pepoo20 commited on
Commit
97a958d
·
verified ·
1 Parent(s): 4b52309

Upload Orca_End/trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. Orca_End/trainer_state.json +3095 -0
Orca_End/trainer_state.json ADDED
@@ -0,0 +1,3095 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.14174455404281616,
3
+ "best_model_checkpoint": "/home/ray/default/save/Orca_End/checkpoint-4000",
4
+ "epoch": 2.0,
5
+ "eval_steps": 500,
6
+ "global_step": 4272,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0046816479400749065,
13
+ "grad_norm": 0.14989347755908966,
14
+ "learning_rate": 5.000000000000001e-07,
15
+ "loss": 0.9233,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.009363295880149813,
20
+ "grad_norm": 0.16152486205101013,
21
+ "learning_rate": 1.0000000000000002e-06,
22
+ "loss": 0.9302,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.014044943820224719,
27
+ "grad_norm": 0.14786499738693237,
28
+ "learning_rate": 1.5e-06,
29
+ "loss": 0.9066,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.018726591760299626,
34
+ "grad_norm": 0.17683209478855133,
35
+ "learning_rate": 2.0000000000000003e-06,
36
+ "loss": 0.8958,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.023408239700374533,
41
+ "grad_norm": 0.18914400041103363,
42
+ "learning_rate": 2.5e-06,
43
+ "loss": 0.8957,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.028089887640449437,
48
+ "grad_norm": 0.17229343950748444,
49
+ "learning_rate": 3e-06,
50
+ "loss": 0.9006,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.03277153558052434,
55
+ "grad_norm": 0.19986914098262787,
56
+ "learning_rate": 3.5000000000000004e-06,
57
+ "loss": 0.8843,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.03745318352059925,
62
+ "grad_norm": 0.23050718009471893,
63
+ "learning_rate": 4.000000000000001e-06,
64
+ "loss": 0.8824,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.042134831460674156,
69
+ "grad_norm": 0.2016942948102951,
70
+ "learning_rate": 4.5e-06,
71
+ "loss": 0.8842,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.04681647940074907,
76
+ "grad_norm": 0.24438633024692535,
77
+ "learning_rate": 5e-06,
78
+ "loss": 0.8783,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.05149812734082397,
83
+ "grad_norm": 0.33506831526756287,
84
+ "learning_rate": 5.500000000000001e-06,
85
+ "loss": 0.854,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.056179775280898875,
90
+ "grad_norm": 0.29310888051986694,
91
+ "learning_rate": 6e-06,
92
+ "loss": 0.8332,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.060861423220973786,
97
+ "grad_norm": 0.3248985707759857,
98
+ "learning_rate": 6.5000000000000004e-06,
99
+ "loss": 0.8105,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.06554307116104868,
104
+ "grad_norm": 0.31335774064064026,
105
+ "learning_rate": 7.000000000000001e-06,
106
+ "loss": 0.7664,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.0702247191011236,
111
+ "grad_norm": 0.2475409060716629,
112
+ "learning_rate": 7.5e-06,
113
+ "loss": 0.7265,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.0749063670411985,
118
+ "grad_norm": 0.19633963704109192,
119
+ "learning_rate": 8.000000000000001e-06,
120
+ "loss": 0.694,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.07958801498127341,
125
+ "grad_norm": 0.18646350502967834,
126
+ "learning_rate": 8.500000000000002e-06,
127
+ "loss": 0.6975,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.08426966292134831,
132
+ "grad_norm": 0.17781223356723785,
133
+ "learning_rate": 9e-06,
134
+ "loss": 0.6493,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.08895131086142322,
139
+ "grad_norm": 0.15868598222732544,
140
+ "learning_rate": 9.5e-06,
141
+ "loss": 0.6194,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.09363295880149813,
146
+ "grad_norm": 0.14928707480430603,
147
+ "learning_rate": 1e-05,
148
+ "loss": 0.6004,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.09831460674157304,
153
+ "grad_norm": 0.18063120543956757,
154
+ "learning_rate": 1.05e-05,
155
+ "loss": 0.5937,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.10299625468164794,
160
+ "grad_norm": 0.1594826579093933,
161
+ "learning_rate": 1.1000000000000001e-05,
162
+ "loss": 0.5582,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.10767790262172285,
167
+ "grad_norm": 0.15458233654499054,
168
+ "learning_rate": 1.1500000000000002e-05,
169
+ "loss": 0.5495,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.11235955056179775,
174
+ "grad_norm": 0.14062783122062683,
175
+ "learning_rate": 1.2e-05,
176
+ "loss": 0.5155,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.11704119850187265,
181
+ "grad_norm": 0.16381382942199707,
182
+ "learning_rate": 1.25e-05,
183
+ "loss": 0.4931,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.12172284644194757,
188
+ "grad_norm": 0.17048245668411255,
189
+ "learning_rate": 1.3000000000000001e-05,
190
+ "loss": 0.4842,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.12640449438202248,
195
+ "grad_norm": 0.16214580833911896,
196
+ "learning_rate": 1.3500000000000001e-05,
197
+ "loss": 0.4565,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.13108614232209737,
202
+ "grad_norm": 0.18523240089416504,
203
+ "learning_rate": 1.4000000000000001e-05,
204
+ "loss": 0.4303,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.13576779026217228,
209
+ "grad_norm": 0.16191580891609192,
210
+ "learning_rate": 1.45e-05,
211
+ "loss": 0.3903,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.1404494382022472,
216
+ "grad_norm": 0.17054912447929382,
217
+ "learning_rate": 1.5e-05,
218
+ "loss": 0.3958,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.1451310861423221,
223
+ "grad_norm": 0.15889020264148712,
224
+ "learning_rate": 1.55e-05,
225
+ "loss": 0.3679,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.149812734082397,
230
+ "grad_norm": 0.1658034473657608,
231
+ "learning_rate": 1.6000000000000003e-05,
232
+ "loss": 0.3566,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.1544943820224719,
237
+ "grad_norm": 0.1820608377456665,
238
+ "learning_rate": 1.65e-05,
239
+ "loss": 0.3353,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.15917602996254682,
244
+ "grad_norm": 0.18187420070171356,
245
+ "learning_rate": 1.7000000000000003e-05,
246
+ "loss": 0.3335,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.16385767790262173,
251
+ "grad_norm": 0.20398898422718048,
252
+ "learning_rate": 1.75e-05,
253
+ "loss": 0.3273,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.16853932584269662,
258
+ "grad_norm": 0.19581130146980286,
259
+ "learning_rate": 1.8e-05,
260
+ "loss": 0.2973,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.17322097378277154,
265
+ "grad_norm": 0.1903996765613556,
266
+ "learning_rate": 1.85e-05,
267
+ "loss": 0.2939,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.17790262172284643,
272
+ "grad_norm": 0.21215596795082092,
273
+ "learning_rate": 1.9e-05,
274
+ "loss": 0.2836,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.18258426966292135,
279
+ "grad_norm": 0.20406150817871094,
280
+ "learning_rate": 1.9500000000000003e-05,
281
+ "loss": 0.2766,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.18726591760299627,
286
+ "grad_norm": 0.19281837344169617,
287
+ "learning_rate": 2e-05,
288
+ "loss": 0.2716,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.19194756554307116,
293
+ "grad_norm": 0.1925257295370102,
294
+ "learning_rate": 2.05e-05,
295
+ "loss": 0.2619,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.19662921348314608,
300
+ "grad_norm": 0.20710717141628265,
301
+ "learning_rate": 2.1e-05,
302
+ "loss": 0.2676,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.20131086142322097,
307
+ "grad_norm": 0.2195947766304016,
308
+ "learning_rate": 2.15e-05,
309
+ "loss": 0.2675,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.20599250936329588,
314
+ "grad_norm": 0.23015384376049042,
315
+ "learning_rate": 2.2000000000000003e-05,
316
+ "loss": 0.24,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.21067415730337077,
321
+ "grad_norm": 0.23879607021808624,
322
+ "learning_rate": 2.25e-05,
323
+ "loss": 0.251,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.2153558052434457,
328
+ "grad_norm": 0.25906631350517273,
329
+ "learning_rate": 2.3000000000000003e-05,
330
+ "loss": 0.2485,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.2200374531835206,
335
+ "grad_norm": 0.2271612286567688,
336
+ "learning_rate": 2.35e-05,
337
+ "loss": 0.2291,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.2247191011235955,
342
+ "grad_norm": 0.23806224763393402,
343
+ "learning_rate": 2.4e-05,
344
+ "loss": 0.2262,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.22940074906367042,
349
+ "grad_norm": 0.23863674700260162,
350
+ "learning_rate": 2.45e-05,
351
+ "loss": 0.2481,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.2340823970037453,
356
+ "grad_norm": 0.23864531517028809,
357
+ "learning_rate": 2.5e-05,
358
+ "loss": 0.2267,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.2340823970037453,
363
+ "eval_loss": 0.22292079031467438,
364
+ "eval_runtime": 233.7266,
365
+ "eval_samples_per_second": 2.986,
366
+ "eval_steps_per_second": 1.493,
367
+ "step": 500
368
+ },
369
+ {
370
+ "epoch": 0.23876404494382023,
371
+ "grad_norm": 0.229400172829628,
372
+ "learning_rate": 2.5500000000000003e-05,
373
+ "loss": 0.2235,
374
+ "step": 510
375
+ },
376
+ {
377
+ "epoch": 0.24344569288389514,
378
+ "grad_norm": 0.25184643268585205,
379
+ "learning_rate": 2.6000000000000002e-05,
380
+ "loss": 0.2177,
381
+ "step": 520
382
+ },
383
+ {
384
+ "epoch": 0.24812734082397003,
385
+ "grad_norm": 0.255626916885376,
386
+ "learning_rate": 2.6500000000000004e-05,
387
+ "loss": 0.2283,
388
+ "step": 530
389
+ },
390
+ {
391
+ "epoch": 0.25280898876404495,
392
+ "grad_norm": 0.2295573651790619,
393
+ "learning_rate": 2.7000000000000002e-05,
394
+ "loss": 0.2203,
395
+ "step": 540
396
+ },
397
+ {
398
+ "epoch": 0.25749063670411987,
399
+ "grad_norm": 0.24802301824092865,
400
+ "learning_rate": 2.7500000000000004e-05,
