{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 4.0,
  "eval_steps": 500,
  "global_step": 96,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.20833333333333334,
      "grad_norm": 0.19238783419132233,
      "learning_rate": 0.001,
      "loss": 2.1609,
      "step": 5
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 0.25501957535743713,
      "learning_rate": 0.0009450549450549451,
      "loss": 112.7474,
      "step": 10
    },
    {
      "epoch": 0.625,
      "grad_norm": 0.26403358578681946,
      "learning_rate": 0.00089010989010989,
      "loss": 1.7251,
      "step": 15
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 0.22951294481754303,
      "learning_rate": 0.0008351648351648352,
      "loss": 1.6202,
      "step": 20
    },
    {
      "epoch": 1.0416666666666667,
      "grad_norm": 0.24705559015274048,
      "learning_rate": 0.0007802197802197802,
      "loss": 1.6083,
      "step": 25
    },
    {
      "epoch": 1.25,
      "grad_norm": 0.27762821316719055,
      "learning_rate": 0.0007252747252747253,
      "loss": 94.5299,
      "step": 30
    },
    {
      "epoch": 1.4583333333333333,
      "grad_norm": 0.31244632601737976,
      "learning_rate": 0.0006703296703296702,
      "loss": 1.4189,
      "step": 35
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 0.26604393124580383,
      "learning_rate": 0.0006153846153846154,
      "loss": 1.3986,
      "step": 40
    },
    {
      "epoch": 1.875,
      "grad_norm": 0.2991505563259125,
      "learning_rate": 0.0005604395604395605,
      "loss": 1.2591,
      "step": 45
    },
    {
      "epoch": 2.0833333333333335,
      "grad_norm": 0.24768340587615967,
      "learning_rate": 0.0005054945054945055,
      "loss": 1.2605,
      "step": 50
    },
    {
      "epoch": 2.2916666666666665,
      "grad_norm": 0.2997336983680725,
      "learning_rate": 0.00045054945054945057,
      "loss": 121.1995,
      "step": 55
    },
    {
      "epoch": 2.5,
      "grad_norm": 0.3109113574028015,
      "learning_rate": 0.00039560439560439557,
      "loss": 1.1185,
      "step": 60
    },
    {
      "epoch": 2.7083333333333335,
      "grad_norm": 0.3374277353286743,
      "learning_rate": 0.0003406593406593407,
      "loss": 1.0705,
      "step": 65
    },
    {
      "epoch": 2.9166666666666665,
      "grad_norm": 0.3387056887149811,
      "learning_rate": 0.0002857142857142857,
      "loss": 1.137,
      "step": 70
    },
    {
      "epoch": 3.125,
      "grad_norm": 1.2697887420654297,
      "learning_rate": 0.0002307692307692308,
      "loss": 132.8697,
      "step": 75
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.311249315738678,
      "learning_rate": 0.00017582417582417585,
      "loss": 0.9697,
      "step": 80
    },
    {
      "epoch": 3.5416666666666665,
      "grad_norm": 0.2974355220794678,
      "learning_rate": 0.00012087912087912089,
      "loss": 0.916,
      "step": 85
    },
    {
      "epoch": 3.75,
      "grad_norm": 0.37431657314300537,
      "learning_rate": 6.593406593406594e-05,
      "loss": 1.0749,
      "step": 90
    },
    {
      "epoch": 3.9583333333333335,
      "grad_norm": 0.29740434885025024,
      "learning_rate": 1.098901098901099e-05,
      "loss": 1.0644,
      "step": 95
    },
    {
      "epoch": 4.0,
      "step": 96,
      "total_flos": 85256425787904.0,
      "train_loss": 25.069714224586885,
      "train_runtime": 1158.3272,
      "train_samples_per_second": 0.332,
      "train_steps_per_second": 0.083
    }
  ],
  "logging_steps": 5,
  "max_steps": 96,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 4,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": false,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 85256425787904.0,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}