lhallee commited on
Commit
1bc7266
·
verified ·
1 Parent(s): 1a4f959

Training in progress, step 42000, checkpoint

Browse files
checkpoint-42000/config.json ADDED
@@ -0,0 +1,25 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "annotation_transformer": false,
3
+ "architectures": [
4
+ "CAMP"
5
+ ],
6
+ "diff": false,
7
+ "dropout": 0.05,
8
+ "hidden_dim": 640,
9
+ "input_dim": 384,
10
+ "intermediate_dim": 2560,
11
+ "kernel_size": 11,
12
+ "latent": false,
13
+ "mlm": false,
14
+ "mnr": false,
15
+ "model_type": "CAMP",
16
+ "nhead": 8,
17
+ "nlp_path": "allenai/scibert_scivocab_uncased",
18
+ "num_hidden_layers": 1,
19
+ "out_dim": 512,
20
+ "plm_path": "facebook/esm2_t33_650m_UR50D",
21
+ "pooling": "avg",
22
+ "token": null,
23
+ "torch_dtype": "bfloat16",
24
+ "transformers_version": "4.41.2"
25
+ }
checkpoint-42000/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:7dd869ab0e00dc0a6c35fad8b9e07663506c8c076e30e375e3fb135d53d35217
3
+ size 1570427506
checkpoint-42000/trainer_state.json ADDED
@@ -0,0 +1,3435 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.940733772342427,
5
+ "eval_steps": 1000,
6
+ "global_step": 42000,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.002239842315101017,
13
+ "grad_norm": 71.10852813720703,
14
+ "learning_rate": 0.0001,
15
+ "loss": 3.5057,
16
+ "step": 100
17
+ },
18
+ {
19
+ "epoch": 0.004479684630202034,
20
+ "grad_norm": 57.756534576416016,
21
+ "learning_rate": 9.9998756572327e-05,
22
+ "loss": 0.8254,
23
+ "step": 200
24
+ },
25
+ {
26
+ "epoch": 0.006719526945303051,
27
+ "grad_norm": 44.61080551147461,
28
+ "learning_rate": 9.999502635115246e-05,
29
+ "loss": 0.6935,
30
+ "step": 300
31
+ },
32
+ {
33
+ "epoch": 0.008959369260404068,
34
+ "grad_norm": 50.82619094848633,
35
+ "learning_rate": 9.998880952200681e-05,
36
+ "loss": 0.5972,
37
+ "step": 400
38
+ },
39
+ {
40
+ "epoch": 0.011199211575505085,
41
+ "grad_norm": 44.26677703857422,
42
+ "learning_rate": 9.998010639409713e-05,
43
+ "loss": 0.5408,
44
+ "step": 500
45
+ },
46
+ {
47
+ "epoch": 0.013439053890606102,
48
+ "grad_norm": 42.8045654296875,
49
+ "learning_rate": 9.996891740029186e-05,
50
+ "loss": 0.5509,
51
+ "step": 600
52
+ },
53
+ {
54
+ "epoch": 0.01567889620570712,
55
+ "grad_norm": 30.989139556884766,
56
+ "learning_rate": 9.995524309709913e-05,
57
+ "loss": 0.4823,
58
+ "step": 700
59
+ },
60
+ {
61
+ "epoch": 0.017918738520808136,
62
+ "grad_norm": 34.01952362060547,
63
+ "learning_rate": 9.993908416463927e-05,
64
+ "loss": 0.5111,
65
+ "step": 800
66
+ },
67
+ {
68
+ "epoch": 0.020158580835909153,
69
+ "grad_norm": 34.079307556152344,
70
+ "learning_rate": 9.992044140661079e-05,
71
+ "loss": 0.4635,
72
+ "step": 900
73
+ },
74
+ {
75
+ "epoch": 0.02239842315101017,
76
+ "grad_norm": 26.16071128845215,
77
+ "learning_rate": 9.989931575025056e-05,
78
+ "loss": 0.4883,
79
+ "step": 1000
80
+ },
81
+ {
82
+ "epoch": 0.02239842315101017,
83
+ "eval_avg_non_pair_similarity": 0.0020343252948339737,
84
+ "eval_avg_pair_similarity": 0.008852629057131708,
85
+ "eval_loss": 0.5431402921676636,
86
+ "eval_runtime": 19.6178,
87
+ "eval_samples_per_second": 25.487,
88
+ "eval_similarity_ratio": 4.35162905343228,
89
+ "eval_steps_per_second": 0.816,
90
+ "step": 1000
91
+ },
92
+ {
93
+ "epoch": 0.024638265466111187,
94
+ "grad_norm": 35.38695526123047,
95
+ "learning_rate": 9.987570824628759e-05,
96
+ "loss": 0.4655,
97
+ "step": 1100
98
+ },
99
+ {
100
+ "epoch": 0.026878107781212204,
101
+ "grad_norm": 32.071346282958984,
102
+ "learning_rate": 9.984962006889084e-05,
103
+ "loss": 0.4342,
104
+ "step": 1200
105
+ },
106
+ {
107
+ "epoch": 0.029117950096313218,
108
+ "grad_norm": 39.6610221862793,
109
+ "learning_rate": 9.982105251561082e-05,
110
+ "loss": 0.458,
111
+ "step": 1300
112
+ },
113
+ {
114
+ "epoch": 0.03135779241141424,
115
+ "grad_norm": 31.493322372436523,
116
+ "learning_rate": 9.979000700731491e-05,
117
+ "loss": 0.4525,
118
+ "step": 1400
119
+ },
120
+ {
121
+ "epoch": 0.03359763472651525,
122
+ "grad_norm": 34.453399658203125,
123
+ "learning_rate": 9.975648508811693e-05,
124
+ "loss": 0.41,
125
+ "step": 1500
126
+ },
127
+ {
128
+ "epoch": 0.03583747704161627,
129
+ "grad_norm": 33.990074157714844,
130
+ "learning_rate": 9.972048842530012e-05,
131
+ "loss": 0.4097,
132
+ "step": 1600
133
+ },
134
+ {
135
+ "epoch": 0.038077319356717286,
136
+ "grad_norm": 30.44228172302246,
137
+ "learning_rate": 9.968201880923439e-05,
138
+ "loss": 0.4257,
139
+ "step": 1700
140
+ },
141
+ {
142
+ "epoch": 0.040317161671818307,
143
+ "grad_norm": 31.427162170410156,
144
+ "learning_rate": 9.964107815328711e-05,
145
+ "loss": 0.3821,
146
+ "step": 1800
147
+ },
148
+ {
149
+ "epoch": 0.04255700398691932,
150
+ "grad_norm": 25.877887725830078,
151
+ "learning_rate": 9.959766849372808e-05,
152
+ "loss": 0.3788,
153
+ "step": 1900
154
+ },
155
+ {
156
+ "epoch": 0.04479684630202034,
157
+ "grad_norm": 25.36798095703125,
158
+ "learning_rate": 9.955179198962817e-05,
159
+ "loss": 0.3854,
160
+ "step": 2000
161
+ },
162
+ {
163
+ "epoch": 0.04479684630202034,
164
+ "eval_avg_non_pair_similarity": 0.0016289287904792565,
165
+ "eval_avg_pair_similarity": 0.0032495629731565715,
166
+ "eval_loss": 0.4394480586051941,
167
+ "eval_runtime": 19.5064,
168
+ "eval_samples_per_second": 25.633,
169
+ "eval_similarity_ratio": 1.9949079371360972,
170
+ "eval_steps_per_second": 0.82,
171
+ "step": 2000
172
+ },
173
+ {
174
+ "epoch": 0.047036688617121354,
175
+ "grad_norm": 24.537384033203125,
176
+ "learning_rate": 9.950345092275198e-05,
177
+ "loss": 0.3886,
178
+ "step": 2100
179
+ },
180
+ {
181
+ "epoch": 0.049276530932222375,
182
+ "grad_norm": 26.4981632232666,
183
+ "learning_rate": 9.945264769744431e-05,
184
+ "loss": 0.3926,
185
+ "step": 2200
186
+ },
187
+ {
188
+ "epoch": 0.05151637324732339,
189
+ "grad_norm": 40.585941314697266,
190
+ "learning_rate": 9.939938484051063e-05,
191
+ "loss": 0.3796,
192
+ "step": 2300
193
+ },
194
+ {
195
+ "epoch": 0.05375621556242441,
196
+ "grad_norm": 26.374149322509766,
197
+ "learning_rate": 9.934366500109132e-05,
198
+ "loss": 0.3723,
199
+ "step": 2400
200
+ },
201
+ {
202
+ "epoch": 0.05599605787752542,
203
+ "grad_norm": 31.54728126525879,
204
+ "learning_rate": 9.928549095053001e-05,
205
+ "loss": 0.3639,
206
+ "step": 2500
207
+ },
208
+ {
209
+ "epoch": 0.058235900192626436,
210
+ "grad_norm": 26.00455093383789,
211
+ "learning_rate": 9.922486558223567e-05,
212
+ "loss": 0.3387,
213
+ "step": 2600
214
+ },
215
+ {
216
+ "epoch": 0.060475742507727456,
217
+ "grad_norm": 23.684057235717773,
218
+ "learning_rate": 9.916179191153873e-05,
219
+ "loss": 0.3494,
220
+ "step": 2700
221
+ },
222
+ {
223
+ "epoch": 0.06271558482282848,
224
+ "grad_norm": 24.034656524658203,
225
+ "learning_rate": 9.909627307554108e-05,
226
+ "loss": 0.362,
227
+ "step": 2800
228
+ },
229
+ {
230
+ "epoch": 0.06495542713792948,
231
+ "grad_norm": 31.07891082763672,
232
+ "learning_rate": 9.902831233296009e-05,
233
+ "loss": 0.3481,
234
+ "step": 2900
235
+ },
236
+ {
237
+ "epoch": 0.0671952694530305,
238
+ "grad_norm": 24.183626174926758,
239
+ "learning_rate": 9.895791306396644e-05,
240
+ "loss": 0.3535,
241
+ "step": 3000
242
+ },
243
+ {
244
+ "epoch": 0.0671952694530305,
245
+ "eval_avg_non_pair_similarity": -0.0007878901720614375,
246
+ "eval_avg_pair_similarity": -0.008789425778668375,
247
+ "eval_loss": 0.4187028110027313,
248
+ "eval_runtime": 19.4839,
249
+ "eval_samples_per_second": 25.662,
250
+ "eval_similarity_ratio": 11.155648452463497,
251
+ "eval_steps_per_second": 0.821,
252
+ "step": 3000
253
+ },
254
+ {
255
+ "epoch": 0.06943511176813152,
256
+ "grad_norm": 20.178213119506836,
257
+ "learning_rate": 9.888507877001616e-05,
258
+ "loss": 0.3375,
259
+ "step": 3100
260
+ },
261
+ {
262
+ "epoch": 0.07167495408323254,
263
+ "grad_norm": 31.757244110107422,
264
+ "learning_rate": 9.880981307367627e-05,
265
+ "loss": 0.3489,
266
+ "step": 3200
267
+ },
268
+ {
269
+ "epoch": 0.07391479639833355,
270
+ "grad_norm": 27.889982223510742,
271
+ "learning_rate": 9.873211971844477e-05,
272
+ "loss": 0.3463,
273
+ "step": 3300
274
+ },
275
+ {
276
+ "epoch": 0.07615463871343457,
277
+ "grad_norm": 23.282093048095703,
278
+ "learning_rate": 9.865200256856437e-05,
279
+ "loss": 0.3235,
280
+ "step": 3400
281
+ },
282
+ {
283
+ "epoch": 0.07839448102853559,
284
+ "grad_norm": 24.573863983154297,
285
+ "learning_rate": 9.856946560883034e-05,
286
+ "loss": 0.3474,
287
+ "step": 3500
288
+ },
289
+ {
290
+ "epoch": 0.08063432334363661,
291
+ "grad_norm": 20.7421932220459,
292
+ "learning_rate": 9.848451294439224e-05,
293
+ "loss": 0.3533,
294
+ "step": 3600
295
+ },
296
+ {
297
+ "epoch": 0.08287416565873762,
298
+ "grad_norm": 22.051513671875,
299
+ "learning_rate": 9.839714880054987e-05,
300
+ "loss": 0.3277,
301
+ "step": 3700
302
+ },
303
+ {
304
+ "epoch": 0.08511400797383864,
305
+ "grad_norm": 22.470027923583984,
306
+ "learning_rate": 9.830737752254294e-05,
307
+ "loss": 0.3261,
308
+ "step": 3800
309
+ },
310
+ {
311
+ "epoch": 0.08735385028893966,
312
+ "grad_norm": 20.80890464782715,
313
+ "learning_rate": 9.821520357533513e-05,
314
+ "loss": 0.3474,
315
+ "step": 3900
316
+ },
317
+ {
318
+ "epoch": 0.08959369260404068,
319
+ "grad_norm": 20.187280654907227,
320
+ "learning_rate": 9.812063154339191e-05,
321
+ "loss": 0.2984,
322
+ "step": 4000
323
+ },
324
+ {
325
+ "epoch": 0.08959369260404068,
326
+ "eval_avg_non_pair_similarity": -0.0008396646829899625,
327
+ "eval_avg_pair_similarity": -0.011315496074035763,
328
+ "eval_loss": 0.32538020610809326,
329
+ "eval_runtime": 19.4916,
330
+ "eval_samples_per_second": 25.652,
331
+ "eval_similarity_ratio": 13.476208185560939,
332
+ "eval_steps_per_second": 0.821,
333
+ "step": 4000
334
+ },
335
+ {
336
+ "epoch": 0.09183353491914169,
337
+ "grad_norm": 26.496036529541016,
338
+ "learning_rate": 9.802366613045254e-05,
339
+ "loss": 0.3326,
340
+ "step": 4100
341
+ },
342
+ {
343
+ "epoch": 0.09407337723424271,
344
+ "grad_norm": 23.102359771728516,
345
+ "learning_rate": 9.792431215929613e-05,
346
+ "loss": 0.3341,
347
+ "step": 4200
348
+ },
349
+ {
350
+ "epoch": 0.09631321954934373,
351
+ "grad_norm": 21.27369499206543,
352
+ "learning_rate": 9.782257457150177e-05,
353
+ "loss": 0.3254,
354
+ "step": 4300
355
+ },
356
+ {
357
+ "epoch": 0.09855306186444475,
358
+ "grad_norm": 19.25406265258789,
359
+ "learning_rate": 9.771845842720274e-05,
360
+ "loss": 0.3334,
361
+ "step": 4400
362
+ },
363
+ {
364
+ "epoch": 0.10079290417954576,
365
+ "grad_norm": 15.666335105895996,
366
+ "learning_rate": 9.761196890483482e-05,
367
+ "loss": 0.3064,
368
+ "step": 4500
369
+ },
370
+ {
371
+ "epoch": 0.10303274649464678,
372
+ "grad_norm": 24.592592239379883,
373
+ "learning_rate": 9.75031113008788e-05,
374
+ "loss": 0.2902,
375
+ "step": 4600
376
+ },
377
+ {
378
+ "epoch": 0.1052725888097478,
379
+ "grad_norm": 20.0572566986084,
380
+ "learning_rate": 9.739189102959696e-05,
381
+ "loss": 0.3121,
382
+ "step": 4700
383
+ },
384
+ {
385
+ "epoch": 0.10751243112484882,
386
+ "grad_norm": 19.887725830078125,
387
+ "learning_rate": 9.727831362276381e-05,
388
+ "loss": 0.3014,
389
+ "step": 4800
390
+ },
391
+ {
392
+ "epoch": 0.10975227343994982,
393
+ "grad_norm": 15.561097145080566,
394
+ "learning_rate": 9.716238472939101e-05,
395
+ "loss": 0.316,
396
+ "step": 4900
397
+ },
398
+ {
399
+ "epoch": 0.11199211575505084,
400
+ "grad_norm": 17.96786880493164,
401
+ "learning_rate": 9.704411011544629e-05,
402
+ "loss": 0.3215,
403
+ "step": 5000
404
+ },
405
+ {
406
+ "epoch": 0.11199211575505084,
407
+ "eval_avg_non_pair_similarity": 0.00024146916974524413,
408
+ "eval_avg_pair_similarity": -0.009633154251612723,
409
+ "eval_loss": 0.2951599061489105,
410
+ "eval_runtime": 19.5025,
411
+ "eval_samples_per_second": 25.638,
412
+ "eval_similarity_ratio": -39.893930400207765,
413
+ "eval_steps_per_second": 0.82,
414
