lillian039 commited on
Commit
331636a
1 Parent(s): fb326cf

Model save

Browse files
Files changed (5) hide show
  1. README.md +67 -0
  2. all_results.json +9 -0
  3. generation_config.json +12 -0
  4. train_results.json +9 -0
  5. trainer_state.json +2158 -0
README.md ADDED
@@ -0,0 +1,67 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ library_name: transformers
3
+ license: llama3.1
4
+ base_model: meta-llama/Meta-Llama-3.1-8B-Instruct
5
+ tags:
6
+ - trl
7
+ - sft
8
+ - generated_from_trainer
9
+ model-index:
10
+ - name: google_cloude_test_20k_transduction-gpt4omini_lr1e-5_epoch2_seed25
11
+ results: []
12
+ ---
13
+
14
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
15
+ should probably proofread and complete it, then remove this comment. -->
16
+
17
+ # google_cloude_test_20k_transduction-gpt4omini_lr1e-5_epoch2_seed25
18
+
19
+ This model is a fine-tuned version of [meta-llama/Meta-Llama-3.1-8B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-8B-Instruct) on an unknown dataset.
20
+ It achieves the following results on the evaluation set:
21
+ - Loss: 0.0608
22
+
23
+ ## Model description
24
+
25
+ More information needed
26
+
27
+ ## Intended uses & limitations
28
+
29
+ More information needed
30
+
31
+ ## Training and evaluation data
32
+
33
+ More information needed
34
+
35
+ ## Training procedure
36
+
37
+ ### Training hyperparameters
38
+
39
+ The following hyperparameters were used during training:
40
+ - learning_rate: 1e-05
41
+ - train_batch_size: 8
42
+ - eval_batch_size: 4
43
+ - seed: 42
44
+ - distributed_type: multi-GPU
45
+ - num_devices: 8
46
+ - gradient_accumulation_steps: 2
47
+ - total_train_batch_size: 128
48
+ - total_eval_batch_size: 32
49
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
50
+ - lr_scheduler_type: cosine
51
+ - lr_scheduler_warmup_ratio: 0.1
52
+ - num_epochs: 2
53
+
54
+ ### Training results
55
+
56
+ | Training Loss | Epoch | Step | Validation Loss |
57
+ |:-------------:|:------:|:----:|:---------------:|
58
+ | 0.0683 | 0.9967 | 150 | 0.0725 |
59
+ | 0.0482 | 1.9934 | 300 | 0.0608 |
60
+
61
+
62
+ ### Framework versions
63
+
64
+ - Transformers 4.45.0.dev0
65
+ - Pytorch 2.4.0+cu121
66
+ - Datasets 3.0.1
67
+ - Tokenizers 0.19.1
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.9933554817275747,
3
+ "total_flos": 1.1631033437569024e+17,
4
+ "train_loss": 0.07701069086790086,
5
+ "train_runtime": 4589.0959,
6
+ "train_samples": 19216,
7
+ "train_samples_per_second": 8.375,
8
+ "train_steps_per_second": 0.065
9
+ }
generation_config.json ADDED
@@ -0,0 +1,12 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token_id": 128000,
3
+ "do_sample": true,
4
+ "eos_token_id": [
5
+ 128001,
6
+ 128008,
7
+ 128009
8
+ ],
9
+ "temperature": 0.6,
10
+ "top_p": 0.9,
11
+ "transformers_version": "4.45.0.dev0"
12
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.9933554817275747,
3
+ "total_flos": 1.1631033437569024e+17,
4
+ "train_loss": 0.07701069086790086,
5
+ "train_runtime": 4589.0959,
6
+ "train_samples": 19216,
7
+ "train_samples_per_second": 8.375,
8
+ "train_steps_per_second": 0.065
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,2158 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.9933554817275747,
5
+ "eval_steps": 500,
6
+ "global_step": 300,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.006644518272425249,
13
+ "grad_norm": 10.145524315941286,
14
+ "learning_rate": 3.3333333333333335e-07,
15
+ "loss": 0.2861,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.013289036544850499,
20
+ "grad_norm": 8.915211114203709,
21
+ "learning_rate": 6.666666666666667e-07,
22
+ "loss": 0.2616,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.019933554817275746,
27
+ "grad_norm": 8.777900140983958,
28
+ "learning_rate": 1.0000000000000002e-06,
29
+ "loss": 0.2835,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.026578073089700997,
34
+ "grad_norm": 8.285488875547399,
35
+ "learning_rate": 1.3333333333333334e-06,
36
+ "loss": 0.2231,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.03322259136212625,
41
+ "grad_norm": 7.810022519562283,
42
+ "learning_rate": 1.6666666666666667e-06,
43
+ "loss": 0.2467,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.03986710963455149,
48
+ "grad_norm": 6.560410496844325,
49
+ "learning_rate": 2.0000000000000003e-06,
50
+ "loss": 0.241,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.046511627906976744,
55
+ "grad_norm": 4.7170552839011775,
56
+ "learning_rate": 2.3333333333333336e-06,
57
+ "loss": 0.2127,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.053156146179401995,
62
+ "grad_norm": 4.183129818287662,
63
+ "learning_rate": 2.666666666666667e-06,
64
+ "loss": 0.2308,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.059800664451827246,
69
+ "grad_norm": 3.1610581594177942,
70
+ "learning_rate": 3e-06,
71
+ "loss": 0.1254,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.0664451827242525,
76
+ "grad_norm": 2.538388610366679,
77
+ "learning_rate": 3.3333333333333333e-06,
78
+ "loss": 0.178,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.07308970099667775,
83
+ "grad_norm": 1.6417414573531897,
84
+ "learning_rate": 3.6666666666666666e-06,
85
+ "loss": 0.1305,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.07973421926910298,
90
+ "grad_norm": 5.9298971216598115,
91
+ "learning_rate": 4.000000000000001e-06,
92
+ "loss": 0.152,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.08637873754152824,
97
+ "grad_norm": 3.0446940552354858,
98
+ "learning_rate": 4.333333333333334e-06,
99
+ "loss": 0.1014,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.09302325581395349,
104
+ "grad_norm": 2.2106089020081106,
105
+ "learning_rate": 4.666666666666667e-06,
106
+ "loss": 0.1222,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.09966777408637874,
111
+ "grad_norm": 2.547231850213915,
112
+ "learning_rate": 5e-06,
113
+ "loss": 0.1536,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.10631229235880399,
118
+ "grad_norm": 1.9791098486011387,
119
+ "learning_rate": 5.333333333333334e-06,
120
+ "loss": 0.1499,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.11295681063122924,
125
+ "grad_norm": 1.5927564141097508,
126
+ "learning_rate": 5.666666666666667e-06,
127
+ "loss": 0.0975,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.11960132890365449,
132
+ "grad_norm": 1.242283265980379,
133
+ "learning_rate": 6e-06,
134
+ "loss": 0.0974,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.12624584717607973,
139
+ "grad_norm": 2.0819749599134756,
140
+ "learning_rate": 6.333333333333333e-06,
141
+ "loss": 0.105,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.132890365448505,
146
+ "grad_norm": 3.1481612101400835,
147
+ "learning_rate": 6.666666666666667e-06,
148
+ "loss": 0.1413,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.13953488372093023,
153
+ "grad_norm": 1.329108390047055,
154
+ "learning_rate": 7e-06,
155
+ "loss": 0.082,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.1461794019933555,
160
+ "grad_norm": 2.205626574560857,
161
+ "learning_rate": 7.333333333333333e-06,
162
+ "loss": 0.098,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.15282392026578073,
167
+ "grad_norm": 1.323315317507035,
168
+ "learning_rate": 7.666666666666667e-06,
169
+ "loss": 0.0828,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.15946843853820597,
