Asilarkness commited on
Commit
027b0e3
·
verified ·
1 Parent(s): 90fe6d3

Add reasoning SFT v3 training report

Browse files
candidates/budgie-alignment-v2/reasoning-sft-then-rl-v3/recovery/v3_sft_training_report.json ADDED
@@ -0,0 +1,1833 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "method": "one-epoch long verified reasoning SFT with sampled-action leader KL",
3
+ "base": "verified-math-a025",
4
+ "encoded_rows": 908,
5
+ "math_rows": 800,
6
+ "info_rows": 108,
7
+ "updates": 227,
8
+ "grad_accum": 4,
9
+ "peak_lr": 3e-07,
10
+ "kl_beta": 0.12,
11
+ "max_length": 1536,
12
+ "history": [
13
+ {
14
+ "update": 1,
15
+ "ce": 3.538551688194275,
16
+ "kl": 0.001223451952682808,
17
+ "drift_frac": 0.0842948742210865,
18
+ "grad_norm": 97.95021057128906,
19
+ "lr": 2.5e-08
20
+ },
21
+ {
22
+ "update": 2,
23
+ "ce": 3.7247090339660645,
24
+ "kl": 0.0011211548408027738,
25
+ "drift_frac": 0.05625000037252903,
26
+ "grad_norm": 132.21041870117188,
27
+ "lr": 5e-08
28
+ },
29
+ {
30
+ "update": 3,
31
+ "ce": 2.2506245374679565,
32
+ "kl": 0.0021406779997050762,
33
+ "drift_frac": 0.14215686544775963,
34
+ "grad_norm": 198.66062927246094,
35
+ "lr": 7.5e-08
36
+ },
37
+ {
38
+ "update": 4,
39
+ "ce": 2.4903512001037598,
40
+ "kl": 0.0013115592009853572,
41
+ "drift_frac": 0.07763157971203327,
42
+ "grad_norm": 134.6076202392578,
43
+ "lr": 1e-07
44
+ },
45
+ {
46
+ "update": 5,
47
+ "ce": 3.9587668776512146,
48
+ "kl": 0.0013989002327434719,
49
+ "drift_frac": 0.06827731523662806,
50
+ "grad_norm": 104.69552612304688,
51
+ "lr": 1.25e-07
52
+ },
53
+ {
54
+ "update": 6,
55
+ "ce": 4.269447326660156,
56
+ "kl": 0.0015167651654337533,
57
+ "drift_frac": 0.08613445702940226,
58
+ "grad_norm": 116.19329071044922,
59
+ "lr": 1.5e-07
60
+ },
61
+ {
62
+ "update": 7,
63
+ "ce": 2.496525228023529,
64
+ "kl": 0.0008211426757043228,
65
+ "drift_frac": 0.029411764815449715,
66
+ "grad_norm": 105.23081970214844,
67
+ "lr": 1.75e-07
68
+ },
69
+ {
70
+ "update": 8,
71
+ "ce": 2.5901973843574524,
72
+ "kl": 0.0018725720728980377,
73
+ "drift_frac": 0.07638888899236917,
74
+ "grad_norm": 97.65045928955078,
75
+ "lr": 2e-07
76
+ },
77
+ {
78
+ "update": 9,
79
+ "ce": 3.5735539197921753,
80
+ "kl": 0.0017626602930249646,
81
+ "drift_frac": 0.0625,
82
+ "grad_norm": 359.466064453125,
83
+ "lr": 2.25e-07
84
+ },
85
+ {
86
+ "update": 10,
87
+ "ce": 4.108733654022217,
88
+ "kl": 0.005274100694805384,
89
+ "drift_frac": 0.12916667014360428,
90
+ "grad_norm": 251.59793090820312,
91
+ "lr": 2.5e-07
92
+ },
93
+ {
94
+ "update": 11,
95
+ "ce": 2.626381754875183,
96
+ "kl": 0.0018866165482904762,
97
+ "drift_frac": 0.10835913009941578,
98
+ "grad_norm": 208.23765563964844,
99
+ "lr": 2.7499999999999996e-07
100
+ },
101
+ {
102
+ "update": 12,
103
+ "ce": 2.2875999808311462,
104
+ "kl": 0.001339451817329973,
105
+ "drift_frac": 0.06227106414735317,
106
+ "grad_norm": 69.71000671386719,
107
+ "lr": 3e-07
108
+ },
109
+ {
110
+ "update": 13,
111
+ "ce": 5.156558513641357,
112
+ "kl": 0.0030864934669807553,
113
+ "drift_frac": 0.09307359531521797,
114
+ "grad_norm": 240.46498107910156,
115
+ "lr": 3e-07
116
+ },
117
+ {
118
+ "update": 14,
119
+ "ce": 3.425640344619751,
120
+ "kl": 0.000992244080407545,
121
+ "drift_frac": 0.0714285746216774,
122
+ "grad_norm": 92.13054656982422,
123
+ "lr": 2.999854531764202e-07
124
+ },
125
+ {
126
+ "update": 15,
127
+ "ce": 3.8330267667770386,
128
+ "kl": 0.001204864980536513,
129
+ "drift_frac": 0.09375,
130
+ "grad_norm": 100.53870391845703,
131
+ "lr": 2.999418158406448e-07
132
+ },
133
+ {
134
+ "update": 16,
135
+ "ce": 3.0005993843078613,
136
+ "kl": 0.0012357652885839343,
137
+ "drift_frac": 0.09699755255132914,
138
+ "grad_norm": 44.343238830566406,
139
+ "lr": 2.998690973968905e-07
140
+ },
141
+ {
142
+ "update": 17,
143
+ "ce": 2.8656360507011414,
144
+ "kl": 0.0012986478905077092,
145
+ "drift_frac": 0.05488445423543453,
146
+ "grad_norm": 66.21858978271484,
147
+ "lr": 2.9976731351659987e-07
148
+ },
149
+ {
150
+ "update": 18,
151
+ "ce": 3.1336140036582947,
152
+ "kl": 0.0010291965445503592,
153
+ "drift_frac": 0.040178571827709675,
154
+ "grad_norm": 76.4161376953125,
155
+ "lr": 2.99636486135064e-07
156
+ },
157
+ {
158
+ "update": 19,
159
+ "ce": 3.640356719493866,
160
+ "kl": 0.0007088115089572966,
161
+ "drift_frac": 0.02380952425301075,
162
+ "grad_norm": 100.51805114746094,
163
+ "lr": 2.994766434466953e-07
164
+ },
165
+ {
166
+ "update": 20,
167
+ "ce": 3.6283442080020905,
168
+ "kl": 0.0024094453547149897,
169
+ "drift_frac": 0.16437729634344578,
170
+ "grad_norm": 80.80867767333984,
171
+ "lr": 2.9928781989895147e-07
172
+ },
173
+ {
174
+ "update": 21,
175
+ "ce": 3.5531338453292847,
176
+ "kl": 0.0006767813538317569,
177
+ "drift_frac": 0.02884615585207939,
178
+ "grad_norm": 56.63362121582031,
179
+ "lr": 2.9907005618491146e-07
180
+ },
181
+ {
182
+ "update": 22,
183
+ "ce": 2.6485652327537537,
184
+ "kl": 0.0006122057457105257,
185
+ "drift_frac": 0.03203253913670778,
186
+ "grad_norm": 59.86662292480469,
187
+ "lr": 2.9882339923450607e-07
188
+ },
189
+ {
190
+ "update": 23,
191
+ "ce": 3.031906545162201,
192
+ "kl": 0.00075152212230023,
193
+ "drift_frac": 0.029411764815449715,
194
+ "grad_norm": 68.89799499511719,
195
+ "lr": 2.985479022044042e-07
196
+ },
197
+ {
198
+ "update": 24,
199
+ "ce": 3.317367911338806,
200
+ "kl": 0.0006392341165337712,
201
+ "drift_frac": 0.02380952425301075,
202
+ "grad_norm": 72.74163818359375,
203
+ "lr": 2.982436244665568e-07
204
+ },
205
+ {
206
+ "update": 25,
207
+ "ce": 3.539289712905884,
208
+ "kl": 0.001575481059262529,
209
+ "drift_frac": 0.0714285746216774,
210
+ "grad_norm": 54.52531433105469,
211
+ "lr": 2.979106315954019e-07
212
+ },
213
+ {
214
+ "update": 26,
215
+ "ce": 3.5921270847320557,
216
+ "kl": 0.0008827472047414631,
217
+ "drift_frac": 0.03333333507180214,
218
+ "grad_norm": 88.11039733886719,
219
+ "lr": 2.9754899535373294e-07
220
+ },
221
+ {
222
+ "update": 27,
223
+ "ce": 4.183539390563965,
224
+ "kl": 0.002558601088821888,
225
+ "drift_frac": 0.12857143208384514,
226
+ "grad_norm": 146.65953063964844,
227
+ "lr": 2.97158793677233e-07
228
+ },
229
+ {
230
+ "update": 28,
231
+ "ce": 1.325046181678772,
232
+ "kl": 0.0010006816883105785,
233
+ "drift_frac": 0.06299429945647717,
234
+ "grad_norm": 11.920963287353516,
235
