diff --git "a/daybreak-mistral-7b/trainer_state.json" "b/daybreak-mistral-7b/trainer_state.json"
deleted file mode 100644--- "a/daybreak-mistral-7b/trainer_state.json"
+++ /dev/null
@@ -1,9821 +0,0 @@
-{
-  "best_metric": 1.949257254600525,
-  "best_model_checkpoint": "./lora-out/checkpoint-1600",
-  "epoch": 2.416918429003021,
-  "eval_steps": 64,
-  "global_step": 1600,
-  "is_hyper_param_search": false,
-  "is_local_process_zero": true,
-  "is_world_process_zero": true,
-  "log_history": [
-    {
-      "epoch": 0.0,
-      "learning_rate": 1.388888888888889e-07,
-      "loss": 2.0137,
-      "step": 1
-    },
-    {
-      "epoch": 0.0,
-      "learning_rate": 2.777777777777778e-07,
-      "loss": 2.0067,
-      "step": 2
-    },
-    {
-      "epoch": 0.0,
-      "learning_rate": 4.166666666666667e-07,
-      "loss": 1.9034,
-      "step": 3
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 5.555555555555556e-07,
-      "loss": 2.031,
-      "step": 4
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 6.944444444444445e-07,
-      "loss": 2.0495,
-      "step": 5
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 8.333333333333334e-07,
-      "loss": 1.8877,
-      "step": 6
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 9.722222222222222e-07,
-      "loss": 2.1799,
-      "step": 7
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 1.1111111111111112e-06,
-      "loss": 1.8431,
-      "step": 8
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 1.25e-06,
-      "loss": 2.0854,
-      "step": 9
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 1.388888888888889e-06,
-      "loss": 2.1238,
-      "step": 10
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 1.5277777777777778e-06,
-      "loss": 2.0245,
-      "step": 11
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 1.6666666666666669e-06,
-      "loss": 2.1664,
-      "step": 12
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 1.8055555555555557e-06,
-      "loss": 1.8321,
-      "step": 13
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 1.9444444444444444e-06,
-      "loss": 1.9979,
-      "step": 14
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 2.0833333333333334e-06,
-      "loss": 1.9943,
-      "step": 15
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 2.2222222222222225e-06,
-      "loss": 2.1295,
-      "step": 16
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 2.361111111111111e-06,
-      "loss": 1.9052,
-      "step": 17
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 2.5e-06,
-      "loss": 1.9968,
-      "step": 18
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 2.638888888888889e-06,
-      "loss": 1.7532,
-      "step": 19
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 2.777777777777778e-06,
-      "loss": 1.8524,
-      "step": 20
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 2.916666666666667e-06,
-      "loss": 2.0174,
-      "step": 21
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 3.0555555555555556e-06,
-      "loss": 1.7299,
-      "step": 22
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 3.1944444444444447e-06,
-      "loss": 2.0563,
-      "step": 23
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.3333333333333337e-06,
-      "loss": 2.2994,
-      "step": 24
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.4722222222222224e-06,
-      "loss": 1.7782,
-      "step": 25
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.6111111111111115e-06,
-      "loss": 1.9417,
-      "step": 26
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.7499999999999997e-06,
-      "loss": 1.8848,
-      "step": 27
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.888888888888889e-06,
-      "loss": 1.8163,
-      "step": 28
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 4.027777777777778e-06,
-      "loss": 2.061,
-      "step": 29
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 4.166666666666667e-06,
-      "loss": 1.8327,
-      "step": 30
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 4.305555555555556e-06,
-      "loss": 2.0376,
-      "step": 31
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 4.444444444444445e-06,
-      "loss": 1.9657,
-      "step": 32
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 4.583333333333333e-06,
-      "loss": 2.1065,
-      "step": 33
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 4.722222222222222e-06,
-      "loss": 1.9817,
-      "step": 34
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 4.861111111111111e-06,
-      "loss": 1.8846,
-      "step": 35
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 5e-06,
-      "loss": 1.8725,
-      "step": 36
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 5.1388888888888895e-06,
-      "loss": 1.5476,
-      "step": 37
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 5.277777777777778e-06,
-      "loss": 1.9259,
-      "step": 38
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 5.416666666666667e-06,
-      "loss": 1.7124,
-      "step": 39
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 5.555555555555556e-06,
-      "loss": 2.2361,
-      "step": 40
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 5.694444444444445e-06,
-      "loss": 2.0438,
-      "step": 41
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 5.833333333333334e-06,
-      "loss": 1.9475,
-      "step": 42
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 5.972222222222223e-06,
-      "loss": 2.2165,
-      "step": 43
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 6.111111111111111e-06,
-      "loss": 1.9729,
-      "step": 44
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 6.25e-06,
-      "loss": 1.8971,
-      "step": 45
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 6.388888888888889e-06,
-      "loss": 1.8945,
-      "step": 46
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 6.5277777777777784e-06,
-      "loss": 2.0578,
-      "step": 47
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 6.6666666666666675e-06,
-      "loss": 2.1846,
-      "step": 48
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 6.805555555555556e-06,
-      "loss": 1.9433,
-      "step": 49
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 6.944444444444445e-06,
-      "loss": 1.8438,
-      "step": 50
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 7.083333333333333e-06,
-      "loss": 1.9077,
-      "step": 51
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 7.222222222222223e-06,
-      "loss": 1.811,
-      "step": 52
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 7.361111111111111e-06,
-      "loss": 1.8771,
-      "step": 53
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 7.499999999999999e-06,
-      "loss": 2.1937,
-      "step": 54
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 7.63888888888889e-06,
-      "loss": 1.9282,
-      "step": 55
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 7.777777777777777e-06,
-      "loss": 2.2111,
-      "step": 56
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 7.916666666666668e-06,
-      "loss": 1.8899,
-      "step": 57
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 8.055555555555556e-06,
-      "loss": 1.7884,
-      "step": 58
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 8.194444444444445e-06,
-      "loss": 2.0242,
-      "step": 59
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 8.333333333333334e-06,
-      "loss": 1.9023,
-      "step": 60
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 8.472222222222223e-06,
-      "loss": 1.9534,
-      "step": 61
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 8.611111111111112e-06,
-      "loss": 1.9204,
-      "step": 62
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 8.750000000000001e-06,
-      "loss": 1.8808,
-      "step": 63
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 8.88888888888889e-06,
-      "loss": 1.994,
-      "step": 64
-    },
-    {
-      "epoch": 0.1,
-      "eval_loss": 2.018505811691284,
-      "eval_runtime": 58.7674,
-      "eval_samples_per_second": 0.238,
-      "eval_steps_per_second": 0.119,
-      "step": 64
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 9.027777777777779e-06,
-      "loss": 2.0174,
-      "step": 65
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 9.166666666666666e-06,
-      "loss": 2.1546,
-      "step": 66
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 9.305555555555555e-06,
-      "loss": 1.9271,
-      "step": 67
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 9.444444444444445e-06,
-      "loss": 1.9807,
-      "step": 68
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 9.583333333333334e-06,
-      "loss": 2.0853,
-      "step": 69
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 9.722222222222223e-06,
-      "loss": 2.0573,
-      "step": 70
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 9.86111111111111e-06,
-      "loss": 1.8761,
-      "step": 71
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 1e-05,
-      "loss": 2.1104,
-      "step": 72
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 1.0138888888888888e-05,
-      "loss": 1.7596,
-      "step": 73
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 1.0277777777777779e-05,
-      "loss": 1.9672,
-      "step": 74
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 1.0416666666666666e-05,
-      "loss": 2.0319,
-      "step": 75
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 1.0555555555555555e-05,
-      "loss": 1.9108,
-      "step": 76
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 1.0694444444444444e-05,
-      "loss": 2.0446,
-      "step": 77
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 1.0833333333333334e-05,
-      "loss": 1.9723,
-      "step": 78
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 1.0972222222222223e-05,
-      "loss": 2.0775,
-      "step": 79
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 1.1111111111111112e-05,
-      "loss": 2.0981,
-      "step": 80
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 1.125e-05,
-      "loss": 2.1977,
-      "step": 81
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 1.138888888888889e-05,
-      "loss": 1.8683,
-      "step": 82
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 1.1527777777777777e-05,
-      "loss": 1.9426,
-      "step": 83
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 1.1666666666666668e-05,
-      "loss": 2.1383,
-      "step": 84
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 1.1805555555555555e-05,
-      "loss": 2.0234,
-      "step": 85
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 1.1944444444444446e-05,
-      "loss": 1.9332,
-      "step": 86
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 1.2083333333333333e-05,
-      "loss": 2.0657,
-      "step": 87
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 1.2222222222222222e-05,
-      "loss": 1.7703,
-      "step": 88
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 1.2361111111111112e-05,
-      "loss": 2.2457,
-      "step": 89
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 1.25e-05,
-      "loss": 2.0096,
-      "step": 90
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 1.263888888888889e-05,
-      "loss": 2.0313,
-      "step": 91
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 1.2777777777777779e-05,
-      "loss": 1.992,
-      "step": 92
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 1.2916666666666668e-05,
-      "loss": 1.9596,
-      "step": 93
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 1.3055555555555557e-05,
-      "loss": 1.8446,
-      "step": 94
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 1.3194444444444444e-05,
-      "loss": 2.0009,
-      "step": 95
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 1.3333333333333335e-05,
-      "loss": 2.1015,
-      "step": 96
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 1.3472222222222222e-05,
-      "loss": 1.9865,
-      "step": 97
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 1.3611111111111111e-05,
-      "loss": 1.9925,
-      "step": 98
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 1.375e-05,
-      "loss": 1.9774,
-      "step": 99
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 1.388888888888889e-05,
-      "loss": 2.0782,
-      "step": 100
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 1.4027777777777777e-05,
-      "loss": 2.0492,
-      "step": 101
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 1.4166666666666666e-05,
-      "loss": 2.0521,
-      "step": 102
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 1.4305555555555557e-05,
-      "loss": 2.022,
-      "step": 103
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 1.4444444444444446e-05,
-      "loss": 1.86,
-      "step": 104
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 1.4583333333333333e-05,
-      "loss": 1.9392,
-      "step": 105
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 1.4722222222222222e-05,
-      "loss": 1.9623,
-      "step": 106
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 1.4861111111111113e-05,
-      "loss": 1.8599,
-      "step": 107
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 1.4999999999999999e-05,
-      "loss": 1.9744,
-      "step": 108
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 1.513888888888889e-05,
-      "loss": 1.888,
-      "step": 109
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 1.527777777777778e-05,
-      "loss": 1.8622,
-      "step": 110
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 1.5416666666666664e-05,
-      "loss": 1.9167,
-      "step": 111
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 1.5555555555555555e-05,
-      "loss": 1.845,
-      "step": 112
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 1.5694444444444446e-05,
-      "loss": 1.7881,
-      "step": 113
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 1.5833333333333336e-05,
-      "loss": 2.0639,
-      "step": 114
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 1.597222222222222e-05,
-      "loss": 1.8555,
-      "step": 115
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 1.611111111111111e-05,
-      "loss": 1.8149,
-      "step": 116
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 1.6250000000000002e-05,
-      "loss": 1.7631,
-      "step": 117
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 1.638888888888889e-05,
-      "loss": 2.1632,
-      "step": 118
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 1.6527777777777777e-05,
-      "loss": 1.9452,
-      "step": 119
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 1.6666666666666667e-05,
-      "loss": 2.1971,
-      "step": 120
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 1.6805555555555558e-05,
-      "loss": 1.8998,
-      "step": 121
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 1.6944444444444446e-05,
-      "loss": 1.7745,
-      "step": 122
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 1.7083333333333333e-05,
-      "loss": 1.8597,
-      "step": 123
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 1.7222222222222224e-05,
-      "loss": 1.9146,
-      "step": 124
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 1.736111111111111e-05,
-      "loss": 1.9216,
-      "step": 125
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 1.7500000000000002e-05,
-      "loss": 1.9635,
-      "step": 126
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 1.763888888888889e-05,
-      "loss": 1.7874,
-      "step": 127
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 1.777777777777778e-05,
-      "loss": 1.99,
-      "step": 128
-    },
-    {
-      "epoch": 0.19,
-      "eval_loss": 2.0141048431396484,
-      "eval_runtime": 58.7942,
-      "eval_samples_per_second": 0.238,
-      "eval_steps_per_second": 0.119,
-      "step": 128
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 1.7916666666666667e-05,
-      "loss": 2.2786,
-      "step": 129
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 1.8055555555555558e-05,
-      "loss": 1.5962,
-      "step": 130
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 1.8194444444444445e-05,
-      "loss": 1.9926,
-      "step": 131
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 1.8333333333333333e-05,
-      "loss": 2.0176,
-      "step": 132
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 1.8472222222222224e-05,
-      "loss": 1.8957,
-      "step": 133
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 1.861111111111111e-05,
-      "loss": 1.7665,
-      "step": 134
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 1.875e-05,
-      "loss": 1.9008,
-      "step": 135
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 1.888888888888889e-05,
-      "loss": 2.0322,
-      "step": 136
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 1.902777777777778e-05,
-      "loss": 1.9034,
-      "step": 137
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 1.9166666666666667e-05,
-      "loss": 1.8559,
-      "step": 138
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 1.9305555555555555e-05,
-      "loss": 2.112,
-      "step": 139
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 1.9444444444444445e-05,
-      "loss": 2.004,
-      "step": 140
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 1.9583333333333336e-05,
-      "loss": 2.0082,
-      "step": 141
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 1.972222222222222e-05,
-      "loss": 1.9579,
-      "step": 142
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 1.986111111111111e-05,
-      "loss": 2.1039,
-      "step": 143
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 2e-05,
-      "loss": 1.8939,
-      "step": 144
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 2.0138888888888892e-05,
-      "loss": 2.1706,
-      "step": 145
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 2.0277777777777776e-05,
-      "loss": 1.8098,
-      "step": 146
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 2.0416666666666667e-05,
-      "loss": 1.9249,
-      "step": 147
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 2.0555555555555558e-05,
-      "loss": 1.8126,
-      "step": 148
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 2.0694444444444445e-05,