174
+ "grad_norm": 1.47807340385477,
175
+ "learning_rate": 8.000000000000001e-06,
176
+ "loss": 0.1228,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.16611295681063123,
181
+ "grad_norm": 1.4244378567157914,
182
+ "learning_rate": 8.333333333333334e-06,
183
+ "loss": 0.093,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.17275747508305647,
188
+ "grad_norm": 1.6965216293403562,
189
+ "learning_rate": 8.666666666666668e-06,
190
+ "loss": 0.1138,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.17940199335548174,
195
+ "grad_norm": 2.4560093523672966,
196
+ "learning_rate": 9e-06,
197
+ "loss": 0.1197,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.18604651162790697,
202
+ "grad_norm": 1.920641163538201,
203
+ "learning_rate": 9.333333333333334e-06,
204
+ "loss": 0.1118,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.19269102990033224,
209
+ "grad_norm": 2.4139931857560577,
210
+ "learning_rate": 9.666666666666667e-06,
211
+ "loss": 0.1143,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.19933554817275748,
216
+ "grad_norm": 1.212761719437112,
217
+ "learning_rate": 1e-05,
218
+ "loss": 0.1061,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.2059800664451827,
223
+ "grad_norm": 2.647502675755485,
224
+ "learning_rate": 9.999661540018812e-06,
225
+ "loss": 0.115,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.21262458471760798,
230
+ "grad_norm": 1.446671287082578,
231
+ "learning_rate": 9.99864620589731e-06,
232
+ "loss": 0.1063,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.21926910299003322,
237
+ "grad_norm": 1.1989767107611067,
238
+ "learning_rate": 9.99695413509548e-06,
239
+ "loss": 0.0783,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.22591362126245848,
244
+ "grad_norm": 1.5133023884865615,
245
+ "learning_rate": 9.994585556692624e-06,
246
+ "loss": 0.0914,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.23255813953488372,
251
+ "grad_norm": 1.4282681068359147,
252
+ "learning_rate": 9.991540791356342e-06,
253
+ "loss": 0.1023,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.23920265780730898,
258
+ "grad_norm": 1.5675540747452452,
259
+ "learning_rate": 9.987820251299121e-06,
260
+ "loss": 0.0737,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.24584717607973422,
265
+ "grad_norm": 1.4699450317353462,
266
+ "learning_rate": 9.98342444022253e-06,
267
+ "loss": 0.1156,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.25249169435215946,
272
+ "grad_norm": 2.2211547112198873,
273
+ "learning_rate": 9.978353953249023e-06,
274
+ "loss": 0.1114,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.2591362126245847,
279
+ "grad_norm": 1.1602597727805404,
280
+ "learning_rate": 9.972609476841368e-06,
281
+ "loss": 0.1032,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.26578073089701,
286
+ "grad_norm": 0.9637077068719486,
287
+ "learning_rate": 9.966191788709716e-06,
288
+ "loss": 0.0681,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.2724252491694352,
293
+ "grad_norm": 1.6293839524249614,
294
+ "learning_rate": 9.959101757706308e-06,
295
+ "loss": 0.115,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.27906976744186046,
300
+ "grad_norm": 0.9732726248145027,
301
+ "learning_rate": 9.951340343707852e-06,
302
+ "loss": 0.0975,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.2857142857142857,
307
+ "grad_norm": 1.9370817624388006,
308
+ "learning_rate": 9.942908597485558e-06,
309
+ "loss": 0.1148,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.292358803986711,
314
+ "grad_norm": 1.6614214400661733,
315
+ "learning_rate": 9.933807660562898e-06,
316
+ "loss": 0.1163,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.29900332225913623,
321
+ "grad_norm": 1.1978664226300189,
322
+ "learning_rate": 9.924038765061042e-06,
323
+ "loss": 0.0984,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.30564784053156147,
328
+ "grad_norm": 1.3623012344086183,
329
+ "learning_rate": 9.913603233532067e-06,
330
+ "loss": 0.0993,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.3122923588039867,
335
+ "grad_norm": 0.987057722774455,
336
+ "learning_rate": 9.902502478779897e-06,
337
+ "loss": 0.0554,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.31893687707641194,
342
+ "grad_norm": 1.748369907296719,
343
+ "learning_rate": 9.890738003669029e-06,
344
+ "loss": 0.1239,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.32558139534883723,
349
+ "grad_norm": 2.491434672974267,
350
+ "learning_rate": 9.878311400921072e-06,
351
+ "loss": 0.1029,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.33222591362126247,
356
+ "grad_norm": 1.4006160903691325,
357
+ "learning_rate": 9.86522435289912e-06,
358
+ "loss": 0.0996,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.3388704318936877,
363
+ "grad_norm": 2.2756678251100726,
364
+ "learning_rate": 9.851478631379982e-06,
365
+ "loss": 0.1372,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.34551495016611294,
370
+ "grad_norm": 1.3072647570291376,
371
+ "learning_rate": 9.83707609731432e-06,
372
+ "loss": 0.0867,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.3521594684385382,
377
+ "grad_norm": 1.8929458494674647,
378
+ "learning_rate": 9.822018700574696e-06,
379
+ "loss": 0.131,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.3588039867109635,
384
+ "grad_norm": 1.3900822961021344,
385
+ "learning_rate": 9.806308479691595e-06,
386
+ "loss": 0.0702,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.3654485049833887,
391
+ "grad_norm": 0.7898540133946153,
392
+ "learning_rate": 9.789947561577445e-06,
393
+ "loss": 0.0857,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.37209302325581395,
398
+ "grad_norm": 1.8444881635021309,
399
+ "learning_rate": 9.77293816123866e-06,
400
+ "loss": 0.1006,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.3787375415282392,
405
+ "grad_norm": 1.1604374728958515,
406
+ "learning_rate": 9.755282581475769e-06,
407
+ "loss": 0.077,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.3853820598006645,
412
+ "grad_norm": 1.361789017794424,
413
+ "learning_rate": 9.736983212571646e-06,
414
+ "loss": 0.0755,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.3920265780730897,
419
+ "grad_norm": 1.6989317046427177,
420
+ "learning_rate": 9.718042531967918e-06,
421
+ "loss": 0.1073,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.39867109634551495,
426
+ "grad_norm": 0.5576923228958391,
427
+ "learning_rate": 9.698463103929542e-06,
428
+ "loss": 0.0563,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.4053156146179402,
433
+ "grad_norm": 1.197144883948249,
434
+ "learning_rate": 9.678247579197658e-06,
435
+ "loss": 0.0835,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.4119601328903654,
440
+ "grad_norm": 0.7800865622678685,
441
+ "learning_rate": 9.657398694630713e-06,
442
+ "loss": 0.084,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.4186046511627907,
447
+ "grad_norm": 1.332148923735981,
448
+ "learning_rate": 9.635919272833938e-06,
449
+ "loss": 0.0965,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.42524916943521596,
454
+ "grad_norm": 0.9537850616235446,
455
+ "learning_rate": 9.613812221777212e-06,
456
+ "loss": 0.0784,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.4318936877076412,
461
+ "grad_norm": 0.9773777024805813,
462
+ "learning_rate": 9.591080534401371e-06,
