{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.0,
  "eval_steps": 500,
  "global_step": 46875,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.032,
      "grad_norm": 3.0679662227630615,
      "learning_rate": 4.9466666666666665e-05,
      "loss": 8.4071,
      "step": 500
    },
    {
      "epoch": 0.064,
      "grad_norm": 3.0055534839630127,
      "learning_rate": 4.8933333333333335e-05,
      "loss": 6.2004,
      "step": 1000
    },
    {
      "epoch": 0.096,
      "grad_norm": 2.9408485889434814,
      "learning_rate": 4.8400000000000004e-05,
      "loss": 5.6407,
      "step": 1500
    },
    {
      "epoch": 0.128,
      "grad_norm": 3.0326077938079834,
      "learning_rate": 4.7866666666666674e-05,
      "loss": 5.3057,
      "step": 2000
    },
    {
      "epoch": 0.16,
      "grad_norm": 2.9889914989471436,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 5.0433,
      "step": 2500
    },
    {
      "epoch": 0.192,
      "grad_norm": 3.0363354682922363,
      "learning_rate": 4.6800000000000006e-05,
      "loss": 4.8488,
      "step": 3000
    },
    {
      "epoch": 0.224,
      "grad_norm": 3.1424384117126465,
      "learning_rate": 4.626666666666667e-05,
      "loss": 4.6784,
      "step": 3500
    },
    {
      "epoch": 0.256,
      "grad_norm": 3.202749490737915,
      "learning_rate": 4.573333333333333e-05,
      "loss": 4.5396,
      "step": 4000
    },
    {
      "epoch": 0.288,
      "grad_norm": 3.166775703430176,
      "learning_rate": 4.52e-05,
      "loss": 4.417,
      "step": 4500
    },
    {
      "epoch": 0.32,
      "grad_norm": 3.2304818630218506,
      "learning_rate": 4.466666666666667e-05,
      "loss": 4.3049,
      "step": 5000
    },
    {
      "epoch": 0.352,
      "grad_norm": 3.34275221824646,
      "learning_rate": 4.413333333333334e-05,
      "loss": 4.2166,
      "step": 5500
    },
    {
      "epoch": 0.384,
      "grad_norm": 3.2604470252990723,
      "learning_rate": 4.36e-05,
      "loss": 4.1441,
      "step": 6000
    },
    {
      "epoch": 0.416,
      "grad_norm": 3.232607364654541,
      "learning_rate": 4.3066666666666665e-05,
      "loss": 4.0461,
      "step": 6500
    },
    {
      "epoch": 0.448,
      "grad_norm": 3.3781540393829346,
      "learning_rate": 4.2533333333333335e-05,
      "loss": 3.9763,
      "step": 7000
    },
    {
      "epoch": 0.48,
      "grad_norm": 3.3953583240509033,
      "learning_rate": 4.2e-05,
      "loss": 3.9124,
      "step": 7500
    },
    {
      "epoch": 0.512,
      "grad_norm": 3.35437273979187,
      "learning_rate": 4.146666666666667e-05,
      "loss": 3.8656,
      "step": 8000
    },
    {
      "epoch": 0.544,
      "grad_norm": 3.2697718143463135,
      "learning_rate": 4.093333333333334e-05,
      "loss": 3.8127,
      "step": 8500
    },
    {
      "epoch": 0.576,
      "grad_norm": 3.5520148277282715,
      "learning_rate": 4.0400000000000006e-05,
      "loss": 3.7642,
      "step": 9000
    },
    {
      "epoch": 0.608,
      "grad_norm": 3.622610092163086,
      "learning_rate": 3.986666666666667e-05,
      "loss": 3.7171,
      "step": 9500
    },
    {
      "epoch": 0.64,
      "grad_norm": 3.461024045944214,
      "learning_rate": 3.933333333333333e-05,
      "loss": 3.6795,
      "step": 10000
    },
    {
      "epoch": 0.672,
      "grad_norm": 3.416637897491455,
      "learning_rate": 3.88e-05,
      "loss": 3.6308,
      "step": 10500
    },
    {
      "epoch": 0.704,
      "grad_norm": 3.3884053230285645,
      "learning_rate": 3.8266666666666664e-05,
      "loss": 3.6011,
      "step": 11000
    },
    {
      "epoch": 0.736,
      "grad_norm": 3.487553119659424,
      "learning_rate": 3.773333333333334e-05,
      "loss": 3.5751,
      "step": 11500
    },