-      "loss": 2.2817,
-      "step": 149
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 2.0833333333333333e-05,
-      "loss": 1.7509,
-      "step": 150
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 2.0972222222222223e-05,
-      "loss": 1.6783,
-      "step": 151
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 2.111111111111111e-05,
-      "loss": 1.7003,
-      "step": 152
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 2.125e-05,
-      "loss": 1.8062,
-      "step": 153
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 2.138888888888889e-05,
-      "loss": 1.8352,
-      "step": 154
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 2.152777777777778e-05,
-      "loss": 1.9913,
-      "step": 155
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 2.1666666666666667e-05,
-      "loss": 1.8738,
-      "step": 156
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 2.1805555555555558e-05,
-      "loss": 2.0151,
-      "step": 157
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 2.1944444444444445e-05,
-      "loss": 1.8788,
-      "step": 158
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 2.2083333333333333e-05,
-      "loss": 1.876,
-      "step": 159
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 2.2222222222222223e-05,
-      "loss": 1.9086,
-      "step": 160
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 2.2361111111111114e-05,
-      "loss": 1.9247,
-      "step": 161
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 2.25e-05,
-      "loss": 2.2077,
-      "step": 162
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 2.263888888888889e-05,
-      "loss": 2.1756,
-      "step": 163
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 2.277777777777778e-05,
-      "loss": 1.9171,
-      "step": 164
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 2.2916666666666667e-05,
-      "loss": 1.9196,
-      "step": 165
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 2.3055555555555554e-05,
-      "loss": 1.9336,
-      "step": 166
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 2.3194444444444445e-05,
-      "loss": 2.0132,
-      "step": 167
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 2.3333333333333336e-05,
-      "loss": 2.2188,
-      "step": 168
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 2.3472222222222223e-05,
-      "loss": 2.0965,
-      "step": 169
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 2.361111111111111e-05,
-      "loss": 1.9661,
-      "step": 170
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 2.375e-05,
-      "loss": 1.8581,
-      "step": 171
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 2.3888888888888892e-05,
-      "loss": 2.0255,
-      "step": 172
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 2.4027777777777776e-05,
-      "loss": 1.7089,
-      "step": 173
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 2.4166666666666667e-05,
-      "loss": 1.9643,
-      "step": 174
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 2.4305555555555558e-05,
-      "loss": 1.8907,
-      "step": 175
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 2.4444444444444445e-05,
-      "loss": 1.844,
-      "step": 176
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 2.4583333333333332e-05,
-      "loss": 1.9625,
-      "step": 177
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 2.4722222222222223e-05,
-      "loss": 2.073,
-      "step": 178
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 2.4861111111111114e-05,
-      "loss": 1.9087,
-      "step": 179
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 2.5e-05,
-      "loss": 1.9038,
-      "step": 180
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 2.513888888888889e-05,
-      "loss": 2.1505,
-      "step": 181
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 2.527777777777778e-05,
-      "loss": 2.1689,
-      "step": 182
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 2.5416666666666667e-05,
-      "loss": 2.1984,
-      "step": 183
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 2.5555555555555557e-05,
-      "loss": 1.9357,
-      "step": 184
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 2.5694444444444445e-05,
-      "loss": 2.0046,
-      "step": 185
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 2.5833333333333336e-05,
-      "loss": 1.7355,
-      "step": 186
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 2.5972222222222223e-05,
-      "loss": 2.0131,
-      "step": 187
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 2.6111111111111114e-05,
-      "loss": 2.2213,
-      "step": 188
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 2.625e-05,
-      "loss": 2.0963,
-      "step": 189
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 2.638888888888889e-05,
-      "loss": 1.9404,
-      "step": 190
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 2.652777777777778e-05,
-      "loss": 2.326,
-      "step": 191
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 2.666666666666667e-05,
-      "loss": 2.0799,
-      "step": 192
-    },
-    {
-      "epoch": 0.29,
-      "eval_loss": 2.006380081176758,
-      "eval_runtime": 58.784,
-      "eval_samples_per_second": 0.238,
-      "eval_steps_per_second": 0.119,
-      "step": 192
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 2.6805555555555554e-05,
-      "loss": 1.8555,
-      "step": 193
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 2.6944444444444445e-05,
-      "loss": 1.7953,
-      "step": 194
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 2.7083333333333335e-05,
-      "loss": 2.1237,
-      "step": 195
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 2.7222222222222223e-05,
-      "loss": 1.9237,
-      "step": 196
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 2.736111111111111e-05,
-      "loss": 2.0685,
-      "step": 197
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 2.75e-05,
-      "loss": 1.842,
-      "step": 198
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 2.763888888888889e-05,
-      "loss": 1.831,
-      "step": 199
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 2.777777777777778e-05,
-      "loss": 1.8893,
-      "step": 200
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 2.7916666666666666e-05,
-      "loss": 1.9822,
-      "step": 201
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 2.8055555555555554e-05,
-      "loss": 2.2025,
-      "step": 202
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 2.8194444444444448e-05,
-      "loss": 2.0227,
-      "step": 203
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 2.8333333333333332e-05,
-      "loss": 1.9532,
-      "step": 204
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 2.847222222222222e-05,
-      "loss": 2.1607,
-      "step": 205
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 2.8611111111111113e-05,
-      "loss": 1.7708,
-      "step": 206
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 2.875e-05,
-      "loss": 1.7412,
-      "step": 207
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 2.888888888888889e-05,
-      "loss": 1.9099,
-      "step": 208
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 2.902777777777778e-05,
-      "loss": 2.0499,
-      "step": 209
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 2.9166666666666666e-05,
-      "loss": 1.8574,
-      "step": 210
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 2.930555555555556e-05,
-      "loss": 1.8546,
-      "step": 211
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 2.9444444444444445e-05,
-      "loss": 1.7074,
-      "step": 212
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 2.9583333333333332e-05,
-      "loss": 2.1782,
-      "step": 213
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 2.9722222222222226e-05,
-      "loss": 1.986,
-      "step": 214
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 2.9861111111111113e-05,
-      "loss": 1.995,
-      "step": 215
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 2.9999999999999997e-05,
-      "loss": 2.1369,
-      "step": 216
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 3.013888888888889e-05,
-      "loss": 1.9528,
-      "step": 217
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 3.027777777777778e-05,
-      "loss": 2.0848,
-      "step": 218
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 3.0416666666666666e-05,
-      "loss": 1.8824,
-      "step": 219
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 3.055555555555556e-05,
-      "loss": 2.1061,
-      "step": 220
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 3.0694444444444444e-05,
-      "loss": 1.808,
-      "step": 221
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 3.083333333333333e-05,
-      "loss": 1.8444,
-      "step": 222
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 3.0972222222222226e-05,
-      "loss": 1.7965,
-      "step": 223
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 3.111111111111111e-05,
-      "loss": 1.7908,
-      "step": 224
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 3.125e-05,
-      "loss": 1.9537,
-      "step": 225
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 3.138888888888889e-05,
-      "loss": 2.2461,
-      "step": 226
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 3.1527777777777775e-05,
-      "loss": 1.9253,
-      "step": 227
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 3.166666666666667e-05,
-      "loss": 1.8042,
-      "step": 228
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 3.180555555555556e-05,
-      "loss": 2.0855,
-      "step": 229
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 3.194444444444444e-05,
-      "loss": 1.9236,
-      "step": 230
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 3.208333333333334e-05,
-      "loss": 1.9994,
-      "step": 231
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 3.222222222222222e-05,
-      "loss": 2.0076,
-      "step": 232
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 3.236111111111111e-05,
-      "loss": 1.9305,
-      "step": 233
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 3.2500000000000004e-05,
-      "loss": 1.9285,
-      "step": 234
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 3.263888888888889e-05,
-      "loss": 2.1502,
-      "step": 235
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 3.277777777777778e-05,
-      "loss": 2.1104,
-      "step": 236
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 3.291666666666667e-05,
-      "loss": 1.7,
-      "step": 237
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 3.3055555555555553e-05,
-      "loss": 2.04,
-      "step": 238
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 3.3194444444444444e-05,
-      "loss": 1.8733,
-      "step": 239
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 3.3333333333333335e-05,
-      "loss": 1.6055,
-      "step": 240
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 3.347222222222222e-05,
-      "loss": 1.9536,
-      "step": 241
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 3.3611111111111116e-05,
-      "loss": 1.8183,
-      "step": 242
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 3.375e-05,
-      "loss": 2.0154,
-      "step": 243
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 3.388888888888889e-05,
-      "loss": 1.9828,
-      "step": 244
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 3.402777777777778e-05,
-      "loss": 2.1261,
-      "step": 245
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 3.4166666666666666e-05,
-      "loss": 1.8679,
-      "step": 246
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 3.430555555555556e-05,
-      "loss": 1.9212,
-      "step": 247
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 3.444444444444445e-05,
-      "loss": 1.8827,
-      "step": 248
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 3.458333333333333e-05,
-      "loss": 2.1538,
-      "step": 249
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 3.472222222222222e-05,
-      "loss": 1.9697,
-      "step": 250
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 3.486111111111111e-05,
-      "loss": 1.7867,
-      "step": 251
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 3.5000000000000004e-05,
-      "loss": 2.1737,
-      "step": 252
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 3.513888888888889e-05,
-      "loss": 1.7822,
-      "step": 253
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 3.527777777777778e-05,
-      "loss": 1.9793,
-      "step": 254
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 3.541666666666667e-05,
-      "loss": 2.0152,
-      "step": 255
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 3.555555555555556e-05,
-      "loss": 1.8457,
-      "step": 256
-    },
-    {
-      "epoch": 0.39,
-      "eval_loss": 2.0041580200195312,
-      "eval_runtime": 58.7834,
-      "eval_samples_per_second": 0.238,
-      "eval_steps_per_second": 0.119,
-      "step": 256
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 3.5694444444444444e-05,
-      "loss": 1.729,
-      "step": 257
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 3.5833333333333335e-05,
-      "loss": 1.8894,
-      "step": 258
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 3.5972222222222225e-05,
-      "loss": 1.9022,
-      "step": 259
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 3.6111111111111116e-05,
-      "loss": 1.9821,
-      "step": 260
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 3.625e-05,
-      "loss": 1.9069,
-      "step": 261
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 3.638888888888889e-05,
-      "loss": 2.0034,
-      "step": 262
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 3.652777777777778e-05,
-      "loss": 1.9097,
-      "step": 263
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 3.6666666666666666e-05,
-      "loss": 1.8817,
-      "step": 264
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 3.6805555555555556e-05,
-      "loss": 1.9931,
-      "step": 265
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 3.694444444444445e-05,
-      "loss": 1.9157,
-      "step": 266
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 3.708333333333333e-05,
-      "loss": 2.011,
-      "step": 267
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 3.722222222222222e-05,
-      "loss": 2.2373,
-      "step": 268
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 3.736111111111111e-05,
-      "loss": 2.0246,
-      "step": 269
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 3.75e-05,
-      "loss": 2.0583,
-      "step": 270
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 3.7638888888888894e-05,
-      "loss": 1.9461,
-      "step": 271
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 3.777777777777778e-05,
-      "loss": 2.0572,
-      "step": 272
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 3.791666666666667e-05,
-      "loss": 2.0178,
-      "step": 273
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 3.805555555555556e-05,
-      "loss": 1.579,
-      "step": 274
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 3.8194444444444444e-05,
-      "loss": 1.9734,
-      "step": 275
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 3.8333333333333334e-05,
-      "loss": 2.1584,
-      "step": 276
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 3.8472222222222225e-05,
-      "loss": 1.8238,
-      "step": 277
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 3.861111111111111e-05,
-      "loss": 1.6262,
-      "step": 278
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 3.875000000000001e-05,
-      "loss": 2.0768,
-      "step": 279
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 3.888888888888889e-05,
-      "loss": 1.844,
-      "step": 280
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 3.9027777777777775e-05,
-      "loss": 2.1494,
-      "step": 281
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 3.916666666666667e-05,
-      "loss": 1.8944,
-      "step": 282
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 3.9305555555555556e-05,
-      "loss": 2.0143,
-      "step": 283
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 3.944444444444444e-05,
-      "loss": 1.8535,
-      "step": 284
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 3.958333333333334e-05,
-      "loss": 2.0168,
-      "step": 285
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 3.972222222222222e-05,
-      "loss": 1.6707,
-      "step": 286
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 3.986111111111111e-05,
-      "loss": 1.997,
-      "step": 287
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 4e-05,
-      "loss": 1.9161,
-      "step": 288
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 4.013888888888889e-05,
-      "loss": 1.8221,
-      "step": 289
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 4.0277777777777785e-05,
-      "loss": 2.0532,
-      "step": 290
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 4.041666666666667e-05,
-      "loss": 1.8899,
-      "step": 291
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 4.055555555555555e-05,
-      "loss": 1.9314,
-      "step": 292
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 4.069444444444445e-05,
-      "loss": 1.8349,
-      "step": 293
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 4.0833333333333334e-05,
-      "loss": 1.9393,
-      "step": 294
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 4.0972222222222225e-05,
-      "loss": 1.9226,
-      "step": 295
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 4.1111111111111116e-05,
-      "loss": 1.8407,
-      "step": 296
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 4.125e-05,
-      "loss": 2.0395,
-      "step": 297
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 4.138888888888889e-05,
-      "loss": 1.8386,
-      "step": 298
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 4.152777777777778e-05,
-      "loss": 2.1144,
-      "step": 299
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 4.1666666666666665e-05,
-      "loss": 2.0431,
-      "step": 300
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 4.1805555555555556e-05,
