Hugging Face's logo

Ba2han
/
model-layered-1

Text Generation
Transformers
Safetensors
llama
Generated from Trainer
trl
sft
unsloth
text-generation-inference
Model card Files
xet
 Community
Ba2han commited on
Commit
1941b1f
·
verified ·
1 Parent(s): de73549

Training in progress, step 300, checkpoint

Browse files
Files changed (11) hide show
  1. last-checkpoint/config.json +31 -0
  2. last-checkpoint/generation_config.json +10 -0
  3. last-checkpoint/model.safetensors +3 -0
  4. last-checkpoint/optimizer.pt +3 -0
  5. last-checkpoint/rng_state.pth +3 -0
  6. last-checkpoint/scheduler.pt +3 -0
  7. last-checkpoint/special_tokens_map.json +71 -0
  8. last-checkpoint/tokenizer.json +0 -0
  9. last-checkpoint/tokenizer_config.json +452 -0
  10. last-checkpoint/trainer_state.json +2134 -0
  11. last-checkpoint/training_args.bin +3 -0
last-checkpoint/config.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "LlamaForCausalLM"
4
+ ],
5
+ "attention_bias": false,
6
+ "attention_dropout": 0.0,
7
+ "bos_token_id": 1,
8
+ "dtype": "bfloat16",
9
+ "eos_token_id": 2,
10
+ "head_dim": 64,
11
+ "hidden_act": "silu",
12
+ "hidden_size": 768,
13
+ "initializer_range": 0.02,
14
+ "intermediate_size": 3072,
15
+ "max_position_embeddings": 8192,
16
+ "mlp_bias": false,
17
+ "model_type": "llama",
18
+ "num_attention_heads": 12,
19
+ "num_hidden_layers": 52,
20
+ "num_key_value_heads": 4,
21
+ "pad_token_id": 2,
22
+ "pretraining_tp": 1,
23
+ "rms_norm_eps": 1e-05,
24
+ "rope_scaling": null,
25
+ "rope_theta": 100000.0,
26
+ "tie_word_embeddings": true,
27
+ "transformers_version": "4.57.1",
28
+ "unsloth_version": "2025.11.3",
29
+ "use_cache": true,
30
+ "vocab_size": 65536
31
+ }
last-checkpoint/generation_config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 1,
4
+ "eos_token_id": [
5
+ 2
6
+ ],
7
+ "max_length": 8192,
8
+ "pad_token_id": 2,
9
+ "transformers_version": "4.57.1"
10
+ }
last-checkpoint/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:2bd00864b589bf6c791b02077a5fc7064fb67848ea4c63c2fe50abbdddfd2f3b
3
+ size 1000555808
last-checkpoint/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:91462f4f51d9bbfd6df996995b6b8266f4bf249105422423e055101c41100819
3
+ size 1317526377
last-checkpoint/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:41ee8639c9998568c89d0e1d5f6c11f60bb605fed6ca0d18c6866a94300b16eb
3
+ size 14645
last-checkpoint/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d1d6eb3f86be5da08731bc1e31c4a9d091440111244be37abed7ef88eeb299e4
3
+ size 1465
last-checkpoint/special_tokens_map.json ADDED
@@ -0,0 +1,71 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "additional_special_tokens": [
3
+ "<|im_start|>",
4
+ "<|im_end>",
5
+ "<think>",
6
+ "</think>",
7
+ "source_1",
8
+ "source_2",
9
+ "source_3",
10
+ "source_4",
11
+ "source_5",
12
+ "source_6",
13
+ "source_7",
14
+ "source_8",
15
+ "source_9",
16
+ "source_10",
17
+ "<ref",
18
+ "</ref>",
19
+ "→",
20
+ "↺",
21
+ "※",
22
+ "?maybe?",
23
+ "●",
24
+ "◐",
25
+ "○",
26
+ "⚠",
27
+ "☐",
28
+ "☑",
29
+ "✓",
30
+ "⟨H≈0.1⟩",
31
+ "⟨H≈0.2⟩",
32
+ "⟨H≈0.3⟩",
33
+ "⟨H≈0.4⟩",
34
+ "⟨H≈0.5⟩",
35
+ "⟨H≈0.6⟩",
36
+ "⟨H≈0.7⟩",
37
+ "⟨H≈0.8⟩",
38
+ "⟨H≈0.9⟩",
39
+ "⟨H≈1.0⟩",
40
+ "⟨H≈1.1⟩",
41
+ "⟨H≈1.2⟩",
42
+ "⟨H≈1.3⟩",
43
+ "⟨H≈1.4⟩",
44
+ "⟨H≈1.5⟩",
45
+ "⟨H≈1.6⟩",
46
+ "⟨H≈1.7⟩",
47
+ "⟨H≈1.8⟩"
48
+ ],
49
+ "bos_token": {
50
+ "content": "<|begin_of_text|>",
51
+ "lstrip": false,
52
+ "normalized": false,
53
+ "rstrip": false,
54
+ "single_word": false
55
+ },
56
+ "eos_token": {
57
+ "content": "<|end_of_text|>",
58
+ "lstrip": false,
59
+ "normalized": false,
60
+ "rstrip": false,
61
+ "single_word": false
62
+ },
63
+ "pad_token": "<|end_of_text|>",
64
+ "unk_token": {
65
+ "content": "[UNK]",
66
+ "lstrip": false,
67
+ "normalized": false,
68
+ "rstrip": false,
69
+ "single_word": false
70
+ }
71
+ }
last-checkpoint/tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
last-checkpoint/tokenizer_config.json ADDED
@@ -0,0 +1,452 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "[UNK]",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "<|begin_of_text|>",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "<|end_of_text|>",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "[PAD]",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "65491": {
36
+ "content": "<|im_start|>",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ },
43
+ "65492": {
44
+ "content": "<|im_end>",
45
+ "lstrip": false,
46
+ "normalized": false,
47
+ "rstrip": false,
48
+ "single_word": false,
49
+ "special": true
50
+ },
51
+ "65493": {
52
+ "content": "<think>",
53
+ "lstrip": false,
54
+ "normalized": false,
55
+ "rstrip": false,
56
+ "single_word": false,
57
+ "special": true
58
+ },
59
+ "65494": {
60
+ "content": "</think>",
61
+ "lstrip": false,
62
+ "normalized": false,
63
+ "rstrip": false,
64
+ "single_word": false,
65
+ "special": true
66
+ },
67
+ "65495": {
68
+ "content": "source_1",
69
+ "lstrip": false,
70
+ "normalized": false,
71
+ "rstrip": false,
72
+ "single_word": false,
73
+ "special": true
74
+ },
75
+ "65496": {
76
+ "content": "source_2",
77
+ "lstrip": false,
78
+ "normalized": false,
79
+ "rstrip": false,
