emilykang commited on
Commit
fcaf142
1 Parent(s): 16f057e

Training in progress, epoch 0

Browse files
adapter_config.json CHANGED
@@ -20,13 +20,13 @@
20
  "rank_pattern": {},
21
  "revision": null,
22
  "target_modules": [
23
- "o_proj",
24
- "gate_proj",
25
  "down_proj",
26
  "up_proj",
27
- "q_proj",
 
28
  "v_proj",
29
- "k_proj"
 
30
  ],
31
  "task_type": "CAUSAL_LM",
32
  "use_dora": false,
 
20
  "rank_pattern": {},
21
  "revision": null,
22
  "target_modules": [
 
 
23
  "down_proj",
24
  "up_proj",
25
+ "o_proj",
26
+ "k_proj",
27
  "v_proj",
28
+ "gate_proj",
29
+ "q_proj"
30
  ],
31
  "task_type": "CAUSAL_LM",
32
  "use_dora": false,
adapter_model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:1a2b067c530f7c68fe3dd6828a308c57ebea96436793f6f4335a207affa63998
3
  size 78480072
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:16606fca4ea6f77bcf19caa4c75fbbf98d9032ce6a344b0a25e624916065b60e
3
  size 78480072
trainer_state.json ADDED
@@ -0,0 +1,3054 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 9.994216310005784,
5
+ "eval_steps": 500,
6
+ "global_step": 4320,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.02313475997686524,
13
+ "grad_norm": 4.818889617919922,
14
+ "learning_rate": 0.00019999735576321776,
15
+ "loss": 2.7586,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.04626951995373048,
20
+ "grad_norm": 1.2888654470443726,
21
+ "learning_rate": 0.00019998942319271077,
22
+ "loss": 2.4225,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.06940427993059572,
27
+ "grad_norm": 0.9638609290122986,
28
+ "learning_rate": 0.00019997620270799092,
29
+ "loss": 2.2447,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.09253903990746096,
34
+ "grad_norm": 0.882834255695343,
35
+ "learning_rate": 0.0001999576950082201,
36
+ "loss": 2.2015,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.1156737998843262,
41
+ "grad_norm": 1.0840070247650146,
42
+ "learning_rate": 0.00019993390107217302,
43
+ "loss": 2.1489,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.13880855986119145,
48
+ "grad_norm": 13.946427345275879,
49
+ "learning_rate": 0.0001999048221581858,
50
+ "loss": 2.1928,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.16194331983805668,
55
+ "grad_norm": 0.9393675327301025,
56
+ "learning_rate": 0.00019987045980408906,
57
+ "loss": 2.172,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.18507807981492191,
62
+ "grad_norm": 0.882853627204895,
63
+ "learning_rate": 0.00019983081582712685,
64
+ "loss": 2.1491,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.20821283979178715,
69
+ "grad_norm": 0.8838891386985779,
70
+ "learning_rate": 0.00019978589232386035,
71
+ "loss": 2.1147,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.2313475997686524,
76
+ "grad_norm": 0.9649007320404053,
77
+ "learning_rate": 0.00019973569167005723,
78
+ "loss": 2.0984,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.25448235974551764,
83
+ "grad_norm": 0.9888186454772949,
84
+ "learning_rate": 0.00019968021652056576,
85
+ "loss": 2.0735,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.2776171197223829,
90
+ "grad_norm": 0.8648116588592529,
91
+ "learning_rate": 0.00019961946980917456,
92
+ "loss": 2.0005,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.3007518796992481,
97
+ "grad_norm": 0.932079553604126,
98
+ "learning_rate": 0.0001995534547484574,
99
+ "loss": 1.9938,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.32388663967611336,
104
+ "grad_norm": 0.9043927788734436,
105
+ "learning_rate": 0.0001994821748296033,
106
+ "loss": 1.9941,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.3470213996529786,
111
+ "grad_norm": 0.9096814393997192,
112
+ "learning_rate": 0.00019940563382223197,
113
+ "loss": 2.0175,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.37015615962984383,
118
+ "grad_norm": 0.9436717629432678,
119
+ "learning_rate": 0.00019932383577419432,
120
+ "loss": 2.0761,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.3932909196067091,
125
+ "grad_norm": 0.8598865270614624,
126
+ "learning_rate": 0.00019923678501135848,
127
+ "loss": 2.0289,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.4164256795835743,
132
+ "grad_norm": 0.8160977363586426,
133
+ "learning_rate": 0.00019914448613738106,
134
+ "loss": 2.0161,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.43956043956043955,
139
+ "grad_norm": 0.8758726119995117,
140
+ "learning_rate": 0.0001990469440334636,
141
+ "loss": 1.95,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.4626951995373048,
146
+ "grad_norm": 0.9540367126464844,
147
+ "learning_rate": 0.00019894416385809444,
148
+ "loss": 2.033,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.48582995951417,
153
+ "grad_norm": 0.9104657173156738,
154
+ "learning_rate": 0.00019883615104677608,
155
+ "loss": 1.965,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.5089647194910353,
160
+ "grad_norm": 0.9348485469818115,
161
+ "learning_rate": 0.00019872291131173742,
162
+ "loss": 1.9257,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.5320994794679005,
167
+ "grad_norm": 1.0083684921264648,
168
+ "learning_rate": 0.00019860445064163193,
169
+ "loss": 1.9851,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.5552342394447658,
174
+ "grad_norm": 0.9179242849349976,
175
+ "learning_rate": 0.00019848077530122083,
176
+ "loss": 1.9656,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.578368999421631,
181
+ "grad_norm": 0.881529688835144,
182
+ "learning_rate": 0.00019835189183104178,
183
+ "loss": 1.9819,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.6015037593984962,
188
+ "grad_norm": 0.931932270526886,
189
+ "learning_rate": 0.00019821780704706307,
190
+ "loss": 1.9791,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.6246385193753615,
195
+ "grad_norm": 0.9711050391197205,
196
+ "learning_rate": 0.00019807852804032305,
197
+ "loss": 1.9672,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.6477732793522267,
202
+ "grad_norm": 0.9100776314735413,
203
+ "learning_rate": 0.00019793406217655517,
204
+ "loss": 1.9403,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.6709080393290919,
209
+ "grad_norm": 1.0750184059143066,
210
+ "learning_rate": 0.0001977844170957984,
211
+ "loss": 1.9222,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.6940427993059572,
216
+ "grad_norm": 1.0510389804840088,
217
+ "learning_rate": 0.00019762960071199333,
218
+ "loss": 1.8928,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.7171775592828225,
223
+ "grad_norm": 0.8637176156044006,
224
+ "learning_rate": 0.0001974696212125635,
225
+ "loss": 1.9064,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.7403123192596877,
230
+ "grad_norm": 0.9364832043647766,
231
+ "learning_rate": 0.00019730448705798239,
232
+ "loss": 1.9649,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.763447079236553,
237
+ "grad_norm": 1.0437376499176025,
238
+ "learning_rate": 0.00019713420698132614,
239
+ "loss": 1.9472,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.7865818392134182,
244
+ "grad_norm": 0.8804395198822021,
245
+ "learning_rate": 0.0001969587899878116,
246
+ "loss": 1.8961,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.8097165991902834,
251
+ "grad_norm": 0.9558535814285278,
252
+ "learning_rate": 0.0001967782453543201,
253
+ "loss": 1.9841,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.8328513591671486,
258
+ "grad_norm": 1.0408087968826294,
259
+ "learning_rate": 0.00019659258262890683,
260
+ "loss": 1.9095,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.8559861191440139,
265
+ "grad_norm": 1.0767790079116821,
266
+ "learning_rate": 0.00019640181163029595,
267
+ "loss": 1.8774,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.8791208791208791,
272
+ "grad_norm": 0.9003483057022095,
273
+ "learning_rate": 0.00019620594244736133,
274
+ "loss": 1.8791,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.9022556390977443,
279
+ "grad_norm": 0.9258147478103638,
280
+ "learning_rate": 0.0001960049854385929,
281
+ "loss": 1.9243,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.9253903990746096,
286
+ "grad_norm": 0.9662225842475891,
287
+ "learning_rate": 0.0001957989512315489,
288
+ "loss": 1.8853,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.9485251590514748,
293
+ "grad_norm": 0.8478869795799255,
294
+ "learning_rate": 0.00019558785072229396,
295
+ "loss": 1.8573,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.97165991902834,
300
+ "grad_norm": 0.9442031979560852,
301
+ "learning_rate": 0.0001953716950748227,
302
+ "loss": 1.8542,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.9947946790052054,
307
+ "grad_norm": 0.970368504524231,
308
+ "learning_rate": 0.00019515049572046937,
309
+ "loss": 1.9055,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 1.0179294389820706,
314
+ "grad_norm": 0.9968038201332092,
315
+ "learning_rate": 0.0001949242643573034,
316
+ "loss": 1.7246,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 1.0410641989589358,
321
+ "grad_norm": 0.9842697978019714,
322
+ "learning_rate": 0.0001946930129495106,
323
+ "loss": 1.726,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 1.064198958935801,
328
+ "grad_norm": 1.029723882675171,
329
+ "learning_rate": 0.0001944567537267605,
330
+ "loss": 1.6401,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 1.0873337189126664,
335
+ "grad_norm": 0.95682692527771,
336
+ "learning_rate": 0.00019421549918355966,
337
+ "loss": 1.642,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 1.1104684788895316,
342
+ "grad_norm": 1.1155472993850708,
343
+ "learning_rate": 0.00019396926207859084,
344
+ "loss": 1.7003,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 1.1336032388663968,
349
+ "grad_norm": 1.0741841793060303,
350
+ "learning_rate": 0.00019371805543403825,
351
+ "loss": 1.6915,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 1.156737998843262,
356
+ "grad_norm": 1.0780987739562988,
357
+ "learning_rate": 0.00019346189253489885,
358
+ "loss": 1.5675,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 1.1798727588201272,
363