-      "loss": 1.7944,
-      "step": 301
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 4.194444444444445e-05,
-      "loss": 2.1838,
-      "step": 302
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 4.208333333333333e-05,
-      "loss": 1.8564,
-      "step": 303
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 4.222222222222222e-05,
-      "loss": 1.8965,
-      "step": 304
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 4.236111111111111e-05,
-      "loss": 2.0941,
-      "step": 305
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 4.25e-05,
-      "loss": 1.8703,
-      "step": 306
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 4.2638888888888894e-05,
-      "loss": 1.9896,
-      "step": 307
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 4.277777777777778e-05,
-      "loss": 1.8867,
-      "step": 308
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 4.291666666666667e-05,
-      "loss": 1.7788,
-      "step": 309
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 4.305555555555556e-05,
-      "loss": 1.891,
-      "step": 310
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 4.319444444444444e-05,
-      "loss": 1.8053,
-      "step": 311
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 4.3333333333333334e-05,
-      "loss": 1.6591,
-      "step": 312
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 4.3472222222222225e-05,
-      "loss": 2.2243,
-      "step": 313
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 4.3611111111111116e-05,
-      "loss": 1.8675,
-      "step": 314
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 4.375e-05,
-      "loss": 1.9838,
-      "step": 315
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 4.388888888888889e-05,
-      "loss": 1.9458,
-      "step": 316
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 4.402777777777778e-05,
-      "loss": 1.9625,
-      "step": 317
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 4.4166666666666665e-05,
-      "loss": 1.9618,
-      "step": 318
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 4.4305555555555556e-05,
-      "loss": 1.964,
-      "step": 319
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 4.4444444444444447e-05,
-      "loss": 1.9216,
-      "step": 320
-    },
-    {
-      "epoch": 0.48,
-      "eval_loss": 2.000852346420288,
-      "eval_runtime": 58.8229,
-      "eval_samples_per_second": 0.238,
-      "eval_steps_per_second": 0.119,
-      "step": 320
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 4.458333333333333e-05,
-      "loss": 1.9705,
-      "step": 321
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 4.472222222222223e-05,
-      "loss": 1.7782,
-      "step": 322
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 4.486111111111111e-05,
-      "loss": 1.9119,
-      "step": 323
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 4.5e-05,
-      "loss": 1.8237,
-      "step": 324
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 4.5138888888888894e-05,
-      "loss": 1.9427,
-      "step": 325
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 4.527777777777778e-05,
-      "loss": 1.9612,
-      "step": 326
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 4.541666666666667e-05,
-      "loss": 1.9588,
-      "step": 327
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 4.555555555555556e-05,
-      "loss": 2.2188,
-      "step": 328
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 4.569444444444444e-05,
-      "loss": 1.8081,
-      "step": 329
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 4.5833333333333334e-05,
-      "loss": 1.9724,
-      "step": 330
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 4.5972222222222225e-05,
-      "loss": 1.9258,
-      "step": 331
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 4.611111111111111e-05,
-      "loss": 2.0364,
-      "step": 332
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 4.6250000000000006e-05,
-      "loss": 1.8827,
-      "step": 333
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 4.638888888888889e-05,
-      "loss": 2.0661,
-      "step": 334
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 4.6527777777777774e-05,
-      "loss": 1.9041,
-      "step": 335
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 4.666666666666667e-05,
-      "loss": 1.9075,
-      "step": 336
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 4.6805555555555556e-05,
-      "loss": 1.8782,
-      "step": 337
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 4.6944444444444446e-05,
-      "loss": 2.1339,
-      "step": 338
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 4.708333333333334e-05,
-      "loss": 1.9638,
-      "step": 339
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 4.722222222222222e-05,
-      "loss": 1.7903,
-      "step": 340
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 4.736111111111112e-05,
-      "loss": 1.9212,
-      "step": 341
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 4.75e-05,
-      "loss": 1.9991,
-      "step": 342
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 4.7638888888888887e-05,
-      "loss": 1.751,
-      "step": 343
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 4.7777777777777784e-05,
-      "loss": 1.5513,
-      "step": 344
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 4.791666666666667e-05,
-      "loss": 1.6869,
-      "step": 345
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 4.805555555555555e-05,
-      "loss": 1.9404,
-      "step": 346
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 4.819444444444445e-05,
-      "loss": 1.9058,
-      "step": 347
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 4.8333333333333334e-05,
-      "loss": 1.9537,
-      "step": 348
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 4.8472222222222224e-05,
-      "loss": 1.7997,
-      "step": 349
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 4.8611111111111115e-05,
-      "loss": 1.7411,
-      "step": 350
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 4.875e-05,
-      "loss": 2.2529,
-      "step": 351
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 4.888888888888889e-05,
-      "loss": 1.9452,
-      "step": 352
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 4.902777777777778e-05,
-      "loss": 1.8175,
-      "step": 353
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 4.9166666666666665e-05,
-      "loss": 2.0064,
-      "step": 354
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 4.930555555555556e-05,
-      "loss": 1.9444,
-      "step": 355
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 4.9444444444444446e-05,
-      "loss": 1.9403,
-      "step": 356
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 4.958333333333334e-05,
-      "loss": 1.8607,
-      "step": 357
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 4.972222222222223e-05,
-      "loss": 1.8791,
-      "step": 358
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 4.986111111111111e-05,
-      "loss": 1.8871,
-      "step": 359
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 5e-05,
-      "loss": 1.9646,
-      "step": 360
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5.013888888888889e-05,
-      "loss": 2.071,
-      "step": 361
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5.027777777777778e-05,
-      "loss": 1.8689,
-      "step": 362
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5.041666666666667e-05,
-      "loss": 2.2753,
-      "step": 363
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5.055555555555556e-05,
-      "loss": 1.7461,
-      "step": 364
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5.069444444444444e-05,
-      "loss": 1.6887,
-      "step": 365
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5.0833333333333333e-05,
-      "loss": 1.9996,
-      "step": 366
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5.0972222222222224e-05,
-      "loss": 1.9305,
-      "step": 367
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5.1111111111111115e-05,
-      "loss": 1.7712,
-      "step": 368
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5.125e-05,
-      "loss": 1.8045,
-      "step": 369
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5.138888888888889e-05,
-      "loss": 2.067,
-      "step": 370
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5.152777777777778e-05,
-      "loss": 2.0745,
-      "step": 371
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5.166666666666667e-05,
-      "loss": 1.8284,
-      "step": 372
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5.1805555555555555e-05,
-      "loss": 1.9079,
-      "step": 373
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5.1944444444444446e-05,
-      "loss": 2.0385,
-      "step": 374
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5.208333333333334e-05,
-      "loss": 1.8617,
-      "step": 375
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5.222222222222223e-05,
-      "loss": 2.0364,
-      "step": 376
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5.236111111111111e-05,
-      "loss": 1.8631,
-      "step": 377
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5.25e-05,
-      "loss": 1.8922,
-      "step": 378
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5.263888888888889e-05,
-      "loss": 2.0176,
-      "step": 379
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5.277777777777778e-05,
-      "loss": 1.7801,
-      "step": 380
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5.291666666666667e-05,
-      "loss": 1.8037,
-      "step": 381
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5.305555555555556e-05,
-      "loss": 2.2478,
-      "step": 382
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5.319444444444444e-05,
-      "loss": 1.9102,
-      "step": 383
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5.333333333333334e-05,
-      "loss": 1.9456,
-      "step": 384
-    },
-    {
-      "epoch": 0.58,
-      "eval_loss": 1.995949149131775,
-      "eval_runtime": 58.8239,
-      "eval_samples_per_second": 0.238,
-      "eval_steps_per_second": 0.119,
-      "step": 384
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5.3472222222222224e-05,
-      "loss": 1.7263,
-      "step": 385
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5.361111111111111e-05,
-      "loss": 2.0309,
-      "step": 386
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5.3750000000000005e-05,
-      "loss": 1.7313,
-      "step": 387
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5.388888888888889e-05,
-      "loss": 2.1418,
-      "step": 388
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5.402777777777778e-05,
-      "loss": 2.1034,
-      "step": 389
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5.416666666666667e-05,
-      "loss": 1.7491,
-      "step": 390
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5.4305555555555555e-05,
-      "loss": 2.1174,
-      "step": 391
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5.4444444444444446e-05,
-      "loss": 2.1494,
-      "step": 392
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5.4583333333333336e-05,
-      "loss": 1.9013,
-      "step": 393
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5.472222222222222e-05,
-      "loss": 2.0218,
-      "step": 394
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5.486111111111112e-05,
-      "loss": 2.0765,
-      "step": 395
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8116,
-      "step": 396
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8413,
-      "step": 397
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.918,
-      "step": 398
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8353,
-      "step": 399
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8645,
-      "step": 400
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9794,
-      "step": 401
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8911,
-      "step": 402
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1127,
-      "step": 403
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9127,
-      "step": 404
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9722,
-      "step": 405
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2238,
-      "step": 406
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1535,
-      "step": 407
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9388,
-      "step": 408
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1923,
-      "step": 409
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6914,
-      "step": 410
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0324,
-      "step": 411
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9017,
-      "step": 412
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9931,
-      "step": 413
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2172,
-      "step": 414
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1389,
-      "step": 415
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0016,
-      "step": 416
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0593,
-      "step": 417
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9306,
-      "step": 418
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8381,
-      "step": 419
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9778,
-      "step": 420
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8258,
-      "step": 421
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8392,
-      "step": 422
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8362,
-      "step": 423
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0747,
-      "step": 424
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0362,
-      "step": 425
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9069,
-      "step": 426
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8727,
-      "step": 427
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7109,
-      "step": 428
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5.5e-05,
-      "loss": 2.3048,
-      "step": 429
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9831,
-      "step": 430
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6552,
-      "step": 431
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0319,
-      "step": 432
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5.5e-05,
-      "loss": 2.106,
-      "step": 433
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6774,
-      "step": 434
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6611,
-      "step": 435
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9152,
-      "step": 436
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2678,
-      "step": 437
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9184,
-      "step": 438
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8499,
-      "step": 439
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8624,
-      "step": 440
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9323,
-      "step": 441
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8484,
-      "step": 442
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0478,
-      "step": 443
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0434,
-      "step": 444
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9652,
-      "step": 445
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7201,
-      "step": 446
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.912,
-      "step": 447
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5.5e-05,
-      "loss": 2.061,
-      "step": 448
-    },
-    {
-      "epoch": 0.68,
-      "eval_loss": 1.9963455200195312,
-      "eval_runtime": 58.8096,
-      "eval_samples_per_second": 0.238,
-      "eval_steps_per_second": 0.119,
-      "step": 448
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8791,
-      "step": 449
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0873,
-      "step": 450
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0294,
-      "step": 451
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9715,
-      "step": 452
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0691,
-      "step": 453
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0964,
-      "step": 454
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1053,
-      "step": 455
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7784,
-      "step": 456
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0341,
-      "step": 457
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0414,
-      "step": 458
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1737,
-      "step": 459
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1014,
-      "step": 460
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0055,
-      "step": 461
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9331,
-      "step": 462
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7263,
-      "step": 463
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0779,
-      "step": 464
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8288,
-      "step": 465
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9196,
-      "step": 466
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9546,
-      "step": 467
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0738,
-      "step": 468
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8559,
-      "step": 469
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.964,
-      "step": 470
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7826,
-      "step": 471
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1136,
-      "step": 472
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7275,
-      "step": 473
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9853,
-      "step": 474
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9923,
-      "step": 475
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8931,
-      "step": 476
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9422,
-      "step": 477
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9964,
-      "step": 478
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9789,
-      "step": 479
