{
  "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": 2.965749502182007,
      "learning_rate": 4.9466666666666665e-05,
      "loss": 8.4926,
      "step": 500
    },
    {
      "epoch": 0.064,
      "grad_norm": 3.2014496326446533,
      "learning_rate": 4.8933333333333335e-05,
      "loss": 6.1788,
      "step": 1000
    },
    {
      "epoch": 0.096,
      "grad_norm": 3.1399803161621094,
      "learning_rate": 4.8400000000000004e-05,
      "loss": 5.5715,
      "step": 1500
    },
    {
      "epoch": 0.128,
      "grad_norm": 3.0445430278778076,
      "learning_rate": 4.7866666666666674e-05,
      "loss": 5.2111,
      "step": 2000
    },
    {
      "epoch": 0.16,
      "grad_norm": 3.1725785732269287,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 4.9754,
      "step": 2500
    },
    {
      "epoch": 0.192,
      "grad_norm": 3.1513631343841553,
      "learning_rate": 4.6800000000000006e-05,
      "loss": 4.7655,
      "step": 3000
    },
    {
      "epoch": 0.224,
      "grad_norm": 3.2322216033935547,
      "learning_rate": 4.626666666666667e-05,
      "loss": 4.6146,
      "step": 3500
    },
    {
      "epoch": 0.256,
      "grad_norm": 3.1507768630981445,
      "learning_rate": 4.573333333333333e-05,
      "loss": 4.477,
      "step": 4000
    },
    {
      "epoch": 0.288,
      "grad_norm": 3.3479208946228027,
      "learning_rate": 4.52e-05,
      "loss": 4.3704,
      "step": 4500
    },
    {
      "epoch": 0.32,
      "grad_norm": 3.4248974323272705,
      "learning_rate": 4.466666666666667e-05,
      "loss": 4.2748,
      "step": 5000
    },
    {
      "epoch": 0.352,
      "grad_norm": 3.272278308868408,
      "learning_rate": 4.413333333333334e-05,
      "loss": 4.1723,
      "step": 5500
    },
    {
      "epoch": 0.384,
      "grad_norm": 3.621290683746338,
      "learning_rate": 4.36e-05,
      "loss": 4.1101,
      "step": 6000
    },
    {
      "epoch": 0.416,
      "grad_norm": 3.4572129249572754,
      "learning_rate": 4.3066666666666665e-05,
      "loss": 4.0379,
      "step": 6500
    },
    {
      "epoch": 0.448,
      "grad_norm": 3.5315921306610107,
      "learning_rate": 4.2533333333333335e-05,
      "loss": 3.9783,
      "step": 7000
    },
    {
      "epoch": 0.48,
      "grad_norm": 3.514735460281372,
      "learning_rate": 4.2e-05,
      "loss": 3.9218,
      "step": 7500
    },
    {
      "epoch": 0.512,
      "grad_norm": 3.452944755554199,
      "learning_rate": 4.146666666666667e-05,
      "loss": 3.8847,
      "step": 8000
    },
    {
      "epoch": 0.544,
      "grad_norm": 3.3575379848480225,
      "learning_rate": 4.093333333333334e-05,
      "loss": 3.8411,
      "step": 8500
    },
    {
      "epoch": 0.576,
      "grad_norm": 3.327430009841919,
      "learning_rate": 4.0400000000000006e-05,
      "loss": 3.8117,
      "step": 9000
    },
    {
      "epoch": 0.608,
      "grad_norm": 3.352625608444214,
      "learning_rate": 3.986666666666667e-05,
      "loss": 3.7582,
      "step": 9500
    },
    {
      "epoch": 0.64,
      "grad_norm": 3.43673038482666,
      "learning_rate": 3.933333333333333e-05,
      "loss": 3.7175,
      "step": 10000
    },
    {
      "epoch": 0.672,
      "grad_norm": 3.471256732940674,
      "learning_rate": 3.88e-05,
      "loss": 3.6954,
      "step": 10500
    },
    {
      "epoch": 0.704,
      "grad_norm": 3.2565701007843018,
      "learning_rate": 3.8266666666666664e-05,
      "loss": 3.6588,
      "step": 11000
    },
    {
      "epoch": 0.736,
      "grad_norm": 3.470317840576172,
      "learning_rate": 3.773333333333334e-05,
      "loss": 3.64,
      "step": 11500
    },
    {
      "epoch": 0.768,
      "grad_norm": 3.3995134830474854,