463
+ "loss": 0.094,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.43853820598006643,
468
+ "grad_norm": 0.9622850200719331,
469
+ "learning_rate": 9.567727288213005e-06,
470
+ "loss": 0.0682,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.44518272425249167,
475
+ "grad_norm": 1.1749521195263826,
476
+ "learning_rate": 9.543755644867823e-06,
477
+ "loss": 0.1174,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.45182724252491696,
482
+ "grad_norm": 0.9900437964371273,
483
+ "learning_rate": 9.519168849742603e-06,
484
+ "loss": 0.0631,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.4584717607973422,
489
+ "grad_norm": 1.1369496264217245,
490
+ "learning_rate": 9.493970231495836e-06,
491
+ "loss": 0.091,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.46511627906976744,
496
+ "grad_norm": 0.7596879303837656,
497
+ "learning_rate": 9.468163201617063e-06,
498
+ "loss": 0.0737,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.4717607973421927,
503
+ "grad_norm": 2.091451100542592,
504
+ "learning_rate": 9.441751253965022e-06,
505
+ "loss": 0.1005,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.47840531561461797,
510
+ "grad_norm": 1.093842023272068,
511
+ "learning_rate": 9.414737964294636e-06,
512
+ "loss": 0.0777,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.4850498338870432,
517
+ "grad_norm": 0.9952555604898301,
518
+ "learning_rate": 9.38712698977291e-06,
519
+ "loss": 0.0877,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.49169435215946844,
524
+ "grad_norm": 1.1620904184349503,
525
+ "learning_rate": 9.358922068483813e-06,
526
+ "loss": 0.0944,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.4983388704318937,
531
+ "grad_norm": 0.5355560711239664,
532
+ "learning_rate": 9.330127018922195e-06,
533
+ "loss": 0.0655,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.5049833887043189,
538
+ "grad_norm": 1.0977107361921403,
539
+ "learning_rate": 9.30074573947683e-06,
540
+ "loss": 0.0837,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.5116279069767442,
545
+ "grad_norm": 0.5247471981497749,
546
+ "learning_rate": 9.27078220790263e-06,
547
+ "loss": 0.0593,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.5182724252491694,
552
+ "grad_norm": 0.5701004570093748,
553
+ "learning_rate": 9.24024048078213e-06,
554
+ "loss": 0.0459,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.5249169435215947,
559
+ "grad_norm": 1.0366232450474129,
560
+ "learning_rate": 9.209124692976287e-06,
561
+ "loss": 0.0876,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.53156146179402,
566
+ "grad_norm": 0.6364682974892603,
567
+ "learning_rate": 9.177439057064684e-06,
568
+ "loss": 0.0763,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.5382059800664452,
573
+ "grad_norm": 1.0568589661747034,
574
+ "learning_rate": 9.145187862775208e-06,
575
+ "loss": 0.093,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.5448504983388704,
580
+ "grad_norm": 0.9386306410175308,
581
+ "learning_rate": 9.112375476403313e-06,
582
+ "loss": 0.0891,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.5514950166112956,
587
+ "grad_norm": 0.8643230084646484,
588
+ "learning_rate": 9.079006340220862e-06,
589
+ "loss": 0.096,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.5581395348837209,
594
+ "grad_norm": 0.6462165981943299,
595
+ "learning_rate": 9.045084971874738e-06,
596
+ "loss": 0.0595,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.5647840531561462,
601
+ "grad_norm": 0.7897404631218589,
602
+ "learning_rate": 9.01061596377522e-06,
603
+ "loss": 0.0731,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.5714285714285714,
608
+ "grad_norm": 1.0476593444440303,
609
+ "learning_rate": 8.97560398247424e-06,
610
+ "loss": 0.0705,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.5780730897009967,
615
+ "grad_norm": 0.7346838336829987,
616
+ "learning_rate": 8.94005376803361e-06,
617
+ "loss": 0.0749,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.584717607973422,
622
+ "grad_norm": 1.1640993902217747,
623
+ "learning_rate": 8.903970133383297e-06,
624
+ "loss": 0.0993,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.5913621262458472,
629
+ "grad_norm": 0.8668509799741243,
630
+ "learning_rate": 8.867357963669821e-06,
631
+ "loss": 0.0781,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.5980066445182725,
636
+ "grad_norm": 0.8019269925738027,
637
+ "learning_rate": 8.83022221559489e-06,
638
+ "loss": 0.0627,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.6046511627906976,
643
+ "grad_norm": 0.9309523320951085,
644
+ "learning_rate": 8.792567916744346e-06,
645
+ "loss": 0.0689,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.6112956810631229,
650
+ "grad_norm": 0.9960236498367079,
651
+ "learning_rate": 8.754400164907496e-06,
652
+ "loss": 0.0817,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.6179401993355482,
657
+ "grad_norm": 1.0124963384933403,
658
+ "learning_rate": 8.715724127386971e-06,
659
+ "loss": 0.0917,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.6245847176079734,
664
+ "grad_norm": 0.9034419295571391,
665
+ "learning_rate": 8.676545040299145e-06,
666
+ "loss": 0.0913,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.6312292358803987,
671
+ "grad_norm": 0.7241319583554866,
672
+ "learning_rate": 8.636868207865244e-06,
673
+ "loss": 0.0758,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.6378737541528239,
678
+ "grad_norm": 0.9291976143638696,
679
+ "learning_rate": 8.596699001693257e-06,
680
+ "loss": 0.0993,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.6445182724252492,
685
+ "grad_norm": 0.7063222766334012,
686
+ "learning_rate": 8.556042860050686e-06,
687
+ "loss": 0.087,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.6511627906976745,
692
+ "grad_norm": 0.7828811245723147,
693
+ "learning_rate": 8.51490528712831e-06,
694
+ "loss": 0.0748,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.6578073089700996,
699
+ "grad_norm": 0.7179259078532849,
700
+ "learning_rate": 8.473291852294986e-06,
701
+ "loss": 0.0708,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.6644518272425249,
706
+ "grad_norm": 1.0029460084879072,
707
+ "learning_rate": 8.43120818934367e-06,
708
+ "loss": 0.0851,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.6710963455149501,
713
+ "grad_norm": 0.8100677095349954,
714
+ "learning_rate": 8.388659995728662e-06,
715
+ "loss": 0.0965,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.6777408637873754,
720
+ "grad_norm": 0.7387893774671513,
721
+ "learning_rate": 8.345653031794292e-06,
722
+ "loss": 0.0887,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.6843853820598007,
727
+ "grad_norm": 0.8786303341962616,
728
+ "learning_rate": 8.302193119995038e-06,
729
+ "loss": 0.0833,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.6910299003322259,
734
+ "grad_norm": 0.6498104624184341,
735
+ "learning_rate": 8.258286144107277e-06,
736
+ "loss": 0.0664,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.6976744186046512,
741
+ "grad_norm": 0.8053829136759763,
742
+ "learning_rate": 8.213938048432697e-06,
743
+ "loss": 0.0773,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.7043189368770764,
748
+ "grad_norm": 0.7440146521214637,
749
+ "learning_rate": 8.16915483699355e-06,
750
+ "loss": 0.084,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.7109634551495017,