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8215,
-      "step": 480
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8202,
-      "step": 481
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8453,
-      "step": 482
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6805,
-      "step": 483
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0413,
-      "step": 484
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1132,
-      "step": 485
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.919,
-      "step": 486
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0277,
-      "step": 487
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9747,
-      "step": 488
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0166,
-      "step": 489
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7176,
-      "step": 490
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8685,
-      "step": 491
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9191,
-      "step": 492
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7576,
-      "step": 493
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9441,
-      "step": 494
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0719,
-      "step": 495
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0278,
-      "step": 496
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0337,
-      "step": 497
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8023,
-      "step": 498
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0445,
-      "step": 499
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.818,
-      "step": 500
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0026,
-      "step": 501
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0388,
-      "step": 502
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0666,
-      "step": 503
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9827,
-      "step": 504
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8992,
-      "step": 505
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9621,
-      "step": 506
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9876,
-      "step": 507
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8765,
-      "step": 508
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9699,
-      "step": 509
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9311,
-      "step": 510
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5199,
-      "step": 511
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8739,
-      "step": 512
-    },
-    {
-      "epoch": 0.77,
-      "eval_loss": 1.9916880130767822,
-      "eval_runtime": 59.0008,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 512
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8391,
-      "step": 513
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.591,
-      "step": 514
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9632,
-      "step": 515
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7806,
-      "step": 516
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0876,
-      "step": 517
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8403,
-      "step": 518
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2148,
-      "step": 519
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.808,
-      "step": 520
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9136,
-      "step": 521
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9457,
-      "step": 522
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9325,
-      "step": 523
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8759,
-      "step": 524
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1916,
-      "step": 525
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8888,
-      "step": 526
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9731,
-      "step": 527
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8036,
-      "step": 528
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0241,
-      "step": 529
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5473,
-      "step": 530
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7932,
-      "step": 531
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7139,
-      "step": 532
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7221,
-      "step": 533
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9972,
-      "step": 534
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0621,
-      "step": 535
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9002,
-      "step": 536
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9351,
-      "step": 537
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1008,
-      "step": 538
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7299,
-      "step": 539
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0681,
-      "step": 540
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7492,
-      "step": 541
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6713,
-      "step": 542
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9309,
-      "step": 543
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7673,
-      "step": 544
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5529,
-      "step": 545
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9785,
-      "step": 546
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9504,
-      "step": 547
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9169,
-      "step": 548
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8258,
-      "step": 549
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7855,
-      "step": 550
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8533,
-      "step": 551
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9102,
-      "step": 552
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9679,
-      "step": 553
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8848,
-      "step": 554
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9912,
-      "step": 555
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9674,
-      "step": 556
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7152,
-      "step": 557
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0175,
-      "step": 558
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9833,
-      "step": 559
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2812,
-      "step": 560
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5.5e-05,
-      "loss": 2.022,
-      "step": 561
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1457,
-      "step": 562
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8974,
-      "step": 563
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.945,
-      "step": 564
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0065,
-      "step": 565
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5.5e-05,
-      "loss": 2.004,
-      "step": 566
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9369,
-      "step": 567
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0565,
-      "step": 568
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0946,
-      "step": 569
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.904,
-      "step": 570
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7949,
-      "step": 571
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9979,
-      "step": 572
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7834,
-      "step": 573
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6403,
-      "step": 574
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9347,
-      "step": 575
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.69,
-      "step": 576
-    },
-    {
-      "epoch": 0.87,
-      "eval_loss": 1.989676594734192,
-      "eval_runtime": 58.9014,
-      "eval_samples_per_second": 0.238,
-      "eval_steps_per_second": 0.119,
-      "step": 576
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0622,
-      "step": 577
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8775,
-      "step": 578
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7864,
-      "step": 579
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7229,
-      "step": 580
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0063,
-      "step": 581
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2663,
-      "step": 582
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1072,
-      "step": 583
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8062,
-      "step": 584
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1686,
-      "step": 585
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9927,
-      "step": 586
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8644,
-      "step": 587
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9758,
-      "step": 588
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9856,
-      "step": 589
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9855,
-      "step": 590
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8876,
-      "step": 591
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7528,
-      "step": 592
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2187,
-      "step": 593
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8247,
-      "step": 594
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1322,
-      "step": 595
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.877,
-      "step": 596
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8718,
-      "step": 597
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9852,
-      "step": 598
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1917,
-      "step": 599
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1977,
-      "step": 600
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8002,
-      "step": 601
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1565,
-      "step": 602
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.879,
-      "step": 603
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0121,
-      "step": 604
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.778,
-      "step": 605
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9739,
-      "step": 606
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9021,
-      "step": 607
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7507,
-      "step": 608
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7977,
-      "step": 609
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9014,
-      "step": 610
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8381,
-      "step": 611
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9956,
-      "step": 612
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6708,
-      "step": 613
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8256,
-      "step": 614
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8091,
-      "step": 615
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9035,
-      "step": 616
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8378,
-      "step": 617
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9185,
-      "step": 618
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9038,
-      "step": 619
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8192,
-      "step": 620
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9189,
-      "step": 621
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9267,
-      "step": 622
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2876,
-      "step": 623
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7351,
-      "step": 624
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8424,
-      "step": 625
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8541,
-      "step": 626
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1005,
-      "step": 627
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0777,
-      "step": 628
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8535,
-      "step": 629
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5.5e-05,
-      "loss": 2.073,
-      "step": 630
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6907,
-      "step": 631
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0157,
-      "step": 632
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0815,
-      "step": 633
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1042,
-      "step": 634
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9516,
-      "step": 635
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0526,
-      "step": 636
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0166,
-      "step": 637
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8631,
-      "step": 638
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7609,
-      "step": 639
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2433,
-      "step": 640
-    },
-    {
-      "epoch": 0.97,
-      "eval_loss": 1.9858782291412354,
-      "eval_runtime": 58.9176,
-      "eval_samples_per_second": 0.238,
-      "eval_steps_per_second": 0.119,
-      "step": 640
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8147,
-      "step": 641
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1954,
-      "step": 642
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9324,
-      "step": 643
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6993,
-      "step": 644
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8438,
-      "step": 645
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9897,
-      "step": 646
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0089,
-      "step": 647
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7791,
-      "step": 648
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8066,
-      "step": 649
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0635,
-      "step": 650
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8481,
-      "step": 651
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8849,
-      "step": 652
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0186,
-      "step": 653
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8334,
-      "step": 654
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9343,
-      "step": 655
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9082,
-      "step": 656
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6138,
-      "step": 657
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9074,
-      "step": 658
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8979,
-      "step": 659
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6229,
-      "step": 660
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8861,
-      "step": 661
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0366,
-      "step": 662
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6883,
-      "step": 663
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8848,
-      "step": 664
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8352,
-      "step": 665
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9182,
-      "step": 666
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9061,
-      "step": 667
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1967,
-      "step": 668
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6919,
-      "step": 669
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6953,
-      "step": 670
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6956,
-      "step": 671
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8152,
-      "step": 672
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8163,
-      "step": 673
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9031,
-      "step": 674
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9223,
-      "step": 675
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9165,
-      "step": 676
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.574,
-      "step": 677
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8083,
-      "step": 678
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7346,
-      "step": 679
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1956,
-      "step": 680
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5288,
-      "step": 681
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8985,
-      "step": 682
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9574,
-      "step": 683
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8191,
-      "step": 684
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6321,
-      "step": 685
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7425,
-      "step": 686
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9948,
-      "step": 687
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8322,
-      "step": 688
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6861,
-      "step": 689
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8483,
-      "step": 690
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8787,
-      "step": 691
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9686,
-      "step": 692
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1331,
-      "step": 693
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9199,
-      "step": 694
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7578,
-      "step": 695
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0364,
-      "step": 696
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9478,
-      "step": 697
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.904,
-      "step": 698
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7678,
-      "step": 699
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8479,
-      "step": 700
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9111,
-      "step": 701
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9519,
-      "step": 702
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6778,
-      "step": 703
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9542,
-      "step": 704
-    },
-    {
-      "epoch": 1.06,
-      "eval_loss": 1.985458493232727,
-      "eval_runtime": 58.9703,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 704
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8387,