401
+ "loss": 0.2218,
402
+ "step": 550
403
+ },
404
+ {
405
+ "epoch": 0.26217228464419473,
406
+ "grad_norm": 0.26119089126586914,
407
+ "learning_rate": 2.8000000000000003e-05,
408
+ "loss": 0.2073,
409
+ "step": 560
410
+ },
411
+ {
412
+ "epoch": 0.26685393258426965,
413
+ "grad_norm": 0.23319612443447113,
414
+ "learning_rate": 2.8499999999999998e-05,
415
+ "loss": 0.215,
416
+ "step": 570
417
+ },
418
+ {
419
+ "epoch": 0.27153558052434457,
420
+ "grad_norm": 0.2370581328868866,
421
+ "learning_rate": 2.9e-05,
422
+ "loss": 0.2066,
423
+ "step": 580
424
+ },
425
+ {
426
+ "epoch": 0.2762172284644195,
427
+ "grad_norm": 0.22631758451461792,
428
+ "learning_rate": 2.95e-05,
429
+ "loss": 0.2054,
430
+ "step": 590
431
+ },
432
+ {
433
+ "epoch": 0.2808988764044944,
434
+ "grad_norm": 0.259056031703949,
435
+ "learning_rate": 3e-05,
436
+ "loss": 0.2162,
437
+ "step": 600
438
+ },
439
+ {
440
+ "epoch": 0.28558052434456926,
441
+ "grad_norm": 0.24505385756492615,
442
+ "learning_rate": 3.05e-05,
443
+ "loss": 0.2033,
444
+ "step": 610
445
+ },
446
+ {
447
+ "epoch": 0.2902621722846442,
448
+ "grad_norm": 0.22634395956993103,
449
+ "learning_rate": 3.1e-05,
450
+ "loss": 0.1967,
451
+ "step": 620
452
+ },
453
+ {
454
+ "epoch": 0.2949438202247191,
455
+ "grad_norm": 0.3079870641231537,
456
+ "learning_rate": 3.15e-05,
457
+ "loss": 0.2125,
458
+ "step": 630
459
+ },
460
+ {
461
+ "epoch": 0.299625468164794,
462
+ "grad_norm": 0.2437993735074997,
463
+ "learning_rate": 3.2000000000000005e-05,
464
+ "loss": 0.2136,
465
+ "step": 640
466
+ },
467
+ {
468
+ "epoch": 0.30430711610486894,
469
+ "grad_norm": 0.25136232376098633,
470
+ "learning_rate": 3.2500000000000004e-05,
471
+ "loss": 0.2173,
472
+ "step": 650
473
+ },
474
+ {
475
+ "epoch": 0.3089887640449438,
476
+ "grad_norm": 0.263988733291626,
477
+ "learning_rate": 3.3e-05,
478
+ "loss": 0.2245,
479
+ "step": 660
480
+ },
481
+ {
482
+ "epoch": 0.3136704119850187,
483
+ "grad_norm": 0.3366784453392029,
484
+ "learning_rate": 3.35e-05,
485
+ "loss": 0.1881,
486
+ "step": 670
487
+ },
488
+ {
489
+ "epoch": 0.31835205992509363,
490
+ "grad_norm": 0.22763469815254211,
491
+ "learning_rate": 3.4000000000000007e-05,
492
+ "loss": 0.2009,
493
+ "step": 680
494
+ },
495
+ {
496
+ "epoch": 0.32303370786516855,
497
+ "grad_norm": 0.28085455298423767,
498
+ "learning_rate": 3.45e-05,
499
+ "loss": 0.193,
500
+ "step": 690
501
+ },
502
+ {
503
+ "epoch": 0.32771535580524347,
504
+ "grad_norm": 0.21730464696884155,
505
+ "learning_rate": 3.5e-05,
506
+ "loss": 0.1956,
507
+ "step": 700
508
+ },
509
+ {
510
+ "epoch": 0.33239700374531833,
511
+ "grad_norm": 0.2521045506000519,
512
+ "learning_rate": 3.55e-05,
513
+ "loss": 0.2393,
514
+ "step": 710
515
+ },
516
+ {
517
+ "epoch": 0.33707865168539325,
518
+ "grad_norm": 0.2687033414840698,
519
+ "learning_rate": 3.6e-05,
520
+ "loss": 0.193,
521
+ "step": 720
522
+ },
523
+ {
524
+ "epoch": 0.34176029962546817,
525
+ "grad_norm": 0.23822762072086334,
526
+ "learning_rate": 3.65e-05,
527
+ "loss": 0.1897,
528
+ "step": 730
529
+ },
530
+ {
531
+ "epoch": 0.3464419475655431,
532
+ "grad_norm": 0.2817654609680176,
533
+ "learning_rate": 3.7e-05,
534
+ "loss": 0.1874,
535
+ "step": 740
536
+ },
537
+ {
538
+ "epoch": 0.351123595505618,
539
+ "grad_norm": 0.2669580578804016,
540
+ "learning_rate": 3.7500000000000003e-05,
541
+ "loss": 0.1876,
542
+ "step": 750
543
+ },
544
+ {
545
+ "epoch": 0.35580524344569286,
546
+ "grad_norm": 0.26698926091194153,
547
+ "learning_rate": 3.8e-05,
548
+ "loss": 0.189,
549
+ "step": 760
550
+ },
551
+ {
552
+ "epoch": 0.3604868913857678,
553
+ "grad_norm": 0.24417920410633087,
554
+ "learning_rate": 3.85e-05,
555
+ "loss": 0.1904,
556
+ "step": 770
557
+ },
558
+ {
559
+ "epoch": 0.3651685393258427,
560
+ "grad_norm": 0.3116750121116638,
561
+ "learning_rate": 3.9000000000000006e-05,
562
+ "loss": 0.1894,
563
+ "step": 780
564
+ },
565
+ {
566
+ "epoch": 0.3698501872659176,
567
+ "grad_norm": 0.269699364900589,
568
+ "learning_rate": 3.9500000000000005e-05,
569
+ "loss": 0.1948,
570
+ "step": 790
571
+ },
572
+ {
573
+ "epoch": 0.37453183520599254,
574
+ "grad_norm": 0.24539124965667725,
575
+ "learning_rate": 4e-05,
576
+ "loss": 0.1924,
577
+ "step": 800
578
+ },
579
+ {
580
+ "epoch": 0.3792134831460674,
581
+ "grad_norm": 0.24850206077098846,
582
+ "learning_rate": 4.05e-05,
583
+ "loss": 0.1902,
584
+ "step": 810
585
+ },
586
+ {
587
+ "epoch": 0.3838951310861423,
588
+ "grad_norm": 0.24830132722854614,
589
+ "learning_rate": 4.1e-05,
590
+ "loss": 0.1753,
591
+ "step": 820
592
+ },
593
+ {
594
+ "epoch": 0.38857677902621723,
595
+ "grad_norm": 0.28210338950157166,
596
+ "learning_rate": 4.15e-05,
597
+ "loss": 0.183,
598
+ "step": 830
599
+ },
600
+ {
601
+ "epoch": 0.39325842696629215,
602
+ "grad_norm": 0.2719564437866211,
603
+ "learning_rate": 4.2e-05,
604
+ "loss": 0.1682,
605
+ "step": 840
606
+ },
607
+ {
608
+ "epoch": 0.397940074906367,
609
+ "grad_norm": 0.2886371612548828,
610
+ "learning_rate": 4.25e-05,
611
+ "loss": 0.1756,
612
+ "step": 850
613
+ },
614
+ {
615
+ "epoch": 0.40262172284644193,
616
+ "grad_norm": 0.27633577585220337,
617
+ "learning_rate": 4.3e-05,
618
+ "loss": 0.1879,
619
+ "step": 860
620
+ },
621
+ {
622
+ "epoch": 0.40730337078651685,
623
+ "grad_norm": 0.24454927444458008,
624
+ "learning_rate": 4.35e-05,
625
+ "loss": 0.1832,
626
+ "step": 870
627
+ },
628
+ {
629
+ "epoch": 0.41198501872659177,
630
+ "grad_norm": 0.258569598197937,
631
+ "learning_rate": 4.4000000000000006e-05,
632
+ "loss": 0.1781,
633
+ "step": 880
634
+ },
635
+ {
636
+ "epoch": 0.4166666666666667,
637
+ "grad_norm": 0.24131977558135986,
638
+ "learning_rate": 4.4500000000000004e-05,
639
+ "loss": 0.1751,
640
+ "step": 890
641
+ },
642
+ {
643
+ "epoch": 0.42134831460674155,
644
+ "grad_norm": 0.26839905977249146,
645
+ "learning_rate": 4.5e-05,
646
+ "loss": 0.1853,
647
+ "step": 900
648
+ },
649
+ {
650
+ "epoch": 0.42602996254681647,
651
+ "grad_norm": 0.2593300938606262,
652
+ "learning_rate": 4.55e-05,
653
+ "loss": 0.208,
654
+ "step": 910
655
+ },
656
+ {
657
+ "epoch": 0.4307116104868914,
658
+ "grad_norm": 0.25040218234062195,
659
+ "learning_rate": 4.600000000000001e-05,
660
+ "loss": 0.1803,
661
+ "step": 920
662
+ },
663
+ {
664
+ "epoch": 0.4353932584269663,
665
+ "grad_norm": 0.2636476159095764,
666
+ "learning_rate": 4.6500000000000005e-05,
667
+ "loss": 0.1743,
668
+ "step": 930
669
+ },
670
+ {
671
+ "epoch": 0.4400749063670412,
672
+ "grad_norm": 0.2569904625415802,
673
+ "learning_rate": 4.7e-05,
674
+ "loss": 0.1777,
675
+ "step": 940
676
+ },
677
+ {
678
+ "epoch": 0.4447565543071161,
679
+ "grad_norm": 0.2652021050453186,
680
+ "learning_rate": 4.75e-05,
681
+ "loss": 0.1759,
682
+ "step": 950
683
+ },
684
+ {
685
+ "epoch": 0.449438202247191,
686
+ "grad_norm": 0.25217893719673157,
687
+ "learning_rate": 4.8e-05,
688
+ "loss": 0.183,
689
+ "step": 960
690
+ },
691
+ {
692
+ "epoch": 0.4541198501872659,
693
+ "grad_norm": 0.26192978024482727,
694
+ "learning_rate": 4.85e-05,
695
+ "loss": 0.1773,
696
+ "step": 970
697
+ },
698
+ {
699
+ "epoch": 0.45880149812734083,
700
+ "grad_norm": 0.2585752308368683,
701
+ "learning_rate": 4.9e-05,
702
+ "loss": 0.1811,
703
+ "step": 980
704
+ },
705
+ {
706
+ "epoch": 0.46348314606741575,
707
+ "grad_norm": 0.2950770854949951,
708
+ "learning_rate": 4.9500000000000004e-05,
709
+ "loss": 0.1742,
710
+ "step": 990
711
+ },
712
+ {
713
+ "epoch": 0.4681647940074906,
714
+ "grad_norm": 0.24856804311275482,
715
+ "learning_rate": 5e-05,
716
+ "loss": 0.177,
717
+ "step": 1000
718
+ },
719
+ {
720
+ "epoch": 0.4681647940074906,
721
+ "eval_loss": 0.17352555692195892,
722
+ "eval_runtime": 236.2712,
723
+ "eval_samples_per_second": 2.954,
724
+ "eval_steps_per_second": 1.477,
725
+ "step": 1000
726
+ },
727
+ {
728
+ "epoch": 0.47284644194756553,
729
+ "grad_norm": 0.2841172218322754,
730
+ "learning_rate": 4.9998847662136905e-05,
731
+ "loss": 0.1799,
732
+ "step": 1010
733
+ },
734
+ {
735
+ "epoch": 0.47752808988764045,
736
+ "grad_norm": 0.24798014760017395,
737
+ "learning_rate": 4.999539075477821e-05,
738
+ "loss": 0.1837,
739
+ "step": 1020
740
+ },
741
+ {
742
+ "epoch": 0.48220973782771537,
743
+ "grad_norm": 0.2636326551437378,
744
+ "learning_rate": 4.998962959660594e-05,
745
+ "loss": 0.1737,
746
+ "step": 1030
747
+ },
748
+ {
749
+ "epoch": 0.4868913857677903,
750
+ "grad_norm": 0.27235954999923706,
751
+ "learning_rate": 4.998156471872415e-05,
752
+ "loss": 0.1649,
753
+ "step": 1040
754
+ },
755
+ {
756
+ "epoch": 0.49157303370786515,
757
+ "grad_norm": 0.26181653141975403,
758
+ "learning_rate": 4.9971196864609975e-05,
759
+ "loss": 0.1786,
760
+ "step": 1050
761
+ },
762
+ {
763
+ "epoch": 0.49625468164794007,
764
+ "grad_norm": 0.2724978029727936,
765
+ "learning_rate": 4.995852699004508e-05,
766
+ "loss": 0.1709,
767
+ "step": 1060
768
+ },
769
+ {
770
+ "epoch": 0.5009363295880149,
771
+ "grad_norm": 0.2702656090259552,
772
+ "learning_rate": 4.9943556263027556e-05,
773
+ "loss": 0.1714,
774
+ "step": 1070
775
+ },
776
+ {
777
+ "epoch": 0.5056179775280899,
778
+ "grad_norm": 0.33144789934158325,
779
+ "learning_rate": 4.992628606366426e-05,
780
+ "loss": 0.1653,
781
+ "step": 1080
782
+ },
783
+ {
784
+ "epoch": 0.5102996254681648,
785
+ "grad_norm": 0.2642982006072998,
786
+ "learning_rate": 4.990671798404355e-05,
787
+ "loss": 0.1742,
788
+ "step": 1090
789
+ },
790
+ {
791
+ "epoch": 0.5149812734082397,
792
+ "grad_norm": 0.2788497805595398,
793
+ "learning_rate": 4.988485382808856e-05,
794
+ "loss": 0.1717,
795
+ "step": 1100
796
+ },
797
+ {
798
+ "epoch": 0.5196629213483146,
799
+ "grad_norm": 0.23453935980796814,
800
+ "learning_rate": 4.986069561139086e-05,
801
+ "loss": 0.1913,
802
+ "step": 1110
803
+ },
804
+ {
805
+ "epoch": 0.5243445692883895,
806
+ "grad_norm": 0.2543826401233673,
807
+ "learning_rate": 4.983424556102469e-05,
808
+ "loss": 0.1753,
809
+ "step": 1120
810
+ },
811
+ {
812
+ "epoch": 0.5290262172284644,
813