+ "grad_norm": 1.0540192127227783,
364
+ "learning_rate": 0.00019320078692827987,
365
+ "loss": 1.6459,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 1.2030075187969924,
370
+ "grad_norm": 1.0274903774261475,
371
+ "learning_rate": 0.00019293475242268223,
372
+ "loss": 1.6763,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 1.2261422787738576,
377
+ "grad_norm": 1.0954372882843018,
378
+ "learning_rate": 0.00019266380308727055,
379
+ "loss": 1.7276,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 1.249277038750723,
384
+ "grad_norm": 1.1079906225204468,
385
+ "learning_rate": 0.0001923879532511287,
386
+ "loss": 1.6581,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 1.2724117987275883,
391
+ "grad_norm": 1.053789734840393,
392
+ "learning_rate": 0.00019210721750250235,
393
+ "loss": 1.709,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 1.2955465587044535,
398
+ "grad_norm": 1.0135327577590942,
399
+ "learning_rate": 0.00019182161068802741,
400
+ "loss": 1.6606,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 1.3186813186813187,
405
+ "grad_norm": 1.0936933755874634,
406
+ "learning_rate": 0.00019153114791194473,
407
+ "loss": 1.6489,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 1.3418160786581839,
412
+ "grad_norm": 1.0684951543807983,
413
+ "learning_rate": 0.00019123584453530144,
414
+ "loss": 1.7086,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 1.3649508386350493,
419
+ "grad_norm": 1.1002228260040283,
420
+ "learning_rate": 0.00019093571617513852,
421
+ "loss": 1.6785,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 1.3880855986119145,
426
+ "grad_norm": 1.0296435356140137,
427
+ "learning_rate": 0.000190630778703665,
428
+ "loss": 1.6931,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 1.4112203585887797,
433
+ "grad_norm": 1.2503811120986938,
434
+ "learning_rate": 0.00019032104824741843,
435
+ "loss": 1.6651,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 1.434355118565645,
440
+ "grad_norm": 1.048912763595581,
441
+ "learning_rate": 0.00019000654118641211,
442
+ "loss": 1.7226,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 1.45748987854251,
447
+ "grad_norm": 1.1050567626953125,
448
+ "learning_rate": 0.00018968727415326884,
449
+ "loss": 1.6195,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 1.4806246385193753,
454
+ "grad_norm": 1.1447317600250244,
455
+ "learning_rate": 0.00018936326403234125,
456
+ "loss": 1.6719,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 1.5037593984962405,
461
+ "grad_norm": 1.2653794288635254,
462
+ "learning_rate": 0.0001890345279588189,
463
+ "loss": 1.6512,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 1.5268941584731057,
468
+ "grad_norm": 1.2562129497528076,
469
+ "learning_rate": 0.00018870108331782217,
470
+ "loss": 1.7135,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 1.550028918449971,
475
+ "grad_norm": 1.158982753753662,
476
+ "learning_rate": 0.00018836294774348278,
477
+ "loss": 1.6415,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 1.5731636784268364,
482
+ "grad_norm": 1.102187156677246,
483
+ "learning_rate": 0.00018802013911801112,
484
+ "loss": 1.589,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 1.5962984384037016,
489
+ "grad_norm": 1.126552939414978,
490
+ "learning_rate": 0.0001876726755707508,
491
+ "loss": 1.661,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 1.6194331983805668,
496
+ "grad_norm": 1.1704193353652954,
497
+ "learning_rate": 0.0001873205754772196,
498
+ "loss": 1.7446,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 1.6425679583574322,
503
+ "grad_norm": 1.1397557258605957,
504
+ "learning_rate": 0.00018696385745813792,
505
+ "loss": 1.6528,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 1.6657027183342974,
510
+ "grad_norm": 1.212633728981018,
511
+ "learning_rate": 0.00018660254037844388,
512
+ "loss": 1.6315,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 1.6888374783111626,
517
+ "grad_norm": 1.124883770942688,
518
+ "learning_rate": 0.00018623664334629575,
519
+ "loss": 1.6961,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 1.7119722382880278,
524
+ "grad_norm": 1.1361215114593506,
525
+ "learning_rate": 0.00018586618571206134,
526
+ "loss": 1.7002,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 1.735106998264893,
531
+ "grad_norm": 1.3424755334854126,
532
+ "learning_rate": 0.00018549118706729468,
533
+ "loss": 1.6754,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 1.7582417582417582,
538
+ "grad_norm": 1.1060627698898315,
539
+ "learning_rate": 0.00018511166724369997,
540
+ "loss": 1.6363,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 1.7813765182186234,
545
+ "grad_norm": 1.1465959548950195,
546
+ "learning_rate": 0.0001847276463120828,
547
+ "loss": 1.5913,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 1.8045112781954886,
552
+ "grad_norm": 1.1735104322433472,
553
+ "learning_rate": 0.0001843391445812886,
554
+ "loss": 1.6201,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 1.8276460381723538,
559
+ "grad_norm": 1.0827069282531738,
560
+ "learning_rate": 0.00018394618259712865,
561
+ "loss": 1.6184,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 1.8507807981492193,
566
+ "grad_norm": 1.0566381216049194,
567
+ "learning_rate": 0.00018354878114129367,
568
+ "loss": 1.64,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 1.8739155581260845,
573
+ "grad_norm": 1.223117470741272,
574
+ "learning_rate": 0.00018314696123025454,
575
+ "loss": 1.651,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 1.8970503181029497,
580
+ "grad_norm": 1.2156977653503418,
581
+ "learning_rate": 0.00018274074411415105,
582
+ "loss": 1.6914,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 1.9201850780798149,
587
+ "grad_norm": 1.179998517036438,
588
+ "learning_rate": 0.00018233015127566807,
589
+ "loss": 1.6974,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 1.9433198380566803,
594
+ "grad_norm": 1.1092870235443115,
595
+ "learning_rate": 0.0001819152044288992,
596
+ "loss": 1.5961,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 1.9664545980335455,
601
+ "grad_norm": 1.0674152374267578,
602
+ "learning_rate": 0.0001814959255181988,
603
+ "loss": 1.6687,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 1.9895893580104107,
608
+ "grad_norm": 1.3172643184661865,
609
+ "learning_rate": 0.00018107233671702124,
610
+ "loss": 1.7101,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 2.012724117987276,
615
+ "grad_norm": 1.3380361795425415,
616
+ "learning_rate": 0.00018064446042674828,
617
+ "loss": 1.5151,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 2.035858877964141,
622
+ "grad_norm": 1.431959867477417,
623
+ "learning_rate": 0.0001802123192755044,
624
+ "loss": 1.3543,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 2.0589936379410063,
629
+ "grad_norm": 1.2023745775222778,
630
+ "learning_rate": 0.00017977593611696015,
631
+ "loss": 1.3866,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 2.0821283979178715,
636
+ "grad_norm": 1.4215834140777588,
637
+ "learning_rate": 0.00017933533402912354,
638
+ "loss": 1.3933,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 2.1052631578947367,
643
+ "grad_norm": 1.2749346494674683,
644
+ "learning_rate": 0.00017889053631311947,
645
+ "loss": 1.3135,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 2.128397917871602,
650
+ "grad_norm": 1.347468376159668,
651
+ "learning_rate": 0.00017844156649195759,
652
+ "loss": 1.3276,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 2.151532677848467,
657
+ "grad_norm": 1.3235530853271484,
658
+ "learning_rate": 0.00017798844830928817,
659
+ "loss": 1.3517,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 2.174667437825333,
664
+ "grad_norm": 1.4696698188781738,
665
+ "learning_rate": 0.0001775312057281466,
666
+ "loss": 1.3442,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 2.197802197802198,
671
+ "grad_norm": 1.3937824964523315,
672
+ "learning_rate": 0.00017706986292968582,
673
+ "loss": 1.3082,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 2.220936957779063,
678
+ "grad_norm": 1.4411293268203735,
679
+ "learning_rate": 0.0001766044443118978,
680
+ "loss": 1.313,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 2.2440717177559284,
685
+ "grad_norm": 1.4743627309799194,
686
+ "learning_rate": 0.00017613497448832312,
687
+ "loss": 1.3783,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 2.2672064777327936,
692
+ "grad_norm": 1.3222951889038086,
693
+ "learning_rate": 0.00017566147828674931,
694
+ "loss": 1.3253,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 2.290341237709659,
699
+ "grad_norm": 1.3810490369796753,
700
+ "learning_rate": 0.00017518398074789775,
701
+ "loss": 1.3191,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 2.313475997686524,
706
+ "grad_norm": 1.3942046165466309,
707
+ "learning_rate": 0.0001747025071240996,
708
+ "loss": 1.4389,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 2.336610757663389,
713
+ "grad_norm": 1.523859977722168,
714
+ "learning_rate": 0.00017421708287796017,
715
+ "loss": 1.4015,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 2.3597455176402544,
720
+ "grad_norm": 1.435693383216858,
721
+ "learning_rate": 0.0001737277336810124,
722
+ "loss": 1.3434,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 2.3828802776171196,
727
+ "grad_norm": 1.4890649318695068,
728
+ "learning_rate": 0.00017323448541235924,
729
+ "loss": 1.3337,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 2.406015037593985,
734
+ "grad_norm": 1.3789806365966797,
735
+ "learning_rate": 0.00017273736415730488,
736
+ "loss": 1.3136,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 2.42914979757085,
741
+ "grad_norm": 1.4059851169586182,
742
+ "learning_rate": 0.00017223639620597556,
743
+ "loss": 1.4041,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 2.4522845575477152,
748
+ "grad_norm": 1.4800046682357788,
749
+ "learning_rate": 0.00017173160805192893,
750
+ "loss": 1.3156,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 2.4754193175245804,