-      "step": 705
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7654,
-      "step": 706
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.943,
-      "step": 707
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9128,
-      "step": 708
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8484,
-      "step": 709
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7394,
-      "step": 710
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7022,
-      "step": 711
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2014,
-      "step": 712
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9809,
-      "step": 713
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6051,
-      "step": 714
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8484,
-      "step": 715
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8196,
-      "step": 716
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0568,
-      "step": 717
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9167,
-      "step": 718
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.813,
-      "step": 719
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7579,
-      "step": 720
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9889,
-      "step": 721
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5.5e-05,
-      "loss": 2.115,
-      "step": 722
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9313,
-      "step": 723
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6871,
-      "step": 724
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7422,
-      "step": 725
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2011,
-      "step": 726
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.991,
-      "step": 727
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8994,
-      "step": 728
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8999,
-      "step": 729
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8362,
-      "step": 730
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9482,
-      "step": 731
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8424,
-      "step": 732
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7127,
-      "step": 733
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9714,
-      "step": 734
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8753,
-      "step": 735
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8008,
-      "step": 736
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9657,
-      "step": 737
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9767,
-      "step": 738
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8487,
-      "step": 739
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9573,
-      "step": 740
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8955,
-      "step": 741
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.781,
-      "step": 742
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1247,
-      "step": 743
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8406,
-      "step": 744
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8087,
-      "step": 745
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9323,
-      "step": 746
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7767,
-      "step": 747
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.901,
-      "step": 748
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7707,
-      "step": 749
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7524,
-      "step": 750
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2238,
-      "step": 751
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7934,
-      "step": 752
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8239,
-      "step": 753
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8188,
-      "step": 754
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9701,
-      "step": 755
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0383,
-      "step": 756
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7855,
-      "step": 757
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7499,
-      "step": 758
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8229,
-      "step": 759
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1237,
-      "step": 760
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0109,
-      "step": 761
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9678,
-      "step": 762
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7707,
-      "step": 763
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6788,
-      "step": 764
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9237,
-      "step": 765
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7559,
-      "step": 766
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8196,
-      "step": 767
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8381,
-      "step": 768
-    },
-    {
-      "epoch": 1.16,
-      "eval_loss": 1.986333966255188,
-      "eval_runtime": 58.9784,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 768
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7674,
-      "step": 769
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9273,
-      "step": 770
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9929,
-      "step": 771
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0698,
-      "step": 772
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1332,
-      "step": 773
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8592,
-      "step": 774
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7061,
-      "step": 775
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6427,
-      "step": 776
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6082,
-      "step": 777
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0476,
-      "step": 778
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9384,
-      "step": 779
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7435,
-      "step": 780
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7003,
-      "step": 781
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0046,
-      "step": 782
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.656,
-      "step": 783
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7923,
-      "step": 784
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9052,
-      "step": 785
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8881,
-      "step": 786
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.837,
-      "step": 787
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1303,
-      "step": 788
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9772,
-      "step": 789
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1375,
-      "step": 790
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0447,
-      "step": 791
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0876,
-      "step": 792
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9018,
-      "step": 793
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7919,
-      "step": 794
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7968,
-      "step": 795
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0099,
-      "step": 796
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9105,
-      "step": 797
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9935,
-      "step": 798
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8524,
-      "step": 799
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7873,
-      "step": 800
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8082,
-      "step": 801
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5041,
-      "step": 802
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7164,
-      "step": 803
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8639,
-      "step": 804
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7758,
-      "step": 805
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7119,
-      "step": 806
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8494,
-      "step": 807
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8645,
-      "step": 808
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9584,
-      "step": 809
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9228,
-      "step": 810
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5.5e-05,
-      "loss": 2.034,
-      "step": 811
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8669,
-      "step": 812
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7473,
-      "step": 813
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5693,
-      "step": 814
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6032,
-      "step": 815
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8637,
-      "step": 816
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1032,
-      "step": 817
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0423,
-      "step": 818
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7922,
-      "step": 819
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8913,
-      "step": 820
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7887,
-      "step": 821
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9852,
-      "step": 822
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5.5e-05,
-      "loss": 2.004,
-      "step": 823
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.802,
-      "step": 824
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9972,
-      "step": 825
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7655,
-      "step": 826
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0794,
-      "step": 827
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7272,
-      "step": 828
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7846,
-      "step": 829
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2412,
-      "step": 830
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8671,
-      "step": 831
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8069,
-      "step": 832
-    },
-    {
-      "epoch": 1.26,
-      "eval_loss": 1.9881497621536255,
-      "eval_runtime": 58.9619,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 832
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6592,
-      "step": 833
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9748,
-      "step": 834
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8619,
-      "step": 835
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.798,
-      "step": 836
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7833,
-      "step": 837
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6699,
-      "step": 838
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.921,
-      "step": 839
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9981,
-      "step": 840
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8746,
-      "step": 841
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9563,
-      "step": 842
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.777,
-      "step": 843
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7096,
-      "step": 844
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0355,
-      "step": 845
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7551,
-      "step": 846
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8333,
-      "step": 847
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8359,
-      "step": 848
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6545,
-      "step": 849
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6688,
-      "step": 850
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8365,
-      "step": 851
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7209,
-      "step": 852
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1646,
-      "step": 853
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6569,
-      "step": 854
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7385,
-      "step": 855
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7525,
-      "step": 856
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9009,
-      "step": 857
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.543,
-      "step": 858
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5.5e-05,
-      "loss": 2.04,
-      "step": 859
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6964,
-      "step": 860
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7117,
-      "step": 861
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7786,
-      "step": 862
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9283,
-      "step": 863
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7426,
-      "step": 864
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0052,
-      "step": 865
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9682,
-      "step": 866
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7817,
-      "step": 867
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9365,
-      "step": 868
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0981,
-      "step": 869
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7401,
-      "step": 870
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5.5e-05,
-      "loss": 2.148,
-      "step": 871
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8509,
-      "step": 872
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7674,
-      "step": 873
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8585,
-      "step": 874
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5.5e-05,
-      "loss": 2.039,
-      "step": 875
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2174,
-      "step": 876
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7736,
-      "step": 877
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0157,
-      "step": 878
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7967,
-      "step": 879
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6875,
-      "step": 880
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4769,
-      "step": 881
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8631,
-      "step": 882
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7446,
-      "step": 883
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5132,
-      "step": 884
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7281,
-      "step": 885
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0059,
-      "step": 886
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8305,
-      "step": 887
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7437,
-      "step": 888
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0905,
-      "step": 889
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7111,
-      "step": 890
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1154,
-      "step": 891
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8436,
-      "step": 892
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8472,
-      "step": 893
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8841,
-      "step": 894
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8921,
-      "step": 895
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7843,
-      "step": 896
-    },
-    {
-      "epoch": 1.35,
-      "eval_loss": 1.98455011844635,
-      "eval_runtime": 59.5681,
-      "eval_samples_per_second": 0.235,
-      "eval_steps_per_second": 0.118,
-      "step": 896
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8265,
-      "step": 897
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8374,
-      "step": 898
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9551,
-      "step": 899
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9349,
-      "step": 900
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7317,
-      "step": 901
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0014,
-      "step": 902
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7912,
-      "step": 903
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8637,
-      "step": 904
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8175,
-      "step": 905
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0171,
-      "step": 906
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1175,
-      "step": 907
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9703,
-      "step": 908
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.887,
-      "step": 909
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9371,
-      "step": 910
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9807,
-      "step": 911
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8449,
-      "step": 912
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8572,
-      "step": 913
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6726,
-      "step": 914
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7862,
-      "step": 915
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8861,
-      "step": 916
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6724,
-      "step": 917
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9625,
-      "step": 918
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1159,
-      "step": 919
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7551,
-      "step": 920
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7045,
-      "step": 921
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7777,
-      "step": 922
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5.5e-05,
-      "loss": 2.105,
-      "step": 923
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9585,
-      "step": 924
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8433,
-      "step": 925
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0128,
-      "step": 926
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0865,
-      "step": 927
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5.5e-05,
-      "loss": 2.3,
-      "step": 928
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.782,
-      "step": 929
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7855,
-      "step": 930
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0097,
-      "step": 931