80
+ "single_word": false,
81
+ "special": true
82
+ },
83
+ "65497": {
84
+ "content": "source_3",
85
+ "lstrip": false,
86
+ "normalized": false,
87
+ "rstrip": false,
88
+ "single_word": false,
89
+ "special": true
90
+ },
91
+ "65498": {
92
+ "content": "source_4",
93
+ "lstrip": false,
94
+ "normalized": false,
95
+ "rstrip": false,
96
+ "single_word": false,
97
+ "special": true
98
+ },
99
+ "65499": {
100
+ "content": "source_5",
101
+ "lstrip": false,
102
+ "normalized": false,
103
+ "rstrip": false,
104
+ "single_word": false,
105
+ "special": true
106
+ },
107
+ "65500": {
108
+ "content": "source_6",
109
+ "lstrip": false,
110
+ "normalized": false,
111
+ "rstrip": false,
112
+ "single_word": false,
113
+ "special": true
114
+ },
115
+ "65501": {
116
+ "content": "source_7",
117
+ "lstrip": false,
118
+ "normalized": false,
119
+ "rstrip": false,
120
+ "single_word": false,
121
+ "special": true
122
+ },
123
+ "65502": {
124
+ "content": "source_8",
125
+ "lstrip": false,
126
+ "normalized": false,
127
+ "rstrip": false,
128
+ "single_word": false,
129
+ "special": true
130
+ },
131
+ "65503": {
132
+ "content": "source_9",
133
+ "lstrip": false,
134
+ "normalized": false,
135
+ "rstrip": false,
136
+ "single_word": false,
137
+ "special": true
138
+ },
139
+ "65504": {
140
+ "content": "source_10",
141
+ "lstrip": false,
142
+ "normalized": false,
143
+ "rstrip": false,
144
+ "single_word": false,
145
+ "special": true
146
+ },
147
+ "65505": {
148
+ "content": "<ref",
149
+ "lstrip": false,
150
+ "normalized": false,
151
+ "rstrip": false,
152
+ "single_word": false,
153
+ "special": true
154
+ },
155
+ "65506": {
156
+ "content": "</ref>",
157
+ "lstrip": false,
158
+ "normalized": false,
159
+ "rstrip": false,
160
+ "single_word": false,
161
+ "special": true
162
+ },
163
+ "65507": {
164
+ "content": "→",
165
+ "lstrip": false,
166
+ "normalized": false,
167
+ "rstrip": false,
168
+ "single_word": false,
169
+ "special": true
170
+ },
171
+ "65508": {
172
+ "content": "↺",
173
+ "lstrip": false,
174
+ "normalized": false,
175
+ "rstrip": false,
176
+ "single_word": false,
177
+ "special": true
178
+ },
179
+ "65509": {
180
+ "content": "※",
181
+ "lstrip": false,
182
+ "normalized": false,
183
+ "rstrip": false,
184
+ "single_word": false,
185
+ "special": true
186
+ },
187
+ "65510": {
188
+ "content": "?maybe?",
189
+ "lstrip": false,
190
+ "normalized": false,
191
+ "rstrip": false,
192
+ "single_word": false,
193
+ "special": true
194
+ },
195
+ "65511": {
196
+ "content": "●",
197
+ "lstrip": false,
198
+ "normalized": false,
199
+ "rstrip": false,
200
+ "single_word": false,
201
+ "special": true
202
+ },
203
+ "65512": {
204
+ "content": "◐",
205
+ "lstrip": false,
206
+ "normalized": false,
207
+ "rstrip": false,
208
+ "single_word": false,
209
+ "special": true
210
+ },
211
+ "65513": {
212
+ "content": "○",
213
+ "lstrip": false,
214
+ "normalized": false,
215
+ "rstrip": false,
216
+ "single_word": false,
217
+ "special": true
218
+ },
219
+ "65514": {
220
+ "content": "⚠",
221
+ "lstrip": false,
222
+ "normalized": false,
223
+ "rstrip": false,
224
+ "single_word": false,
225
+ "special": true
226
+ },
227
+ "65515": {
228
+ "content": "☐",
229
+ "lstrip": false,
230
+ "normalized": false,
231
+ "rstrip": false,
232
+ "single_word": false,
233
+ "special": true
234
+ },
235
+ "65516": {
236
+ "content": "☑",
237
+ "lstrip": false,
238
+ "normalized": false,
239
+ "rstrip": false,
240
+ "single_word": false,
241
+ "special": true
242
+ },
243
+ "65517": {
244
+ "content": "✓",
245
+ "lstrip": false,
246
+ "normalized": false,
247
+ "rstrip": false,
248
+ "single_word": false,
249
+ "special": true
250
+ },
251
+ "65518": {
252
+ "content": "⟨H≈0.1⟩",
253
+ "lstrip": false,
254
+ "normalized": false,
255
+ "rstrip": false,
256
+ "single_word": false,
257
+ "special": true
258
+ },
259
+ "65519": {
260
+ "content": "⟨H≈0.2⟩",
261
+ "lstrip": false,
262
+ "normalized": false,
263
+ "rstrip": false,
264
+ "single_word": false,
265
+ "special": true
266
+ },
267
+ "65520": {
268
+ "content": "⟨H≈0.3⟩",
269
+ "lstrip": false,
270
+ "normalized": false,
271
+ "rstrip": false,
272
+ "single_word": false,
273
+ "special": true
274
+ },
275
+ "65521": {
276
+ "content": "⟨H≈0.4⟩",
277
+ "lstrip": false,
278
+ "normalized": false,
279
+ "rstrip": false,
280
+ "single_word": false,
281
+ "special": true
282
+ },
283
+ "65522": {
284
+ "content": "⟨H≈0.5⟩",
285
+ "lstrip": false,
286
+ "normalized": false,
287
+ "rstrip": false,
288
+ "single_word": false,
289
+ "special": true
290
+ },
291
+ "65523": {
292
+ "content": "⟨H≈0.6⟩",
293
+ "lstrip": false,
294
+ "normalized": false,
295
+ "rstrip": false,
296
+ "single_word": false,
297
+ "special": true
298
+ },
299
+ "65524": {
300
+ "content": "⟨H≈0.7⟩",
301
+ "lstrip": false,
302
+ "normalized": false,
303
+ "rstrip": false,
304
+ "single_word": false,
305
+ "special": true
306
+ },
307
+ "65525": {
308
+ "content": "⟨H≈0.8⟩",
309
+ "lstrip": false,
310
+ "normalized": false,
311
+ "rstrip": false,
312
+ "single_word": false,
313
+ "special": true
314
+ },
315
+ "65526": {
316
+ "content": "⟨H≈0.9⟩",
317
+ "lstrip": false,