755
+ "grad_norm": 1.556971549987793,
756
+ "learning_rate": 0.0001712230263907531,
757
+ "loss": 1.394,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 2.498554077501446,
762
+ "grad_norm": 1.4921575784683228,
763
+ "learning_rate": 0.00017071067811865476,
764
+ "loss": 1.3528,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 2.5216888374783113,
769
+ "grad_norm": 1.53052818775177,
770
+ "learning_rate": 0.00017019459033103682,
771
+ "loss": 1.3099,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 2.5448235974551765,
776
+ "grad_norm": 1.4016938209533691,
777
+ "learning_rate": 0.0001696747903210655,
778
+ "loss": 1.4067,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 2.5679583574320417,
783
+ "grad_norm": 1.5849937200546265,
784
+ "learning_rate": 0.00016915130557822695,
785
+ "loss": 1.3557,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 2.591093117408907,
790
+ "grad_norm": 1.5975929498672485,
791
+ "learning_rate": 0.0001686241637868734,
792
+ "loss": 1.304,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 2.614227877385772,
797
+ "grad_norm": 1.3660000562667847,
798
+ "learning_rate": 0.00016809339282475904,
799
+ "loss": 1.3462,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 2.6373626373626373,
804
+ "grad_norm": 1.4659340381622314,
805
+ "learning_rate": 0.00016755902076156604,
806
+ "loss": 1.3905,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 2.6604973973395025,
811
+ "grad_norm": 1.398289680480957,
812
+ "learning_rate": 0.0001670210758574196,
813
+ "loss": 1.3498,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 2.6836321573163677,
818
+ "grad_norm": 1.4304271936416626,
819
+ "learning_rate": 0.00016647958656139378,
820
+ "loss": 1.3641,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 2.706766917293233,
825
+ "grad_norm": 1.455327033996582,
826
+ "learning_rate": 0.00016593458151000688,
827
+ "loss": 1.3586,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 2.7299016772700986,
832
+ "grad_norm": 1.4968023300170898,
833
+ "learning_rate": 0.00016538608952570698,
834
+ "loss": 1.3731,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 2.753036437246964,
839
+ "grad_norm": 1.5257724523544312,
840
+ "learning_rate": 0.00016483413961534762,
841
+ "loss": 1.3484,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 2.776171197223829,
846
+ "grad_norm": 1.5006804466247559,
847
+ "learning_rate": 0.00016427876096865394,
848
+ "loss": 1.3702,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 2.799305957200694,
853
+ "grad_norm": 1.376607060432434,
854
+ "learning_rate": 0.00016371998295667886,
855
+ "loss": 1.4002,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 2.8224407171775594,
860
+ "grad_norm": 1.5122621059417725,
861
+ "learning_rate": 0.00016315783513024977,
862
+ "loss": 1.368,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 2.8455754771544246,
867
+ "grad_norm": 1.5241082906723022,
868
+ "learning_rate": 0.00016259234721840591,
869
+ "loss": 1.3907,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 2.86871023713129,
874
+ "grad_norm": 1.5061618089675903,
875
+ "learning_rate": 0.000162023549126826,
876
+ "loss": 1.3166,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 2.891844997108155,
881
+ "grad_norm": 1.3175408840179443,
882
+ "learning_rate": 0.00016145147093624677,
883
+ "loss": 1.3919,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 2.91497975708502,
888
+ "grad_norm": 1.614513635635376,
889
+ "learning_rate": 0.00016087614290087208,
890
+ "loss": 1.3702,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 2.9381145170618854,
895
+ "grad_norm": 1.460629940032959,
896
+ "learning_rate": 0.00016029759544677297,
897
+ "loss": 1.3504,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 2.9612492770387506,
902
+ "grad_norm": 1.5735194683074951,
903
+ "learning_rate": 0.00015971585917027862,
904
+ "loss": 1.3726,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 2.984384037015616,
909
+ "grad_norm": 1.3974887132644653,
910
+ "learning_rate": 0.00015913096483635824,
911
+ "loss": 1.3811,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 3.007518796992481,
916
+ "grad_norm": 1.3209352493286133,
917
+ "learning_rate": 0.00015854294337699408,
918
+ "loss": 1.2467,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 3.0306535569693462,
923
+ "grad_norm": 1.64750337600708,
924
+ "learning_rate": 0.0001579518258895455,
925
+ "loss": 1.0457,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 3.053788316946212,
930
+ "grad_norm": 1.7243373394012451,
931
+ "learning_rate": 0.0001573576436351046,
932
+ "loss": 1.0609,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 3.076923076923077,
937
+ "grad_norm": 1.5499110221862793,
938
+ "learning_rate": 0.00015676042803684288,
939
+ "loss": 1.0522,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 3.1000578368999423,
944
+ "grad_norm": 1.7944879531860352,
945
+ "learning_rate": 0.0001561602106783493,
946
+ "loss": 1.0416,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 3.1231925968768075,
951
+ "grad_norm": 1.7069816589355469,
952
+ "learning_rate": 0.00015555702330196023,
953
+ "loss": 0.9983,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 3.1463273568536727,
958
+ "grad_norm": 1.7057902812957764,
959
+ "learning_rate": 0.0001549508978070806,
960
+ "loss": 1.0115,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 3.169462116830538,
965
+ "grad_norm": 1.6382006406784058,
966
+ "learning_rate": 0.000154341866248497,
967
+ "loss": 1.0349,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 3.192596876807403,
972
+ "grad_norm": 1.6651489734649658,
973
+ "learning_rate": 0.0001537299608346824,
974
+ "loss": 1.092,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 3.2157316367842683,
979
+ "grad_norm": 1.7190675735473633,
980
+ "learning_rate": 0.00015311521392609282,
981
+ "loss": 1.0611,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 3.2388663967611335,
986
+ "grad_norm": 1.6004880666732788,
987
+ "learning_rate": 0.000152497658033456,
988
+ "loss": 1.0455,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 3.2620011567379987,
993
+ "grad_norm": 1.870151162147522,
994
+ "learning_rate": 0.00015187732581605217,
995
+ "loss": 1.0883,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 3.285135916714864,
1000
+ "grad_norm": 1.7651612758636475,
1001
+ "learning_rate": 0.00015125425007998653,
1002
+ "loss": 1.0853,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 3.308270676691729,
1007
+ "grad_norm": 1.578336477279663,
1008
+ "learning_rate": 0.00015062846377645475,
1009
+ "loss": 1.0612,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 3.331405436668595,
1014
+ "grad_norm": 1.8268855810165405,
1015
+ "learning_rate": 0.00015000000000000001,
1016
+ "loss": 1.112,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 3.35454019664546,
1021
+ "grad_norm": 1.663640022277832,
1022
+ "learning_rate": 0.00014936889198676303,
1023
+ "loss": 1.0387,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 3.377674956622325,
1028
+ "grad_norm": 1.7626187801361084,
1029
+ "learning_rate": 0.00014873517311272423,
1030
+ "loss": 1.0766,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 3.4008097165991904,
1035
+ "grad_norm": 1.683388113975525,
1036
+ "learning_rate": 0.00014809887689193877,
1037
+ "loss": 1.0982,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 3.4239444765760556,
1042
+ "grad_norm": 1.6581867933273315,
1043
+ "learning_rate": 0.00014746003697476404,
1044
+ "loss": 1.1141,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 3.447079236552921,
1049
+ "grad_norm": 1.9846975803375244,
1050
+ "learning_rate": 0.0001468186871460802,
1051
+ "loss": 1.0853,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 3.470213996529786,
1056
+ "grad_norm": 1.7938522100448608,
1057
+ "learning_rate": 0.00014617486132350343,
1058
+ "loss": 1.1085,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 3.493348756506651,
1063
+ "grad_norm": 1.7541499137878418,
1064
+ "learning_rate": 0.00014552859355559204,
1065
+ "loss": 1.0778,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 3.5164835164835164,
1070
+ "grad_norm": 1.7515652179718018,
1071
+ "learning_rate": 0.00014487991802004623,
1072
+ "loss": 1.1077,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 3.5396182764603816,
1077
+ "grad_norm": 1.7582262754440308,
1078
+ "learning_rate": 0.00014422886902190014,
1079
+ "loss": 1.0703,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 3.562753036437247,
1084
+ "grad_norm": 1.6952829360961914,
1085
+ "learning_rate": 0.00014357548099170795,
1086
+ "loss": 1.0588,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 3.585887796414112,
1091
+ "grad_norm": 1.8166347742080688,
1092
+ "learning_rate": 0.00014291978848372293,
1093
+ "loss": 1.053,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 3.6090225563909772,
1098
+ "grad_norm": 1.8070217370986938,
1099
+ "learning_rate": 0.00014226182617406996,
1100
+ "loss": 1.1416,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 3.6321573163678424,
1105
+ "grad_norm": 1.9227118492126465,
1106
+ "learning_rate": 0.00014160162885891193,
1107
+ "loss": 1.0947,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 3.6552920763447077,
1112
+ "grad_norm": 1.8285157680511475,
1113
+ "learning_rate": 0.00014093923145260925,
1114
+ "loss": 1.062,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 3.6784268363215733,
1119
+ "grad_norm": 1.8435360193252563,
1120
+ "learning_rate": 0.00014027466898587374,
1121
+ "loss": 1.0761,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 3.7015615962984385,
1126
+ "grad_norm": 1.8980731964111328,
1127
+ "learning_rate": 0.0001396079766039157,
1128
+ "loss": 1.0855,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 3.7246963562753037,
1133
+ "grad_norm": 1.8872120380401611,
1134
+ "learning_rate": 0.00013893918956458552,
1135
+ "loss": 1.0775,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 3.747831116252169,
1140
+ "grad_norm": 1.8531919717788696,
1141
+ "learning_rate": 0.000138268343236509,
1142