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1347,
-      "step": 932
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8255,
-      "step": 933
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.628,
-      "step": 934
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.817,
-      "step": 935
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7243,
-      "step": 936
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7371,
-      "step": 937
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.875,
-      "step": 938
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.89,
-      "step": 939
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7224,
-      "step": 940
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6944,
-      "step": 941
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0949,
-      "step": 942
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9106,
-      "step": 943
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8215,
-      "step": 944
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.772,
-      "step": 945
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9106,
-      "step": 946
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8331,
-      "step": 947
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8223,
-      "step": 948
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9412,
-      "step": 949
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2636,
-      "step": 950
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0042,
-      "step": 951
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7525,
-      "step": 952
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8757,
-      "step": 953
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8459,
-      "step": 954
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.892,
-      "step": 955
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.878,
-      "step": 956
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8207,
-      "step": 957
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1033,
-      "step": 958
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0789,
-      "step": 959
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9558,
-      "step": 960
-    },
-    {
-      "epoch": 1.45,
-      "eval_loss": 1.9816019535064697,
-      "eval_runtime": 59.0035,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 960
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0175,
-      "step": 961
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5.5e-05,
-      "loss": 2.3281,
-      "step": 962
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7073,
-      "step": 963
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9154,
-      "step": 964
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8298,
-      "step": 965
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5.5e-05,
-      "loss": 2.22,
-      "step": 966
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8044,
-      "step": 967
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0208,
-      "step": 968
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1039,
-      "step": 969
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2197,
-      "step": 970
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8942,
-      "step": 971
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7247,
-      "step": 972
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9488,
-      "step": 973
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9499,
-      "step": 974
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0991,
-      "step": 975
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.812,
-      "step": 976
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8369,
-      "step": 977
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.87,
-      "step": 978
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6083,
-      "step": 979
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8719,
-      "step": 980
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7463,
-      "step": 981
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0501,
-      "step": 982
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8734,
-      "step": 983
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8175,
-      "step": 984
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9625,
-      "step": 985
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9687,
-      "step": 986
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.887,
-      "step": 987
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7694,
-      "step": 988
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9643,
-      "step": 989
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9183,
-      "step": 990
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9555,
-      "step": 991
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7406,
-      "step": 992
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8618,
-      "step": 993
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7619,
-      "step": 994
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0558,
-      "step": 995
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8614,
-      "step": 996
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5208,
-      "step": 997
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8473,
-      "step": 998
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.864,
-      "step": 999
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6967,
-      "step": 1000
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0151,
-      "step": 1001
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9683,
-      "step": 1002
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.816,
-      "step": 1003
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.533,
-      "step": 1004
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8513,
-      "step": 1005
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.795,
-      "step": 1006
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7542,
-      "step": 1007
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5.5e-05,
-      "loss": 2.296,
-      "step": 1008
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.528,
-      "step": 1009
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.883,
-      "step": 1010
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7577,
-      "step": 1011
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1231,
-      "step": 1012
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0266,
-      "step": 1013
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0612,
-      "step": 1014
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9317,
-      "step": 1015
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8076,
-      "step": 1016
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1764,
-      "step": 1017
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8218,
-      "step": 1018
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9478,
-      "step": 1019
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8305,
-      "step": 1020
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.965,
-      "step": 1021
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9032,
-      "step": 1022
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9612,
-      "step": 1023
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9241,
-      "step": 1024
-    },
-    {
-      "epoch": 1.55,
-      "eval_loss": 1.9803096055984497,
-      "eval_runtime": 59.0073,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 1024
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7844,
-      "step": 1025
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8216,
-      "step": 1026
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9107,
-      "step": 1027
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8348,
-      "step": 1028
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8552,
-      "step": 1029
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0343,
-      "step": 1030
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2257,
-      "step": 1031
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9865,
-      "step": 1032
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7459,
-      "step": 1033
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7665,
-      "step": 1034
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0813,
-      "step": 1035
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9783,
-      "step": 1036
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.632,
-      "step": 1037
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7919,
-      "step": 1038
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1836,
-      "step": 1039
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0717,
-      "step": 1040
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0652,
-      "step": 1041
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.99,
-      "step": 1042
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8057,
-      "step": 1043
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9926,
-      "step": 1044
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8964,
-      "step": 1045
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1568,
-      "step": 1046
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9066,
-      "step": 1047
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7215,
-      "step": 1048
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6507,
-      "step": 1049
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9338,
-      "step": 1050
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7869,
-      "step": 1051
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.817,
-      "step": 1052
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7371,
-      "step": 1053
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0039,
-      "step": 1054
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8853,
-      "step": 1055
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7729,
-      "step": 1056
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0849,
-      "step": 1057
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8182,
-      "step": 1058
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8164,
-      "step": 1059
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0209,
-      "step": 1060
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1836,
-      "step": 1061
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8525,
-      "step": 1062
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9572,
-      "step": 1063
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6491,
-      "step": 1064
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9947,
-      "step": 1065
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9133,
-      "step": 1066
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9352,
-      "step": 1067
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9082,
-      "step": 1068
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2686,
-      "step": 1069
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8655,
-      "step": 1070
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8148,
-      "step": 1071
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5466,
-      "step": 1072
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9907,
-      "step": 1073
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6634,
-      "step": 1074
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8459,
-      "step": 1075
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8285,
-      "step": 1076
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8191,
-      "step": 1077
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8698,
-      "step": 1078
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8112,
-      "step": 1079
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9497,
-      "step": 1080
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7179,
-      "step": 1081
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0815,
-      "step": 1082
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6455,
-      "step": 1083
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8332,
-      "step": 1084
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4951,
-      "step": 1085
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5622,
-      "step": 1086
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9244,
-      "step": 1087
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8547,
-      "step": 1088
-    },
-    {
-      "epoch": 1.64,
-      "eval_loss": 1.9768799543380737,
-      "eval_runtime": 59.0019,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 1088
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9867,
-      "step": 1089
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7404,
-      "step": 1090
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7292,
-      "step": 1091
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9778,
-      "step": 1092
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8905,
-      "step": 1093
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7208,
-      "step": 1094
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.885,
-      "step": 1095
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8287,
-      "step": 1096
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0805,
-      "step": 1097
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9037,
-      "step": 1098
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8472,
-      "step": 1099
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6056,
-      "step": 1100
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8532,
-      "step": 1101
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7272,
-      "step": 1102
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7979,
-      "step": 1103
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8289,
-      "step": 1104
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.634,
-      "step": 1105
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0646,
-      "step": 1106
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7235,
-      "step": 1107
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7801,
-      "step": 1108
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5894,
-      "step": 1109
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6548,
-      "step": 1110
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9325,
-      "step": 1111
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8516,
-      "step": 1112
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8523,
-      "step": 1113
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5.5e-05,
-      "loss": 2.3195,
-      "step": 1114
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7882,
-      "step": 1115
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0055,
-      "step": 1116
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8724,
-      "step": 1117
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7485,
-      "step": 1118
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0367,
-      "step": 1119
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7213,
-      "step": 1120
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8794,
-      "step": 1121
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1606,
-      "step": 1122
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8364,
-      "step": 1123
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8943,
-      "step": 1124
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8637,
-      "step": 1125
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.755,
-      "step": 1126
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5.5e-05,
-      "loss": 2.002,
-      "step": 1127
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2109,
-      "step": 1128
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.82,
-      "step": 1129
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5024,
-      "step": 1130
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8737,
-      "step": 1131
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0647,
-      "step": 1132
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6576,
-      "step": 1133
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4687,
-      "step": 1134
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7363,
-      "step": 1135
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8757,
-      "step": 1136
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1569,
-      "step": 1137
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1774,
-      "step": 1138
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8027,
-      "step": 1139
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.941,
-      "step": 1140
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0008,
-      "step": 1141
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8287,
-      "step": 1142
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.679,
-      "step": 1143
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0351,
-      "step": 1144
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8833,
-      "step": 1145
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9896,
-      "step": 1146
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8529,
-      "step": 1147
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0169,
-      "step": 1148
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6624,
-      "step": 1149
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9507,
-      "step": 1150
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8244,
-      "step": 1151
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7616,
-      "step": 1152
-    },
-    {
-      "epoch": 1.74,
-      "eval_loss": 1.974184274673462,
-      "eval_runtime": 59.0105,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 1152
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5877,
-      "step": 1153
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9896,
-      "step": 1154
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7394,