755
+ "grad_norm": 0.8430477204164517,
756
+ "learning_rate": 8.123942572719801e-06,
757
+ "loss": 0.0754,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.717607973421927,
762
+ "grad_norm": 0.7844336038759876,
763
+ "learning_rate": 8.078307376628292e-06,
764
+ "loss": 0.0681,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.7242524916943521,
769
+ "grad_norm": 0.6865608703175325,
770
+ "learning_rate": 8.032255426994069e-06,
771
+ "loss": 0.0808,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.7308970099667774,
776
+ "grad_norm": 0.8626677757680601,
777
+ "learning_rate": 7.985792958513932e-06,
778
+ "loss": 0.1014,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.7375415282392026,
783
+ "grad_norm": 0.6458902559836811,
784
+ "learning_rate": 7.938926261462366e-06,
785
+ "loss": 0.0727,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.7441860465116279,
790
+ "grad_norm": 0.67871461818545,
791
+ "learning_rate": 7.891661680839932e-06,
792
+ "loss": 0.0658,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.7508305647840532,
797
+ "grad_norm": 0.7537117403397503,
798
+ "learning_rate": 7.84400561551426e-06,
799
+ "loss": 0.0826,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.7574750830564784,
804
+ "grad_norm": 0.849811513648714,
805
+ "learning_rate": 7.795964517353734e-06,
806
+ "loss": 0.0795,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.7641196013289037,
811
+ "grad_norm": 0.6434504848546716,
812
+ "learning_rate": 7.747544890354031e-06,
813
+ "loss": 0.0661,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.770764119601329,
818
+ "grad_norm": 0.8079608133403346,
819
+ "learning_rate": 7.698753289757565e-06,
820
+ "loss": 0.075,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.7774086378737541,
825
+ "grad_norm": 0.9390957260974234,
826
+ "learning_rate": 7.649596321166024e-06,
827
+ "loss": 0.0649,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.7840531561461794,
832
+ "grad_norm": 0.8258259729749267,
833
+ "learning_rate": 7.600080639646077e-06,
834
+ "loss": 0.076,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.7906976744186046,
839
+ "grad_norm": 0.8344165033408021,
840
+ "learning_rate": 7.550212948828377e-06,
841
+ "loss": 0.0658,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.7973421926910299,
846
+ "grad_norm": 0.7468613999721869,
847
+ "learning_rate": 7.500000000000001e-06,
848
+ "loss": 0.0731,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.8039867109634552,
853
+ "grad_norm": 0.7375954465469966,
854
+ "learning_rate": 7.449448591190436e-06,
855
+ "loss": 0.0775,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.8106312292358804,
860
+ "grad_norm": 0.5770159108524059,
861
+ "learning_rate": 7.398565566251232e-06,
862
+ "loss": 0.0766,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.8172757475083057,
867
+ "grad_norm": 0.6213954523156613,
868
+ "learning_rate": 7.347357813929455e-06,
869
+ "loss": 0.0684,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.8239202657807309,
874
+ "grad_norm": 0.6319841085682676,
875
+ "learning_rate": 7.295832266935059e-06,
876
+ "loss": 0.0508,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.8305647840531561,
881
+ "grad_norm": 0.5561773891072708,
882
+ "learning_rate": 7.243995901002312e-06,
883
+ "loss": 0.0416,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.8372093023255814,
888
+ "grad_norm": 0.6768768843907513,
889
+ "learning_rate": 7.191855733945388e-06,
890
+ "loss": 0.1001,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.8438538205980066,
895
+ "grad_norm": 0.8870781137917316,
896
+ "learning_rate": 7.1394188247082715e-06,
897
+ "loss": 0.096,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.8504983388704319,
902
+ "grad_norm": 0.6199813951371215,
903
+ "learning_rate": 7.08669227240909e-06,
904
+ "loss": 0.058,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.8571428571428571,
909
+ "grad_norm": 0.6258631411773975,
910
+ "learning_rate": 7.033683215379002e-06,
911
+ "loss": 0.0797,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.8637873754152824,
916
+ "grad_norm": 0.7141241764483236,
917
+ "learning_rate": 6.980398830195785e-06,
918
+ "loss": 0.0616,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.8704318936877077,
923
+ "grad_norm": 0.6539814755788471,
924
+ "learning_rate": 6.9268463307122425e-06,
925
+ "loss": 0.0543,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.8770764119601329,
930
+ "grad_norm": 0.6696475606516166,
931
+ "learning_rate": 6.873032967079562e-06,
932
+ "loss": 0.0922,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.8837209302325582,
937
+ "grad_norm": 0.7256752618037919,
938
+ "learning_rate": 6.818966024765758e-06,
939
+ "loss": 0.0723,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.8903654485049833,
944
+ "grad_norm": 0.7949722457642716,
945
+ "learning_rate": 6.7646528235693445e-06,
946
+ "loss": 0.0919,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.8970099667774086,
951
+ "grad_norm": 0.595409116890567,
952
+ "learning_rate": 6.710100716628345e-06,
953
+ "loss": 0.0585,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.9036544850498339,
958
+ "grad_norm": 1.0033697089937976,
959
+ "learning_rate": 6.655317089424791e-06,
960
+ "loss": 0.1081,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.9102990033222591,
965
+ "grad_norm": 0.710716471651743,
966
+ "learning_rate": 6.600309358784858e-06,
967
+ "loss": 0.0761,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.9169435215946844,
972
+ "grad_norm": 0.576448742099724,
973
+ "learning_rate": 6.545084971874738e-06,
974
+ "loss": 0.0614,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.9235880398671097,
979
+ "grad_norm": 0.8348391733283355,
980
+ "learning_rate": 6.48965140519241e-06,
981
+ "loss": 0.063,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.9302325581395349,
986
+ "grad_norm": 1.1013542545275912,
987
+ "learning_rate": 6.434016163555452e-06,
988
+ "loss": 0.0734,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.9368770764119602,
993
+ "grad_norm": 0.779239872251012,
994
+ "learning_rate": 6.378186779084996e-06,
995
+ "loss": 0.0721,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.9435215946843853,
1000
+ "grad_norm": 0.6235545197422645,
1001
+ "learning_rate": 6.322170810186013e-06,
1002
+ "loss": 0.0623,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.9501661129568106,
1007
+ "grad_norm": 0.7535118680118036,
1008
+ "learning_rate": 6.26597584052401e-06,
1009
+ "loss": 0.0847,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.9568106312292359,
1014
+ "grad_norm": 0.7025166191190397,
1015
+ "learning_rate": 6.209609477998339e-06,
1016
+ "loss": 0.0625,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.9634551495016611,
1021
+ "grad_norm": 0.6972936781122409,
1022
+ "learning_rate": 6.153079353712201e-06,
1023
+ "loss": 0.1023,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.9700996677740864,
1028
+ "grad_norm": 0.6793230837700109,
1029
+ "learning_rate": 6.0963931209395165e-06,
1030
+ "loss": 0.0638,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 0.9767441860465116,
1035
+ "grad_norm": 0.7859561569735135,
1036
+ "learning_rate": 6.039558454088796e-06,
1037
+ "loss": 0.0921,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 0.9833887043189369,