+ "grad_norm": 0.28962579369544983,
814
+ "learning_rate": 4.98055061153416e-05,
815
+ "loss": 0.1702,
816
+ "step": 1130
817
+ },
818
+ {
819
+ "epoch": 0.5337078651685393,
820
+ "grad_norm": 0.23189175128936768,
821
+ "learning_rate": 4.97744799237457e-05,
822
+ "loss": 0.1643,
823
+ "step": 1140
824
+ },
825
+ {
826
+ "epoch": 0.5383895131086143,
827
+ "grad_norm": 0.21799345314502716,
828
+ "learning_rate": 4.974116984644943e-05,
829
+ "loss": 0.1835,
830
+ "step": 1150
831
+ },
832
+ {
833
+ "epoch": 0.5430711610486891,
834
+ "grad_norm": 0.24570296704769135,
835
+ "learning_rate": 4.970557895420984e-05,
836
+ "loss": 0.1802,
837
+ "step": 1160
838
+ },
839
+ {
840
+ "epoch": 0.547752808988764,
841
+ "grad_norm": 0.2388901561498642,
842
+ "learning_rate": 4.966771052804555e-05,
843
+ "loss": 0.1701,
844
+ "step": 1170
845
+ },
846
+ {
847
+ "epoch": 0.552434456928839,
848
+ "grad_norm": 0.2784363627433777,
849
+ "learning_rate": 4.9627568058934274e-05,
850
+ "loss": 0.1697,
851
+ "step": 1180
852
+ },
853
+ {
854
+ "epoch": 0.5571161048689138,
855
+ "grad_norm": 0.27096298336982727,
856
+ "learning_rate": 4.958515524749096e-05,
857
+ "loss": 0.1749,
858
+ "step": 1190
859
+ },
860
+ {
861
+ "epoch": 0.5617977528089888,
862
+ "grad_norm": 0.25467076897621155,
863
+ "learning_rate": 4.95404760036267e-05,
864
+ "loss": 0.1598,
865
+ "step": 1200
866
+ },
867
+ {
868
+ "epoch": 0.5664794007490637,
869
+ "grad_norm": 0.24679610133171082,
870
+ "learning_rate": 4.949353444618825e-05,
871
+ "loss": 0.1769,
872
+ "step": 1210
873
+ },
874
+ {
875
+ "epoch": 0.5711610486891385,
876
+ "grad_norm": 0.2690020799636841,
877
+ "learning_rate": 4.9444334902578315e-05,
878
+ "loss": 0.1676,
879
+ "step": 1220
880
+ },
881
+ {
882
+ "epoch": 0.5758426966292135,
883
+ "grad_norm": 0.2583072781562805,
884
+ "learning_rate": 4.9392881908356656e-05,
885
+ "loss": 0.1625,
886
+ "step": 1230
887
+ },
888
+ {
889
+ "epoch": 0.5805243445692884,
890
+ "grad_norm": 0.2679818868637085,
891
+ "learning_rate": 4.9339180206821955e-05,
892
+ "loss": 0.1708,
893
+ "step": 1240
894
+ },
895
+ {
896
+ "epoch": 0.5852059925093633,
897
+ "grad_norm": 0.2509777247905731,
898
+ "learning_rate": 4.9283234748574524e-05,
899
+ "loss": 0.1803,
900
+ "step": 1250
901
+ },
902
+ {
903
+ "epoch": 0.5898876404494382,
904
+ "grad_norm": 0.2875745892524719,
905
+ "learning_rate": 4.922505069105995e-05,
906
+ "loss": 0.1712,
907
+ "step": 1260
908
+ },
909
+ {
910
+ "epoch": 0.5945692883895131,
911
+ "grad_norm": 0.25088638067245483,
912
+ "learning_rate": 4.9164633398093624e-05,
913
+ "loss": 0.1591,
914
+ "step": 1270
915
+ },
916
+ {
917
+ "epoch": 0.599250936329588,
918
+ "grad_norm": 0.27187079191207886,
919
+ "learning_rate": 4.9101988439366295e-05,
920
+ "loss": 0.1621,
921
+ "step": 1280
922
+ },
923
+ {
924
+ "epoch": 0.6039325842696629,
925
+ "grad_norm": 0.23108245432376862,
926
+ "learning_rate": 4.90371215899306e-05,
927
+ "loss": 0.173,
928
+ "step": 1290
929
+ },
930
+ {
931
+ "epoch": 0.6086142322097379,
932
+ "grad_norm": 0.2536250352859497,
933
+ "learning_rate": 4.897003882966866e-05,
934
+ "loss": 0.1692,
935
+ "step": 1300
936
+ },
937
+ {
938
+ "epoch": 0.6132958801498127,
939
+ "grad_norm": 0.2388300895690918,
940
+ "learning_rate": 4.8900746342740854e-05,
941
+ "loss": 0.1676,
942
+ "step": 1310
943
+ },
944
+ {
945
+ "epoch": 0.6179775280898876,
946
+ "grad_norm": 0.23416273295879364,
947
+ "learning_rate": 4.8829250517015684e-05,
948
+ "loss": 0.1739,
949
+ "step": 1320
950
+ },
951
+ {
952
+ "epoch": 0.6226591760299626,
953
+ "grad_norm": 0.24538950622081757,
954
+ "learning_rate": 4.87555579434809e-05,
955
+ "loss": 0.1622,
956
+ "step": 1330
957
+ },
958
+ {
959
+ "epoch": 0.6273408239700374,
960
+ "grad_norm": 0.27460214495658875,
961
+ "learning_rate": 4.867967541563594e-05,
962
+ "loss": 0.1769,
963
+ "step": 1340
964
+ },
965
+ {
966
+ "epoch": 0.6320224719101124,
967
+ "grad_norm": 0.23591691255569458,
968
+ "learning_rate": 4.86016099288656e-05,
969
+ "loss": 0.1471,
970
+ "step": 1350
971
+ },
972
+ {
973
+ "epoch": 0.6367041198501873,
974
+ "grad_norm": 0.23421670496463776,
975
+ "learning_rate": 4.8521368679795154e-05,
976
+ "loss": 0.1751,
977
+ "step": 1360
978
+ },
979
+ {
980
+ "epoch": 0.6413857677902621,
981
+ "grad_norm": 0.2746402323246002,
982
+ "learning_rate": 4.843895906562699e-05,
983
+ "loss": 0.1602,
984
+ "step": 1370
985
+ },
986
+ {
987
+ "epoch": 0.6460674157303371,
988
+ "grad_norm": 0.2615332007408142,
989
+ "learning_rate": 4.835438868345858e-05,
990
+ "loss": 0.1627,
991
+ "step": 1380
992
+ },
993
+ {
994
+ "epoch": 0.650749063670412,
995
+ "grad_norm": 0.24973183870315552,
996
+ "learning_rate": 4.826766532958221e-05,
997
+ "loss": 0.163,
998
+ "step": 1390
999
+ },
1000
+ {
1001
+ "epoch": 0.6554307116104869,
1002
+ "grad_norm": 0.3358960449695587,
1003
+ "learning_rate": 4.817879699876623e-05,
1004
+ "loss": 0.1732,
1005
+ "step": 1400
1006
+ },
1007
+ {
1008
+ "epoch": 0.6601123595505618,
1009
+ "grad_norm": 0.23806847631931305,
1010
+ "learning_rate": 4.808779188351803e-05,
1011
+ "loss": 0.1513,
1012
+ "step": 1410
1013
+ },
1014
+ {
1015
+ "epoch": 0.6647940074906367,
1016
+ "grad_norm": 0.30218422412872314,
1017
+ "learning_rate": 4.7994658373328804e-05,
1018
+ "loss": 0.1683,
1019
+ "step": 1420
1020
+ },
1021
+ {
1022
+ "epoch": 0.6694756554307116,
1023
+ "grad_norm": 0.28052952885627747,
1024
+ "learning_rate": 4.7899405053900174e-05,
1025
+ "loss": 0.1656,
1026
+ "step": 1430
1027
+ },
1028
+ {
1029
+ "epoch": 0.6741573033707865,
1030
+ "grad_norm": 0.2771318852901459,
1031
+ "learning_rate": 4.780204070635266e-05,
1032
+ "loss": 0.1683,
1033
+ "step": 1440
1034
+ },
1035
+ {
1036
+ "epoch": 0.6788389513108615,
1037
+ "grad_norm": 0.28290867805480957,
1038
+ "learning_rate": 4.770257430641619e-05,
1039
+ "loss": 0.1619,
1040
+ "step": 1450
1041
+ },
1042
+ {
1043
+ "epoch": 0.6835205992509363,
1044
+ "grad_norm": 0.2428758144378662,
1045
+ "learning_rate": 4.760101502360268e-05,
1046
+ "loss": 0.1677,
1047
+ "step": 1460
1048
+ },
1049
+ {
1050
+ "epoch": 0.6882022471910112,
1051
+ "grad_norm": 0.26167434453964233,
1052
+ "learning_rate": 4.749737222036067e-05,
1053
+ "loss": 0.1657,
1054
+ "step": 1470
1055
+ },
1056
+ {
1057
+ "epoch": 0.6928838951310862,
1058
+ "grad_norm": 0.27498582005500793,
1059
+ "learning_rate": 4.739165545121228e-05,
1060
+ "loss": 0.1678,
1061
+ "step": 1480
1062
+ },
1063
+ {
1064
+ "epoch": 0.697565543071161,
1065
+ "grad_norm": 0.2729678750038147,
1066
+ "learning_rate": 4.728387446187238e-05,
1067
+ "loss": 0.1586,
1068
+ "step": 1490
1069
+ },
1070
+ {
1071
+ "epoch": 0.702247191011236,
1072
+ "grad_norm": 0.28416207432746887,
1073
+ "learning_rate": 4.717403918835017e-05,
1074
+ "loss": 0.1592,
1075
+ "step": 1500
1076
+ },
1077
+ {
1078
+ "epoch": 0.702247191011236,
1079
+ "eval_loss": 0.15914995968341827,
1080
+ "eval_runtime": 230.5999,
1081
+ "eval_samples_per_second": 3.027,
1082
+ "eval_steps_per_second": 1.513,
1083
+ "step": 1500
1084
+ },
1085
+ {
1086
+ "epoch": 0.7069288389513109,
1087
+ "grad_norm": 0.2723831832408905,
1088
+ "learning_rate": 4.706215975603319e-05,
1089
+ "loss": 0.1603,
1090
+ "step": 1510
1091
+ },
1092
+ {
1093
+ "epoch": 0.7116104868913857,
1094
+ "grad_norm": 0.2503916025161743,
1095
+ "learning_rate": 4.694824647875391e-05,
1096
+ "loss": 0.1656,
1097
+ "step": 1520
1098
+ },
1099
+ {
1100
+ "epoch": 0.7162921348314607,
1101
+ "grad_norm": 0.2601824998855591,
1102
+ "learning_rate": 4.6832309857838946e-05,
1103
+ "loss": 0.15,
1104
+ "step": 1530
1105
+ },
1106
+ {
1107
+ "epoch": 0.7209737827715356,
1108
+ "grad_norm": 0.24705946445465088,
1109
+ "learning_rate": 4.6714360581140935e-05,
1110
+ "loss": 0.1538,
1111
+ "step": 1540
1112
+ },
1113
+ {
1114
+ "epoch": 0.7256554307116105,
1115
+ "grad_norm": 0.22847461700439453,
1116
+ "learning_rate": 4.6594409522053274e-05,
1117
+ "loss": 0.1633,
1118
+ "step": 1550
1119
+ },
1120
+ {
1121
+ "epoch": 0.7303370786516854,
1122
+ "grad_norm": 0.32371050119400024,
1123
+ "learning_rate": 4.647246773850773e-05,
1124
+ "loss": 0.1582,
1125
+ "step": 1560
1126
+ },
1127
+ {
1128
+ "epoch": 0.7350187265917603,
1129
+ "grad_norm": 0.24720498919487,
1130
+ "learning_rate": 4.6348546471955046e-05,
1131
+ "loss": 0.1741,
1132
+ "step": 1570
1133
+ },
1134
+ {
1135
+ "epoch": 0.7397003745318352,
1136
+ "grad_norm": 0.2715936601161957,
1137
+ "learning_rate": 4.6222657146328624e-05,
1138
+ "loss": 0.1564,
1139
+ "step": 1580
1140
+ },
1141
+ {
1142
+ "epoch": 0.7443820224719101,
1143
+ "grad_norm": 0.24092724919319153,
1144
+ "learning_rate": 4.609481136699138e-05,
1145
+ "loss": 0.1864,
1146
+ "step": 1590
1147
+ },
1148
+ {
1149
+ "epoch": 0.7490636704119851,
1150
+ "grad_norm": 0.2625042200088501,
1151
+ "learning_rate": 4.596502091966587e-05,
1152
+ "loss": 0.1863,
1153
+ "step": 1600
1154
+ },
1155
+ {
1156
+ "epoch": 0.7537453183520599,
1157
+ "grad_norm": 0.2534978687763214,
1158
+ "learning_rate": 4.583329776934787e-05,
1159
+ "loss": 0.1768,
1160
+ "step": 1610
1161
+ },
1162
+ {
1163
+ "epoch": 0.7584269662921348,
1164
+ "grad_norm": 0.26979076862335205,
1165
+ "learning_rate": 4.5699654059203225e-05,
1166
+ "loss": 0.1587,
1167
+ "step": 1620
1168
+ },
1169
+ {
1170
+ "epoch": 0.7631086142322098,
1171
+ "grad_norm": 0.21820847690105438,
1172
+ "learning_rate": 4.5564102109448554e-05,
1173
+ "loss": 0.1597,
1174
+ "step": 1630
1175
+ },
1176
+ {
1177
+ "epoch": 0.7677902621722846,
1178
+ "grad_norm": 0.22770282626152039,
1179
+ "learning_rate": 4.542665441621537e-05,
1180
+ "loss": 0.1639,
1181
+ "step": 1640
1182
+ },
1183
+ {
1184
+ "epoch": 0.7724719101123596,
1185
+ "grad_norm": 0.27316999435424805,
1186
+ "learning_rate": 4.5287323650398164e-05,
1187
+ "loss": 0.1546,
1188
+ "step": 1650
1189
+ },
1190
+ {
1191
+ "epoch": 0.7771535580524345,
1192
+ "grad_norm": 0.27699345350265503,
1193
+ "learning_rate": 4.51461226564863e-05,
1194
+ "loss": 0.1725,
1195
+ "step": 1660
1196
+ },
1197
+ {
1198
+ "epoch": 0.7818352059925093,
1199