+ "step": 5000
415
+ },
416
+ {
417
+ "epoch": 0.11423195807015186,
418
+ "grad_norm": 14.672723770141602,
419
+ "learning_rate": 9.692349566356677e-05,
420
+ "loss": 0.2954,
421
+ "step": 5100
422
+ },
423
+ {
424
+ "epoch": 0.11647180038525287,
425
+ "grad_norm": 17.881025314331055,
426
+ "learning_rate": 9.680054737276638e-05,
427
+ "loss": 0.2968,
428
+ "step": 5200
429
+ },
430
+ {
431
+ "epoch": 0.11871164270035389,
432
+ "grad_norm": 16.55130958557129,
433
+ "learning_rate": 9.667527135813737e-05,
434
+ "loss": 0.2707,
435
+ "step": 5300
436
+ },
437
+ {
438
+ "epoch": 0.12095148501545491,
439
+ "grad_norm": 21.650575637817383,
440
+ "learning_rate": 9.654767385054627e-05,
441
+ "loss": 0.3068,
442
+ "step": 5400
443
+ },
444
+ {
445
+ "epoch": 0.12319132733055593,
446
+ "grad_norm": 20.990921020507812,
447
+ "learning_rate": 9.641776119632397e-05,
448
+ "loss": 0.3037,
449
+ "step": 5500
450
+ },
451
+ {
452
+ "epoch": 0.12543116964565695,
453
+ "grad_norm": 21.97833824157715,
454
+ "learning_rate": 9.628553985695005e-05,
455
+ "loss": 0.3307,
456
+ "step": 5600
457
+ },
458
+ {
459
+ "epoch": 0.12767101196075797,
460
+ "grad_norm": 20.353246688842773,
461
+ "learning_rate": 9.61510164087314e-05,
462
+ "loss": 0.2907,
463
+ "step": 5700
464
+ },
465
+ {
466
+ "epoch": 0.12991085427585897,
467
+ "grad_norm": 16.254976272583008,
468
+ "learning_rate": 9.601419754247514e-05,
469
+ "loss": 0.3025,
470
+ "step": 5800
471
+ },
472
+ {
473
+ "epoch": 0.13215069659096,
474
+ "grad_norm": 24.14662742614746,
475
+ "learning_rate": 9.587509006315585e-05,
476
+ "loss": 0.2676,
477
+ "step": 5900
478
+ },
479
+ {
480
+ "epoch": 0.134390538906061,
481
+ "grad_norm": 15.861074447631836,
482
+ "learning_rate": 9.573370088957712e-05,
483
+ "loss": 0.2953,
484
+ "step": 6000
485
+ },
486
+ {
487
+ "epoch": 0.134390538906061,
488
+ "eval_avg_non_pair_similarity": -0.00021786548842126337,
489
+ "eval_avg_pair_similarity": -0.001965825233142823,
490
+ "eval_loss": 0.31484127044677734,
491
+ "eval_runtime": 19.5134,
492
+ "eval_samples_per_second": 25.623,
493
+ "eval_similarity_ratio": 9.023114433533939,
494
+ "eval_steps_per_second": 0.82,
495
+ "step": 6000
496
+ },
497
+ {
498
+ "epoch": 0.13663038122116203,
499
+ "grad_norm": 14.910375595092773,
500
+ "learning_rate": 9.559003705402737e-05,
501
+ "loss": 0.2846,
502
+ "step": 6100
503
+ },
504
+ {
505
+ "epoch": 0.13887022353626305,
506
+ "grad_norm": 17.768138885498047,
507
+ "learning_rate": 9.544410570193014e-05,
508
+ "loss": 0.3031,
509
+ "step": 6200
510
+ },
511
+ {
512
+ "epoch": 0.14111006585136407,
513
+ "grad_norm": 13.620220184326172,
514
+ "learning_rate": 9.529591409148874e-05,
515
+ "loss": 0.2716,
516
+ "step": 6300
517
+ },
518
+ {
519
+ "epoch": 0.1433499081664651,
520
+ "grad_norm": 14.697577476501465,
521
+ "learning_rate": 9.514546959332509e-05,
522
+ "loss": 0.2759,
523
+ "step": 6400
524
+ },
525
+ {
526
+ "epoch": 0.1455897504815661,
527
+ "grad_norm": 21.234310150146484,
528
+ "learning_rate": 9.499277969011334e-05,
529
+ "loss": 0.2845,
530
+ "step": 6500
531
+ },
532
+ {
533
+ "epoch": 0.1478295927966671,
534
+ "grad_norm": 16.50038719177246,
535
+ "learning_rate": 9.483785197620747e-05,
536
+ "loss": 0.2471,
537
+ "step": 6600
538
+ },
539
+ {
540
+ "epoch": 0.15006943511176812,
541
+ "grad_norm": 16.261537551879883,
542
+ "learning_rate": 9.468069415726377e-05,
543
+ "loss": 0.2978,
544
+ "step": 6700
545
+ },
546
+ {
547
+ "epoch": 0.15230927742686914,
548
+ "grad_norm": 16.553571701049805,
549
+ "learning_rate": 9.452131404985752e-05,
550
+ "loss": 0.311,
551
+ "step": 6800
552
+ },
553
+ {
554
+ "epoch": 0.15454911974197016,
555
+ "grad_norm": 18.445993423461914,
556
+ "learning_rate": 9.43597195810941e-05,
557
+ "loss": 0.2777,
558
+ "step": 6900
559
+ },
560
+ {
561
+ "epoch": 0.15678896205707119,
562
+ "grad_norm": 13.675585746765137,
563
+ "learning_rate": 9.419591878821496e-05,
564
+ "loss": 0.2417,
565
+ "step": 7000
566
+ },
567
+ {
568
+ "epoch": 0.15678896205707119,
569
+ "eval_avg_non_pair_similarity": 0.0003613333898595999,
570
+ "eval_avg_pair_similarity": 0.005676110625499859,
571
+ "eval_loss": 0.3019685447216034,
572
+ "eval_runtime": 19.5219,
573
+ "eval_samples_per_second": 25.612,
574
+ "eval_similarity_ratio": 15.708790786551377,
575
+ "eval_steps_per_second": 0.82,
576
+ "step": 7000
577
+ },
578
+ {
579
+ "epoch": 0.1590288043721722,
580
+ "grad_norm": 15.780075073242188,
581
+ "learning_rate": 9.402991981819758e-05,
582
+ "loss": 0.2866,
583
+ "step": 7100
584
+ },
585
+ {
586
+ "epoch": 0.16126864668727323,
587
+ "grad_norm": 17.34490966796875,
588
+ "learning_rate": 9.386173092735051e-05,
589
+ "loss": 0.2526,
590
+ "step": 7200
591
+ },
592
+ {
593
+ "epoch": 0.16350848900237425,
594
+ "grad_norm": 14.431266784667969,
595
+ "learning_rate": 9.36913604809026e-05,
596
+ "loss": 0.2646,
597
+ "step": 7300
598
+ },
599
+ {
600
+ "epoch": 0.16574833131747524,
601
+ "grad_norm": 11.20712661743164,
602
+ "learning_rate": 9.351881695258693e-05,
603
+ "loss": 0.2279,
604
+ "step": 7400
605
+ },
606
+ {
607
+ "epoch": 0.16798817363257626,
608
+ "grad_norm": 15.549891471862793,
609
+ "learning_rate": 9.334410892421945e-05,
610
+ "loss": 0.2884,
611
+ "step": 7500
612
+ },
613
+ {
614
+ "epoch": 0.17022801594767728,
615
+ "grad_norm": 14.635927200317383,
616
+ "learning_rate": 9.316724508527205e-05,
617
+ "loss": 0.2729,
618
+ "step": 7600
619
+ },
620
+ {
621
+ "epoch": 0.1724678582627783,
622
+ "grad_norm": 12.841429710388184,
623
+ "learning_rate": 9.298823423244038e-05,
624
+ "loss": 0.271,
625
+ "step": 7700
626
+ },
627
+ {
628
+ "epoch": 0.17470770057787932,
629
+ "grad_norm": 13.053755760192871,
630
+ "learning_rate": 9.280708526920636e-05,
631
+ "loss": 0.3094,
632
+ "step": 7800
633
+ },
634
+ {
635
+ "epoch": 0.17694754289298034,
636
+ "grad_norm": 14.694463729858398,
637
+ "learning_rate": 9.262380720539536e-05,
638
+ "loss": 0.2687,
639
+ "step": 7900
640
+ },
641
+ {
642
+ "epoch": 0.17918738520808136,
643
+ "grad_norm": 14.9842529296875,
644
+ "learning_rate": 9.243840915672804e-05,
645
+ "loss": 0.2539,
646
+ "step": 8000
647
+ },
648
+ {
649
+ "epoch": 0.17918738520808136,
650
+ "eval_avg_non_pair_similarity": -0.0009227607365296818,
651
+ "eval_avg_pair_similarity": -0.005276160409208387,
652
+ "eval_loss": 0.22878731787204742,
653
+ "eval_runtime": 19.5192,
654
+ "eval_samples_per_second": 25.616,
655
+ "eval_similarity_ratio": 5.717798992023619,
656
+ "eval_steps_per_second": 0.82,
657
+ "step": 8000
658
+ },
659
+ {
660
+ "epoch": 0.18142722752318236,
661
+ "grad_norm": 11.896175384521484,
662
+ "learning_rate": 9.225090034436697e-05,
663
+ "loss": 0.2739,
664
+ "step": 8100
665
+ },
666
+ {
667
+ "epoch": 0.18366706983828338,
668
+ "grad_norm": 12.229938507080078,
669
+ "learning_rate": 9.206129009445796e-05,
670
+ "loss": 0.2467,
671
+ "step": 8200
672
+ },
673
+ {
674
+ "epoch": 0.1859069121533844,
675
+ "grad_norm": 15.017464637756348,
676
+ "learning_rate": 9.186958783766633e-05,
677
+ "loss": 0.2668,
678
+ "step": 8300
679
+ },
680
+ {
681
+ "epoch": 0.18814675446848542,
682
+ "grad_norm": 15.509882926940918,
683
+ "learning_rate": 9.167580310870769e-05,
684
+ "loss": 0.2614,
685
+ "step": 8400
686
+ },
687
+ {
688
+ "epoch": 0.19038659678358644,
689
+ "grad_norm": 14.945472717285156,
690
+ "learning_rate": 9.147994554587385e-05,
691
+ "loss": 0.2266,
692
+ "step": 8500
693
+ },
694
+ {
695
+ "epoch": 0.19262643909868746,
696
+ "grad_norm": 16.0211238861084,
697
+ "learning_rate": 9.128202489055335e-05,
698
+ "loss": 0.2428,
699
+ "step": 8600
700
+ },
701
+ {
702
+ "epoch": 0.19486628141378848,
703
+ "grad_norm": 16.380727767944336,
704
+ "learning_rate": 9.108205098674698e-05,
705
+ "loss": 0.2578,
706
+ "step": 8700
707
+ },
708
+ {
709
+ "epoch": 0.1971061237288895,
710
+ "grad_norm": 12.938665390014648,
711
+ "learning_rate": 9.088003378057816e-05,
712
+ "loss": 0.2445,
713
+ "step": 8800
714
+ },
715
+ {
716
+ "epoch": 0.1993459660439905,
717
+ "grad_norm": 7.832601070404053,
718
+ "learning_rate": 9.067598331979829e-05,
719
+ "loss": 0.2284,
720
+ "step": 8900
721
+ },
722
+ {
723
+ "epoch": 0.2015858083590915,
724
+ "grad_norm": 12.243515014648438,
725
+ "learning_rate": 9.046990975328694e-05,
726
+ "loss": 0.271,
727
+ "step": 9000
728
+ },
729
+ {
730
+ "epoch": 0.2015858083590915,
731
+ "eval_avg_non_pair_similarity": -0.0005964781935742025,
732
+ "eval_avg_pair_similarity": -0.0012636589542962611,
733
+ "eval_loss": 0.24378302693367004,
734
+ "eval_runtime": 19.5294,
735
+ "eval_samples_per_second": 25.602,
736
+ "eval_similarity_ratio": 2.1185333645211637,
737
+ "eval_steps_per_second": 0.819,
738
+ "step": 9000
739
+ },
740
+ {
741
+ "epoch": 0.20382565067419253,
742
+ "grad_norm": 14.057201385498047,
743
+ "learning_rate": 9.026182333054714e-05,
744
+ "loss": 0.2216,
745
+ "step": 9100
746
+ },
747
+ {
748
+ "epoch": 0.20606549298929355,
749
+ "grad_norm": 9.724617958068848,
750
+ "learning_rate": 9.005173440119555e-05,
751
+ "loss": 0.2625,
752
+ "step": 9200
753
+ },
754
+ {
755
+ "epoch": 0.20830533530439457,
756
+ "grad_norm": 13.209918975830078,
757
+ "learning_rate": 8.983965341444769e-05,
758
+ "loss": 0.2508,
759
+ "step": 9300
760
+ },
761
+ {
762
+ "epoch": 0.2105451776194956,
763
+ "grad_norm": 12.0099458694458,
764
+ "learning_rate": 8.962559091859828e-05,
765
+ "loss": 0.2263,
766
+ "step": 9400
767
+ },
768
+ {
769
+ "epoch": 0.21278501993459661,
770
+ "grad_norm": 11.473740577697754,
771
+ "learning_rate": 8.940955756049658e-05,
772
+ "loss": 0.256,
773
+ "step": 9500
774
+ },
775
+ {
776
+ "epoch": 0.21502486224969763,
777
+ "grad_norm": 13.63650131225586,
778
+ "learning_rate": 8.919156408501678e-05,
779
+ "loss": 0.2594,
780
+ "step": 9600
781
+ },
782
+ {
783
+ "epoch": 0.21726470456479863,
784
+ "grad_norm": 11.578638076782227,
785
+ "learning_rate": 8.897162133452375e-05,
786
+ "loss": 0.225,
787
+ "step": 9700
788
+ },
789
+ {
790
+ "epoch": 0.21950454687989965,
791
+ "grad_norm": 8.985605239868164,
792
+ "learning_rate": 8.874974024833351e-05,
793
+ "loss": 0.2525,
794
+ "step": 9800
795
+ },
796
+ {
797
+ "epoch": 0.22174438919500067,
798
+ "grad_norm": 15.842543601989746,
799
+ "learning_rate": 8.852593186216942e-05,
800
+ "loss": 0.239,
801
+ "step": 9900
802
+ },
803
+ {
804
+ "epoch": 0.2239842315101017,
805
+ "grad_norm": 13.797926902770996,
806
+ "learning_rate": 8.830020730761308e-05,
807
+ "loss": 0.2133,
808
+ "step": 10000
809
+ },
810
+ {
811
+ "epoch": 0.2239842315101017,
812
+ "eval_avg_non_pair_similarity": 3.824399728542623e-05,
813
+ "eval_avg_pair_similarity": -0.010851175129879266,
814
+ "eval_loss": 0.2623503506183624,
815
+ "eval_runtime": 19.4973,
816
+ "eval_samples_per_second": 25.645,
817
+ "eval_similarity_ratio": -283.7353807159264,
818
+ "eval_steps_per_second": 0.821,
819
+ "step": 10000
820
+ },
821
+ {
822
+ "epoch": 0.2262240738252027,
823
+ "grad_norm": 13.315906524658203,
824
+ "learning_rate": 8.807257781155081e-05,
825
+ "loss": 0.2192,
826
+ "step": 10100
827
+ },
828
+ {
829
+ "epoch": 0.22846391614030373,
830
+ "grad_norm": 11.403688430786133,
831
+ "learning_rate": 8.784305469561519e-05,
832
+ "loss": 0.2359,
833
+ "step": 10200
834
+ },
835
+ {
836
+ "epoch": 0.23070375845540475,
837
+ "grad_norm": 11.676390647888184,
838
+ "learning_rate": 8.761164937562199e-05,
839
+ "loss": 0.224,
840
+ "step": 10300
841
+ },
842
+ {
843
+ "epoch": 0.23294360077050574,
844
+ "grad_norm": 11.526522636413574,
845
+ "learning_rate": 8.737837336100233e-05,
846
+ "loss": 0.2288,
847
+ "step": 10400
848
+ },
849
+ {
850
+ "epoch": 0.23518344308560676,
851
+ "grad_norm": 15.950361251831055,
852
+ "learning_rate": 8.714323825423031e-05,
853
+ "loss": 0.2388,
854
+ "step": 10500
855
+ },
856
+ {
857
+ "epoch": 0.23742328540070778,
858
+ "grad_norm": 11.149569511413574,
859
+ "learning_rate": 8.690625575024586e-05,
860
+ "loss": 0.2067,
861