+ "lr": 2.9674011065767897e-07
236
+ },
237
+ {
238
+ "update": 29,
239
+ "ce": 1.403570979833603,
240
+ "kl": 0.0009888321219477803,
241
+ "drift_frac": 0.052271944005042315,
242
+ "grad_norm": 9.721692085266113,
243
+ "lr": 2.962930365248194e-07
244
+ },
245
+ {
246
+ "update": 30,
247
+ "ce": 1.1523630321025848,
248
+ "kl": 0.0009369849649374373,
249
+ "drift_frac": 0.04682533466257155,
250
+ "grad_norm": 7.417837619781494,
251
+ "lr": 2.9581766762692897e-07
252
+ },
253
+ {
254
+ "update": 31,
255
+ "ce": 1.4184409081935883,
256
+ "kl": 0.0007759521249681711,
257
+ "drift_frac": 0.04882436478510499,
258
+ "grad_norm": 9.458812713623047,
259
+ "lr": 2.9531410641004455e-07
260
+ },
261
+ {
262
+ "update": 32,
263
+ "ce": 1.1053877770900726,
264
+ "kl": 0.0007806056382833049,
265
+ "drift_frac": 0.04721762053668499,
266
+ "grad_norm": 8.717150688171387,
267
+ "lr": 2.947824613958874e-07
268
+ },
269
+ {
270
+ "update": 33,
271
+ "ce": 1.2606067508459091,
272
+ "kl": 0.00072369264671579,
273
+ "drift_frac": 0.051310960203409195,
274
+ "grad_norm": 8.279505729675293,
275
+ "lr": 2.942228471584757e-07
276
+ },
277
+ {
278
+ "update": 34,
279
+ "ce": 1.6003108024597168,
280
+ "kl": 0.0008679848033352755,
281
+ "drift_frac": 0.04033056506887078,
282
+ "grad_norm": 10.196907043457031,
283
+ "lr": 2.9363538429943293e-07
284
+ },
285
+ {
286
+ "update": 35,
287
+ "ce": 1.593827337026596,
288
+ "kl": 0.000813726699561812,
289
+ "drift_frac": 0.03967779455706477,
290
+ "grad_norm": 14.789701461791992,
291
+ "lr": 2.9302019942199715e-07
292
+ },
293
+ {
294
+ "update": 36,
295
+ "ce": 1.2804492115974426,
296
+ "kl": 0.0007756019767839462,
297
+ "drift_frac": 0.04920882638543844,
298
+ "grad_norm": 7.81544303894043,
299
+ "lr": 2.9237742510373703e-07
300
+ },
301
+ {
302
+ "update": 37,
303
+ "ce": 1.2322860807180405,
304
+ "kl": 0.000988430532743223,
305
+ "drift_frac": 0.06842744257301092,
306
+ "grad_norm": 7.467689037322998,
307
+ "lr": 2.9170719986798003e-07
308
+ },
309
+ {
310
+ "update": 38,
311
+ "ce": 1.229136049747467,
312
+ "kl": 0.0008774271555012092,
313
+ "drift_frac": 0.05900773126631975,
314
+ "grad_norm": 8.759092330932617,
315
+ "lr": 2.9100966815395964e-07
316
+ },
317
+ {
318
+ "update": 39,
319
+ "ce": 1.300631731748581,
320
+ "kl": 0.0006411699505406432,
321
+ "drift_frac": 0.034251566510647535,
322
+ "grad_norm": 8.404024124145508,
323
+ "lr": 2.902849802856877e-07
324
+ },
325
+ {
326
+ "update": 40,
327
+ "ce": 1.132405772805214,
328
+ "kl": 0.0008723139180801809,
329
+ "drift_frac": 0.04914182750508189,
330
+ "grad_norm": 6.600926876068115,
331
+ "lr": 2.8953329243955764e-07
332
+ },
333
+ {
334
+ "update": 41,
335
+ "ce": 1.4244795143604279,
336
+ "kl": 0.0008519404073012993,
337
+ "drift_frac": 0.058619968593120575,
338
+ "grad_norm": 7.896564960479736,
339
+ "lr": 2.887547666106879e-07
340
+ },
341
+ {
342
+ "update": 42,
343
+ "ce": 1.2710935026407242,
344
+ "kl": 0.0009223220404237509,
345
+ "drift_frac": 0.05881678685545921,
346
+ "grad_norm": 10.9074068069458,
347
+ "lr": 2.8794957057801e-07
348
+ },
349
+ {
350
+ "update": 43,
351
+ "ce": 1.3473848700523376,
352
+ "kl": 0.0007307154446607456,
353
+ "drift_frac": 0.04500186396762729,
354
+ "grad_norm": 7.803529739379883,
355
+ "lr": 2.871178778681111e-07
356
+ },
357
+ {
358
+ "update": 44,
359
+ "ce": 1.2855714708566666,
360
+ "kl": 0.0005734634032705799,
361
+ "drift_frac": 0.03194753034040332,
362
+ "grad_norm": 7.435911178588867,
363
+ "lr": 2.862598677178376e-07
364
+ },
365
+ {
366
+ "update": 45,
367
+ "ce": 1.745590716600418,
368
+ "kl": 0.00089225810370408,
369
+ "drift_frac": 0.0430073207244277,
370
+ "grad_norm": 13.365913391113281,
371
+ "lr": 2.853757250356677e-07
372
+ },
373
+ {
374
+ "update": 46,
375
+ "ce": 1.2935452312231064,
376
+ "kl": 0.0007396720684482716,
377
+ "drift_frac": 0.04109058855101466,
378
+ "grad_norm": 7.639344215393066,
379
+ "lr": 2.8446564036186245e-07
380
+ },
381
+ {
382
+ "update": 47,
383
+ "ce": 1.403597429394722,
384
+ "kl": 0.000791062688222155,
385
+ "drift_frac": 0.04710930911824107,
386
+ "grad_norm": 8.35036849975586,
387
+ "lr": 2.835298098274025e-07
388
+ },
389
+ {
390
+ "update": 48,
391
+ "ce": 1.2043190896511078,
392
+ "kl": 0.0006641525396844372,
393
+ "drift_frac": 0.041309695690870285,
394
+ "grad_norm": 7.528050422668457,
395
+ "lr": 2.825684351117201e-07
396
+ },
397
+ {
398
+ "update": 49,
399
+ "ce": 1.1160235852003098,
400
+ "kl": 0.0006896877384861,
401
+ "drift_frac": 0.03284739563241601,
402
+ "grad_norm": 7.1364874839782715,
403
+ "lr": 2.815817233992358e-07
404
+ },
405
+ {
406
+ "update": 50,
407
+ "ce": 1.5810885727405548,
408
+ "kl": 0.0008001479291124269,
409
+ "drift_frac": 0.04724500887095928,
410
+ "grad_norm": 7.52408504486084,
411
+ "lr": 2.8056988733470834e-07
412
+ },
413
+ {
414
+ "update": 51,
415
+ "ce": 1.2303399443626404,
416
+ "kl": 0.0007196556689450517,
417
+ "drift_frac": 0.03665072191506624,
418
+ "grad_norm": 6.465488910675049,
419
+ "lr": 2.795331449774075e-07
420
+ },
421
+ {
422
+ "update": 52,
423
+ "ce": 1.3189209997653961,
424
+ "kl": 0.0007431682606693357,
425
+ "drift_frac": 0.04172079684212804,
426
+ "grad_norm": 7.317380428314209,
427
+ "lr": 2.784717197541211e-07
428
+ },
429
+ {
430
+ "update": 53,
431
+ "ce": 1.3691906332969666,
432
+ "kl": 0.0008672039402881637,
433
+ "drift_frac": 0.05027059093117714,
434
+ "grad_norm": 6.821427345275879,
435
+ "lr": 2.77385840411004e-07
436
+ },
437
+ {
438
+ "update": 54,
439
+ "ce": 1.1744352728128433,
440
+ "kl": 0.0005493841963470913,
441
+ "drift_frac": 0.023992398288100958,
442
+ "grad_norm": 11.350872039794922,
443
+ "lr": 2.762757409642822e-07
444
+ },
445
+ {
446
+ "update": 55,
447
+ "ce": 0.9146636575460434,
448
+ "kl": 0.0007157866930356249,
449
+ "drift_frac": 0.04177132062613964,
450
+ "grad_norm": 5.519471645355225,
451
+ "lr": 2.7514166064981917e-07
452
+ },
453
+ {
454
+ "update": 56,
455
+ "ce": 1.2082852125167847,
456
+ "kl": 0.0008967171743279323,
457
+ "drift_frac": 0.057539583183825016,
458
+ "grad_norm": 6.895761489868164,
459
+ "lr": 2.7398384387155983e-07
460
+ },
461
+ {
462
+ "update": 57,
463
+ "ce": 1.4530055224895477,
464
+ "kl": 0.0009128262900048867,
465
+ "drift_frac": 0.051596757024526596,
466
+ "grad_norm": 7.215538501739502,
467
+ "lr": 2.728025401488581e-07
468
+ },
469
+ {
470
+ "update": 58,