1042
+ "grad_norm": 0.5714141172905004,
1043
+ "learning_rate": 5.982583047664151e-06,
1044
+ "loss": 0.0731,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 0.9900332225913622,
1049
+ "grad_norm": 0.7332537893766391,
1050
+ "learning_rate": 5.925474615223573e-06,
1051
+ "loss": 0.0673,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 0.9966777408637874,
1056
+ "grad_norm": 0.7492221124159332,
1057
+ "learning_rate": 5.8682408883346535e-06,
1058
+ "loss": 0.0683,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 0.9966777408637874,
1063
+ "eval_loss": 0.07248932123184204,
1064
+ "eval_runtime": 32.808,
1065
+ "eval_samples_per_second": 30.846,
1066
+ "eval_steps_per_second": 0.975,
1067
+ "step": 150
1068
+ },
1069
+ {
1070
+ "epoch": 1.0033222591362125,
1071
+ "grad_norm": 0.869985165126094,
1072
+ "learning_rate": 5.810889615527839e-06,
1073
+ "loss": 0.0832,
1074
+ "step": 151
1075
+ },
1076
+ {
1077
+ "epoch": 1.0099667774086378,
1078
+ "grad_norm": 0.7265007952878254,
1079
+ "learning_rate": 5.753428561247416e-06,
1080
+ "loss": 0.0603,
1081
+ "step": 152
1082
+ },
1083
+ {
1084
+ "epoch": 1.0166112956810631,
1085
+ "grad_norm": 0.5118692934892353,
1086
+ "learning_rate": 5.695865504800328e-06,
1087
+ "loss": 0.0556,
1088
+ "step": 153
1089
+ },
1090
+ {
1091
+ "epoch": 1.0232558139534884,
1092
+ "grad_norm": 0.6621056974289653,
1093
+ "learning_rate": 5.638208239302975e-06,
1094
+ "loss": 0.1026,
1095
+ "step": 154
1096
+ },
1097
+ {
1098
+ "epoch": 1.0299003322259137,
1099
+ "grad_norm": 0.5532826508404691,
1100
+ "learning_rate": 5.5804645706261515e-06,
1101
+ "loss": 0.0689,
1102
+ "step": 155
1103
+ },
1104
+ {
1105
+ "epoch": 1.0365448504983388,
1106
+ "grad_norm": 0.7370728155757319,
1107
+ "learning_rate": 5.522642316338268e-06,
1108
+ "loss": 0.0507,
1109
+ "step": 156
1110
+ },
1111
+ {
1112
+ "epoch": 1.043189368770764,
1113
+ "grad_norm": 0.608945548724636,
1114
+ "learning_rate": 5.464749304646963e-06,
1115
+ "loss": 0.0541,
1116
+ "step": 157
1117
+ },
1118
+ {
1119
+ "epoch": 1.0498338870431894,
1120
+ "grad_norm": 0.694396430915162,
1121
+ "learning_rate": 5.406793373339292e-06,
1122
+ "loss": 0.0794,
1123
+ "step": 158
1124
+ },
1125
+ {
1126
+ "epoch": 1.0564784053156147,
1127
+ "grad_norm": 0.9492041254202869,
1128
+ "learning_rate": 5.348782368720627e-06,
1129
+ "loss": 0.0907,
1130
+ "step": 159
1131
+ },
1132
+ {
1133
+ "epoch": 1.06312292358804,
1134
+ "grad_norm": 0.7429952070523816,
1135
+ "learning_rate": 5.290724144552379e-06,
1136
+ "loss": 0.0586,
1137
+ "step": 160
1138
+ },
1139
+ {
1140
+ "epoch": 1.069767441860465,
1141
+ "grad_norm": 0.640375361353487,
1142
+ "learning_rate": 5.232626560988735e-06,
1143
+ "loss": 0.0675,
1144
+ "step": 161
1145
+ },
1146
+ {
1147
+ "epoch": 1.0764119601328903,
1148
+ "grad_norm": 0.753445536719332,
1149
+ "learning_rate": 5.174497483512506e-06,
1150
+ "loss": 0.0666,
1151
+ "step": 162
1152
+ },
1153
+ {
1154
+ "epoch": 1.0830564784053156,
1155
+ "grad_norm": 0.6292170840779705,
1156
+ "learning_rate": 5.116344781870282e-06,
1157
+ "loss": 0.0594,
1158
+ "step": 163
1159
+ },
1160
+ {
1161
+ "epoch": 1.089700996677741,
1162
+ "grad_norm": 0.6346627170439836,
1163
+ "learning_rate": 5.0581763290069865e-06,
1164
+ "loss": 0.0523,
1165
+ "step": 164
1166
+ },
1167
+ {
1168
+ "epoch": 1.0963455149501662,
1169
+ "grad_norm": 0.6561801470391864,
1170
+ "learning_rate": 5e-06,
1171
+ "loss": 0.0661,
1172
+ "step": 165
1173
+ },
1174
+ {
1175
+ "epoch": 1.1029900332225913,
1176
+ "grad_norm": 0.6948146032383066,
1177
+ "learning_rate": 4.941823670993016e-06,
1178
+ "loss": 0.0706,
1179
+ "step": 166
1180
+ },
1181
+ {
1182
+ "epoch": 1.1096345514950166,
1183
+ "grad_norm": 0.7613914644690916,
1184
+ "learning_rate": 4.883655218129719e-06,
1185
+ "loss": 0.0649,
1186
+ "step": 167
1187
+ },
1188
+ {
1189
+ "epoch": 1.1162790697674418,
1190
+ "grad_norm": 0.45992106011709505,
1191
+ "learning_rate": 4.825502516487497e-06,
1192
+ "loss": 0.0557,
1193
+ "step": 168
1194
+ },
1195
+ {
1196
+ "epoch": 1.1229235880398671,
1197
+ "grad_norm": 0.6249306843166101,
1198
+ "learning_rate": 4.767373439011267e-06,
1199
+ "loss": 0.0562,
1200
+ "step": 169
1201
+ },
1202
+ {
1203
+ "epoch": 1.1295681063122924,
1204
+ "grad_norm": 0.5678874358035478,
1205
+ "learning_rate": 4.7092758554476215e-06,
1206
+ "loss": 0.0627,
1207
+ "step": 170
1208
+ },
1209
+ {
1210
+ "epoch": 1.1362126245847177,
1211
+ "grad_norm": 0.37893696528451193,
1212
+ "learning_rate": 4.651217631279374e-06,
1213
+ "loss": 0.0411,
1214
+ "step": 171
1215
+ },
1216
+ {
1217
+ "epoch": 1.1428571428571428,
1218
+ "grad_norm": 0.6653453617589765,
1219
+ "learning_rate": 4.59320662666071e-06,
1220
+ "loss": 0.0634,
1221
+ "step": 172
1222
+ },
1223
+ {
1224
+ "epoch": 1.149501661129568,
1225
+ "grad_norm": 0.8688586555661224,
1226
+ "learning_rate": 4.53525069535304e-06,
1227
+ "loss": 0.0455,
1228
+ "step": 173
1229
+ },
1230
+ {
1231
+ "epoch": 1.1561461794019934,
1232
+ "grad_norm": 0.8273055275277121,
1233
+ "learning_rate": 4.477357683661734e-06,
1234
+ "loss": 0.0732,
1235
+ "step": 174
1236
+ },
1237
+ {
1238
+ "epoch": 1.1627906976744187,
1239
+ "grad_norm": 0.4300505630395071,
1240
+ "learning_rate": 4.4195354293738484e-06,
1241
+ "loss": 0.0521,
1242
+ "step": 175
1243
+ },
1244
+ {
1245
+ "epoch": 1.169435215946844,
1246
+ "grad_norm": 0.4719570261098666,
1247
+ "learning_rate": 4.361791760697027e-06,
1248
+ "loss": 0.0421,
1249
+ "step": 176
1250
+ },
1251
+ {
1252
+ "epoch": 1.176079734219269,
1253
+ "grad_norm": 0.7484964051921864,
1254
+ "learning_rate": 4.304134495199675e-06,
1255
+ "loss": 0.0724,
1256
+ "step": 177
1257
+ },
1258
+ {
1259
+ "epoch": 1.1827242524916943,
1260
+ "grad_norm": 0.46240257112979466,
1261
+ "learning_rate": 4.246571438752585e-06,
1262
+ "loss": 0.0406,
1263
+ "step": 178
1264
+ },
1265
+ {
1266
+ "epoch": 1.1893687707641196,
1267
+ "grad_norm": 0.41112129356312116,
1268
+ "learning_rate": 4.189110384472164e-06,
1269
+ "loss": 0.0538,
1270
+ "step": 179
1271
+ },
1272
+ {
1273
+ "epoch": 1.196013289036545,
1274
+ "grad_norm": 0.38333151957355116,
1275
+ "learning_rate": 4.131759111665349e-06,
1276
+ "loss": 0.054,
1277
+ "step": 180
1278
+ },
1279
+ {
1280
+ "epoch": 1.2026578073089702,
1281
+ "grad_norm": 0.5908193567344284,
1282
+ "learning_rate": 4.074525384776428e-06,
1283
+ "loss": 0.0731,
1284
+ "step": 181
1285
+ },
1286
+ {
1287
+ "epoch": 1.2093023255813953,
1288
+ "grad_norm": 0.5085203609671776,
1289
+ "learning_rate": 4.017416952335849e-06,
1290
+ "loss": 0.0563,
1291
+ "step": 182
1292
+ },
1293
+ {
1294
+ "epoch": 1.2159468438538206,
1295
+ "grad_norm": 0.6307549929539201,
1296
+ "learning_rate": 3.960441545911205e-06,
1297
+ "loss": 0.0807,
1298
+ "step": 183
1299
+ },
1300
+ {
1301
+ "epoch": 1.2225913621262459,
1302
+ "grad_norm": 0.3759705322994287,
1303
+ "learning_rate": 3.903606879060483e-06,
1304
+ "loss": 0.043,
1305
+ "step": 184
1306
+ },
1307
+ {
1308
+ "epoch": 1.2292358803986712,
1309
+ "grad_norm": 0.5833166358506473,
1310
+ "learning_rate": 3.8469206462878e-06,
1311
+ "loss": 0.0361,
1312
+ "step": 185
1313
+ },
1314
+ {
1315
+ "epoch": 1.2358803986710964,
1316
+ "grad_norm": 0.38785628492735885,
1317
+ "learning_rate": 3.790390522001662e-06,
1318
+ "loss": 0.0394,
1319
+ "step": 186
1320
+ },
1321
+ {
1322