+ "step": 10600
862
+ },
863
+ {
864
+ "epoch": 0.2396631277158088,
865
+ "grad_norm": 10.904093742370605,
866
+ "learning_rate": 8.666743763587315e-05,
867
+ "loss": 0.2354,
868
+ "step": 10700
869
+ },
870
+ {
871
+ "epoch": 0.24190297003090983,
872
+ "grad_norm": 10.213909149169922,
873
+ "learning_rate": 8.642679578923422e-05,
874
+ "loss": 0.2236,
875
+ "step": 10800
876
+ },
877
+ {
878
+ "epoch": 0.24414281234601085,
879
+ "grad_norm": 10.054357528686523,
880
+ "learning_rate": 8.618434217915838e-05,
881
+ "loss": 0.1987,
882
+ "step": 10900
883
+ },
884
+ {
885
+ "epoch": 0.24638265466111187,
886
+ "grad_norm": 11.040483474731445,
887
+ "learning_rate": 8.59400888645867e-05,
888
+ "loss": 0.2471,
889
+ "step": 11000
890
+ },
891
+ {
892
+ "epoch": 0.24638265466111187,
893
+ "eval_avg_non_pair_similarity": 0.00023486310084357872,
894
+ "eval_avg_pair_similarity": 0.00031724373530596497,
895
+ "eval_loss": 0.17524191737174988,
896
+ "eval_runtime": 19.4456,
897
+ "eval_samples_per_second": 25.713,
898
+ "eval_similarity_ratio": 1.3507602265596101,
899
+ "eval_steps_per_second": 0.823,
900
+ "step": 11000
901
+ },
902
+ {
903
+ "epoch": 0.2486224969762129,
904
+ "grad_norm": 12.810904502868652,
905
+ "learning_rate": 8.569404799397247e-05,
906
+ "loss": 0.1974,
907
+ "step": 11100
908
+ },
909
+ {
910
+ "epoch": 0.2508623392913139,
911
+ "grad_norm": 15.360380172729492,
912
+ "learning_rate": 8.544623180467673e-05,
913
+ "loss": 0.2204,
914
+ "step": 11200
915
+ },
916
+ {
917
+ "epoch": 0.2531021816064149,
918
+ "grad_norm": 13.429972648620605,
919
+ "learning_rate": 8.519665262235979e-05,
920
+ "loss": 0.2479,
921
+ "step": 11300
922
+ },
923
+ {
924
+ "epoch": 0.25534202392151595,
925
+ "grad_norm": 10.252517700195312,
926
+ "learning_rate": 8.494532286036813e-05,
927
+ "loss": 0.1886,
928
+ "step": 11400
929
+ },
930
+ {
931
+ "epoch": 0.25758186623661694,
932
+ "grad_norm": 11.51858901977539,
933
+ "learning_rate": 8.4692255019117e-05,
934
+ "loss": 0.2191,
935
+ "step": 11500
936
+ },
937
+ {
938
+ "epoch": 0.25982170855171793,
939
+ "grad_norm": 8.529491424560547,
940
+ "learning_rate": 8.443746168546867e-05,
941
+ "loss": 0.1856,
942
+ "step": 11600
943
+ },
944
+ {
945
+ "epoch": 0.262061550866819,
946
+ "grad_norm": 7.846275806427002,
947
+ "learning_rate": 8.418095553210641e-05,
948
+ "loss": 0.1879,
949
+ "step": 11700
950
+ },
951
+ {
952
+ "epoch": 0.26430139318192,
953
+ "grad_norm": 10.658947944641113,
954
+ "learning_rate": 8.392274931690422e-05,
955
+ "loss": 0.1998,
956
+ "step": 11800
957
+ },
958
+ {
959
+ "epoch": 0.266541235497021,
960
+ "grad_norm": 8.623246192932129,
961
+ "learning_rate": 8.366285588229223e-05,
962
+ "loss": 0.2073,
963
+ "step": 11900
964
+ },
965
+ {
966
+ "epoch": 0.268781077812122,
967
+ "grad_norm": 8.197981834411621,
968
+ "learning_rate": 8.340128815461797e-05,
969
+ "loss": 0.179,
970
+ "step": 12000
971
+ },
972
+ {
973
+ "epoch": 0.268781077812122,
974
+ "eval_avg_non_pair_similarity": 5.694422117604282e-05,
975
+ "eval_avg_pair_similarity": -0.00526782719604671,
976
+ "eval_loss": 0.19077710807323456,
977
+ "eval_runtime": 19.459,
978
+ "eval_samples_per_second": 25.695,
979
+ "eval_similarity_ratio": -92.50854761471308,
980
+ "eval_steps_per_second": 0.822,
981
+ "step": 12000
982
+ },
983
+ {
984
+ "epoch": 0.27102092012722306,
985
+ "grad_norm": 9.695572853088379,
986
+ "learning_rate": 8.313805914350349e-05,
987
+ "loss": 0.2022,
988
+ "step": 12100
989
+ },
990
+ {
991
+ "epoch": 0.27326076244232406,
992
+ "grad_norm": 8.658490180969238,
993
+ "learning_rate": 8.287318194119825e-05,
994
+ "loss": 0.2011,
995
+ "step": 12200
996
+ },
997
+ {
998
+ "epoch": 0.2755006047574251,
999
+ "grad_norm": 9.974045753479004,
1000
+ "learning_rate": 8.260666972192798e-05,
1001
+ "loss": 0.2163,
1002
+ "step": 12300
1003
+ },
1004
+ {
1005
+ "epoch": 0.2777404470725261,
1006
+ "grad_norm": 8.445626258850098,
1007
+ "learning_rate": 8.233853574123944e-05,
1008
+ "loss": 0.1947,
1009
+ "step": 12400
1010
+ },
1011
+ {
1012
+ "epoch": 0.2799802893876271,
1013
+ "grad_norm": 7.46968412399292,
1014
+ "learning_rate": 8.206879333534109e-05,
1015
+ "loss": 0.1709,
1016
+ "step": 12500
1017
+ },
1018
+ {
1019
+ "epoch": 0.28222013170272814,
1020
+ "grad_norm": 12.895581245422363,
1021
+ "learning_rate": 8.179745592043982e-05,
1022
+ "loss": 0.2281,
1023
+ "step": 12600
1024
+ },
1025
+ {
1026
+ "epoch": 0.28445997401782913,
1027
+ "grad_norm": 10.54282283782959,
1028
+ "learning_rate": 8.152453699207362e-05,
1029
+ "loss": 0.184,
1030
+ "step": 12700
1031
+ },
1032
+ {
1033
+ "epoch": 0.2866998163329302,
1034
+ "grad_norm": 7.9730634689331055,
1035
+ "learning_rate": 8.125005012444044e-05,
1036
+ "loss": 0.2525,
1037
+ "step": 12800
1038
+ },
1039
+ {
1040
+ "epoch": 0.2889396586480312,
1041
+ "grad_norm": 9.222777366638184,
1042
+ "learning_rate": 8.097400896972296e-05,
1043
+ "loss": 0.1912,
1044
+ "step": 12900
1045
+ },
1046
+ {
1047
+ "epoch": 0.2911795009631322,
1048
+ "grad_norm": 10.500025749206543,
1049
+ "learning_rate": 8.069642725740957e-05,
1050
+ "loss": 0.1948,
1051
+ "step": 13000
1052
+ },
1053
+ {
1054
+ "epoch": 0.2911795009631322,
1055
+ "eval_avg_non_pair_similarity": 0.0007876502425145761,
1056
+ "eval_avg_pair_similarity": -0.007292054696008563,
1057
+ "eval_loss": 0.18571369349956512,
1058
+ "eval_runtime": 19.4919,
1059
+ "eval_samples_per_second": 25.652,
1060
+ "eval_similarity_ratio": -9.257985718037302,
1061
+ "eval_steps_per_second": 0.821,
1062
+ "step": 13000
1063
+ },
1064
+ {
1065
+ "epoch": 0.2934193432782332,
1066
+ "grad_norm": 7.784255504608154,
1067
+ "learning_rate": 8.041731879361164e-05,
1068
+ "loss": 0.214,
1069
+ "step": 13100
1070
+ },
1071
+ {
1072
+ "epoch": 0.2956591855933342,
1073
+ "grad_norm": 9.356244087219238,
1074
+ "learning_rate": 8.013669746037662e-05,
1075
+ "loss": 0.168,
1076
+ "step": 13200
1077
+ },
1078
+ {
1079
+ "epoch": 0.29789902790843525,
1080
+ "grad_norm": 8.42744255065918,
1081
+ "learning_rate": 7.985457721499779e-05,
1082
+ "loss": 0.1759,
1083
+ "step": 13300
1084
+ },
1085
+ {
1086
+ "epoch": 0.30013887022353625,
1087
+ "grad_norm": 8.323335647583008,
1088
+ "learning_rate": 7.957097208931997e-05,
1089
+ "loss": 0.193,
1090
+ "step": 13400
1091
+ },
1092
+ {
1093
+ "epoch": 0.3023787125386373,
1094
+ "grad_norm": 10.35467529296875,
1095
+ "learning_rate": 7.928589618904158e-05,
1096
+ "loss": 0.244,
1097
+ "step": 13500
1098
+ },
1099
+ {
1100
+ "epoch": 0.3046185548537383,
1101
+ "grad_norm": 9.027731895446777,
1102
+ "learning_rate": 7.899936369301319e-05,
1103
+ "loss": 0.1878,
1104
+ "step": 13600
1105
+ },
1106
+ {
1107
+ "epoch": 0.30685839716883934,
1108
+ "grad_norm": 11.577035903930664,
1109
+ "learning_rate": 7.871138885253216e-05,
1110
+ "loss": 0.2033,
1111
+ "step": 13700
1112
+ },
1113
+ {
1114
+ "epoch": 0.30909823948394033,
1115
+ "grad_norm": 6.524970054626465,
1116
+ "learning_rate": 7.842198599063395e-05,
1117
+ "loss": 0.1792,
1118
+ "step": 13800
1119
+ },
1120
+ {
1121
+ "epoch": 0.3113380817990413,
1122
+ "grad_norm": 8.987520217895508,
1123
+ "learning_rate": 7.813116950137964e-05,
1124
+ "loss": 0.1936,
1125
+ "step": 13900
1126
+ },
1127
+ {
1128
+ "epoch": 0.31357792411414237,
1129
+ "grad_norm": 8.995404243469238,
1130
+ "learning_rate": 7.783895384914004e-05,
1131
+ "loss": 0.1831,
1132
+ "step": 14000
1133
+ },
1134
+ {
1135
+ "epoch": 0.31357792411414237,
1136
+ "eval_avg_non_pair_similarity": 0.000529102375272793,
1137
+ "eval_avg_pair_similarity": -0.001620051197707653,
1138
+ "eval_loss": 0.18957822024822235,
1139
+ "eval_runtime": 19.4615,
1140
+ "eval_samples_per_second": 25.692,
1141
+ "eval_similarity_ratio": -3.061886079933759,
1142
+ "eval_steps_per_second": 0.822,
1143
+ "step": 14000
1144
+ },
1145
+ {
1146
+ "epoch": 0.31581776642924336,
1147
+ "grad_norm": 6.4864068031311035,
1148
+ "learning_rate": 7.754535356787629e-05,
1149
+ "loss": 0.1976,
1150
+ "step": 14100
1151
+ },
1152
+ {
1153
+ "epoch": 0.3180576087443444,
1154
+ "grad_norm": 7.537520885467529,
1155
+ "learning_rate": 7.725038326041698e-05,
1156
+ "loss": 0.1935,
1157
+ "step": 14200
1158
+ },
1159
+ {
1160
+ "epoch": 0.3202974510594454,
1161
+ "grad_norm": 7.547581195831299,
1162
+ "learning_rate": 7.695405759773182e-05,
1163
+ "loss": 0.1706,
1164
+ "step": 14300
1165
+ },
1166
+ {
1167
+ "epoch": 0.32253729337454645,
1168
+ "grad_norm": 6.900126934051514,
1169
+ "learning_rate": 7.665639131820198e-05,
1170
+ "loss": 0.1479,
1171
+ "step": 14400
1172
+ },
1173
+ {
1174
+ "epoch": 0.32477713568964744,
1175
+ "grad_norm": 9.628849983215332,
1176
+ "learning_rate": 7.635739922688702e-05,
1177
+ "loss": 0.1649,
1178
+ "step": 14500
1179
+ },
1180
+ {
1181
+ "epoch": 0.3270169780047485,
1182
+ "grad_norm": 9.103193283081055,
1183
+ "learning_rate": 7.60570961947886e-05,
1184
+ "loss": 0.1672,
1185
+ "step": 14600
1186
+ },
1187
+ {
1188
+ "epoch": 0.3292568203198495,
1189
+ "grad_norm": 9.142544746398926,
1190
+ "learning_rate": 7.57554971581107e-05,
1191
+ "loss": 0.1831,
1192
+ "step": 14700
1193
+ },
1194
+ {
1195
+ "epoch": 0.3314966626349505,
1196
+ "grad_norm": 8.968326568603516,
1197
+ "learning_rate": 7.545261711751685e-05,
1198
+ "loss": 0.1566,
1199
+ "step": 14800
1200
+ },
1201
+ {
1202
+ "epoch": 0.3337365049500515,
1203
+ "grad_norm": 9.484015464782715,
1204
+ "learning_rate": 7.514847113738401e-05,
1205
+ "loss": 0.1949,
1206
+ "step": 14900
1207
+ },
1208
+ {
1209
+ "epoch": 0.3359763472651525,
1210
+ "grad_norm": 7.016854763031006,
1211
+ "learning_rate": 7.484307434505335e-05,
1212
+ "loss": 0.1419,
1213
+ "step": 15000
1214
+ },
1215
+ {
1216
+ "epoch": 0.3359763472651525,
1217
+ "eval_avg_non_pair_similarity": 8.844231431561901e-05,
1218
+ "eval_avg_pair_similarity": -0.0006939181396737695,
1219
+ "eval_loss": 0.1548442244529724,
1220
+ "eval_runtime": 19.513,
1221
+ "eval_samples_per_second": 25.624,
1222
+ "eval_similarity_ratio": -7.845997077794952,
1223
+ "eval_steps_per_second": 0.82,
1224
+ "step": 15000
1225
+ },
1226
+ {
1227
+ "epoch": 0.33821618958025357,
1228
+ "grad_norm": 7.563048362731934,
1229
+ "learning_rate": 7.453644193007774e-05,
1230
+ "loss": 0.1891,
1231
+ "step": 15100
1232
+ },
1233
+ {
1234
+ "epoch": 0.34045603189535456,
1235
+ "grad_norm": 7.630728244781494,
1236
+ "learning_rate": 7.422858914346641e-05,
1237
+ "loss": 0.1896,
1238
+ "step": 15200
1239
+ },
1240
+ {
1241
+ "epoch": 0.3426958742104556,
1242
+ "grad_norm": 7.264196395874023,
1243
+ "learning_rate": 7.391953129692633e-05,
1244
+ "loss": 0.1608,
1245
+ "step": 15300
1246
+ },
1247
+ {
1248
+ "epoch": 0.3449357165255566,
1249
+ "grad_norm": 10.433218955993652,
1250
+ "learning_rate": 7.360928376210064e-05,
1251
+ "loss": 0.1668,
1252
+ "step": 15400
1253
+ },
1254
+ {
1255
+ "epoch": 0.3471755588406576,
1256
+ "grad_norm": 7.074268817901611,
1257
+ "learning_rate": 7.329786196980417e-05,
1258
+ "loss": 0.1882,
1259
+ "step": 15500
1260
+ },
1261
+ {
1262
+ "epoch": 0.34941540115575864,
1263
+ "grad_norm": 8.925777435302734,
1264
+ "learning_rate": 7.298528140925589e-05,
1265
+ "loss": 0.1697,
1266
+ "step": 15600
1267
+ },
1268
+ {
1269
+ "epoch": 0.35165524347085964,
1270
+ "grad_norm": 9.438268661499023,
1271
+ "learning_rate": 7.267155762730855e-05,
1272
+ "loss": 0.1566,
1273
+ "step": 15700
1274
+ },
1275
+ {
1276
+ "epoch": 0.3538950857859607,
1277
+ "grad_norm": 8.304781913757324,
1278
+ "learning_rate": 7.235670622767546e-05,
1279
+ "loss": 0.1624,
1280
+ "step": 15800
1281
+ },
1282
+ {
1283
+ "epoch": 0.3561349281010617,
1284
+ "grad_norm": 6.194468975067139,
1285
+ "learning_rate": 7.204074287015433e-05,
1286
+ "loss": 0.1423,
1287
+ "step": 15900
1288
+ },
1289
+ {
1290
+ "epoch": 0.3583747704161627,
1291
+ "grad_norm": 10.31971549987793,
1292
+ "learning_rate": 7.172368326984846e-05,
1293
+ "loss": 0.15,
1294
+ "step": 16000
1295
+ },
1296
+ {
1297
+ "epoch": 0.3583747704161627,