+ "grad_norm": 0.24093034863471985,
1200
+ "learning_rate": 4.50030644513799e-05,
1201
+ "loss": 0.1711,
1202
+ "step": 1670
1203
+ },
1204
+ {
1205
+ "epoch": 0.7865168539325843,
1206
+ "grad_norm": 0.27285608649253845,
1207
+ "learning_rate": 4.485816222318986e-05,
1208
+ "loss": 0.1487,
1209
+ "step": 1680
1210
+ },
1211
+ {
1212
+ "epoch": 0.7911985018726592,
1213
+ "grad_norm": 0.2582044303417206,
1214
+ "learning_rate": 4.471142933002213e-05,
1215
+ "loss": 0.1582,
1216
+ "step": 1690
1217
+ },
1218
+ {
1219
+ "epoch": 0.795880149812734,
1220
+ "grad_norm": 0.25239214301109314,
1221
+ "learning_rate": 4.4562879298746165e-05,
1222
+ "loss": 0.155,
1223
+ "step": 1700
1224
+ },
1225
+ {
1226
+ "epoch": 0.800561797752809,
1227
+ "grad_norm": 0.2343159019947052,
1228
+ "learning_rate": 4.441252582374802e-05,
1229
+ "loss": 0.1591,
1230
+ "step": 1710
1231
+ },
1232
+ {
1233
+ "epoch": 0.8052434456928839,
1234
+ "grad_norm": 0.264161080121994,
1235
+ "learning_rate": 4.4260382765667875e-05,
1236
+ "loss": 0.1589,
1237
+ "step": 1720
1238
+ },
1239
+ {
1240
+ "epoch": 0.8099250936329588,
1241
+ "grad_norm": 0.25752800703048706,
1242
+ "learning_rate": 4.410646415012224e-05,
1243
+ "loss": 0.1648,
1244
+ "step": 1730
1245
+ },
1246
+ {
1247
+ "epoch": 0.8146067415730337,
1248
+ "grad_norm": 0.28275129199028015,
1249
+ "learning_rate": 4.395078416641099e-05,
1250
+ "loss": 0.1474,
1251
+ "step": 1740
1252
+ },
1253
+ {
1254
+ "epoch": 0.8192883895131086,
1255
+ "grad_norm": 0.260202556848526,
1256
+ "learning_rate": 4.3793357166209313e-05,
1257
+ "loss": 0.1626,
1258
+ "step": 1750
1259
+ },
1260
+ {
1261
+ "epoch": 0.8239700374531835,
1262
+ "grad_norm": 0.2819097340106964,
1263
+ "learning_rate": 4.363419766224465e-05,
1264
+ "loss": 0.1551,
1265
+ "step": 1760
1266
+ },
1267
+ {
1268
+ "epoch": 0.8286516853932584,
1269
+ "grad_norm": 0.24001863598823547,
1270
+ "learning_rate": 4.34733203269588e-05,
1271
+ "loss": 0.156,
1272
+ "step": 1770
1273
+ },
1274
+ {
1275
+ "epoch": 0.8333333333333334,
1276
+ "grad_norm": 0.22871051728725433,
1277
+ "learning_rate": 4.3310739991155365e-05,
1278
+ "loss": 0.154,
1279
+ "step": 1780
1280
+ },
1281
+ {
1282
+ "epoch": 0.8380149812734082,
1283
+ "grad_norm": 0.2900903522968292,
1284
+ "learning_rate": 4.314647164263247e-05,
1285
+ "loss": 0.1618,
1286
+ "step": 1790
1287
+ },
1288
+ {
1289
+ "epoch": 0.8426966292134831,
1290
+ "grad_norm": 0.25664201378822327,
1291
+ "learning_rate": 4.2980530424801146e-05,
1292
+ "loss": 0.1529,
1293
+ "step": 1800
1294
+ },
1295
+ {
1296
+ "epoch": 0.8473782771535581,
1297
+ "grad_norm": 0.2573324143886566,
1298
+ "learning_rate": 4.281293163528925e-05,
1299
+ "loss": 0.1531,
1300
+ "step": 1810
1301
+ },
1302
+ {
1303
+ "epoch": 0.8520599250936329,
1304
+ "grad_norm": 0.2515137493610382,
1305
+ "learning_rate": 4.264369072453126e-05,
1306
+ "loss": 0.176,
1307
+ "step": 1820
1308
+ },
1309
+ {
1310
+ "epoch": 0.8567415730337079,
1311
+ "grad_norm": 0.2710267901420593,
1312
+ "learning_rate": 4.247282329434394e-05,
1313
+ "loss": 0.1477,
1314
+ "step": 1830
1315
+ },
1316
+ {
1317
+ "epoch": 0.8614232209737828,
1318
+ "grad_norm": 0.2349739819765091,
1319
+ "learning_rate": 4.230034509648804e-05,
1320
+ "loss": 0.1583,
1321
+ "step": 1840
1322
+ },
1323
+ {
1324
+ "epoch": 0.8661048689138576,
1325
+ "grad_norm": 0.23130016028881073,
1326
+ "learning_rate": 4.212627203121617e-05,
1327
+ "loss": 0.1485,
1328
+ "step": 1850
1329
+ },
1330
+ {
1331
+ "epoch": 0.8707865168539326,
1332
+ "grad_norm": 0.27001139521598816,
1333
+ "learning_rate": 4.19506201458071e-05,
1334
+ "loss": 0.1498,
1335
+ "step": 1860
1336
+ },
1337
+ {
1338
+ "epoch": 0.8754681647940075,
1339
+ "grad_norm": 0.25574082136154175,
1340
+ "learning_rate": 4.177340563308625e-05,
1341
+ "loss": 0.1697,
1342
+ "step": 1870
1343
+ },
1344
+ {
1345
+ "epoch": 0.8801498127340824,
1346
+ "grad_norm": 0.2866358458995819,
1347
+ "learning_rate": 4.159464482993308e-05,
1348
+ "loss": 0.1584,
1349
+ "step": 1880
1350
+ },
1351
+ {
1352
+ "epoch": 0.8848314606741573,
1353
+ "grad_norm": 0.23652639985084534,
1354
+ "learning_rate": 4.141435421577493e-05,
1355
+ "loss": 0.1507,
1356
+ "step": 1890
1357
+ },
1358
+ {
1359
+ "epoch": 0.8895131086142322,
1360
+ "grad_norm": 0.2574213445186615,
1361
+ "learning_rate": 4.123255041106788e-05,
1362
+ "loss": 0.1612,
1363
+ "step": 1900
1364
+ },
1365
+ {
1366
+ "epoch": 0.8941947565543071,
1367
+ "grad_norm": 0.25920340418815613,
1368
+ "learning_rate": 4.104925017576458e-05,
1369
+ "loss": 0.1483,
1370
+ "step": 1910
1371
+ },
1372
+ {
1373
+ "epoch": 0.898876404494382,
1374
+ "grad_norm": 0.26211079955101013,
1375
+ "learning_rate": 4.0864470407769114e-05,
1376
+ "loss": 0.1652,
1377
+ "step": 1920
1378
+ },
1379
+ {
1380
+ "epoch": 0.903558052434457,
1381
+ "grad_norm": 0.27797001600265503,
1382
+ "learning_rate": 4.0678228141379336e-05,
1383
+ "loss": 0.1461,
1384
+ "step": 1930
1385
+ },
1386
+ {
1387
+ "epoch": 0.9082397003745318,
1388
+ "grad_norm": 0.2917916774749756,
1389
+ "learning_rate": 4.049054054571648e-05,
1390
+ "loss": 0.1581,
1391
+ "step": 1940
1392
+ },
1393
+ {
1394
+ "epoch": 0.9129213483146067,
1395
+ "grad_norm": 0.2321026623249054,
1396
+ "learning_rate": 4.030142492314236e-05,
1397
+ "loss": 0.1754,
1398
+ "step": 1950
1399
+ },
1400
+ {
1401
+ "epoch": 0.9176029962546817,
1402
+ "grad_norm": 0.22449631989002228,
1403
+ "learning_rate": 4.011089870766437e-05,
1404
+ "loss": 0.1423,
1405
+ "step": 1960
1406
+ },
1407
+ {
1408
+ "epoch": 0.9222846441947565,
1409
+ "grad_norm": 0.2413541078567505,
1410
+ "learning_rate": 3.991897946332829e-05,
1411
+ "loss": 0.1619,
1412
+ "step": 1970
1413
+ },
1414
+ {
1415
+ "epoch": 0.9269662921348315,
1416
+ "grad_norm": 0.23216186463832855,
1417
+ "learning_rate": 3.972568488259905e-05,
1418
+ "loss": 0.1549,
1419
+ "step": 1980
1420
+ },
1421
+ {
1422
+ "epoch": 0.9316479400749064,
1423
+ "grad_norm": 0.2707996070384979,
1424
+ "learning_rate": 3.953103278472979e-05,
1425
+ "loss": 0.1622,
1426
+ "step": 1990
1427
+ },
1428
+ {
1429
+ "epoch": 0.9363295880149812,
1430
+ "grad_norm": 0.25455233454704285,
1431
+ "learning_rate": 3.93350411141191e-05,
1432
+ "loss": 0.1572,
1433
+ "step": 2000
1434
+ },
1435
+ {
1436
+ "epoch": 0.9363295880149812,
1437
+ "eval_loss": 0.15146031975746155,
1438
+ "eval_runtime": 232.8082,
1439
+ "eval_samples_per_second": 2.998,
1440
+ "eval_steps_per_second": 1.499,
1441
+ "step": 2000
1442
+ },
1443
+ {
1444
+ "epoch": 0.9410112359550562,
1445
+ "grad_norm": 0.25234970450401306,
1446
+ "learning_rate": 3.913772793865683e-05,
1447
+ "loss": 0.1552,
1448
+ "step": 2010
1449
+ },
1450
+ {
1451
+ "epoch": 0.9456928838951311,
1452
+ "grad_norm": 0.2573593556880951,
1453
+ "learning_rate": 3.8939111448058404e-05,
1454
+ "loss": 0.163,
1455
+ "step": 2020
1456
+ },
1457
+ {
1458
+ "epoch": 0.950374531835206,
1459
+ "grad_norm": 0.2533682584762573,
1460
+ "learning_rate": 3.8739209952188016e-05,
1461
+ "loss": 0.1647,
1462
+ "step": 2030
1463
+ },
1464
+ {
1465
+ "epoch": 0.9550561797752809,
1466
+ "grad_norm": 0.2530724108219147,
1467
+ "learning_rate": 3.853804187937066e-05,
1468
+ "loss": 0.1455,
1469
+ "step": 2040
1470
+ },
1471
+ {
1472
+ "epoch": 0.9597378277153558,
1473
+ "grad_norm": 0.2659183144569397,
1474
+ "learning_rate": 3.8335625774693326e-05,
1475
+ "loss": 0.1556,
1476
+ "step": 2050
1477
+ },
1478
+ {
1479
+ "epoch": 0.9644194756554307,
1480
+ "grad_norm": 0.2551698386669159,
1481
+ "learning_rate": 3.813198029829532e-05,
1482
+ "loss": 0.1609,
1483
+ "step": 2060
1484
+ },
1485
+ {
1486
+ "epoch": 0.9691011235955056,
1487
+ "grad_norm": 0.24625395238399506,
1488
+ "learning_rate": 3.792712422364812e-05,
1489
+ "loss": 0.1491,
1490
+ "step": 2070
1491
+ },
1492
+ {
1493
+ "epoch": 0.9737827715355806,
1494
+ "grad_norm": 0.28316351771354675,
1495
+ "learning_rate": 3.772107643582459e-05,
1496
+ "loss": 0.1549,
1497
+ "step": 2080
1498
+ },
1499
+ {
1500
+ "epoch": 0.9784644194756554,
1501
+ "grad_norm": 0.2540896236896515,
1502
+ "learning_rate": 3.7513855929758146e-05,
1503
+ "loss": 0.1497,
1504
+ "step": 2090
1505
+ },
1506
+ {
1507
+ "epoch": 0.9831460674157303,
1508
+ "grad_norm": 0.29905152320861816,
1509
+ "learning_rate": 3.730548180849161e-05,
1510
+ "loss": 0.162,
1511
+ "step": 2100
1512
+ },
1513
+ {
1514
+ "epoch": 0.9878277153558053,
1515
+ "grad_norm": 0.26653796434402466,
1516
+ "learning_rate": 3.7095973281416144e-05,
1517
+ "loss": 0.1606,
1518
+ "step": 2110
1519
+ },
1520
+ {
1521
+ "epoch": 0.9925093632958801,
1522
+ "grad_norm": 0.22521516680717468,
1523
+ "learning_rate": 3.688534966250042e-05,
1524
+ "loss": 0.1494,
1525
+ "step": 2120
1526
+ },
1527
+ {
1528
+ "epoch": 0.9971910112359551,
1529
+ "grad_norm": 0.2566962242126465,
1530
+ "learning_rate": 3.667363036851012e-05,
1531
+ "loss": 0.1512,
1532
+ "step": 2130
1533
+ },
1534
+ {
1535
+ "epoch": 1.0018726591760299,
1536
+ "grad_norm": 0.25175896286964417,
1537
+ "learning_rate": 3.646083491721794e-05,
1538
+ "loss": 0.14,
1539
+ "step": 2140
1540
+ },
1541
+ {
1542
+ "epoch": 1.006554307116105,
1543
+ "grad_norm": 0.24953345954418182,
1544
+ "learning_rate": 3.624698292560434e-05,
1545
+ "loss": 0.1563,
1546
+ "step": 2150
1547
+ },
1548
+ {
1549
+ "epoch": 1.0112359550561798,
1550
+ "grad_norm": 0.26830434799194336,
1551
+ "learning_rate": 3.603209410804906e-05,
1552
+ "loss": 0.1476,
1553
+ "step": 2160
1554
+ },
1555
+ {
1556
+ "epoch": 1.0159176029962547,
1557
+ "grad_norm": 0.23503483831882477,
1558
+ "learning_rate": 3.5816188274513795e-05,
1559
+ "loss": 0.1487,
1560
+ "step": 2170
1561
+ },
1562
+ {
1563
+ "epoch": 1.0205992509363295,
1564
+ "grad_norm": 0.24020551145076752,
1565
+ "learning_rate": 3.559928532871587e-05,
1566
+ "loss": 0.1464,
1567
+ "step": 2180
1568
+ },
1569
+ {
1570
+ "epoch": 1.0252808988764044,
1571
+ "grad_norm": 0.2504616975784302,
1572
+ "learning_rate": 3.5381405266293464e-05,
1573
+ "loss": 0.152,
1574
+ "step": 2190
1575
+ },
1576
+ {
1577
+ "epoch": 1.0299625468164795,
1578