+ "epoch": 1.2425249169435215,
1323
+ "grad_norm": 0.5384756114916416,
1324
+ "learning_rate": 3.7340241594759917e-06,
1325
+ "loss": 0.0664,
1326
+ "step": 187
1327
+ },
1328
+ {
1329
+ "epoch": 1.2491694352159468,
1330
+ "grad_norm": 0.46563888733253733,
1331
+ "learning_rate": 3.6778291898139907e-06,
1332
+ "loss": 0.0488,
1333
+ "step": 188
1334
+ },
1335
+ {
1336
+ "epoch": 1.255813953488372,
1337
+ "grad_norm": 0.8009617857561557,
1338
+ "learning_rate": 3.6218132209150047e-06,
1339
+ "loss": 0.0784,
1340
+ "step": 189
1341
+ },
1342
+ {
1343
+ "epoch": 1.2624584717607974,
1344
+ "grad_norm": 0.5704636583609043,
1345
+ "learning_rate": 3.5659838364445505e-06,
1346
+ "loss": 0.043,
1347
+ "step": 190
1348
+ },
1349
+ {
1350
+ "epoch": 1.2691029900332227,
1351
+ "grad_norm": 0.4704454938004665,
1352
+ "learning_rate": 3.51034859480759e-06,
1353
+ "loss": 0.0511,
1354
+ "step": 191
1355
+ },
1356
+ {
1357
+ "epoch": 1.2757475083056478,
1358
+ "grad_norm": 0.41034160768316386,
1359
+ "learning_rate": 3.4549150281252635e-06,
1360
+ "loss": 0.0548,
1361
+ "step": 192
1362
+ },
1363
+ {
1364
+ "epoch": 1.282392026578073,
1365
+ "grad_norm": 0.5724269024421317,
1366
+ "learning_rate": 3.399690641215142e-06,
1367
+ "loss": 0.0595,
1368
+ "step": 193
1369
+ },
1370
+ {
1371
+ "epoch": 1.2890365448504983,
1372
+ "grad_norm": 0.5846464592698902,
1373
+ "learning_rate": 3.3446829105752103e-06,
1374
+ "loss": 0.0503,
1375
+ "step": 194
1376
+ },
1377
+ {
1378
+ "epoch": 1.2956810631229236,
1379
+ "grad_norm": 0.5118811966547737,
1380
+ "learning_rate": 3.289899283371657e-06,
1381
+ "loss": 0.0524,
1382
+ "step": 195
1383
+ },
1384
+ {
1385
+ "epoch": 1.302325581395349,
1386
+ "grad_norm": 0.8890139228230102,
1387
+ "learning_rate": 3.2353471764306567e-06,
1388
+ "loss": 0.0517,
1389
+ "step": 196
1390
+ },
1391
+ {
1392
+ "epoch": 1.308970099667774,
1393
+ "grad_norm": 0.6318848948033396,
1394
+ "learning_rate": 3.1810339752342446e-06,
1395
+ "loss": 0.0614,
1396
+ "step": 197
1397
+ },
1398
+ {
1399
+ "epoch": 1.3156146179401993,
1400
+ "grad_norm": 0.7335844136817455,
1401
+ "learning_rate": 3.12696703292044e-06,
1402
+ "loss": 0.0667,
1403
+ "step": 198
1404
+ },
1405
+ {
1406
+ "epoch": 1.3222591362126246,
1407
+ "grad_norm": 0.6548135189722719,
1408
+ "learning_rate": 3.0731536692877596e-06,
1409
+ "loss": 0.0562,
1410
+ "step": 199
1411
+ },
1412
+ {
1413
+ "epoch": 1.3289036544850499,
1414
+ "grad_norm": 0.46580064823387207,
1415
+ "learning_rate": 3.019601169804216e-06,
1416
+ "loss": 0.0483,
1417
+ "step": 200
1418
+ },
1419
+ {
1420
+ "epoch": 1.3355481727574752,
1421
+ "grad_norm": 0.8221711324426894,
1422
+ "learning_rate": 2.966316784621e-06,
1423
+ "loss": 0.0658,
1424
+ "step": 201
1425
+ },
1426
+ {
1427
+ "epoch": 1.3421926910299002,
1428
+ "grad_norm": 0.901723556867836,
1429
+ "learning_rate": 2.9133077275909112e-06,
1430
+ "loss": 0.0846,
1431
+ "step": 202
1432
+ },
1433
+ {
1434
+ "epoch": 1.3488372093023255,
1435
+ "grad_norm": 0.5521866482755017,
1436
+ "learning_rate": 2.86058117529173e-06,
1437
+ "loss": 0.0516,
1438
+ "step": 203
1439
+ },
1440
+ {
1441
+ "epoch": 1.3554817275747508,
1442
+ "grad_norm": 0.4587332626482284,
1443
+ "learning_rate": 2.8081442660546126e-06,
1444
+ "loss": 0.0632,
1445
+ "step": 204
1446
+ },
1447
+ {
1448
+ "epoch": 1.3621262458471761,
1449
+ "grad_norm": 0.7702320166873419,
1450
+ "learning_rate": 2.7560040989976894e-06,
1451
+ "loss": 0.0908,
1452
+ "step": 205
1453
+ },
1454
+ {
1455
+ "epoch": 1.3687707641196014,
1456
+ "grad_norm": 0.47296016709400723,
1457
+ "learning_rate": 2.7041677330649408e-06,
1458
+ "loss": 0.0537,
1459
+ "step": 206
1460
+ },
1461
+ {
1462
+ "epoch": 1.3754152823920265,
1463
+ "grad_norm": 0.4347511906822839,
1464
+ "learning_rate": 2.6526421860705474e-06,
1465
+ "loss": 0.0471,
1466
+ "step": 207
1467
+ },
1468
+ {
1469
+ "epoch": 1.3820598006644518,
1470
+ "grad_norm": 0.4808252094789194,
1471
+ "learning_rate": 2.601434433748771e-06,
1472
+ "loss": 0.0564,
1473
+ "step": 208
1474
+ },
1475
+ {
1476
+ "epoch": 1.388704318936877,
1477
+ "grad_norm": 0.39354003895746387,
1478
+ "learning_rate": 2.550551408809566e-06,
1479
+ "loss": 0.0566,
1480
+ "step": 209
1481
+ },
1482
+ {
1483
+ "epoch": 1.3953488372093024,
1484
+ "grad_norm": 0.4911701503722221,
1485
+ "learning_rate": 2.5000000000000015e-06,
1486
+ "loss": 0.0621,
1487
+ "step": 210
1488
+ },
1489
+ {
1490
+ "epoch": 1.4019933554817277,
1491
+ "grad_norm": 0.46092436668003706,
1492
+ "learning_rate": 2.4497870511716237e-06,
1493
+ "loss": 0.0607,
1494
+ "step": 211
1495
+ },
1496
+ {
1497
+ "epoch": 1.4086378737541527,
1498
+ "grad_norm": 0.5878983217004033,
1499
+ "learning_rate": 2.3999193603539234e-06,
1500
+ "loss": 0.061,
1501
+ "step": 212
1502
+ },
1503
+ {
1504
+ "epoch": 1.415282392026578,
1505
+ "grad_norm": 0.522361230864803,
1506
+ "learning_rate": 2.3504036788339763e-06,
1507
+ "loss": 0.072,
1508
+ "step": 213
1509
+ },
1510
+ {
1511
+ "epoch": 1.4219269102990033,
1512
+ "grad_norm": 0.4092827869499798,
1513
+ "learning_rate": 2.3012467102424373e-06,
1514
+ "loss": 0.0457,
1515
+ "step": 214
1516
+ },
1517
+ {
1518
+ "epoch": 1.4285714285714286,
1519
+ "grad_norm": 0.6368421322210067,
1520
+ "learning_rate": 2.2524551096459703e-06,
1521
+ "loss": 0.0758,
1522
+ "step": 215
1523
+ },
1524
+ {
1525
+ "epoch": 1.435215946843854,
1526
+ "grad_norm": 0.6403778504814651,
1527
+ "learning_rate": 2.204035482646267e-06,
1528
+ "loss": 0.0678,
1529
+ "step": 216
1530
+ },
1531
+ {
1532
+ "epoch": 1.441860465116279,
1533
+ "grad_norm": 0.5188080009509758,
1534
+ "learning_rate": 2.155994384485742e-06,
1535
+ "loss": 0.0598,
1536
+ "step": 217
1537
+ },
1538
+ {
1539
+ "epoch": 1.4485049833887043,
1540
+ "grad_norm": 0.48165858744860335,
1541
+ "learning_rate": 2.1083383191600676e-06,
1542
+ "loss": 0.0533,
1543
+ "step": 218
1544
+ },
1545
+ {
1546
+ "epoch": 1.4551495016611296,
1547
+ "grad_norm": 0.5327724082626948,
1548
+ "learning_rate": 2.061073738537635e-06,
1549
+ "loss": 0.0522,
1550
+ "step": 219
1551
+ },
1552
+ {
1553
+ "epoch": 1.4617940199335548,
1554
+ "grad_norm": 0.7299533338476814,
1555
+ "learning_rate": 2.0142070414860704e-06,
1556
+ "loss": 0.0648,
1557
+ "step": 220
1558
+ },
1559
+ {
1560
+ "epoch": 1.4684385382059801,
1561
+ "grad_norm": 0.6399049060963062,
1562
+ "learning_rate": 1.9677445730059348e-06,
1563
+ "loss": 0.0646,
1564
+ "step": 221
1565
+ },
1566
+ {
1567
+ "epoch": 1.4750830564784052,
1568
+ "grad_norm": 0.6611530351876729,
1569
+ "learning_rate": 1.9216926233717087e-06,
1570
+ "loss": 0.0553,
1571
+ "step": 222
1572
+ },
1573
+ {
1574
+ "epoch": 1.4817275747508305,
1575
+ "grad_norm": 0.5364895163115652,
1576
+ "learning_rate": 1.8760574272802002e-06,
1577
+ "loss": 0.068,
1578
+ "step": 223
1579
+ },
1580
+ {
1581
+ "epoch": 1.4883720930232558,
1582
+ "grad_norm": 0.5151753951352734,
1583
+ "learning_rate": 1.8308451630064484e-06,
1584
+ "loss": 0.0727,
1585
+ "step": 224
1586
+ },
1587
+ {
1588
+ "epoch": 1.495016611295681,
1589
+ "grad_norm": 0.4311368423319901,
1590
+ "learning_rate": 1.7860619515673034e-06,
1591
+ "loss": 0.0423,
1592
+ "step": 225
1593
+ },
1594
+ {
1595
+ "epoch": 1.5016611295681064,
1596
+ "grad_norm": 0.4919258897689397,
1597
+ "learning_rate": 1.7417138558927244e-06,
1598
+ "loss": 0.0405,
1599
+ "step": 226
1600
