ "step": 1205
1752
+ },
1753
+ {
1754
+ "epoch": 0.56,
1755
+ "grad_norm": 0.2063936713267001,
1756
+ "learning_rate": 4.867306214015117e-06,
1757
+ "loss": 1.4202,
1758
+ "step": 1210
1759
+ },
1760
+ {
1761
+ "epoch": 0.56,
1762
+ "grad_norm": 0.19879562103497236,
1763
+ "learning_rate": 4.8271101439645765e-06,
1764
+ "loss": 1.3934,
1765
+ "step": 1215
1766
+ },
1767
+ {
1768
+ "epoch": 0.56,
1769
+ "grad_norm": 0.19945548173818886,
1770
+ "learning_rate": 4.786925258050024e-06,
1771
+ "loss": 1.3395,
1772
+ "step": 1220
1773
+ },
1774
+ {
1775
+ "epoch": 0.56,
1776
+ "grad_norm": 0.209259697791073,
1777
+ "learning_rate": 4.746754155806437e-06,
1778
+ "loss": 1.4072,
1779
+ "step": 1225
1780
+ },
1781
+ {
1782
+ "epoch": 0.57,
1783
+ "grad_norm": 0.19280116611929857,
1784
+ "learning_rate": 4.706599435877143e-06,
1785
+ "loss": 1.3976,
1786
+ "step": 1230
1787
+ },
1788
+ {
1789
+ "epoch": 0.57,
1790
+ "grad_norm": 0.1990941406891665,
1791
+ "learning_rate": 4.666463695845701e-06,
1792
+ "loss": 1.3912,
1793
+ "step": 1235
1794
+ },
1795
+ {
1796
+ "epoch": 0.57,
1797
+ "grad_norm": 0.19455600992105357,
1798
+ "learning_rate": 4.626349532067879e-06,
1799
+ "loss": 1.4003,
1800
+ "step": 1240
1801
+ },
1802
+ {
1803
+ "epoch": 0.57,
1804
+ "grad_norm": 0.20315382252326522,
1805
+ "learning_rate": 4.586259539503687e-06,
1806
+ "loss": 1.3876,
1807
+ "step": 1245
1808
+ },
1809
+ {
1810
+ "epoch": 0.58,
1811
+ "grad_norm": 0.19085048019709233,
1812
+ "learning_rate": 4.546196311549515e-06,
1813
+ "loss": 1.415,
1814
+ "step": 1250
1815
+ },
1816
+ {
1817
+ "epoch": 0.58,
1818
+ "grad_norm": 0.19155602915410036,
1819
+ "learning_rate": 4.506162439870366e-06,
1820
+ "loss": 1.388,
1821
+ "step": 1255
1822
+ },
1823
+ {
1824
+ "epoch": 0.58,
1825
+ "grad_norm": 0.1962993457750995,
1826
+ "learning_rate": 4.466160514232206e-06,
1827
+ "loss": 1.4069,
1828
+ "step": 1260
1829
+ },
1830
+ {
1831
+ "epoch": 0.58,
1832
+ "grad_norm": 0.19440064625069065,
1833
+ "learning_rate": 4.426193122334433e-06,
1834
+ "loss": 1.3625,
1835
+ "step": 1265
1836
+ },
1837
+ {
1838
+ "epoch": 0.59,
1839
+ "grad_norm": 0.19907155435638502,
1840
+ "learning_rate": 4.386262849642474e-06,
1841
+ "loss": 1.3621,
1842
+ "step": 1270
1843
+ },
1844
+ {
1845
+ "epoch": 0.59,
1846
+ "grad_norm": 0.19846401001306227,
1847
+ "learning_rate": 4.346372279220543e-06,
1848
+ "loss": 1.3438,
1849
+ "step": 1275
1850
+ },
1851
+ {
1852
+ "epoch": 0.59,
1853
+ "grad_norm": 0.19990637435356196,
1854
+ "learning_rate": 4.306523991564536e-06,
1855
+ "loss": 1.3857,
1856
+ "step": 1280
1857
+ },
1858
+ {
1859
+ "epoch": 0.59,
1860
+ "grad_norm": 0.1983045043565906,
1861
+ "learning_rate": 4.266720564435105e-06,
1862
+ "loss": 1.3477,
1863
+ "step": 1285
1864
+ },
1865
+ {
1866
+ "epoch": 0.59,
1867
+ "grad_norm": 0.2008086079053878,
1868
+ "learning_rate": 4.226964572690905e-06,
1869
+ "loss": 1.4032,
1870
+ "step": 1290
1871
+ },
1872
+ {
1873
+ "epoch": 0.6,
1874
+ "grad_norm": 0.2394515243143434,
1875
+ "learning_rate": 4.187258588122019e-06,
1876
+ "loss": 1.3757,
1877
+ "step": 1295
1878
+ },
1879
+ {
1880
+ "epoch": 0.6,
1881
+ "grad_norm": 0.1971799914885616,
1882
+ "learning_rate": 4.147605179283604e-06,
1883
+ "loss": 1.4156,
1884
+ "step": 1300
1885
+ },
1886
+ {
1887
+ "epoch": 0.6,
1888
+ "grad_norm": 0.2073477392149783,
1889
+ "learning_rate": 4.108006911329722e-06,
1890
+ "loss": 1.3881,
1891
+ "step": 1305
1892
+ },
1893
+ {
1894
+ "epoch": 0.6,
1895
+ "grad_norm": 0.2073153166108959,
1896
+ "learning_rate": 4.068466345847409e-06,
1897
+ "loss": 1.3687,
1898
+ "step": 1310
1899
+ },
1900
+ {
1901
+ "epoch": 0.61,
1902
+ "grad_norm": 0.20054177344121227,
1903
+ "learning_rate": 4.028986040690963e-06,
1904
+ "loss": 1.3785,
1905
+ "step": 1315
1906
+ },
1907
+ {
1908
+ "epoch": 0.61,
1909
+ "grad_norm": 0.20604849012426923,
1910
+ "learning_rate": 3.989568549816479e-06,
1911
+ "loss": 1.4169,
1912
+ "step": 1320
1913
+ },
1914
+ {
1915
+ "epoch": 0.61,
1916
+ "grad_norm": 0.19467062948633831,
1917
+ "learning_rate": 3.9502164231166354e-06,
1918
+ "loss": 1.4168,
1919
+ "step": 1325
1920
+ },
1921
+ {
1922
+ "epoch": 0.61,
1923
+ "grad_norm": 0.21219636801396732,
1924
+ "learning_rate": 3.910932206255742e-06,
1925
+ "loss": 1.3772,
1926
+ "step": 1330
1927
+ },
1928
+ {
1929