318
+ "normalized": false,
319
+ "rstrip": false,
320
+ "single_word": false,
321
+ "special": true
322
+ },
323
+ "65527": {
324
+ "content": "⟨H≈1.0⟩",
325
+ "lstrip": false,
326
+ "normalized": false,
327
+ "rstrip": false,
328
+ "single_word": false,
329
+ "special": true
330
+ },
331
+ "65528": {
332
+ "content": "⟨H≈1.1⟩",
333
+ "lstrip": false,
334
+ "normalized": false,
335
+ "rstrip": false,
336
+ "single_word": false,
337
+ "special": true
338
+ },
339
+ "65529": {
340
+ "content": "⟨H≈1.2⟩",
341
+ "lstrip": false,
342
+ "normalized": false,
343
+ "rstrip": false,
344
+ "single_word": false,
345
+ "special": true
346
+ },
347
+ "65530": {
348
+ "content": "⟨H≈1.3⟩",
349
+ "lstrip": false,
350
+ "normalized": false,
351
+ "rstrip": false,
352
+ "single_word": false,
353
+ "special": true
354
+ },
355
+ "65531": {
356
+ "content": "⟨H≈1.4⟩",
357
+ "lstrip": false,
358
+ "normalized": false,
359
+ "rstrip": false,
360
+ "single_word": false,
361
+ "special": true
362
+ },
363
+ "65532": {
364
+ "content": "⟨H≈1.5⟩",
365
+ "lstrip": false,
366
+ "normalized": false,
367
+ "rstrip": false,
368
+ "single_word": false,
369
+ "special": true
370
+ },
371
+ "65533": {
372
+ "content": "⟨H≈1.6⟩",
373
+ "lstrip": false,
374
+ "normalized": false,
375
+ "rstrip": false,
376
+ "single_word": false,
377
+ "special": true
378
+ },
379
+ "65534": {
380
+ "content": "⟨H≈1.7⟩",
381
+ "lstrip": false,
382
+ "normalized": false,
383
+ "rstrip": false,
384
+ "single_word": false,
385
+ "special": true
386
+ },
387
+ "65535": {
388
+ "content": "⟨H≈1.8⟩",
389
+ "lstrip": false,
390
+ "normalized": false,
391
+ "rstrip": false,
392
+ "single_word": false,
393
+ "special": true
394
+ }
395
+ },
396
+ "additional_special_tokens": [
397
+ "<|im_start|>",
398
+ "<|im_end>",
399
+ "<think>",
400
+ "</think>",
401
+ "source_1",
402
+ "source_2",
403
+ "source_3",
404
+ "source_4",
405
+ "source_5",
406
+ "source_6",
407
+ "source_7",
408
+ "source_8",
409
+ "source_9",
410
+ "source_10",
411
+ "<ref",
412
+ "</ref>",
413
+ "→",
414
+ "↺",
415
+ "※",
416
+ "?maybe?",
417
+ "●",
418
+ "◐",
419
+ "○",
420
+ "⚠",
421
+ "☐",
422
+ "☑",
423
+ "✓",
424
+ "⟨H≈0.1⟩",
425
+ "⟨H≈0.2⟩",
426
+ "⟨H≈0.3⟩",
427
+ "⟨H≈0.4⟩",
428
+ "⟨H≈0.5⟩",
429
+ "⟨H≈0.6⟩",
430
+ "⟨H≈0.7⟩",
431
+ "⟨H≈0.8⟩",
432
+ "⟨H≈0.9⟩",
433
+ "⟨H≈1.0⟩",
434
+ "⟨H≈1.1⟩",
435
+ "⟨H≈1.2⟩",
436
+ "⟨H≈1.3⟩",
437
+ "⟨H≈1.4⟩",
438
+ "⟨H≈1.5⟩",
439
+ "⟨H≈1.6⟩",
440
+ "⟨H≈1.7⟩",
441
+ "⟨H≈1.8⟩"
442
+ ],
443
+ "bos_token": "<|begin_of_text|>",
444
+ "clean_up_tokenization_spaces": true,
445
+ "eos_token": "<|end_of_text|>",
446
+ "extra_special_tokens": {},
447
+ "model_max_length": 1000000000000000019884624838656,
448
+ "pad_token": "<|end_of_text|>",
449
+ "padding_side": "right",
450
+ "tokenizer_class": "PreTrainedTokenizerFast",
451
+ "unk_token": "[UNK]"
452
+ }
last-checkpoint/trainer_state.json ADDED
@@ -0,0 +1,2134 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 0.016666666666666666,
6
+ "eval_steps": 500,
7
+ "global_step": 300,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 5.555555555555556e-05,
14
+ "grad_norm": 14.8125,
15
+ "learning_rate": 0.0,
16
+ "loss": 11.1701,
17
+ "step": 1
18
+ },
19
+ {
20
+ "epoch": 0.00011111111111111112,
21
+ "grad_norm": 14.4375,
22
+ "learning_rate": 2.2222222222222225e-06,
23
+ "loss": 11.1696,
24
+ "step": 2
25
+ },
26
+ {
27
+ "epoch": 0.00016666666666666666,
28
+ "grad_norm": 14.5625,
29
+ "learning_rate": 4.444444444444445e-06,
30
+ "loss": 11.1579,
31
+ "step": 3
32
+ },
33
+ {
34
+ "epoch": 0.00022222222222222223,
35
+ "grad_norm": 14.9375,
36
+ "learning_rate": 6.666666666666667e-06,
37
+ "loss": 11.1055,
38
+ "step": 4
39
+ },
40
+ {
41
+ "epoch": 0.0002777777777777778,
42
+ "grad_norm": 14.125,
43
+ "learning_rate": 8.88888888888889e-06,
44
+ "loss": 11.0531,
45
+ "step": 5
46
+ },
47
+ {
48
+ "epoch": 0.0003333333333333333,
49
+ "grad_norm": 14.4375,
50
+ "learning_rate": 1.1111111111111112e-05,
51
+ "loss": 10.8498,
52
+ "step": 6
53
+ },
54
+ {
55
+ "epoch": 0.00038888888888888887,
56
+ "grad_norm": 12.3125,
57
+ "learning_rate": 1.3333333333333333e-05,
58
+ "loss": 10.6928,
59
+ "step": 7
60
+ },
61
+ {
62
+ "epoch": 0.00044444444444444447,
63
+ "grad_norm": 11.4375,
64
+ "learning_rate": 1.5555555555555555e-05,
65
+ "loss": 10.4754,
66
+ "step": 8
67
+ },
68
+ {
69
+ "epoch": 0.0005,
70
+ "grad_norm": 9.125,
71
+ "learning_rate": 1.777777777777778e-05,
72
+ "loss": 10.0598,
73
+ "step": 9
74
+ },
75
+ {
76
+ "epoch": 0.0005555555555555556,
77
+ "grad_norm": 7.84375,
78
+ "learning_rate": 2e-05,
79
+ "loss": 9.7509,
80
+ "step": 10
81
+ },
82
+ {
83
+ "epoch": 0.0006111111111111111,
84
+ "grad_norm": 7.46875,
85
+ "learning_rate": 2.2222222222222223e-05,
86
+ "loss": 9.4268,
87
+ "step": 11
88
+ },
89
+ {
90
+ "epoch": 0.0006666666666666666,
91
+ "grad_norm": 6.375,
92
+ "learning_rate": 2.4444444444444445e-05,
93
+ "loss": 9.2029,
94
+ "step": 12
95
+ },
96
+ {
97
+ "epoch": 0.0007222222222222222,
98
+ "grad_norm": 5.28125,
99
+ "learning_rate": 2.6666666666666667e-05,
100
+ "loss": 8.9669,
101
+ "step": 13
102
+ },
103
+ {
104
+ "epoch": 0.0007777777777777777,
105
+ "grad_norm": 4.8125,