+ "loss": 1.0411,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 3.770965876229034,
1147
+ "grad_norm": 1.6847087144851685,
1148
+ "learning_rate": 0.0001375954730972168,
1149
+ "loss": 1.0747,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 3.7941006362058993,
1154
+ "grad_norm": 1.818551778793335,
1155
+ "learning_rate": 0.00013692061473126845,
1156
+ "loss": 1.0527,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 3.8172353961827645,
1161
+ "grad_norm": 1.7148271799087524,
1162
+ "learning_rate": 0.00013624380382837016,
1163
+ "loss": 1.0999,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 3.8403701561596297,
1168
+ "grad_norm": 1.6660877466201782,
1169
+ "learning_rate": 0.0001355650761814877,
1170
+ "loss": 1.0868,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 3.863504916136495,
1175
+ "grad_norm": 1.787760615348816,
1176
+ "learning_rate": 0.0001348844676849531,
1177
+ "loss": 1.1218,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 3.8866396761133606,
1182
+ "grad_norm": 1.7259087562561035,
1183
+ "learning_rate": 0.00013420201433256689,
1184
+ "loss": 1.085,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 3.909774436090226,
1189
+ "grad_norm": 1.666365146636963,
1190
+ "learning_rate": 0.00013351775221569415,
1191
+ "loss": 1.1676,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 3.932909196067091,
1196
+ "grad_norm": 1.7131948471069336,
1197
+ "learning_rate": 0.00013283171752135614,
1198
+ "loss": 1.0713,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 3.956043956043956,
1203
+ "grad_norm": 1.7973147630691528,
1204
+ "learning_rate": 0.00013214394653031616,
1205
+ "loss": 1.0864,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 3.9791787160208214,
1210
+ "grad_norm": 1.7572144269943237,
1211
+ "learning_rate": 0.00013145447561516138,
1212
+ "loss": 1.0458,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 4.002313475997687,
1217
+ "grad_norm": 1.5910913944244385,
1218
+ "learning_rate": 0.00013076334123837883,
1219
+ "loss": 1.0368,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 4.025448235974552,
1224
+ "grad_norm": 1.9898087978363037,
1225
+ "learning_rate": 0.00013007057995042732,
1226
+ "loss": 0.7595,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 4.048582995951417,
1231
+ "grad_norm": 1.8028409481048584,
1232
+ "learning_rate": 0.00012937622838780444,
1233
+ "loss": 0.7896,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 4.071717755928282,
1238
+ "grad_norm": 2.1292295455932617,
1239
+ "learning_rate": 0.00012868032327110904,
1240
+ "loss": 0.748,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 4.094852515905147,
1245
+ "grad_norm": 2.0062098503112793,
1246
+ "learning_rate": 0.00012798290140309923,
1247
+ "loss": 0.7741,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 4.117987275882013,
1252
+ "grad_norm": 2.028233528137207,
1253
+ "learning_rate": 0.00012728399966674612,
1254
+ "loss": 0.8249,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 4.141122035858878,
1259
+ "grad_norm": 2.332066297531128,
1260
+ "learning_rate": 0.0001265836550232833,
1261
+ "loss": 0.8377,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 4.164256795835743,
1266
+ "grad_norm": 2.0353000164031982,
1267
+ "learning_rate": 0.00012588190451025207,
1268
+ "loss": 0.7875,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 4.187391555812608,
1273
+ "grad_norm": 2.017143964767456,
1274
+ "learning_rate": 0.00012517878523954286,
1275
+ "loss": 0.7837,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 4.2105263157894735,
1280
+ "grad_norm": 2.2068400382995605,
1281
+ "learning_rate": 0.0001244743343954324,
1282
+ "loss": 0.844,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 4.233661075766339,
1287
+ "grad_norm": 2.1417810916900635,
1288
+ "learning_rate": 0.00012376858923261733,
1289
+ "loss": 0.7947,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 4.256795835743204,
1294
+ "grad_norm": 2.1283600330352783,
1295
+ "learning_rate": 0.00012306158707424403,
1296
+ "loss": 0.846,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 4.279930595720069,
1301
+ "grad_norm": 1.9856690168380737,
1302
+ "learning_rate": 0.00012235336530993474,
1303
+ "loss": 0.8118,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 4.303065355696934,
1308
+ "grad_norm": 1.9329304695129395,
1309
+ "learning_rate": 0.00012164396139381029,
1310
+ "loss": 0.78,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 4.3262001156737995,
1315
+ "grad_norm": 1.9364598989486694,
1316
+ "learning_rate": 0.0001209334128425092,
1317
+ "loss": 0.8625,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 4.349334875650666,
1322
+ "grad_norm": 1.803899884223938,
1323
+ "learning_rate": 0.00012022175723320381,
1324
+ "loss": 0.7904,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 4.372469635627531,
1329
+ "grad_norm": 1.9305102825164795,
1330
+ "learning_rate": 0.00011950903220161285,
1331
+ "loss": 0.8376,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 4.395604395604396,
1336
+ "grad_norm": 2.184109687805176,
1337
+ "learning_rate": 0.00011879527544001119,
1338
+ "loss": 0.755,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 4.418739155581261,
1343
+ "grad_norm": 1.9741244316101074,
1344
+ "learning_rate": 0.00011808052469523654,
1345
+ "loss": 0.8244,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 4.441873915558126,
1350
+ "grad_norm": 1.954925537109375,
1351
+ "learning_rate": 0.00011736481776669306,
1352
+ "loss": 0.8061,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 4.465008675534992,
1357
+ "grad_norm": 1.891669750213623,
1358
+ "learning_rate": 0.00011664819250435246,
1359
+ "loss": 0.8089,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 4.488143435511857,
1364
+ "grad_norm": 2.0183587074279785,
1365
+ "learning_rate": 0.00011593068680675228,
1366
+ "loss": 0.8304,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 4.511278195488722,
1371
+ "grad_norm": 1.9433139562606812,
1372
+ "learning_rate": 0.00011521233861899167,
1373
+ "loss": 0.8356,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 4.534412955465587,
1378
+ "grad_norm": 2.0215744972229004,
1379
+ "learning_rate": 0.00011449318593072466,
1380
+ "loss": 0.8106,
1381
+ "step": 1960
1382
+ },
1383
+ {
1384
+ "epoch": 4.557547715442452,
1385
+ "grad_norm": 2.0268826484680176,
1386
+ "learning_rate": 0.00011377326677415108,
1387
+ "loss": 0.8186,
1388
+ "step": 1970
1389
+ },
1390
+ {
1391
+ "epoch": 4.580682475419318,
1392
+ "grad_norm": 2.270048141479492,
1393
+ "learning_rate": 0.00011305261922200519,
1394
+ "loss": 0.7984,
1395
+ "step": 1980
1396
+ },
1397
+ {
1398
+ "epoch": 4.603817235396183,
1399
+ "grad_norm": 1.9835270643234253,
1400
+ "learning_rate": 0.0001123312813855422,
1401
+ "loss": 0.8106,
1402
+ "step": 1990
1403
+ },
1404
+ {
1405
+ "epoch": 4.626951995373048,
1406
+ "grad_norm": 2.036339044570923,
1407
+ "learning_rate": 0.00011160929141252303,
1408
+ "loss": 0.8778,
1409
+ "step": 2000
1410
+ },
1411
+ {
1412
+ "epoch": 4.650086755349913,
1413
+ "grad_norm": 2.1386802196502686,
1414
+ "learning_rate": 0.00011088668748519647,
1415
+ "loss": 0.8408,
1416
+ "step": 2010
1417
+ },
1418
+ {
1419
+ "epoch": 4.673221515326778,
1420
+ "grad_norm": 2.199148416519165,
1421
+ "learning_rate": 0.00011016350781828019,
1422
+ "loss": 0.8356,
1423
+ "step": 2020
1424
+ },
1425
+ {
1426
+ "epoch": 4.696356275303644,
1427
+ "grad_norm": 1.943888783454895,
1428
+ "learning_rate": 0.00010943979065693975,
1429
+ "loss": 0.8521,
1430
+ "step": 2030
1431
+ },
1432
+ {
1433
+ "epoch": 4.719491035280509,
1434
+ "grad_norm": 2.2225332260131836,
1435
+ "learning_rate": 0.00010871557427476583,
1436
+ "loss": 0.8487,
1437
+ "step": 2040
1438
+ },
1439
+ {
1440
+ "epoch": 4.742625795257374,
1441
+ "grad_norm": 2.0183157920837402,
1442
+ "learning_rate": 0.0001079908969717504,
1443
+ "loss": 0.8258,
1444
+ "step": 2050
1445
+ },
1446
+ {
1447
+ "epoch": 4.765760555234239,
1448
+ "grad_norm": 2.1665942668914795,
1449
+ "learning_rate": 0.00010726579707226108,
1450
+ "loss": 0.8786,
1451
+ "step": 2060
1452
+ },
1453
+ {
1454
+ "epoch": 4.7888953152111045,
1455
+ "grad_norm": 2.0331172943115234,
1456
+ "learning_rate": 0.00010654031292301432,
1457
+ "loss": 0.8344,
1458
+ "step": 2070
1459
+ },
1460
+ {
1461
+ "epoch": 4.81203007518797,
1462
+ "grad_norm": 2.299880266189575,
1463
+ "learning_rate": 0.00010581448289104758,
1464
+ "loss": 0.8267,
1465
+ "step": 2080
1466
+ },
1467
+ {
1468
+ "epoch": 4.835164835164835,
1469
+ "grad_norm": 2.0382227897644043,
1470
+ "learning_rate": 0.00010508834536169028,
1471
+ "loss": 0.8533,
1472
+ "step": 2090
1473
+ },
1474
+ {
1475
+ "epoch": 4.8582995951417,
1476
+ "grad_norm": 1.9726015329360962,
1477
+ "learning_rate": 0.00010436193873653361,
1478
+ "loss": 0.8654,
1479
+ "step": 2100
1480
+ },
1481
+ {
1482
+ "epoch": 4.881434355118565,
1483
+ "grad_norm": 2.1659207344055176,
1484
+ "learning_rate": 0.00010363530143139999,
1485
+ "loss": 0.8723,
1486
+ "step": 2110
1487
+ },
1488
+ {
1489
+ "epoch": 4.9045691150954305,
1490
+ "grad_norm": 2.0480141639709473,
1491
+ "learning_rate": 0.00010290847187431113,
1492
+ "loss": 0.8272,
1493
+ "step": 2120
1494
+ },
1495
+ {
1496
+ "epoch": 4.927703875072297,
1497
+ "grad_norm": 2.1771929264068604,
1498
+ "learning_rate": 0.00010218148850345613,
1499
+ "loss": 0.8352,
1500
+ "step": 2130
1501
+ },
1502
+ {
1503
+ "epoch": 4.950838635049161,
1504
+ "grad_norm": 2.022383689880371,
1505
+ "learning_rate": 0.00010145438976515828,
1506
+ "loss": 0.9057,
1507
+ "step": 2140
1508
+ },
1509
+ {
1510
+ "epoch": 4.973973395026027,
1511
+ "grad_norm": 2.1294972896575928,
1512
+ "learning_rate": 0.00010072721411184219,
1513
+ "loss": 0.8775,
1514
+ "step": 2150
1515
+ },
1516
+ {
1517
+ "epoch": 4.997108155002892,
1518
+ "grad_norm": 2.14635968208313,
1519
+ "learning_rate": 0.0001,
1520
+ "loss": 0.8175,
1521
+ "step": 2160
1522
+ },
1523
+ {
1524
+ "epoch": 5.020242914979757,
1525
+ "grad_norm": 2.4558303356170654,
1526
+ "learning_rate": 9.927278588815786e-05,
1527
+ "loss": 0.6267,
1528
+ "step": 2170
1529
+ },
1530