+ "epoch": 0.61,
1930
+ "grad_norm": 0.20051941796299297,
1931
+ "learning_rate": 3.87171844050507e-06,
1932
+ "loss": 1.3864,
1933
+ "step": 1335
1934
+ },
1935
+ {
1936
+ "epoch": 0.62,
1937
+ "grad_norm": 0.20033592892185176,
1938
+ "learning_rate": 3.8325776625784464e-06,
1939
+ "loss": 1.3984,
1940
+ "step": 1340
1941
+ },
1942
+ {
1943
+ "epoch": 0.62,
1944
+ "grad_norm": 0.19559628194598214,
1945
+ "learning_rate": 3.793512404468162e-06,
1946
+ "loss": 1.3954,
1947
+ "step": 1345
1948
+ },
1949
+ {
1950
+ "epoch": 0.62,
1951
+ "grad_norm": 0.21009377333677687,
1952
+ "learning_rate": 3.7545251932811824e-06,
1953
+ "loss": 1.3799,
1954
+ "step": 1350
1955
+ },
1956
+ {
1957
+ "epoch": 0.62,
1958
+ "grad_norm": 0.2058943301550432,
1959
+ "learning_rate": 3.7156185510756613e-06,
1960
+ "loss": 1.3763,
1961
+ "step": 1355
1962
+ },
1963
+ {
1964
+ "epoch": 0.63,
1965
+ "grad_norm": 0.20090178955938068,
1966
+ "learning_rate": 3.6767949946978026e-06,
1967
+ "loss": 1.4162,
1968
+ "step": 1360
1969
+ },
1970
+ {
1971
+ "epoch": 0.63,
1972
+ "grad_norm": 0.2034374577879598,
1973
+ "learning_rate": 3.6380570356190346e-06,
1974
+ "loss": 1.402,
1975
+ "step": 1365
1976
+ },
1977
+ {
1978
+ "epoch": 0.63,
1979
+ "grad_norm": 0.19652020002950302,
1980
+ "learning_rate": 3.5994071797735513e-06,
1981
+ "loss": 1.3667,
1982
+ "step": 1370
1983
+ },
1984
+ {
1985
+ "epoch": 0.63,
1986
+ "grad_norm": 0.20049219114904884,
1987
+ "learning_rate": 3.560847927396206e-06,
1988
+ "loss": 1.419,
1989
+ "step": 1375
1990
+ },
1991
+ {
1992
+ "epoch": 0.64,
1993
+ "grad_norm": 0.20857502981558484,
1994
+ "learning_rate": 3.5223817728607675e-06,
1995
+ "loss": 1.4082,
1996
+ "step": 1380
1997
+ },
1998
+ {
1999
+ "epoch": 0.64,
2000
+ "grad_norm": 0.19767809519926405,
2001
+ "learning_rate": 3.484011204518568e-06,
2002
+ "loss": 1.3947,
2003
+ "step": 1385
2004
+ },
2005
+ {
2006
+ "epoch": 0.64,
2007
+ "grad_norm": 0.1948689279113259,
2008
+ "learning_rate": 3.4457387045375255e-06,
2009
+ "loss": 1.3625,
2010
+ "step": 1390
2011
+ },
2012
+ {
2013
+ "epoch": 0.64,
2014
+ "grad_norm": 0.20429495021474384,
2015
+ "learning_rate": 3.4075667487415785e-06,
2016
+ "loss": 1.3978,
2017
+ "step": 1395
2018
+ },
2019
+ {
2020
+ "epoch": 0.64,
2021
+ "grad_norm": 0.2022436664727946,
2022
+ "learning_rate": 3.3694978064505258e-06,
2023
+ "loss": 1.3487,
2024
+ "step": 1400
2025
+ },
2026
+ {
2027
+ "epoch": 0.64,
2028
+ "eval_loss": 1.3093819618225098,
2029
+ "eval_runtime": 1769.0297,
2030
+ "eval_samples_per_second": 2.142,
2031
+ "eval_steps_per_second": 0.268,
2032
+ "step": 1400
2033
+ },
2034
+ {
2035
+ "epoch": 0.65,
2036
+ "grad_norm": 0.2010813579540422,
2037
+ "learning_rate": 3.331534340320287e-06,
2038
+ "loss": 1.3582,
2039
+ "step": 1405
2040
+ },
2041
+ {
2042
+ "epoch": 0.65,
2043
+ "grad_norm": 0.19489960246084403,
2044
+ "learning_rate": 3.293678806183596e-06,
2045
+ "loss": 1.42,
2046
+ "step": 1410
2047
+ },
2048
+ {
2049
+ "epoch": 0.65,
2050
+ "grad_norm": 0.20100567658267351,
2051
+ "learning_rate": 3.255933652891133e-06,
2052
+ "loss": 1.3887,
2053
+ "step": 1415
2054
+ },
2055
+ {
2056
+ "epoch": 0.65,
2057
+ "grad_norm": 0.198604846014806,
2058
+ "learning_rate": 3.218301322153111e-06,
2059
+ "loss": 1.3543,
2060
+ "step": 1420
2061
+ },
2062
+ {
2063
+ "epoch": 0.66,
2064
+ "grad_norm": 0.20073641523853392,
2065
+ "learning_rate": 3.180784248381322e-06,
2066
+ "loss": 1.3513,
2067
+ "step": 1425
2068
+ },
2069
+ {
2070
+ "epoch": 0.66,
2071
+ "grad_norm": 0.19424293274594104,
2072
+ "learning_rate": 3.1433848585316607e-06,
2073
+ "loss": 1.3885,
2074
+ "step": 1430
2075
+ },
2076
+ {
2077
+ "epoch": 0.66,
2078
+ "grad_norm": 0.2028571716247717,
2079
+ "learning_rate": 3.10610557194712e-06,
2080
+ "loss": 1.3824,
2081
+ "step": 1435
2082
+ },
2083
+ {
2084
+ "epoch": 0.66,
2085
+ "grad_norm": 0.1973272586923241,
2086
+ "learning_rate": 3.068948800201289e-06,
2087
+ "loss": 1.3332,
2088
+ "step": 1440
2089
+ },
2090
+ {
2091
+ "epoch": 0.67,
2092
+ "grad_norm": 0.20459650028827572,
2093
+ "learning_rate": 3.0319169469423487e-06,
2094
+ "loss": 1.3715,
2095
+ "step": 1445
2096
+ },
2097
+ {
2098
+ "epoch": 0.67,
2099
+ "grad_norm": 0.1966290880736998,
2100
+ "learning_rate": 2.995012407737581e-06,
2101
+ "loss": 1.3985,
2102
+ "step": 1450
2103