106
+ "learning_rate": 2.8888888888888888e-05,
107
+ "loss": 8.7842,
108
+ "step": 14
109
+ },
110
+ {
111
+ "epoch": 0.0008333333333333334,
112
+ "grad_norm": 4.5,
113
+ "learning_rate": 3.111111111111111e-05,
114
+ "loss": 8.6306,
115
+ "step": 15
116
+ },
117
+ {
118
+ "epoch": 0.0008888888888888889,
119
+ "grad_norm": 3.953125,
120
+ "learning_rate": 3.3333333333333335e-05,
121
+ "loss": 8.3677,
122
+ "step": 16
123
+ },
124
+ {
125
+ "epoch": 0.0009444444444444445,
126
+ "grad_norm": 4.46875,
127
+ "learning_rate": 3.555555555555556e-05,
128
+ "loss": 8.1024,
129
+ "step": 17
130
+ },
131
+ {
132
+ "epoch": 0.001,
133
+ "grad_norm": 3.84375,
134
+ "learning_rate": 3.777777777777778e-05,
135
+ "loss": 7.9359,
136
+ "step": 18
137
+ },
138
+ {
139
+ "epoch": 0.0010555555555555555,
140
+ "grad_norm": 3.4375,
141
+ "learning_rate": 4e-05,
142
+ "loss": 7.7172,
143
+ "step": 19
144
+ },
145
+ {
146
+ "epoch": 0.0011111111111111111,
147
+ "grad_norm": 3.484375,
148
+ "learning_rate": 4.222222222222222e-05,
149
+ "loss": 7.5746,
150
+ "step": 20
151
+ },
152
+ {
153
+ "epoch": 0.0011666666666666668,
154
+ "grad_norm": 3.40625,
155
+ "learning_rate": 4.4444444444444447e-05,
156
+ "loss": 7.3998,
157
+ "step": 21
158
+ },
159
+ {
160
+ "epoch": 0.0012222222222222222,
161
+ "grad_norm": 3.46875,
162
+ "learning_rate": 4.666666666666667e-05,
163
+ "loss": 7.23,
164
+ "step": 22
165
+ },
166
+ {
167
+ "epoch": 0.0012777777777777779,
168
+ "grad_norm": 3.34375,
169
+ "learning_rate": 4.888888888888889e-05,
170
+ "loss": 7.0878,
171
+ "step": 23
172
+ },
173
+ {
174
+ "epoch": 0.0013333333333333333,
175
+ "grad_norm": 3.359375,
176
+ "learning_rate": 5.111111111111111e-05,
177
+ "loss": 6.9217,
178
+ "step": 24
179
+ },
180
+ {
181
+ "epoch": 0.001388888888888889,
182
+ "grad_norm": 3.671875,
183
+ "learning_rate": 5.333333333333333e-05,
184
+ "loss": 6.7351,
185
+ "step": 25
186
+ },
187
+ {
188
+ "epoch": 0.0014444444444444444,
189
+ "grad_norm": 2.890625,
190
+ "learning_rate": 5.555555555555556e-05,
191
+ "loss": 8.9966,
192
+ "step": 26
193
+ },
194
+ {
195
+ "epoch": 0.0015,
196
+ "grad_norm": 3.0,
197
+ "learning_rate": 5.7777777777777776e-05,
198
+ "loss": 9.913,
199
+ "step": 27
200
+ },
201
+ {
202
+ "epoch": 0.0015555555555555555,
203
+ "grad_norm": 2.8125,
204
+ "learning_rate": 6e-05,
205
+ "loss": 10.3891,
206
+ "step": 28
207
+ },
208
+ {
209
+ "epoch": 0.0016111111111111111,
210
+ "grad_norm": 2.8125,
211
+ "learning_rate": 6.222222222222222e-05,
212
+ "loss": 10.1317,
213
+ "step": 29
214
+ },
215
+ {
216
+ "epoch": 0.0016666666666666668,
217
+ "grad_norm": 2.671875,
218
+ "learning_rate": 6.444444444444446e-05,
219
+ "loss": 10.1756,
220
+ "step": 30
221
+ },
222
+ {
223
+ "epoch": 0.0017222222222222222,
224
+ "grad_norm": 2.296875,
225
+ "learning_rate": 6.666666666666667e-05,
226
+ "loss": 9.9982,
227
+ "step": 31
228
+ },
229
+ {
230
+ "epoch": 0.0017777777777777779,
231
+ "grad_norm": 1.984375,
232
+ "learning_rate": 6.88888888888889e-05,
233
+ "loss": 9.8342,
234
+ "step": 32
235
+ },
236
+ {
237
+ "epoch": 0.0018333333333333333,
238
+ "grad_norm": 1.96875,
239
+ "learning_rate": 7.111111111111112e-05,
240
+ "loss": 9.7463,
241
+ "step": 33
242
+ },
243
+ {
244
+ "epoch": 0.001888888888888889,
245
+ "grad_norm": 1.90625,
246
+ "learning_rate": 7.333333333333333e-05,
247
+ "loss": 9.6556,
248
+ "step": 34
249
+ },
250
+ {
251
+ "epoch": 0.0019444444444444444,
252
+ "grad_norm": 1.953125,
253
+ "learning_rate": 7.555555555555556e-05,
254
+ "loss": 9.5787,
255
+ "step": 35
256
+ },
257
+ {
258
+ "epoch": 0.002,
259
+ "grad_norm": 1.953125,
260
+ "learning_rate": 7.777777777777778e-05,
261
+ "loss": 9.5192,
262
+ "step": 36
263
+ },
264
+ {
265
+ "epoch": 0.0020555555555555557,
266
+ "grad_norm": 1.8359375,
267
+ "learning_rate": 8e-05,
268
+ "loss": 9.4428,
269
+ "step": 37
270
+ },
271
+ {
272
+ "epoch": 0.002111111111111111,
273
+ "grad_norm": 1.8828125,
274
+ "learning_rate": 8.222222222222222e-05,
275
+ "loss": 9.3813,
276
+ "step": 38
277
+ },
278
+ {
279
+ "epoch": 0.0021666666666666666,
280
+ "grad_norm": 1.84375,
281
+ "learning_rate": 8.444444444444444e-05,
282
+ "loss": 9.2998,
283
+ "step": 39
284
+ },
285
+ {
286
+ "epoch": 0.0022222222222222222,
287
+ "grad_norm": 1.8359375,
288
+ "learning_rate": 8.666666666666667e-05,
289
+ "loss": 9.226,
290
+ "step": 40
291
+ },
292
+ {
293
+ "epoch": 0.002277777777777778,
294
+ "grad_norm": 1.734375,
295
+ "learning_rate": 8.888888888888889e-05,
296
+ "loss": 9.1606,
297
+ "step": 41
298
+ },
299
+ {
300
+ "epoch": 0.0023333333333333335,
301
+ "grad_norm": 1.640625,
302
+ "learning_rate": 9.111111111111112e-05,
303
+ "loss": 9.0804,
304
+ "step": 42
305
+ },
306
+ {
307
+ "epoch": 0.0023888888888888887,
308
+ "grad_norm": 1.609375,
309
+ "learning_rate": 9.333333333333334e-05,
310
+ "loss": 8.9733,
311
+ "step": 43
312
+ },
313
+ {
314
+ "epoch": 0.0024444444444444444,
315
+ "grad_norm": 1.53125,
316
+ "learning_rate": 9.555555555555557e-05,
317
+ "loss": 8.8865,
318
+ "step": 44
319
+ },
320
+ {
321
+ "epoch": 0.0025,
322
+ "grad_norm": 1.4765625,
323
+ "learning_rate": 9.777777777777778e-05,
324
+ "loss": 8.7983,
325