+ {
1531
+ "epoch": 5.043377674956623,
1532
+ "grad_norm": 2.078815221786499,
1533
+ "learning_rate": 9.854561023484173e-05,
1534
+ "loss": 0.6033,
1535
+ "step": 2180
1536
+ },
1537
+ {
1538
+ "epoch": 5.066512434933488,
1539
+ "grad_norm": 2.428105354309082,
1540
+ "learning_rate": 9.78185114965439e-05,
1541
+ "loss": 0.6157,
1542
+ "step": 2190
1543
+ },
1544
+ {
1545
+ "epoch": 5.089647194910353,
1546
+ "grad_norm": 2.1209535598754883,
1547
+ "learning_rate": 9.709152812568886e-05,
1548
+ "loss": 0.5899,
1549
+ "step": 2200
1550
+ },
1551
+ {
1552
+ "epoch": 5.112781954887218,
1553
+ "grad_norm": 2.1761510372161865,
1554
+ "learning_rate": 9.636469856860005e-05,
1555
+ "loss": 0.5986,
1556
+ "step": 2210
1557
+ },
1558
+ {
1559
+ "epoch": 5.135916714864083,
1560
+ "grad_norm": 2.0283255577087402,
1561
+ "learning_rate": 9.563806126346642e-05,
1562
+ "loss": 0.5719,
1563
+ "step": 2220
1564
+ },
1565
+ {
1566
+ "epoch": 5.159051474840949,
1567
+ "grad_norm": 2.2018613815307617,
1568
+ "learning_rate": 9.491165463830975e-05,
1569
+ "loss": 0.5884,
1570
+ "step": 2230
1571
+ },
1572
+ {
1573
+ "epoch": 5.182186234817814,
1574
+ "grad_norm": 2.153411626815796,
1575
+ "learning_rate": 9.418551710895243e-05,
1576
+ "loss": 0.5664,
1577
+ "step": 2240
1578
+ },
1579
+ {
1580
+ "epoch": 5.205320994794679,
1581
+ "grad_norm": 2.133164405822754,
1582
+ "learning_rate": 9.345968707698569e-05,
1583
+ "loss": 0.5873,
1584
+ "step": 2250
1585
+ },
1586
+ {
1587
+ "epoch": 5.228455754771544,
1588
+ "grad_norm": 2.3184361457824707,
1589
+ "learning_rate": 9.273420292773894e-05,
1590
+ "loss": 0.6031,
1591
+ "step": 2260
1592
+ },
1593
+ {
1594
+ "epoch": 5.251590514748409,
1595
+ "grad_norm": 1.985695481300354,
1596
+ "learning_rate": 9.200910302824963e-05,
1597
+ "loss": 0.603,
1598
+ "step": 2270
1599
+ },
1600
+ {
1601
+ "epoch": 5.274725274725275,
1602
+ "grad_norm": 2.204653024673462,
1603
+ "learning_rate": 9.128442572523417e-05,
1604
+ "loss": 0.5943,
1605
+ "step": 2280
1606
+ },
1607
+ {
1608
+ "epoch": 5.29786003470214,
1609
+ "grad_norm": 2.212740659713745,
1610
+ "learning_rate": 9.056020934306032e-05,
1611
+ "loss": 0.6301,
1612
+ "step": 2290
1613
+ },
1614
+ {
1615
+ "epoch": 5.320994794679005,
1616
+ "grad_norm": 2.320549964904785,
1617
+ "learning_rate": 8.983649218171982e-05,
1618
+ "loss": 0.6231,
1619
+ "step": 2300
1620
+ },
1621
+ {
1622
+ "epoch": 5.34412955465587,
1623
+ "grad_norm": 2.21589732170105,
1624
+ "learning_rate": 8.911331251480357e-05,
1625
+ "loss": 0.5959,
1626
+ "step": 2310
1627
+ },
1628
+ {
1629
+ "epoch": 5.3672643146327355,
1630
+ "grad_norm": 2.234104633331299,
1631
+ "learning_rate": 8.839070858747697e-05,
1632
+ "loss": 0.6234,
1633
+ "step": 2320
1634
+ },
1635
+ {
1636
+ "epoch": 5.390399074609601,
1637
+ "grad_norm": 2.3640241622924805,
1638
+ "learning_rate": 8.76687186144578e-05,
1639
+ "loss": 0.6501,
1640
+ "step": 2330
1641
+ },
1642
+ {
1643
+ "epoch": 5.413533834586466,
1644
+ "grad_norm": 2.0853078365325928,
1645
+ "learning_rate": 8.694738077799488e-05,
1646
+ "loss": 0.5925,
1647
+ "step": 2340
1648
+ },
1649
+ {
1650
+ "epoch": 5.436668594563331,
1651
+ "grad_norm": 2.4165499210357666,
1652
+ "learning_rate": 8.622673322584893e-05,
1653
+ "loss": 0.6399,
1654
+ "step": 2350
1655
+ },
1656
+ {
1657
+ "epoch": 5.459803354540196,
1658
+ "grad_norm": 2.2116127014160156,
1659
+ "learning_rate": 8.550681406927535e-05,
1660
+ "loss": 0.6438,
1661
+ "step": 2360
1662
+ },
1663
+ {
1664
+ "epoch": 5.4829381145170615,
1665
+ "grad_norm": 2.056300163269043,
1666
+ "learning_rate": 8.478766138100834e-05,
1667
+ "loss": 0.5918,
1668
+ "step": 2370
1669
+ },
1670
+ {
1671
+ "epoch": 5.506072874493928,
1672
+ "grad_norm": 2.453059196472168,
1673
+ "learning_rate": 8.406931319324776e-05,
1674
+ "loss": 0.6414,
1675
+ "step": 2380
1676
+ },
1677
+ {
1678
+ "epoch": 5.529207634470792,
1679
+ "grad_norm": 2.425656318664551,
1680
+ "learning_rate": 8.33518074956476e-05,
1681
+ "loss": 0.6227,
1682
+ "step": 2390
1683
+ },
1684
+ {
1685
+ "epoch": 5.552342394447658,
1686
+ "grad_norm": 2.2804975509643555,
1687
+ "learning_rate": 8.263518223330697e-05,
1688
+ "loss": 0.6061,
1689
+ "step": 2400
1690
+ },
1691
+ {
1692
+ "epoch": 5.575477154424523,
1693
+ "grad_norm": 2.6980812549591064,
1694
+ "learning_rate": 8.19194753047635e-05,
1695
+ "loss": 0.5937,
1696
+ "step": 2410
1697
+ },
1698
+ {
1699
+ "epoch": 5.598611914401388,
1700
+ "grad_norm": 2.084348201751709,
1701
+ "learning_rate": 8.120472455998882e-05,
1702
+ "loss": 0.6146,
1703
+ "step": 2420
1704
+ },
1705
+ {
1706
+ "epoch": 5.621746674378254,
1707
+ "grad_norm": 2.330526113510132,
1708
+ "learning_rate": 8.049096779838719e-05,
1709
+ "loss": 0.6077,
1710
+ "step": 2430
1711
+ },
1712
+ {
1713
+ "epoch": 5.644881434355119,
1714
+ "grad_norm": 2.280693769454956,
1715
+ "learning_rate": 7.977824276679623e-05,
1716
+ "loss": 0.6267,
1717
+ "step": 2440
1718
+ },
1719
+ {
1720
+ "epoch": 5.668016194331984,
1721
+ "grad_norm": 2.3855202198028564,
1722
+ "learning_rate": 7.90665871574908e-05,
1723
+ "loss": 0.6045,
1724
+ "step": 2450
1725
+ },
1726
+ {
1727
+ "epoch": 5.691150954308849,
1728
+ "grad_norm": 2.3103318214416504,
1729
+ "learning_rate": 7.835603860618972e-05,
1730
+ "loss": 0.6166,
1731
+ "step": 2460
1732
+ },
1733
+ {
1734
+ "epoch": 5.714285714285714,
1735
+ "grad_norm": 2.136725425720215,
1736
+ "learning_rate": 7.764663469006526e-05,
1737
+ "loss": 0.6116,
1738
+ "step": 2470
1739
+ },
1740
+ {
1741
+ "epoch": 5.73742047426258,
1742
+ "grad_norm": 2.1863021850585938,
1743
+ "learning_rate": 7.693841292575598e-05,
1744
+ "loss": 0.6302,
1745
+ "step": 2480
1746
+ },
1747
+ {
1748
+ "epoch": 5.760555234239445,
1749
+ "grad_norm": 2.1635851860046387,
1750
+ "learning_rate": 7.623141076738271e-05,
1751
+ "loss": 0.6232,
1752
+ "step": 2490
1753
+ },
1754
+ {
1755
+ "epoch": 5.78368999421631,
1756
+ "grad_norm": 2.2908101081848145,
1757
+ "learning_rate": 7.552566560456762e-05,
1758
+ "loss": 0.6573,
1759
+ "step": 2500
1760
+ },
1761
+ {
1762
+ "epoch": 5.806824754193175,
1763
+ "grad_norm": 2.1210217475891113,
1764
+ "learning_rate": 7.482121476045716e-05,
1765
+ "loss": 0.6391,
1766
+ "step": 2510
1767
+ },
1768
+ {
1769
+ "epoch": 5.82995951417004,
1770
+ "grad_norm": 2.4276537895202637,
1771
+ "learning_rate": 7.411809548974792e-05,
1772
+ "loss": 0.6313,
1773
+ "step": 2520
1774
+ },
1775
+ {
1776
+ "epoch": 5.853094274146906,
1777
+ "grad_norm": 2.296722412109375,
1778
+ "learning_rate": 7.341634497671672e-05,
1779
+ "loss": 0.6218,
1780
+ "step": 2530
1781
+ },
1782
+ {
1783
+ "epoch": 5.876229034123771,
1784
+ "grad_norm": 2.1190712451934814,
1785
+ "learning_rate": 7.271600033325393e-05,
1786
+ "loss": 0.6521,
1787
+ "step": 2540
1788
+ },
1789
+ {
1790
+ "epoch": 5.899363794100636,
1791
+ "grad_norm": 2.1762571334838867,
1792
+ "learning_rate": 7.20170985969008e-05,
1793
+ "loss": 0.6107,
1794
+ "step": 2550
1795
+ },
1796
+ {
1797
+ "epoch": 5.922498554077501,
1798
+ "grad_norm": 2.5130181312561035,
1799
+ "learning_rate": 7.131967672889101e-05,
1800
+ "loss": 0.6325,
1801
+ "step": 2560
1802
+ },
1803
+ {
1804
+ "epoch": 5.9456333140543665,
1805
+ "grad_norm": 2.1171939373016357,
1806
+ "learning_rate": 7.062377161219556e-05,
1807
+ "loss": 0.6242,
1808
+ "step": 2570
1809
+ },
1810
+ {
1811
+ "epoch": 5.968768074031232,
1812
+ "grad_norm": 2.013845682144165,
1813
+ "learning_rate": 6.992942004957271e-05,
1814
+ "loss": 0.6266,
1815
+ "step": 2580
1816
+ },
1817
+ {
1818
+ "epoch": 5.991902834008097,
1819
+ "grad_norm": 2.2959377765655518,
1820
+ "learning_rate": 6.923665876162118e-05,
1821
+ "loss": 0.6191,
1822
+ "step": 2590
1823
+ },
1824
+ {
1825
+ "epoch": 6.015037593984962,
1826
+ "grad_norm": 2.0503013134002686,
1827
+ "learning_rate": 6.854552438483865e-05,
1828
+ "loss": 0.5465,
1829
+ "step": 2600
1830
+ },
1831
+ {
1832
+ "epoch": 6.038172353961827,
1833
+ "grad_norm": 2.3042502403259277,
1834
+ "learning_rate": 6.785605346968386e-05,
1835
+ "loss": 0.4176,
1836
+ "step": 2610
1837
+ },
1838
+ {
1839
+ "epoch": 6.0613071139386925,
1840
+ "grad_norm": 2.150449275970459,
1841
+ "learning_rate": 6.71682824786439e-05,
1842
+ "loss": 0.4201,
1843
+ "step": 2620
1844
+ },
1845
+ {
1846
+ "epoch": 6.084441873915559,
1847
+ "grad_norm": 2.2146551609039307,
1848
+ "learning_rate": 6.648224778430586e-05,
1849
+ "loss": 0.4305,
1850
+ "step": 2630
1851
+ },
1852
+ {
1853
+ "epoch": 6.107576633892424,
1854
+ "grad_norm": 2.163520097732544,
1855
+ "learning_rate": 6.579798566743314e-05,
1856
+ "loss": 0.4445,
1857
+ "step": 2640
1858
+ },
1859
+ {
1860
+ "epoch": 6.130711393869289,
1861
+ "grad_norm": 2.339061975479126,
1862
+ "learning_rate": 6.511553231504693e-05,
1863
+ "loss": 0.4453,
1864
+ "step": 2650
1865
+ },
1866
+ {
1867
+ "epoch": 6.153846153846154,
1868
+ "grad_norm": 2.3959970474243164,
1869
+ "learning_rate": 6.443492381851237e-05,
1870
+ "loss": 0.4061,
1871
+ "step": 2660
1872
+ },
1873
+ {
1874
+ "epoch": 6.176980913823019,
1875
+ "grad_norm": 2.2613327503204346,
1876
+ "learning_rate": 6.375619617162985e-05,
1877
+ "loss": 0.4074,
1878
+ "step": 2670
1879
+ },
1880
+ {
1881
+ "epoch": 6.200115673799885,
1882
+ "grad_norm": 2.2177650928497314,
1883
+ "learning_rate": 6.307938526873157e-05,
1884
+ "loss": 0.441,
1885
+ "step": 2680
1886
+ },
1887
+ {
1888
+ "epoch": 6.22325043377675,
1889
+ "grad_norm": 2.184535503387451,
1890
+ "learning_rate": 6.24045269027832e-05,
1891
+ "loss": 0.4518,
1892
+ "step": 2690
1893
+ },
1894
+ {
1895
+ "epoch": 6.246385193753615,
1896
+ "grad_norm": 2.2392778396606445,
1897
+ "learning_rate": 6.173165676349103e-05,
1898
+ "loss": 0.4613,
1899
+ "step": 2700
1900
+ },
1901
+ {
1902
+ "epoch": 6.26951995373048,
1903
+ "grad_norm": 2.2998814582824707,
1904
+ "learning_rate": 6.106081043541451e-05,
1905
+ "loss": 0.4466,
1906
+ "step": 2710
1907
+ },
1908
+ {
1909
+ "epoch": 6.292654713707345,
1910
+ "grad_norm": 2.1889827251434326,
1911
+ "learning_rate": 6.039202339608432e-05,
1912
+ "loss": 0.4625,
1913
+ "step": 2720
1914
+ },
