{
  "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": 2.559859037399292,
      "learning_rate": 4.9466666666666665e-05,
      "loss": 8.6064,
      "step": 500
    },
    {
      "epoch": 0.064,
      "grad_norm": 2.7166013717651367,
      "learning_rate": 4.8933333333333335e-05,
      "loss": 6.4365,
      "step": 1000
    },
    {
      "epoch": 0.096,
      "grad_norm": 2.9375717639923096,
      "learning_rate": 4.8400000000000004e-05,
      "loss": 5.7166,
      "step": 1500
    },
    {
      "epoch": 0.128,
      "grad_norm": 2.681896209716797,
      "learning_rate": 4.7866666666666674e-05,
      "loss": 5.3318,
      "step": 2000
    },
    {
      "epoch": 0.16,
      "grad_norm": 2.957535982131958,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 5.0808,
      "step": 2500
    },
    {
      "epoch": 0.192,
      "grad_norm": 2.7159996032714844,
      "learning_rate": 4.6800000000000006e-05,
      "loss": 4.8739,
      "step": 3000
    },
    {
      "epoch": 0.224,
      "grad_norm": 2.7686867713928223,
      "learning_rate": 4.626666666666667e-05,
      "loss": 4.7194,
      "step": 3500
    },
    {
      "epoch": 0.256,
      "grad_norm": 2.9994072914123535,
      "learning_rate": 4.573333333333333e-05,
      "loss": 4.5874,
      "step": 4000
    },
    {
      "epoch": 0.288,
      "grad_norm": 3.0717546939849854,
      "learning_rate": 4.52e-05,
      "loss": 4.4778,
      "step": 4500
    },
    {
      "epoch": 0.32,
      "grad_norm": 2.996824264526367,
      "learning_rate": 4.466666666666667e-05,
      "loss": 4.3819,
      "step": 5000
    },
    {
      "epoch": 0.352,
      "grad_norm": 2.8943400382995605,
      "learning_rate": 4.413333333333334e-05,
      "loss": 4.283,
      "step": 5500
    },
    {
      "epoch": 0.384,
      "grad_norm": 3.34658145904541,
      "learning_rate": 4.36e-05,
      "loss": 4.2271,
      "step": 6000
    },
    {
      "epoch": 0.416,
      "grad_norm": 3.0995116233825684,
      "learning_rate": 4.3066666666666665e-05,
      "loss": 4.153,
      "step": 6500
    },
    {
      "epoch": 0.448,
      "grad_norm": 3.0321125984191895,
      "learning_rate": 4.2533333333333335e-05,
      "loss": 4.0983,
      "step": 7000
    },
    {
      "epoch": 0.48,
      "grad_norm": 3.119123697280884,
      "learning_rate": 4.2e-05,
      "loss": 4.0394,
      "step": 7500
    },
    {
      "epoch": 0.512,
      "grad_norm": 3.162355422973633,
      "learning_rate": 4.146666666666667e-05,
      "loss": 4.0039,
      "step": 8000
    },
    {
      "epoch": 0.544,
      "grad_norm": 3.0241446495056152,
      "learning_rate": 4.093333333333334e-05,
      "loss": 3.9588,
      "step": 8500
    },
    {
      "epoch": 0.576,
      "grad_norm": 3.027881383895874,
      "learning_rate": 4.0400000000000006e-05,
      "loss": 3.932,
      "step": 9000
    },
    {
      "epoch": 0.608,
      "grad_norm": 3.2551701068878174,
      "learning_rate": 3.986666666666667e-05,
      "loss": 3.8788,
      "step": 9500
    },
    {
      "epoch": 0.64,
      "grad_norm": 3.1692616939544678,
      "learning_rate": 3.933333333333333e-05,
      "loss": 3.8402,
      "step": 10000
    },
    {
      "epoch": 0.672,
      "grad_norm": 3.4097533226013184,
      "learning_rate": 3.88e-05,
      "loss": 3.8155,
      "step": 10500
    },
    {
      "epoch": 0.704,
      "grad_norm": 3.4331860542297363,
      "learning_rate": 3.8266666666666664e-05,
      "loss": 3.7781,
      "step": 11000
    },
    {
      "epoch": 0.736,
      "grad_norm": 3.341395139694214,
      "learning_rate": 3.773333333333334e-05,
      "loss": 3.7592,
      "step": 11500
    },
    {
      "epoch": 0.768,
      "grad_norm": 3.1860477924346924,