1298
+ "eval_avg_non_pair_similarity": 0.0005423984809662916,
1299
+ "eval_avg_pair_similarity": -0.004194568347651512,
1300
+ "eval_loss": 0.16588900983333588,
1301
+ "eval_runtime": 19.5058,
1302
+ "eval_samples_per_second": 25.633,
1303
+ "eval_similarity_ratio": -7.7333703814561225,
1304
+ "eval_steps_per_second": 0.82,
1305
+ "step": 16000
1306
+ },
1307
+ {
1308
+ "epoch": 0.3606146127312637,
1309
+ "grad_norm": 6.6040449142456055,
1310
+ "learning_rate": 7.14055431963851e-05,
1311
+ "loss": 0.1929,
1312
+ "step": 16100
1313
+ },
1314
+ {
1315
+ "epoch": 0.3628544550463647,
1316
+ "grad_norm": 6.839012622833252,
1317
+ "learning_rate": 7.108633847313109e-05,
1318
+ "loss": 0.169,
1319
+ "step": 16200
1320
+ },
1321
+ {
1322
+ "epoch": 0.36509429736146576,
1323
+ "grad_norm": 8.55441665649414,
1324
+ "learning_rate": 7.076608497640588e-05,
1325
+ "loss": 0.1772,
1326
+ "step": 16300
1327
+ },
1328
+ {
1329
+ "epoch": 0.36733413967656675,
1330
+ "grad_norm": 7.641045093536377,
1331
+ "learning_rate": 7.044479863469189e-05,
1332
+ "loss": 0.1544,
1333
+ "step": 16400
1334
+ },
1335
+ {
1336
+ "epoch": 0.3695739819916678,
1337
+ "grad_norm": 9.20849895477295,
1338
+ "learning_rate": 7.012249542784223e-05,
1339
+ "loss": 0.1485,
1340
+ "step": 16500
1341
+ },
1342
+ {
1343
+ "epoch": 0.3718138243067688,
1344
+ "grad_norm": 6.943836212158203,
1345
+ "learning_rate": 6.979919138628598e-05,
1346
+ "loss": 0.1611,
1347
+ "step": 16600
1348
+ },
1349
+ {
1350
+ "epoch": 0.37405366662186984,
1351
+ "grad_norm": 8.36039924621582,
1352
+ "learning_rate": 6.94749025902308e-05,
1353
+ "loss": 0.1646,
1354
+ "step": 16700
1355
+ },
1356
+ {
1357
+ "epoch": 0.37629350893697083,
1358
+ "grad_norm": 7.000893592834473,
1359
+ "learning_rate": 6.914964516886324e-05,
1360
+ "loss": 0.1719,
1361
+ "step": 16800
1362
+ },
1363
+ {
1364
+ "epoch": 0.3785333512520719,
1365
+ "grad_norm": 8.178186416625977,
1366
+ "learning_rate": 6.882343529954641e-05,
1367
+ "loss": 0.1528,
1368
+ "step": 16900
1369
+ },
1370
+ {
1371
+ "epoch": 0.3807731935671729,
1372
+ "grad_norm": 7.016880512237549,
1373
+ "learning_rate": 6.849628920701549e-05,
1374
+ "loss": 0.1609,
1375
+ "step": 17000
1376
+ },
1377
+ {
1378
+ "epoch": 0.3807731935671729,
1379
+ "eval_avg_non_pair_similarity": -0.0001115500947464265,
1380
+ "eval_avg_pair_similarity": 0.00017968433955684303,
1381
+ "eval_loss": 0.13874633610248566,
1382
+ "eval_runtime": 19.4966,
1383
+ "eval_samples_per_second": 25.646,
1384
+ "eval_similarity_ratio": -1.6107950420418555,
1385
+ "eval_steps_per_second": 0.821,
1386
+ "step": 17000
1387
+ },
1388
+ {
1389
+ "epoch": 0.38301303588227387,
1390
+ "grad_norm": 6.156219005584717,
1391
+ "learning_rate": 6.816822316257066e-05,
1392
+ "loss": 0.1405,
1393
+ "step": 17100
1394
+ },
1395
+ {
1396
+ "epoch": 0.3852528781973749,
1397
+ "grad_norm": 6.131289482116699,
1398
+ "learning_rate": 6.783925348326782e-05,
1399
+ "loss": 0.167,
1400
+ "step": 17200
1401
+ },
1402
+ {
1403
+ "epoch": 0.3874927205124759,
1404
+ "grad_norm": 6.05889892578125,
1405
+ "learning_rate": 6.750939653110711e-05,
1406
+ "loss": 0.1819,
1407
+ "step": 17300
1408
+ },
1409
+ {
1410
+ "epoch": 0.38973256282757696,
1411
+ "grad_norm": 6.4408488273620605,
1412
+ "learning_rate": 6.717866871221901e-05,
1413
+ "loss": 0.1518,
1414
+ "step": 17400
1415
+ },
1416
+ {
1417
+ "epoch": 0.39197240514267795,
1418
+ "grad_norm": 7.979753494262695,
1419
+ "learning_rate": 6.684708647604843e-05,
1420
+ "loss": 0.1812,
1421
+ "step": 17500
1422
+ },
1423
+ {
1424
+ "epoch": 0.394212247457779,
1425
+ "grad_norm": 6.986364364624023,
1426
+ "learning_rate": 6.65146663145365e-05,
1427
+ "loss": 0.1447,
1428
+ "step": 17600
1429
+ },
1430
+ {
1431
+ "epoch": 0.39645208977288,
1432
+ "grad_norm": 6.019850730895996,
1433
+ "learning_rate": 6.618142476130032e-05,
1434
+ "loss": 0.1893,
1435
+ "step": 17700
1436
+ },
1437
+ {
1438
+ "epoch": 0.398691932087981,
1439
+ "grad_norm": 6.467818260192871,
1440
+ "learning_rate": 6.584737839081066e-05,
1441
+ "loss": 0.1751,
1442
+ "step": 17800
1443
+ },
1444
+ {
1445
+ "epoch": 0.40093177440308203,
1446
+ "grad_norm": 9.779342651367188,
1447
+ "learning_rate": 6.551254381756758e-05,
1448
+ "loss": 0.1524,
1449
+ "step": 17900
1450
+ },
1451
+ {
1452
+ "epoch": 0.403171616718183,
1453
+ "grad_norm": 6.93033504486084,
1454
+ "learning_rate": 6.517693769527402e-05,
1455
+ "loss": 0.1327,
1456
+ "step": 18000
1457
+ },
1458
+ {
1459
+ "epoch": 0.403171616718183,
1460
+ "eval_avg_non_pair_similarity": 0.0004680827924466593,
1461
+ "eval_avg_pair_similarity": 0.0004896340477280319,
1462
+ "eval_loss": 0.11614304035902023,
1463
+ "eval_runtime": 19.4704,
1464
+ "eval_samples_per_second": 25.68,
1465
+ "eval_similarity_ratio": 1.0460415457033243,
1466
+ "eval_steps_per_second": 0.822,
1467
+ "step": 18000
1468
+ },
1469
+ {
1470
+ "epoch": 0.40541145903328407,
1471
+ "grad_norm": 6.358455181121826,
1472
+ "learning_rate": 6.48405767160076e-05,
1473
+ "loss": 0.154,
1474
+ "step": 18100
1475
+ },
1476
+ {
1477
+ "epoch": 0.40765130134838506,
1478
+ "grad_norm": 7.965555191040039,
1479
+ "learning_rate": 6.450347760939031e-05,
1480
+ "loss": 0.1547,
1481
+ "step": 18200
1482
+ },
1483
+ {
1484
+ "epoch": 0.4098911436634861,
1485
+ "grad_norm": 8.082962036132812,
1486
+ "learning_rate": 6.416565714175642e-05,
1487
+ "loss": 0.1782,
1488
+ "step": 18300
1489
+ },
1490
+ {
1491
+ "epoch": 0.4121309859785871,
1492
+ "grad_norm": 6.913635730743408,
1493
+ "learning_rate": 6.382713211531868e-05,
1494
+ "loss": 0.1545,
1495
+ "step": 18400
1496
+ },
1497
+ {
1498
+ "epoch": 0.4143708282936881,
1499
+ "grad_norm": 7.295111656188965,
1500
+ "learning_rate": 6.348791936733252e-05,
1501
+ "loss": 0.1376,
1502
+ "step": 18500
1503
+ },
1504
+ {
1505
+ "epoch": 0.41661067060878915,
1506
+ "grad_norm": 7.109374523162842,
1507
+ "learning_rate": 6.314803576925865e-05,
1508
+ "loss": 0.1269,
1509
+ "step": 18600
1510
+ },
1511
+ {
1512
+ "epoch": 0.41885051292389014,
1513
+ "grad_norm": 6.2317328453063965,
1514
+ "learning_rate": 6.280749822592393e-05,
1515
+ "loss": 0.1545,
1516
+ "step": 18700
1517
+ },
1518
+ {
1519
+ "epoch": 0.4210903552389912,
1520
+ "grad_norm": 6.809806823730469,
1521
+ "learning_rate": 6.246632367468057e-05,
1522
+ "loss": 0.1367,
1523
+ "step": 18800
1524
+ },
1525
+ {
1526
+ "epoch": 0.4233301975540922,
1527
+ "grad_norm": 5.076844215393066,
1528
+ "learning_rate": 6.21245290845637e-05,
1529
+ "loss": 0.1353,
1530
+ "step": 18900
1531
+ },
1532
+ {
1533
+ "epoch": 0.42557003986919323,
1534
+ "grad_norm": 4.954884052276611,
1535
+ "learning_rate": 6.178213145544738e-05,
1536
+ "loss": 0.1507,
1537
+ "step": 19000
1538
+ },
1539
+ {
1540
+ "epoch": 0.42557003986919323,
1541
+ "eval_avg_non_pair_similarity": 0.0004066981645342978,
1542
+ "eval_avg_pair_similarity": -0.0005262972658965736,
1543
+ "eval_loss": 0.13725824654102325,
1544
+ "eval_runtime": 19.511,
1545
+ "eval_samples_per_second": 25.627,
1546
+ "eval_similarity_ratio": -1.2940733737985428,
1547
+ "eval_steps_per_second": 0.82,
1548
+ "step": 19000
1549
+ },
1550
+ {
1551
+ "epoch": 0.4278098821842942,
1552
+ "grad_norm": 7.648046493530273,
1553
+ "learning_rate": 6.143914781719913e-05,
1554
+ "loss": 0.1554,
1555
+ "step": 19100
1556
+ },
1557
+ {
1558
+ "epoch": 0.43004972449939527,
1559
+ "grad_norm": 6.501719951629639,
1560
+ "learning_rate": 6.10955952288328e-05,
1561
+ "loss": 0.1456,
1562
+ "step": 19200
1563
+ },
1564
+ {
1565
+ "epoch": 0.43228956681449626,
1566
+ "grad_norm": 6.05966854095459,
1567
+ "learning_rate": 6.0751490777660226e-05,
1568
+ "loss": 0.1348,
1569
+ "step": 19300
1570
+ },
1571
+ {
1572
+ "epoch": 0.43452940912959725,
1573
+ "grad_norm": 9.531146049499512,
1574
+ "learning_rate": 6.0406851578441305e-05,
1575
+ "loss": 0.1729,
1576
+ "step": 19400
1577
+ },
1578
+ {
1579
+ "epoch": 0.4367692514446983,
1580
+ "grad_norm": 4.878669261932373,
1581
+ "learning_rate": 6.0061694772532705e-05,
1582
+ "loss": 0.1265,
1583
+ "step": 19500
1584
+ },
1585
+ {
1586
+ "epoch": 0.4390090937597993,
1587
+ "grad_norm": 9.031988143920898,
1588
+ "learning_rate": 5.9716037527035416e-05,
1589
+ "loss": 0.1403,
1590
+ "step": 19600
1591
+ },
1592
+ {
1593
+ "epoch": 0.44124893607490034,
1594
+ "grad_norm": 10.188375473022461,
1595
+ "learning_rate": 5.93698970339408e-05,
1596
+ "loss": 0.1107,
1597
+ "step": 19700
1598
+ },
1599
+ {
1600
+ "epoch": 0.44348877839000134,
1601
+ "grad_norm": 5.289632320404053,
1602
+ "learning_rate": 5.902329050927557e-05,
1603
+ "loss": 0.1372,
1604
+ "step": 19800
1605
+ },
1606
+ {
1607
+ "epoch": 0.4457286207051024,
1608
+ "grad_norm": 6.766297340393066,
1609
+ "learning_rate": 5.867623519224551e-05,
1610
+ "loss": 0.1537,
1611
+ "step": 19900
1612
+ },
1613
+ {
1614
+ "epoch": 0.4479684630202034,
1615
+ "grad_norm": 6.518314361572266,
1616
+ "learning_rate": 5.8328748344378023e-05,
1617
+ "loss": 0.1797,
1618
+ "step": 20000
1619
+ },
1620
+ {
1621
+ "epoch": 0.4479684630202034,
1622
+ "eval_avg_non_pair_similarity": 1.2386919107971217e-05,
1623
+ "eval_avg_pair_similarity": -0.0007377016106620431,
1624
+ "eval_loss": 0.15548266470432281,
1625
+ "eval_runtime": 19.4908,
1626
+ "eval_samples_per_second": 25.653,
1627
+ "eval_similarity_ratio": -59.554890464031374,
1628
+ "eval_steps_per_second": 0.821,
1629
+ "step": 20000
1630
+ },
1631
+ {
1632
+ "epoch": 0.45020830533530437,
1633
+ "grad_norm": 7.09486722946167,
1634
+ "learning_rate": 5.7980847248663626e-05,
1635
+ "loss": 0.1493,
1636
+ "step": 20100
1637
+ },
1638
+ {
1639
+ "epoch": 0.4524481476504054,
1640
+ "grad_norm": 5.606503486633301,
1641
+ "learning_rate": 5.763254920869631e-05,
1642
+ "loss": 0.1242,
1643
+ "step": 20200
1644
+ },
1645
+ {
1646
+ "epoch": 0.4546879899655064,
1647
+ "grad_norm": 8.37496566772461,
1648
+ "learning_rate": 5.72838715478129e-05,
1649
+ "loss": 0.1732,
1650
+ "step": 20300
1651
+ },
1652
+ {
1653
+ "epoch": 0.45692783228060746,
1654
+ "grad_norm": 6.157011985778809,
1655
+ "learning_rate": 5.6934831608231544e-05,
1656
+ "loss": 0.1378,
1657
+ "step": 20400
1658
+ },
1659
+ {
1660
+ "epoch": 0.45916767459570845,
1661
+ "grad_norm": 6.028346061706543,
1662
+ "learning_rate": 5.658544675018901e-05,
1663
+ "loss": 0.1388,
1664
+ "step": 20500
1665
+ },
1666
+ {
1667
+ "epoch": 0.4614075169108095,
1668
+ "grad_norm": 5.829131603240967,
1669
+ "learning_rate": 5.623573435107735e-05,
1670
+ "loss": 0.1355,
1671
+ "step": 20600
1672
+ },
1673
+ {
1674
+ "epoch": 0.4636473592259105,
1675
+ "grad_norm": 4.870571136474609,
1676
+ "learning_rate": 5.5885711804579543e-05,
1677
+ "loss": 0.1424,
1678
+ "step": 20700
1679
+ },
1680
+ {
1681
+ "epoch": 0.4658872015410115,
1682
+ "grad_norm": 5.387896537780762,
1683
+ "learning_rate": 5.553539651980439e-05,
1684
+ "loss": 0.123,
1685
+ "step": 20800
1686
+ },
1687
+ {
1688
+ "epoch": 0.46812704385611253,
1689
+ "grad_norm": 6.630838871002197,
1690
+ "learning_rate": 5.51848059204207e-05,
1691
+ "loss": 0.1464,
1692
+ "step": 20900
1693
+ },
1694
+ {
1695
+ "epoch": 0.4703668861712135,
1696
+ "grad_norm": 6.7821526527404785,
1697
+ "learning_rate": 5.4833957443790586e-05,
1698
+ "loss": 0.1292,
1699
+ "step": 21000
1700
+ },
1701
+ {
1702
+ "epoch": 0.4703668861712135,
1703
+ "eval_avg_non_pair_similarity": 0.0003182698469606689,
1704
+ "eval_avg_pair_similarity": -0.00044986815843731163,
1705
+ "eval_loss": 0.12692449986934662,
1706
+ "eval_runtime": 19.486,
1707
+ "eval_samples_per_second": 25.659,
1708
+ "eval_similarity_ratio": -1.4134802989769413,
1709
+ "eval_steps_per_second": 0.821,
1710
+ "step": 21000
1711
+ },
1712
+ {
1713
+ "epoch": 0.4726067284863146,
1714
+ "grad_norm": 7.282751560211182,
1715
+ "learning_rate": 5.4482868540102236e-05,
1716
+ "loss": 0.1064,
1717
+ "step": 21100
1718
+ },
1719
+ {
1720
+ "epoch": 0.47484657080141557,
1721
+ "grad_norm": 6.863794326782227,
1722