+ },
2104
+ {
2105
+ "epoch": 0.67,
2106
+ "grad_norm": 0.20394208158347749,
2107
+ "learning_rate": 2.958237569918404e-06,
2108
+ "loss": 1.3867,
2109
+ "step": 1455
2110
+ },
2111
+ {
2112
+ "epoch": 0.67,
2113
+ "grad_norm": 0.1971397504636877,
2114
+ "learning_rate": 2.9215948124259343e-06,
2115
+ "loss": 1.3739,
2116
+ "step": 1460
2117
+ },
2118
+ {
2119
+ "epoch": 0.67,
2120
+ "grad_norm": 0.1984132646647921,
2121
+ "learning_rate": 2.885086505657094e-06,
2122
+ "loss": 1.4459,
2123
+ "step": 1465
2124
+ },
2125
+ {
2126
+ "epoch": 0.68,
2127
+ "grad_norm": 0.20375542452519896,
2128
+ "learning_rate": 2.848715011311271e-06,
2129
+ "loss": 1.3606,
2130
+ "step": 1470
2131
+ },
2132
+ {
2133
+ "epoch": 0.68,
2134
+ "grad_norm": 0.19875885515941272,
2135
+ "learning_rate": 2.8124826822375473e-06,
2136
+ "loss": 1.4034,
2137
+ "step": 1475
2138
+ },
2139
+ {
2140
+ "epoch": 0.68,
2141
+ "grad_norm": 0.20571233168262154,
2142
+ "learning_rate": 2.7763918622824903e-06,
2143
+ "loss": 1.4358,
2144
+ "step": 1480
2145
+ },
2146
+ {
2147
+ "epoch": 0.68,
2148
+ "grad_norm": 0.20325983672817444,
2149
+ "learning_rate": 2.7404448861385293e-06,
2150
+ "loss": 1.3271,
2151
+ "step": 1485
2152
+ },
2153
+ {
2154
+ "epoch": 0.69,
2155
+ "grad_norm": 0.204674596724046,
2156
+ "learning_rate": 2.7046440791929306e-06,
2157
+ "loss": 1.3656,
2158
+ "step": 1490
2159
+ },
2160
+ {
2161
+ "epoch": 0.69,
2162
+ "grad_norm": 0.19864331126229412,
2163
+ "learning_rate": 2.6689917573773615e-06,
2164
+ "loss": 1.3712,
2165
+ "step": 1495
2166
+ },
2167
+ {
2168
+ "epoch": 0.69,
2169
+ "grad_norm": 0.19759957217116436,
2170
+ "learning_rate": 2.633490227018092e-06,
2171
+ "loss": 1.4061,
2172
+ "step": 1500
2173
+ },
2174
+ {
2175
+ "epoch": 0.69,
2176
+ "grad_norm": 0.1963001810018751,
2177
+ "learning_rate": 2.5981417846867753e-06,
2178
+ "loss": 1.3753,
2179
+ "step": 1505
2180
+ },
2181
+ {
2182
+ "epoch": 0.7,
2183
+ "grad_norm": 0.2037326390652298,
2184
+ "learning_rate": 2.5629487170518974e-06,
2185
+ "loss": 1.3468,
2186
+ "step": 1510
2187
+ },
2188
+ {
2189
+ "epoch": 0.7,
2190
+ "grad_norm": 0.20092378895163732,
2191
+ "learning_rate": 2.527913300730863e-06,
2192
+ "loss": 1.3831,
2193
+ "step": 1515
2194
+ },
2195
+ {
2196
+ "epoch": 0.7,
2197
+ "grad_norm": 0.2075661167474541,
2198
+ "learning_rate": 2.4930378021426977e-06,
2199
+ "loss": 1.3786,
2200
+ "step": 1520
2201
+ },
2202
+ {
2203
+ "epoch": 0.7,
2204
+ "grad_norm": 0.2002833079588797,
2205
+ "learning_rate": 2.4583244773614675e-06,
2206
+ "loss": 1.4058,
2207
+ "step": 1525
2208
+ },
2209
+ {
2210
+ "epoch": 0.7,
2211
+ "grad_norm": 0.20306778592495606,
2212
+ "learning_rate": 2.423775571970301e-06,
2213
+ "loss": 1.3704,
2214
+ "step": 1530
2215
+ },
2216
+ {
2217
+ "epoch": 0.71,
2218
+ "grad_norm": 0.22057110661612167,
2219
+ "learning_rate": 2.3893933209161465e-06,
2220
+ "loss": 1.3965,
2221
+ "step": 1535
2222
+ },
2223
+ {
2224
+ "epoch": 0.71,
2225
+ "grad_norm": 0.20413023154970353,
2226
+ "learning_rate": 2.3551799483651894e-06,
2227
+ "loss": 1.3935,
2228
+ "step": 1540
2229
+ },
2230
+ {
2231
+ "epoch": 0.71,
2232
+ "grad_norm": 0.2013070052195424,
2233
+ "learning_rate": 2.321137667558965e-06,
2234
+ "loss": 1.3757,
2235
+ "step": 1545
2236
+ },
2237
+ {
2238
+ "epoch": 0.71,
2239
+ "grad_norm": 0.20133662802149876,
2240
+ "learning_rate": 2.2872686806712037e-06,
2241
+ "loss": 1.3533,
2242
+ "step": 1550
2243
+ },
2244
+ {
2245
+ "epoch": 0.72,
2246
+ "grad_norm": 0.19816355686283976,
2247
+ "learning_rate": 2.2535751786653476e-06,
2248
+ "loss": 1.4014,
2249
+ "step": 1555
2250
+ },
2251
+ {
2252
+ "epoch": 0.72,
2253
+ "grad_norm": 0.20020195119951492,
2254
+ "learning_rate": 2.220059341152837e-06,
2255
+ "loss": 1.3721,
2256
+ "step": 1560
2257
+ },
2258
+ {
2259
+ "epoch": 0.72,
2260
+ "grad_norm": 0.20298393289470038,
2261
+ "learning_rate": 2.1867233362521127e-06,
2262
+ "loss": 1.3255,
2263
+ "step": 1565
2264
+ },
2265
+ {
2266
+ "epoch": 0.72,
2267
+ "grad_norm": 0.20399564011279728,
2268
+ "learning_rate": 2.153569320448348e-06,
2269
+ "loss": 1.3928,
2270
+ "step": 1570
2271
+ },
2272
+ {
2273
+ "epoch": 0.73,
2274
+ "grad_norm": 0.20016486527706043,
2275
+ "learning_rate": 2.120599438453968e-06,
2276
+ "loss": 1.3769,
2277
+ "step": 1575
2278
+ },
2279
+ {
2280