      "learning_rate": 3.72e-05,
      "loss": 3.7219,
      "step": 12000
    },
    {
      "epoch": 0.8,
      "grad_norm": 3.3436477184295654,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 3.7017,
      "step": 12500
    },
    {
      "epoch": 0.832,
      "grad_norm": 3.2480103969573975,
      "learning_rate": 3.6133333333333335e-05,
      "loss": 3.6795,
      "step": 13000
    },
    {
      "epoch": 0.864,
      "grad_norm": 3.427396774291992,
      "learning_rate": 3.56e-05,
      "loss": 3.6672,
      "step": 13500
    },
    {
      "epoch": 0.896,
      "grad_norm": 3.6126272678375244,
      "learning_rate": 3.506666666666667e-05,
      "loss": 3.6411,
      "step": 14000
    },
    {
      "epoch": 0.928,
      "grad_norm": 3.2980282306671143,
      "learning_rate": 3.453333333333334e-05,
      "loss": 3.6083,
      "step": 14500
    },
    {
      "epoch": 0.96,
      "grad_norm": 3.086813449859619,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 3.6038,
      "step": 15000
    },
    {
      "epoch": 0.992,
      "grad_norm": 3.5595266819000244,
      "learning_rate": 3.346666666666667e-05,
      "loss": 3.5761,
      "step": 15500
    },
    {
      "epoch": 1.024,
      "grad_norm": 3.3751089572906494,
      "learning_rate": 3.293333333333333e-05,
      "loss": 3.558,
      "step": 16000
    },
    {
      "epoch": 1.056,
      "grad_norm": 3.356954336166382,
      "learning_rate": 3.24e-05,
      "loss": 3.537,
      "step": 16500
    },
    {
      "epoch": 1.088,
      "grad_norm": 3.410510301589966,
      "learning_rate": 3.1866666666666664e-05,
      "loss": 3.5313,
      "step": 17000
    },
    {
      "epoch": 1.12,
      "grad_norm": 3.2071657180786133,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 3.5152,
      "step": 17500
    },
    {
      "epoch": 1.152,
      "grad_norm": 3.232302188873291,
      "learning_rate": 3.08e-05,
      "loss": 3.5104,
      "step": 18000
    },
    {
      "epoch": 1.184,
      "grad_norm": 3.7388410568237305,
      "learning_rate": 3.0266666666666666e-05,
      "loss": 3.4852,
      "step": 18500
    },
    {
      "epoch": 1.216,
      "grad_norm": 3.546588659286499,
      "learning_rate": 2.9733333333333336e-05,
      "loss": 3.4776,
      "step": 19000
    },
    {
      "epoch": 1.248,
      "grad_norm": 3.3913826942443848,
      "learning_rate": 2.9199999999999998e-05,
      "loss": 3.4615,
      "step": 19500
    },
    {
      "epoch": 1.28,
      "grad_norm": 3.4872782230377197,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 3.4588,
      "step": 20000
    },
    {
      "epoch": 1.312,
      "grad_norm": 3.5155386924743652,
      "learning_rate": 2.8133333333333334e-05,
      "loss": 3.443,
      "step": 20500
    },
    {
      "epoch": 1.3439999999999999,
      "grad_norm": 3.594855546951294,
      "learning_rate": 2.7600000000000003e-05,
      "loss": 3.4246,
      "step": 21000
    },
    {
      "epoch": 1.376,
      "grad_norm": 3.613616466522217,
      "learning_rate": 2.706666666666667e-05,
      "loss": 3.4144,
      "step": 21500
    },
    {
      "epoch": 1.408,
      "grad_norm": 3.264342784881592,
      "learning_rate": 2.6533333333333332e-05,
      "loss": 3.41,
      "step": 22000
    },
    {
      "epoch": 1.44,
      "grad_norm": 3.3933544158935547,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 3.4029,
      "step": 22500
    },
    {
      "epoch": 1.472,
      "grad_norm": 3.900798797607422,
      "learning_rate": 2.5466666666666668e-05,
      "loss": 3.3901,
      "step": 23000
    },
    {
      "epoch": 1.504,
      "grad_norm": 3.4809327125549316,
      "learning_rate": 2.4933333333333334e-05,
      "loss": 3.3738,
      "step": 23500