471
+ "ce": 0.8601672947406769,
472
+ "kl": 0.0006162677746033296,
473
+ "drift_frac": 0.038331746589392424,
474
+ "grad_norm": 5.206908702850342,
475
+ "lr": 2.7159800406270456e-07
476
+ },
477
+ {
478
+ "update": 59,
479
+ "ce": 1.4296726733446121,
480
+ "kl": 0.0008538641413906589,
481
+ "drift_frac": 0.05090134497731924,
482
+ "grad_norm": 6.5874223709106445,
483
+ "lr": 2.7037049520086116e-07
484
+ },
485
+ {
486
+ "update": 60,
487
+ "ce": 1.069526955485344,
488
+ "kl": 0.0006327034498099238,
489
+ "drift_frac": 0.03250848315656185,
490
+ "grad_norm": 6.299490928649902,
491
+ "lr": 2.6912027810191846e-07
492
+ },
493
+ {
494
+ "update": 61,
495
+ "ce": 1.2052197605371475,
496
+ "kl": 0.000798501649114769,
497
+ "drift_frac": 0.04450059495866299,
498
+ "grad_norm": 6.234531879425049,
499
+ "lr": 2.678476221982849e-07
500
+ },
501
+ {
502
+ "update": 62,
503
+ "ce": 1.090393990278244,
504
+ "kl": 0.0008333805744769052,
505
+ "drift_frac": 0.046888030134141445,
506
+ "grad_norm": 6.188854217529297,
507
+ "lr": 2.665528017581222e-07
508
+ },
509
+ {
510
+ "update": 63,
511
+ "ce": 1.1771894842386246,
512
+ "kl": 0.000885220113559626,
513
+ "drift_frac": 0.04329330660402775,
514
+ "grad_norm": 5.898693084716797,
515
+ "lr": 2.6523609582623774e-07
516
+ },
517
+ {
518
+ "update": 64,
519
+ "ce": 0.9992333799600601,
520
+ "kl": 0.0008020212408155203,
521
+ "drift_frac": 0.05296085122972727,
522
+ "grad_norm": 5.337985992431641,
523
+ "lr": 2.638977881639486e-07
524
+ },
525
+ {
526
+ "update": 65,
527
+ "ce": 1.1238050609827042,
528
+ "kl": 0.0006481189775513485,
529
+ "drift_frac": 0.026658230926841497,
530
+ "grad_norm": 6.046208381652832,
531
+ "lr": 2.6253816718792833e-07
532
+ },
533
+ {
534
+ "update": 66,
535
+ "ce": 1.2460280060768127,
536
+ "kl": 0.000899813836440444,
537
+ "drift_frac": 0.04985949443653226,
538
+ "grad_norm": 5.792781829833984,
539
+ "lr": 2.6115752590805046e-07
540
+ },
541
+ {
542
+ "update": 67,
543
+ "ce": 1.4626020193099976,
544
+ "kl": 0.000941945516387932,
545
+ "drift_frac": 0.04764819983392954,
546
+ "grad_norm": 8.468130111694336,
547
+ "lr": 2.597561618642429e-07
548
+ },
549
+ {
550
+ "update": 68,
551
+ "ce": 1.4544167220592499,
552
+ "kl": 0.000894820477697067,
553
+ "drift_frac": 0.04709818586707115,
554
+ "grad_norm": 8.969865798950195,
555
+ "lr": 2.583343770623651e-07
556
+ },
557
+ {
558
+ "update": 69,
559
+ "ce": 1.3955807089805603,
560
+ "kl": 0.000805779782240279,
561
+ "drift_frac": 0.04070504195988178,
562
+ "grad_norm": 6.130509376525879,
563
+ "lr": 2.568924779091235e-07
564
+ },
565
+ {
566
+ "update": 70,
567
+ "ce": 1.025430127978325,
568
+ "kl": 0.0008046418661251664,
569
+ "drift_frac": 0.045382329262793064,
570
+ "grad_norm": 5.295656681060791,
571
+ "lr": 2.55430775146038e-07
572
+ },
573
+ {
574
+ "update": 71,
575
+ "ce": 0.9171223789453506,
576
+ "kl": 0.0008278430032078177,
577
+ "drift_frac": 0.04534016828984022,
578
+ "grad_norm": 4.571761608123779,
579
+ "lr": 2.5394958378247495e-07
580
+ },
581
+ {
582
+ "update": 72,
583
+ "ce": 1.2810973674058914,
584
+ "kl": 0.0007998075452633202,
585
+ "drift_frac": 0.048564073629677296,
586
+ "grad_norm": 5.635980129241943,
587
+ "lr": 2.524492230277596e-07
588
+ },
589
+ {
590
+ "update": 73,
591
+ "ce": 1.2809077203273773,
592
+ "kl": 0.0007367939833784476,
593
+ "drift_frac": 0.04585993941873312,
594
+ "grad_norm": 6.78187370300293,
595
+ "lr": 2.5093001622238383e-07
596
+ },
597
+ {
598
+ "update": 74,
599
+ "ce": 1.3074978590011597,
600
+ "kl": 0.0010324735048925504,
601
+ "drift_frac": 0.056532954797148705,
602
+ "grad_norm": 5.791697025299072,
603
+ "lr": 2.493922907683236e-07
604
+ },
605
+ {
606
+ "update": 75,
607
+ "ce": 1.514907419681549,
608
+ "kl": 0.0008105379238259047,
609
+ "drift_frac": 0.0467648645862937,
610
+ "grad_norm": 5.778327465057373,
611
+ "lr": 2.478363780584812e-07
612
+ },
613
+ {
614
+ "update": 76,
615
+ "ce": 1.098328024148941,
616
+ "kl": 0.0008163142629200593,
617
+ "drift_frac": 0.05169339291751385,
618
+ "grad_norm": 5.003957748413086,
619
+ "lr": 2.4626261340526666e-07
620
+ },
621
+ {
622
+ "update": 77,
623
+ "ce": 1.3024695217609406,
624
+ "kl": 0.0009096241847146302,
625
+ "drift_frac": 0.051626091822981834,
626
+ "grad_norm": 5.3108978271484375,
627
+ "lr": 2.4467133596833606e-07
628
+ },
629
+ {
630
+ "update": 78,
631
+ "ce": 1.0044908598065376,
632
+ "kl": 0.0006562793714692816,
633
+ "drift_frac": 0.03572519589215517,
634
+ "grad_norm": 4.71830415725708,
635
+ "lr": 2.4306288868149873e-07
636
+ },
637
+ {
638
+ "update": 79,
639
+ "ce": 1.301384523510933,
640
+ "kl": 0.0008808651327854022,
641
+ "drift_frac": 0.05123406741768122,
642
+ "grad_norm": 7.11338996887207,
643
+ "lr": 2.414376181788128e-07
644
+ },
645
+ {
646
+ "update": 80,
647
+ "ce": 1.1953087747097015,
648
+ "kl": 0.0008735001902095973,
649
+ "drift_frac": 0.0544233163818717,
650
+ "grad_norm": 4.67734432220459,
651
+ "lr": 2.3979587471988227e-07
652
+ },
653
+ {
654
+ "update": 81,
655
+ "ce": 1.0101770386099815,
656
+ "kl": 0.0009059560688911006,
657
+ "drift_frac": 0.05304779810830951,
658
+ "grad_norm": 4.568741798400879,
659
+ "lr": 2.3813801211437322e-07
660
+ },
661
+ {
662
+ "update": 82,
663
+ "ce": 1.0523600578308105,
664
+ "kl": 0.0008110712369671091,
665
+ "drift_frac": 0.05493324436247349,
666
+ "grad_norm": 4.91206169128418,
667
+ "lr": 2.3646438764576486e-07
668
+ },
669
+ {
670
+ "update": 83,
671
+ "ce": 1.4748104512691498,
672
+ "kl": 0.0010775311529869214,
673
+ "drift_frac": 0.05605477746576071,
674
+ "grad_norm": 6.065121173858643,
675
+ "lr": 2.3477536199435167e-07
676
+ },
677
+ {
678
+ "update": 84,
679
+ "ce": 1.173541247844696,
680
+ "kl": 0.0007839623285690323,
681
+ "drift_frac": 0.040957994759082794,
682
+ "grad_norm": 4.7310051918029785,
683
+ "lr": 2.3307129915951407e-07
684
+ },
685
+ {
686
+ "update": 85,
687
+ "ce": 1.2565110176801682,
688
+ "kl": 0.0009195466118399054,
689
+ "drift_frac": 0.052667141892015934,
690
+ "grad_norm": 4.819740295410156,
691
+ "lr": 2.3135256638127315e-07
692
+ },
693
+ {
694
+ "update": 86,
695
+ "ce": 0.9261077120900154,
696
+ "kl": 0.0006547942248289473,
697
+ "drift_frac": 0.028973964042961597,
698
+ "grad_norm": 4.636392593383789,
699
+ "lr": 2.296195340611475e-07
700
+ },
701
+ {
702
+ "update": 87,
703
+ "ce": 1.165843904018402,
704