+ "step": 45
326
+ },
327
+ {
328
+ "epoch": 0.0025555555555555557,
329
+ "grad_norm": 1.3984375,
330
+ "learning_rate": 0.0001,
331
+ "loss": 8.7126,
332
+ "step": 46
333
+ },
334
+ {
335
+ "epoch": 0.002611111111111111,
336
+ "grad_norm": 1.3515625,
337
+ "learning_rate": 0.00010222222222222222,
338
+ "loss": 8.6344,
339
+ "step": 47
340
+ },
341
+ {
342
+ "epoch": 0.0026666666666666666,
343
+ "grad_norm": 1.375,
344
+ "learning_rate": 0.00010444444444444445,
345
+ "loss": 8.5293,
346
+ "step": 48
347
+ },
348
+ {
349
+ "epoch": 0.0027222222222222222,
350
+ "grad_norm": 1.2890625,
351
+ "learning_rate": 0.00010666666666666667,
352
+ "loss": 8.4442,
353
+ "step": 49
354
+ },
355
+ {
356
+ "epoch": 0.002777777777777778,
357
+ "grad_norm": 1.203125,
358
+ "learning_rate": 0.00010888888888888889,
359
+ "loss": 8.3865,
360
+ "step": 50
361
+ },
362
+ {
363
+ "epoch": 0.0028333333333333335,
364
+ "grad_norm": 1.125,
365
+ "learning_rate": 0.00011111111111111112,
366
+ "loss": 8.2919,
367
+ "step": 51
368
+ },
369
+ {
370
+ "epoch": 0.0028888888888888888,
371
+ "grad_norm": 1.0703125,
372
+ "learning_rate": 0.00011333333333333334,
373
+ "loss": 8.2129,
374
+ "step": 52
375
+ },
376
+ {
377
+ "epoch": 0.0029444444444444444,
378
+ "grad_norm": 0.98828125,
379
+ "learning_rate": 0.00011555555555555555,
380
+ "loss": 8.1384,
381
+ "step": 53
382
+ },
383
+ {
384
+ "epoch": 0.003,
385
+ "grad_norm": 0.93359375,
386
+ "learning_rate": 0.00011777777777777779,
387
+ "loss": 8.0398,
388
+ "step": 54
389
+ },
390
+ {
391
+ "epoch": 0.0030555555555555557,
392
+ "grad_norm": 0.8828125,
393
+ "learning_rate": 0.00012,
394
+ "loss": 7.9803,
395
+ "step": 55
396
+ },
397
+ {
398
+ "epoch": 0.003111111111111111,
399
+ "grad_norm": 0.92578125,
400
+ "learning_rate": 0.00012222222222222224,
401
+ "loss": 7.8637,
402
+ "step": 56
403
+ },
404
+ {
405
+ "epoch": 0.0031666666666666666,
406
+ "grad_norm": 0.921875,
407
+ "learning_rate": 0.00012444444444444444,
408
+ "loss": 7.7939,
409
+ "step": 57
410
+ },
411
+ {
412
+ "epoch": 0.0032222222222222222,
413
+ "grad_norm": 0.94921875,
414
+ "learning_rate": 0.00012666666666666666,
415
+ "loss": 7.6684,
416
+ "step": 58
417
+ },
418
+ {
419
+ "epoch": 0.003277777777777778,
420
+ "grad_norm": 0.9765625,
421
+ "learning_rate": 0.00012888888888888892,
422
+ "loss": 7.5761,
423
+ "step": 59
424
+ },
425
+ {
426
+ "epoch": 0.0033333333333333335,
427
+ "grad_norm": 1.1015625,
428
+ "learning_rate": 0.00013111111111111111,
429
+ "loss": 7.4179,
430
+ "step": 60
431
+ },
432
+ {
433
+ "epoch": 0.0033888888888888888,
434
+ "grad_norm": 1.046875,
435
+ "learning_rate": 0.00013333333333333334,
436
+ "loss": 7.3443,
437
+ "step": 61
438
+ },
439
+ {
440
+ "epoch": 0.0034444444444444444,
441
+ "grad_norm": 0.796875,
442
+ "learning_rate": 0.00013555555555555556,
443
+ "loss": 7.4026,
444
+ "step": 62
445
+ },
446
+ {
447
+ "epoch": 0.0035,
448
+ "grad_norm": 0.69921875,
449
+ "learning_rate": 0.0001377777777777778,
450
+ "loss": 7.4024,
451
+ "step": 63
452
+ },
453
+ {
454
+ "epoch": 0.0035555555555555557,
455
+ "grad_norm": 0.70703125,
456
+ "learning_rate": 0.00014,
457
+ "loss": 7.3672,
458
+ "step": 64
459
+ },
460
+ {
461
+ "epoch": 0.003611111111111111,
462
+ "grad_norm": 0.58203125,
463
+ "learning_rate": 0.00014222222222222224,
464
+ "loss": 7.343,
465
+ "step": 65
466
+ },
467
+ {
468
+ "epoch": 0.0036666666666666666,
469
+ "grad_norm": 0.53125,
470
+ "learning_rate": 0.00014444444444444444,
471
+ "loss": 7.3955,
472
+ "step": 66
473
+ },
474
+ {
475
+ "epoch": 0.0037222222222222223,
476
+ "grad_norm": 0.51171875,
477
+ "learning_rate": 0.00014666666666666666,
478
+ "loss": 7.4583,
479
+ "step": 67
480
+ },
481
+ {
482
+ "epoch": 0.003777777777777778,
483
+ "grad_norm": 0.5078125,
484
+ "learning_rate": 0.0001488888888888889,
485
+ "loss": 7.496,
486
+ "step": 68
487
+ },
488
+ {
489
+ "epoch": 0.003833333333333333,
490
+ "grad_norm": 0.52734375,
491
+ "learning_rate": 0.0001511111111111111,
492
+ "loss": 7.5311,
493
+ "step": 69
494
+ },
495
+ {
496
+ "epoch": 0.0038888888888888888,
497
+ "grad_norm": 0.419921875,
498
+ "learning_rate": 0.00015333333333333334,
499
+ "loss": 7.5192,
500
+ "step": 70
501
+ },
502
+ {
503
+ "epoch": 0.003944444444444445,
504
+ "grad_norm": 0.515625,
505
+ "learning_rate": 0.00015555555555555556,
506
+ "loss": 7.5281,
507
+ "step": 71
508
+ },
509
+ {
510
+ "epoch": 0.004,
511
+ "grad_norm": 1.0078125,
512
+ "learning_rate": 0.0001577777777777778,
513
+ "loss": 7.5336,
514
+ "step": 72
515
+ },
516
+ {
517
+ "epoch": 0.004055555555555555,
518
+ "grad_norm": 2.875,
519
+ "learning_rate": 0.00016,
520
+ "loss": 7.5973,
521
+ "step": 73
522
+ },
523
+ {
524
+ "epoch": 0.004111111111111111,
525
+ "grad_norm": 0.88671875,
526
+ "learning_rate": 0.00016222222222222224,
527
+ "loss": 7.5701,
528
+ "step": 74
529
+ },
530
+ {
531
+ "epoch": 0.004166666666666667,
532
+ "grad_norm": 2.15625,
533
+ "learning_rate": 0.00016444444444444444,
534
+ "loss": 7.6284,
535
+ "step": 75
536
+ },
537
+ {
538
+ "epoch": 0.004222222222222222,
539
+ "grad_norm": 1.9375,
540
+ "learning_rate": 0.0001666666666666667,
541
+ "loss": 7.5777,
542
+ "step": 76
543
+ },