+ "epoch": 0.73,
2281
+ "grad_norm": 0.20169522873545517,
2282
+ "learning_rate": 2.087815823069886e-06,
2283
+ "loss": 1.3745,
2284
+ "step": 1580
2285
+ },
2286
+ {
2287
+ "epoch": 0.73,
2288
+ "grad_norm": 0.1991770376256046,
2289
+ "learning_rate": 2.055220595047551e-06,
2290
+ "loss": 1.3542,
2291
+ "step": 1585
2292
+ },
2293
+ {
2294
+ "epoch": 0.73,
2295
+ "grad_norm": 0.2083925008192503,
2296
+ "learning_rate": 2.022815862951751e-06,
2297
+ "loss": 1.4182,
2298
+ "step": 1590
2299
+ },
2300
+ {
2301
+ "epoch": 0.73,
2302
+ "grad_norm": 0.20086735172689546,
2303
+ "learning_rate": 1.990603723024213e-06,
2304
+ "loss": 1.3524,
2305
+ "step": 1595
2306
+ },
2307
+ {
2308
+ "epoch": 0.74,
2309
+ "grad_norm": 0.20621921540546848,
2310
+ "learning_rate": 1.9585862590480005e-06,
2311
+ "loss": 1.3891,
2312
+ "step": 1600
2313
+ },
2314
+ {
2315
+ "epoch": 0.74,
2316
+ "eval_loss": 1.3076461553573608,
2317
+ "eval_runtime": 1777.0113,
2318
+ "eval_samples_per_second": 2.133,
2319
+ "eval_steps_per_second": 0.267,
2320
+ "step": 1600
2321
+ },
2322
+ {
2323
+ "epoch": 0.74,
2324
+ "grad_norm": 0.20007769280547363,
2325
+ "learning_rate": 1.926765542212707e-06,
2326
+ "loss": 1.3856,
2327
+ "step": 1605
2328
+ },
2329
+ {
2330
+ "epoch": 0.74,
2331
+ "grad_norm": 0.1980821730251063,
2332
+ "learning_rate": 1.8951436309804766e-06,
2333
+ "loss": 1.383,
2334
+ "step": 1610
2335
+ },
2336
+ {
2337
+ "epoch": 0.74,
2338
+ "grad_norm": 0.20314121257047116,
2339
+ "learning_rate": 1.8637225709528506e-06,
2340
+ "loss": 1.3752,
2341
+ "step": 1615
2342
+ },
2343
+ {
2344
+ "epoch": 0.75,
2345
+ "grad_norm": 0.2000738503413009,
2346
+ "learning_rate": 1.832504394738428e-06,
2347
+ "loss": 1.3501,
2348
+ "step": 1620
2349
+ },
2350
+ {
2351
+ "epoch": 0.75,
2352
+ "grad_norm": 0.19626992677384789,
2353
+ "learning_rate": 1.8014911218213832e-06,
2354
+ "loss": 1.3776,
2355
+ "step": 1625
2356
+ },
2357
+ {
2358
+ "epoch": 0.75,
2359
+ "grad_norm": 0.2132143728962325,
2360
+ "learning_rate": 1.770684758430824e-06,
2361
+ "loss": 1.3641,
2362
+ "step": 1630
2363
+ },
2364
+ {
2365
+ "epoch": 0.75,
2366
+ "grad_norm": 0.20230145941791186,
2367
+ "learning_rate": 1.7400872974110088e-06,
2368
+ "loss": 1.3714,
2369
+ "step": 1635
2370
+ },
2371
+ {
2372
+ "epoch": 0.76,
2373
+ "grad_norm": 0.20322390315184813,
2374
+ "learning_rate": 1.7097007180924375e-06,
2375
+ "loss": 1.3559,
2376
+ "step": 1640
2377
+ },
2378
+ {
2379
+ "epoch": 0.76,
2380
+ "grad_norm": 0.2097270533204938,
2381
+ "learning_rate": 1.6795269861638041e-06,
2382
+ "loss": 1.3555,
2383
+ "step": 1645
2384
+ },
2385
+ {
2386
+ "epoch": 0.76,
2387
+ "grad_norm": 0.20409576963271045,
2388
+ "learning_rate": 1.6495680535448405e-06,
2389
+ "loss": 1.3376,
2390
+ "step": 1650
2391
+ },
2392
+ {
2393
+ "epoch": 0.76,
2394
+ "grad_norm": 0.209992582333707,
2395
+ "learning_rate": 1.6198258582600418e-06,
2396
+ "loss": 1.3393,
2397
+ "step": 1655
2398
+ },
2399
+ {
2400
+ "epoch": 0.76,
2401
+ "grad_norm": 0.20186485511811675,
2402
+ "learning_rate": 1.590302324313303e-06,
2403
+ "loss": 1.3476,
2404
+ "step": 1660
2405
+ },
2406
+ {
2407
+ "epoch": 0.77,
2408
+ "grad_norm": 0.2039959334961091,
2409
+ "learning_rate": 1.5609993615634578e-06,
2410
+ "loss": 1.4172,
2411
+ "step": 1665
2412
+ },
2413
+ {
2414
+ "epoch": 0.77,
2415
+ "grad_norm": 0.2032115658244104,
2416
+ "learning_rate": 1.531918865600725e-06,
2417
+ "loss": 1.3866,
2418
+ "step": 1670
2419
+ },
2420
+ {
2421
+ "epoch": 0.77,
2422
+ "grad_norm": 0.20663125873556282,
2423
+ "learning_rate": 1.5030627176240903e-06,
2424
+ "loss": 1.3413,
2425
+ "step": 1675
2426
+ },
2427
+ {
2428
+ "epoch": 0.77,
2429
+ "grad_norm": 0.21419285282068773,
2430
+ "learning_rate": 1.4744327843196043e-06,
2431
+ "loss": 1.3685,
2432
+ "step": 1680
2433
+ },
2434
+ {
2435
+ "epoch": 0.78,
2436
+ "grad_norm": 0.20427116148089472,
2437
+ "learning_rate": 1.446030917739633e-06,
2438
+ "loss": 1.3864,
2439
+ "step": 1685
2440
+ },
2441
+ {
2442
+ "epoch": 0.78,
2443
+ "grad_norm": 0.21267201464638189,
2444
+ "learning_rate": 1.4178589551830585e-06,
2445
+ "loss": 1.3578,
2446
+ "step": 1690
2447
+ },
2448
+ {
2449
+ "epoch": 0.78,
2450
+ "grad_norm": 0.2021417320485247,
2451
+ "learning_rate": 1.3899187190764062e-06,
2452
+ "loss": 1.4034,
2453
+ "step": 1695
2454