+ "kl": 0.0009094122651731595,
705
+ "drift_frac": 0.054654247127473354,
706
+ "grad_norm": 7.7583394050598145,
707
+ "lr": 2.2787257568232857e-07
708
+ },
709
+ {
710
+ "update": 88,
711
+ "ce": 0.6246384084224701,
712
+ "kl": 0.0005384607429732569,
713
+ "drift_frac": 0.031362848123535514,
714
+ "grad_norm": 3.827564001083374,
715
+ "lr": 2.2611206772919172e-07
716
+ },
717
+ {
718
+ "update": 89,
719
+ "ce": 0.8072536587715149,
720
+ "kl": 0.0008932169293984771,
721
+ "drift_frac": 0.053428469225764275,
722
+ "grad_norm": 3.9820549488067627,
723
+ "lr": 2.2433838960616072e-07
724
+ },
725
+ {
726
+ "update": 90,
727
+ "ce": 0.9621523097157478,
728
+ "kl": 0.0007514993958466221,
729
+ "drift_frac": 0.041160945780575275,
730
+ "grad_norm": 3.9328701496124268,
731
+ "lr": 2.2255192355594285e-07
732
+ },
733
+ {
734
+ "update": 91,
735
+ "ce": 1.0217181146144867,
736
+ "kl": 0.0008546207973267883,
737
+ "drift_frac": 0.04648606665432453,
738
+ "grad_norm": 4.333801746368408,
739
+ "lr": 2.2075305457715245e-07
740
+ },
741
+ {
742
+ "update": 92,
743
+ "ce": 0.982524711638689,
744
+ "kl": 0.0006494432964245789,
745
+ "drift_frac": 0.03713762294501066,
746
+ "grad_norm": 5.01400089263916,
747
+ "lr": 2.189421703413402e-07
748
+ },
749
+ {
750
+ "update": 93,
751
+ "ce": 0.823276475071907,
752
+ "kl": 0.0008681819381308742,
753
+ "drift_frac": 0.048628955613821745,
754
+ "grad_norm": 3.8080289363861084,
755
+ "lr": 2.17119661109447e-07
756
+ },
757
+ {
758
+ "update": 94,
759
+ "ce": 1.1629377007484436,
760
+ "kl": 0.0008835747721605003,
761
+ "drift_frac": 0.04425085335969925,
762
+ "grad_norm": 4.81643533706665,
763
+ "lr": 2.15285919647699e-07
764
+ },
765
+ {
766
+ "update": 95,
767
+ "ce": 0.9892039895057678,
768
+ "kl": 0.0009211189826601185,
769
+ "drift_frac": 0.03626193443778902,
770
+ "grad_norm": 5.977481365203857,
771
+ "lr": 2.134413411429634e-07
772
+ },
773
+ {
774
+ "update": 96,
775
+ "ce": 1.3896388113498688,
776
+ "kl": 0.0010265405289828777,
777
+ "drift_frac": 0.05348957143723965,
778
+ "grad_norm": 5.797865867614746,
779
+ "lr": 2.115863231175821e-07
780
+ },
781
+ {
782
+ "update": 97,
783
+ "ce": 0.8354207128286362,
784
+ "kl": 0.0007118851353880018,
785
+ "drift_frac": 0.041735677514225245,
786
+ "grad_norm": 3.7527008056640625,
787
+ "lr": 2.0972126534370277e-07
788
+ },
789
+ {
790
+ "update": 98,
791
+ "ce": 0.9529134035110474,
792
+ "kl": 0.0011562850413611159,
793
+ "drift_frac": 0.05421243514865637,
794
+ "grad_norm": 3.6398327350616455,
795
+ "lr": 2.078465697571238e-07
796
+ },
797
+ {
798
+ "update": 99,
799
+ "ce": 1.1178778260946274,
800
+ "kl": 0.0007249849440995604,
801
+ "drift_frac": 0.03873869776725769,
802
+ "grad_norm": 5.02525520324707,
803
+ "lr": 2.059626403706744e-07
804
+ },
805
+ {
806
+ "update": 100,
807
+ "ce": 0.8577919974923134,
808
+ "kl": 0.0006445020189858042,
809
+ "drift_frac": 0.02807536325417459,
810
+ "grad_norm": 4.021769046783447,
811
+ "lr": 2.0406988318714592e-07
812
+ },
813
+ {
814
+ "update": 101,
815
+ "ce": 0.9204409122467041,
816
+ "kl": 0.0009804619912756607,
817
+ "drift_frac": 0.046440054662525654,
818
+ "grad_norm": 3.8858108520507812,
819
+ "lr": 2.021687061117951e-07
820
+ },
821
+ {
822
+ "update": 102,
823
+ "ce": 1.0655539631843567,
824
+ "kl": 0.0007623753335792571,
825
+ "drift_frac": 0.039963989052921534,
826
+ "grad_norm": 4.007508277893066,
827
+ "lr": 2.0025951886443687e-07
828
+ },
829
+ {
830
+ "update": 103,
831
+ "ce": 1.112197618931532,
832
+ "kl": 0.0007868932843848597,
833
+ "drift_frac": 0.03515250887721777,
834
+ "grad_norm": 5.913398742675781,
835
+ "lr": 1.9834273289114634e-07
836
+ },
837
+ {
838
+ "update": 104,
839
+ "ce": 0.6632561162114143,
840
+ "kl": 0.0007180713437264785,
841
+ "drift_frac": 0.0335660083219409,
842
+ "grad_norm": 3.329941511154175,
843
+ "lr": 1.9641876127558867e-07
844
+ },
845
+ {
846
+ "update": 105,
847
+ "ce": 0.42204682528972626,
848
+ "kl": 0.0004891064745606855,
849
+ "drift_frac": 0.022147178649902344,
850
+ "grad_norm": 2.448812484741211,
851
+ "lr": 1.9448801864999575e-07
852
+ },
853
+ {
854
+ "update": 106,
855
+ "ce": 0.8198431134223938,
856
+ "kl": 0.0007205388610600494,
857
+ "drift_frac": 0.04275422589853406,
858
+ "grad_norm": 3.3530867099761963,
859
+ "lr": 1.9255092110581e-07
860
+ },
861
+ {
862
+ "update": 107,
863
+ "ce": 0.7668614983558655,
864
+ "kl": 0.0004803506162716076,
865
+ "drift_frac": 0.018458958016708493,
866
+ "grad_norm": 3.58644437789917,
867
+ "lr": 1.9060788610401251e-07
868
+ },
869
+ {
870
+ "update": 108,
871
+ "ce": 0.8220430240035057,
872
+ "kl": 0.0007829938549548388,
873
+ "drift_frac": 0.04378982027992606,
874
+ "grad_norm": 3.396223545074463,
875
+ "lr": 1.8865933238515722e-07
876
+ },
877
+ {
878
+ "update": 109,
879
+ "ce": 0.4214981645345688,
880
+ "kl": 0.00035308169026393443,
881
+ "drift_frac": 0.018620133749209344,
882
+ "grad_norm": 2.473634719848633,
883
+ "lr": 1.8670567987912822e-07
884
+ },
885
+ {
886
+ "update": 110,
887
+ "ce": 0.8305295407772064,
888
+ "kl": 0.0007212849159259349,
889
+ "drift_frac": 0.041692549362778664,
890
+ "grad_norm": 3.391541004180908,
891
+ "lr": 1.847473496146417e-07
892
+ },
893
+ {
894
+ "update": 111,
895
+ "ce": 0.4409872516989708,
896
+ "kl": 0.0004845829898840748,
897
+ "drift_frac": 0.021965014515444636,
898
+ "grad_norm": 2.5255942344665527,
899
+ "lr": 1.8278476362851056e-07
900
+ },
901
+ {
902
+ "update": 112,
903
+ "ce": 0.5992020480334759,
904
+ "kl": 0.0004972513415850699,
905
+ "drift_frac": 0.026829699985682964,
906
+ "grad_norm": 2.650059938430786,
907
+ "lr": 1.8081834487469175e-07
908
+ },
909
+ {
910
+ "update": 113,
911
+ "ce": 0.5650180764496326,
912
+ "kl": 0.0005084919903310947,
913
+ "drift_frac": 0.024554014904424548,
914
+ "grad_norm": 3.6175878047943115,
915
+ "lr": 1.788485171331365e-07
916
+ },
917
+ {
918
+ "update": 114,
919
+ "ce": 0.7393236756324768,
920
+ "kl": 0.000608368129178416,
921
+ "drift_frac": 0.03467158041894436,
922
+ "grad_norm": 3.3019821643829346,
923
+ "lr": 1.768757049184615e-07
924
+ },
925
+ {
926
+ "update": 115,
927
+ "ce": 1.1030493676662445,
928
+ "kl": 0.0009180889610433951,
929
+ "drift_frac": 0.04753405600786209,
930
+ "grad_norm": 3.5900726318359375,
931
+ "lr": 1.7490033338846305e-07
932
+ },
933
+ {
934
+ "update": 116,
935
+ "ce": 0.6274227648973465,
936