+ "grad_norm": 0.2568669319152832,
1579
+ "learning_rate": 3.516256817296222e-05,
1580
+ "loss": 0.1534,
1581
+ "step": 2200
1582
+ },
1583
+ {
1584
+ "epoch": 1.0346441947565543,
1585
+ "grad_norm": 0.2495841681957245,
1586
+ "learning_rate": 3.4942794222663614e-05,
1587
+ "loss": 0.148,
1588
+ "step": 2210
1589
+ },
1590
+ {
1591
+ "epoch": 1.0393258426966292,
1592
+ "grad_norm": 0.2616524398326874,
1593
+ "learning_rate": 3.472210367570518e-05,
1594
+ "loss": 0.1498,
1595
+ "step": 2220
1596
+ },
1597
+ {
1598
+ "epoch": 1.044007490636704,
1599
+ "grad_norm": 0.2961607277393341,
1600
+ "learning_rate": 3.4500516876892786e-05,
1601
+ "loss": 0.154,
1602
+ "step": 2230
1603
+ },
1604
+ {
1605
+ "epoch": 1.048689138576779,
1606
+ "grad_norm": 0.26527124643325806,
1607
+ "learning_rate": 3.427805425365509e-05,
1608
+ "loss": 0.1471,
1609
+ "step": 2240
1610
+ },
1611
+ {
1612
+ "epoch": 1.053370786516854,
1613
+ "grad_norm": 0.2571045458316803,
1614
+ "learning_rate": 3.405473631416041e-05,
1615
+ "loss": 0.15,
1616
+ "step": 2250
1617
+ },
1618
+ {
1619
+ "epoch": 1.0580524344569289,
1620
+ "grad_norm": 0.272733598947525,
1621
+ "learning_rate": 3.383058364542611e-05,
1622
+ "loss": 0.1503,
1623
+ "step": 2260
1624
+ },
1625
+ {
1626
+ "epoch": 1.0627340823970037,
1627
+ "grad_norm": 0.24832037091255188,
1628
+ "learning_rate": 3.3605616911420786e-05,
1629
+ "loss": 0.1462,
1630
+ "step": 2270
1631
+ },
1632
+ {
1633
+ "epoch": 1.0674157303370786,
1634
+ "grad_norm": 0.2702969014644623,
1635
+ "learning_rate": 3.3379856851159267e-05,
1636
+ "loss": 0.1433,
1637
+ "step": 2280
1638
+ },
1639
+ {
1640
+ "epoch": 1.0720973782771535,
1641
+ "grad_norm": 0.2763786315917969,
1642
+ "learning_rate": 3.315332427679079e-05,
1643
+ "loss": 0.1425,
1644
+ "step": 2290
1645
+ },
1646
+ {
1647
+ "epoch": 1.0767790262172285,
1648
+ "grad_norm": 0.3010675609111786,
1649
+ "learning_rate": 3.292604007168037e-05,
1650
+ "loss": 0.1525,
1651
+ "step": 2300
1652
+ },
1653
+ {
1654
+ "epoch": 1.0814606741573034,
1655
+ "grad_norm": 0.25726327300071716,
1656
+ "learning_rate": 3.269802518848364e-05,
1657
+ "loss": 0.1501,
1658
+ "step": 2310
1659
+ },
1660
+ {
1661
+ "epoch": 1.0861423220973783,
1662
+ "grad_norm": 0.24328449368476868,
1663
+ "learning_rate": 3.246930064721524e-05,
1664
+ "loss": 0.1352,
1665
+ "step": 2320
1666
+ },
1667
+ {
1668
+ "epoch": 1.0908239700374531,
1669
+ "grad_norm": 0.2798154056072235,
1670
+ "learning_rate": 3.22398875333111e-05,
1671
+ "loss": 0.1492,
1672
+ "step": 2330
1673
+ },
1674
+ {
1675
+ "epoch": 1.095505617977528,
1676
+ "grad_norm": 0.26386189460754395,
1677
+ "learning_rate": 3.200980699568463e-05,
1678
+ "loss": 0.1472,
1679
+ "step": 2340
1680
+ },
1681
+ {
1682
+ "epoch": 1.100187265917603,
1683
+ "grad_norm": 0.2722947895526886,
1684
+ "learning_rate": 3.177908024477703e-05,
1685
+ "loss": 0.1557,
1686
+ "step": 2350
1687
+ },
1688
+ {
1689
+ "epoch": 1.104868913857678,
1690
+ "grad_norm": 0.2719181180000305,
1691
+ "learning_rate": 3.154772855060198e-05,
1692
+ "loss": 0.1408,
1693
+ "step": 2360
1694
+ },
1695
+ {
1696
+ "epoch": 1.1095505617977528,
1697
+ "grad_norm": 0.27931663393974304,
1698
+ "learning_rate": 3.131577324078485e-05,
1699
+ "loss": 0.1485,
1700
+ "step": 2370
1701
+ },
1702
+ {
1703
+ "epoch": 1.1142322097378277,
1704
+ "grad_norm": 0.2354390025138855,
1705
+ "learning_rate": 3.1083235698596505e-05,
1706
+ "loss": 0.1402,
1707
+ "step": 2380
1708
+ },
1709
+ {
1710
+ "epoch": 1.1189138576779025,
1711
+ "grad_norm": 0.25632205605506897,
1712
+ "learning_rate": 3.0850137360982104e-05,
1713
+ "loss": 0.1428,
1714
+ "step": 2390
1715
+ },
1716
+ {
1717
+ "epoch": 1.1235955056179776,
1718
+ "grad_norm": 0.26264774799346924,
1719
+ "learning_rate": 3.061649971658488e-05,
1720
+ "loss": 0.1465,
1721
+ "step": 2400
1722
+ },
1723
+ {
1724
+ "epoch": 1.1282771535580525,
1725
+ "grad_norm": 0.2421567738056183,
1726
+ "learning_rate": 3.038234430376513e-05,
1727
+ "loss": 0.1495,
1728
+ "step": 2410
1729
+ },
1730
+ {
1731
+ "epoch": 1.1329588014981273,
1732
+ "grad_norm": 0.2859581410884857,
1733
+ "learning_rate": 3.01476927086147e-05,
1734
+ "loss": 0.1494,
1735
+ "step": 2420
1736
+ },
1737
+ {
1738
+ "epoch": 1.1376404494382022,
1739
+ "grad_norm": 0.24564145505428314,
1740
+ "learning_rate": 2.9912566562967014e-05,
1741
+ "loss": 0.15,
1742
+ "step": 2430
1743
+ },
1744
+ {
1745
+ "epoch": 1.142322097378277,
1746
+ "grad_norm": 0.23918387293815613,
1747
+ "learning_rate": 2.967698754240289e-05,
1748
+ "loss": 0.146,
1749
+ "step": 2440
1750
+ },
1751
+ {
1752
+ "epoch": 1.1470037453183521,
1753
+ "grad_norm": 0.2613247334957123,
1754
+ "learning_rate": 2.944097736425233e-05,
1755
+ "loss": 0.1549,
1756
+ "step": 2450
1757
+ },
1758
+ {
1759
+ "epoch": 1.151685393258427,
1760
+ "grad_norm": 0.3330237865447998,
1761
+ "learning_rate": 2.92045577855925e-05,
1762
+ "loss": 0.1526,
1763
+ "step": 2460
1764
+ },
1765
+ {
1766
+ "epoch": 1.1563670411985019,
1767
+ "grad_norm": 0.24248412251472473,
1768
+ "learning_rate": 2.896775060124195e-05,
1769
+ "loss": 0.1537,
1770
+ "step": 2470
1771
+ },
1772
+ {
1773
+ "epoch": 1.1610486891385767,
1774
+ "grad_norm": 0.2552735507488251,
1775
+ "learning_rate": 2.8730577641751476e-05,
1776
+ "loss": 0.1458,
1777
+ "step": 2480
1778
+ },
1779
+ {
1780
+ "epoch": 1.1657303370786516,
1781
+ "grad_norm": 0.24274031817913055,
1782
+ "learning_rate": 2.8493060771391567e-05,
1783
+ "loss": 0.1477,
1784
+ "step": 2490
1785
+ },
1786
+ {
1787
+ "epoch": 1.1704119850187267,
1788
+ "grad_norm": 0.251447468996048,
1789
+ "learning_rate": 2.825522188613686e-05,
1790
+ "loss": 0.142,
1791
+ "step": 2500
1792
+ },
1793
+ {
1794
+ "epoch": 1.1704119850187267,
1795
+ "eval_loss": 0.14719446003437042,
1796
+ "eval_runtime": 235.8012,
1797
+ "eval_samples_per_second": 2.96,
1798
+ "eval_steps_per_second": 1.48,
1799
+ "step": 2500
1800
+ },
1801
+ {
1802
+ "epoch": 1.1750936329588015,
1803
+ "grad_norm": 0.31371602416038513,
1804
+ "learning_rate": 2.8017082911647586e-05,
1805
+ "loss": 0.1435,
1806
+ "step": 2510
1807
+ },
1808
+ {
1809
+ "epoch": 1.1797752808988764,
1810
+ "grad_norm": 0.25653213262557983,
1811
+ "learning_rate": 2.7778665801248292e-05,
1812
+ "loss": 0.1445,
1813
+ "step": 2520
1814
+ },
1815
+ {
1816
+ "epoch": 1.1844569288389513,
1817
+ "grad_norm": 0.26454073190689087,
1818
+ "learning_rate": 2.7539992533904062e-05,
1819
+ "loss": 0.1472,
1820
+ "step": 2530
1821
+ },
1822
+ {
1823
+ "epoch": 1.1891385767790261,
1824
+ "grad_norm": 0.2490745633840561,
1825
+ "learning_rate": 2.730108511219433e-05,
1826
+ "loss": 0.1728,
1827
+ "step": 2540
1828
+ },
1829
+ {
1830
+ "epoch": 1.1938202247191012,
1831
+ "grad_norm": 0.2763822674751282,
1832
+ "learning_rate": 2.7061965560284512e-05,
1833
+ "loss": 0.1466,
1834
+ "step": 2550
1835
+ },
1836
+ {
1837
+ "epoch": 1.198501872659176,
1838
+ "grad_norm": 0.26875513792037964,
1839
+ "learning_rate": 2.6822655921895695e-05,
1840
+ "loss": 0.1548,
1841
+ "step": 2560
1842
+ },
1843
+ {
1844
+ "epoch": 1.203183520599251,
1845
+ "grad_norm": 0.2581767737865448,
1846
+ "learning_rate": 2.6583178258272468e-05,
1847
+ "loss": 0.1508,
1848
+ "step": 2570
1849
+ },
1850
+ {
1851
+ "epoch": 1.2078651685393258,
1852
+ "grad_norm": 0.24231292307376862,
1853
+ "learning_rate": 2.6343554646149154e-05,
1854
+ "loss": 0.1523,
1855
+ "step": 2580
1856
+ },
1857
+ {
1858
+ "epoch": 1.2125468164794007,
1859
+ "grad_norm": 0.2455371618270874,
1860
+ "learning_rate": 2.6103807175714645e-05,
1861
+ "loss": 0.1417,
1862
+ "step": 2590
1863
+ },
1864
+ {
1865
+ "epoch": 1.2172284644194757,
1866
+ "grad_norm": 0.21632102131843567,
1867
+ "learning_rate": 2.586395794857597e-05,
1868
+ "loss": 0.1471,
1869
+ "step": 2600
1870
+ },
1871
+ {
1872
+ "epoch": 1.2219101123595506,
1873
+ "grad_norm": 0.24456676840782166,
1874
+ "learning_rate": 2.5624029075720785e-05,
1875
+ "loss": 0.1411,
1876
+ "step": 2610
1877
+ },
1878
+ {
1879
+ "epoch": 1.2265917602996255,
1880
+ "grad_norm": 0.25774601101875305,
1881
+ "learning_rate": 2.538404267547908e-05,
1882
+ "loss": 0.1471,
1883
+ "step": 2620
1884
+ },
1885
+ {
1886
+ "epoch": 1.2312734082397003,
1887
+ "grad_norm": 0.26534947752952576,
1888
+ "learning_rate": 2.5144020871484088e-05,
1889
+ "loss": 0.1538,
1890
+ "step": 2630
1891
+ },
1892
+ {
1893
+ "epoch": 1.2359550561797752,
1894
+ "grad_norm": 0.2735100984573364,
1895
+ "learning_rate": 2.4903985790632835e-05,
1896
+ "loss": 0.1492,
1897
+ "step": 2640
1898
+ },
1899
+ {
1900
+ "epoch": 1.2406367041198503,
1901
+ "grad_norm": 0.2741684317588806,
1902
+ "learning_rate": 2.46639595610463e-05,
1903
+ "loss": 0.1464,
1904
+ "step": 2650
1905
+ },
1906
+ {
1907
+ "epoch": 1.2453183520599251,
1908
+ "grad_norm": 0.233806774020195,
1909
+ "learning_rate": 2.4423964310029458e-05,
1910
+ "loss": 0.1404,
1911
+ "step": 2660
1912
+ },
1913
+ {
1914
+ "epoch": 1.25,
1915
+ "grad_norm": 0.25946834683418274,
1916
+ "learning_rate": 2.4184022162031502e-05,
1917
+ "loss": 0.1474,
1918
+ "step": 2670
1919
+ },
1920
+ {
1921
+ "epoch": 1.2546816479400749,
1922
+ "grad_norm": 0.2744329869747162,
1923
+ "learning_rate": 2.3944155236606196e-05,
1924
+ "loss": 0.1525,
1925
+ "step": 2680
1926
+ },
1927
+ {
1928
+ "epoch": 1.2593632958801497,
1929
+ "grad_norm": 0.27152568101882935,
1930
+ "learning_rate": 2.3704385646372772e-05,
1931
+ "loss": 0.1454,
1932
+ "step": 2690
1933
+ },
1934
+ {
1935
+ "epoch": 1.2640449438202248,
1936
+ "grad_norm": 0.23862288892269135,
1937
+ "learning_rate": 2.3464735494977392e-05,
1938
+ "loss": 0.1311,
1939
+ "step": 2700
1940
+ },
1941
+ {
1942
+ "epoch": 1.2687265917602997,
1943
+ "grad_norm": 0.27397608757019043,
1944
+ "learning_rate": 2.3225226875055535e-05,
1945
+ "loss": 0.1416,
1946
+ "step": 2710
1947
+ },
1948
+ {
1949
+ "epoch": 1.2734082397003745,
1950
+ "grad_norm": 0.2350151538848877,
1951
+ "learning_rate": 2.2985881866195307e-05,
1952
+ "loss": 0.1386,
1953
+ "step": 2720
1954
+ },
1955
+ {
1956
+ "epoch": 1.2780898876404494,
1957
+ "grad_norm": 0.26997503638267517,