+ "learning_rate": 5.4131556671502006e-05,
1723
+ "loss": 0.1167,
1724
+ "step": 21200
1725
+ },
1726
+ {
1727
+ "epoch": 0.4770864131165166,
1728
+ "grad_norm": 9.730511665344238,
1729
+ "learning_rate": 5.378003931122585e-05,
1730
+ "loss": 0.1936,
1731
+ "step": 21300
1732
+ },
1733
+ {
1734
+ "epoch": 0.4793262554316176,
1735
+ "grad_norm": 6.049126625061035,
1736
+ "learning_rate": 5.3428333942730304e-05,
1737
+ "loss": 0.1137,
1738
+ "step": 21400
1739
+ },
1740
+ {
1741
+ "epoch": 0.48156609774671866,
1742
+ "grad_norm": 6.33958625793457,
1743
+ "learning_rate": 5.3076458058822885e-05,
1744
+ "loss": 0.1135,
1745
+ "step": 21500
1746
+ },
1747
+ {
1748
+ "epoch": 0.48380594006181965,
1749
+ "grad_norm": 8.29135799407959,
1750
+ "learning_rate": 5.272442916079208e-05,
1751
+ "loss": 0.1355,
1752
+ "step": 21600
1753
+ },
1754
+ {
1755
+ "epoch": 0.48604578237692064,
1756
+ "grad_norm": 5.330431938171387,
1757
+ "learning_rate": 5.2372264757536796e-05,
1758
+ "loss": 0.1196,
1759
+ "step": 21700
1760
+ },
1761
+ {
1762
+ "epoch": 0.4882856246920217,
1763
+ "grad_norm": 4.634214401245117,
1764
+ "learning_rate": 5.2019982364695616e-05,
1765
+ "loss": 0.1437,
1766
+ "step": 21800
1767
+ },
1768
+ {
1769
+ "epoch": 0.4905254670071227,
1770
+ "grad_norm": 6.431977272033691,
1771
+ "learning_rate": 5.166759950377559e-05,
1772
+ "loss": 0.1234,
1773
+ "step": 21900
1774
+ },
1775
+ {
1776
+ "epoch": 0.49276530932222373,
1777
+ "grad_norm": 5.671669960021973,
1778
+ "learning_rate": 5.131513370128075e-05,
1779
+ "loss": 0.1102,
1780
+ "step": 22000
1781
+ },
1782
+ {
1783
+ "epoch": 0.49276530932222373,
1784
+ "eval_avg_non_pair_similarity": 7.926299255052003e-05,
1785
+ "eval_avg_pair_similarity": -0.0031928994464688,
1786
+ "eval_loss": 0.10579516738653183,
1787
+ "eval_runtime": 19.4888,
1788
+ "eval_samples_per_second": 25.656,
1789
+ "eval_similarity_ratio": -40.2823479624963,
1790
+ "eval_steps_per_second": 0.821,
1791
+ "step": 22000
1792
+ },
1793
+ {
1794
+ "epoch": 0.4950051516373247,
1795
+ "grad_norm": 5.917268753051758,
1796
+ "learning_rate": 5.09626024878404e-05,
1797
+ "loss": 0.0997,
1798
+ "step": 22100
1799
+ },
1800
+ {
1801
+ "epoch": 0.4972449939524258,
1802
+ "grad_norm": 6.4815993309021,
1803
+ "learning_rate": 5.0610023397337167e-05,
1804
+ "loss": 0.1541,
1805
+ "step": 22200
1806
+ },
1807
+ {
1808
+ "epoch": 0.49948483626752677,
1809
+ "grad_norm": 6.020129680633545,
1810
+ "learning_rate": 5.025741396603502e-05,
1811
+ "loss": 0.15,
1812
+ "step": 22300
1813
+ },
1814
+ {
1815
+ "epoch": 0.5017246785826278,
1816
+ "grad_norm": 5.328291416168213,
1817
+ "learning_rate": 4.990479173170691e-05,
1818
+ "loss": 0.1403,
1819
+ "step": 22400
1820
+ },
1821
+ {
1822
+ "epoch": 0.5039645208977288,
1823
+ "grad_norm": 4.73598051071167,
1824
+ "learning_rate": 4.955217423276261e-05,
1825
+ "loss": 0.1258,
1826
+ "step": 22500
1827
+ },
1828
+ {
1829
+ "epoch": 0.5062043632128298,
1830
+ "grad_norm": 5.456547737121582,
1831
+ "learning_rate": 4.91995790073764e-05,
1832
+ "loss": 0.1275,
1833
+ "step": 22600
1834
+ },
1835
+ {
1836
+ "epoch": 0.5084442055279308,
1837
+ "grad_norm": 6.9049153327941895,
1838
+ "learning_rate": 4.884702359261467e-05,
1839
+ "loss": 0.1477,
1840
+ "step": 22700
1841
+ },
1842
+ {
1843
+ "epoch": 0.5106840478430319,
1844
+ "grad_norm": 5.124217510223389,
1845
+ "learning_rate": 4.84945255235638e-05,
1846
+ "loss": 0.1157,
1847
+ "step": 22800
1848
+ },
1849
+ {
1850
+ "epoch": 0.5129238901581329,
1851
+ "grad_norm": 7.1598358154296875,
1852
+ "learning_rate": 4.814210233245791e-05,
1853
+ "loss": 0.1233,
1854
+ "step": 22900
1855
+ },
1856
+ {
1857
+ "epoch": 0.5151637324732339,
1858
+ "grad_norm": 6.744624137878418,
1859
+ "learning_rate": 4.778977154780698e-05,
1860
+ "loss": 0.1158,
1861
+ "step": 23000
1862
+ },
1863
+ {
1864
+ "epoch": 0.5151637324732339,
1865
+ "eval_avg_non_pair_similarity": 2.2767017136340985e-06,
1866
+ "eval_avg_pair_similarity": -0.0032549318633973597,
1867
+ "eval_loss": 0.13024543225765228,
1868
+ "eval_runtime": 19.7369,
1869
+ "eval_samples_per_second": 25.333,
1870
+ "eval_similarity_ratio": -1429.669878976723,
1871
+ "eval_steps_per_second": 0.811,
1872
+ "step": 23000
1873
+ },
1874
+ {
1875
+ "epoch": 0.5174035747883349,
1876
+ "grad_norm": 6.886088848114014,
1877
+ "learning_rate": 4.743755069352488e-05,
1878
+ "loss": 0.1127,
1879
+ "step": 23100
1880
+ },
1881
+ {
1882
+ "epoch": 0.5196434171034359,
1883
+ "grad_norm": 4.287947177886963,
1884
+ "learning_rate": 4.7085457288057925e-05,
1885
+ "loss": 0.1112,
1886
+ "step": 23200
1887
+ },
1888
+ {
1889
+ "epoch": 0.521883259418537,
1890
+ "grad_norm": 7.680822849273682,
1891
+ "learning_rate": 4.673350884351344e-05,
1892
+ "loss": 0.1437,
1893
+ "step": 23300
1894
+ },
1895
+ {
1896
+ "epoch": 0.524123101733638,
1897
+ "grad_norm": 9.121180534362793,
1898
+ "learning_rate": 4.6381722864788876e-05,
1899
+ "loss": 0.1441,
1900
+ "step": 23400
1901
+ },
1902
+ {
1903
+ "epoch": 0.526362944048739,
1904
+ "grad_norm": 9.648383140563965,
1905
+ "learning_rate": 4.603011684870104e-05,
1906
+ "loss": 0.1442,
1907
+ "step": 23500
1908
+ },
1909
+ {
1910
+ "epoch": 0.52860278636384,
1911
+ "grad_norm": 6.871197700500488,
1912
+ "learning_rate": 4.567870828311598e-05,
1913
+ "loss": 0.1007,
1914
+ "step": 23600
1915
+ },
1916
+ {
1917
+ "epoch": 0.530842628678941,
1918
+ "grad_norm": 6.548398971557617,
1919
+ "learning_rate": 4.5327514646079064e-05,
1920
+ "loss": 0.1391,
1921
+ "step": 23700
1922
+ },
1923
+ {
1924
+ "epoch": 0.533082470994042,
1925
+ "grad_norm": 4.919002532958984,
1926
+ "learning_rate": 4.4976553404945795e-05,
1927
+ "loss": 0.1413,
1928
+ "step": 23800
1929
+ },
1930
+ {
1931
+ "epoch": 0.535322313309143,
1932
+ "grad_norm": 5.23176383972168,
1933
+ "learning_rate": 4.462584201551291e-05,
1934
+ "loss": 0.1127,
1935
+ "step": 23900
1936
+ },
1937
+ {
1938
+ "epoch": 0.537562155624244,
1939
+ "grad_norm": 6.158422946929932,
1940
+ "learning_rate": 4.427539792115033e-05,
1941
+ "loss": 0.1297,
1942
+ "step": 24000
1943
+ },
1944
+ {
1945
+ "epoch": 0.537562155624244,
1946
+ "eval_avg_non_pair_similarity": 0.0003475586844268507,
1947
+ "eval_avg_pair_similarity": 0.0009371067539323121,
1948
+ "eval_loss": 0.12211039662361145,
1949
+ "eval_runtime": 19.4919,
1950
+ "eval_samples_per_second": 25.652,
1951
+ "eval_similarity_ratio": 2.6962547504104775,
1952
+ "eval_steps_per_second": 0.821,
1953
+ "step": 24000
1954
+ },
1955
+ {
1956
+ "epoch": 0.539801997939345,
1957
+ "grad_norm": 6.401062488555908,
1958
+ "learning_rate": 4.3925238551933406e-05,
1959
+ "loss": 0.1066,
1960
+ "step": 24100
1961
+ },
1962
+ {
1963
+ "epoch": 0.5420418402544461,
1964
+ "grad_norm": 6.289074420928955,
1965
+ "learning_rate": 4.357538132377615e-05,
1966
+ "loss": 0.1388,
1967
+ "step": 24200
1968
+ },
1969
+ {
1970
+ "epoch": 0.5442816825695471,
1971
+ "grad_norm": 6.771076679229736,
1972
+ "learning_rate": 4.32258436375649e-05,
1973
+ "loss": 0.123,
1974
+ "step": 24300
1975
+ },
1976
+ {
1977
+ "epoch": 0.5465215248846481,
1978
+ "grad_norm": 4.1949896812438965,
1979
+ "learning_rate": 4.2876642878292966e-05,
1980
+ "loss": 0.1005,
1981
+ "step": 24400
1982
+ },
1983
+ {
1984
+ "epoch": 0.5487613671997491,
1985
+ "grad_norm": 8.316376686096191,
1986
+ "learning_rate": 4.25277964141958e-05,
1987
+ "loss": 0.1194,
1988
+ "step": 24500
1989
+ },
1990
+ {
1991
+ "epoch": 0.5510012095148502,
1992
+ "grad_norm": 7.281992435455322,
1993
+ "learning_rate": 4.217932159588734e-05,
1994
+ "loss": 0.1275,
1995
+ "step": 24600
1996
+ },
1997
+ {
1998
+ "epoch": 0.5532410518299512,
1999
+ "grad_norm": 5.62957763671875,
2000
+ "learning_rate": 4.183123575549684e-05,
2001
+ "loss": 0.0989,
2002
+ "step": 24700
2003
+ },
2004
+ {
2005
+ "epoch": 0.5554808941450522,
2006
+ "grad_norm": 5.6208930015563965,
2007
+ "learning_rate": 4.148355620580699e-05,
2008
+ "loss": 0.1238,
2009
+ "step": 24800
2010
+ },
2011
+ {
2012
+ "epoch": 0.5577207364601532,
2013
+ "grad_norm": 5.27440071105957,
2014
+ "learning_rate": 4.113630023939269e-05,
2015
+ "loss": 0.1381,
2016
+ "step": 24900
2017
+ },
2018
+ {
2019
+ "epoch": 0.5599605787752542,
2020
+ "grad_norm": 7.504971981048584,
2021
+ "learning_rate": 4.0789485127761115e-05,
2022
+ "loss": 0.1047,
2023
+ "step": 25000
2024
+ },
2025
+ {
2026
+ "epoch": 0.5599605787752542,
2027
+ "eval_avg_non_pair_similarity": -0.0001179015729853973,
2028
+ "eval_avg_pair_similarity": 0.0010876374864019454,
2029
+ "eval_loss": 0.09219632297754288,
2030
+ "eval_runtime": 19.4855,
2031
+ "eval_samples_per_second": 25.66,
2032
+ "eval_similarity_ratio": -9.224961625716858,
2033
+ "eval_steps_per_second": 0.821,
2034
+ "step": 25000
2035
+ },
2036
+ {
2037
+ "epoch": 0.5622004210903553,
2038
+ "grad_norm": 9.146899223327637,
2039
+ "learning_rate": 4.044312812049252e-05,
2040
+ "loss": 0.1536,
2041
+ "step": 25100
2042
+ },
2043
+ {
2044
+ "epoch": 0.5644402634054563,
2045
+ "grad_norm": 5.325754642486572,
2046
+ "learning_rate": 4.009724644438243e-05,
2047
+ "loss": 0.1066,
2048
+ "step": 25200
2049
+ },
2050
+ {
2051
+ "epoch": 0.5666801057205573,
2052
+ "grad_norm": 6.888172626495361,
2053
+ "learning_rate": 3.975185730258473e-05,
2054
+ "loss": 0.11,
2055
+ "step": 25300
2056
+ },
2057
+ {
2058
+ "epoch": 0.5689199480356583,
2059
+ "grad_norm": 5.21387243270874,
2060
+ "learning_rate": 3.940697787375612e-05,
2061
+ "loss": 0.0928,
2062
+ "step": 25400
2063
+ },
2064
+ {
2065
+ "epoch": 0.5711597903507593,
2066
+ "grad_norm": 6.064445972442627,
2067
+ "learning_rate": 3.9062625311201595e-05,
2068
+ "loss": 0.1004,
2069
+ "step": 25500
2070
+ },
2071
+ {
2072
+ "epoch": 0.5733996326658604,
2073
+ "grad_norm": 10.20885944366455,
2074
+ "learning_rate": 3.871881674202141e-05,
2075
+ "loss": 0.1076,
2076
+ "step": 25600
2077
+ },
2078
+ {
2079
+ "epoch": 0.5756394749809614,
2080
+ "grad_norm": 5.855322360992432,
2081
+ "learning_rate": 3.8375569266259116e-05,
2082
+ "loss": 0.1287,
2083
+ "step": 25700
2084
+ },
2085
+ {
2086
+ "epoch": 0.5778793172960623,
2087
+ "grad_norm": 4.730558395385742,
2088
+ "learning_rate": 3.803289995605111e-05,
2089
+ "loss": 0.0928,
2090
+ "step": 25800
2091
+ },
2092
+ {
2093
+ "epoch": 0.5801191596111633,
2094
+ "grad_norm": 5.415820121765137,
2095
+ "learning_rate": 3.769082585477751e-05,
2096
+ "loss": 0.0993,
2097
+ "step": 25900
2098
+ },
2099
+ {
2100
+ "epoch": 0.5823590019262644,
2101
+ "grad_norm": 5.65316104888916,
2102
+ "learning_rate": 3.734936397621449e-05,
2103
+ "loss": 0.1053,
2104
+ "step": 26000
2105
+ },
2106
+ {
2107
+ "epoch": 0.5823590019262644,
2108
+ "eval_avg_non_pair_similarity": -7.923919997991759e-05,
2109
+ "eval_avg_pair_similarity": -0.0013436697054421529,
2110
+ "eval_loss": 0.09676006436347961,
2111
+ "eval_runtime": 19.4919,
2112
+ "eval_samples_per_second": 25.652,
2113
+ "eval_similarity_ratio": 16.957133663422812,
2114
+ "eval_steps_per_second": 0.821,
2115
+ "step": 26000
2116
+ },
2117
+ {
2118
+ "epoch": 0.5845988442413654,
2119
+ "grad_norm": 5.778397083282471,
2120
+ "learning_rate": 3.700853130368799e-05,
2121
+ "loss": 0.1046,
2122
+ "step": 26100
2123
+ },
2124
+ {
2125
+ "epoch": 0.5868386865564664,
2126
+ "grad_norm": 6.368062496185303,
2127
+ "learning_rate": 3.66683447892291e-05,
2128
+ "loss": 0.1121,
2129
+ "step": 26200
2130
+ },
2131
+ {
2132
+ "epoch": 0.5890785288715674,
2133
+ "grad_norm": 5.751466751098633,
2134
+ "learning_rate": 3.6328821352730826e-05,
2135
+ "loss": 0.1106,
2136
+ "step": 26300
2137
+ },
2138
+ {
2139
+ "epoch": 0.5913183711866684,
2140
+ "grad_norm": 6.569725036621094,
2141
+ "learning_rate": 3.598997788110669e-05,
2142
+ "loss": 0.1091,
2143
+ "step": 26400
2144
+ },
2145
+ {
2146
+ "epoch": 0.5935582135017695,
2147
+ "grad_norm": 5.317460536956787,
2148
+ "learning_rate": 3.565183122745061e-05,
2149
+ "loss": 0.1148,
2150
+ "step": 26500
2151
+ },
2152
+ {
2153
+ "epoch": 0.5957980558168705,