+ "kl": 0.0006103207560954615,
937
+ "drift_frac": 0.030978168826550245,
938
+ "grad_norm": 2.7972660064697266,
939
+ "lr": 1.729228282524915e-07
940
+ },
941
+ {
942
+ "update": 117,
943
+ "ce": 0.4507666192948818,
944
+ "kl": 0.0005694737046724185,
945
+ "drift_frac": 0.02701697521843016,
946
+ "grad_norm": 2.624803304672241,
947
+ "lr": 1.7094361567970744e-07
948
+ },
949
+ {
950
+ "update": 118,
951
+ "ce": 0.728460431098938,
952
+ "kl": 0.0008221390671678819,
953
+ "drift_frac": 0.030463837552815676,
954
+ "grad_norm": 3.120927572250366,
955
+ "lr": 1.6896312220723873e-07
956
+ },
957
+ {
958
+ "update": 119,
959
+ "ce": 0.5561112090945244,
960
+ "kl": 0.0006870661964057945,
961
+ "drift_frac": 0.03471838450059295,
962
+ "grad_norm": 2.87046217918396,
963
+ "lr": 1.6698177464825775e-07
964
+ },
965
+ {
966
+ "update": 120,
967
+ "ce": 0.5233822092413902,
968
+ "kl": 0.0005151640471012797,
969
+ "drift_frac": 0.026004251092672348,
970
+ "grad_norm": 2.5489630699157715,
971
+ "lr": 1.65e-07
972
+ },
973
+ {
974
+ "update": 121,
975
+ "ce": 0.4638753980398178,
976
+ "kl": 0.0005271815170999616,
977
+ "drift_frac": 0.023199203889817,
978
+ "grad_norm": 2.6025567054748535,
979
+ "lr": 1.6301822535174227e-07
980
+ },
981
+ {
982
+ "update": 122,
983
+ "ce": 0.4416641481220722,
984
+ "kl": 0.00039752620068611577,
985
+ "drift_frac": 0.020889636129140854,
986
+ "grad_norm": 2.560997486114502,
987
+ "lr": 1.6103687779276131e-07
988
+ },
989
+ {
990
+ "update": 123,
991
+ "ce": 0.6657969318330288,
992
+ "kl": 0.0005187654787732754,
993
+ "drift_frac": 0.022642727708444,
994
+ "grad_norm": 3.006624937057495,
995
+ "lr": 1.5905638432029252e-07
996
+ },
997
+ {
998
+ "update": 124,
999
+ "ce": 0.3786514326930046,
1000
+ "kl": 0.0004238432229612954,
1001
+ "drift_frac": 0.01974433334544301,
1002
+ "grad_norm": 2.154917001724243,
1003
+ "lr": 1.5707717174750854e-07
1004
+ },
1005
+ {
1006
+ "update": 125,
1007
+ "ce": 0.28607265651226044,
1008
+ "kl": 0.00039017735980451107,
1009
+ "drift_frac": 0.019554174272343516,
1010
+ "grad_norm": 1.9036833047866821,
1011
+ "lr": 1.55099666611537e-07
1012
+ },
1013
+ {
1014
+ "update": 126,
1015
+ "ce": 0.3243948966264725,
1016
+ "kl": 0.00038184469303814694,
1017
+ "drift_frac": 0.016987845534458756,
1018
+ "grad_norm": 2.7309937477111816,
1019
+ "lr": 1.5312429508153851e-07
1020
+ },
1021
+ {
1022
+ "update": 127,
1023
+ "ce": 0.6109912097454071,
1024
+ "kl": 0.0005933811189606786,
1025
+ "drift_frac": 0.03465761058032513,
1026
+ "grad_norm": 2.846731185913086,
1027
+ "lr": 1.5115148286686358e-07
1028
+ },
1029
+ {
1030
+ "update": 128,
1031
+ "ce": 0.44294311851263046,
1032
+ "kl": 0.0003965318464906886,
1033
+ "drift_frac": 0.020122107351198792,
1034
+ "grad_norm": 2.1913511753082275,
1035
+ "lr": 1.491816551253082e-07
1036
+ },
1037
+ {
1038
+ "update": 129,
1039
+ "ce": 0.6252846419811249,
1040
+ "kl": 0.0006558734603459015,
1041
+ "drift_frac": 0.02859257929958403,
1042
+ "grad_norm": 2.729797840118408,
1043
+ "lr": 1.4721523637148945e-07
1044
+ },
1045
+ {
1046
+ "update": 130,
1047
+ "ce": 0.44925640523433685,
1048
+ "kl": 0.0004932531301165,
1049
+ "drift_frac": 0.024147415766492486,
1050
+ "grad_norm": 1.9889088869094849,
1051
+ "lr": 1.452526503853583e-07
1052
+ },
1053
+ {
1054
+ "update": 131,
1055
+ "ce": 0.4228949248790741,
1056
+ "kl": 0.00043604255915852264,
1057
+ "drift_frac": 0.020532865077257156,
1058
+ "grad_norm": 2.1206538677215576,
1059
+ "lr": 1.432943201208718e-07
1060
+ },
1061
+ {
1062
+ "update": 132,
1063
+ "ce": 0.8460842296481133,
1064
+ "kl": 0.000615623124758713,
1065
+ "drift_frac": 0.027619050117209554,
1066
+ "grad_norm": 3.994272232055664,
1067
+ "lr": 1.4134066761484282e-07
1068
+ },
1069
+ {
1070
+ "update": 133,
1071
+ "ce": 0.4404878318309784,
1072
+ "kl": 0.0006261239250306971,
1073
+ "drift_frac": 0.027321083238348365,
1074
+ "grad_norm": 2.634896993637085,
1075
+ "lr": 1.3939211389598745e-07
1076
+ },
1077
+ {
1078
+ "update": 134,
1079
+ "ce": 0.776138249784708,
1080
+ "kl": 0.000673248476232402,
1081
+ "drift_frac": 0.03718887525610626,
1082
+ "grad_norm": 3.7520740032196045,
1083
+ "lr": 1.3744907889419002e-07
1084
+ },
1085
+ {
1086
+ "update": 135,
1087
+ "ce": 0.41094744950532913,
1088
+ "kl": 0.00041897271876223385,
1089
+ "drift_frac": 0.016334223095327616,
1090
+ "grad_norm": 2.2119436264038086,
1091
+ "lr": 1.3551198135000424e-07
1092
+ },
1093
+ {
1094
+ "update": 136,
1095
+ "ce": 0.4504081681370735,
1096
+ "kl": 0.0006172348948894069,
1097
+ "drift_frac": 0.019951058086007833,
1098
+ "grad_norm": 2.3867528438568115,
1099
+ "lr": 1.3358123872441138e-07
1100
+ },
1101
+ {
1102
+ "update": 137,
1103
+ "ce": 0.45100362598896027,
1104
+ "kl": 0.00047169711615424603,
1105
+ "drift_frac": 0.024274895898997784,
1106
+ "grad_norm": 2.353516101837158,
1107
+ "lr": 1.3165726710885367e-07
1108
+ },
1109
+ {
1110
+ "update": 138,
1111
+ "ce": 0.3370257057249546,
1112
+ "kl": 0.00048369279102189466,
1113
+ "drift_frac": 0.022571426816284657,
1114
+ "grad_norm": 2.0769810676574707,
1115
+ "lr": 1.2974048113556314e-07
1116
+ },
1117
+ {
1118
+ "update": 139,
1119
+ "ce": 0.8149940818548203,
1120
+ "kl": 0.0008968895563157275,
1121
+ "drift_frac": 0.04659335967153311,
1122
+ "grad_norm": 2.441587209701538,
1123
+ "lr": 1.2783129388820492e-07
1124
+ },
1125
+ {
1126
+ "update": 140,
1127
+ "ce": 0.93794334679842,
1128
+ "kl": 0.0006751314867869951,
1129
+ "drift_frac": 0.03543083043769002,
1130
+ "grad_norm": 3.1647419929504395,
1131
+ "lr": 1.259301168128541e-07
1132
+ },
1133
+ {
1134
+ "update": 141,
1135
+ "ce": 0.4858764410018921,
1136
+ "kl": 0.000668645923724398,
1137
+ "drift_frac": 0.031081425491720438,
1138
+ "grad_norm": 2.784503936767578,
1139
+ "lr": 1.2403735962932562e-07
1140
+ },
1141
+ {
1142
+ "update": 142,
1143
+ "ce": 0.38377512991428375,
1144
+ "kl": 0.00042201951873721555,
1145
+ "drift_frac": 0.020332837477326393,
1146
+ "grad_norm": 2.1698544025421143,
1147
+ "lr": 1.221534302428762e-07
1148
+ },
1149
+ {
1150
+ "update": 143,
1151
+ "ce": 0.341024212539196,
1152
+ "kl": 0.0003989593460573815,
1153
+ "drift_frac": 0.018100851913914084,
1154
+ "grad_norm": 1.861494541168213,
1155
+ "lr": 1.2027873465629725e-07
1156
+ },
1157
+ {
1158
+ "update": 144,
1159
+ "ce": 0.6110884621739388,
1160
+ "kl": 0.0006132917915238068,
1161
+ "drift_frac": 0.03481879294849932,