+ },
1601
+ {
1602
+ "epoch": 1.5083056478405314,
1603
+ "grad_norm": 0.5521587113661647,
1604
+ "learning_rate": 1.6978068800049624e-06,
1605
+ "loss": 0.07,
1606
+ "step": 227
1607
+ },
1608
+ {
1609
+ "epoch": 1.514950166112957,
1610
+ "grad_norm": 0.5044366493415394,
1611
+ "learning_rate": 1.6543469682057105e-06,
1612
+ "loss": 0.0565,
1613
+ "step": 228
1614
+ },
1615
+ {
1616
+ "epoch": 1.521594684385382,
1617
+ "grad_norm": 0.39516777310730944,
1618
+ "learning_rate": 1.611340004271339e-06,
1619
+ "loss": 0.0513,
1620
+ "step": 229
1621
+ },
1622
+ {
1623
+ "epoch": 1.5282392026578073,
1624
+ "grad_norm": 0.5908802744488714,
1625
+ "learning_rate": 1.5687918106563326e-06,
1626
+ "loss": 0.0505,
1627
+ "step": 230
1628
+ },
1629
+ {
1630
+ "epoch": 1.5348837209302326,
1631
+ "grad_norm": 0.5993938538262349,
1632
+ "learning_rate": 1.5267081477050132e-06,
1633
+ "loss": 0.061,
1634
+ "step": 231
1635
+ },
1636
+ {
1637
+ "epoch": 1.5415282392026577,
1638
+ "grad_norm": 0.5387186847707379,
1639
+ "learning_rate": 1.4850947128716914e-06,
1640
+ "loss": 0.0642,
1641
+ "step": 232
1642
+ },
1643
+ {
1644
+ "epoch": 1.5481727574750832,
1645
+ "grad_norm": 0.615519559618303,
1646
+ "learning_rate": 1.4439571399493146e-06,
1647
+ "loss": 0.0547,
1648
+ "step": 233
1649
+ },
1650
+ {
1651
+ "epoch": 1.5548172757475083,
1652
+ "grad_norm": 0.610572822487856,
1653
+ "learning_rate": 1.4033009983067454e-06,
1654
+ "loss": 0.0638,
1655
+ "step": 234
1656
+ },
1657
+ {
1658
+ "epoch": 1.5614617940199336,
1659
+ "grad_norm": 0.48741840749475485,
1660
+ "learning_rate": 1.3631317921347564e-06,
1661
+ "loss": 0.051,
1662
+ "step": 235
1663
+ },
1664
+ {
1665
+ "epoch": 1.5681063122923589,
1666
+ "grad_norm": 0.540406507264975,
1667
+ "learning_rate": 1.3234549597008572e-06,
1668
+ "loss": 0.0596,
1669
+ "step": 236
1670
+ },
1671
+ {
1672
+ "epoch": 1.574750830564784,
1673
+ "grad_norm": 0.4514556860955898,
1674
+ "learning_rate": 1.2842758726130283e-06,
1675
+ "loss": 0.0562,
1676
+ "step": 237
1677
+ },
1678
+ {
1679
+ "epoch": 1.5813953488372094,
1680
+ "grad_norm": 0.4493200533821844,
1681
+ "learning_rate": 1.2455998350925042e-06,
1682
+ "loss": 0.0306,
1683
+ "step": 238
1684
+ },
1685
+ {
1686
+ "epoch": 1.5880398671096345,
1687
+ "grad_norm": 0.5263235492360758,
1688
+ "learning_rate": 1.2074320832556558e-06,
1689
+ "loss": 0.0602,
1690
+ "step": 239
1691
+ },
1692
+ {
1693
+ "epoch": 1.5946843853820598,
1694
+ "grad_norm": 0.5740721455957148,
1695
+ "learning_rate": 1.1697777844051105e-06,
1696
+ "loss": 0.0586,
1697
+ "step": 240
1698
+ },
1699
+ {
1700
+ "epoch": 1.601328903654485,
1701
+ "grad_norm": 0.6202865595174548,
1702
+ "learning_rate": 1.132642036330181e-06,
1703
+ "loss": 0.0693,
1704
+ "step": 241
1705
+ },
1706
+ {
1707
+ "epoch": 1.6079734219269102,
1708
+ "grad_norm": 0.5998297967904946,
1709
+ "learning_rate": 1.096029866616704e-06,
1710
+ "loss": 0.0588,
1711
+ "step": 242
1712
+ },
1713
+ {
1714
+ "epoch": 1.6146179401993357,
1715
+ "grad_norm": 0.45039052826506404,
1716
+ "learning_rate": 1.0599462319663906e-06,
1717
+ "loss": 0.0404,
1718
+ "step": 243
1719
+ },
1720
+ {
1721
+ "epoch": 1.6212624584717608,
1722
+ "grad_norm": 0.45387478927844527,
1723
+ "learning_rate": 1.0243960175257605e-06,
1724
+ "loss": 0.0466,
1725
+ "step": 244
1726
+ },
1727
+ {
1728
+ "epoch": 1.627906976744186,
1729
+ "grad_norm": 0.7727461157878296,
1730
+ "learning_rate": 9.893840362247809e-07,
1731
+ "loss": 0.0512,
1732
+ "step": 245
1733
+ },
1734
+ {
1735
+ "epoch": 1.6345514950166113,
1736
+ "grad_norm": 0.4674812446077405,
1737
+ "learning_rate": 9.549150281252633e-07,
1738
+ "loss": 0.0621,
1739
+ "step": 246
1740
+ },
1741
+ {
1742
+ "epoch": 1.6411960132890364,
1743
+ "grad_norm": 0.5112435475561715,
1744
+ "learning_rate": 9.209936597791407e-07,
1745
+ "loss": 0.0568,
1746
+ "step": 247
1747
+ },
1748
+ {
1749
+ "epoch": 1.647840531561462,
1750
+ "grad_norm": 0.48326632808802955,
1751
+ "learning_rate": 8.876245235966884e-07,
1752
+ "loss": 0.0354,
1753
+ "step": 248
1754
+ },
1755
+ {
1756
+ "epoch": 1.654485049833887,
1757
+ "grad_norm": 0.399153045603439,
1758
+ "learning_rate": 8.54812137224792e-07,
1759
+ "loss": 0.0462,
1760
+ "step": 249
1761
+ },
1762
+ {
1763
+ "epoch": 1.6611295681063123,
1764
+ "grad_norm": 0.4550505862487184,
1765
+ "learning_rate": 8.225609429353187e-07,
1766
+ "loss": 0.0435,
1767
+ "step": 250
1768
+ },
1769
+ {
1770
+ "epoch": 1.6677740863787376,
1771
+ "grad_norm": 0.5263233387777809,
1772
+ "learning_rate": 7.908753070237124e-07,
1773
+ "loss": 0.0692,
1774
+ "step": 251
1775
+ },
1776
+ {
1777
+ "epoch": 1.6744186046511627,
1778
+ "grad_norm": 0.439125675201105,
1779
+ "learning_rate": 7.597595192178702e-07,
1780
+ "loss": 0.0526,
1781
+ "step": 252
1782
+ },
1783
+ {
1784
+ "epoch": 1.6810631229235882,
1785
+ "grad_norm": 0.3876135531333277,
1786
+ "learning_rate": 7.292177920973726e-07,
1787
+ "loss": 0.0464,
1788
+ "step": 253
1789
+ },
1790
+ {
1791
+ "epoch": 1.6877076411960132,
1792
+ "grad_norm": 0.3784518342351669,
1793
+ "learning_rate": 6.992542605231739e-07,
1794
+ "loss": 0.0565,
1795
+ "step": 254
1796
+ },
1797
+ {
1798
+ "epoch": 1.6943521594684385,
1799
+ "grad_norm": 0.4466792986377153,
1800
+ "learning_rate": 6.698729810778065e-07,
1801
+ "loss": 0.0516,
1802
+ "step": 255
1803
+ },
1804
+ {
1805
+ "epoch": 1.7009966777408638,
1806
+ "grad_norm": 0.75150863120178,
1807
+ "learning_rate": 6.410779315161885e-07,
1808
+ "loss": 0.065,
1809
+ "step": 256
1810
+ },
1811
+ {
1812
+ "epoch": 1.707641196013289,
1813
+ "grad_norm": 0.41970908980773713,
1814
+ "learning_rate": 6.128730102270897e-07,
1815
+ "loss": 0.0403,
1816
+ "step": 257
1817
+ },
1818
+ {
1819
+ "epoch": 1.7142857142857144,
1820
+ "grad_norm": 0.42761564066364777,
1821
+ "learning_rate": 5.852620357053651e-07,
1822
+ "loss": 0.0545,
1823
+ "step": 258
1824
+ },
1825
+ {
1826
+ "epoch": 1.7209302325581395,
1827
+ "grad_norm": 0.40501611642435215,
1828
+ "learning_rate": 5.582487460349806e-07,
1829
+ "loss": 0.0426,
1830
+ "step": 259
1831
+ },
1832
+ {
1833
+ "epoch": 1.7275747508305648,
1834
+ "grad_norm": 0.5175574150905407,
1835
+ "learning_rate": 5.318367983829393e-07,
1836
+ "loss": 0.0666,
1837
+ "step": 260
1838
+ },
1839
+ {
1840
+ "epoch": 1.73421926910299,
1841
+ "grad_norm": 0.36925931545961604,
1842
+ "learning_rate": 5.06029768504166e-07,
1843
+ "loss": 0.0414,
1844
+ "step": 261
1845
+ },
1846
+ {
1847
+ "epoch": 1.7408637873754151,
1848
+ "grad_norm": 0.5763761416847274,
1849
+ "learning_rate": 4.808311502573976e-07,
1850
+ "loss": 0.0638,
1851
+ "step": 262
1852
+ },
1853
+ {
1854
+ "epoch": 1.7475083056478407,
1855
+ "grad_norm": 0.3316025388394529,
1856
+ "learning_rate": 4.562443551321788e-07,
1857
+ "loss": 0.04,
1858
+ "step": 263
1859
+ },
1860
+ {
1861
+ "epoch": 1.7541528239202657,
1862
+ "grad_norm": 0.7139336516221676,
1863
+ "learning_rate": 4.322727117869951e-07,
1864
+ "loss": 0.0605,
1865
+ "step": 264
1866
+ },
1867
+ {
1868
+ "epoch": 1.760797342192691,
1869
+ "grad_norm": 0.5156748893460643,
1870
+ "learning_rate": 4.089194655986306e-07,
1871
+ "loss": 0.0591,
1872
+ "step": 265
1873
+ },
1874
+ {
1875
+ "epoch": 1.7674418604651163,
1876
+ "grad_norm": 0.7283638596556546,
1877
+ "learning_rate": 3.8618777822278854e-07,
1878
+ "loss": 0.0798,
1879
+ "step": 266