2154
+ "grad_norm": 5.7358903884887695,
2155
+ "learning_rate": 3.53143982101989e-05,
2156
+ "loss": 0.1167,
2157
+ "step": 26600
2158
+ },
2159
+ {
2160
+ "epoch": 0.5980378981319715,
2161
+ "grad_norm": 4.8382182121276855,
2162
+ "learning_rate": 3.497769561229359e-05,
2163
+ "loss": 0.0897,
2164
+ "step": 26700
2165
+ },
2166
+ {
2167
+ "epoch": 0.6002777404470725,
2168
+ "grad_norm": 5.444955348968506,
2169
+ "learning_rate": 3.464174018034782e-05,
2170
+ "loss": 0.1103,
2171
+ "step": 26800
2172
+ },
2173
+ {
2174
+ "epoch": 0.6025175827621736,
2175
+ "grad_norm": 5.66546630859375,
2176
+ "learning_rate": 3.430654862381279e-05,
2177
+ "loss": 0.0923,
2178
+ "step": 26900
2179
+ },
2180
+ {
2181
+ "epoch": 0.6047574250772746,
2182
+ "grad_norm": 5.193814277648926,
2183
+ "learning_rate": 3.397213761414682e-05,
2184
+ "loss": 0.0934,
2185
+ "step": 27000
2186
+ },
2187
+ {
2188
+ "epoch": 0.6047574250772746,
2189
+ "eval_avg_non_pair_similarity": 0.0001739923407539225,
2190
+ "eval_avg_pair_similarity": 0.006307185695739463,
2191
+ "eval_loss": 0.13982024788856506,
2192
+ "eval_runtime": 19.4868,
2193
+ "eval_samples_per_second": 25.658,
2194
+ "eval_similarity_ratio": 36.2497893206674,
2195
+ "eval_steps_per_second": 0.821,
2196
+ "step": 27000
2197
+ },
2198
+ {
2199
+ "epoch": 0.6069972673923756,
2200
+ "grad_norm": 4.746061325073242,
2201
+ "learning_rate": 3.3638523783986045e-05,
2202
+ "loss": 0.1074,
2203
+ "step": 27100
2204
+ },
2205
+ {
2206
+ "epoch": 0.6092371097074766,
2207
+ "grad_norm": 7.259909152984619,
2208
+ "learning_rate": 3.33057237263172e-05,
2209
+ "loss": 0.0808,
2210
+ "step": 27200
2211
+ },
2212
+ {
2213
+ "epoch": 0.6114769520225776,
2214
+ "grad_norm": 5.645957946777344,
2215
+ "learning_rate": 3.297375399365232e-05,
2216
+ "loss": 0.1014,
2217
+ "step": 27300
2218
+ },
2219
+ {
2220
+ "epoch": 0.6137167943376787,
2221
+ "grad_norm": 6.798257827758789,
2222
+ "learning_rate": 3.264263109720553e-05,
2223
+ "loss": 0.104,
2224
+ "step": 27400
2225
+ },
2226
+ {
2227
+ "epoch": 0.6159566366527797,
2228
+ "grad_norm": 4.103272438049316,
2229
+ "learning_rate": 3.231237150607169e-05,
2230
+ "loss": 0.102,
2231
+ "step": 27500
2232
+ },
2233
+ {
2234
+ "epoch": 0.6181964789678807,
2235
+ "grad_norm": 5.683504581451416,
2236
+ "learning_rate": 3.198299164640746e-05,
2237
+ "loss": 0.0738,
2238
+ "step": 27600
2239
+ },
2240
+ {
2241
+ "epoch": 0.6204363212829817,
2242
+ "grad_norm": 7.115816116333008,
2243
+ "learning_rate": 3.1654507900614075e-05,
2244
+ "loss": 0.114,
2245
+ "step": 27700
2246
+ },
2247
+ {
2248
+ "epoch": 0.6226761635980826,
2249
+ "grad_norm": 5.121180534362793,
2250
+ "learning_rate": 3.132693660652275e-05,
2251
+ "loss": 0.1276,
2252
+ "step": 27800
2253
+ },
2254
+ {
2255
+ "epoch": 0.6249160059131837,
2256
+ "grad_norm": 4.287757396697998,
2257
+ "learning_rate": 3.1000294056581956e-05,
2258
+ "loss": 0.124,
2259
+ "step": 27900
2260
+ },
2261
+ {
2262
+ "epoch": 0.6271558482282847,
2263
+ "grad_norm": 5.313990592956543,
2264
+ "learning_rate": 3.0674596497047114e-05,
2265
+ "loss": 0.0993,
2266
+ "step": 28000
2267
+ },
2268
+ {
2269
+ "epoch": 0.6271558482282847,
2270
+ "eval_avg_non_pair_similarity": 0.00018286673501572518,
2271
+ "eval_avg_pair_similarity": 0.0014989098869264126,
2272
+ "eval_loss": 0.0850396603345871,
2273
+ "eval_runtime": 19.4997,
2274
+ "eval_samples_per_second": 25.641,
2275
+ "eval_similarity_ratio": 8.196733467120291,
2276
+ "eval_steps_per_second": 0.821,
2277
+ "step": 28000
2278
+ },
2279
+ {
2280
+ "epoch": 0.6293956905433857,
2281
+ "grad_norm": 5.110395431518555,
2282
+ "learning_rate": 3.03498601271726e-05,
2283
+ "loss": 0.0904,
2284
+ "step": 28100
2285
+ },
2286
+ {
2287
+ "epoch": 0.6316355328584867,
2288
+ "grad_norm": 5.829471111297607,
2289
+ "learning_rate": 3.0026101098405923e-05,
2290
+ "loss": 0.1008,
2291
+ "step": 28200
2292
+ },
2293
+ {
2294
+ "epoch": 0.6338753751735878,
2295
+ "grad_norm": 4.9259490966796875,
2296
+ "learning_rate": 2.970333551358454e-05,
2297
+ "loss": 0.0813,
2298
+ "step": 28300
2299
+ },
2300
+ {
2301
+ "epoch": 0.6361152174886888,
2302
+ "grad_norm": 5.959886074066162,
2303
+ "learning_rate": 2.938157942613484e-05,
2304
+ "loss": 0.0749,
2305
+ "step": 28400
2306
+ },
2307
+ {
2308
+ "epoch": 0.6383550598037898,
2309
+ "grad_norm": 6.9880170822143555,
2310
+ "learning_rate": 2.906084883927377e-05,
2311
+ "loss": 0.1147,
2312
+ "step": 28500
2313
+ },
2314
+ {
2315
+ "epoch": 0.6405949021188908,
2316
+ "grad_norm": 4.971254825592041,
2317
+ "learning_rate": 2.8741159705212784e-05,
2318
+ "loss": 0.0864,
2319
+ "step": 28600
2320
+ },
2321
+ {
2322
+ "epoch": 0.6428347444339918,
2323
+ "grad_norm": 7.111112117767334,
2324
+ "learning_rate": 2.842252792436455e-05,
2325
+ "loss": 0.1095,
2326
+ "step": 28700
2327
+ },
2328
+ {
2329
+ "epoch": 0.6450745867490929,
2330
+ "grad_norm": 5.872374057769775,
2331
+ "learning_rate": 2.8104969344552008e-05,
2332
+ "loss": 0.0805,
2333
+ "step": 28800
2334
+ },
2335
+ {
2336
+ "epoch": 0.6473144290641939,
2337
+ "grad_norm": 3.890766143798828,
2338
+ "learning_rate": 2.7788499760220206e-05,
2339
+ "loss": 0.1048,
2340
+ "step": 28900
2341
+ },
2342
+ {
2343
+ "epoch": 0.6495542713792949,
2344
+ "grad_norm": 6.403942584991455,
2345
+ "learning_rate": 2.7473134911650688e-05,
2346
+ "loss": 0.1073,
2347
+ "step": 29000
2348
+ },
2349
+ {
2350
+ "epoch": 0.6495542713792949,
2351
+ "eval_avg_non_pair_similarity": 0.0003677557400541608,
2352
+ "eval_avg_pair_similarity": 0.0012322162021882832,
2353
+ "eval_loss": 0.08355608582496643,
2354
+ "eval_runtime": 19.519,
2355
+ "eval_samples_per_second": 25.616,
2356
+ "eval_similarity_ratio": 3.3506375781022752,
2357
+ "eval_steps_per_second": 0.82,
2358
+ "step": 29000
2359
+ },
2360
+ {
2361
+ "epoch": 0.6517941136943959,
2362
+ "grad_norm": 6.749320030212402,
2363
+ "learning_rate": 2.7158890484178674e-05,
2364
+ "loss": 0.1191,
2365
+ "step": 29100
2366
+ },
2367
+ {
2368
+ "epoch": 0.654033956009497,
2369
+ "grad_norm": 7.146528720855713,
2370
+ "learning_rate": 2.6845782107412787e-05,
2371
+ "loss": 0.1112,
2372
+ "step": 29200
2373
+ },
2374
+ {
2375
+ "epoch": 0.656273798324598,
2376
+ "grad_norm": 4.999032497406006,
2377
+ "learning_rate": 2.6533825354457927e-05,
2378
+ "loss": 0.0895,
2379
+ "step": 29300
2380
+ },
2381
+ {
2382
+ "epoch": 0.658513640639699,
2383
+ "grad_norm": 5.313070774078369,
2384
+ "learning_rate": 2.6223035741140377e-05,
2385
+ "loss": 0.0788,
2386
+ "step": 29400
2387
+ },
2388
+ {
2389
+ "epoch": 0.6607534829548,
2390
+ "grad_norm": 6.701467037200928,
2391
+ "learning_rate": 2.5913428725236455e-05,
2392
+ "loss": 0.1013,
2393
+ "step": 29500
2394
+ },
2395
+ {
2396
+ "epoch": 0.662993325269901,
2397
+ "grad_norm": 4.250235557556152,
2398
+ "learning_rate": 2.560501970570336e-05,
2399
+ "loss": 0.1368,
2400
+ "step": 29600
2401
+ },
2402
+ {
2403
+ "epoch": 0.6652331675850021,
2404
+ "grad_norm": 4.871214866638184,
2405
+ "learning_rate": 2.5297824021913473e-05,
2406
+ "loss": 0.088,
2407
+ "step": 29700
2408
+ },
2409
+ {
2410
+ "epoch": 0.667473009900103,
2411
+ "grad_norm": 5.718384742736816,
2412
+ "learning_rate": 2.4991856952891378e-05,
2413
+ "loss": 0.0891,
2414
+ "step": 29800
2415
+ },
2416
+ {
2417
+ "epoch": 0.669712852215204,
2418
+ "grad_norm": 5.143789768218994,
2419
+ "learning_rate": 2.4687133716553895e-05,
2420
+ "loss": 0.0824,
2421
+ "step": 29900
2422
+ },
2423
+ {
2424
+ "epoch": 0.671952694530305,
2425
+ "grad_norm": 4.942638874053955,
2426
+ "learning_rate": 2.438366946895322e-05,
2427
+ "loss": 0.0934,
2428
+ "step": 30000
2429
+ },
2430
+ {
2431
+ "epoch": 0.671952694530305,
2432
+ "eval_avg_non_pair_similarity": -5.301678925985937e-05,
2433
+ "eval_avg_pair_similarity": 0.0020237803690833973,
2434
+ "eval_loss": 0.09376745671033859,
2435
+ "eval_runtime": 19.5084,
2436
+ "eval_samples_per_second": 25.63,
2437
+ "eval_similarity_ratio": -38.17244305693297,
2438
+ "eval_steps_per_second": 0.82,
2439
+ "step": 30000
2440
+ },
2441
+ {
2442
+ "epoch": 0.674192536845406,
2443
+ "grad_norm": 6.309473991394043,
2444
+ "learning_rate": 2.4081479303523092e-05,
2445
+ "loss": 0.0717,
2446
+ "step": 30100
2447
+ },
2448
+ {
2449
+ "epoch": 0.6764323791605071,
2450
+ "grad_norm": 4.887032508850098,
2451
+ "learning_rate": 2.378057825032802e-05,
2452
+ "loss": 0.1199,
2453
+ "step": 30200
2454
+ },
2455
+ {
2456
+ "epoch": 0.6786722214756081,
2457
+ "grad_norm": 7.816061019897461,
2458
+ "learning_rate": 2.348098127531595e-05,
2459
+ "loss": 0.1003,
2460
+ "step": 30300
2461
+ },
2462
+ {
2463
+ "epoch": 0.6809120637907091,
2464
+ "grad_norm": 6.085392951965332,
2465
+ "learning_rate": 2.318270327957357e-05,
2466
+ "loss": 0.078,
2467
+ "step": 30400
2468
+ },
2469
+ {
2470
+ "epoch": 0.6831519061058101,
2471
+ "grad_norm": 8.31521987915039,
2472
+ "learning_rate": 2.2885759098585523e-05,
2473
+ "loss": 0.0676,
2474
+ "step": 30500
2475
+ },
2476
+ {
2477
+ "epoch": 0.6853917484209112,
2478
+ "grad_norm": 5.450972080230713,
2479
+ "learning_rate": 2.2590163501496243e-05,
2480
+ "loss": 0.0887,
2481
+ "step": 30600
2482
+ },
2483
+ {
2484
+ "epoch": 0.6876315907360122,
2485
+ "grad_norm": 9.038603782653809,
2486
+ "learning_rate": 2.2295931190375557e-05,
2487
+ "loss": 0.1288,
2488
+ "step": 30700
2489
+ },
2490
+ {
2491
+ "epoch": 0.6898714330511132,
2492
+ "grad_norm": 5.174834251403809,
2493
+ "learning_rate": 2.200307679948739e-05,
2494
+ "loss": 0.1069,
2495
+ "step": 30800
2496
+ },
2497
+ {
2498
+ "epoch": 0.6921112753662142,
2499
+ "grad_norm": 5.187695026397705,
2500
+ "learning_rate": 2.171161489456189e-05,
2501
+ "loss": 0.0913,
2502
+ "step": 30900
2503
+ },
2504
+ {
2505
+ "epoch": 0.6943511176813152,
2506
+ "grad_norm": 5.526557922363281,
2507
+ "learning_rate": 2.1421559972070975e-05,
2508
+ "loss": 0.1087,
2509
+ "step": 31000
2510
+ },
2511
+ {
2512
+ "epoch": 0.6943511176813152,
2513
+ "eval_avg_non_pair_similarity": 3.3580441187455025e-05,
2514
+ "eval_avg_pair_similarity": 0.003614855747204274,
2515
+ "eval_loss": 0.07280989736318588,
2516
+ "eval_runtime": 19.5252,
2517
+ "eval_samples_per_second": 25.608,
2518
+ "eval_similarity_ratio": 107.64765498538807,
2519
+ "eval_steps_per_second": 0.819,
2520
+ "step": 31000
2521
+ },
2522
+ {
2523
+ "epoch": 0.6965909599964163,
2524
+ "grad_norm": 5.897706031799316,
2525
+ "learning_rate": 2.1132926458507374e-05,
2526
+ "loss": 0.0632,
2527
+ "step": 31100
2528
+ },
2529
+ {
2530
+ "epoch": 0.6988308023115173,
2531
+ "grad_norm": 3.5131309032440186,
2532
+ "learning_rate": 2.0845728709666944e-05,
2533
+ "loss": 0.079,
2534
+ "step": 31200
2535
+ },
2536
+ {
2537
+ "epoch": 0.7010706446266183,
2538
+ "grad_norm": 5.50792932510376,
2539
+ "learning_rate": 2.0559981009934905e-05,
2540
+ "loss": 0.0737,
2541
+ "step": 31300
2542
+ },
2543
+ {
2544
+ "epoch": 0.7033104869417193,
2545
+ "grad_norm": 5.094911575317383,
2546
+ "learning_rate": 2.0275697571575076e-05,
2547
+ "loss": 0.1031,
2548
+ "step": 31400
2549
+ },
2550
+ {
2551
+ "epoch": 0.7055503292568204,
2552
+ "grad_norm": 7.040360927581787,
2553
+ "learning_rate": 1.9992892534023307e-05,
2554
+ "loss": 0.0984,
2555
+ "step": 31500
2556
+ },
2557
+ {
2558
+ "epoch": 0.7077901715719214,
2559
+ "grad_norm": 6.590450286865234,
2560
+ "learning_rate": 1.9711579963183918e-05,
2561
+ "loss": 0.0879,
2562
+ "step": 31600
2563
+ },
2564
+ {
2565
+ "epoch": 0.7100300138870224,
2566
+ "grad_norm": 4.6244330406188965,
2567
+ "learning_rate": 1.9431773850730357e-05,
2568
+ "loss": 0.0966,
2569
+ "step": 31700
2570
+ },
2571
+ {
2572
+ "epoch": 0.7122698562021234,
2573
+ "grad_norm": 6.440681457519531,
2574
+ "learning_rate": 1.915348811340914e-05,
2575
+ "loss": 0.0886,
2576
+ "step": 31800
2577
+ },
2578
+ {
2579
+ "epoch": 0.7145096985172243,
2580
+ "grad_norm": 6.589687347412109,
2581
+ "learning_rate": 1.8876736592347755e-05,
2582
+ "loss": 0.1037,