1162
+ "grad_norm": 2.5760772228240967,
1163
+ "lr": 1.1841367688241787e-07
1164
+ },
1165
+ {
1166
+ "update": 145,
1167
+ "ce": 0.5656596198678017,
1168
+ "kl": 0.0006215472312760539,
1169
+ "drift_frac": 0.024013089947402477,
1170
+ "grad_norm": 2.2479093074798584,
1171
+ "lr": 1.1655865885703667e-07
1172
+ },
1173
+ {
1174
+ "update": 146,
1175
+ "ce": 0.2913961037993431,
1176
+ "kl": 0.00042873337952187285,
1177
+ "drift_frac": 0.01757917506620288,
1178
+ "grad_norm": 1.6709855794906616,
1179
+ "lr": 1.1471408035230103e-07
1180
+ },
1181
+ {
1182
+ "update": 147,
1183
+ "ce": 0.3744642324745655,
1184
+ "kl": 0.0005368441925384104,
1185
+ "drift_frac": 0.021240175934508443,
1186
+ "grad_norm": 1.967044711112976,
1187
+ "lr": 1.1288033889055297e-07
1188
+ },
1189
+ {
1190
+ "update": 148,
1191
+ "ce": 0.6395589262247086,
1192
+ "kl": 0.001547366482554935,
1193
+ "drift_frac": 0.038705209735780954,
1194
+ "grad_norm": 2.375321865081787,
1195
+ "lr": 1.1105782965865981e-07
1196
+ },
1197
+ {
1198
+ "update": 149,
1199
+ "ce": 0.5652287751436234,
1200
+ "kl": 0.0004976389463990927,
1201
+ "drift_frac": 0.020294884452596307,
1202
+ "grad_norm": 2.2742717266082764,
1203
+ "lr": 1.0924694542284757e-07
1204
+ },
1205
+ {
1206
+ "update": 150,
1207
+ "ce": 0.7202664762735367,
1208
+ "kl": 0.000658013996144291,
1209
+ "drift_frac": 0.030844782944768667,
1210
+ "grad_norm": 2.1639113426208496,
1211
+ "lr": 1.0744807644405715e-07
1212
+ },
1213
+ {
1214
+ "update": 151,
1215
+ "ce": 0.3629290461540222,
1216
+ "kl": 0.0005562948063015938,
1217
+ "drift_frac": 0.018944226438179612,
1218
+ "grad_norm": 1.875972032546997,
1219
+ "lr": 1.056616103938393e-07
1220
+ },
1221
+ {
1222
+ "update": 152,
1223
+ "ce": 0.38130757957696915,
1224
+ "kl": 0.00047892545990180224,
1225
+ "drift_frac": 0.02467057667672634,
1226
+ "grad_norm": 2.1107304096221924,
1227
+ "lr": 1.0388793227080828e-07
1228
+ },
1229
+ {
1230
+ "update": 153,
1231
+ "ce": 1.7272626161575317,
1232
+ "kl": 0.0008666292123962194,
1233
+ "drift_frac": 0.03886930271983147,
1234
+ "grad_norm": 4.406638145446777,
1235
+ "lr": 1.0212742431767142e-07
1236
+ },
1237
+ {
1238
+ "update": 154,
1239
+ "ce": 0.5201831571757793,
1240
+ "kl": 0.0007942379961605184,
1241
+ "drift_frac": 0.027398436330258846,
1242
+ "grad_norm": 3.442302703857422,
1243
+ "lr": 1.0038046593885249e-07
1244
+ },
1245
+ {
1246
+ "update": 155,
1247
+ "ce": 1.3800606429576874,
1248
+ "kl": 0.0012993613781873137,
1249
+ "drift_frac": 0.05054049612954259,
1250
+ "grad_norm": 5.470850944519043,
1251
+ "lr": 9.864743361872684e-08
1252
+ },
1253
+ {
1254
+ "update": 156,
1255
+ "ce": 1.8901871144771576,
1256
+ "kl": 0.0018831207416951656,
1257
+ "drift_frac": 0.09361459594219923,
1258
+ "grad_norm": 11.897987365722656,
1259
+ "lr": 9.692870084048592e-08
1260
+ },
1261
+ {
1262
+ "update": 157,
1263
+ "ce": 1.4489086866378784,
1264
+ "kl": 0.002566061506513506,
1265
+ "drift_frac": 0.12067636102437973,
1266
+ "grad_norm": 10.22236442565918,
1267
+ "lr": 9.522463800564831e-08
1268
+ },
1269
+ {
1270
+ "update": 158,
1271
+ "ce": 1.6906611025333405,
1272
+ "kl": 0.005034955567680299,
1273
+ "drift_frac": 0.10002507548779249,
1274
+ "grad_norm": 13.01463508605957,
1275
+ "lr": 9.353561235423514e-08
1276
+ },
1277
+ {
1278
+ "update": 159,
1279
+ "ce": 1.2614936530590057,
1280
+ "kl": 0.0027290915022604167,
1281
+ "drift_frac": 0.10823673009872437,
1282
+ "grad_norm": 7.796757221221924,
1283
+ "lr": 9.186198788562676e-08
1284
+ },
1285
+ {
1286
+ "update": 160,
1287
+ "ce": 1.5873446464538574,
1288
+ "kl": 0.002485283272108063,
1289
+ "drift_frac": 0.09638062305748463,
1290
+ "grad_norm": 9.252289772033691,
1291
+ "lr": 9.020412528011771e-08
1292
+ },
1293
+ {
1294
+ "update": 161,
1295
+ "ce": 1.4573603421449661,
1296
+ "kl": 0.0016902399074751884,
1297
+ "drift_frac": 0.08514255098998547,
1298
+ "grad_norm": 9.871357917785645,
1299
+ "lr": 8.85623818211872e-08
1300
+ },
1301
+ {
1302
+ "update": 162,
1303
+ "ce": 1.3350442498922348,
1304
+ "kl": 0.003438036219449714,
1305
+ "drift_frac": 0.10395260900259018,
1306
+ "grad_norm": 12.417257308959961,
1307
+ "lr": 8.693711131850127e-08
1308
+ },
1309
+ {
1310
+ "update": 163,
1311
+ "ce": 1.507317915558815,
1312
+ "kl": 0.002689231128897518,
1313
+ "drift_frac": 0.11660680919885635,
1314
+ "grad_norm": 10.293481826782227,
1315
+ "lr": 8.532866403166397e-08
1316
+ },
1317
+ {
1318
+ "update": 164,
1319
+ "ce": 1.0273857712745667,
1320
+ "kl": 0.001990796605241485,
1321
+ "drift_frac": 0.08135003969073296,
1322
+ "grad_norm": 5.631631851196289,
1323
+ "lr": 8.37373865947333e-08
1324
+ },
1325
+ {
1326
+ "update": 165,
1327
+ "ce": 1.2940095663070679,
1328
+ "kl": 0.002247949334559962,
1329
+ "drift_frac": 0.07621539197862148,
1330
+ "grad_norm": 7.392284393310547,
1331
+ "lr": 8.216362194151885e-08
1332
+ },
1333
+ {
1334
+ "update": 166,
1335
+ "ce": 1.3492067605257034,
1336
+ "kl": 0.0020093094499316067,
1337
+ "drift_frac": 0.10303397104144096,
1338
+ "grad_norm": 7.118369102478027,
1339
+ "lr": 8.060770923167634e-08
1340
+ },
1341
+ {
1342
+ "update": 167,
1343
+ "ce": 1.530134528875351,
1344
+ "kl": 0.0026551474584266543,
1345
+ "drift_frac": 0.07573109958320856,
1346
+ "grad_norm": 7.868183135986328,
1347
+ "lr": 7.906998377761617e-08
1348
+ },
1349
+ {
1350
+ "update": 168,
1351
+ "ce": 1.1373808979988098,
1352
+ "kl": 0.0018624630174599588,
1353
+ "drift_frac": 0.06918956618756056,
1354
+ "grad_norm": 6.373600959777832,
1355
+ "lr": 7.755077697224036e-08
1356
+ },
1357
+ {
1358
+ "update": 169,
1359
+ "ce": 1.4417333900928497,
1360
+ "kl": 0.002085537591483444,
1361
+ "drift_frac": 0.06359903421252966,
1362
+ "grad_norm": 7.121034622192383,
1363
+ "lr": 7.605041621752503e-08
1364
+ },
1365
+ {
1366
+ "update": 170,
1367
+ "ce": 1.3691628575325012,
1368
+ "kl": 0.002684765961021185,
1369
+ "drift_frac": 0.08002958726137877,
1370
+ "grad_norm": 6.558362007141113,
1371
+ "lr": 7.4569224853962e-08
1372
+ },
1373
+ {
1374
+ "update": 171,
1375
+ "ce": 1.4715987592935562,
1376
+ "kl": 0.0024580707540735602,
1377
+ "drift_frac": 0.07233430724591017,
1378
+ "grad_norm": 6.935791492462158,
1379
+ "lr": 7.310752209087652e-08
1380
+ },
1381
+ {
1382
+ "update": 172,
1383
+ "ce": 0.8169498667120934,
1384
+ "kl": 0.0011616248957579955,
1385
+ "drift_frac": 0.05478035658597946,