+ },
2455
+ {
2456
+ "epoch": 0.78,
2457
+ "grad_norm": 0.19953428976865786,
2458
+ "learning_rate": 1.3622120168559656e-06,
2459
+ "loss": 1.3378,
2460
+ "step": 1700
2461
+ },
2462
+ {
2463
+ "epoch": 0.79,
2464
+ "grad_norm": 0.20322168013048264,
2465
+ "learning_rate": 1.3347406408508695e-06,
2466
+ "loss": 1.4032,
2467
+ "step": 1705
2468
+ },
2469
+ {
2470
+ "epoch": 0.79,
2471
+ "grad_norm": 0.19617963419360818,
2472
+ "learning_rate": 1.3075063681671408e-06,
2473
+ "loss": 1.3815,
2474
+ "step": 1710
2475
+ },
2476
+ {
2477
+ "epoch": 0.79,
2478
+ "grad_norm": 0.20338294719666272,
2479
+ "learning_rate": 1.280510960572745e-06,
2480
+ "loss": 1.376,
2481
+ "step": 1715
2482
+ },
2483
+ {
2484
+ "epoch": 0.79,
2485
+ "grad_norm": 0.20462364560864363,
2486
+ "learning_rate": 1.2537561643836087e-06,
2487
+ "loss": 1.3866,
2488
+ "step": 1720
2489
+ },
2490
+ {
2491
+ "epoch": 0.79,
2492
+ "grad_norm": 0.1963149280229846,
2493
+ "learning_rate": 1.2272437103506596e-06,
2494
+ "loss": 1.372,
2495
+ "step": 1725
2496
+ },
2497
+ {
2498
+ "epoch": 0.8,
2499
+ "grad_norm": 0.19716113021249304,
2500
+ "learning_rate": 1.200975313547867e-06,
2501
+ "loss": 1.3599,
2502
+ "step": 1730
2503
+ },
2504
+ {
2505
+ "epoch": 0.8,
2506
+ "grad_norm": 0.20573469916350295,
2507
+ "learning_rate": 1.1749526732612842e-06,
2508
+ "loss": 1.3562,
2509
+ "step": 1735
2510
+ },
2511
+ {
2512
+ "epoch": 0.8,
2513
+ "grad_norm": 0.20684676012413714,
2514
+ "learning_rate": 1.1491774728791416e-06,
2515
+ "loss": 1.3296,
2516
+ "step": 1740
2517
+ },
2518
+ {
2519
+ "epoch": 0.8,
2520
+ "grad_norm": 0.2090768120512491,
2521
+ "learning_rate": 1.1236513797829285e-06,
2522
+ "loss": 1.4248,
2523
+ "step": 1745
2524
+ },
2525
+ {
2526
+ "epoch": 0.81,
2527
+ "grad_norm": 0.20571837930886522,
2528
+ "learning_rate": 1.0983760452395415e-06,
2529
+ "loss": 1.3609,
2530
+ "step": 1750
2531
+ },
2532
+ {
2533
+ "epoch": 0.81,
2534
+ "grad_norm": 0.20867562597707268,
2535
+ "learning_rate": 1.07335310429447e-06,
2536
+ "loss": 1.3848,
2537
+ "step": 1755
2538
+ },
2539
+ {
2540
+ "epoch": 0.81,
2541
+ "grad_norm": 0.1988423228103918,
2542
+ "learning_rate": 1.048584175666012e-06,
2543
+ "loss": 1.3712,
2544
+ "step": 1760
2545
+ },
2546
+ {
2547
+ "epoch": 0.81,
2548
+ "grad_norm": 0.21063039041467455,
2549
+ "learning_rate": 1.0240708616405788e-06,
2550
+ "loss": 1.3611,
2551
+ "step": 1765
2552
+ },
2553
+ {
2554
+ "epoch": 0.82,
2555
+ "grad_norm": 0.20306439311302277,
2556
+ "learning_rate": 9.998147479690251e-07,
2557
+ "loss": 1.3478,
2558
+ "step": 1770
2559
+ },
2560
+ {
2561
+ "epoch": 0.82,
2562
+ "grad_norm": 0.2020964557722793,
2563
+ "learning_rate": 9.75817403764079e-07,
2564
+ "loss": 1.3433,
2565
+ "step": 1775
2566
+ },
2567
+ {
2568
+ "epoch": 0.82,
2569
+ "grad_norm": 0.20597190432737983,
2570
+ "learning_rate": 9.520803813988366e-07,
2571
+ "loss": 1.4058,
2572
+ "step": 1780
2573
+ },
2574
+ {
2575
+ "epoch": 0.82,
2576
+ "grad_norm": 0.20380209329114748,
2577
+ "learning_rate": 9.286052164063369e-07,
2578
+ "loss": 1.4028,
2579
+ "step": 1785
2580
+ },
2581
+ {
2582
+ "epoch": 0.82,
2583
+ "grad_norm": 0.2041857004062742,
2584
+ "learning_rate": 9.053934273802312e-07,
2585
+ "loss": 1.383,
2586
+ "step": 1790
2587
+ },
2588
+ {
2589
+ "epoch": 0.83,
2590
+ "grad_norm": 0.20684812528414637,
2591
+ "learning_rate": 8.824465158765433e-07,
2592
+ "loss": 1.3512,
2593
+ "step": 1795
2594
+ },
2595
+ {
2596
+ "epoch": 0.83,
2597
+ "grad_norm": 0.20386591712113425,
2598
+ "learning_rate": 8.597659663165364e-07,
2599
+ "loss": 1.3858,
2600
+ "step": 1800
2601
+ },
2602
+ {
2603
+ "epoch": 0.83,
2604
+ "eval_loss": 1.306676983833313,
2605
+ "eval_runtime": 1760.6924,
2606
+ "eval_samples_per_second": 2.153,
2607
+ "eval_steps_per_second": 0.269,
2608
+ "step": 1800
2609
+ },
2610
+ {
2611
+ "epoch": 0.83,
2612
+ "grad_norm": 0.19511280510666812,
2613
+ "learning_rate": 8.373532458906897e-07,
2614
+ "loss": 1.3261,
2615
+ "step": 1805
2616
+ },
2617
+ {
2618
+ "epoch": 0.83,
2619
+ "grad_norm": 0.20356348959673148,
2620
+ "learning_rate": 8.15209804463783e-07,
2621
+ "loss": 1.3288,
2622
+ "step": 1810
2623
+ },
2624
+ {
2625
+ "epoch": 0.84,
2626
+ "grad_norm": 0.2103018153717413,
2627
+ "learning_rate": 7.93337074481108e-07,
2628
+ "loss": 1.4425,
2629