      "learning_rate": 3.72e-05,
      "loss": 3.6055,
      "step": 12000
    },
    {
      "epoch": 0.8,
      "grad_norm": 3.4662623405456543,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 3.586,
      "step": 12500
    },
    {
      "epoch": 0.832,
      "grad_norm": 3.365459680557251,
      "learning_rate": 3.6133333333333335e-05,
      "loss": 3.5596,
      "step": 13000
    },
    {
      "epoch": 0.864,
      "grad_norm": 3.534090757369995,
      "learning_rate": 3.56e-05,
      "loss": 3.5528,
      "step": 13500
    },
    {
      "epoch": 0.896,
      "grad_norm": 3.8088762760162354,
      "learning_rate": 3.506666666666667e-05,
      "loss": 3.5258,
      "step": 14000
    },
    {
      "epoch": 0.928,
      "grad_norm": 3.403716802597046,
      "learning_rate": 3.453333333333334e-05,
      "loss": 3.4943,
      "step": 14500
    },
    {
      "epoch": 0.96,
      "grad_norm": 3.3810842037200928,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 3.4915,
      "step": 15000
    },
    {
      "epoch": 0.992,
      "grad_norm": 3.5449135303497314,
      "learning_rate": 3.346666666666667e-05,
      "loss": 3.4642,
      "step": 15500
    },
    {
      "epoch": 1.024,
      "grad_norm": 3.600717067718506,
      "learning_rate": 3.293333333333333e-05,
      "loss": 3.4437,
      "step": 16000
    },
    {
      "epoch": 1.056,
      "grad_norm": 3.6094954013824463,
      "learning_rate": 3.24e-05,
      "loss": 3.4248,
      "step": 16500
    },
    {
      "epoch": 1.088,
      "grad_norm": 3.493786573410034,
      "learning_rate": 3.1866666666666664e-05,
      "loss": 3.42,
      "step": 17000
    },
    {
      "epoch": 1.12,
      "grad_norm": 3.613934278488159,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 3.4062,
      "step": 17500
    },
    {
      "epoch": 1.152,
      "grad_norm": 3.5168750286102295,
      "learning_rate": 3.08e-05,
      "loss": 3.3986,
      "step": 18000
    },
    {
      "epoch": 1.184,
      "grad_norm": 3.895228624343872,
      "learning_rate": 3.0266666666666666e-05,
      "loss": 3.3761,
      "step": 18500
    },
    {
      "epoch": 1.216,
      "grad_norm": 3.5799450874328613,
      "learning_rate": 2.9733333333333336e-05,
      "loss": 3.3665,
      "step": 19000
    },
    {
      "epoch": 1.248,
      "grad_norm": 3.7156896591186523,
      "learning_rate": 2.9199999999999998e-05,
      "loss": 3.3512,
      "step": 19500
    },
    {
      "epoch": 1.28,
      "grad_norm": 3.6687655448913574,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 3.348,
      "step": 20000
    },
    {
      "epoch": 1.312,
      "grad_norm": 3.699821710586548,
      "learning_rate": 2.8133333333333334e-05,
      "loss": 3.3342,
      "step": 20500
    },
    {
      "epoch": 1.3439999999999999,
      "grad_norm": 3.5661611557006836,
      "learning_rate": 2.7600000000000003e-05,
      "loss": 3.317,
      "step": 21000
    },
    {
      "epoch": 1.376,
      "grad_norm": 3.7789740562438965,
      "learning_rate": 2.706666666666667e-05,
      "loss": 3.307,
      "step": 21500
    },
    {
      "epoch": 1.408,
      "grad_norm": 3.514374256134033,
      "learning_rate": 2.6533333333333332e-05,
      "loss": 3.3014,
      "step": 22000
    },
    {
      "epoch": 1.44,
      "grad_norm": 3.718759775161743,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 3.2968,
      "step": 22500
    },
    {
      "epoch": 1.472,
      "grad_norm": 3.927290916442871,
      "learning_rate": 2.5466666666666668e-05,
      "loss": 3.2847,
      "step": 23000
    },
    {
      "epoch": 1.504,
      "grad_norm": 3.784044027328491,
      "learning_rate": 2.4933333333333334e-05,