1386
+ "grad_norm": 4.957376003265381,
1387
+ "lr": 7.166562293763488e-08
1388
+ },
1389
+ {
1390
+ "update": 173,
1391
+ "ce": 1.1998403072357178,
1392
+ "kl": 0.0018441294378135353,
1393
+ "drift_frac": 0.05741545557975769,
1394
+ "grad_norm": 7.758091926574707,
1395
+ "lr": 7.024383813575709e-08
1396
+ },
1397
+ {
1398
+ "update": 174,
1399
+ "ce": 1.5139262974262238,
1400
+ "kl": 0.0029597834800370038,
1401
+ "drift_frac": 0.07513836305588484,
1402
+ "grad_norm": 7.503878593444824,
1403
+ "lr": 6.884247409194954e-08
1404
+ },
1405
+ {
1406
+ "update": 175,
1407
+ "ce": 1.4761824309825897,
1408
+ "kl": 0.0017411693406756967,
1409
+ "drift_frac": 0.0861028116196394,
1410
+ "grad_norm": 8.098918914794922,
1411
+ "lr": 6.746183281207173e-08
1412
+ },
1413
+ {
1414
+ "update": 176,
1415
+ "ce": 1.008913516998291,
1416
+ "kl": 0.002131493834895082,
1417
+ "drift_frac": 0.06957422196865082,
1418
+ "grad_norm": 5.3707427978515625,
1419
+ "lr": 6.610221183605142e-08
1420
+ },
1421
+ {
1422
+ "update": 177,
1423
+ "ce": 1.214387446641922,
1424
+ "kl": 0.0019587668066378683,
1425
+ "drift_frac": 0.07177617214620113,
1426
+ "grad_norm": 5.382661819458008,
1427
+ "lr": 6.476390417376233e-08
1428
+ },
1429
+ {
1430
+ "update": 178,
1431
+ "ce": 1.102199137210846,
1432
+ "kl": 0.0015105211350601166,
1433
+ "drift_frac": 0.0737796388566494,
1434
+ "grad_norm": 4.928555965423584,
1435
+ "lr": 6.344719824187784e-08
1436
+ },
1437
+ {
1438
+ "update": 179,
1439
+ "ce": 1.1914029568433762,
1440
+ "kl": 0.0016002963529899716,
1441
+ "drift_frac": 0.06519563123583794,
1442
+ "grad_norm": 5.35493278503418,
1443
+ "lr": 6.215237780171503e-08
1444
+ },
1445
+ {
1446
+ "update": 180,
1447
+ "ce": 0.8325778022408485,
1448
+ "kl": 0.0010342434397898614,
1449
+ "drift_frac": 0.05343656614422798,
1450
+ "grad_norm": 5.0492048263549805,
1451
+ "lr": 6.087972189808151e-08
1452
+ },
1453
+ {
1454
+ "update": 181,
1455
+ "ce": 1.006698563694954,
1456
+ "kl": 0.0016810436791274697,
1457
+ "drift_frac": 0.07299915235489607,
1458
+ "grad_norm": 5.213586330413818,
1459
+ "lr": 5.962950479913879e-08
1460
+ },
1461
+ {
1462
+ "update": 182,
1463
+ "ce": 1.2083407193422318,
1464
+ "kl": 0.0018253272282890975,
1465
+ "drift_frac": 0.06829093582928181,
1466
+ "grad_norm": 5.045332431793213,
1467
+ "lr": 5.840199593729544e-08
1468
+ },
1469
+ {
1470
+ "update": 183,
1471
+ "ce": 1.521203488111496,
1472
+ "kl": 0.00185937769128941,
1473
+ "drift_frac": 0.07698439713567495,
1474
+ "grad_norm": 6.2342047691345215,
1475
+ "lr": 5.7197459851141894e-08
1476
+ },
1477
+ {
1478
+ "update": 184,
1479
+ "ce": 1.1030659079551697,
1480
+ "kl": 0.0013469437108142301,
1481
+ "drift_frac": 0.07039039954543114,
1482
+ "grad_norm": 5.275223731994629,
1483
+ "lr": 5.6016156128440205e-08
1484
+ },
1485
+ {
1486
+ "update": 185,
1487
+ "ce": 1.4310984015464783,
1488
+ "kl": 0.00256348037510179,
1489
+ "drift_frac": 0.07527569029480219,
1490
+ "grad_norm": 6.160255432128906,
1491
+ "lr": 5.485833935018078e-08
1492
+ },
1493
+ {
1494
+ "update": 186,
1495
+ "ce": 0.9513466507196426,
1496
+ "kl": 0.001210594069561921,
1497
+ "drift_frac": 0.06174378003925085,
1498
+ "grad_norm": 4.909823894500732,
1499
+ "lr": 5.372425903571783e-08
1500
+ },
1501
+ {
1502
+ "update": 187,
1503
+ "ce": 1.1369631737470627,
1504
+ "kl": 0.0012867886543972418,
1505
+ "drift_frac": 0.058397949673235416,
1506
+ "grad_norm": 4.9955525398254395,
1507
+ "lr": 5.261415958899596e-08
1508
+ },
1509
+ {
1510
+ "update": 188,
1511
+ "ce": 1.1622545272111893,
1512
+ "kl": 0.0019296630343887955,
1513
+ "drift_frac": 0.07178920134902,
1514
+ "grad_norm": 5.206904411315918,
1515
+ "lr": 5.152828024587896e-08
1516
+ },
1517
+ {
1518
+ "update": 189,
1519
+ "ce": 1.121278777718544,
1520
+ "kl": 0.0017273076518904418,
1521
+ "drift_frac": 0.05239789001643658,
1522
+ "grad_norm": 4.7204203605651855,
1523
+ "lr": 5.046685502259252e-08
1524
+ },
1525
+ {
1526
+ "update": 190,
1527
+ "ce": 1.6305065602064133,
1528
+ "kl": 0.002635970973642543,
1529
+ "drift_frac": 0.07841737661510706,
1530
+ "grad_norm": 6.883478164672852,
1531
+ "lr": 4.943011266529166e-08
1532
+ },
1533
+ {
1534
+ "update": 191,
1535
+ "ce": 1.0282090306282043,
1536
+ "kl": 0.001776694887666963,
1537
+ "drift_frac": 0.07646714430302382,
1538
+ "grad_norm": 4.443524360656738,
1539
+ "lr": 4.8418276600764126e-08
1540
+ },
1541
+ {
1542
+ "update": 192,
1543
+ "ce": 1.2561487555503845,
1544
+ "kl": 0.0024570801469963044,
1545
+ "drift_frac": 0.06944671645760536,
1546
+ "grad_norm": 5.183022975921631,
1547
+ "lr": 4.7431564888279896e-08
1548
+ },
1549
+ {
1550
+ "update": 193,
1551
+ "ce": 1.431408315896988,
1552
+ "kl": 0.0016825728525873274,
1553
+ "drift_frac": 0.06543282140046358,
1554
+ "grad_norm": 5.991611957550049,
1555
+ "lr": 4.647019017259753e-08
1556
+ },
1557
+ {
1558
+ "update": 194,
1559
+ "ce": 1.1902555599808693,
1560
+ "kl": 0.0012643930385820568,
1561
+ "drift_frac": 0.05330218095332384,
1562
+ "grad_norm": 5.109584808349609,
1563
+ "lr": 4.553435963813754e-08
1564
+ },
1565
+ {
1566
+ "update": 195,
1567
+ "ce": 1.1378628760576248,
1568
+ "kl": 0.0024382196716032922,
1569
+ "drift_frac": 0.06478629633784294,
1570
+ "grad_norm": 4.543624401092529,
1571
+ "lr": 4.4624274964332265e-08
1572
+ },
1573
+ {
1574
+ "update": 196,
1575
+ "ce": 1.293069213628769,
1576
+ "kl": 0.0018263478996232152,
1577
+ "drift_frac": 0.07024340331554413,
1578
+ "grad_norm": 5.261373519897461,
1579
+ "lr": 4.3740132282162393e-08
1580
+ },
1581
+ {
1582
+ "update": 197,
1583
+ "ce": 1.2165727615356445,
1584
+ "kl": 0.0012203293154016137,
1585
+ "drift_frac": 0.06269884761422873,
1586
+ "grad_norm": 4.533685684204102,
1587
+ "lr": 4.288212213188888e-08
1588
+ },
1589
+ {
1590
+ "update": 198,
1591
+ "ce": 1.1645057201385498,
1592
+ "kl": 0.0016932099679252133,
1593
+ "drift_frac": 0.0602649450302124,
1594
+ "grad_norm": 3.9267406463623047,
1595
+ "lr": 4.205042942199001e-08
1596
+ },
1597
+ {
1598
+ "update": 199,
1599
+ "ce": 1.2506205141544342,
1600
+ "kl": 0.001344346528640017,
1601
+ "drift_frac": 0.05963186081498861,
1602
+ "grad_norm": 5.498126983642578,
1603
+ "lr": 4.1245233389312107e-08
1604
+ },
1605
+ {
1606
+ "update": 200,
1607
+ "ce": 1.3444381207227707,
1608
+ "kl": 0.0017289415263803676,
1609
+ "drift_frac": 0.05229849787428975,
1610