    },
    {
      "epoch": 1.536,
      "grad_norm": 3.3931281566619873,
      "learning_rate": 2.44e-05,
      "loss": 3.3752,
      "step": 24000
    },
    {
      "epoch": 1.568,
      "grad_norm": 3.4446539878845215,
      "learning_rate": 2.3866666666666666e-05,
      "loss": 3.3618,
      "step": 24500
    },
    {
      "epoch": 1.6,
      "grad_norm": 3.256617546081543,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 3.3559,
      "step": 25000
    },
    {
      "epoch": 1.6320000000000001,
      "grad_norm": 3.423475503921509,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 3.3445,
      "step": 25500
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 4.00131893157959,
      "learning_rate": 2.2266666666666668e-05,
      "loss": 3.356,
      "step": 26000
    },
    {
      "epoch": 1.696,
      "grad_norm": 3.4588286876678467,
      "learning_rate": 2.1733333333333334e-05,
      "loss": 3.3375,
      "step": 26500
    },
    {
      "epoch": 1.728,
      "grad_norm": 3.8820817470550537,
      "learning_rate": 2.12e-05,
      "loss": 3.3301,
      "step": 27000
    },
    {
      "epoch": 1.76,
      "grad_norm": 3.740394353866577,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 3.3206,
      "step": 27500
    },
    {
      "epoch": 1.792,
      "grad_norm": 3.536240339279175,
      "learning_rate": 2.0133333333333336e-05,
      "loss": 3.3305,
      "step": 28000
    },
    {
      "epoch": 1.8239999999999998,
      "grad_norm": 3.527123212814331,
      "learning_rate": 1.9600000000000002e-05,
      "loss": 3.3162,
      "step": 28500
    },
    {
      "epoch": 1.8559999999999999,
      "grad_norm": 3.5807790756225586,
      "learning_rate": 1.9066666666666668e-05,
      "loss": 3.3117,
      "step": 29000
    },
    {
      "epoch": 1.888,
      "grad_norm": 3.438460111618042,
      "learning_rate": 1.8533333333333334e-05,
      "loss": 3.2941,
      "step": 29500
    },
    {
      "epoch": 1.92,
      "grad_norm": 3.564744472503662,
      "learning_rate": 1.8e-05,
      "loss": 3.2991,
      "step": 30000
    },
    {
      "epoch": 1.952,
      "grad_norm": 3.620878219604492,
      "learning_rate": 1.7466666666666667e-05,
      "loss": 3.2915,
      "step": 30500
    },
    {
      "epoch": 1.984,
      "grad_norm": 3.5213491916656494,
      "learning_rate": 1.6933333333333333e-05,
      "loss": 3.2906,
      "step": 31000
    },
    {
      "epoch": 2.016,
      "grad_norm": 3.39905047416687,
      "learning_rate": 1.6400000000000002e-05,
      "loss": 3.2781,
      "step": 31500
    },
    {
      "epoch": 2.048,
      "grad_norm": 3.6184778213500977,
      "learning_rate": 1.586666666666667e-05,
      "loss": 3.2858,
      "step": 32000
    },
    {
      "epoch": 2.08,
      "grad_norm": 4.695396900177002,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 3.2691,
      "step": 32500
    },
    {
      "epoch": 2.112,
      "grad_norm": 3.8069801330566406,
      "learning_rate": 1.48e-05,
      "loss": 3.2781,
      "step": 33000
    },
    {
      "epoch": 2.144,
      "grad_norm": 3.849910259246826,
      "learning_rate": 1.4266666666666667e-05,
      "loss": 3.265,
      "step": 33500
    },
    {
      "epoch": 2.176,
      "grad_norm": 3.518418550491333,
      "learning_rate": 1.3733333333333335e-05,
      "loss": 3.2553,
      "step": 34000
    },
    {
      "epoch": 2.208,
      "grad_norm": 3.714787006378174,
      "learning_rate": 1.32e-05,
      "loss": 3.2659,
      "step": 34500
    },
    {
      "epoch": 2.24,
      "grad_norm": 3.631002426147461,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 3.2528,
      "step": 35000
    },
    {
      "epoch": 2.2720000000000002,
      "grad_norm": 3.701296091079712,