1880
+ },
1881
+ {
1882
+ "epoch": 1.7740863787375414,
1883
+ "grad_norm": 0.5421800539182494,
1884
+ "learning_rate": 3.6408072716606346e-07,
1885
+ "loss": 0.0571,
1886
+ "step": 267
1887
+ },
1888
+ {
1889
+ "epoch": 1.780730897009967,
1890
+ "grad_norm": 0.5090117089066726,
1891
+ "learning_rate": 3.426013053692878e-07,
1892
+ "loss": 0.058,
1893
+ "step": 268
1894
+ },
1895
+ {
1896
+ "epoch": 1.787375415282392,
1897
+ "grad_norm": 0.49158590728514556,
1898
+ "learning_rate": 3.2175242080234314e-07,
1899
+ "loss": 0.0457,
1900
+ "step": 269
1901
+ },
1902
+ {
1903
+ "epoch": 1.7940199335548173,
1904
+ "grad_norm": 0.4810283287867908,
1905
+ "learning_rate": 3.015368960704584e-07,
1906
+ "loss": 0.0504,
1907
+ "step": 270
1908
+ },
1909
+ {
1910
+ "epoch": 1.8006644518272426,
1911
+ "grad_norm": 0.6267357418173619,
1912
+ "learning_rate": 2.819574680320825e-07,
1913
+ "loss": 0.0826,
1914
+ "step": 271
1915
+ },
1916
+ {
1917
+ "epoch": 1.8073089700996676,
1918
+ "grad_norm": 0.42142389112996576,
1919
+ "learning_rate": 2.63016787428354e-07,
1920
+ "loss": 0.0432,
1921
+ "step": 272
1922
+ },
1923
+ {
1924
+ "epoch": 1.8139534883720931,
1925
+ "grad_norm": 0.5002929091372561,
1926
+ "learning_rate": 2.447174185242324e-07,
1927
+ "loss": 0.0604,
1928
+ "step": 273
1929
+ },
1930
+ {
1931
+ "epoch": 1.8205980066445182,
1932
+ "grad_norm": 0.42068361332599374,
1933
+ "learning_rate": 2.2706183876134047e-07,
1934
+ "loss": 0.0505,
1935
+ "step": 274
1936
+ },
1937
+ {
1938
+ "epoch": 1.8272425249169435,
1939
+ "grad_norm": 0.4524190111477669,
1940
+ "learning_rate": 2.1005243842255552e-07,
1941
+ "loss": 0.048,
1942
+ "step": 275
1943
+ },
1944
+ {
1945
+ "epoch": 1.8338870431893688,
1946
+ "grad_norm": 0.45609655951471145,
1947
+ "learning_rate": 1.9369152030840553e-07,
1948
+ "loss": 0.0592,
1949
+ "step": 276
1950
+ },
1951
+ {
1952
+ "epoch": 1.8405315614617939,
1953
+ "grad_norm": 0.6678751099330384,
1954
+ "learning_rate": 1.779812994253055e-07,
1955
+ "loss": 0.0406,
1956
+ "step": 277
1957
+ },
1958
+ {
1959
+ "epoch": 1.8471760797342194,
1960
+ "grad_norm": 0.4540634884040343,
1961
+ "learning_rate": 1.6292390268568103e-07,
1962
+ "loss": 0.0535,
1963
+ "step": 278
1964
+ },
1965
+ {
1966
+ "epoch": 1.8538205980066444,
1967
+ "grad_norm": 0.3803108748809768,
1968
+ "learning_rate": 1.4852136862001766e-07,
1969
+ "loss": 0.0543,
1970
+ "step": 279
1971
+ },
1972
+ {
1973
+ "epoch": 1.8604651162790697,
1974
+ "grad_norm": 1.0694423086901395,
1975
+ "learning_rate": 1.3477564710088097e-07,
1976
+ "loss": 0.0556,
1977
+ "step": 280
1978
+ },
1979
+ {
1980
+ "epoch": 1.867109634551495,
1981
+ "grad_norm": 2.7488037869138098,
1982
+ "learning_rate": 1.2168859907892904e-07,
1983
+ "loss": 0.0941,
1984
+ "step": 281
1985
+ },
1986
+ {
1987
+ "epoch": 1.87375415282392,
1988
+ "grad_norm": 0.5891173565335839,
1989
+ "learning_rate": 1.0926199633097156e-07,
1990
+ "loss": 0.0555,
1991
+ "step": 282
1992
+ },
1993
+ {
1994
+ "epoch": 1.8803986710963456,
1995
+ "grad_norm": 0.41004921093494356,
1996
+ "learning_rate": 9.749752122010347e-08,
1997
+ "loss": 0.0432,
1998
+ "step": 283
1999
+ },
2000
+ {
2001
+ "epoch": 1.8870431893687707,
2002
+ "grad_norm": 0.4128102542974997,
2003
+ "learning_rate": 8.639676646793382e-08,
2004
+ "loss": 0.0452,
2005
+ "step": 284
2006
+ },
2007
+ {
2008
+ "epoch": 1.893687707641196,
2009
+ "grad_norm": 0.5446352118383607,
2010
+ "learning_rate": 7.59612349389599e-08,
2011
+ "loss": 0.0672,
2012
+ "step": 285
2013
+ },
2014
+ {
2015
+ "epoch": 1.9003322259136213,
2016
+ "grad_norm": 0.5663671001216136,
2017
+ "learning_rate": 6.61923394371039e-08,
2018
+ "loss": 0.0599,
2019
+ "step": 286
2020
+ },
2021
+ {
2022
+ "epoch": 1.9069767441860463,
2023
+ "grad_norm": 0.7575229176051346,
2024
+ "learning_rate": 5.709140251444201e-08,
2025
+ "loss": 0.0564,
2026
+ "step": 287
2027
+ },
2028
+ {
2029
+ "epoch": 1.9136212624584719,
2030
+ "grad_norm": 0.41591234765048585,
2031
+ "learning_rate": 4.865965629214819e-08,
2032
+ "loss": 0.0582,
2033
+ "step": 288
2034
+ },
2035
+ {
2036
+ "epoch": 1.920265780730897,
2037
+ "grad_norm": 0.3650616439731819,
2038
+ "learning_rate": 4.0898242293691546e-08,
2039
+ "loss": 0.0386,
2040
+ "step": 289
2041
+ },
2042
+ {
2043
+ "epoch": 1.9269102990033222,
2044
+ "grad_norm": 0.6937484049329661,
2045
+ "learning_rate": 3.3808211290284886e-08,
2046
+ "loss": 0.0779,
2047
+ "step": 290
2048
+ },
2049
+ {
2050
+ "epoch": 1.9335548172757475,
2051
+ "grad_norm": 0.3706387763514699,
2052
+ "learning_rate": 2.7390523158633552e-08,
2053
+ "loss": 0.0456,
2054
+ "step": 291
2055
+ },
2056
+ {
2057
+ "epoch": 1.9401993355481728,
2058
+ "grad_norm": 0.40696852019057694,
2059
+ "learning_rate": 2.1646046750978255e-08,
2060
+ "loss": 0.0368,
2061
+ "step": 292
2062
+ },
2063
+ {
2064
+ "epoch": 1.946843853820598,
2065
+ "grad_norm": 0.5221037977959876,
2066
+ "learning_rate": 1.657555977746972e-08,
2067
+ "loss": 0.0455,
2068
+ "step": 293
2069
+ },
2070
+ {
2071
+ "epoch": 1.9534883720930232,
2072
+ "grad_norm": 0.4283204104270534,
2073
+ "learning_rate": 1.2179748700879013e-08,
2074
+ "loss": 0.0569,
2075
+ "step": 294
2076
+ },
2077
+ {
2078
+ "epoch": 1.9601328903654485,
2079
+ "grad_norm": 0.45877963879091327,
2080
+ "learning_rate": 8.459208643659122e-09,
2081
+ "loss": 0.0523,
2082
+ "step": 295
2083
+ },
2084
+ {
2085
+ "epoch": 1.9667774086378738,
2086
+ "grad_norm": 0.4089943640130188,
2087
+ "learning_rate": 5.414443307377171e-09,
2088
+ "loss": 0.0558,
2089
+ "step": 296
2090
+ },
2091
+ {
2092
+ "epoch": 1.973421926910299,
2093
+ "grad_norm": 0.4565605936691547,
2094
+ "learning_rate": 3.0458649045211897e-09,
2095
+ "loss": 0.0462,
2096
+ "step": 297
2097
+ },
2098
+ {
2099
+ "epoch": 1.9800664451827243,
2100
+ "grad_norm": 0.7146498443290045,
2101
+ "learning_rate": 1.3537941026914302e-09,
2102
+ "loss": 0.0413,
2103
+ "step": 298
2104
+ },
2105
+ {
2106
+ "epoch": 1.9867109634551494,
2107
+ "grad_norm": 0.4588515242529337,
2108
+ "learning_rate": 3.384599811889766e-10,
2109
+ "loss": 0.0567,
2110
+ "step": 299
2111
+ },
2112
+ {
2113
+ "epoch": 1.9933554817275747,
2114
+ "grad_norm": 0.6455401534739803,
2115
+ "learning_rate": 0.0,
2116
+ "loss": 0.0482,
2117
+ "step": 300
2118
+ },
2119
+ {
2120
+ "epoch": 1.9933554817275747,
2121
+ "eval_loss": 0.060801174491643906,
2122
+ "eval_runtime": 30.1206,
2123
+ "eval_samples_per_second": 33.598,
2124
+ "eval_steps_per_second": 1.062,
2125
+ "step": 300
2126
+ },
2127
+ {
2128
+ "epoch": 1.9933554817275747,
2129
+ "step": 300,
2130
+ "total_flos": 1.1631033437569024e+17,
2131
+ "train_loss": 0.07701069086790086,
2132
+ "train_runtime": 4589.0959,
2133
+ "train_samples_per_second": 8.375,
2134
+ "train_steps_per_second": 0.065
2135
+ }
2136
+ ],
2137
+ "logging_steps": 1,
2138
+ "max_steps": 300,
2139
+ "num_input_tokens_seen": 0,
2140
+ "num_train_epochs": 2,
2141
+ "save_steps": 500,
2142
+ "stateful_callbacks": {
2143
+ "TrainerControl": {
2144
+ "args": {
2145
+ "should_epoch_stop": false,
2146
+ "should_evaluate": false,
2147
+ "should_log": false,
2148
+ "should_save": true,
2149
+ "should_training_stop": true
2150
+ },
2151
+ "attributes": {}
2152
+ }
2153
+ },
2154
+ "total_flos": 1.1631033437569024e+17,
2155
+ "train_batch_size": 8,
2156
+ "trial_name": null,
2157
+ "trial_params": null
2158
+ }