544
+ {
545
+ "epoch": 0.004277777777777778,
546
+ "grad_norm": 0.65234375,
547
+ "learning_rate": 0.00016888888888888889,
548
+ "loss": 7.5304,
549
+ "step": 77
550
+ },
551
+ {
552
+ "epoch": 0.004333333333333333,
553
+ "grad_norm": 1.4765625,
554
+ "learning_rate": 0.0001711111111111111,
555
+ "loss": 7.555,
556
+ "step": 78
557
+ },
558
+ {
559
+ "epoch": 0.004388888888888889,
560
+ "grad_norm": 0.86328125,
561
+ "learning_rate": 0.00017333333333333334,
562
+ "loss": 7.5905,
563
+ "step": 79
564
+ },
565
+ {
566
+ "epoch": 0.0044444444444444444,
567
+ "grad_norm": 0.59375,
568
+ "learning_rate": 0.00017555555555555556,
569
+ "loss": 7.517,
570
+ "step": 80
571
+ },
572
+ {
573
+ "epoch": 0.0045,
574
+ "grad_norm": 0.953125,
575
+ "learning_rate": 0.00017777777777777779,
576
+ "loss": 7.4894,
577
+ "step": 81
578
+ },
579
+ {
580
+ "epoch": 0.004555555555555556,
581
+ "grad_norm": 0.91015625,
582
+ "learning_rate": 0.00018,
583
+ "loss": 7.3884,
584
+ "step": 82
585
+ },
586
+ {
587
+ "epoch": 0.004611111111111111,
588
+ "grad_norm": 0.71875,
589
+ "learning_rate": 0.00018222222222222224,
590
+ "loss": 7.3885,
591
+ "step": 83
592
+ },
593
+ {
594
+ "epoch": 0.004666666666666667,
595
+ "grad_norm": 0.64453125,
596
+ "learning_rate": 0.00018444444444444446,
597
+ "loss": 7.4164,
598
+ "step": 84
599
+ },
600
+ {
601
+ "epoch": 0.004722222222222222,
602
+ "grad_norm": 0.64453125,
603
+ "learning_rate": 0.0001866666666666667,
604
+ "loss": 7.3749,
605
+ "step": 85
606
+ },
607
+ {
608
+ "epoch": 0.0047777777777777775,
609
+ "grad_norm": 0.765625,
610
+ "learning_rate": 0.00018888888888888888,
611
+ "loss": 7.3552,
612
+ "step": 86
613
+ },
614
+ {
615
+ "epoch": 0.004833333333333334,
616
+ "grad_norm": 0.49609375,
617
+ "learning_rate": 0.00019111111111111114,
618
+ "loss": 7.3928,
619
+ "step": 87
620
+ },
621
+ {
622
+ "epoch": 0.004888888888888889,
623
+ "grad_norm": 0.62109375,
624
+ "learning_rate": 0.00019333333333333333,
625
+ "loss": 7.3787,
626
+ "step": 88
627
+ },
628
+ {
629
+ "epoch": 0.004944444444444444,
630
+ "grad_norm": 0.546875,
631
+ "learning_rate": 0.00019555555555555556,
632
+ "loss": 7.2577,
633
+ "step": 89
634
+ },
635
+ {
636
+ "epoch": 0.005,
637
+ "grad_norm": 0.4765625,
638
+ "learning_rate": 0.00019777777777777778,
639
+ "loss": 7.2965,
640
+ "step": 90
641
+ },
642
+ {
643
+ "epoch": 0.005055555555555555,
644
+ "grad_norm": 0.65625,
645
+ "learning_rate": 0.0002,
646
+ "loss": 7.2739,
647
+ "step": 91
648
+ },
649
+ {
650
+ "epoch": 0.005111111111111111,
651
+ "grad_norm": 0.51171875,
652
+ "learning_rate": 0.00020222222222222223,
653
+ "loss": 7.2954,
654
+ "step": 92
655
+ },
656
+ {
657
+ "epoch": 0.005166666666666667,
658
+ "grad_norm": 0.55078125,
659
+ "learning_rate": 0.00020444444444444443,
660
+ "loss": 7.2499,
661
+ "step": 93
662
+ },
663
+ {
664
+ "epoch": 0.005222222222222222,
665
+ "grad_norm": 0.578125,
666
+ "learning_rate": 0.00020666666666666668,
667
+ "loss": 7.2114,
668
+ "step": 94
669
+ },
670
+ {
671
+ "epoch": 0.005277777777777778,
672
+ "grad_norm": 0.71875,
673
+ "learning_rate": 0.0002088888888888889,
674
+ "loss": 6.9365,
675
+ "step": 95
676
+ },
677
+ {
678
+ "epoch": 0.005333333333333333,
679
+ "grad_norm": 1.1171875,
680
+ "learning_rate": 0.00021111111111111113,
681
+ "loss": 6.832,
682
+ "step": 96
683
+ },
684
+ {
685
+ "epoch": 0.005388888888888889,
686
+ "grad_norm": 2.140625,
687
+ "learning_rate": 0.00021333333333333333,
688
+ "loss": 6.6846,
689
+ "step": 97
690
+ },
691
+ {
692
+ "epoch": 0.0054444444444444445,
693
+ "grad_norm": 2.0,
694
+ "learning_rate": 0.00021555555555555556,
695
+ "loss": 6.7058,
696
+ "step": 98
697
+ },
698
+ {
699
+ "epoch": 0.0055,
700
+ "grad_norm": 1.9375,
701
+ "learning_rate": 0.00021777777777777778,
702
+ "loss": 6.4581,
703
+ "step": 99
704
+ },
705
+ {
706
+ "epoch": 0.005555555555555556,
707
+ "grad_norm": 2.125,
708
+ "learning_rate": 0.00022000000000000003,
709
+ "loss": 6.2792,
710
+ "step": 100
711
+ },
712
+ {
713
+ "epoch": 0.005611111111111111,
714
+ "grad_norm": 1.4375,
715
+ "learning_rate": 0.00022222222222222223,
716
+ "loss": 6.2681,
717
+ "step": 101
718
+ },
719
+ {
720
+ "epoch": 0.005666666666666667,
721
+ "grad_norm": 1.7890625,
722
+ "learning_rate": 0.00022444444444444446,
723
+ "loss": 6.3899,
724
+ "step": 102
725
+ },
726
+ {
727
+ "epoch": 0.005722222222222222,
728
+ "grad_norm": 2.125,
729
+ "learning_rate": 0.00022666666666666668,
730
+ "loss": 6.2359,
731
+ "step": 103
732
+ },
733
+ {
734
+ "epoch": 0.0057777777777777775,
735
+ "grad_norm": 1.5625,
736
+ "learning_rate": 0.00022888888888888888,
737
+ "loss": 6.4321,
738
+ "step": 104
739
+ },
740
+ {
741
+ "epoch": 0.005833333333333334,
742
+ "grad_norm": 1.234375,
743
+ "learning_rate": 0.0002311111111111111,
744
+ "loss": 6.6125,
745
+ "step": 105
746
+ },
747
+ {
748
+ "epoch": 0.005888888888888889,
749
+ "grad_norm": 1.5859375,
750
+ "learning_rate": 0.00023333333333333336,
751
+ "loss": 6.4724,
752
+ "step": 106
753
+ },
754
+ {
755
+ "epoch": 0.005944444444444444,
756
+ "grad_norm": 0.796875,
757
+ "learning_rate": 0.00023555555555555558,
758
+ "loss": 6.5719,
759
+ "step": 107
760
+ },
761
+ {
762