-      "step": 1155
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0282,
-      "step": 1156
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0541,
-      "step": 1157
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8256,
-      "step": 1158
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7988,
-      "step": 1159
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0081,
-      "step": 1160
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9105,
-      "step": 1161
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8947,
-      "step": 1162
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9178,
-      "step": 1163
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8641,
-      "step": 1164
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6064,
-      "step": 1165
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8312,
-      "step": 1166
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5.5e-05,
-      "loss": 2.4175,
-      "step": 1167
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6534,
-      "step": 1168
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9796,
-      "step": 1169
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.581,
-      "step": 1170
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6561,
-      "step": 1171
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7829,
-      "step": 1172
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8432,
-      "step": 1173
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.974,
-      "step": 1174
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7076,
-      "step": 1175
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6845,
-      "step": 1176
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6676,
-      "step": 1177
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.938,
-      "step": 1178
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7616,
-      "step": 1179
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7008,
-      "step": 1180
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8243,
-      "step": 1181
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6733,
-      "step": 1182
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5045,
-      "step": 1183
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.813,
-      "step": 1184
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9045,
-      "step": 1185
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9471,
-      "step": 1186
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8006,
-      "step": 1187
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8393,
-      "step": 1188
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5674,
-      "step": 1189
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6655,
-      "step": 1190
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7475,
-      "step": 1191
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1792,
-      "step": 1192
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6809,
-      "step": 1193
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9012,
-      "step": 1194
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.848,
-      "step": 1195
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.918,
-      "step": 1196
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0244,
-      "step": 1197
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6339,
-      "step": 1198
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9695,
-      "step": 1199
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7581,
-      "step": 1200
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6169,
-      "step": 1201
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8096,
-      "step": 1202
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8398,
-      "step": 1203
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7617,
-      "step": 1204
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8266,
-      "step": 1205
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6852,
-      "step": 1206
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6768,
-      "step": 1207
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5674,
-      "step": 1208
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0484,
-      "step": 1209
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7565,
-      "step": 1210
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6991,
-      "step": 1211
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9785,
-      "step": 1212
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0837,
-      "step": 1213
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1116,
-      "step": 1214
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7018,
-      "step": 1215
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7896,
-      "step": 1216
-    },
-    {
-      "epoch": 1.84,
-      "eval_loss": 1.9749974012374878,
-      "eval_runtime": 58.9244,
-      "eval_samples_per_second": 0.238,
-      "eval_steps_per_second": 0.119,
-      "step": 1216
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8006,
-      "step": 1217
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7801,
-      "step": 1218
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8307,
-      "step": 1219
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6739,
-      "step": 1220
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0557,
-      "step": 1221
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7643,
-      "step": 1222
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0422,
-      "step": 1223
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7279,
-      "step": 1224
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8338,
-      "step": 1225
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8596,
-      "step": 1226
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9323,
-      "step": 1227
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9343,
-      "step": 1228
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8977,
-      "step": 1229
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7675,
-      "step": 1230
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8364,
-      "step": 1231
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7491,
-      "step": 1232
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8607,
-      "step": 1233
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7741,
-      "step": 1234
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6947,
-      "step": 1235
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8658,
-      "step": 1236
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6586,
-      "step": 1237
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8844,
-      "step": 1238
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9983,
-      "step": 1239
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.968,
-      "step": 1240
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8485,
-      "step": 1241
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8994,
-      "step": 1242
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5991,
-      "step": 1243
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8704,
-      "step": 1244
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.895,
-      "step": 1245
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8414,
-      "step": 1246
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9166,
-      "step": 1247
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8878,
-      "step": 1248
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7005,
-      "step": 1249
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9262,
-      "step": 1250
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9838,
-      "step": 1251
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0325,
-      "step": 1252
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9683,
-      "step": 1253
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8107,
-      "step": 1254
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8154,
-      "step": 1255
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7589,
-      "step": 1256
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8686,
-      "step": 1257
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.836,
-      "step": 1258
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8839,
-      "step": 1259
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9879,
-      "step": 1260
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.979,
-      "step": 1261
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9252,
-      "step": 1262
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8016,
-      "step": 1263
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8314,
-      "step": 1264
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7805,
-      "step": 1265
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9322,
-      "step": 1266
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9515,
-      "step": 1267
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7414,
-      "step": 1268
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7464,
-      "step": 1269
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1836,
-      "step": 1270
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6549,
-      "step": 1271
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7951,
-      "step": 1272
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8127,
-      "step": 1273
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8096,
-      "step": 1274
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8935,
-      "step": 1275
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8186,
-      "step": 1276
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9846,
-      "step": 1277
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7666,
-      "step": 1278
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7617,
-      "step": 1279
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8763,
-      "step": 1280
-    },
-    {
-      "epoch": 1.93,
-      "eval_loss": 1.9570947885513306,
-      "eval_runtime": 59.0224,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 1280
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8724,
-      "step": 1281
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9641,
-      "step": 1282
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7442,
-      "step": 1283
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.963,
-      "step": 1284
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8515,
-      "step": 1285
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9066,
-      "step": 1286
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.751,
-      "step": 1287
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8862,
-      "step": 1288
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7903,
-      "step": 1289
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9637,
-      "step": 1290
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9093,
-      "step": 1291
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8575,
-      "step": 1292
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7905,
-      "step": 1293
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6731,
-      "step": 1294
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1496,
-      "step": 1295
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9826,
-      "step": 1296
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8418,
-      "step": 1297
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7795,
-      "step": 1298
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7403,
-      "step": 1299
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1435,
-      "step": 1300
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7862,
-      "step": 1301
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0067,
-      "step": 1302
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8522,
-      "step": 1303
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7623,
-      "step": 1304
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0149,
-      "step": 1305
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9706,
-      "step": 1306
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0222,
-      "step": 1307
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9522,
-      "step": 1308
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9882,
-      "step": 1309
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8639,
-      "step": 1310
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9902,
-      "step": 1311
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0714,
-      "step": 1312
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6234,
-      "step": 1313
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8611,
-      "step": 1314
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7995,
-      "step": 1315
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9626,
-      "step": 1316
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2278,
-      "step": 1317
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1429,
-      "step": 1318
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0095,
-      "step": 1319
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0158,
-      "step": 1320
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5.5e-05,
-      "loss": 2.362,
-      "step": 1321
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9607,
-      "step": 1322
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9065,
-      "step": 1323
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7612,
-      "step": 1324
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8885,
-      "step": 1325
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.49,
-      "step": 1326
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9146,
-      "step": 1327
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7438,
-      "step": 1328
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8324,
-      "step": 1329
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8054,
-      "step": 1330
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7088,
-      "step": 1331
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.3956,
-      "step": 1332
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6183,
-      "step": 1333
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9603,
-      "step": 1334
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8318,
-      "step": 1335
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9956,
-      "step": 1336
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0125,
-      "step": 1337
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.3906,
-      "step": 1338
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6743,
-      "step": 1339
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5328,
-      "step": 1340
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9533,
-      "step": 1341
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8125,
-      "step": 1342
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9399,
-      "step": 1343
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5477,
-      "step": 1344
-    },
-    {
-      "epoch": 2.03,
-      "eval_loss": 1.9626766443252563,
-      "eval_runtime": 58.9574,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 1344
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7911,
-      "step": 1345
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7912,
-      "step": 1346
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.2995,
-      "step": 1347
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7253,
-      "step": 1348
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6329,
-      "step": 1349
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7273,
-      "step": 1350
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7071,
-      "step": 1351
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7656,
-      "step": 1352
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5804,
-      "step": 1353
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8209,
-      "step": 1354
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6642,
-      "step": 1355
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6828,
-      "step": 1356
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6018,
-      "step": 1357
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6943,
-      "step": 1358
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8927,
-      "step": 1359
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6061,
-      "step": 1360
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9819,
-      "step": 1361
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8138,
-      "step": 1362
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6311,
-      "step": 1363
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6776,
-      "step": 1364
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6291,
-      "step": 1365
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8836,
-      "step": 1366
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.613,
-      "step": 1367
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5906,
-      "step": 1368
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6073,
-      "step": 1369
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0011,
-      "step": 1370
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.779,
-      "step": 1371
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7632,
-      "step": 1372
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6912,
-      "step": 1373
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7187,
-      "step": 1374
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7966,
-      "step": 1375
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5966,
-      "step": 1376
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.3322,
-      "step": 1377
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7133,
-      "step": 1378
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6765,
-      "step": 1379
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9066,
-      "step": 1380
