File size: 4,474 Bytes
820926b
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 5.1646223369916076,
  "eval_steps": 500,
  "global_step": 500,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.21,
      "grad_norm": 1.3856842517852783,
      "learning_rate": 1.9868055555555558e-05,
      "loss": 1.1287,
      "step": 20
    },
    {
      "epoch": 0.41,
      "grad_norm": 0.4272608458995819,
      "learning_rate": 1.9736111111111115e-05,
      "loss": 1.0586,
      "step": 40
    },
    {
      "epoch": 0.62,
      "grad_norm": 0.4174883961677551,
      "learning_rate": 1.9597222222222224e-05,
      "loss": 1.0166,
      "step": 60
    },
    {
      "epoch": 0.83,
      "grad_norm": 0.35379958152770996,
      "learning_rate": 1.9458333333333333e-05,
      "loss": 0.8919,
      "step": 80
    },
    {
      "epoch": 1.03,
      "grad_norm": 0.3820742964744568,
      "learning_rate": 1.9319444444444446e-05,
      "loss": 0.7971,
      "step": 100
    },
    {
      "epoch": 1.24,
      "grad_norm": 0.34241142868995667,
      "learning_rate": 1.918055555555556e-05,
      "loss": 0.7466,
      "step": 120
    },
    {
      "epoch": 1.45,
      "grad_norm": 0.48230335116386414,
      "learning_rate": 1.9041666666666668e-05,
      "loss": 0.7468,
      "step": 140
    },
    {
      "epoch": 1.65,
      "grad_norm": 0.45057639479637146,
      "learning_rate": 1.890277777777778e-05,
      "loss": 0.7373,
      "step": 160
    },
    {
      "epoch": 1.86,
      "grad_norm": 0.43228989839553833,
      "learning_rate": 1.876388888888889e-05,
      "loss": 0.756,
      "step": 180
    },
    {
      "epoch": 2.07,
      "grad_norm": 0.460918664932251,
      "learning_rate": 1.8625000000000002e-05,
      "loss": 0.7186,
      "step": 200
    },
    {
      "epoch": 2.27,
      "grad_norm": 0.8221462368965149,
      "learning_rate": 1.8486111111111115e-05,
      "loss": 0.6772,
      "step": 220
    },
    {
      "epoch": 2.48,
      "grad_norm": 0.547721266746521,
      "learning_rate": 1.8347222222222224e-05,
      "loss": 0.6809,
      "step": 240
    },
    {
      "epoch": 2.69,
      "grad_norm": 0.6005927920341492,
      "learning_rate": 1.8208333333333333e-05,
      "loss": 0.6651,
      "step": 260
    },
    {
      "epoch": 2.89,
      "grad_norm": 0.7613247632980347,
      "learning_rate": 1.8069444444444446e-05,
      "loss": 0.641,
      "step": 280
    },
    {
      "epoch": 3.1,
      "grad_norm": 0.668274462223053,
      "learning_rate": 1.793055555555556e-05,
      "loss": 0.6296,
      "step": 300
    },
    {
      "epoch": 3.31,
      "grad_norm": 0.6101451516151428,
      "learning_rate": 1.7791666666666668e-05,
      "loss": 0.6033,
      "step": 320
    },
    {
      "epoch": 3.51,
      "grad_norm": 0.8970944285392761,
      "learning_rate": 1.765277777777778e-05,
      "loss": 0.5939,
      "step": 340
    },
    {
      "epoch": 3.72,
      "grad_norm": 0.9417675137519836,
      "learning_rate": 1.751388888888889e-05,
      "loss": 0.5966,
      "step": 360
    },
    {
      "epoch": 3.93,
      "grad_norm": 1.3364688158035278,
      "learning_rate": 1.7375000000000002e-05,
      "loss": 0.5771,
      "step": 380
    },
    {
      "epoch": 4.13,
      "grad_norm": 0.7763314843177795,
      "learning_rate": 1.7236111111111115e-05,
      "loss": 0.5588,
      "step": 400
    },
    {
      "epoch": 4.34,
      "grad_norm": 1.156174659729004,
      "learning_rate": 1.7097222222222224e-05,
      "loss": 0.5571,
      "step": 420
    },
    {
      "epoch": 4.54,
      "grad_norm": 0.8457236886024475,
      "learning_rate": 1.6958333333333333e-05,
      "loss": 0.5431,
      "step": 440
    },
    {
      "epoch": 4.75,
      "grad_norm": 1.1372079849243164,
      "learning_rate": 1.6819444444444446e-05,
      "loss": 0.4839,
      "step": 460
    },
    {
      "epoch": 4.96,
      "grad_norm": 1.0457851886749268,
      "learning_rate": 1.668055555555556e-05,
      "loss": 0.5041,
      "step": 480
    },
    {
      "epoch": 5.16,
      "grad_norm": 1.1884819269180298,
      "learning_rate": 1.6541666666666668e-05,
      "loss": 0.468,
      "step": 500
    }
  ],
  "logging_steps": 20,
  "max_steps": 2880,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 30,
  "save_steps": 500,
  "total_flos": 1.1559398685499392e+17,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}