{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.066666666666667,
  "eval_steps": 2,
  "global_step": 23,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 80.4164047241211,
      "learning_rate": 1e-05,
      "loss": 6.707,
      "step": 1
    },
    {
      "epoch": 0.13333333333333333,
      "eval_loss": 7.363467216491699,
      "eval_runtime": 1.1549,
      "eval_samples_per_second": 6.061,
      "eval_steps_per_second": 0.866,
      "step": 1
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 63.362850189208984,
      "learning_rate": 2e-05,
      "loss": 6.0647,
      "step": 2
    },
    {
      "epoch": 0.26666666666666666,
      "eval_loss": 7.31527042388916,
      "eval_runtime": 0.2163,
      "eval_samples_per_second": 32.362,
      "eval_steps_per_second": 4.623,
      "step": 2
    },
    {
      "epoch": 0.4,
      "grad_norm": 76.64167022705078,
      "learning_rate": 3e-05,
      "loss": 6.803,
      "step": 3
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 91.12142944335938,
      "learning_rate": 4e-05,
      "loss": 6.1734,
      "step": 4
    },
    {
      "epoch": 0.5333333333333333,
      "eval_loss": 6.043015003204346,
      "eval_runtime": 0.2134,
      "eval_samples_per_second": 32.804,
      "eval_steps_per_second": 4.686,
      "step": 4
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 111.35071563720703,
      "learning_rate": 5e-05,
      "loss": 5.7333,
      "step": 5
    },
    {
      "epoch": 0.8,
      "grad_norm": 46.73306655883789,
      "learning_rate": 6e-05,
      "loss": 4.4635,
      "step": 6
    },
    {
      "epoch": 0.8,
      "eval_loss": 4.245808124542236,
      "eval_runtime": 0.2174,
      "eval_samples_per_second": 32.2,
      "eval_steps_per_second": 4.6,
      "step": 6
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 175.62147521972656,
      "learning_rate": 7e-05,
      "loss": 4.0269,
      "step": 7
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 343.51641845703125,
      "learning_rate": 8e-05,
      "loss": 5.3024,
      "step": 8
    },
    {
      "epoch": 1.0666666666666667,
      "eval_loss": 2.024526834487915,
      "eval_runtime": 0.2179,
      "eval_samples_per_second": 32.126,
      "eval_steps_per_second": 4.589,
      "step": 8
    },
    {
      "epoch": 1.2,
      "grad_norm": 34.6602783203125,
      "learning_rate": 9e-05,
      "loss": 2.3874,
      "step": 9
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 16.419517517089844,
      "learning_rate": 0.0001,
      "loss": 1.3972,
      "step": 10
    },
    {
      "epoch": 1.3333333333333333,
      "eval_loss": 1.281596064567566,
      "eval_runtime": 0.2173,
      "eval_samples_per_second": 32.209,
      "eval_steps_per_second": 4.601,
      "step": 10
    },
    {
      "epoch": 1.4666666666666668,
      "grad_norm": 25.600191116333008,
      "learning_rate": 9.85470908713026e-05,
      "loss": 1.1976,
      "step": 11
    },
    {
      "epoch": 1.6,
      "grad_norm": 15.398768424987793,
      "learning_rate": 9.42728012826605e-05,
      "loss": 0.9995,
      "step": 12
    },
    {
      "epoch": 1.6,
      "eval_loss": 0.8389143347740173,
      "eval_runtime": 0.2153,
      "eval_samples_per_second": 32.519,
      "eval_steps_per_second": 4.646,
      "step": 12
    },
    {
      "epoch": 1.7333333333333334,
      "grad_norm": 12.712580680847168,
      "learning_rate": 8.742553740855506e-05,
      "loss": 0.8362,
      "step": 13
    },
    {
      "epoch": 1.8666666666666667,
      "grad_norm": 12.350232124328613,
      "learning_rate": 7.840323733655778e-05,
      "loss": 0.8296,
      "step": 14
    },
    {
      "epoch": 1.8666666666666667,
      "eval_loss": 1.1776872873306274,
      "eval_runtime": 0.2157,
      "eval_samples_per_second": 32.456,
      "eval_steps_per_second": 4.637,
      "step": 14
    },
    {
      "epoch": 2.0,
      "grad_norm": 45.89893341064453,
      "learning_rate": 6.773024435212678e-05,
      "loss": 1.5488,
      "step": 15
    },
    {
      "epoch": 2.1333333333333333,
      "grad_norm": 25.603635787963867,
      "learning_rate": 5.602683401276615e-05,
      "loss": 1.0148,
      "step": 16
    },
    {
      "epoch": 2.1333333333333333,
      "eval_loss": 0.9164933562278748,
      "eval_runtime": 0.2155,
      "eval_samples_per_second": 32.482,
      "eval_steps_per_second": 4.64,
      "step": 16
    },
    {
      "epoch": 2.2666666666666666,
      "grad_norm": 8.098023414611816,
      "learning_rate": 4.397316598723385e-05,
      "loss": 0.5678,
      "step": 17
    },
    {
      "epoch": 2.4,
      "grad_norm": 10.408506393432617,
      "learning_rate": 3.226975564787322e-05,
      "loss": 0.5688,
      "step": 18
    },
    {
      "epoch": 2.4,
      "eval_loss": 0.6828694939613342,
      "eval_runtime": 0.2154,
      "eval_samples_per_second": 32.497,
      "eval_steps_per_second": 4.642,
      "step": 18
    },
    {
      "epoch": 2.533333333333333,
      "grad_norm": 6.496269702911377,
      "learning_rate": 2.1596762663442218e-05,
      "loss": 0.4174,
      "step": 19
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 11.882975578308105,
      "learning_rate": 1.257446259144494e-05,
      "loss": 0.5785,
      "step": 20
    },
    {
      "epoch": 2.6666666666666665,
      "eval_loss": 0.4960600733757019,
      "eval_runtime": 0.2147,
      "eval_samples_per_second": 32.599,
      "eval_steps_per_second": 4.657,
      "step": 20
    },
    {
      "epoch": 2.8,
      "grad_norm": 3.3415815830230713,
      "learning_rate": 5.727198717339511e-06,
      "loss": 0.3654,
      "step": 21
    },
    {
      "epoch": 2.9333333333333336,
      "grad_norm": 4.603838920593262,
      "learning_rate": 1.4529091286973995e-06,
      "loss": 0.4477,
      "step": 22
    },
    {
      "epoch": 2.9333333333333336,
      "eval_loss": 0.4476453959941864,
      "eval_runtime": 0.2156,
      "eval_samples_per_second": 32.463,
      "eval_steps_per_second": 4.638,
      "step": 22
    },
    {
      "epoch": 3.066666666666667,
      "grad_norm": 13.228358268737793,
      "learning_rate": 0.0,
      "loss": 0.6131,
      "step": 23
    }
  ],
  "logging_steps": 1,
  "max_steps": 23,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 4,
  "save_steps": 25,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 2328946846728192.0,
  "train_batch_size": 8,
  "trial_name": null,
  "trial_params": null
}