2583
+ "step": 31900
2584
+ },
2585
+ {
2586
+ "epoch": 0.7167495408323254,
2587
+ "grad_norm": 3.923104763031006,
2588
+ "learning_rate": 1.8601533052366187e-05,
2589
+ "loss": 0.0754,
2590
+ "step": 32000
2591
+ },
2592
+ {
2593
+ "epoch": 0.7167495408323254,
2594
+ "eval_avg_non_pair_similarity": -0.00010670935165721229,
2595
+ "eval_avg_pair_similarity": 0.0034774179267697035,
2596
+ "eval_loss": 0.07078579068183899,
2597
+ "eval_runtime": 19.5208,
2598
+ "eval_samples_per_second": 25.614,
2599
+ "eval_similarity_ratio": -32.587752364388685,
2600
+ "eval_steps_per_second": 0.82,
2601
+ "step": 32000
2602
+ },
2603
+ {
2604
+ "epoch": 0.7189893831474264,
2605
+ "grad_norm": 4.890777587890625,
2606
+ "learning_rate": 1.832789118129235e-05,
2607
+ "loss": 0.1043,
2608
+ "step": 32100
2609
+ },
2610
+ {
2611
+ "epoch": 0.7212292254625274,
2612
+ "grad_norm": 5.578083515167236,
2613
+ "learning_rate": 1.8055824589281184e-05,
2614
+ "loss": 0.105,
2615
+ "step": 32200
2616
+ },
2617
+ {
2618
+ "epoch": 0.7234690677776284,
2619
+ "grad_norm": 5.605546951293945,
2620
+ "learning_rate": 1.7785346808137943e-05,
2621
+ "loss": 0.0801,
2622
+ "step": 32300
2623
+ },
2624
+ {
2625
+ "epoch": 0.7257089100927294,
2626
+ "grad_norm": 5.415656089782715,
2627
+ "learning_rate": 1.7516471290644876e-05,
2628
+ "loss": 0.0721,
2629
+ "step": 32400
2630
+ },
2631
+ {
2632
+ "epoch": 0.7279487524078305,
2633
+ "grad_norm": 9.364145278930664,
2634
+ "learning_rate": 1.7249211409892407e-05,
2635
+ "loss": 0.0881,
2636
+ "step": 32500
2637
+ },
2638
+ {
2639
+ "epoch": 0.7301885947229315,
2640
+ "grad_norm": 4.526866436004639,
2641
+ "learning_rate": 1.6983580458613758e-05,
2642
+ "loss": 0.0762,
2643
+ "step": 32600
2644
+ },
2645
+ {
2646
+ "epoch": 0.7324284370380325,
2647
+ "grad_norm": 5.538239479064941,
2648
+ "learning_rate": 1.6719591648523963e-05,
2649
+ "loss": 0.0909,
2650
+ "step": 32700
2651
+ },
2652
+ {
2653
+ "epoch": 0.7346682793531335,
2654
+ "grad_norm": 10.04980182647705,
2655
+ "learning_rate": 1.6457258109662704e-05,
2656
+ "loss": 0.1096,
2657
+ "step": 32800
2658
+ },
2659
+ {
2660
+ "epoch": 0.7369081216682346,
2661
+ "grad_norm": 5.6735053062438965,
2662
+ "learning_rate": 1.619659288974125e-05,
2663
+ "loss": 0.0821,
2664
+ "step": 32900
2665
+ },
2666
+ {
2667
+ "epoch": 0.7391479639833356,
2668
+ "grad_norm": 5.209055423736572,
2669
+ "learning_rate": 1.593760895349351e-05,
2670
+ "loss": 0.0864,
2671
+ "step": 33000
2672
+ },
2673
+ {
2674
+ "epoch": 0.7391479639833356,
2675
+ "eval_avg_non_pair_similarity": -0.00013926716210467102,
2676
+ "eval_avg_pair_similarity": -7.746053533628583e-05,
2677
+ "eval_loss": 0.08394056558609009,
2678
+ "eval_runtime": 19.5313,
2679
+ "eval_samples_per_second": 25.6,
2680
+ "eval_similarity_ratio": 0.5562010036369357,
2681
+ "eval_steps_per_second": 0.819,
2682
+ "step": 33000
2683
+ },
2684
+ {
2685
+ "epoch": 0.7413878062984366,
2686
+ "grad_norm": 5.990492820739746,
2687
+ "learning_rate": 1.5680319182031234e-05,
2688
+ "loss": 0.0786,
2689
+ "step": 33100
2690
+ },
2691
+ {
2692
+ "epoch": 0.7436276486135376,
2693
+ "grad_norm": 4.678779602050781,
2694
+ "learning_rate": 1.5424736372203235e-05,
2695
+ "loss": 0.0836,
2696
+ "step": 33200
2697
+ },
2698
+ {
2699
+ "epoch": 0.7458674909286386,
2700
+ "grad_norm": 4.743473529815674,
2701
+ "learning_rate": 1.5170873235959132e-05,
2702
+ "loss": 0.0946,
2703
+ "step": 33300
2704
+ },
2705
+ {
2706
+ "epoch": 0.7481073332437397,
2707
+ "grad_norm": 6.187160968780518,
2708
+ "learning_rate": 1.4918742399716801e-05,
2709
+ "loss": 0.1051,
2710
+ "step": 33400
2711
+ },
2712
+ {
2713
+ "epoch": 0.7503471755588407,
2714
+ "grad_norm": 5.139279842376709,
2715
+ "learning_rate": 1.4668356403734673e-05,
2716
+ "loss": 0.0927,
2717
+ "step": 33500
2718
+ },
2719
+ {
2720
+ "epoch": 0.7525870178739417,
2721
+ "grad_norm": 6.5257744789123535,
2722
+ "learning_rate": 1.4419727701487746e-05,
2723
+ "loss": 0.0516,
2724
+ "step": 33600
2725
+ },
2726
+ {
2727
+ "epoch": 0.7548268601890427,
2728
+ "grad_norm": 4.078733444213867,
2729
+ "learning_rate": 1.4172868659048388e-05,
2730
+ "loss": 0.0819,
2731
+ "step": 33700
2732
+ },
2733
+ {
2734
+ "epoch": 0.7570667025041438,
2735
+ "grad_norm": 4.5398736000061035,
2736
+ "learning_rate": 1.3927791554471187e-05,
2737
+ "loss": 0.1052,
2738
+ "step": 33800
2739
+ },
2740
+ {
2741
+ "epoch": 0.7593065448192448,
2742
+ "grad_norm": 5.163090229034424,
2743
+ "learning_rate": 1.3684508577182299e-05,
2744
+ "loss": 0.0647,
2745
+ "step": 33900
2746
+ },
2747
+ {
2748
+ "epoch": 0.7615463871343457,
2749
+ "grad_norm": 4.053796768188477,
2750
+ "learning_rate": 1.3443031827373165e-05,
2751
+ "loss": 0.0527,
2752
+ "step": 34000
2753
+ },
2754
+ {
2755
+ "epoch": 0.7615463871343457,
2756
+ "eval_avg_non_pair_similarity": 3.059026926293044e-05,
2757
+ "eval_avg_pair_similarity": 0.0020946352374739945,
2758
+ "eval_loss": 0.07452619820833206,
2759
+ "eval_runtime": 19.5197,
2760
+ "eval_samples_per_second": 25.615,
2761
+ "eval_similarity_ratio": 68.47390650504316,
2762
+ "eval_steps_per_second": 0.82,
2763
+ "step": 34000
2764
+ },
2765
+ {
2766
+ "epoch": 0.7637862294494467,
2767
+ "grad_norm": 6.292452335357666,
2768
+ "learning_rate": 1.3203373315398743e-05,
2769
+ "loss": 0.1186,
2770
+ "step": 34100
2771
+ },
2772
+ {
2773
+ "epoch": 0.7660260717645477,
2774
+ "grad_norm": 4.530829906463623,
2775
+ "learning_rate": 1.296554496118001e-05,
2776
+ "loss": 0.0885,
2777
+ "step": 34200
2778
+ },
2779
+ {
2780
+ "epoch": 0.7682659140796488,
2781
+ "grad_norm": 4.973560333251953,
2782
+ "learning_rate": 1.2729558593611307e-05,
2783
+ "loss": 0.091,
2784
+ "step": 34300
2785
+ },
2786
+ {
2787
+ "epoch": 0.7705057563947498,
2788
+ "grad_norm": 5.97402811050415,
2789
+ "learning_rate": 1.2495425949971778e-05,
2790
+ "loss": 0.0902,
2791
+ "step": 34400
2792
+ },
2793
+ {
2794
+ "epoch": 0.7727455987098508,
2795
+ "grad_norm": 3.757723093032837,
2796
+ "learning_rate": 1.2263158675341813e-05,
2797
+ "loss": 0.1014,
2798
+ "step": 34500
2799
+ },
2800
+ {
2801
+ "epoch": 0.7749854410249518,
2802
+ "grad_norm": 7.246493339538574,
2803
+ "learning_rate": 1.2032768322023629e-05,
2804
+ "loss": 0.071,
2805
+ "step": 34600
2806
+ },
2807
+ {
2808
+ "epoch": 0.7772252833400528,
2809
+ "grad_norm": 4.684466361999512,
2810
+ "learning_rate": 1.1804266348966887e-05,
2811
+ "loss": 0.0869,
2812
+ "step": 34700
2813
+ },
2814
+ {
2815
+ "epoch": 0.7794651256551539,
2816
+ "grad_norm": 4.768868446350098,
2817
+ "learning_rate": 1.157766412119865e-05,
2818
+ "loss": 0.0942,
2819
+ "step": 34800
2820
+ },
2821
+ {
2822
+ "epoch": 0.7817049679702549,
2823
+ "grad_norm": 5.670325756072998,
2824
+ "learning_rate": 1.1352972909258147e-05,
2825
+ "loss": 0.0596,
2826
+ "step": 34900
2827
+ },
2828
+ {
2829
+ "epoch": 0.7839448102853559,
2830
+ "grad_norm": 5.496700286865234,
2831
+ "learning_rate": 1.1130203888636214e-05,
2832
+ "loss": 0.0646,
2833
+ "step": 35000
2834
+ },
2835
+ {
2836
+ "epoch": 0.7839448102853559,
2837
+ "eval_avg_non_pair_similarity": 0.0002842784824618745,
2838
+ "eval_avg_pair_similarity": 0.00340758076030761,
2839
+ "eval_loss": 0.08438670635223389,
2840
+ "eval_runtime": 19.4981,
2841
+ "eval_samples_per_second": 25.644,
2842
+ "eval_similarity_ratio": 11.986769912367926,
2843
+ "eval_steps_per_second": 0.821,
2844
+ "step": 35000
2845
+ },
2846
+ {
2847
+ "epoch": 0.7861846526004569,
2848
+ "grad_norm": 11.246475219726562,
2849
+ "learning_rate": 1.0909368139219455e-05,
2850
+ "loss": 0.0985,
2851
+ "step": 35100
2852
+ },
2853
+ {
2854
+ "epoch": 0.788424494915558,
2855
+ "grad_norm": 5.057461738586426,
2856
+ "learning_rate": 1.0690476644739123e-05,
2857
+ "loss": 0.0717,
2858
+ "step": 35200
2859
+ },
2860
+ {
2861
+ "epoch": 0.790664337230659,
2862
+ "grad_norm": 5.69316291809082,
2863
+ "learning_rate": 1.047354029222492e-05,
2864
+ "loss": 0.0816,
2865
+ "step": 35300
2866
+ },
2867
+ {
2868
+ "epoch": 0.79290417954576,
2869
+ "grad_norm": 4.496025085449219,
2870
+ "learning_rate": 1.0258569871463363e-05,
2871
+ "loss": 0.0637,
2872
+ "step": 35400
2873
+ },
2874
+ {
2875
+ "epoch": 0.795144021860861,
2876
+ "grad_norm": 9.958738327026367,
2877
+ "learning_rate": 1.0045576074461305e-05,
2878
+ "loss": 0.0803,
2879
+ "step": 35500
2880
+ },
2881
+ {
2882
+ "epoch": 0.797383864175962,
2883
+ "grad_norm": 5.643484115600586,
2884
+ "learning_rate": 9.834569494913964e-06,
2885
+ "loss": 0.0804,
2886
+ "step": 35600
2887
+ },
2888
+ {
2889
+ "epoch": 0.7996237064910631,
2890
+ "grad_norm": 8.246979713439941,
2891
+ "learning_rate": 9.625560627678153e-06,
2892
+ "loss": 0.0701,
2893
+ "step": 35700
2894
+ },
2895
+ {
2896
+ "epoch": 0.8018635488061641,
2897
+ "grad_norm": 5.251701354980469,
2898
+ "learning_rate": 9.41855986825026e-06,
2899
+ "loss": 0.1074,
2900
+ "step": 35800
2901
+ },
2902
+ {
2903
+ "epoch": 0.804103391121265,
2904
+ "grad_norm": 5.5380449295043945,
2905
+ "learning_rate": 9.213577512249183e-06,
2906
+ "loss": 0.0853,
2907
+ "step": 35900
2908
+ },
2909
+ {
2910
+ "epoch": 0.806343233436366,
2911
+ "grad_norm": 4.510565757751465,
2912
+ "learning_rate": 9.01062375490428e-06,
2913
+ "loss": 0.0804,
2914
+ "step": 36000
2915
+ },
2916
+ {
2917
+ "epoch": 0.806343233436366,
2918
+ "eval_avg_non_pair_similarity": 0.00013288303102223847,
2919
+ "eval_avg_pair_similarity": 0.0023523447629995643,
2920
+ "eval_loss": 0.06221804767847061,
2921
+ "eval_runtime": 19.4965,
2922
+ "eval_samples_per_second": 25.646,
2923
+ "eval_similarity_ratio": 17.70237136302144,
2924
+ "eval_steps_per_second": 0.821,
2925
+ "step": 36000
2926
+ },
2927
+ {
2928
+ "epoch": 0.8085830757514672,
2929
+ "grad_norm": 4.401285171508789,
2930
+ "learning_rate": 8.809708690548286e-06,
2931
+ "loss": 0.0782,
2932
+ "step": 36100
2933
+ },
2934
+ {
2935
+ "epoch": 0.8108229180665681,
2936
+ "grad_norm": 4.7289018630981445,
2937
+ "learning_rate": 8.610842312115214e-06,
2938
+ "loss": 0.0758,
2939
+ "step": 36200
2940
+ },
2941
+ {
2942
+ "epoch": 0.8130627603816691,
2943
+ "grad_norm": 5.117039680480957,
2944
+ "learning_rate": 8.414034510643432e-06,
2945
+ "loss": 0.089,
2946
+ "step": 36300
2947
+ },
2948
+ {
2949
+ "epoch": 0.8153026026967701,
2950
+ "grad_norm": 4.746285438537598,
2951
+ "learning_rate": 8.219295074783555e-06,
2952
+ "loss": 0.0773,
2953
+ "step": 36400
2954
+ },
2955
+ {
2956
+ "epoch": 0.8175424450118711,
2957
+ "grad_norm": 4.1627960205078125,
2958
+ "learning_rate": 8.02663369031178e-06,
2959
+ "loss": 0.0461,
2960
+ "step": 36500
2961
+ },
2962
+ {
2963
+ "epoch": 0.8197822873269722,
2964
+ "grad_norm": 5.9734930992126465,
2965
+ "learning_rate": 7.836059939647949e-06,
2966
+ "loss": 0.0673,
2967
+ "step": 36600
2968
+ },
2969
+ {
2970
+ "epoch": 0.8220221296420732,
2971
+ "grad_norm": 5.441285610198975,
2972
+ "learning_rate": 7.647583301379086e-06,
2973
+ "loss": 0.0895,
2974
+ "step": 36700
2975
+ },
2976
+ {
2977
+ "epoch": 0.8242619719571742,
2978
+ "grad_norm": 3.8752992153167725,
2979
+ "learning_rate": 7.461213149787905e-06,
2980
+ "loss": 0.1111,
2981
+ "step": 36800
2982
+ },
2983
+ {
2984
+ "epoch": 0.8265018142722752,
2985
+ "grad_norm": 5.2236785888671875,
2986
+ "learning_rate": 7.276958754386537e-06,
2987
+ "loss": 0.0763,
2988
+ "step": 36900
2989
+ },
2990
+ {
2991
+ "epoch": 0.8287416565873762,
2992
+ "grad_norm": 5.746189117431641,
2993
+ "learning_rate": 7.09482927945559e-06,
2994
+ "loss": 0.0759,
2995
+ "step": 37000
2996
+ },
2997
+ {
2998
+ "epoch": 0.8287416565873762,
2999
+ "eval_avg_non_pair_similarity": 8.609171380440076e-05,
3000
+ "eval_avg_pair_similarity": 0.0013784158143680544,
3001
+ "eval_loss": 0.06058155745267868,
3002
+ "eval_runtime": 19.5107,
3003
+ "eval_samples_per_second": 25.627,
3004
+ "eval_similarity_ratio": 16.011016083380532,
3005
+ "eval_steps_per_second": 0.82,
3006
+ "step": 37000
3007
+ },
3008
+ {
3009
+ "epoch": 0.8309814989024773,