+ "epoch": 0.006,
763
+ "grad_norm": 1.75,
764
+ "learning_rate": 0.00023777777777777778,
765
+ "loss": 6.6904,
766
+ "step": 108
767
+ },
768
+ {
769
+ "epoch": 0.006055555555555555,
770
+ "grad_norm": 1.2421875,
771
+ "learning_rate": 0.00024,
772
+ "loss": 6.7243,
773
+ "step": 109
774
+ },
775
+ {
776
+ "epoch": 0.006111111111111111,
777
+ "grad_norm": 1.53125,
778
+ "learning_rate": 0.0002422222222222222,
779
+ "loss": 6.8575,
780
+ "step": 110
781
+ },
782
+ {
783
+ "epoch": 0.006166666666666667,
784
+ "grad_norm": 1.3203125,
785
+ "learning_rate": 0.0002444444444444445,
786
+ "loss": 6.8489,
787
+ "step": 111
788
+ },
789
+ {
790
+ "epoch": 0.006222222222222222,
791
+ "grad_norm": 0.92578125,
792
+ "learning_rate": 0.0002466666666666667,
793
+ "loss": 6.8966,
794
+ "step": 112
795
+ },
796
+ {
797
+ "epoch": 0.006277777777777778,
798
+ "grad_norm": 1.1640625,
799
+ "learning_rate": 0.0002488888888888889,
800
+ "loss": 6.8286,
801
+ "step": 113
802
+ },
803
+ {
804
+ "epoch": 0.006333333333333333,
805
+ "grad_norm": 1.625,
806
+ "learning_rate": 0.00025111111111111113,
807
+ "loss": 6.8489,
808
+ "step": 114
809
+ },
810
+ {
811
+ "epoch": 0.006388888888888889,
812
+ "grad_norm": 1.1015625,
813
+ "learning_rate": 0.00025333333333333333,
814
+ "loss": 6.8139,
815
+ "step": 115
816
+ },
817
+ {
818
+ "epoch": 0.0064444444444444445,
819
+ "grad_norm": 0.78515625,
820
+ "learning_rate": 0.00025555555555555553,
821
+ "loss": 6.8945,
822
+ "step": 116
823
+ },
824
+ {
825
+ "epoch": 0.0065,
826
+ "grad_norm": 1.2578125,
827
+ "learning_rate": 0.00025777777777777783,
828
+ "loss": 6.91,
829
+ "step": 117
830
+ },
831
+ {
832
+ "epoch": 0.006555555555555556,
833
+ "grad_norm": 1.1484375,
834
+ "learning_rate": 0.00026000000000000003,
835
+ "loss": 6.8704,
836
+ "step": 118
837
+ },
838
+ {
839
+ "epoch": 0.006611111111111111,
840
+ "grad_norm": 1.9296875,
841
+ "learning_rate": 0.00026222222222222223,
842
+ "loss": 6.8601,
843
+ "step": 119
844
+ },
845
+ {
846
+ "epoch": 0.006666666666666667,
847
+ "grad_norm": 1.0546875,
848
+ "learning_rate": 0.00026444444444444443,
849
+ "loss": 6.8621,
850
+ "step": 120
851
+ },
852
+ {
853
+ "epoch": 0.006722222222222222,
854
+ "grad_norm": 1.421875,
855
+ "learning_rate": 0.0002666666666666667,
856
+ "loss": 6.8227,
857
+ "step": 121
858
+ },
859
+ {
860
+ "epoch": 0.0067777777777777775,
861
+ "grad_norm": 0.796875,
862
+ "learning_rate": 0.00026888888888888893,
863
+ "loss": 6.821,
864
+ "step": 122
865
+ },
866
+ {
867
+ "epoch": 0.006833333333333334,
868
+ "grad_norm": 1.90625,
869
+ "learning_rate": 0.00027111111111111113,
870
+ "loss": 6.8492,
871
+ "step": 123
872
+ },
873
+ {
874
+ "epoch": 0.006888888888888889,
875
+ "grad_norm": 1.125,
876
+ "learning_rate": 0.00027333333333333333,
877
+ "loss": 6.7757,
878
+ "step": 124
879
+ },
880
+ {
881
+ "epoch": 0.006944444444444444,
882
+ "grad_norm": 1.765625,
883
+ "learning_rate": 0.0002755555555555556,
884
+ "loss": 6.8159,
885
+ "step": 125
886
+ },
887
+ {
888
+ "epoch": 0.007,
889
+ "grad_norm": 1.3125,
890
+ "learning_rate": 0.0002777777777777778,
891
+ "loss": 6.8207,
892
+ "step": 126
893
+ },
894
+ {
895
+ "epoch": 0.007055555555555555,
896
+ "grad_norm": 1.703125,
897
+ "learning_rate": 0.00028,
898
+ "loss": 6.7621,
899
+ "step": 127
900
+ },
901
+ {
902
+ "epoch": 0.0071111111111111115,
903
+ "grad_norm": 1.40625,
904
+ "learning_rate": 0.00028222222222222223,
905
+ "loss": 6.7735,
906
+ "step": 128
907
+ },
908
+ {
909
+ "epoch": 0.007166666666666667,
910
+ "grad_norm": 0.95703125,
911
+ "learning_rate": 0.0002844444444444445,
912
+ "loss": 6.7198,
913
+ "step": 129
914
+ },
915
+ {
916
+ "epoch": 0.007222222222222222,
917
+ "grad_norm": 1.71875,
918
+ "learning_rate": 0.0002866666666666667,
919
+ "loss": 6.7357,
920
+ "step": 130
921
+ },
922
+ {
923
+ "epoch": 0.007277777777777778,
924
+ "grad_norm": 2.265625,
925
+ "learning_rate": 0.0002888888888888889,
926
+ "loss": 6.6874,
927
+ "step": 131
928
+ },
929
+ {
930
+ "epoch": 0.007333333333333333,
931
+ "grad_norm": 1.46875,
932
+ "learning_rate": 0.00029111111111111113,
933
+ "loss": 6.4745,
934
+ "step": 132
935
+ },
936
+ {
937
+ "epoch": 0.007388888888888889,
938
+ "grad_norm": 2.15625,
939
+ "learning_rate": 0.0002933333333333333,
940
+ "loss": 6.0567,
941
+ "step": 133
942
+ },
943
+ {
944
+ "epoch": 0.0074444444444444445,
945
+ "grad_norm": 4.15625,
946
+ "learning_rate": 0.0002955555555555556,
947
+ "loss": 6.2737,
948
+ "step": 134
949
+ },
950
+ {
951
+ "epoch": 0.0075,
952
+ "grad_norm": 4.84375,
953
+ "learning_rate": 0.0002977777777777778,
954
+ "loss": 5.6495,
955
+ "step": 135
956
+ },
957
+ {
958
+ "epoch": 0.007555555555555556,
959
+ "grad_norm": 4.71875,
960
+ "learning_rate": 0.00030000000000000003,
961
+ "loss": 5.0743,
962
+ "step": 136
963
+ },
964
+ {
965
+ "epoch": 0.007611111111111111,
966
+ "grad_norm": 2.78125,
967
+ "learning_rate": 0.0003022222222222222,
968
+ "loss": 4.3445,
969
+ "step": 137
970
+ },
971
+ {
972
+ "epoch": 0.007666666666666666,
973
+ "grad_norm": 4.21875,
974
+ "learning_rate": 0.0003044444444444444,
975
+ "loss": 3.992,
976
+ "step": 138
977
+ },
978
+ {
979
+ "epoch": 0.007722222222222222,
