{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.0,
  "eval_steps": 500,
  "global_step": 11250,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 16.12137222290039,
      "learning_rate": 9.555555555555556e-06,
      "loss": 1.003,
      "step": 500
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 17.94552993774414,
      "learning_rate": 9.111111111111112e-06,
      "loss": 0.7125,
      "step": 1000
    },
    {
      "epoch": 0.4,
      "grad_norm": 15.304773330688477,
      "learning_rate": 8.666666666666668e-06,
      "loss": 0.5609,
      "step": 1500
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 10.148179054260254,
      "learning_rate": 8.222222222222222e-06,
      "loss": 0.5285,
      "step": 2000
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 28.61308479309082,
      "learning_rate": 7.77777777777778e-06,
      "loss": 0.4966,
      "step": 2500
    },
    {
      "epoch": 0.8,
      "grad_norm": 10.25378131866455,
      "learning_rate": 7.333333333333333e-06,
      "loss": 0.5003,
      "step": 3000
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 9.449405670166016,
      "learning_rate": 6.88888888888889e-06,
      "loss": 0.4678,
      "step": 3500
    },
    {
      "epoch": 1.0,
      "eval_loss": 0.4248977303504944,
      "eval_runtime": 58.7273,
      "eval_samples_per_second": 167.128,
      "eval_steps_per_second": 20.893,
      "step": 3750
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 0.16836702823638916,
      "learning_rate": 6.444444444444445e-06,
      "loss": 0.3946,
      "step": 4000
    },
    {
      "epoch": 1.2,
      "grad_norm": 11.650405883789062,
      "learning_rate": 6e-06,
      "loss": 0.3418,
      "step": 4500
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 13.405481338500977,
      "learning_rate": 5.555555555555557e-06,
      "loss": 0.3417,
      "step": 5000
    },
    {
      "epoch": 1.4666666666666668,
      "grad_norm": 16.331323623657227,
      "learning_rate": 5.1111111111111115e-06,
      "loss": 0.3439,
      "step": 5500
    },
    {
      "epoch": 1.6,
      "grad_norm": 33.12583923339844,
      "learning_rate": 4.666666666666667e-06,
      "loss": 0.3362,
      "step": 6000
    },
    {
      "epoch": 1.7333333333333334,
      "grad_norm": 1.8709145784378052,
      "learning_rate": 4.222222222222223e-06,
      "loss": 0.3224,
      "step": 6500
    },
    {
      "epoch": 1.8666666666666667,
      "grad_norm": 6.331809997558594,
      "learning_rate": 3.777777777777778e-06,
      "loss": 0.3232,
      "step": 7000
    },
    {
      "epoch": 2.0,
      "grad_norm": 10.22421932220459,
      "learning_rate": 3.3333333333333333e-06,
      "loss": 0.316,
      "step": 7500
    },
    {
      "epoch": 2.0,
      "eval_loss": 0.5549989938735962,
      "eval_runtime": 58.9613,
      "eval_samples_per_second": 166.465,
      "eval_steps_per_second": 20.81,
      "step": 7500
    },
    {
      "epoch": 2.1333333333333333,
      "grad_norm": 0.016541074961423874,
      "learning_rate": 2.888888888888889e-06,
      "loss": 0.1642,
      "step": 8000
    },
    {
      "epoch": 2.2666666666666666,
      "grad_norm": 0.9492567777633667,
      "learning_rate": 2.4444444444444447e-06,
      "loss": 0.1903,
      "step": 8500
    },
    {
      "epoch": 2.4,
      "grad_norm": 53.34320831298828,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.1704,
      "step": 9000
    },
    {
      "epoch": 2.533333333333333,
      "grad_norm": 1.3896737098693848,
      "learning_rate": 1.5555555555555558e-06,
      "loss": 0.1907,
      "step": 9500
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.036215439438819885,
      "learning_rate": 1.111111111111111e-06,
      "loss": 0.1758,
      "step": 10000
    },
    {
      "epoch": 2.8,
      "grad_norm": 79.79764556884766,
      "learning_rate": 6.666666666666667e-07,
      "loss": 0.1788,
      "step": 10500
    },
    {
      "epoch": 2.9333333333333336,
      "grad_norm": 3.713744878768921,
      "learning_rate": 2.2222222222222224e-07,
      "loss": 0.1795,
      "step": 11000
    },
    {
      "epoch": 3.0,
      "eval_loss": 0.9056276679039001,
      "eval_runtime": 64.0652,
      "eval_samples_per_second": 153.203,
      "eval_steps_per_second": 19.152,
      "step": 11250
    }
  ],
  "logging_steps": 500,
  "max_steps": 11250,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 4230516689574336.0,
  "train_batch_size": 8,
  "trial_name": null,
  "trial_params": null
}