+ "grad_norm": 4.228652000427246,
1611
+ "lr": 4.0466707560442304e-08
1612
+ },
1613
+ {
1614
+ "update": 201,
1615
+ "ce": 0.8781314045190811,
1616
+ "kl": 0.0013024866639170796,
1617
+ "drift_frac": 0.05180249735713005,
1618
+ "grad_norm": 3.4058103561401367,
1619
+ "lr": 3.971501971431228e-08
1620
+ },
1621
+ {
1622
+ "update": 202,
1623
+ "ce": 1.4038123190402985,
1624
+ "kl": 0.0017209083016496152,
1625
+ "drift_frac": 0.060743595473468304,
1626
+ "grad_norm": 5.841649532318115,
1627
+ "lr": 3.8990331846040294e-08
1628
+ },
1629
+ {
1630
+ "update": 203,
1631
+ "ce": 1.2735214531421661,
1632
+ "kl": 0.0015042233862914145,
1633
+ "drift_frac": 0.055322395637631416,
1634
+ "grad_norm": 4.8987884521484375,
1635
+ "lr": 3.829280013202e-08
1636
+ },
1637
+ {
1638
+ "update": 204,
1639
+ "ce": 1.280187875032425,
1640
+ "kl": 0.0017483088304288685,
1641
+ "drift_frac": 0.06469053961336613,
1642
+ "grad_norm": 5.366652965545654,
1643
+ "lr": 3.762257489626299e-08
1644
+ },
1645
+ {
1646
+ "update": 205,
1647
+ "ce": 1.2743341028690338,
1648
+ "kl": 0.0014409445284400135,
1649
+ "drift_frac": 0.0629212036728859,
1650
+ "grad_norm": 4.312648773193359,
1651
+ "lr": 3.697980057800283e-08
1652
+ },
1653
+ {
1654
+ "update": 206,
1655
+ "ce": 1.2756515741348267,
1656
+ "kl": 0.0015334409836214036,
1657
+ "drift_frac": 0.05982220824807882,
1658
+ "grad_norm": 3.587595224380493,
1659
+ "lr": 3.636461570056706e-08
1660
+ },
1661
+ {
1662
+ "update": 207,
1663
+ "ce": 0.8883579075336456,
1664
+ "kl": 0.0013827572402078658,
1665
+ "drift_frac": 0.053972901310771704,
1666
+ "grad_norm": 3.2399964332580566,
1667
+ "lr": 3.5777152841524294e-08
1668
+ },
1669
+ {
1670
+ "update": 208,
1671
+ "ce": 0.6809385791420937,
1672
+ "kl": 0.0008741230340092443,
1673
+ "drift_frac": 0.03655677242204547,
1674
+ "grad_norm": 3.0585238933563232,
1675
+ "lr": 3.5217538604112596e-08
1676
+ },
1677
+ {
1678
+ "update": 209,
1679
+ "ce": 1.1473584175109863,
1680
+ "kl": 0.0010280547721777111,
1681
+ "drift_frac": 0.04543887358158827,
1682
+ "grad_norm": 3.9134297370910645,
1683
+ "lr": 3.4685893589955436e-08
1684
+ },
1685
+ {
1686
+ "update": 210,
1687
+ "ce": 1.3511615619063377,
1688
+ "kl": 0.0011198662978131324,
1689
+ "drift_frac": 0.051833643577992916,
1690
+ "grad_norm": 3.888165235519409,
1691
+ "lr": 3.4182332373071024e-08
1692
+ },
1693
+ {
1694
+ "update": 211,
1695
+ "ce": 0.683077335357666,
1696
+ "kl": 0.0007411860206048004,
1697
+ "drift_frac": 0.03223559819161892,
1698
+ "grad_norm": 3.1728744506835938,
1699
+ "lr": 3.370696347518056e-08
1700
+ },
1701
+ {
1702
+ "update": 212,
1703
+ "ce": 0.9470455944538116,
1704
+ "kl": 0.0009859194760792889,
1705
+ "drift_frac": 0.0481146015226841,
1706
+ "grad_norm": 3.1459767818450928,
1707
+ "lr": 3.325988934232101e-08
1708
+ },
1709
+ {
1710
+ "update": 213,
1711
+ "ce": 0.8747119605541229,
1712
+ "kl": 0.0008092402567854151,
1713
+ "drift_frac": 0.040138402953743935,
1714
+ "grad_norm": 3.4226956367492676,
1715
+ "lr": 3.284120632276702e-08
1716
+ },
1717
+ {
1718
+ "update": 214,
1719
+ "ce": 0.5474836006760597,
1720
+ "kl": 0.000918326317332685,
1721
+ "drift_frac": 0.03179580485448241,
1722
+ "grad_norm": 2.7624382972717285,
1723
+ "lr": 3.245100464626704e-08
1724
+ },
1725
+ {
1726
+ "update": 215,
1727
+ "ce": 0.7664187401533127,
1728
+ "kl": 0.001246710744453594,
1729
+ "drift_frac": 0.04220534581691027,
1730
+ "grad_norm": 3.793031930923462,
1731
+ "lr": 3.208936840459808e-08
1732
+ },
1733
+ {
1734
+ "update": 216,
1735
+ "ce": 0.9004264697432518,
1736
+ "kl": 0.0010518897033762187,
1737
+ "drift_frac": 0.044356548227369785,
1738
+ "grad_norm": 3.09504771232605,
1739
+ "lr": 3.1756375533443225e-08
1740
+ },
1741
+ {
1742
+ "update": 217,
1743
+ "ce": 0.6116755679249763,
1744
+ "kl": 0.0007651011983398348,
1745
+ "drift_frac": 0.0390096134506166,
1746
+ "grad_norm": 2.9167044162750244,
1747
+ "lr": 3.1452097795595797e-08
1748
+ },
1749
+ {
1750
+ "update": 218,
1751
+ "ce": 0.9062808305025101,
1752
+ "kl": 0.000979409072897397,
1753
+ "drift_frac": 0.04121864354237914,
1754
+ "grad_norm": 2.6760482788085938,
1755
+ "lr": 3.117660076549389e-08
1756
+ },
1757
+ {
1758
+ "update": 219,
1759
+ "ce": 0.7792034074664116,
1760
+ "kl": 0.0008861165551934391,
1761
+ "drift_frac": 0.04058573255315423,
1762
+ "grad_norm": 2.669189929962158,
1763
+ "lr": 3.0929943815088554e-08
1764
+ },
1765
+ {
1766
+ "update": 220,
1767
+ "ce": 1.4320838451385498,
1768
+ "kl": 0.001257634983630851,
1769
+ "drift_frac": 0.0643214276060462,
1770
+ "grad_norm": 3.561976194381714,
1771
+ "lr": 3.071218010104854e-08
1772
+ },
1773
+ {
1774
+ "update": 221,
1775
+ "ce": 0.4843621179461479,
1776
+ "kl": 0.0007362240139627829,
1777
+ "drift_frac": 0.029081282205879688,
1778
+ "grad_norm": 2.3666064739227295,
1779
+ "lr": 3.052335655330466e-08
1780
+ },
1781
+ {
1782
+ "update": 222,
1783
+ "ce": 0.5831042677164078,
1784
+ "kl": 0.0006797644891776145,
1785
+ "drift_frac": 0.03326878510415554,
1786
+ "grad_norm": 2.219430446624756,
1787
+ "lr": 3.0363513864935994e-08
1788
+ },
1789
+ {
1790
+ "update": 223,
1791
+ "ce": 0.4824071228504181,
1792
+ "kl": 0.0005861124082002789,
1793
+ "drift_frac": 0.02908932324498892,
1794
+ "grad_norm": 2.1191742420196533,
1795
+ "lr": 3.0232686483400124e-08
1796
+ },
1797
+ {
1798
+ "update": 224,
1799
+ "ce": 1.0188091099262238,
1800
+ "kl": 0.001389817611197941,
1801
+ "drift_frac": 0.04455316998064518,
1802
+ "grad_norm": 3.8705451488494873,
1803
+ "lr": 3.0130902603109497e-08
1804
+ },
1805
+ {
1806
+ "update": 225,
1807
+ "ce": 0.47116606682538986,
1808
+ "kl": 0.0005643544427584857,
1809
+ "drift_frac": 0.02538590133190155,
1810
+ "grad_norm": 2.0716733932495117,
1811
+ "lr": 3.0058184159355216e-08
1812
+ },
1813
+ {
1814
+ "update": 226,
1815
+ "ce": 0.48285093903541565,
1816
+ "kl": 0.0005785107059637085,
1817
+ "drift_frac": 0.026091191917657852,
1818
+ "grad_norm": 2.4227421283721924,
1819
+ "lr": 3.0014546823579825e-08
1820
+ },
1821
+ {
1822
+ "update": 227,
1823
+ "ce": 1.187558501958847,
1824
+ "kl": 0.001187696383567527,
1825
+ "drift_frac": 0.05528997164219618,
1826
+ "grad_norm": 3.054713487625122,
1827
+ "lr": 3e-08
1828
+ }
1829
+ ],
1830
+ "source_path": "/marimo/budgie_information_rl_v1/v3_reasoning_sft_source.pt",
1831
+ "parameter_count_change": 0,
1832
+ "benchmark_family_rows": 0
1833
+ }