    {
      "epoch": 0.768,
      "grad_norm": 3.3338284492492676,
      "learning_rate": 3.72e-05,
      "loss": 3.5489,
      "step": 12000
    },
    {
      "epoch": 0.8,
      "grad_norm": 3.550006628036499,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 3.5126,
      "step": 12500
    },
    {
      "epoch": 0.832,
      "grad_norm": 3.6185271739959717,
      "learning_rate": 3.6133333333333335e-05,
      "loss": 3.4796,
      "step": 13000
    },
    {
      "epoch": 0.864,
      "grad_norm": 3.549903631210327,
      "learning_rate": 3.56e-05,
      "loss": 3.456,
      "step": 13500
    },
    {
      "epoch": 0.896,
      "grad_norm": 3.4854397773742676,
      "learning_rate": 3.506666666666667e-05,
      "loss": 3.4371,
      "step": 14000
    },
    {
      "epoch": 0.928,
      "grad_norm": 3.485915422439575,
      "learning_rate": 3.453333333333334e-05,
      "loss": 3.4007,
      "step": 14500
    },
    {
      "epoch": 0.96,
      "grad_norm": 3.6377503871917725,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 3.3861,
      "step": 15000
    },
    {
      "epoch": 0.992,
      "grad_norm": 3.7084476947784424,
      "learning_rate": 3.346666666666667e-05,
      "loss": 3.3766,
      "step": 15500
    },
    {
      "epoch": 1.024,
      "grad_norm": 3.507960081100464,
      "learning_rate": 3.293333333333333e-05,
      "loss": 3.3466,
      "step": 16000
    },
    {
      "epoch": 1.056,
      "grad_norm": 3.578158378601074,
      "learning_rate": 3.24e-05,
      "loss": 3.3219,
      "step": 16500
    },
    {
      "epoch": 1.088,
      "grad_norm": 3.5807158946990967,
      "learning_rate": 3.1866666666666664e-05,
      "loss": 3.3092,
      "step": 17000
    },
    {
      "epoch": 1.12,
      "grad_norm": 3.403930187225342,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 3.2914,
      "step": 17500
    },
    {
      "epoch": 1.152,
      "grad_norm": 3.611689329147339,
      "learning_rate": 3.08e-05,
      "loss": 3.2789,
      "step": 18000
    },
    {
      "epoch": 1.184,
      "grad_norm": 3.441894769668579,
      "learning_rate": 3.0266666666666666e-05,
      "loss": 3.2617,
      "step": 18500
    },
    {
      "epoch": 1.216,
      "grad_norm": 3.8065826892852783,
      "learning_rate": 2.9733333333333336e-05,
      "loss": 3.2527,
      "step": 19000
    },
    {
      "epoch": 1.248,
      "grad_norm": 3.8264431953430176,
      "learning_rate": 2.9199999999999998e-05,
      "loss": 3.227,
      "step": 19500
    },
    {
      "epoch": 1.28,
      "grad_norm": 3.7213151454925537,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 3.2167,
      "step": 20000
    },
    {
      "epoch": 1.312,
      "grad_norm": 3.7781128883361816,
      "learning_rate": 2.8133333333333334e-05,
      "loss": 3.2174,
      "step": 20500
    },
    {
      "epoch": 1.3439999999999999,
      "grad_norm": 3.6487817764282227,
      "learning_rate": 2.7600000000000003e-05,
      "loss": 3.1903,
      "step": 21000
    },
    {
      "epoch": 1.376,
      "grad_norm": 3.5648109912872314,
      "learning_rate": 2.706666666666667e-05,
      "loss": 3.1895,
      "step": 21500
    },
    {
      "epoch": 1.408,
      "grad_norm": 3.7091026306152344,
      "learning_rate": 2.6533333333333332e-05,
      "loss": 3.1753,
      "step": 22000
    },
    {
      "epoch": 1.44,
      "grad_norm": 3.809782028198242,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 3.1632,
      "step": 22500
    },
    {
      "epoch": 1.472,
      "grad_norm": 3.5696823596954346,
      "learning_rate": 2.5466666666666668e-05,
      "loss": 3.1597,
      "step": 23000
    },
    {
      "epoch": 1.504,
      "grad_norm": 3.596442937850952,
      "learning_rate": 2.4933333333333334e-05,