1915
+ {
1916
+ "epoch": 6.315789473684211,
1917
+ "grad_norm": 2.439364194869995,
1918
+ "learning_rate": 5.9725331014126294e-05,
1919
+ "loss": 0.4722,
1920
+ "step": 2730
1921
+ },
1922
+ {
1923
+ "epoch": 6.338924233661076,
1924
+ "grad_norm": 2.3686563968658447,
1925
+ "learning_rate": 5.906076854739074e-05,
1926
+ "loss": 0.4256,
1927
+ "step": 2740
1928
+ },
1929
+ {
1930
+ "epoch": 6.362058993637941,
1931
+ "grad_norm": 2.355642795562744,
1932
+ "learning_rate": 5.83983711410881e-05,
1933
+ "loss": 0.4405,
1934
+ "step": 2750
1935
+ },
1936
+ {
1937
+ "epoch": 6.385193753614806,
1938
+ "grad_norm": 2.5149965286254883,
1939
+ "learning_rate": 5.773817382593008e-05,
1940
+ "loss": 0.4775,
1941
+ "step": 2760
1942
+ },
1943
+ {
1944
+ "epoch": 6.408328513591671,
1945
+ "grad_norm": 2.1884281635284424,
1946
+ "learning_rate": 5.708021151627712e-05,
1947
+ "loss": 0.4219,
1948
+ "step": 2770
1949
+ },
1950
+ {
1951
+ "epoch": 6.431463273568537,
1952
+ "grad_norm": 2.5396625995635986,
1953
+ "learning_rate": 5.642451900829209e-05,
1954
+ "loss": 0.4617,
1955
+ "step": 2780
1956
+ },
1957
+ {
1958
+ "epoch": 6.454598033545402,
1959
+ "grad_norm": 2.1632354259490967,
1960
+ "learning_rate": 5.577113097809989e-05,
1961
+ "loss": 0.4407,
1962
+ "step": 2790
1963
+ },
1964
+ {
1965
+ "epoch": 6.477732793522267,
1966
+ "grad_norm": 2.3358309268951416,
1967
+ "learning_rate": 5.5120081979953785e-05,
1968
+ "loss": 0.4526,
1969
+ "step": 2800
1970
+ },
1971
+ {
1972
+ "epoch": 6.500867553499132,
1973
+ "grad_norm": 2.1623499393463135,
1974
+ "learning_rate": 5.447140644440798e-05,
1975
+ "loss": 0.4408,
1976
+ "step": 2810
1977
+ },
1978
+ {
1979
+ "epoch": 6.5240023134759975,
1980
+ "grad_norm": 2.002521514892578,
1981
+ "learning_rate": 5.382513867649663e-05,
1982
+ "loss": 0.4536,
1983
+ "step": 2820
1984
+ },
1985
+ {
1986
+ "epoch": 6.547137073452863,
1987
+ "grad_norm": 2.0050201416015625,
1988
+ "learning_rate": 5.3181312853919804e-05,
1989
+ "loss": 0.4468,
1990
+ "step": 2830
1991
+ },
1992
+ {
1993
+ "epoch": 6.570271833429728,
1994
+ "grad_norm": 1.9836812019348145,
1995
+ "learning_rate": 5.253996302523596e-05,
1996
+ "loss": 0.4524,
1997
+ "step": 2840
1998
+ },
1999
+ {
2000
+ "epoch": 6.593406593406593,
2001
+ "grad_norm": 2.3806679248809814,
2002
+ "learning_rate": 5.190112310806126e-05,
2003
+ "loss": 0.4598,
2004
+ "step": 2850
2005
+ },
2006
+ {
2007
+ "epoch": 6.616541353383458,
2008
+ "grad_norm": 2.2022571563720703,
2009
+ "learning_rate": 5.1264826887275776e-05,
2010
+ "loss": 0.4798,
2011
+ "step": 2860
2012
+ },
2013
+ {
2014
+ "epoch": 6.6396761133603235,
2015
+ "grad_norm": 2.4624128341674805,
2016
+ "learning_rate": 5.063110801323697e-05,
2017
+ "loss": 0.4561,
2018
+ "step": 2870
2019
+ },
2020
+ {
2021
+ "epoch": 6.66281087333719,
2022
+ "grad_norm": 2.4618606567382812,
2023
+ "learning_rate": 5.000000000000002e-05,
2024
+ "loss": 0.4389,
2025
+ "step": 2880
2026
+ },
2027
+ {
2028
+ "epoch": 6.685945633314054,
2029
+ "grad_norm": 2.107267379760742,
2030
+ "learning_rate": 4.937153622354529e-05,
2031
+ "loss": 0.4696,
2032
+ "step": 2890
2033
+ },
2034
+ {
2035
+ "epoch": 6.70908039329092,
2036
+ "grad_norm": 2.5566253662109375,
2037
+ "learning_rate": 4.8745749920013486e-05,
2038
+ "loss": 0.4778,
2039
+ "step": 2900
2040
+ },
2041
+ {
2042
+ "epoch": 6.732215153267785,
2043
+ "grad_norm": 2.2925281524658203,
2044
+ "learning_rate": 4.8122674183947836e-05,
2045
+ "loss": 0.4536,
2046
+ "step": 2910
2047
+ },
2048
+ {
2049
+ "epoch": 6.75534991324465,
2050
+ "grad_norm": 2.449045419692993,
2051
+ "learning_rate": 4.7502341966544e-05,
2052
+ "loss": 0.4679,
2053
+ "step": 2920
2054
+ },
2055
+ {
2056
+ "epoch": 6.778484673221516,
2057
+ "grad_norm": 2.3320090770721436,
2058
+ "learning_rate": 4.688478607390723e-05,
2059
+ "loss": 0.4517,
2060
+ "step": 2930
2061
+ },
2062
+ {
2063
+ "epoch": 6.801619433198381,
2064
+ "grad_norm": 2.4661507606506348,
2065
+ "learning_rate": 4.6270039165317605e-05,
2066
+ "loss": 0.4699,
2067
+ "step": 2940
2068
+ },
2069
+ {
2070
+ "epoch": 6.824754193175246,
2071
+ "grad_norm": 2.398205280303955,
2072
+ "learning_rate": 4.565813375150302e-05,
2073
+ "loss": 0.4614,
2074
+ "step": 2950
2075
+ },
2076
+ {
2077
+ "epoch": 6.847888953152111,
2078
+ "grad_norm": 2.3216257095336914,
2079
+ "learning_rate": 4.50491021929194e-05,
2080
+ "loss": 0.465,
2081
+ "step": 2960
2082
+ },
2083
+ {
2084
+ "epoch": 6.871023713128976,
2085
+ "grad_norm": 2.2298338413238525,
2086
+ "learning_rate": 4.444297669803981e-05,
2087
+ "loss": 0.4679,
2088
+ "step": 2970
2089
+ },
2090
+ {
2091
+ "epoch": 6.894158473105842,
2092
+ "grad_norm": 2.1584606170654297,
2093
+ "learning_rate": 4.383978932165073e-05,
2094
+ "loss": 0.4532,
2095
+ "step": 2980
2096
+ },
2097
+ {
2098
+ "epoch": 6.917293233082707,
2099
+ "grad_norm": 2.500182628631592,
2100
+ "learning_rate": 4.3239571963157145e-05,
2101
+ "loss": 0.4784,
2102
+ "step": 2990
2103
+ },
2104
+ {
2105
+ "epoch": 6.940427993059572,
2106
+ "grad_norm": 2.2554585933685303,
2107
+ "learning_rate": 4.264235636489542e-05,
2108
+ "loss": 0.471,
2109
+ "step": 3000
2110
+ },
2111
+ {
2112
+ "epoch": 6.963562753036437,
2113
+ "grad_norm": 2.2849414348602295,
2114
+ "learning_rate": 4.2048174110454496e-05,
2115
+ "loss": 0.4595,
2116
+ "step": 3010
2117
+ },
2118
+ {
2119
+ "epoch": 6.986697513013302,
2120
+ "grad_norm": 2.273737668991089,
2121
+ "learning_rate": 4.145705662300595e-05,
2122
+ "loss": 0.4557,
2123
+ "step": 3020
2124
+ },
2125
+ {
2126
+ "epoch": 7.009832272990168,
2127
+ "grad_norm": 1.8555997610092163,
2128
+ "learning_rate": 4.086903516364179e-05,
2129
+ "loss": 0.4155,
2130
+ "step": 3030
2131
+ },
2132
+ {
2133
+ "epoch": 7.032967032967033,
2134
+ "grad_norm": 2.351282835006714,
2135
+ "learning_rate": 4.028414082972141e-05,
2136
+ "loss": 0.3444,
2137
+ "step": 3040
2138
+ },
2139
+ {
2140
+ "epoch": 7.056101792943898,
2141
+ "grad_norm": 1.9804246425628662,
2142
+ "learning_rate": 3.9702404553227046e-05,
2143
+ "loss": 0.3247,
2144
+ "step": 3050
2145
+ },
2146
+ {
2147
+ "epoch": 7.079236552920763,
2148
+ "grad_norm": 2.0093185901641846,
2149
+ "learning_rate": 3.9123857099127936e-05,
2150
+ "loss": 0.3455,
2151
+ "step": 3060
2152
+ },
2153
+ {
2154
+ "epoch": 7.1023713128976285,
2155
+ "grad_norm": 2.369689702987671,
2156
+ "learning_rate": 3.854852906375326e-05,
2157
+ "loss": 0.3474,
2158
+ "step": 3070
2159
+ },
2160
+ {
2161
+ "epoch": 7.125506072874494,
2162
+ "grad_norm": 2.10414981842041,
2163
+ "learning_rate": 3.7976450873174005e-05,
2164
+ "loss": 0.3179,
2165
+ "step": 3080
2166
+ },
2167
+ {
2168
+ "epoch": 7.148640832851359,
2169
+ "grad_norm": 2.3380303382873535,
2170
+ "learning_rate": 3.7407652781594095e-05,
2171
+ "loss": 0.3298,
2172
+ "step": 3090
2173
+ },
2174
+ {
2175
+ "epoch": 7.171775592828224,
2176
+ "grad_norm": 1.9055235385894775,
2177
+ "learning_rate": 3.684216486975026e-05,
2178
+ "loss": 0.3446,
2179
+ "step": 3100
2180
+ },
2181
+ {
2182
+ "epoch": 7.194910352805089,
2183
+ "grad_norm": 2.2698934078216553,
2184
+ "learning_rate": 3.628001704332118e-05,
2185
+ "loss": 0.3202,
2186
+ "step": 3110
2187
+ },
2188
+ {
2189
+ "epoch": 7.2180451127819545,
2190
+ "grad_norm": 2.1574339866638184,
2191
+ "learning_rate": 3.5721239031346066e-05,
2192
+ "loss": 0.3299,
2193
+ "step": 3120
2194
+ },
2195
+ {
2196
+ "epoch": 7.241179872758821,
2197
+ "grad_norm": 2.068159818649292,
2198
+ "learning_rate": 3.516586038465237e-05,
2199
+ "loss": 0.3158,
2200
+ "step": 3130
2201
+ },
2202
+ {
2203
+ "epoch": 7.264314632735685,
2204
+ "grad_norm": 2.033571720123291,
2205
+ "learning_rate": 3.461391047429304e-05,
2206
+ "loss": 0.3511,
2207
+ "step": 3140
2208
+ },
2209
+ {
2210
+ "epoch": 7.287449392712551,
2211
+ "grad_norm": 2.3351962566375732,
2212
+ "learning_rate": 3.406541848999312e-05,
2213
+ "loss": 0.3495,
2214
+ "step": 3150
2215
+ },
2216
+ {
2217
+ "epoch": 7.310584152689416,
2218
+ "grad_norm": 1.9200048446655273,
2219
+ "learning_rate": 3.352041343860621e-05,
2220
+ "loss": 0.3329,
2221
+ "step": 3160
2222
+ },
2223
+ {
2224
+ "epoch": 7.333718912666281,
2225
+ "grad_norm": 2.1292202472686768,
2226
+ "learning_rate": 3.297892414258043e-05,
2227
+ "loss": 0.3233,
2228
+ "step": 3170
2229
+ },
2230
+ {
2231
+ "epoch": 7.356853672643147,
2232
+ "grad_norm": 2.009242057800293,
2233
+ "learning_rate": 3.244097923843398e-05,
2234
+ "loss": 0.3412,
2235
+ "step": 3180
2236
+ },
2237
+ {
2238
+ "epoch": 7.379988432620012,
2239
+ "grad_norm": 2.1473593711853027,
2240
+ "learning_rate": 3.190660717524094e-05,
2241
+ "loss": 0.3379,
2242
+ "step": 3190
2243
+ },
2244
+ {
2245
+ "epoch": 7.403123192596877,
2246
+ "grad_norm": 2.2157785892486572,
2247
+ "learning_rate": 3.137583621312665e-05,
2248
+ "loss": 0.3417,
2249
+ "step": 3200
2250
+ },
2251
+ {
2252
+ "epoch": 7.426257952573742,
2253
+ "grad_norm": 2.3066554069519043,
2254
+ "learning_rate": 3.0848694421773075e-05,
2255
+ "loss": 0.3319,
2256
+ "step": 3210
2257
+ },
2258
+ {
2259
+ "epoch": 7.449392712550607,
2260
+ "grad_norm": 2.0240354537963867,
2261
+ "learning_rate": 3.032520967893453e-05,
2262
+ "loss": 0.3343,
2263
+ "step": 3220
2264
+ },
2265
+ {
2266
+ "epoch": 7.472527472527473,
2267
+ "grad_norm": 2.417139768600464,
2268
+ "learning_rate": 2.9805409668963168e-05,
2269
+ "loss": 0.3236,
2270
+ "step": 3230
2271
+ },
2272
+ {
2273
+ "epoch": 7.495662232504338,
2274
+ "grad_norm": 2.220024347305298,
2275
+ "learning_rate": 2.9289321881345254e-05,
2276
+ "loss": 0.3374,
2277
+ "step": 3240
2278
+ },
2279
+ {
2280
+ "epoch": 7.518796992481203,
2281
+ "grad_norm": 2.071851968765259,
2282
+ "learning_rate": 2.8776973609246928e-05,
2283
+ "loss": 0.3625,
2284
+ "step": 3250
2285
+ },
2286
+ {
2287
+ "epoch": 7.541931752458068,
2288
+ "grad_norm": 2.0256235599517822,
2289
+ "learning_rate": 2.826839194807105e-05,
2290
+ "loss": 0.346,
2291
+ "step": 3260
2292
+ },
2293
+ {
2294
+ "epoch": 7.565066512434933,
2295
+ "grad_norm": 2.0721919536590576,
2296
+ "learning_rate": 2.776360379402445e-05,
2297
+ "loss": 0.3444,