+ "step": 1815
2630
+ },
2631
+ {
2632
+ "epoch": 0.84,
2633
+ "grad_norm": 0.20468220080909677,
2634
+ "learning_rate": 7.717364708758024e-07,
2635
+ "loss": 1.406,
2636
+ "step": 1820
2637
+ },
2638
+ {
2639
+ "epoch": 0.84,
2640
+ "grad_norm": 0.2040164153992187,
2641
+ "learning_rate": 7.504093909773174e-07,
2642
+ "loss": 1.3601,
2643
+ "step": 1825
2644
+ },
2645
+ {
2646
+ "epoch": 0.84,
2647
+ "grad_norm": 0.19961500414001193,
2648
+ "learning_rate": 7.293572144210332e-07,
2649
+ "loss": 1.3777,
2650
+ "step": 1830
2651
+ },
2652
+ {
2653
+ "epoch": 0.85,
2654
+ "grad_norm": 0.20035042813237278,
2655
+ "learning_rate": 7.085813030590022e-07,
2656
+ "loss": 1.3944,
2657
+ "step": 1835
2658
+ },
2659
+ {
2660
+ "epoch": 0.85,
2661
+ "grad_norm": 0.20685428154054034,
2662
+ "learning_rate": 6.880830008718564e-07,
2663
+ "loss": 1.3778,
2664
+ "step": 1840
2665
+ },
2666
+ {
2667
+ "epoch": 0.85,
2668
+ "grad_norm": 0.19642667708352796,
2669
+ "learning_rate": 6.678636338818645e-07,
2670
+ "loss": 1.3458,
2671
+ "step": 1845
2672
+ },
2673
+ {
2674
+ "epoch": 0.85,
2675
+ "grad_norm": 0.20222774080494071,
2676
+ "learning_rate": 6.47924510067151e-07,
2677
+ "loss": 1.3655,
2678
+ "step": 1850
2679
+ },
2680
+ {
2681
+ "epoch": 0.85,
2682
+ "grad_norm": 0.20419539962584285,
2683
+ "learning_rate": 6.282669192770896e-07,
2684
+ "loss": 1.424,
2685
+ "step": 1855
2686
+ },
2687
+ {
2688
+ "epoch": 0.86,
2689
+ "grad_norm": 0.1975487856167091,
2690
+ "learning_rate": 6.088921331488568e-07,
2691
+ "loss": 1.3424,
2692
+ "step": 1860
2693
+ },
2694
+ {
2695
+ "epoch": 0.86,
2696
+ "grad_norm": 0.2094178118159778,
2697
+ "learning_rate": 5.898014050251765e-07,
2698
+ "loss": 1.3611,
2699
+ "step": 1865
2700
+ },
2701
+ {
2702
+ "epoch": 0.86,
2703
+ "grad_norm": 0.20636955576818874,
2704
+ "learning_rate": 5.709959698732359e-07,
2705
+ "loss": 1.3779,
2706
+ "step": 1870
2707
+ },
2708
+ {
2709
+ "epoch": 0.86,
2710
+ "grad_norm": 0.21747927560303068,
2711
+ "learning_rate": 5.524770442047978e-07,
2712
+ "loss": 1.3308,
2713
+ "step": 1875
2714
+ },
2715
+ {
2716
+ "epoch": 0.87,
2717
+ "grad_norm": 0.20050302654738292,
2718
+ "learning_rate": 5.342458259975147e-07,
2719
+ "loss": 1.3865,
2720
+ "step": 1880
2721
+ },
2722
+ {
2723
+ "epoch": 0.87,
2724
+ "grad_norm": 0.2392412132808601,
2725
+ "learning_rate": 5.163034946174161e-07,
2726
+ "loss": 1.3792,
2727
+ "step": 1885
2728
+ },
2729
+ {
2730
+ "epoch": 0.87,
2731
+ "grad_norm": 0.20914070749895322,
2732
+ "learning_rate": 4.986512107426283e-07,
2733
+ "loss": 1.3812,
2734
+ "step": 1890
2735
+ },
2736
+ {
2737
+ "epoch": 0.87,
2738
+ "grad_norm": 0.21320420478322508,
2739
+ "learning_rate": 4.812901162882871e-07,
2740
+ "loss": 1.443,
2741
+ "step": 1895
2742
+ },
2743
+ {
2744
+ "epoch": 0.88,
2745
+ "grad_norm": 0.20606583697965636,
2746
+ "learning_rate": 4.6422133433266513e-07,
2747
+ "loss": 1.3546,
2748
+ "step": 1900
2749
+ },
2750
+ {
2751
+ "epoch": 0.88,
2752
+ "grad_norm": 0.20597370559054526,
2753
+ "learning_rate": 4.474459690445293e-07,
2754
+ "loss": 1.3803,
2755
+ "step": 1905
2756
+ },
2757
+ {
2758
+ "epoch": 0.88,
2759
+ "grad_norm": 0.20609624124174958,
2760
+ "learning_rate": 4.309651056117009e-07,
2761
+ "loss": 1.3806,
2762
+ "step": 1910
2763
+ },
2764
+ {
2765
+ "epoch": 0.88,
2766
+ "grad_norm": 0.21011536963816732,
2767
+ "learning_rate": 4.1477981017086387e-07,
2768
+ "loss": 1.3857,
2769
+ "step": 1915
2770
+ },
2771
+ {
2772
+ "epoch": 0.88,
2773
+ "grad_norm": 0.20861991251552262,
2774
+ "learning_rate": 3.9889112973859554e-07,
2775
+ "loss": 1.4178,
2776
+ "step": 1920
2777
+ },
2778
+ {
2779
+ "epoch": 0.89,
2780
+ "grad_norm": 0.20565429912809985,
2781
+ "learning_rate": 3.8330009214363197e-07,
2782
+ "loss": 1.3485,
2783
+ "step": 1925
2784
+ },
2785
+ {
2786
+ "epoch": 0.89,
2787
+ "grad_norm": 0.213262370271027,
2788
+ "learning_rate": 3.680077059603876e-07,
2789
+ "loss": 1.3857,
2790
+ "step": 1930
2791
+ },
2792
+ {
2793
+ "epoch": 0.89,
2794
+ "grad_norm": 0.21006993775062202,
2795
+ "learning_rate": 3.530149604436983e-07,
2796
+ "loss": 1.3718,
2797
+ "step": 1935
2798
+ },
2799
+ {
2800
+ "epoch": 0.89,
2801
+ "grad_norm": 0.20971631358735854,
2802
+ "learning_rate": 3.3832282546483686e-07,
2803
+ "loss": 1.3401,
2804
+ "step": 1940
2805
+ },
2806
+ {