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6105,
-      "step": 1381
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7615,
-      "step": 1382
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5848,
-      "step": 1383
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8847,
-      "step": 1384
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7067,
-      "step": 1385
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5488,
-      "step": 1386
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7337,
-      "step": 1387
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.765,
-      "step": 1388
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5989,
-      "step": 1389
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5968,
-      "step": 1390
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8493,
-      "step": 1391
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7558,
-      "step": 1392
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7106,
-      "step": 1393
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7283,
-      "step": 1394
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7924,
-      "step": 1395
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6897,
-      "step": 1396
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9234,
-      "step": 1397
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7521,
-      "step": 1398
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6473,
-      "step": 1399
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8511,
-      "step": 1400
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.501,
-      "step": 1401
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1233,
-      "step": 1402
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5598,
-      "step": 1403
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8882,
-      "step": 1404
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6589,
-      "step": 1405
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6911,
-      "step": 1406
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5638,
-      "step": 1407
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6599,
-      "step": 1408
-    },
-    {
-      "epoch": 2.13,
-      "eval_loss": 1.9700766801834106,
-      "eval_runtime": 58.9821,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 1408
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4485,
-      "step": 1409
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8551,
-      "step": 1410
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7528,
-      "step": 1411
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0524,
-      "step": 1412
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8525,
-      "step": 1413
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0861,
-      "step": 1414
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9524,
-      "step": 1415
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7021,
-      "step": 1416
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7564,
-      "step": 1417
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7025,
-      "step": 1418
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9026,
-      "step": 1419
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7491,
-      "step": 1420
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6636,
-      "step": 1421
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9605,
-      "step": 1422
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6847,
-      "step": 1423
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8174,
-      "step": 1424
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8455,
-      "step": 1425
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7054,
-      "step": 1426
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8484,
-      "step": 1427
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4641,
-      "step": 1428
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7692,
-      "step": 1429
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7268,
-      "step": 1430
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5682,
-      "step": 1431
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7337,
-      "step": 1432
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9853,
-      "step": 1433
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7879,
-      "step": 1434
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7097,
-      "step": 1435
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5058,
-      "step": 1436
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9153,
-      "step": 1437
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8588,
-      "step": 1438
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7186,
-      "step": 1439
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4168,
-      "step": 1440
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8122,
-      "step": 1441
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8659,
-      "step": 1442
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9646,
-      "step": 1443
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5798,
-      "step": 1444
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5.5e-05,
-      "loss": 2.002,
-      "step": 1445
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6354,
-      "step": 1446
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9755,
-      "step": 1447
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7351,
-      "step": 1448
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8579,
-      "step": 1449
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0733,
-      "step": 1450
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0312,
-      "step": 1451
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8293,
-      "step": 1452
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8115,
-      "step": 1453
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6021,
-      "step": 1454
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5.5e-05,
-      "loss": 2.016,
-      "step": 1455
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7557,
-      "step": 1456
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.773,
-      "step": 1457
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8518,
-      "step": 1458
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8113,
-      "step": 1459
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9532,
-      "step": 1460
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8051,
-      "step": 1461
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6969,
-      "step": 1462
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6927,
-      "step": 1463
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.43,
-      "step": 1464
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4665,
-      "step": 1465
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6676,
-      "step": 1466
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9028,
-      "step": 1467
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6103,
-      "step": 1468
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8769,
-      "step": 1469
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8004,
-      "step": 1470
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7644,
-      "step": 1471
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4839,
-      "step": 1472
-    },
-    {
-      "epoch": 2.22,
-      "eval_loss": 1.9538156986236572,
-      "eval_runtime": 58.954,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 1472
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5415,
-      "step": 1473
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7324,
-      "step": 1474
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9322,
-      "step": 1475
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6752,
-      "step": 1476
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5077,
-      "step": 1477
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6748,
-      "step": 1478
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6575,
-      "step": 1479
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6797,
-      "step": 1480
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7579,
-      "step": 1481
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5738,
-      "step": 1482
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7155,
-      "step": 1483
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9784,
-      "step": 1484
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6966,
-      "step": 1485
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7285,
-      "step": 1486
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.859,
-      "step": 1487
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7517,
-      "step": 1488
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6984,
-      "step": 1489
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5766,
-      "step": 1490
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8287,
-      "step": 1491
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.2983,
-      "step": 1492
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7865,
-      "step": 1493
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7876,
-      "step": 1494
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6255,
-      "step": 1495
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1407,
-      "step": 1496
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1907,
-      "step": 1497
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8348,
-      "step": 1498
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7979,
-      "step": 1499
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8025,
-      "step": 1500
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5702,
-      "step": 1501
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4621,
-      "step": 1502
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6904,
-      "step": 1503
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8128,
-      "step": 1504
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6536,
-      "step": 1505
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6913,
-      "step": 1506
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6776,
-      "step": 1507
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8412,
-      "step": 1508
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.534,
-      "step": 1509
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5713,
-      "step": 1510
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.706,
-      "step": 1511
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6296,
-      "step": 1512
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6309,
-      "step": 1513
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7663,
-      "step": 1514
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8632,
-      "step": 1515
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8506,
-      "step": 1516
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6796,
-      "step": 1517
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9204,
-      "step": 1518
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9992,
-      "step": 1519
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0618,
-      "step": 1520
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9987,
-      "step": 1521
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5264,
-      "step": 1522
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8558,
-      "step": 1523
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5659,
-      "step": 1524
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8027,
-      "step": 1525
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8626,
-      "step": 1526
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6747,
-      "step": 1527
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6281,
-      "step": 1528
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8187,
-      "step": 1529
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5684,
-      "step": 1530
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6831,
-      "step": 1531
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7007,
-      "step": 1532
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9297,
-      "step": 1533
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6944,
-      "step": 1534
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7369,
-      "step": 1535
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9283,
-      "step": 1536
-    },
-    {
-      "epoch": 2.32,
-      "eval_loss": 1.95304274559021,
-      "eval_runtime": 58.958,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 1536
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7776,
-      "step": 1537
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0025,
-      "step": 1538
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6794,
-      "step": 1539
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9371,
-      "step": 1540
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.843,
-      "step": 1541
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6787,
-      "step": 1542
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7252,
-      "step": 1543
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4542,
-      "step": 1544
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0452,
-      "step": 1545
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7478,
-      "step": 1546
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0385,
-      "step": 1547
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7434,
-      "step": 1548
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7329,
-      "step": 1549
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8185,
-      "step": 1550
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6201,
-      "step": 1551
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5526,
-      "step": 1552
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.984,
-      "step": 1553
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7352,
-      "step": 1554
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7045,
-      "step": 1555
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1606,
-      "step": 1556
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5079,
-      "step": 1557
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4283,
-      "step": 1558
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.652,
-      "step": 1559
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4516,
-      "step": 1560
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5352,
-      "step": 1561
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7763,
-      "step": 1562
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7774,
-      "step": 1563
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8251,
-      "step": 1564
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7773,
-      "step": 1565
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8574,
-      "step": 1566
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6826,
-      "step": 1567
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7094,
-      "step": 1568
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6665,
-      "step": 1569
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4138,
-      "step": 1570
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6723,
-      "step": 1571
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6415,
-      "step": 1572
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0523,
-      "step": 1573
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5735,
-      "step": 1574
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9267,
-      "step": 1575
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7602,
-      "step": 1576
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8927,
-      "step": 1577
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6876,
-      "step": 1578
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7431,
-      "step": 1579
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4307,
-      "step": 1580
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8689,
-      "step": 1581
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0437,
-      "step": 1582
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0159,
-      "step": 1583
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6353,
-      "step": 1584
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7589,
-      "step": 1585
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8439,
-      "step": 1586
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.616,
-      "step": 1587
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8321,
-      "step": 1588
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6943,
-      "step": 1589
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0925,
-      "step": 1590
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9502,
-      "step": 1591
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7422,
-      "step": 1592
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.348,
-      "step": 1593
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6884,
-      "step": 1594
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6464,
-      "step": 1595
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5747,
-      "step": 1596
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8697,
-      "step": 1597
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6978,
-      "step": 1598
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4896,
-      "step": 1599
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7731,
-      "step": 1600
-    },
-    {
-      "epoch": 2.42,
-      "eval_loss": 1.949257254600525,
-      "eval_runtime": 58.9507,
-      "eval_samples_per_second": 0.237,
-      "eval_steps_per_second": 0.119,
-      "step": 1600
-    }
-  ],
-  "logging_steps": 1,
-  "max_steps": 2648,
-  "num_input_tokens_seen": 0,
-  "num_train_epochs": 4,
-  "save_steps": 64,
-  "total_flos": 2.2881658163712492e+18,
-  "train_batch_size": 2,
-  "trial_name": null,
-  "trial_params": null
-}