2298
+ "step": 3270
2299
+ },
2300
+ {
2301
+ "epoch": 7.588201272411799,
2302
+ "grad_norm": 2.2439305782318115,
2303
+ "learning_rate": 2.7262635842695127e-05,
2304
+ "loss": 0.3413,
2305
+ "step": 3280
2306
+ },
2307
+ {
2308
+ "epoch": 7.611336032388664,
2309
+ "grad_norm": 2.2420361042022705,
2310
+ "learning_rate": 2.6765514587640818e-05,
2311
+ "loss": 0.3413,
2312
+ "step": 3290
2313
+ },
2314
+ {
2315
+ "epoch": 7.634470792365529,
2316
+ "grad_norm": 2.33591628074646,
2317
+ "learning_rate": 2.6272266318987603e-05,
2318
+ "loss": 0.3309,
2319
+ "step": 3300
2320
+ },
2321
+ {
2322
+ "epoch": 7.657605552342394,
2323
+ "grad_norm": 2.183473825454712,
2324
+ "learning_rate": 2.578291712203983e-05,
2325
+ "loss": 0.3341,
2326
+ "step": 3310
2327
+ },
2328
+ {
2329
+ "epoch": 7.6807403123192595,
2330
+ "grad_norm": 2.333395481109619,
2331
+ "learning_rate": 2.529749287590042e-05,
2332
+ "loss": 0.3665,
2333
+ "step": 3320
2334
+ },
2335
+ {
2336
+ "epoch": 7.703875072296125,
2337
+ "grad_norm": 2.368133783340454,
2338
+ "learning_rate": 2.4816019252102273e-05,
2339
+ "loss": 0.3341,
2340
+ "step": 3330
2341
+ },
2342
+ {
2343
+ "epoch": 7.72700983227299,
2344
+ "grad_norm": 2.055673360824585,
2345
+ "learning_rate": 2.433852171325072e-05,
2346
+ "loss": 0.331,
2347
+ "step": 3340
2348
+ },
2349
+ {
2350
+ "epoch": 7.750144592249855,
2351
+ "grad_norm": 2.531468391418457,
2352
+ "learning_rate": 2.3865025511676897e-05,
2353
+ "loss": 0.3553,
2354
+ "step": 3350
2355
+ },
2356
+ {
2357
+ "epoch": 7.77327935222672,
2358
+ "grad_norm": 2.126619338989258,
2359
+ "learning_rate": 2.339555568810221e-05,
2360
+ "loss": 0.3332,
2361
+ "step": 3360
2362
+ },
2363
+ {
2364
+ "epoch": 7.7964141122035855,
2365
+ "grad_norm": 2.1222150325775146,
2366
+ "learning_rate": 2.2930137070314194e-05,
2367
+ "loss": 0.3428,
2368
+ "step": 3370
2369
+ },
2370
+ {
2371
+ "epoch": 7.819548872180452,
2372
+ "grad_norm": 2.4255363941192627,
2373
+ "learning_rate": 2.246879427185341e-05,
2374
+ "loss": 0.3372,
2375
+ "step": 3380
2376
+ },
2377
+ {
2378
+ "epoch": 7.842683632157316,
2379
+ "grad_norm": 2.0324771404266357,
2380
+ "learning_rate": 2.201155169071184e-05,
2381
+ "loss": 0.3334,
2382
+ "step": 3390
2383
+ },
2384
+ {
2385
+ "epoch": 7.865818392134182,
2386
+ "grad_norm": 2.5304958820343018,
2387
+ "learning_rate": 2.155843350804243e-05,
2388
+ "loss": 0.3539,
2389
+ "step": 3400
2390
+ },
2391
+ {
2392
+ "epoch": 7.888953152111047,
2393
+ "grad_norm": 2.394742965698242,
2394
+ "learning_rate": 2.110946368688055e-05,
2395
+ "loss": 0.3522,
2396
+ "step": 3410
2397
+ },
2398
+ {
2399
+ "epoch": 7.912087912087912,
2400
+ "grad_norm": 2.2429323196411133,
2401
+ "learning_rate": 2.0664665970876496e-05,
2402
+ "loss": 0.3564,
2403
+ "step": 3420
2404
+ },
2405
+ {
2406
+ "epoch": 7.935222672064778,
2407
+ "grad_norm": 2.269540309906006,
2408
+ "learning_rate": 2.0224063883039868e-05,
2409
+ "loss": 0.3414,
2410
+ "step": 3430
2411
+ },
2412
+ {
2413
+ "epoch": 7.958357432041643,
2414
+ "grad_norm": 2.2664902210235596,
2415
+ "learning_rate": 1.9787680724495617e-05,
2416
+ "loss": 0.3422,
2417
+ "step": 3440
2418
+ },
2419
+ {
2420
+ "epoch": 7.981492192018508,
2421
+ "grad_norm": 2.529334545135498,
2422
+ "learning_rate": 1.9355539573251734e-05,
2423
+ "loss": 0.3384,
2424
+ "step": 3450
2425
+ },
2426
+ {
2427
+ "epoch": 8.004626951995373,
2428
+ "grad_norm": 1.9292296171188354,
2429
+ "learning_rate": 1.892766328297878e-05,
2430
+ "loss": 0.3313,
2431
+ "step": 3460
2432
+ },
2433
+ {
2434
+ "epoch": 8.027761711972238,
2435
+ "grad_norm": 1.851493000984192,
2436
+ "learning_rate": 1.8504074481801238e-05,
2437
+ "loss": 0.2768,
2438
+ "step": 3470
2439
+ },
2440
+ {
2441
+ "epoch": 8.050896471949104,
2442
+ "grad_norm": 2.0147864818573,
2443
+ "learning_rate": 1.808479557110081e-05,
2444
+ "loss": 0.2539,
2445
+ "step": 3480
2446
+ },
2447
+ {
2448
+ "epoch": 8.074031231925968,
2449
+ "grad_norm": 2.2376036643981934,
2450
+ "learning_rate": 1.7669848724331984e-05,
2451
+ "loss": 0.2815,
2452
+ "step": 3490
2453
+ },
2454
+ {
2455
+ "epoch": 8.097165991902834,
2456
+ "grad_norm": 2.2430434226989746,
2457
+ "learning_rate": 1.7259255885848946e-05,
2458
+ "loss": 0.2603,
2459
+ "step": 3500
2460
+ },
2461
+ {
2462
+ "epoch": 8.1203007518797,
2463
+ "grad_norm": 1.880216121673584,
2464
+ "learning_rate": 1.6853038769745467e-05,
2465
+ "loss": 0.2647,
2466
+ "step": 3510
2467
+ },
2468
+ {
2469
+ "epoch": 8.143435511856564,
2470
+ "grad_norm": 2.154496192932129,
2471
+ "learning_rate": 1.6451218858706374e-05,
2472
+ "loss": 0.2648,
2473
+ "step": 3520
2474
+ },
2475
+ {
2476
+ "epoch": 8.16657027183343,
2477
+ "grad_norm": 1.9910736083984375,
2478
+ "learning_rate": 1.6053817402871362e-05,
2479
+ "loss": 0.2737,
2480
+ "step": 3530
2481
+ },
2482
+ {
2483
+ "epoch": 8.189705031810295,
2484
+ "grad_norm": 1.7439430952072144,
2485
+ "learning_rate": 1.566085541871145e-05,
2486
+ "loss": 0.2728,
2487
+ "step": 3540
2488
+ },
2489
+ {
2490
+ "epoch": 8.212839791787161,
2491
+ "grad_norm": 1.8878188133239746,
2492
+ "learning_rate": 1.5272353687917196e-05,
2493
+ "loss": 0.2678,
2494
+ "step": 3550
2495
+ },
2496
+ {
2497
+ "epoch": 8.235974551764025,
2498
+ "grad_norm": 1.8868342638015747,
2499
+ "learning_rate": 1.4888332756300027e-05,
2500
+ "loss": 0.2629,
2501
+ "step": 3560
2502
+ },
2503
+ {
2504
+ "epoch": 8.259109311740891,
2505
+ "grad_norm": 2.0473947525024414,
2506
+ "learning_rate": 1.4508812932705363e-05,
2507
+ "loss": 0.2706,
2508
+ "step": 3570
2509
+ },
2510
+ {
2511
+ "epoch": 8.282244071717756,
2512
+ "grad_norm": 2.090017795562744,
2513
+ "learning_rate": 1.4133814287938706e-05,
2514
+ "loss": 0.2754,
2515
+ "step": 3580
2516
+ },
2517
+ {
2518
+ "epoch": 8.305378831694622,
2519
+ "grad_norm": 2.0764472484588623,
2520
+ "learning_rate": 1.3763356653704273e-05,
2521
+ "loss": 0.2801,
2522
+ "step": 3590
2523
+ },
2524
+ {
2525
+ "epoch": 8.328513591671486,
2526
+ "grad_norm": 1.978501796722412,
2527
+ "learning_rate": 1.339745962155613e-05,
2528
+ "loss": 0.2754,
2529
+ "step": 3600
2530
+ },
2531
+ {
2532
+ "epoch": 8.351648351648352,
2533
+ "grad_norm": 2.1843178272247314,
2534
+ "learning_rate": 1.3036142541862118e-05,
2535
+ "loss": 0.2734,
2536
+ "step": 3610
2537
+ },
2538
+ {
2539
+ "epoch": 8.374783111625216,
2540
+ "grad_norm": 2.240216016769409,
2541
+ "learning_rate": 1.2679424522780426e-05,
2542
+ "loss": 0.2819,
2543
+ "step": 3620
2544
+ },
2545
+ {
2546
+ "epoch": 8.397917871602083,
2547
+ "grad_norm": 2.18241548538208,
2548
+ "learning_rate": 1.2327324429249232e-05,
2549
+ "loss": 0.2744,
2550
+ "step": 3630
2551
+ },
2552
+ {
2553
+ "epoch": 8.421052631578947,
2554
+ "grad_norm": 2.1984431743621826,
2555
+ "learning_rate": 1.1979860881988902e-05,
2556
+ "loss": 0.2867,
2557
+ "step": 3640
2558
+ },
2559
+ {
2560
+ "epoch": 8.444187391555813,
2561
+ "grad_norm": 2.063441753387451,
2562
+ "learning_rate": 1.1637052256517244e-05,
2563
+ "loss": 0.2687,
2564
+ "step": 3650
2565
+ },
2566
+ {
2567
+ "epoch": 8.467322151532677,
2568
+ "grad_norm": 2.132188558578491,
2569
+ "learning_rate": 1.129891668217783e-05,
2570
+ "loss": 0.2542,
2571
+ "step": 3660
2572
+ },
2573
+ {
2574
+ "epoch": 8.490456911509543,
2575
+ "grad_norm": 2.227787971496582,
2576
+ "learning_rate": 1.0965472041181102e-05,
2577
+ "loss": 0.2849,
2578
+ "step": 3670
2579
+ },
2580
+ {
2581
+ "epoch": 8.513591671486408,
2582
+ "grad_norm": 1.9620667695999146,
2583
+ "learning_rate": 1.0636735967658784e-05,
2584
+ "loss": 0.2746,
2585
+ "step": 3680
2586
+ },
2587
+ {
2588
+ "epoch": 8.536726431463274,
2589
+ "grad_norm": 1.9825657606124878,
2590
+ "learning_rate": 1.0312725846731175e-05,
2591
+ "loss": 0.2665,
2592
+ "step": 3690
2593
+ },
2594
+ {
2595
+ "epoch": 8.559861191440138,
2596
+ "grad_norm": 1.9591861963272095,
2597
+ "learning_rate": 9.993458813587885e-06,
2598
+ "loss": 0.2598,
2599
+ "step": 3700
2600
+ },
2601
+ {
2602
+ "epoch": 8.582995951417004,
2603
+ "grad_norm": 2.2019407749176025,
2604
+ "learning_rate": 9.678951752581578e-06,
2605
+ "loss": 0.2801,
2606
+ "step": 3710
2607
+ },
2608
+ {
2609
+ "epoch": 8.606130711393869,
2610
+ "grad_norm": 2.131798267364502,
2611
+ "learning_rate": 9.369221296335006e-06,
2612
+ "loss": 0.2778,
2613
+ "step": 3720
2614
+ },
2615
+ {
2616
+ "epoch": 8.629265471370735,
2617
+ "grad_norm": 2.081733465194702,
2618
+ "learning_rate": 9.064283824861486e-06,
2619
+ "loss": 0.2774,
2620
+ "step": 3730
2621
+ },
2622
+ {
2623
+ "epoch": 8.652400231347599,
2624
+ "grad_norm": 2.1532142162323,
2625
+ "learning_rate": 8.764155464698597e-06,
2626
+ "loss": 0.2754,
2627
+ "step": 3740
2628
+ },
2629
+ {
2630
+ "epoch": 8.675534991324465,
2631
+ "grad_norm": 2.2483901977539062,
2632
+ "learning_rate": 8.46885208805529e-06,
2633
+ "loss": 0.2618,
2634
+ "step": 3750
2635
+ },
2636
+ {
2637
+ "epoch": 8.698669751301331,
2638
+ "grad_norm": 1.9993518590927124,
2639
+ "learning_rate": 8.178389311972612e-06,
2640
+ "loss": 0.2892,
2641
+ "step": 3760
2642
+ },
2643
+ {
2644
+ "epoch": 8.721804511278195,
2645
+ "grad_norm": 2.1293857097625732,
2646
+ "learning_rate": 7.892782497497642e-06,
2647
+ "loss": 0.2909,
2648
+ "step": 3770
2649
+ },
2650
+ {
2651
+ "epoch": 8.744939271255062,
2652
+ "grad_norm": 1.9576681852340698,
2653
+ "learning_rate": 7.612046748871327e-06,
2654
+ "loss": 0.2783,
2655
+ "step": 3780
2656
+ },
2657
+ {
2658
+ "epoch": 8.768074031231926,
2659
+ "grad_norm": 1.7659740447998047,
2660
+ "learning_rate": 7.336196912729487e-06,
2661
+ "loss": 0.2757,
2662
+ "step": 3790
2663
+ },
2664
+ {
2665
+ "epoch": 8.791208791208792,
2666
+ "grad_norm": 1.8570443391799927,
2667
+ "learning_rate": 7.0652475773177464e-06,
2668
+ "loss": 0.262,
2669
+ "step": 3800
2670
+ },
2671
+ {
2672
+ "epoch": 8.814343551185656,
2673
+ "grad_norm": 1.9978190660476685,
2674
+ "learning_rate": 6.7992130717201564e-06,
2675
+ "loss": 0.2686,
2676
+ "step": 3810
2677
+ },
2678
+ {
2679
+ "epoch": 8.837478311162522,
2680
+ "grad_norm": 2.242790460586548,
2681
+ "learning_rate": 6.538107465101162e-06,