2807
+ "epoch": 0.9,
2808
+ "grad_norm": 0.20675053040706537,
2809
+ "learning_rate": 3.239322514487686e-07,
2810
+ "loss": 1.3976,
2811
+ "step": 1945
2812
+ },
2813
+ {
2814
+ "epoch": 0.9,
2815
+ "grad_norm": 0.2070605402743848,
2816
+ "learning_rate": 3.098441693126719e-07,
2817
+ "loss": 1.3801,
2818
+ "step": 1950
2819
+ },
2820
+ {
2821
+ "epoch": 0.9,
2822
+ "grad_norm": 0.2036473853339382,
2823
+ "learning_rate": 2.9605949040571456e-07,
2824
+ "loss": 1.3975,
2825
+ "step": 1955
2826
+ },
2827
+ {
2828
+ "epoch": 0.9,
2829
+ "grad_norm": 0.20446499651024982,
2830
+ "learning_rate": 2.8257910645009935e-07,
2831
+ "loss": 1.3932,
2832
+ "step": 1960
2833
+ },
2834
+ {
2835
+ "epoch": 0.91,
2836
+ "grad_norm": 0.20745728206982056,
2837
+ "learning_rate": 2.6940388948338057e-07,
2838
+ "loss": 1.4214,
2839
+ "step": 1965
2840
+ },
2841
+ {
2842
+ "epoch": 0.91,
2843
+ "grad_norm": 0.20628378675298625,
2844
+ "learning_rate": 2.565346918020534e-07,
2845
+ "loss": 1.3234,
2846
+ "step": 1970
2847
+ },
2848
+ {
2849
+ "epoch": 0.91,
2850
+ "grad_norm": 0.19884308459081187,
2851
+ "learning_rate": 2.4397234590641696e-07,
2852
+ "loss": 1.4086,
2853
+ "step": 1975
2854
+ },
2855
+ {
2856
+ "epoch": 0.91,
2857
+ "grad_norm": 0.196985413218799,
2858
+ "learning_rate": 2.3171766444672227e-07,
2859
+ "loss": 1.4203,
2860
+ "step": 1980
2861
+ },
2862
+ {
2863
+ "epoch": 0.91,
2864
+ "grad_norm": 0.20225024562843938,
2865
+ "learning_rate": 2.1977144017060027e-07,
2866
+ "loss": 1.3859,
2867
+ "step": 1985
2868
+ },
2869
+ {
2870
+ "epoch": 0.92,
2871
+ "grad_norm": 0.20030763530819898,
2872
+ "learning_rate": 2.0813444587178156e-07,
2873
+ "loss": 1.3889,
2874
+ "step": 1990
2875
+ },
2876
+ {
2877
+ "epoch": 0.92,
2878
+ "grad_norm": 0.20327002619311596,
2879
+ "learning_rate": 1.9680743434010385e-07,
2880
+ "loss": 1.3745,
2881
+ "step": 1995
2882
+ },
2883
+ {
2884
+ "epoch": 0.92,
2885
+ "grad_norm": 0.20095518840823687,
2886
+ "learning_rate": 1.8579113831281525e-07,
2887
+ "loss": 1.3635,
2888
+ "step": 2000
2889
+ },
2890
+ {
2891
+ "epoch": 0.92,
2892
+ "eval_loss": 1.3063520193099976,
2893
+ "eval_runtime": 2013.9504,
2894
+ "eval_samples_per_second": 1.882,
2895
+ "eval_steps_per_second": 0.235,
2896
+ "step": 2000
2897
+ },
2898
+ {
2899
+ "epoch": 0.92,
2900
+ "grad_norm": 0.20459938594623875,
2901
+ "learning_rate": 1.7508627042717387e-07,
2902
+ "loss": 1.4269,
2903
+ "step": 2005
2904
+ },
2905
+ {
2906
+ "epoch": 0.93,
2907
+ "grad_norm": 0.2004705031433909,
2908
+ "learning_rate": 1.6469352317434627e-07,
2909
+ "loss": 1.3789,
2910
+ "step": 2010
2911
+ },
2912
+ {
2913
+ "epoch": 0.93,
2914
+ "grad_norm": 0.19922047944368607,
2915
+ "learning_rate": 1.5461356885461077e-07,
2916
+ "loss": 1.3811,
2917
+ "step": 2015
2918
+ },
2919
+ {
2920
+ "epoch": 0.93,
2921
+ "grad_norm": 0.20506581374899654,
2922
+ "learning_rate": 1.4484705953386968e-07,
2923
+ "loss": 1.3677,
2924
+ "step": 2020
2925
+ },
2926
+ {
2927
+ "epoch": 0.93,
2928
+ "grad_norm": 0.20196871274072786,
2929
+ "learning_rate": 1.35394627001465e-07,
2930
+ "loss": 1.3871,
2931
+ "step": 2025
2932
+ },
2933
+ {
2934
+ "epoch": 0.94,
2935
+ "grad_norm": 0.21302376799020897,
2936
+ "learning_rate": 1.2625688272930925e-07,
2937
+ "loss": 1.3673,
2938
+ "step": 2030
2939
+ },
2940
+ {
2941
+ "epoch": 0.94,
2942
+ "grad_norm": 0.20437076323448575,
2943
+ "learning_rate": 1.174344178323289e-07,
2944
+ "loss": 1.3701,
2945
+ "step": 2035
2946
+ },
2947
+ {
2948
+ "epoch": 0.94,
2949
+ "grad_norm": 0.20259273082335125,
2950
+ "learning_rate": 1.0892780303022377e-07,
2951
+ "loss": 1.4004,
2952
+ "step": 2040
2953
+ },
2954
+ {
2955
+ "epoch": 0.94,
2956
+ "grad_norm": 0.19927961571470354,
2957
+ "learning_rate": 1.007375886105555e-07,
2958
+ "loss": 1.3781,
2959
+ "step": 2045
2960
+ },
2961
+ {
2962
+ "epoch": 0.94,
2963
+ "grad_norm": 0.19648191268958623,
2964
+ "learning_rate": 9.286430439313876e-08,
2965
+ "loss": 1.3719,
2966
+ "step": 2050
2967
+ },
2968
+ {
2969
+ "epoch": 0.95,
2970
+ "grad_norm": 0.2081842753213948,
2971
+ "learning_rate": 8.530845969577594e-08,
2972
+ "loss": 1.3347,
2973
+ "step": 2055
2974
+ },
2975
+ {
2976
+ "epoch": 0.95,
2977
+ "grad_norm": 0.19777453793305202,
2978
+ "learning_rate": 7.80705433013046e-08,
2979
+ "loss": 1.3645,
2980
+ "step": 2060