3010
+ "grad_norm": 5.916412353515625,
3011
+ "learning_rate": 6.914833783588198e-06,
3012
+ "loss": 0.0546,
3013
+ "step": 37100
3014
+ },
3015
+ {
3016
+ "epoch": 0.8332213412175783,
3017
+ "grad_norm": 6.616349697113037,
3018
+ "learning_rate": 6.736981219239597e-06,
3019
+ "loss": 0.0651,
3020
+ "step": 37200
3021
+ },
3022
+ {
3023
+ "epoch": 0.8354611835326793,
3024
+ "grad_norm": 6.338387489318848,
3025
+ "learning_rate": 6.561280432281785e-06,
3026
+ "loss": 0.0501,
3027
+ "step": 37300
3028
+ },
3029
+ {
3030
+ "epoch": 0.8377010258477803,
3031
+ "grad_norm": 6.998980522155762,
3032
+ "learning_rate": 6.387740161563605e-06,
3033
+ "loss": 0.0604,
3034
+ "step": 37400
3035
+ },
3036
+ {
3037
+ "epoch": 0.8399408681628814,
3038
+ "grad_norm": 5.77348518371582,
3039
+ "learning_rate": 6.2163690384760495e-06,
3040
+ "loss": 0.069,
3041
+ "step": 37500
3042
+ },
3043
+ {
3044
+ "epoch": 0.8421807104779824,
3045
+ "grad_norm": 4.032459735870361,
3046
+ "learning_rate": 6.047175586522991e-06,
3047
+ "loss": 0.06,
3048
+ "step": 37600
3049
+ },
3050
+ {
3051
+ "epoch": 0.8444205527930834,
3052
+ "grad_norm": 4.609256744384766,
3053
+ "learning_rate": 5.880168220897236e-06,
3054
+ "loss": 0.0511,
3055
+ "step": 37700
3056
+ },
3057
+ {
3058
+ "epoch": 0.8466603951081844,
3059
+ "grad_norm": 5.300663948059082,
3060
+ "learning_rate": 5.715355248061998e-06,
3061
+ "loss": 0.0893,
3062
+ "step": 37800
3063
+ },
3064
+ {
3065
+ "epoch": 0.8489002374232854,
3066
+ "grad_norm": 4.432809352874756,
3067
+ "learning_rate": 5.5527448653377e-06,
3068
+ "loss": 0.0696,
3069
+ "step": 37900
3070
+ },
3071
+ {
3072
+ "epoch": 0.8511400797383865,
3073
+ "grad_norm": 4.219615459442139,
3074
+ "learning_rate": 5.392345160494372e-06,
3075
+ "loss": 0.0895,
3076
+ "step": 38000
3077
+ },
3078
+ {
3079
+ "epoch": 0.8511400797383865,
3080
+ "eval_avg_non_pair_similarity": 9.468891061114554e-06,
3081
+ "eval_avg_pair_similarity": 0.001477474272251129,
3082
+ "eval_loss": 0.06096269190311432,
3083
+ "eval_runtime": 19.5074,
3084
+ "eval_samples_per_second": 25.631,
3085
+ "eval_similarity_ratio": 156.0345623067312,
3086
+ "eval_steps_per_second": 0.82,
3087
+ "step": 38000
3088
+ },
3089
+ {
3090
+ "epoch": 0.8533799220534874,
3091
+ "grad_norm": 5.1591477394104,
3092
+ "learning_rate": 5.23416411134926e-06,
3093
+ "loss": 0.0507,
3094
+ "step": 38100
3095
+ },
3096
+ {
3097
+ "epoch": 0.8556197643685884,
3098
+ "grad_norm": 4.836074352264404,
3099
+ "learning_rate": 5.07820958537012e-06,
3100
+ "loss": 0.0732,
3101
+ "step": 38200
3102
+ },
3103
+ {
3104
+ "epoch": 0.8578596066836894,
3105
+ "grad_norm": 5.173804759979248,
3106
+ "learning_rate": 4.9244893392838835e-06,
3107
+ "loss": 0.0676,
3108
+ "step": 38300
3109
+ },
3110
+ {
3111
+ "epoch": 0.8600994489987905,
3112
+ "grad_norm": 7.245664596557617,
3113
+ "learning_rate": 4.773011018690876e-06,
3114
+ "loss": 0.0836,
3115
+ "step": 38400
3116
+ },
3117
+ {
3118
+ "epoch": 0.8623392913138915,
3119
+ "grad_norm": 5.479010105133057,
3120
+ "learning_rate": 4.6237821576845145e-06,
3121
+ "loss": 0.0771,
3122
+ "step": 38500
3123
+ },
3124
+ {
3125
+ "epoch": 0.8645791336289925,
3126
+ "grad_norm": 6.7339677810668945,
3127
+ "learning_rate": 4.476810178476626e-06,
3128
+ "loss": 0.0938,
3129
+ "step": 38600
3130
+ },
3131
+ {
3132
+ "epoch": 0.8668189759440935,
3133
+ "grad_norm": 5.136557102203369,
3134
+ "learning_rate": 4.332102391028242e-06,
3135
+ "loss": 0.1053,
3136
+ "step": 38700
3137
+ },
3138
+ {
3139
+ "epoch": 0.8690588182591945,
3140
+ "grad_norm": 5.929566383361816,
3141
+ "learning_rate": 4.189665992686076e-06,
3142
+ "loss": 0.0948,
3143
+ "step": 38800
3144
+ },
3145
+ {
3146
+ "epoch": 0.8712986605742956,
3147
+ "grad_norm": 5.196740627288818,
3148
+ "learning_rate": 4.049508067824475e-06,
3149
+ "loss": 0.0767,
3150
+ "step": 38900
3151
+ },
3152
+ {
3153
+ "epoch": 0.8735385028893966,
3154
+ "grad_norm": 5.640049457550049,
3155
+ "learning_rate": 3.9116355874931675e-06,
3156
+ "loss": 0.0925,
3157
+ "step": 39000
3158
+ },
3159
+ {
3160
+ "epoch": 0.8735385028893966,
3161
+ "eval_avg_non_pair_similarity": 9.361291049913371e-05,
3162
+ "eval_avg_pair_similarity": 0.0015426551783457399,
3163
+ "eval_loss": 0.06498789042234421,
3164
+ "eval_runtime": 19.5142,
3165
+ "eval_samples_per_second": 25.622,
3166
+ "eval_similarity_ratio": 16.47908573849988,
3167
+ "eval_steps_per_second": 0.82,
3168
+ "step": 39000
3169
+ },
3170
+ {
3171
+ "epoch": 0.8757783452044976,
3172
+ "grad_norm": 4.4728474617004395,
3173
+ "learning_rate": 3.7760554090704224e-06,
3174
+ "loss": 0.0585,
3175
+ "step": 39100
3176
+ },
3177
+ {
3178
+ "epoch": 0.8780181875195986,
3179
+ "grad_norm": 6.495461463928223,
3180
+ "learning_rate": 3.6427742759220784e-06,
3181
+ "loss": 0.0642,
3182
+ "step": 39200
3183
+ },
3184
+ {
3185
+ "epoch": 0.8802580298346996,
3186
+ "grad_norm": 5.76746940612793,
3187
+ "learning_rate": 3.511798817066103e-06,
3188
+ "loss": 0.0716,
3189
+ "step": 39300
3190
+ },
3191
+ {
3192
+ "epoch": 0.8824978721498007,
3193
+ "grad_norm": 4.199316501617432,
3194
+ "learning_rate": 3.3831355468429026e-06,
3195
+ "loss": 0.0967,
3196
+ "step": 39400
3197
+ },
3198
+ {
3199
+ "epoch": 0.8847377144649017,
3200
+ "grad_norm": 3.7471444606781006,
3201
+ "learning_rate": 3.2567908645913025e-06,
3202
+ "loss": 0.0689,
3203
+ "step": 39500
3204
+ },
3205
+ {
3206
+ "epoch": 0.8869775567800027,
3207
+ "grad_norm": 5.5377655029296875,
3208
+ "learning_rate": 3.132771054330275e-06,
3209
+ "loss": 0.0677,
3210
+ "step": 39600
3211
+ },
3212
+ {
3213
+ "epoch": 0.8892173990951037,
3214
+ "grad_norm": 5.868400573730469,
3215
+ "learning_rate": 3.011082284446376e-06,
3216
+ "loss": 0.0946,
3217
+ "step": 39700
3218
+ },
3219
+ {
3220
+ "epoch": 0.8914572414102048,
3221
+ "grad_norm": 6.062895774841309,
3222
+ "learning_rate": 2.891730607386983e-06,
3223
+ "loss": 0.0722,
3224
+ "step": 39800
3225
+ },
3226
+ {
3227
+ "epoch": 0.8936970837253058,
3228
+ "grad_norm": 6.2305402755737305,
3229
+ "learning_rate": 2.7747219593591835e-06,
3230
+ "loss": 0.0655,
3231
+ "step": 39900
3232
+ },
3233
+ {
3234
+ "epoch": 0.8959369260404068,
3235
+ "grad_norm": 4.112192153930664,
3236
+ "learning_rate": 2.6600621600346544e-06,
3237
+ "loss": 0.0568,
3238
+ "step": 40000
3239
+ },
3240
+ {
3241
+ "epoch": 0.8959369260404068,
3242
+ "eval_avg_non_pair_similarity": 3.8586494590077396e-05,
3243
+ "eval_avg_pair_similarity": 0.0017980045247823,
3244
+ "eval_loss": 0.0638338103890419,
3245
+ "eval_runtime": 19.492,
3246
+ "eval_samples_per_second": 25.652,
3247
+ "eval_similarity_ratio": 46.59673141816466,
3248
+ "eval_steps_per_second": 0.821,
3249
+ "step": 40000
3250
+ },
3251
+ {
3252
+ "epoch": 0.8981767683555077,
3253
+ "grad_norm": 6.125683307647705,
3254
+ "learning_rate": 2.5477569122600742e-06,
3255
+ "loss": 0.0761,
3256
+ "step": 40100
3257
+ },
3258
+ {
3259
+ "epoch": 0.9004166106706087,
3260
+ "grad_norm": 6.538690090179443,
3261
+ "learning_rate": 2.4378118017735542e-06,
3262
+ "loss": 0.0783,
3263
+ "step": 40200
3264
+ },
3265
+ {
3266
+ "epoch": 0.9026564529857098,
3267
+ "grad_norm": 5.236932754516602,
3268
+ "learning_rate": 2.330232296926821e-06,
3269
+ "loss": 0.104,
3270
+ "step": 40300
3271
+ },
3272
+ {
3273
+ "epoch": 0.9048962953008108,
3274
+ "grad_norm": 4.155120372772217,
3275
+ "learning_rate": 2.2250237484132073e-06,
3276
+ "loss": 0.0574,
3277
+ "step": 40400
3278
+ },
3279
+ {
3280
+ "epoch": 0.9071361376159118,
3281
+ "grad_norm": 4.924015998840332,
3282
+ "learning_rate": 2.1221913890015376e-06,
3283
+ "loss": 0.045,
3284
+ "step": 40500
3285
+ },
3286
+ {
3287
+ "epoch": 0.9093759799310128,
3288
+ "grad_norm": 5.409266471862793,
3289
+ "learning_rate": 2.0217403332758623e-06,
3290
+ "loss": 0.0863,
3291
+ "step": 40600
3292
+ },
3293
+ {
3294
+ "epoch": 0.9116158222461139,
3295
+ "grad_norm": 3.6461005210876465,
3296
+ "learning_rate": 1.92367557738109e-06,
3297
+ "loss": 0.0716,
3298
+ "step": 40700
3299
+ },
3300
+ {
3301
+ "epoch": 0.9138556645612149,
3302
+ "grad_norm": 6.25403356552124,
3303
+ "learning_rate": 1.8280019987744756e-06,
3304
+ "loss": 0.085,
3305
+ "step": 40800
3306
+ },
3307
+ {
3308
+ "epoch": 0.9160955068763159,
3309
+ "grad_norm": 4.312664985656738,
3310
+ "learning_rate": 1.7347243559829972e-06,
3311
+ "loss": 0.0975,
3312
+ "step": 40900
3313
+ },
3314
+ {
3315
+ "epoch": 0.9183353491914169,
3316
+ "grad_norm": 7.451190948486328,
3317
+ "learning_rate": 1.6438472883667844e-06,
3318
+ "loss": 0.081,
3319
+ "step": 41000
3320
+ },
3321
+ {
3322
+ "epoch": 0.9183353491914169,
3323
+ "eval_avg_non_pair_similarity": 7.285608664642132e-05,
3324
+ "eval_avg_pair_similarity": 0.0015523158642463386,
3325
+ "eval_loss": 0.06282634288072586,
3326
+ "eval_runtime": 19.5192,
3327
+ "eval_samples_per_second": 25.616,
3328
+ "eval_similarity_ratio": 21.306605057994673,
3329
+ "eval_steps_per_second": 0.82,
3330
+ "step": 41000
3331
+ },
3332
+ {
3333
+ "epoch": 0.9205751915065179,
3334
+ "grad_norm": 4.51271915435791,
3335
+ "learning_rate": 1.5553753158882412e-06,
3336
+ "loss": 0.0711,
3337
+ "step": 41100
3338
+ },
3339
+ {
3340
+ "epoch": 0.922815033821619,
3341
+ "grad_norm": 5.333592891693115,
3342
+ "learning_rate": 1.4693128388873323e-06,
3343
+ "loss": 0.0705,
3344
+ "step": 41200
3345
+ },
3346
+ {
3347
+ "epoch": 0.92505487613672,
3348
+ "grad_norm": 4.036876201629639,
3349
+ "learning_rate": 1.3856641378626744e-06,
3350
+ "loss": 0.0656,
3351
+ "step": 41300
3352
+ },
3353
+ {
3354
+ "epoch": 0.927294718451821,
3355
+ "grad_norm": 6.925841331481934,
3356
+ "learning_rate": 1.3044333732586568e-06,
3357
+ "loss": 0.0745,
3358
+ "step": 41400
3359
+ },
3360
+ {
3361
+ "epoch": 0.929534560766922,
3362
+ "grad_norm": 5.362626552581787,
3363
+ "learning_rate": 1.2256245852585057e-06,
3364
+ "loss": 0.0449,
3365
+ "step": 41500
3366
+ },
3367
+ {
3368
+ "epoch": 0.931774403082023,
3369
+ "grad_norm": 4.842078685760498,
3370
+ "learning_rate": 1.1492416935833305e-06,
3371
+ "loss": 0.0675,
3372
+ "step": 41600
3373
+ },
3374
+ {
3375
+ "epoch": 0.9340142453971241,
3376
+ "grad_norm": 4.115240573883057,
3377
+ "learning_rate": 1.0752884972971832e-06,
3378
+ "loss": 0.0686,
3379
+ "step": 41700
3380
+ },
3381
+ {
3382
+ "epoch": 0.9362540877122251,
3383
+ "grad_norm": 5.753745079040527,
3384
+ "learning_rate": 1.0037686746180997e-06,
3385
+ "loss": 0.0837,
3386
+ "step": 41800
3387
+ },
3388
+ {
3389
+ "epoch": 0.9384939300273261,
3390
+ "grad_norm": 4.350785732269287,
3391
+ "learning_rate": 9.346857827351341e-07,
3392
+ "loss": 0.0771,
3393
+ "step": 41900
3394
+ },
3395
+ {
3396
+ "epoch": 0.940733772342427,
3397
+ "grad_norm": 7.058953762054443,
3398
+ "learning_rate": 8.680432576314845e-07,
3399
+ "loss": 0.0719,
3400
+ "step": 42000
3401
+ },
3402
+ {
3403
+ "epoch": 0.940733772342427,
3404
+ "eval_avg_non_pair_similarity": 1.9440160664745637e-05,
3405
+ "eval_avg_pair_similarity": 0.001422682246658951,
3406
+ "eval_loss": 0.05955765023827553,
3407
+ "eval_runtime": 19.5047,
3408
+ "eval_samples_per_second": 25.635,
3409
+ "eval_similarity_ratio": 73.1826383121904,
3410
+ "eval_steps_per_second": 0.82,
3411
+ "step": 42000
3412
+ }
3413
+ ],
3414
+ "logging_steps": 100,
3415
+ "max_steps": 44646,
3416
+ "num_input_tokens_seen": 0,
3417
+ "num_train_epochs": 1,
3418
+ "save_steps": 1000,
3419
+ "stateful_callbacks": {
3420
+ "TrainerControl": {
3421
+ "args": {
3422
+ "should_epoch_stop": false,
3423
+ "should_evaluate": false,
3424
+ "should_log": false,
3425
+ "should_save": true,
3426
+ "should_training_stop": false
3427
+ },
3428
+ "attributes": {}
3429
+ }
3430
+ },
3431
+ "total_flos": 0.0,
3432
+ "train_batch_size": 32,
3433
+ "trial_name": null,
3434
+ "trial_params": null
3435
+ }
checkpoint-42000/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:7c6bbe0930b5977d5ef83c9c6a2872aea787e9f64c3d133a00319e43c833ad34
3
+ size 5112