2682
+ "loss": 0.2857,
2683
+ "step": 3820
2684
+ },
2685
+ {
2686
+ "epoch": 8.860613071139387,
2687
+ "grad_norm": 2.2894692420959473,
2688
+ "learning_rate": 6.281944565961773e-06,
2689
+ "loss": 0.2762,
2690
+ "step": 3830
2691
+ },
2692
+ {
2693
+ "epoch": 8.883747831116253,
2694
+ "grad_norm": 1.879543662071228,
2695
+ "learning_rate": 6.030737921409169e-06,
2696
+ "loss": 0.275,
2697
+ "step": 3840
2698
+ },
2699
+ {
2700
+ "epoch": 8.906882591093117,
2701
+ "grad_norm": 1.8957421779632568,
2702
+ "learning_rate": 5.784500816440353e-06,
2703
+ "loss": 0.2736,
2704
+ "step": 3850
2705
+ },
2706
+ {
2707
+ "epoch": 8.930017351069983,
2708
+ "grad_norm": 2.0215442180633545,
2709
+ "learning_rate": 5.543246273239533e-06,
2710
+ "loss": 0.2698,
2711
+ "step": 3860
2712
+ },
2713
+ {
2714
+ "epoch": 8.953152111046847,
2715
+ "grad_norm": 2.278769016265869,
2716
+ "learning_rate": 5.306987050489442e-06,
2717
+ "loss": 0.2832,
2718
+ "step": 3870
2719
+ },
2720
+ {
2721
+ "epoch": 8.976286871023714,
2722
+ "grad_norm": 2.370384931564331,
2723
+ "learning_rate": 5.075735642696611e-06,
2724
+ "loss": 0.2739,
2725
+ "step": 3880
2726
+ },
2727
+ {
2728
+ "epoch": 8.999421631000578,
2729
+ "grad_norm": 2.1495909690856934,
2730
+ "learning_rate": 4.849504279530636e-06,
2731
+ "loss": 0.2664,
2732
+ "step": 3890
2733
+ },
2734
+ {
2735
+ "epoch": 9.022556390977444,
2736
+ "grad_norm": 1.8931546211242676,
2737
+ "learning_rate": 4.628304925177318e-06,
2738
+ "loss": 0.251,
2739
+ "step": 3900
2740
+ },
2741
+ {
2742
+ "epoch": 9.045691150954308,
2743
+ "grad_norm": 1.964045763015747,
2744
+ "learning_rate": 4.412149277706046e-06,
2745
+ "loss": 0.2394,
2746
+ "step": 3910
2747
+ },
2748
+ {
2749
+ "epoch": 9.068825910931174,
2750
+ "grad_norm": 1.8425894975662231,
2751
+ "learning_rate": 4.20104876845111e-06,
2752
+ "loss": 0.2368,
2753
+ "step": 3920
2754
+ },
2755
+ {
2756
+ "epoch": 9.091960670908039,
2757
+ "grad_norm": 1.8906612396240234,
2758
+ "learning_rate": 3.99501456140714e-06,
2759
+ "loss": 0.2517,
2760
+ "step": 3930
2761
+ },
2762
+ {
2763
+ "epoch": 9.115095430884905,
2764
+ "grad_norm": 1.9606223106384277,
2765
+ "learning_rate": 3.7940575526386857e-06,
2766
+ "loss": 0.2638,
2767
+ "step": 3940
2768
+ },
2769
+ {
2770
+ "epoch": 9.13823019086177,
2771
+ "grad_norm": 2.0585832595825195,
2772
+ "learning_rate": 3.598188369704036e-06,
2773
+ "loss": 0.2465,
2774
+ "step": 3950
2775
+ },
2776
+ {
2777
+ "epoch": 9.161364950838635,
2778
+ "grad_norm": 2.0932703018188477,
2779
+ "learning_rate": 3.40741737109318e-06,
2780
+ "loss": 0.2454,
2781
+ "step": 3960
2782
+ },
2783
+ {
2784
+ "epoch": 9.1844997108155,
2785
+ "grad_norm": 1.9221563339233398,
2786
+ "learning_rate": 3.2217546456799086e-06,
2787
+ "loss": 0.2387,
2788
+ "step": 3970
2789
+ },
2790
+ {
2791
+ "epoch": 9.207634470792366,
2792
+ "grad_norm": 1.973889946937561,
2793
+ "learning_rate": 3.0412100121884e-06,
2794
+ "loss": 0.2475,
2795
+ "step": 3980
2796
+ },
2797
+ {
2798
+ "epoch": 9.23076923076923,
2799
+ "grad_norm": 1.8199151754379272,
2800
+ "learning_rate": 2.8657930186738567e-06,
2801
+ "loss": 0.2364,
2802
+ "step": 3990
2803
+ },
2804
+ {
2805
+ "epoch": 9.253903990746096,
2806
+ "grad_norm": 1.847708821296692,
2807
+ "learning_rate": 2.6955129420176196e-06,
2808
+ "loss": 0.2431,
2809
+ "step": 4000
2810
+ },
2811
+ {
2812
+ "epoch": 9.277038750722962,
2813
+ "grad_norm": 1.6919292211532593,
2814
+ "learning_rate": 2.530378787436527e-06,
2815
+ "loss": 0.2546,
2816
+ "step": 4010
2817
+ },
2818
+ {
2819
+ "epoch": 9.300173510699826,
2820
+ "grad_norm": 1.7380826473236084,
2821
+ "learning_rate": 2.3703992880066638e-06,
2822
+ "loss": 0.2471,
2823
+ "step": 4020
2824
+ },
2825
+ {
2826
+ "epoch": 9.323308270676693,
2827
+ "grad_norm": 2.1914947032928467,
2828
+ "learning_rate": 2.2155829042015962e-06,
2829
+ "loss": 0.2406,
2830
+ "step": 4030
2831
+ },
2832
+ {
2833
+ "epoch": 9.346443030653557,
2834
+ "grad_norm": 1.788342833518982,
2835
+ "learning_rate": 2.0659378234448525e-06,
2836
+ "loss": 0.2292,
2837
+ "step": 4040
2838
+ },
2839
+ {
2840
+ "epoch": 9.369577790630423,
2841
+ "grad_norm": 1.953272819519043,
2842
+ "learning_rate": 1.921471959676957e-06,
2843
+ "loss": 0.2393,
2844
+ "step": 4050
2845
+ },
2846
+ {
2847
+ "epoch": 9.392712550607287,
2848
+ "grad_norm": 2.092925548553467,
2849
+ "learning_rate": 1.7821929529369342e-06,
2850
+ "loss": 0.2455,
2851
+ "step": 4060
2852
+ },
2853
+ {
2854
+ "epoch": 9.415847310584153,
2855
+ "grad_norm": 1.312064528465271,
2856
+ "learning_rate": 1.648108168958229e-06,
2857
+ "loss": 0.2464,
2858
+ "step": 4070
2859
+ },
2860
+ {
2861
+ "epoch": 9.438982070561018,
2862
+ "grad_norm": 1.8902608156204224,
2863
+ "learning_rate": 1.5192246987791981e-06,
2864
+ "loss": 0.2503,
2865
+ "step": 4080
2866
+ },
2867
+ {
2868
+ "epoch": 9.462116830537884,
2869
+ "grad_norm": 2.0683326721191406,
2870
+ "learning_rate": 1.3955493583680868e-06,
2871
+ "loss": 0.2532,
2872
+ "step": 4090
2873
+ },
2874
+ {
2875
+ "epoch": 9.485251590514748,
2876
+ "grad_norm": 2.037275552749634,
2877
+ "learning_rate": 1.2770886882625955e-06,
2878
+ "loss": 0.2494,
2879
+ "step": 4100
2880
+ },
2881
+ {
2882
+ "epoch": 9.508386350491614,
2883
+ "grad_norm": 1.884734034538269,
2884
+ "learning_rate": 1.163848953223934e-06,
2885
+ "loss": 0.2427,
2886
+ "step": 4110
2887
+ },
2888
+ {
2889
+ "epoch": 9.531521110468478,
2890
+ "grad_norm": 2.0720531940460205,
2891
+ "learning_rate": 1.055836141905553e-06,
2892
+ "loss": 0.2361,
2893
+ "step": 4120
2894
+ },
2895
+ {
2896
+ "epoch": 9.554655870445345,
2897
+ "grad_norm": 1.7988377809524536,
2898
+ "learning_rate": 9.530559665364202e-07,
2899
+ "loss": 0.2524,
2900
+ "step": 4130
2901
+ },
2902
+ {
2903
+ "epoch": 9.577790630422209,
2904
+ "grad_norm": 2.159759044647217,
2905
+ "learning_rate": 8.555138626189618e-07,
2906
+ "loss": 0.2562,
2907
+ "step": 4140
2908
+ },
2909
+ {
2910
+ "epoch": 9.600925390399075,
2911
+ "grad_norm": 2.3228530883789062,
2912
+ "learning_rate": 7.632149886415363e-07,
2913
+ "loss": 0.2326,
2914
+ "step": 4150
2915
+ },
2916
+ {
2917
+ "epoch": 9.62406015037594,
2918
+ "grad_norm": 2.210181713104248,
2919
+ "learning_rate": 6.761642258056978e-07,
2920
+ "loss": 0.2628,
2921
+ "step": 4160
2922
+ },
2923
+ {
2924
+ "epoch": 9.647194910352805,
2925
+ "grad_norm": 1.6865817308425903,
2926
+ "learning_rate": 5.943661777680354e-07,
2927
+ "loss": 0.2409,
2928
+ "step": 4170
2929
+ },
2930
+ {
2931
+ "epoch": 9.67032967032967,
2932
+ "grad_norm": 1.9101097583770752,
2933
+ "learning_rate": 5.178251703967018e-07,
2934
+ "loss": 0.2453,
2935
+ "step": 4180
2936
+ },
2937
+ {
2938
+ "epoch": 9.693464430306536,
2939
+ "grad_norm": 2.2354347705841064,
2940
+ "learning_rate": 4.465452515426072e-07,
2941
+ "loss": 0.2339,
2942
+ "step": 4190
2943
+ },
2944
+ {
2945
+ "epoch": 9.7165991902834,
2946
+ "grad_norm": 2.173842668533325,
2947
+ "learning_rate": 3.805301908254455e-07,
2948
+ "loss": 0.2369,
2949
+ "step": 4200
2950
+ },
2951
+ {
2952
+ "epoch": 9.739733950260266,
2953
+ "grad_norm": 1.74326491355896,
2954
+ "learning_rate": 3.197834794342436e-07,
2955
+ "loss": 0.2431,
2956
+ "step": 4210
2957
+ },
2958
+ {
2959
+ "epoch": 9.76286871023713,
2960
+ "grad_norm": 1.731026291847229,
2961
+ "learning_rate": 2.643083299427751e-07,
2962
+ "loss": 0.2587,
2963
+ "step": 4220
2964
+ },
2965
+ {
2966
+ "epoch": 9.786003470213997,
2967
+ "grad_norm": 2.085442066192627,
2968
+ "learning_rate": 2.141076761396521e-07,
2969
+ "loss": 0.2525,
2970
+ "step": 4230
2971
+ },
2972
+ {
2973
+ "epoch": 9.809138230190861,
2974
+ "grad_norm": 1.921111822128296,
2975
+ "learning_rate": 1.6918417287318245e-07,
2976
+ "loss": 0.2561,
2977
+ "step": 4240
2978
+ },
2979
+ {
2980
+ "epoch": 9.832272990167727,
2981
+ "grad_norm": 1.7905348539352417,
2982
+ "learning_rate": 1.295401959109599e-07,
2983
+ "loss": 0.2425,
2984
+ "step": 4250
2985
+ },
2986
+ {
2987
+ "epoch": 9.855407750144593,
2988
+ "grad_norm": 2.0938756465911865,
2989
+ "learning_rate": 9.517784181422019e-08,
2990
+ "loss": 0.2486,
2991
+ "step": 4260
2992
+ },
2993
+ {
2994
+ "epoch": 9.878542510121457,
2995
+ "grad_norm": 2.0553646087646484,
2996
+ "learning_rate": 6.609892782699633e-08,
2997
+ "loss": 0.2397,
2998
+ "step": 4270
2999
+ },
3000
+ {
3001
+ "epoch": 9.901677270098324,
3002
+ "grad_norm": 1.8413350582122803,
3003
+ "learning_rate": 4.230499177994007e-08,
3004
+ "loss": 0.2504,
3005
+ "step": 4280
3006
+ },
3007
+ {
3008
+ "epoch": 9.924812030075188,
3009
+ "grad_norm": 1.7618731260299683,
3010
+ "learning_rate": 2.379729200908676e-08,
3011
+ "loss": 0.2491,
3012
+ "step": 4290
3013
+ },
3014
+ {
3015
+ "epoch": 9.947946790052054,
3016
+ "grad_norm": 1.7408370971679688,
3017
+ "learning_rate": 1.0576807289253143e-08,
3018
+ "loss": 0.2448,
3019
+ "step": 4300
3020
+ },
3021
+ {
3022
+ "epoch": 9.971081550028918,
3023
+ "grad_norm": 1.9657200574874878,
3024
+ "learning_rate": 2.6442367822565596e-09,
3025
+ "loss": 0.2623,
3026
+ "step": 4310
3027
+ },
3028
+ {
3029
+ "epoch": 9.994216310005784,
3030
+ "grad_norm": 1.993733525276184,
3031
+ "learning_rate": 0.0,
3032
+ "loss": 0.2453,
3033
+ "step": 4320
3034
+ },
3035
+ {
3036
+ "epoch": 9.994216310005784,
3037
+ "step": 4320,
3038
+ "total_flos": 2.1249547460149248e+17,
3039
+ "train_loss": 0.887424631913503,
3040
+ "train_runtime": 17181.5838,
3041
+ "train_samples_per_second": 1.006,
3042
+ "train_steps_per_second": 0.251
3043
+ }
3044
+ ],
3045
+ "logging_steps": 10,
3046
+ "max_steps": 4320,
3047
+ "num_input_tokens_seen": 0,
3048
+ "num_train_epochs": 10,
3049
+ "save_steps": 500,
3050
+ "total_flos": 2.1249547460149248e+17,
3051
+ "train_batch_size": 1,
3052
+ "trial_name": null,
3053
+ "trial_params": null
3054
+ }
training_args.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:c8f118ae9e8e47700baab774eed21eb29f775254aaffd88d5638af84197892f9
3
  size 5048
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ae18098947d709c4a75c7f8f7e079e765707d3f3dc9c259d5b9c9b7edc83d2d7
3
  size 5048