      "loss": 3.1368,
      "step": 23500
    },
    {
      "epoch": 1.536,
      "grad_norm": 3.7372052669525146,
      "learning_rate": 2.44e-05,
      "loss": 3.1333,
      "step": 24000
    },
    {
      "epoch": 1.568,
      "grad_norm": 3.8953261375427246,
      "learning_rate": 2.3866666666666666e-05,
      "loss": 3.126,
      "step": 24500
    },
    {
      "epoch": 1.6,
      "grad_norm": 3.7160630226135254,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 3.1134,
      "step": 25000
    },
    {
      "epoch": 1.6320000000000001,
      "grad_norm": 3.732041358947754,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 3.1027,
      "step": 25500
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 3.745945692062378,
      "learning_rate": 2.2266666666666668e-05,
      "loss": 3.0932,
      "step": 26000
    },
    {
      "epoch": 1.696,
      "grad_norm": 3.7304494380950928,
      "learning_rate": 2.1733333333333334e-05,
      "loss": 3.0934,
      "step": 26500
    },
    {
      "epoch": 1.728,
      "grad_norm": 3.972428798675537,
      "learning_rate": 2.12e-05,
      "loss": 3.0914,
      "step": 27000
    },
    {
      "epoch": 1.76,
      "grad_norm": 3.8522467613220215,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 3.0787,
      "step": 27500
    },
    {
      "epoch": 1.792,
      "grad_norm": 4.120100498199463,
      "learning_rate": 2.0133333333333336e-05,
      "loss": 3.0774,
      "step": 28000
    },
    {
      "epoch": 1.8239999999999998,
      "grad_norm": 3.9688403606414795,
      "learning_rate": 1.9600000000000002e-05,
      "loss": 3.0589,
      "step": 28500
    },
    {
      "epoch": 1.8559999999999999,
      "grad_norm": 3.962357759475708,
      "learning_rate": 1.9066666666666668e-05,
      "loss": 3.0606,
      "step": 29000
    },
    {
      "epoch": 1.888,
      "grad_norm": 3.8281428813934326,
      "learning_rate": 1.8533333333333334e-05,
      "loss": 3.0475,
      "step": 29500
    },
    {
      "epoch": 1.92,
      "grad_norm": 3.7175686359405518,
      "learning_rate": 1.8e-05,
      "loss": 3.0494,
      "step": 30000
    },
    {
      "epoch": 1.952,
      "grad_norm": 3.9336204528808594,
      "learning_rate": 1.7466666666666667e-05,
      "loss": 3.0496,
      "step": 30500
    },
    {
      "epoch": 1.984,
      "grad_norm": 3.940504312515259,
      "learning_rate": 1.6933333333333333e-05,
      "loss": 3.0433,
      "step": 31000
    },
    {
      "epoch": 2.016,
      "grad_norm": 3.804793119430542,
      "learning_rate": 1.6400000000000002e-05,
      "loss": 3.0214,
      "step": 31500
    },
    {
      "epoch": 2.048,
      "grad_norm": 4.084570407867432,
      "learning_rate": 1.586666666666667e-05,
      "loss": 3.026,
      "step": 32000
    },
    {
      "epoch": 2.08,
      "grad_norm": 3.789781093597412,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 3.0174,
      "step": 32500
    },
    {
      "epoch": 2.112,
      "grad_norm": 4.028503894805908,
      "learning_rate": 1.48e-05,
      "loss": 3.0166,
      "step": 33000
    },
    {
      "epoch": 2.144,
      "grad_norm": 4.288122177124023,
      "learning_rate": 1.4266666666666667e-05,
      "loss": 3.0106,
      "step": 33500
    },
    {
      "epoch": 2.176,
      "grad_norm": 3.9543862342834473,
      "learning_rate": 1.3733333333333335e-05,
      "loss": 3.0117,
      "step": 34000
    },
    {
      "epoch": 2.208,
      "grad_norm": 4.014378547668457,
      "learning_rate": 1.32e-05,
      "loss": 3.0196,
      "step": 34500
    },
    {
      "epoch": 2.24,
      "grad_norm": 3.9687976837158203,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 3.0054,
      "step": 35000
    },
    {
      "epoch": 2.2720000000000002,
      "grad_norm": 4.117220878601074,