      "learning_rate": 1.2133333333333335e-05,
      "loss": 3.2478,
      "step": 35500
    },
    {
      "epoch": 2.304,
      "grad_norm": 3.5912673473358154,
      "learning_rate": 1.16e-05,
      "loss": 3.2542,
      "step": 36000
    },
    {
      "epoch": 2.336,
      "grad_norm": 3.645458221435547,
      "learning_rate": 1.1066666666666667e-05,
      "loss": 3.2516,
      "step": 36500
    },
    {
      "epoch": 2.368,
      "grad_norm": 3.7062928676605225,
      "learning_rate": 1.0533333333333335e-05,
      "loss": 3.2345,
      "step": 37000
    },
    {
      "epoch": 2.4,
      "grad_norm": 3.8677589893341064,
      "learning_rate": 1e-05,
      "loss": 3.2316,
      "step": 37500
    },
    {
      "epoch": 2.432,
      "grad_norm": 3.845417022705078,
      "learning_rate": 9.466666666666667e-06,
      "loss": 3.2383,
      "step": 38000
    },
    {
      "epoch": 2.464,
      "grad_norm": 4.2547712326049805,
      "learning_rate": 8.933333333333333e-06,
      "loss": 3.2306,
      "step": 38500
    },
    {
      "epoch": 2.496,
      "grad_norm": 3.7692208290100098,
      "learning_rate": 8.400000000000001e-06,
      "loss": 3.233,
      "step": 39000
    },
    {
      "epoch": 2.528,
      "grad_norm": 3.726915121078491,
      "learning_rate": 7.866666666666667e-06,
      "loss": 3.2362,
      "step": 39500
    },
    {
      "epoch": 2.56,
      "grad_norm": 3.675123691558838,
      "learning_rate": 7.333333333333334e-06,
      "loss": 3.2379,
      "step": 40000
    },
    {
      "epoch": 2.592,
      "grad_norm": 3.647224187850952,
      "learning_rate": 6.800000000000001e-06,
      "loss": 3.2274,
      "step": 40500
    },
    {
      "epoch": 2.624,
      "grad_norm": 3.850755453109741,
      "learning_rate": 6.266666666666666e-06,
      "loss": 3.2224,
      "step": 41000
    },
    {
      "epoch": 2.656,
      "grad_norm": 3.7878735065460205,
      "learning_rate": 5.733333333333333e-06,
      "loss": 3.2182,
      "step": 41500
    },
    {
      "epoch": 2.6879999999999997,
      "grad_norm": 3.540040969848633,
      "learning_rate": 5.2e-06,
      "loss": 3.2141,
      "step": 42000
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 3.7240407466888428,
      "learning_rate": 4.666666666666667e-06,
      "loss": 3.2198,
      "step": 42500
    },
    {
      "epoch": 2.752,
      "grad_norm": 3.9615602493286133,
      "learning_rate": 4.133333333333333e-06,
      "loss": 3.2218,
      "step": 43000
    },
    {
      "epoch": 2.784,
      "grad_norm": 3.593024730682373,
      "learning_rate": 3.6e-06,
      "loss": 3.2123,
      "step": 43500
    },
    {
      "epoch": 2.816,
      "grad_norm": 3.817379951477051,
      "learning_rate": 3.066666666666667e-06,
      "loss": 3.2133,
      "step": 44000
    },
    {
      "epoch": 2.848,
      "grad_norm": 3.950862169265747,
      "learning_rate": 2.5333333333333334e-06,
      "loss": 3.2082,
      "step": 44500
    },
    {
      "epoch": 2.88,
      "grad_norm": 3.852062225341797,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 3.2017,
      "step": 45000
    },
    {
      "epoch": 2.912,
      "grad_norm": 3.842193126678467,
      "learning_rate": 1.4666666666666667e-06,
      "loss": 3.1989,
      "step": 45500
    },
    {
      "epoch": 2.944,
      "grad_norm": 4.043825149536133,
      "learning_rate": 9.333333333333334e-07,
      "loss": 3.2116,
      "step": 46000
    },
    {
      "epoch": 2.976,
      "grad_norm": 3.7213408946990967,
      "learning_rate": 4.0000000000000003e-07,
      "loss": 3.2063,
      "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": 4.41216036864e+17,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}