2981
+ },
2982
+ {
2983
+ "epoch": 0.95,
2984
+ "grad_norm": 0.2001901456526902,
2985
+ "learning_rate": 7.115102342598101e-08,
2986
+ "loss": 1.3549,
2987
+ "step": 2065
2988
+ },
2989
+ {
2990
+ "epoch": 0.95,
2991
+ "grad_norm": 0.2085779076020987,
2992
+ "learning_rate": 6.455034768919288e-08,
2993
+ "loss": 1.395,
2994
+ "step": 2070
2995
+ },
2996
+ {
2997
+ "epoch": 0.96,
2998
+ "grad_norm": 0.2007001569199437,
2999
+ "learning_rate": 5.826894308449904e-08,
3000
+ "loss": 1.3418,
3001
+ "step": 2075
3002
+ },
3003
+ {
3004
+ "epoch": 0.96,
3005
+ "grad_norm": 0.20019336918988379,
3006
+ "learning_rate": 5.230721595201049e-08,
3007
+ "loss": 1.3808,
3008
+ "step": 2080
3009
+ },
3010
+ {
3011
+ "epoch": 0.96,
3012
+ "grad_norm": 0.20532075618369505,
3013
+ "learning_rate": 4.666555195210365e-08,
3014
+ "loss": 1.3624,
3015
+ "step": 2085
3016
+ },
3017
+ {
3018
+ "epoch": 0.96,
3019
+ "grad_norm": 0.19955856360806487,
3020
+ "learning_rate": 4.134431604047195e-08,
3021
+ "loss": 1.3851,
3022
+ "step": 2090
3023
+ },
3024
+ {
3025
+ "epoch": 0.97,
3026
+ "grad_norm": 0.19995218707394016,
3027
+ "learning_rate": 3.63438524445181e-08,
3028
+ "loss": 1.404,
3029
+ "step": 2095
3030
+ },
3031
+ {
3032
+ "epoch": 0.97,
3033
+ "grad_norm": 0.2027473195079258,
3034
+ "learning_rate": 3.166448464108629e-08,
3035
+ "loss": 1.3654,
3036
+ "step": 2100
3037
+ },
3038
+ {
3039
+ "epoch": 0.97,
3040
+ "grad_norm": 0.21316411475600813,
3041
+ "learning_rate": 2.7306515335532857e-08,
3042
+ "loss": 1.4004,
3043
+ "step": 2105
3044
+ },
3045
+ {
3046
+ "epoch": 0.97,
3047
+ "grad_norm": 0.19985677477921807,
3048
+ "learning_rate": 2.327022644215193e-08,
3049
+ "loss": 1.3813,
3050
+ "step": 2110
3051
+ },
3052
+ {
3053
+ "epoch": 0.97,
3054
+ "grad_norm": 0.20946530787894166,
3055
+ "learning_rate": 1.9555879065930038e-08,
3056
+ "loss": 1.4226,
3057
+ "step": 2115
3058
+ },
3059
+ {
3060
+ "epoch": 0.98,
3061
+ "grad_norm": 0.1975351975591122,
3062
+ "learning_rate": 1.6163713485662923e-08,
3063
+ "loss": 1.3792,
3064
+ "step": 2120
3065
+ },
3066
+ {
3067
+ "epoch": 0.98,
3068
+ "grad_norm": 0.20571768755825784,
3069
+ "learning_rate": 1.3093949138406892e-08,
3070
+ "loss": 1.3918,
3071
+ "step": 2125
3072
+ },
3073
+ {
3074
+ "epoch": 0.98,
3075
+ "grad_norm": 0.44915439425778153,
3076
+ "learning_rate": 1.03467846052846e-08,
3077
+ "loss": 1.3642,
3078
+ "step": 2130
3079
+ },
3080
+ {
3081
+ "epoch": 0.98,
3082
+ "grad_norm": 0.20214902180431968,
3083
+ "learning_rate": 7.922397598642551e-09,
3084
+ "loss": 1.3599,
3085
+ "step": 2135
3086
+ },
3087
+ {
3088
+ "epoch": 0.99,
3089
+ "grad_norm": 0.19767842515824202,
3090
+ "learning_rate": 5.820944950549745e-09,
3091
+ "loss": 1.3599,
3092
+ "step": 2140
3093
+ },
3094
+ {
3095
+ "epoch": 0.99,
3096
+ "grad_norm": 0.1991438801798082,
3097
+ "learning_rate": 4.042562602655231e-09,
3098
+ "loss": 1.3446,
3099
+ "step": 2145
3100
+ },
3101
+ {
3102
+ "epoch": 0.99,
3103
+ "grad_norm": 0.20173015884228035,
3104
+ "learning_rate": 2.5873655973945864e-09,
3105
+ "loss": 1.3461,
3106
+ "step": 2150
3107
+ },
3108
+ {
3109
+ "epoch": 0.99,
3110
+ "grad_norm": 0.20119946240562925,
3111
+ "learning_rate": 1.4554480705458729e-09,
3112
+ "loss": 1.3474,
3113
+ "step": 2155
3114
+ },
3115
+ {
3116
+ "epoch": 1.0,
3117
+ "grad_norm": 0.20468648298029762,
3118
+ "learning_rate": 6.468832451417273e-10,
3119
+ "loss": 1.3649,
3120
+ "step": 2160
3121
+ },
3122
+ {
3123
+ "epoch": 1.0,
3124
+ "grad_norm": 0.19998165788056904,
3125
+ "learning_rate": 1.617234267320411e-10,
3126
+ "loss": 1.3677,
3127
+ "step": 2165
3128
+ },
3129
+ {
3130
+ "epoch": 1.0,
3131
+ "grad_norm": 0.21026892718522863,
3132
+ "learning_rate": 0.0,
3133
+ "loss": 1.3748,
3134
+ "step": 2170
3135
+ },
3136
+ {
3137
+ "epoch": 1.0,
3138
+ "step": 2170,
3139
+ "total_flos": 7055767844683776.0,
3140
+ "train_loss": 1.4133363889659056,
3141
+ "train_runtime": 112943.9974,
3142
+ "train_samples_per_second": 0.615,
3143
+ "train_steps_per_second": 0.019
3144
+ }
3145
+ ],
3146
+ "logging_steps": 5,
3147
+ "max_steps": 2170,
3148
+ "num_input_tokens_seen": 0,
3149
+ "num_train_epochs": 1,
3150
+ "save_steps": 200,
3151
+ "total_flos": 7055767844683776.0,
3152
+ "train_batch_size": 2,
3153
+ "trial_name": null,
3154
+ "trial_params": null
3155
+ }