      "learning_rate": 1.2133333333333335e-05,
      "loss": 2.9961,
      "step": 35500
    },
    {
      "epoch": 2.304,
      "grad_norm": 3.964557409286499,
      "learning_rate": 1.16e-05,
      "loss": 3.001,
      "step": 36000
    },
    {
      "epoch": 2.336,
      "grad_norm": 3.93153715133667,
      "learning_rate": 1.1066666666666667e-05,
      "loss": 2.9883,
      "step": 36500
    },
    {
      "epoch": 2.368,
      "grad_norm": 3.9165892601013184,
      "learning_rate": 1.0533333333333335e-05,
      "loss": 2.9881,
      "step": 37000
    },
    {
      "epoch": 2.4,
      "grad_norm": 4.168267726898193,
      "learning_rate": 1e-05,
      "loss": 2.9849,
      "step": 37500
    },
    {
      "epoch": 2.432,
      "grad_norm": 4.182666778564453,
      "learning_rate": 9.466666666666667e-06,
      "loss": 2.9744,
      "step": 38000
    },
    {
      "epoch": 2.464,
      "grad_norm": 4.311782360076904,
      "learning_rate": 8.933333333333333e-06,
      "loss": 2.9829,
      "step": 38500
    },
    {
      "epoch": 2.496,
      "grad_norm": 4.024513244628906,
      "learning_rate": 8.400000000000001e-06,
      "loss": 2.9797,
      "step": 39000
    },
    {
      "epoch": 2.528,
      "grad_norm": 4.21325159072876,
      "learning_rate": 7.866666666666667e-06,
      "loss": 2.9741,
      "step": 39500
    },
    {
      "epoch": 2.56,
      "grad_norm": 3.9991471767425537,
      "learning_rate": 7.333333333333334e-06,
      "loss": 2.9712,
      "step": 40000
    },
    {
      "epoch": 2.592,
      "grad_norm": 4.120663642883301,
      "learning_rate": 6.800000000000001e-06,
      "loss": 2.9596,
      "step": 40500
    },
    {
      "epoch": 2.624,
      "grad_norm": 4.054354667663574,
      "learning_rate": 6.266666666666666e-06,
      "loss": 2.9643,
      "step": 41000
    },
    {
      "epoch": 2.656,
      "grad_norm": 3.9985573291778564,
      "learning_rate": 5.733333333333333e-06,
      "loss": 2.9641,
      "step": 41500
    },
    {
      "epoch": 2.6879999999999997,
      "grad_norm": 4.109087944030762,
      "learning_rate": 5.2e-06,
      "loss": 2.9639,
      "step": 42000
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 4.02957010269165,
      "learning_rate": 4.666666666666667e-06,
      "loss": 2.9658,
      "step": 42500
    },
    {
      "epoch": 2.752,
      "grad_norm": 4.113668918609619,
      "learning_rate": 4.133333333333333e-06,
      "loss": 2.9475,
      "step": 43000
    },
    {
      "epoch": 2.784,
      "grad_norm": 4.086776256561279,
      "learning_rate": 3.6e-06,
      "loss": 2.957,
      "step": 43500
    },
    {
      "epoch": 2.816,
      "grad_norm": 4.051148414611816,
      "learning_rate": 3.066666666666667e-06,
      "loss": 2.9682,
      "step": 44000
    },
    {
      "epoch": 2.848,
      "grad_norm": 4.061084270477295,
      "learning_rate": 2.5333333333333334e-06,
      "loss": 2.9704,
      "step": 44500
    },
    {
      "epoch": 2.88,
      "grad_norm": 4.081518173217773,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 2.9551,
      "step": 45000
    },
    {
      "epoch": 2.912,
      "grad_norm": 4.137884140014648,
      "learning_rate": 1.4666666666666667e-06,
      "loss": 2.9614,
      "step": 45500
    },
    {
      "epoch": 2.944,
      "grad_norm": 4.1577887535095215,
      "learning_rate": 9.333333333333334e-07,
      "loss": 2.9629,
      "step": 46000
    },
    {
      "epoch": 2.976,
      "grad_norm": 4.1595916748046875,
      "learning_rate": 4.0000000000000003e-07,
      "loss": 2.9701,
      "step": 46500
    }
  ],
  "logging_steps": 500,
  "max_steps": 46875,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 4.01266077696e+17,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}