      "loss": 3.2656,
      "step": 23500
    },
    {
      "epoch": 1.536,
      "grad_norm": 3.7474358081817627,
      "learning_rate": 2.44e-05,
      "loss": 3.2675,
      "step": 24000
    },
    {
      "epoch": 1.568,
      "grad_norm": 3.7762033939361572,
      "learning_rate": 2.3866666666666666e-05,
      "loss": 3.2569,
      "step": 24500
    },
    {
      "epoch": 1.6,
      "grad_norm": 3.5855984687805176,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 3.2506,
      "step": 25000
    },
    {
      "epoch": 1.6320000000000001,
      "grad_norm": 3.7394485473632812,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 3.2399,
      "step": 25500
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 4.197186470031738,
      "learning_rate": 2.2266666666666668e-05,
      "loss": 3.2532,
      "step": 26000
    },
    {
      "epoch": 1.696,
      "grad_norm": 3.6796841621398926,
      "learning_rate": 2.1733333333333334e-05,
      "loss": 3.2311,
      "step": 26500
    },
    {
      "epoch": 1.728,
      "grad_norm": 3.790374279022217,
      "learning_rate": 2.12e-05,
      "loss": 3.2244,
      "step": 27000
    },
    {
      "epoch": 1.76,
      "grad_norm": 3.8640105724334717,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 3.2179,
      "step": 27500
    },
    {
      "epoch": 1.792,
      "grad_norm": 3.8893253803253174,
      "learning_rate": 2.0133333333333336e-05,
      "loss": 3.2262,
      "step": 28000
    },
    {
      "epoch": 1.8239999999999998,
      "grad_norm": 3.8906431198120117,
      "learning_rate": 1.9600000000000002e-05,
      "loss": 3.2154,
      "step": 28500
    },
    {
      "epoch": 1.8559999999999999,
      "grad_norm": 4.070978164672852,
      "learning_rate": 1.9066666666666668e-05,
      "loss": 3.2066,
      "step": 29000
    },
    {
      "epoch": 1.888,
      "grad_norm": 3.808764696121216,
      "learning_rate": 1.8533333333333334e-05,
      "loss": 3.1923,
      "step": 29500
    },
    {
      "epoch": 1.92,
      "grad_norm": 4.005738258361816,
      "learning_rate": 1.8e-05,
      "loss": 3.1941,
      "step": 30000
    },
    {
      "epoch": 1.952,
      "grad_norm": 3.9998600482940674,
      "learning_rate": 1.7466666666666667e-05,
      "loss": 3.1895,
      "step": 30500
    },
    {
      "epoch": 1.984,
      "grad_norm": 3.6959545612335205,
      "learning_rate": 1.6933333333333333e-05,
      "loss": 3.1897,
      "step": 31000
    },
    {
      "epoch": 2.016,
      "grad_norm": 3.733095169067383,
      "learning_rate": 1.6400000000000002e-05,
      "loss": 3.1772,
      "step": 31500
    },
    {
      "epoch": 2.048,
      "grad_norm": 3.949549436569214,
      "learning_rate": 1.586666666666667e-05,
      "loss": 3.1831,
      "step": 32000
    },
    {
      "epoch": 2.08,
      "grad_norm": 3.9253509044647217,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 3.1689,
      "step": 32500
    },
    {
      "epoch": 2.112,
      "grad_norm": 4.186440944671631,
      "learning_rate": 1.48e-05,
      "loss": 3.1753,
      "step": 33000
    },
    {
      "epoch": 2.144,
      "grad_norm": 4.108396053314209,
      "learning_rate": 1.4266666666666667e-05,
      "loss": 3.1647,
      "step": 33500
    },
    {
      "epoch": 2.176,
      "grad_norm": 3.830723285675049,
      "learning_rate": 1.3733333333333335e-05,
      "loss": 3.1554,
      "step": 34000
    },
    {
      "epoch": 2.208,
      "grad_norm": 4.122567653656006,
      "learning_rate": 1.32e-05,
      "loss": 3.164,
      "step": 34500
    },
    {
      "epoch": 2.24,
      "grad_norm": 3.9793169498443604,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 3.1526,
      "step": 35000