1958
+ "learning_rate": 2.274672253290198e-05,
1959
+ "loss": 0.1412,
1960
+ "step": 2730
1961
+ },
1962
+ {
1963
+ "epoch": 1.2827715355805243,
1964
+ "grad_norm": 0.2512725591659546,
1965
+ "learning_rate": 2.2507770922563966e-05,
1966
+ "loss": 0.1583,
1967
+ "step": 2740
1968
+ },
1969
+ {
1970
+ "epoch": 1.2874531835205993,
1971
+ "grad_norm": 0.27003416419029236,
1972
+ "learning_rate": 2.2269049063420305e-05,
1973
+ "loss": 0.1553,
1974
+ "step": 2750
1975
+ },
1976
+ {
1977
+ "epoch": 1.2921348314606742,
1978
+ "grad_norm": 0.25606778264045715,
1979
+ "learning_rate": 2.2030578962529964e-05,
1980
+ "loss": 0.1358,
1981
+ "step": 2760
1982
+ },
1983
+ {
1984
+ "epoch": 1.296816479400749,
1985
+ "grad_norm": 0.2931346297264099,
1986
+ "learning_rate": 2.179238260374307e-05,
1987
+ "loss": 0.1461,
1988
+ "step": 2770
1989
+ },
1990
+ {
1991
+ "epoch": 1.301498127340824,
1992
+ "grad_norm": 0.2787070572376251,
1993
+ "learning_rate": 2.155448194567425e-05,
1994
+ "loss": 0.1412,
1995
+ "step": 2780
1996
+ },
1997
+ {
1998
+ "epoch": 1.3061797752808988,
1999
+ "grad_norm": 0.2558610737323761,
2000
+ "learning_rate": 2.131689891967839e-05,
2001
+ "loss": 0.1447,
2002
+ "step": 2790
2003
+ },
2004
+ {
2005
+ "epoch": 1.3108614232209739,
2006
+ "grad_norm": 0.27285927534103394,
2007
+ "learning_rate": 2.1079655427828807e-05,
2008
+ "loss": 0.1315,
2009
+ "step": 2800
2010
+ },
2011
+ {
2012
+ "epoch": 1.3155430711610487,
2013
+ "grad_norm": 0.2873709797859192,
2014
+ "learning_rate": 2.0842773340898187e-05,
2015
+ "loss": 0.1404,
2016
+ "step": 2810
2017
+ },
2018
+ {
2019
+ "epoch": 1.3202247191011236,
2020
+ "grad_norm": 0.2794095277786255,
2021
+ "learning_rate": 2.060627449634234e-05,
2022
+ "loss": 0.1473,
2023
+ "step": 2820
2024
+ },
2025
+ {
2026
+ "epoch": 1.3249063670411985,
2027
+ "grad_norm": 0.2690732777118683,
2028
+ "learning_rate": 2.0370180696287123e-05,
2029
+ "loss": 0.1446,
2030
+ "step": 2830
2031
+ },
2032
+ {
2033
+ "epoch": 1.3295880149812733,
2034
+ "grad_norm": 0.28744590282440186,
2035
+ "learning_rate": 2.0134513705518547e-05,
2036
+ "loss": 0.145,
2037
+ "step": 2840
2038
+ },
2039
+ {
2040
+ "epoch": 1.3342696629213484,
2041
+ "grad_norm": 0.2891230285167694,
2042
+ "learning_rate": 1.9899295249476337e-05,
2043
+ "loss": 0.1437,
2044
+ "step": 2850
2045
+ },
2046
+ {
2047
+ "epoch": 1.3389513108614233,
2048
+ "grad_norm": 0.28290775418281555,
2049
+ "learning_rate": 1.9664547012251122e-05,
2050
+ "loss": 0.1425,
2051
+ "step": 2860
2052
+ },
2053
+ {
2054
+ "epoch": 1.3436329588014981,
2055
+ "grad_norm": 0.2865421772003174,
2056
+ "learning_rate": 1.9430290634585475e-05,
2057
+ "loss": 0.1501,
2058
+ "step": 2870
2059
+ },
2060
+ {
2061
+ "epoch": 1.348314606741573,
2062
+ "grad_norm": 0.27473053336143494,
2063
+ "learning_rate": 1.9196547711878883e-05,
2064
+ "loss": 0.1486,
2065
+ "step": 2880
2066
+ },
2067
+ {
2068
+ "epoch": 1.3529962546816479,
2069
+ "grad_norm": 0.2682128846645355,
2070
+ "learning_rate": 1.8963339792196968e-05,
2071
+ "loss": 0.1429,
2072
+ "step": 2890
2073
+ },
2074
+ {
2075
+ "epoch": 1.357677902621723,
2076
+ "grad_norm": 0.2450461983680725,
2077
+ "learning_rate": 1.873068837428497e-05,
2078
+ "loss": 0.1539,
2079
+ "step": 2900
2080
+ },
2081
+ {
2082
+ "epoch": 1.3623595505617978,
2083
+ "grad_norm": 0.25303879380226135,
2084
+ "learning_rate": 1.8498614905585924e-05,
2085
+ "loss": 0.1465,
2086
+ "step": 2910
2087
+ },
2088
+ {
2089
+ "epoch": 1.3670411985018727,
2090
+ "grad_norm": 0.27826565504074097,
2091
+ "learning_rate": 1.8267140780263427e-05,
2092
+ "loss": 0.1455,
2093
+ "step": 2920
2094
+ },
2095
+ {
2096
+ "epoch": 1.3717228464419475,
2097
+ "grad_norm": 0.20451192557811737,
2098
+ "learning_rate": 1.8036287337229407e-05,
2099
+ "loss": 0.1572,
2100
+ "step": 2930
2101
+ },
2102
+ {
2103
+ "epoch": 1.3764044943820224,
2104
+ "grad_norm": 0.2710937261581421,
2105
+ "learning_rate": 1.7806075858176903e-05,
2106
+ "loss": 0.1427,
2107
+ "step": 2940
2108
+ },
2109
+ {
2110
+ "epoch": 1.3810861423220975,
2111
+ "grad_norm": 0.2961539626121521,
2112
+ "learning_rate": 1.757652756561822e-05,
2113
+ "loss": 0.1481,
2114
+ "step": 2950
2115
+ },
2116
+ {
2117
+ "epoch": 1.3857677902621723,
2118
+ "grad_norm": 0.2685253620147705,
2119
+ "learning_rate": 1.7347663620928495e-05,
2120
+ "loss": 0.1488,
2121
+ "step": 2960
2122
+ },
2123
+ {
2124
+ "epoch": 1.3904494382022472,
2125
+ "grad_norm": 0.29267454147338867,
2126
+ "learning_rate": 1.711950512239483e-05,
2127
+ "loss": 0.1441,
2128
+ "step": 2970
2129
+ },
2130
+ {
2131
+ "epoch": 1.395131086142322,
2132
+ "grad_norm": 0.25182071328163147,
2133
+ "learning_rate": 1.6892073103271355e-05,
2134
+ "loss": 0.1422,
2135
+ "step": 2980
2136
+ },
2137
+ {
2138
+ "epoch": 1.399812734082397,
2139
+ "grad_norm": 0.23954342305660248,
2140
+ "learning_rate": 1.6665388529840225e-05,
2141
+ "loss": 0.1465,
2142
+ "step": 2990
2143
+ },
2144
+ {
2145
+ "epoch": 1.404494382022472,
2146
+ "grad_norm": 0.2718564569950104,
2147
+ "learning_rate": 1.6439472299478803e-05,
2148
+ "loss": 0.1376,
2149
+ "step": 3000
2150
+ },
2151
+ {
2152
+ "epoch": 1.404494382022472,
2153
+ "eval_loss": 0.14412875473499298,
2154
+ "eval_runtime": 230.7877,
2155
+ "eval_samples_per_second": 3.024,
2156
+ "eval_steps_per_second": 1.512,
2157
+ "step": 3000
2158
+ },
2159
+ {
2160
+ "epoch": 1.4091760299625469,
2161
+ "grad_norm": 0.2633533477783203,
2162
+ "learning_rate": 1.621434523873318e-05,
2163
+ "loss": 0.1351,
2164
+ "step": 3010
2165
+ },
2166
+ {
2167
+ "epoch": 1.4138576779026217,
2168
+ "grad_norm": 0.26720061898231506,
2169
+ "learning_rate": 1.5990028101398234e-05,
2170
+ "loss": 0.1382,
2171
+ "step": 3020
2172
+ },
2173
+ {
2174
+ "epoch": 1.4185393258426966,
2175
+ "grad_norm": 0.26572489738464355,
2176
+ "learning_rate": 1.576654156660442e-05,
2177
+ "loss": 0.1462,
2178
+ "step": 3030
2179
+ },
2180
+ {
2181
+ "epoch": 1.4232209737827715,
2182
+ "grad_norm": 0.29276156425476074,
2183
+ "learning_rate": 1.5543906236911424e-05,
2184
+ "loss": 0.1518,
2185
+ "step": 3040
2186
+ },
2187
+ {
2188
+ "epoch": 1.4279026217228465,
2189
+ "grad_norm": 0.25354310870170593,
2190
+ "learning_rate": 1.5322142636408855e-05,
2191
+ "loss": 0.1727,
2192
+ "step": 3050
2193
+ },
2194
+ {
2195
+ "epoch": 1.4325842696629214,
2196
+ "grad_norm": 0.2621780037879944,
2197
+ "learning_rate": 1.5101271208824168e-05,
2198
+ "loss": 0.1414,
2199
+ "step": 3060
2200
+ },
2201
+ {
2202
+ "epoch": 1.4372659176029963,
2203
+ "grad_norm": 0.275648295879364,
2204
+ "learning_rate": 1.4881312315638097e-05,
2205
+ "loss": 0.1387,
2206
+ "step": 3070
2207
+ },
2208
+ {
2209
+ "epoch": 1.4419475655430711,
2210
+ "grad_norm": 0.25782111287117004,
2211
+ "learning_rate": 1.4662286234207512e-05,
2212
+ "loss": 0.1471,
2213
+ "step": 3080
2214
+ },
2215
+ {
2216
+ "epoch": 1.446629213483146,
2217
+ "grad_norm": 0.25094345211982727,
2218
+ "learning_rate": 1.4444213155896147e-05,
2219
+ "loss": 0.1523,
2220
+ "step": 3090
2221
+ },
2222
+ {
2223
+ "epoch": 1.451310861423221,
2224
+ "grad_norm": 0.2622791528701782,
2225
+ "learning_rate": 1.4227113184213198e-05,
2226
+ "loss": 0.1413,
2227
+ "step": 3100
2228
+ },
2229
+ {
2230
+ "epoch": 1.455992509363296,
2231
+ "grad_norm": 0.3153008222579956,
2232
+ "learning_rate": 1.4011006332960064e-05,
2233
+ "loss": 0.1458,
2234
+ "step": 3110
2235
+ },
2236
+ {
2237
+ "epoch": 1.4606741573033708,
2238
+ "grad_norm": 0.247295081615448,
2239
+ "learning_rate": 1.3795912524385323e-05,
2240
+ "loss": 0.1514,
2241
+ "step": 3120
2242
+ },
2243
+ {
2244
+ "epoch": 1.4653558052434457,
2245
+ "grad_norm": 0.266445517539978,
2246
+ "learning_rate": 1.358185158734816e-05,
2247
+ "loss": 0.1443,
2248
+ "step": 3130
2249
+ },
2250
+ {
2251
+ "epoch": 1.4700374531835205,
2252
+ "grad_norm": 0.28155022859573364,
2253
+ "learning_rate": 1.3368843255490383e-05,
2254
+ "loss": 0.1431,
2255
+ "step": 3140
2256
+ },
2257
+ {
2258
+ "epoch": 1.4747191011235956,
2259
+ "grad_norm": 0.25658926367759705,
2260
+ "learning_rate": 1.3156907165417271e-05,
2261
+ "loss": 0.1489,
2262
+ "step": 3150
2263
+ },
2264
+ {
2265
+ "epoch": 1.4794007490636705,
2266
+ "grad_norm": 0.29060763120651245,
2267
+ "learning_rate": 1.2946062854887313e-05,
2268
+ "loss": 0.161,
2269
+ "step": 3160
2270
+ },
2271
+ {
2272
+ "epoch": 1.4840823970037453,
2273
+ "grad_norm": 0.2649938464164734,
2274
+ "learning_rate": 1.273632976101111e-05,
2275
+ "loss": 0.1429,
2276
+ "step": 3170
2277
+ },
2278
+ {
2279
+ "epoch": 1.4887640449438202,
2280
+ "grad_norm": 0.28675931692123413,
2281
+ "learning_rate": 1.252772721845945e-05,
2282
+ "loss": 0.1519,
2283
+ "step": 3180
2284
+ },
2285
+ {
2286
+ "epoch": 1.493445692883895,
2287
+ "grad_norm": 0.2792210876941681,
2288
+ "learning_rate": 1.2320274457680997e-05,
2289
+ "loss": 0.1464,
2290
+ "step": 3190
2291
+ },
2292
+ {
2293
+ "epoch": 1.4981273408239701,
2294
+ "grad_norm": 0.29543542861938477,
2295
+ "learning_rate": 1.2113990603129433e-05,
2296
+ "loss": 0.1463,
2297
+ "step": 3200
2298
+ },
2299
+ {
2300
+ "epoch": 1.5028089887640448,
2301
+ "grad_norm": 0.2720608711242676,
2302
+ "learning_rate": 1.1908894671500459e-05,
2303
+ "loss": 0.1397,
2304
+ "step": 3210
2305
+ },
2306
+ {
2307
+ "epoch": 1.5074906367041199,
2308
+ "grad_norm": 0.2443593591451645,
2309
+ "learning_rate": 1.1705005569978664e-05,
2310
+ "loss": 0.1385,
2311
+ "step": 3220
2312
+ },
2313
+ {
2314
+ "epoch": 1.5121722846441947,
2315
+ "grad_norm": 0.26821592450141907,
2316
+ "learning_rate": 1.1502342094494584e-05,
2317
+ "loss": 0.1327,
2318
+ "step": 3230
2319
+ },
2320
+ {
2321
+ "epoch": 1.5168539325842696,
2322
+ "grad_norm": 0.2925826609134674,
2323
+ "learning_rate": 1.1300922927991913e-05,
2324
+ "loss": 0.143,
2325
+ "step": 3240
2326
+ },
2327
+ {
2328
+ "epoch": 1.5215355805243447,
2329
+ "grad_norm": 0.3027312457561493,
2330
+ "learning_rate": 1.1100766638705224e-05,
2331
+ "loss": 0.1481,
2332
+ "step": 3250
2333
+ },
2334
+ {
2335
+ "epoch": 1.5262172284644193,
2336
+ "grad_norm": 0.2656176686286926,