    },
    {
      "epoch": 2.2720000000000002,
      "grad_norm": 4.145320415496826,
      "learning_rate": 1.2133333333333335e-05,
      "loss": 3.1497,
      "step": 35500
    },
    {
      "epoch": 2.304,
      "grad_norm": 4.0218505859375,
      "learning_rate": 1.16e-05,
      "loss": 3.1575,
      "step": 36000
    },
    {
      "epoch": 2.336,
      "grad_norm": 3.9720749855041504,
      "learning_rate": 1.1066666666666667e-05,
      "loss": 3.1527,
      "step": 36500
    },
    {
      "epoch": 2.368,
      "grad_norm": 4.226014137268066,
      "learning_rate": 1.0533333333333335e-05,
      "loss": 3.1373,
      "step": 37000
    },
    {
      "epoch": 2.4,
      "grad_norm": 4.176350116729736,
      "learning_rate": 1e-05,
      "loss": 3.1349,
      "step": 37500
    },
    {
      "epoch": 2.432,
      "grad_norm": 4.215271949768066,
      "learning_rate": 9.466666666666667e-06,
      "loss": 3.14,
      "step": 38000
    },
    {
      "epoch": 2.464,
      "grad_norm": 4.552089691162109,
      "learning_rate": 8.933333333333333e-06,
      "loss": 3.1321,
      "step": 38500
    },
    {
      "epoch": 2.496,
      "grad_norm": 4.11720609664917,
      "learning_rate": 8.400000000000001e-06,
      "loss": 3.1342,
      "step": 39000
    },
    {
      "epoch": 2.528,
      "grad_norm": 3.9500296115875244,
      "learning_rate": 7.866666666666667e-06,
      "loss": 3.1401,
      "step": 39500
    },
    {
      "epoch": 2.56,
      "grad_norm": 3.975630760192871,
      "learning_rate": 7.333333333333334e-06,
      "loss": 3.1388,
      "step": 40000
    },
    {
      "epoch": 2.592,
      "grad_norm": 4.019338607788086,
      "learning_rate": 6.800000000000001e-06,
      "loss": 3.1321,
      "step": 40500
    },
    {
      "epoch": 2.624,
      "grad_norm": 4.059103488922119,
      "learning_rate": 6.266666666666666e-06,
      "loss": 3.1237,
      "step": 41000
    },
    {
      "epoch": 2.656,
      "grad_norm": 4.152844429016113,
      "learning_rate": 5.733333333333333e-06,
      "loss": 3.1239,
      "step": 41500
    },
    {
      "epoch": 2.6879999999999997,
      "grad_norm": 3.9952738285064697,
      "learning_rate": 5.2e-06,
      "loss": 3.1168,
      "step": 42000
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 4.08528470993042,
      "learning_rate": 4.666666666666667e-06,
      "loss": 3.1212,
      "step": 42500
    },
    {
      "epoch": 2.752,
      "grad_norm": 4.286324977874756,
      "learning_rate": 4.133333333333333e-06,
      "loss": 3.1262,
      "step": 43000
    },
    {
      "epoch": 2.784,
      "grad_norm": 4.102470397949219,
      "learning_rate": 3.6e-06,
      "loss": 3.115,
      "step": 43500
    },
    {
      "epoch": 2.816,
      "grad_norm": 4.134278297424316,
      "learning_rate": 3.066666666666667e-06,
      "loss": 3.1149,
      "step": 44000
    },
    {
      "epoch": 2.848,
      "grad_norm": 4.0291361808776855,
      "learning_rate": 2.5333333333333334e-06,
      "loss": 3.1121,
      "step": 44500
    },
    {
      "epoch": 2.88,
      "grad_norm": 4.189467906951904,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 3.1103,
      "step": 45000
    },
    {
      "epoch": 2.912,
      "grad_norm": 4.19529390335083,
      "learning_rate": 1.4666666666666667e-06,
      "loss": 3.1027,
      "step": 45500
    },
    {
      "epoch": 2.944,
      "grad_norm": 4.525924205780029,
      "learning_rate": 9.333333333333334e-07,
      "loss": 3.1176,
      "step": 46000
    },
    {
      "epoch": 2.976,
      "grad_norm": 4.091763019561768,
      "learning_rate": 4.0000000000000003e-07,
      "loss": 3.1131,
      "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
}