2337
+ "learning_rate": 1.0901891678448144e-05,
2338
+ "loss": 0.1357,
2339
+ "step": 3260
2340
+ },
2341
+ {
2342
+ "epoch": 1.5308988764044944,
2343
+ "grad_norm": 0.29944488406181335,
2344
+ "learning_rate": 1.0704316380912425e-05,
2345
+ "loss": 0.1478,
2346
+ "step": 3270
2347
+ },
2348
+ {
2349
+ "epoch": 1.5355805243445693,
2350
+ "grad_norm": 0.2791348695755005,
2351
+ "learning_rate": 1.0508058959977757e-05,
2352
+ "loss": 0.1482,
2353
+ "step": 3280
2354
+ },
2355
+ {
2356
+ "epoch": 1.5402621722846441,
2357
+ "grad_norm": 0.29027488827705383,
2358
+ "learning_rate": 1.0313137508032719e-05,
2359
+ "loss": 0.1389,
2360
+ "step": 3290
2361
+ },
2362
+ {
2363
+ "epoch": 1.5449438202247192,
2364
+ "grad_norm": 0.29706457257270813,
2365
+ "learning_rate": 1.0119569994306841e-05,
2366
+ "loss": 0.1531,
2367
+ "step": 3300
2368
+ },
2369
+ {
2370
+ "epoch": 1.5496254681647939,
2371
+ "grad_norm": 0.27216818928718567,
2372
+ "learning_rate": 9.927374263214143e-06,
2373
+ "loss": 0.146,
2374
+ "step": 3310
2375
+ },
2376
+ {
2377
+ "epoch": 1.554307116104869,
2378
+ "grad_norm": 0.258273184299469,
2379
+ "learning_rate": 9.736568032708069e-06,
2380
+ "loss": 0.1441,
2381
+ "step": 3320
2382
+ },
2383
+ {
2384
+ "epoch": 1.5589887640449438,
2385
+ "grad_norm": 0.2688770592212677,
2386
+ "learning_rate": 9.547168892648136e-06,
2387
+ "loss": 0.1551,
2388
+ "step": 3330
2389
+ },
2390
+ {
2391
+ "epoch": 1.5636704119850187,
2392
+ "grad_norm": 0.24575349688529968,
2393
+ "learning_rate": 9.359194303178371e-06,
2394
+ "loss": 0.1409,
2395
+ "step": 3340
2396
+ },
2397
+ {
2398
+ "epoch": 1.5683520599250937,
2399
+ "grad_norm": 0.2606309950351715,
2400
+ "learning_rate": 9.172661593117712e-06,
2401
+ "loss": 0.1535,
2402
+ "step": 3350
2403
+ },
2404
+ {
2405
+ "epoch": 1.5730337078651684,
2406
+ "grad_norm": 0.2664453387260437,
2407
+ "learning_rate": 8.987587958362517e-06,
2408
+ "loss": 0.1403,
2409
+ "step": 3360
2410
+ },
2411
+ {
2412
+ "epoch": 1.5777153558052435,
2413
+ "grad_norm": 0.24338924884796143,
2414
+ "learning_rate": 8.803990460301343e-06,
2415
+ "loss": 0.1454,
2416
+ "step": 3370
2417
+ },
2418
+ {
2419
+ "epoch": 1.5823970037453183,
2420
+ "grad_norm": 0.2727632522583008,
2421
+ "learning_rate": 8.621886024242057e-06,
2422
+ "loss": 0.1381,
2423
+ "step": 3380
2424
+ },
2425
+ {
2426
+ "epoch": 1.5870786516853932,
2427
+ "grad_norm": 0.27160879969596863,
2428
+ "learning_rate": 8.441291437851605e-06,
2429
+ "loss": 0.1386,
2430
+ "step": 3390
2431
+ },
2432
+ {
2433
+ "epoch": 1.5917602996254683,
2434
+ "grad_norm": 0.24165265262126923,
2435
+ "learning_rate": 8.262223349608366e-06,
2436
+ "loss": 0.1391,
2437
+ "step": 3400
2438
+ },
2439
+ {
2440
+ "epoch": 1.596441947565543,
2441
+ "grad_norm": 0.22898262739181519,
2442
+ "learning_rate": 8.084698267267408e-06,
2443
+ "loss": 0.1705,
2444
+ "step": 3410
2445
+ },
2446
+ {
2447
+ "epoch": 1.601123595505618,
2448
+ "grad_norm": 0.26720166206359863,
2449
+ "learning_rate": 7.908732556338628e-06,
2450
+ "loss": 0.1427,
2451
+ "step": 3420
2452
+ },
2453
+ {
2454
+ "epoch": 1.6058052434456929,
2455
+ "grad_norm": 0.2854466140270233,
2456
+ "learning_rate": 7.73434243857814e-06,
2457
+ "loss": 0.1405,
2458
+ "step": 3430
2459
+ },
2460
+ {
2461
+ "epoch": 1.6104868913857677,
2462
+ "grad_norm": 0.29229024052619934,
2463
+ "learning_rate": 7.561543990492803e-06,
2464
+ "loss": 0.1445,
2465
+ "step": 3440
2466
+ },
2467
+ {
2468
+ "epoch": 1.6151685393258428,
2469
+ "grad_norm": 0.2715863883495331,
2470
+ "learning_rate": 7.390353141858172e-06,
2471
+ "loss": 0.1363,
2472
+ "step": 3450
2473
+ },
2474
+ {
2475
+ "epoch": 1.6198501872659175,
2476
+ "grad_norm": 0.24178357422351837,
2477
+ "learning_rate": 7.2207856742499695e-06,
2478
+ "loss": 0.144,
2479
+ "step": 3460
2480
+ },
2481
+ {
2482
+ "epoch": 1.6245318352059925,
2483
+ "grad_norm": 0.25843772292137146,
2484
+ "learning_rate": 7.052857219589262e-06,
2485
+ "loss": 0.1458,
2486
+ "step": 3470
2487
+ },
2488
+ {
2489
+ "epoch": 1.6292134831460674,
2490
+ "grad_norm": 0.2684144079685211,
2491
+ "learning_rate": 6.886583258701382e-06,
2492
+ "loss": 0.1337,
2493
+ "step": 3480
2494
+ },
2495
+ {
2496
+ "epoch": 1.6338951310861423,
2497
+ "grad_norm": 0.2679165303707123,
2498
+ "learning_rate": 6.721979119888796e-06,
2499
+ "loss": 0.1814,
2500
+ "step": 3490
2501
+ },
2502
+ {
2503
+ "epoch": 1.6385767790262173,
2504
+ "grad_norm": 0.2938106954097748,
2505
+ "learning_rate": 6.559059977518017e-06,
2506
+ "loss": 0.1569,
2507
+ "step": 3500
2508
+ },
2509
+ {
2510
+ "epoch": 1.6385767790262173,
2511
+ "eval_loss": 0.14246584475040436,
2512
+ "eval_runtime": 232.5612,
2513
+ "eval_samples_per_second": 3.001,
2514
+ "eval_steps_per_second": 1.501,
2515
+ "step": 3500
2516
+ },
2517
+ {
2518
+ "epoch": 1.643258426966292,
2519
+ "grad_norm": 0.2740805447101593,
2520
+ "learning_rate": 6.397840850620762e-06,
2521
+ "loss": 0.1476,
2522
+ "step": 3510
2523
+ },
2524
+ {
2525
+ "epoch": 1.647940074906367,
2526
+ "grad_norm": 0.260959655046463,
2527
+ "learning_rate": 6.238336601509365e-06,
2528
+ "loss": 0.1472,
2529
+ "step": 3520
2530
+ },
2531
+ {
2532
+ "epoch": 1.652621722846442,
2533
+ "grad_norm": 0.2726864814758301,
2534
+ "learning_rate": 6.080561934406678e-06,
2535
+ "loss": 0.1474,
2536
+ "step": 3530
2537
+ },
2538
+ {
2539
+ "epoch": 1.6573033707865168,
2540
+ "grad_norm": 0.2838584780693054,
2541
+ "learning_rate": 5.92453139409051e-06,
2542
+ "loss": 0.136,
2543
+ "step": 3540
2544
+ },
2545
+ {
2546
+ "epoch": 1.6619850187265919,
2547
+ "grad_norm": 0.2548011243343353,
2548
+ "learning_rate": 5.770259364552816e-06,
2549
+ "loss": 0.1435,
2550
+ "step": 3550
2551
+ },
2552
+ {
2553
+ "epoch": 1.6666666666666665,
2554
+ "grad_norm": 0.25916817784309387,
2555
+ "learning_rate": 5.617760067673666e-06,
2556
+ "loss": 0.1413,
2557
+ "step": 3560
2558
+ },
2559
+ {
2560
+ "epoch": 1.6713483146067416,
2561
+ "grad_norm": 0.25346603989601135,
2562
+ "learning_rate": 5.46704756191018e-06,
2563
+ "loss": 0.1359,
2564
+ "step": 3570
2565
+ },
2566
+ {
2567
+ "epoch": 1.6760299625468165,
2568
+ "grad_norm": 0.2750667333602905,
2569
+ "learning_rate": 5.318135741000488e-06,
2570
+ "loss": 0.1542,
2571
+ "step": 3580
2572
+ },
2573
+ {
2574
+ "epoch": 1.6807116104868913,
2575
+ "grad_norm": 0.28603386878967285,
2576
+ "learning_rate": 5.171038332682959e-06,
2577
+ "loss": 0.1283,
2578
+ "step": 3590
2579
+ },
2580
+ {
2581
+ "epoch": 1.6853932584269664,
2582
+ "grad_norm": 0.2523970305919647,
2583
+ "learning_rate": 5.025768897430644e-06,
2584
+ "loss": 0.1376,
2585
+ "step": 3600
2586
+ },
2587
+ {
2588
+ "epoch": 1.690074906367041,
2589
+ "grad_norm": 0.27870383858680725,
2590
+ "learning_rate": 4.882340827201193e-06,
2591
+ "loss": 0.139,
2592
+ "step": 3610
2593
+ },
2594
+ {
2595
+ "epoch": 1.6947565543071161,
2596
+ "grad_norm": 0.2658084034919739,
2597
+ "learning_rate": 4.740767344202282e-06,
2598
+ "loss": 0.1457,
2599
+ "step": 3620
2600
+ },
2601
+ {
2602
+ "epoch": 1.699438202247191,
2603
+ "grad_norm": 0.2911655008792877,
2604
+ "learning_rate": 4.601061499672698e-06,
2605
+ "loss": 0.1353,
2606
+ "step": 3630
2607
+ },
2608
+ {
2609
+ "epoch": 1.7041198501872659,
2610
+ "grad_norm": 0.270166277885437,
2611
+ "learning_rate": 4.463236172679192e-06,
2612
+ "loss": 0.1525,
2613
+ "step": 3640
2614
+ },
2615
+ {
2616
+ "epoch": 1.708801498127341,
2617
+ "grad_norm": 0.2789149582386017,
2618
+ "learning_rate": 4.327304068929192e-06,
2619
+ "loss": 0.1604,
2620
+ "step": 3650
2621
+ },
2622
+ {
2623
+ "epoch": 1.7134831460674156,
2624
+ "grad_norm": 0.2603972554206848,
2625
+ "learning_rate": 4.193277719599484e-06,
2626
+ "loss": 0.1482,
2627
+ "step": 3660
2628
+ },
2629
+ {
2630
+ "epoch": 1.7181647940074907,
2631
+ "grad_norm": 0.28370609879493713,
2632
+ "learning_rate": 4.061169480181029e-06,
2633
+ "loss": 0.1326,
2634
+ "step": 3670
2635
+ },
2636
+ {
2637
+ "epoch": 1.7228464419475655,
2638
+ "grad_norm": 0.28793907165527344,
2639
+ "learning_rate": 3.9309915293399366e-06,
2640
+ "loss": 0.1483,
2641
+ "step": 3680
2642
+ },
2643
+ {
2644
+ "epoch": 1.7275280898876404,
2645
+ "grad_norm": 0.2687625288963318,
2646
+ "learning_rate": 3.802755867794744e-06,
2647
+ "loss": 0.1343,
2648
+ "step": 3690
2649
+ },
2650
+ {
2651
+ "epoch": 1.7322097378277155,
2652
+ "grad_norm": 0.2577783763408661,
2653
+ "learning_rate": 3.676474317210099e-06,
2654
+ "loss": 0.1381,
2655
+ "step": 3700
2656
+ },
2657
+ {
2658
+ "epoch": 1.7368913857677901,
2659
+ "grad_norm": 0.2647913992404938,
2660
+ "learning_rate": 3.552158519106977e-06,
2661
+ "loss": 0.1417,
2662
+ "step": 3710
2663
+ },
2664
+ {
2665
+ "epoch": 1.7415730337078652,
2666
+ "grad_norm": 0.2621007561683655,
2667
+ "learning_rate": 3.4298199337894685e-06,
2668
+ "loss": 0.1462,
2669
+ "step": 3720
2670
+ },
2671
+ {
2672
+ "epoch": 1.74625468164794,
2673
+ "grad_norm": 0.2610481083393097,
2674
+ "learning_rate": 3.309469839288301e-06,
2675
+ "loss": 0.1315,
2676
+ "step": 3730
2677
+ },
2678
+ {
2679
+ "epoch": 1.750936329588015,
2680
+ "grad_norm": 0.2840542197227478,
2681
+ "learning_rate": 3.1911193303211185e-06,
2682
+ "loss": 0.1362,
2683
+ "step": 3740
2684
+ },
2685
+ {
2686
+ "epoch": 1.75561797752809,
2687
+ "grad_norm": 0.2668418884277344,
2688
+ "learning_rate": 3.0747793172697326e-06,
2689
+ "loss": 0.1492,
2690
+ "step": 3750
2691
+ },
2692
+ {
2693
+ "epoch": 1.7602996254681647,
2694
+ "grad_norm": 0.2559303939342499,
2695
+ "learning_rate": 2.9604605251743136e-06,
2696
+ "loss": 0.1315,
2697
+ "step": 3760
2698
+ },
2699
+ {
2700
+ "epoch": 1.7649812734082397,
2701
+ "grad_norm": 0.2896023392677307,
2702
+ "learning_rate": 2.84817349274466e-06,
2703
+ "loss": 0.1631,
2704
+ "step": 3770
2705
+ },
2706
+ {
2707
+ "epoch": 1.7696629213483146,
2708
+ "grad_norm": 0.2894950211048126,
2709
+ "learning_rate": 2.7379285713886954e-06,
2710
+ "loss": 0.1472,
2711
+ "step": 3780
2712
+ },
2713
+ {
2714
+ "epoch": 1.7743445692883895,
2715
+ "grad_norm": 0.281281977891922,
2716
+ "learning_rate": 2.6297359242581865e-06,
2717
+ "loss": 0.138,
2718
+ "step": 3790
2719
+ },
2720
+ {
2721
+ "epoch": 1.7790262172284645,
2722
+ "grad_norm": 0.24921460449695587,
2723
+ "learning_rate": 2.5236055253118423e-06,
2724
+ "loss": 0.1753,
2725
+ "step": 3800
2726
+ },
2727
+ {
2728
+ "epoch": 1.7837078651685392,
2729
+ "grad_norm": 0.2553311884403229,
2730
+ "learning_rate": 2.4195471583958266e-06,
2731
+ "loss": 0.1375,
2732
+ "step": 3810
2733
+ },
2734
+ {
2735
+ "epoch": 1.7883895131086143,
2736
+ "grad_norm": 0.2462325245141983,
2737
+ "learning_rate": 2.3175704163418327e-06,
2738
+ "loss": 0.133,
2739
+ "step": 3820
2740
+ },
2741
+ {
2742
+ "epoch": 1.7930711610486891,
2743
+ "grad_norm": 0.2653181552886963,
2744
+ "learning_rate": 2.217684700082748e-06,
2745
+ "loss": 0.1432,
2746
+ "step": 3830
2747
+ },
2748
+ {
2749
+ "epoch": 1.797752808988764,
2750
+ "grad_norm": 0.2803376615047455,
2751
+ "learning_rate": 2.119899217785995e-06,
2752
+ "loss": 0.1458,
2753
+ "step": 3840
2754
+ },
2755
+ {
2756
+ "epoch": 1.802434456928839,
2757
+ "grad_norm": 0.2679455280303955,
2758
+ "learning_rate": 2.0242229840046726e-06,
2759
+ "loss": 0.1431,
2760
+ "step": 3850
2761
+ },
2762
+ {
2763
+ "epoch": 1.8071161048689137,
2764
+ "grad_norm": 0.2571849226951599,
2765
+ "learning_rate": 1.9306648188465252e-06,
2766
+ "loss": 0.142,
2767
+ "step": 3860
2768
+ },
2769
+ {
2770
+ "epoch": 1.8117977528089888,
2771
+ "grad_norm": 0.24948078393936157,
2772
+ "learning_rate": 1.8392333471608347e-06,
2773
+ "loss": 0.1468,
2774
+ "step": 3870
2775
+ },
2776
+ {
2777
+ "epoch": 1.8164794007490637,
2778
+ "grad_norm": 0.2405436486005783,
2779
+ "learning_rate": 1.7499369977433456e-06,
2780
+ "loss": 0.1338,
2781
+ "step": 3880
2782
+ },
2783
+ {
2784
+ "epoch": 1.8211610486891385,
2785
+ "grad_norm": 0.25163865089416504,
2786
+ "learning_rate": 1.662784002559209e-06,
2787
+ "loss": 0.1439,
2788
+ "step": 3890
2789
+ },
2790
+ {
2791
+ "epoch": 1.8258426966292136,
2792
+ "grad_norm": 0.2572096288204193,
2793
+ "learning_rate": 1.577782395984126e-06,
2794
+ "loss": 0.1447,
2795
+ "step": 3900
2796
+ },
2797
+ {
2798
+ "epoch": 1.8305243445692883,
2799
+ "grad_norm": 0.286592960357666,
2800
+ "learning_rate": 1.4949400140636727e-06,
2801
+ "loss": 0.1482,
2802
+ "step": 3910
2803
+ },
2804
+ {
2805
+ "epoch": 1.8352059925093633,
2806
+ "grad_norm": 0.268310546875,
2807
+ "learning_rate": 1.4142644937909206e-06,
2808
+ "loss": 0.1478,
2809
+ "step": 3920
2810
+ },
2811
+ {
2812
+ "epoch": 1.8398876404494382,
2813
+ "grad_norm": 0.25413018465042114,
2814
+ "learning_rate": 1.3357632724023933e-06,
2815
+ "loss": 0.14,
2816
+ "step": 3930
2817
+ },
2818
+ {
2819
+ "epoch": 1.844569288389513,
2820
+ "grad_norm": 0.25173068046569824,
2821
+ "learning_rate": 1.2594435866924686e-06,
2822
+ "loss": 0.1444,
2823
+ "step": 3940
2824
+ },
2825
+ {
2826
+ "epoch": 1.8492509363295881,
2827
+ "grad_norm": 0.2957823574542999,
2828
+ "learning_rate": 1.1853124723462311e-06,
2829
+ "loss": 0.1437,
2830
+ "step": 3950
2831
+ },
2832
+ {
2833
+ "epoch": 1.8539325842696628,
2834
+ "grad_norm": 0.2906501293182373,
2835
+ "learning_rate": 1.1133767632908799e-06,
2836
+ "loss": 0.141,
2837
+ "step": 3960
2838
+ },
2839
+ {
2840
+ "epoch": 1.8586142322097379,
2841
+ "grad_norm": 0.2822731137275696,
2842
+ "learning_rate": 1.043643091065702e-06,
2843
+ "loss": 0.1516,
2844
+ "step": 3970
2845
+ },
2846
+ {
2847
+ "epoch": 1.8632958801498127,
2848
+ "grad_norm": 0.2239583134651184,
2849
+ "learning_rate": 9.761178842107699e-07,
2850
+ "loss": 0.1289,
2851
+ "step": 3980
2852
+ },
2853
+ {
2854
+ "epoch": 1.8679775280898876,
2855
+ "grad_norm": 0.2751089632511139,
2856
+ "learning_rate": 9.108073676742935e-07,
2857
+ "loss": 0.1691,
2858
+ "step": 3990
2859
+ },
2860
+ {
2861
+ "epoch": 1.8726591760299627,
2862
+ "grad_norm": 0.26302212476730347,
2863
+ "learning_rate": 8.477175622387562e-07,
2864
+ "loss": 0.1413,
2865
+ "step": 4000
2866
+ },
2867
+ {
2868
+ "epoch": 1.8726591760299627,
2869
+ "eval_loss": 0.14174455404281616,
2870
+ "eval_runtime": 234.3945,
2871
+ "eval_samples_per_second": 2.978,
2872
+ "eval_steps_per_second": 1.489,
2873
+ "step": 4000
2874
+ },
2875
+ {
2876
+ "epoch": 1.8773408239700373,
2877
+ "grad_norm": 0.2844927906990051,
2878
+ "learning_rate": 7.868542839658793e-07,
2879
+ "loss": 0.1337,
2880
+ "step": 4010
2881
+ },
2882
+ {
2883
+ "epoch": 1.8820224719101124,
2884
+ "grad_norm": 0.2576298415660858,
2885
+ "learning_rate": 7.282231436604698e-07,
2886
+ "loss": 0.1378,
2887
+ "step": 4020
2888
+ },
2889
+ {
2890
+ "epoch": 1.8867041198501873,
2891
+ "grad_norm": 0.24751824140548706,
2892
+ "learning_rate": 6.718295463531587e-07,
2893
+ "loss": 0.1661,
2894
+ "step": 4030
2895
+ },
2896
+ {
2897
+ "epoch": 1.8913857677902621,
2898
+ "grad_norm": 0.2758065164089203,
2899
+ "learning_rate": 6.176786908021453e-07,
2900
+ "loss": 0.1506,
2901
+ "step": 4040
2902
+ },
2903
+ {
2904
+ "epoch": 1.8960674157303372,
2905
+ "grad_norm": 0.24978813529014587,
2906
+ "learning_rate": 5.657755690139155e-07,
2907
+ "loss": 0.1467,
2908
+ "step": 4050
2909
+ },
2910
+ {
2911
+ "epoch": 1.9007490636704119,
2912
+ "grad_norm": 0.2835918068885803,
2913
+ "learning_rate": 5.161249657830686e-07,
2914
+ "loss": 0.1582,
2915
+ "step": 4060
2916
+ },
2917
+ {
2918
+ "epoch": 1.905430711610487,
2919
+ "grad_norm": 0.2483970671892166,
2920
+ "learning_rate": 4.6873145825120926e-07,
2921
+ "loss": 0.1382,
2922
+ "step": 4070
2923
+ },
2924
+ {
2925
+ "epoch": 1.9101123595505618,
2926
+ "grad_norm": 0.24273446202278137,
2927
+ "learning_rate": 4.2359941548499037e-07,
2928
+ "loss": 0.1229,
2929
+ "step": 4080
2930
+ },
2931
+ {
2932
+ "epoch": 1.9147940074906367,
2933
+ "grad_norm": 0.2832223176956177,
2934
+ "learning_rate": 3.8073299807334926e-07,
2935
+ "loss": 0.138,
2936
+ "step": 4090
2937
+ },
2938
+ {
2939
+ "epoch": 1.9194756554307117,
2940
+ "grad_norm": 0.27922406792640686,
2941
+ "learning_rate": 3.4013615774395323e-07,
2942
+ "loss": 0.1433,
2943
+ "step": 4100
2944
+ },
2945
+ {
2946
+ "epoch": 1.9241573033707864,
2947
+ "grad_norm": 0.2603136897087097,
2948
+ "learning_rate": 3.0181263699890215e-07,
2949
+ "loss": 0.1406,
2950
+ "step": 4110
2951
+ },
2952
+ {
2953
+ "epoch": 1.9288389513108615,
2954
+ "grad_norm": 0.24417099356651306,
2955
+ "learning_rate": 2.657659687697156e-07,
2956
+ "loss": 0.1483,
2957
+ "step": 4120
2958
+ },
2959
+ {
2960
+ "epoch": 1.9335205992509363,
2961
+ "grad_norm": 0.2983071506023407,
2962
+ "learning_rate": 2.319994760916433e-07,
2963
+ "loss": 0.1497,
2964
+ "step": 4130
2965
+ },
2966
+ {
2967
+ "epoch": 1.9382022471910112,
2968
+ "grad_norm": 0.23415164649486542,
2969
+ "learning_rate": 2.0051627179733247e-07,
2970
+ "loss": 0.1601,
2971
+ "step": 4140
2972
+ },
2973
+ {
2974
+ "epoch": 1.9428838951310863,
2975
+ "grad_norm": 0.280741810798645,
2976
+ "learning_rate": 1.713192582298434e-07,
2977
+ "loss": 0.1432,
2978
+ "step": 4150
2979
+ },
2980
+ {
2981
+ "epoch": 1.947565543071161,
2982
+ "grad_norm": 0.3024005889892578,
2983
+ "learning_rate": 1.444111269751164e-07,
2984
+ "loss": 0.1537,
2985
+ "step": 4160
2986
+ },
2987
+ {
2988
+ "epoch": 1.952247191011236,
2989
+ "grad_norm": 0.26236817240715027,
2990
+ "learning_rate": 1.1979435861383392e-07,
2991
+ "loss": 0.1574,
2992
+ "step": 4170
2993
+ },
2994
+ {
2995
+ "epoch": 1.9569288389513109,
2996
+ "grad_norm": 0.28959619998931885,
2997
+ "learning_rate": 9.747122249273156e-08,
2998
+ "loss": 0.1396,
2999
+ "step": 4180
3000
+ },
3001
+ {
3002
+ "epoch": 1.9616104868913857,
3003
+ "grad_norm": 0.2532627582550049,
3004
+ "learning_rate": 7.74437765154068e-08,
3005
+ "loss": 0.1404,
3006
+ "step": 4190
3007
+ },
3008
+ {
3009
+ "epoch": 1.9662921348314608,
3010
+ "grad_norm": 0.2636815309524536,
3011
+ "learning_rate": 5.971386695260706e-08,
3012
+ "loss": 0.1445,
3013
+ "step": 4200
3014
+ },
3015
+ {
3016
+ "epoch": 1.9709737827715355,
3017
+ "grad_norm": 0.27110251784324646,
3018
+ "learning_rate": 4.4283128272018524e-08,
3019
+ "loss": 0.1436,
3020
+ "step": 4210
3021
+ },
3022
+ {
3023
+ "epoch": 1.9756554307116105,
3024
+ "grad_norm": 0.2736012935638428,
3025
+ "learning_rate": 3.1152982987595056e-08,
3026
+ "loss": 0.1689,
3027
+ "step": 4220
3028
+ },
3029
+ {
3030
+ "epoch": 1.9803370786516854,
3031
+ "grad_norm": 0.2657409608364105,
3032
+ "learning_rate": 2.0324641528421395e-08,
3033
+ "loss": 0.1399,
3034
+ "step": 4230
3035
+ },
3036
+ {
3037
+ "epoch": 1.9850187265917603,
3038
+ "grad_norm": 0.2698764204978943,
3039
+ "learning_rate": 1.1799102127130202e-08,
3040
+ "loss": 0.1302,
3041
+ "step": 4240
3042
+ },
3043
+ {
3044
+ "epoch": 1.9897003745318353,
3045
+ "grad_norm": 0.27992117404937744,
3046
+ "learning_rate": 5.5771507278645775e-09,
3047
+ "loss": 0.1438,
3048
+ "step": 4250
3049
+ },
3050
+ {
3051
+ "epoch": 1.99438202247191,
3052
+ "grad_norm": 0.2756190001964569,
3053
+ "learning_rate": 1.6593609138415567e-09,
3054
+ "loss": 0.1459,
3055
+ "step": 4260
3056
+ },
3057
+ {
3058
+ "epoch": 1.999063670411985,
3059
+ "grad_norm": 0.2640279233455658,
3060
+ "learning_rate": 4.6093854466633393e-11,
3061
+ "loss": 0.1339,
3062
+ "step": 4270
3063
+ },
3064
+ {
3065
+ "epoch": 2.0,
3066
+ "step": 4272,
3067
+ "total_flos": 2.778312922424672e+18,
3068
+ "train_loss": 0.20174445870440552,
3069
+ "train_runtime": 74295.9338,
3070
+ "train_samples_per_second": 0.92,
3071
+ "train_steps_per_second": 0.057
3072
+ }
3073
+ ],
3074
+ "logging_steps": 10,
3075
+ "max_steps": 4272,
3076
+ "num_input_tokens_seen": 0,
3077
+ "num_train_epochs": 2,
3078
+ "save_steps": 500,
3079
+ "stateful_callbacks": {
3080
+ "TrainerControl": {
3081
+ "args": {
3082
+ "should_epoch_stop": false,
3083
+ "should_evaluate": false,
3084
+ "should_log": false,
3085
+ "should_save": true,
3086
+ "should_training_stop": true
3087
+ },
3088
+ "attributes": {}
3089
+ }
3090
+ },
3091
+ "total_flos": 2.778312922424672e+18,
3092
+ "train_batch_size": 4,
3093
+ "trial_name": null,
3094
+ "trial_params": null
3095
+ }