980
+ "grad_norm": 3.625,
981
+ "learning_rate": 0.0003066666666666667,
982
+ "loss": 3.6024,
983
+ "step": 139
984
+ },
985
+ {
986
+ "epoch": 0.0077777777777777776,
987
+ "grad_norm": 2.203125,
988
+ "learning_rate": 0.00030888888888888893,
989
+ "loss": 3.3183,
990
+ "step": 140
991
+ },
992
+ {
993
+ "epoch": 0.007833333333333333,
994
+ "grad_norm": 3.140625,
995
+ "learning_rate": 0.0003111111111111111,
996
+ "loss": 3.0075,
997
+ "step": 141
998
+ },
999
+ {
1000
+ "epoch": 0.00788888888888889,
1001
+ "grad_norm": 2.28125,
1002
+ "learning_rate": 0.0003133333333333333,
1003
+ "loss": 2.8974,
1004
+ "step": 142
1005
+ },
1006
+ {
1007
+ "epoch": 0.007944444444444445,
1008
+ "grad_norm": 2.296875,
1009
+ "learning_rate": 0.0003155555555555556,
1010
+ "loss": 2.7601,
1011
+ "step": 143
1012
+ },
1013
+ {
1014
+ "epoch": 0.008,
1015
+ "grad_norm": 1.453125,
1016
+ "learning_rate": 0.0003177777777777778,
1017
+ "loss": 2.5837,
1018
+ "step": 144
1019
+ },
1020
+ {
1021
+ "epoch": 0.008055555555555555,
1022
+ "grad_norm": 1.8671875,
1023
+ "learning_rate": 0.00032,
1024
+ "loss": 2.4128,
1025
+ "step": 145
1026
+ },
1027
+ {
1028
+ "epoch": 0.00811111111111111,
1029
+ "grad_norm": 2.1875,
1030
+ "learning_rate": 0.0003222222222222222,
1031
+ "loss": 3.2533,
1032
+ "step": 146
1033
+ },
1034
+ {
1035
+ "epoch": 0.008166666666666666,
1036
+ "grad_norm": 2.453125,
1037
+ "learning_rate": 0.0003244444444444445,
1038
+ "loss": 7.1903,
1039
+ "step": 147
1040
+ },
1041
+ {
1042
+ "epoch": 0.008222222222222223,
1043
+ "grad_norm": 2.421875,
1044
+ "learning_rate": 0.0003266666666666667,
1045
+ "loss": 7.2419,
1046
+ "step": 148
1047
+ },
1048
+ {
1049
+ "epoch": 0.008277777777777778,
1050
+ "grad_norm": 1.7421875,
1051
+ "learning_rate": 0.00032888888888888887,
1052
+ "loss": 7.1639,
1053
+ "step": 149
1054
+ },
1055
+ {
1056
+ "epoch": 0.008333333333333333,
1057
+ "grad_norm": 3.9375,
1058
+ "learning_rate": 0.0003311111111111111,
1059
+ "loss": 7.5551,
1060
+ "step": 150
1061
+ },
1062
+ {
1063
+ "epoch": 0.008388888888888888,
1064
+ "grad_norm": 2.46875,
1065
+ "learning_rate": 0.0003333333333333334,
1066
+ "loss": 7.6269,
1067
+ "step": 151
1068
+ },
1069
+ {
1070
+ "epoch": 0.008444444444444444,
1071
+ "grad_norm": 2.21875,
1072
+ "learning_rate": 0.0003355555555555556,
1073
+ "loss": 7.613,
1074
+ "step": 152
1075
+ },
1076
+ {
1077
+ "epoch": 0.0085,
1078
+ "grad_norm": 1.875,
1079
+ "learning_rate": 0.00033777777777777777,
1080
+ "loss": 7.3276,
1081
+ "step": 153
1082
+ },
1083
+ {
1084
+ "epoch": 0.008555555555555556,
1085
+ "grad_norm": 1.78125,
1086
+ "learning_rate": 0.00034,
1087
+ "loss": 7.1823,
1088
+ "step": 154
1089
+ },
1090
+ {
1091
+ "epoch": 0.008611111111111111,
1092
+ "grad_norm": 1.2109375,
1093
+ "learning_rate": 0.0003422222222222222,
1094
+ "loss": 7.0116,
1095
+ "step": 155
1096
+ },
1097
+ {
1098
+ "epoch": 0.008666666666666666,
1099
+ "grad_norm": 1.09375,
1100
+ "learning_rate": 0.0003444444444444445,
1101
+ "loss": 6.8148,
1102
+ "step": 156
1103
+ },
1104
+ {
1105
+ "epoch": 0.008722222222222221,
1106
+ "grad_norm": 1.671875,
1107
+ "learning_rate": 0.00034666666666666667,
1108
+ "loss": 6.7946,
1109
+ "step": 157
1110
+ },
1111
+ {
1112
+ "epoch": 0.008777777777777778,
1113
+ "grad_norm": 1.46875,
1114
+ "learning_rate": 0.0003488888888888889,
1115
+ "loss": 6.7094,
1116
+ "step": 158
1117
+ },
1118
+ {
1119
+ "epoch": 0.008833333333333334,
1120
+ "grad_norm": 0.9375,
1121
+ "learning_rate": 0.0003511111111111111,
1122
+ "loss": 6.6095,
1123
+ "step": 159
1124
+ },
1125
+ {
1126
+ "epoch": 0.008888888888888889,
1127
+ "grad_norm": 2.359375,
1128
+ "learning_rate": 0.0003533333333333333,
1129
+ "loss": 6.634,
1130
+ "step": 160
1131
+ },
1132
+ {
1133
+ "epoch": 0.008944444444444444,
1134
+ "grad_norm": 0.89453125,
1135
+ "learning_rate": 0.00035555555555555557,
1136
+ "loss": 6.4997,
1137
+ "step": 161
1138
+ },
1139
+ {
1140
+ "epoch": 0.009,
1141
+ "grad_norm": 1.109375,
1142
+ "learning_rate": 0.0003577777777777778,
1143
+ "loss": 6.5319,
1144
+ "step": 162
1145
+ },
1146
+ {
1147
+ "epoch": 0.009055555555555556,
1148
+ "grad_norm": 0.9296875,
1149
+ "learning_rate": 0.00036,
1150
+ "loss": 6.4609,
1151
+ "step": 163
1152
+ },
1153
+ {
1154
+ "epoch": 0.009111111111111111,
1155
+ "grad_norm": 1.1328125,
1156
+ "learning_rate": 0.0003622222222222222,
1157
+ "loss": 6.3937,
1158
+ "step": 164
1159
+ },
1160
+ {
1161
+ "epoch": 0.009166666666666667,
1162
+ "grad_norm": 0.99609375,
1163
+ "learning_rate": 0.00036444444444444447,
1164
+ "loss": 6.4104,
1165
+ "step": 165
1166
+ },
1167
+ {
1168
+ "epoch": 0.009222222222222222,
1169
+ "grad_norm": 0.796875,
1170
+ "learning_rate": 0.00036666666666666667,
1171
+ "loss": 6.3735,
1172
+ "step": 166
1173
+ },
1174
+ {
1175
+ "epoch": 0.009277777777777777,
1176
+ "grad_norm": 0.6796875,
1177
+ "learning_rate": 0.0003688888888888889,
1178
+ "loss": 6.328,
1179
+ "step": 167
1180
+ },
1181
+ {
1182
+ "epoch": 0.009333333333333334,
1183
+ "grad_norm": 0.609375,
1184
+ "learning_rate": 0.0003711111111111111,
1185
+ "loss": 6.4317,
1186
+ "step": 168
1187
+ },
1188
+ {
1189
+ "epoch": 0.00938888888888889,
1190
+ "grad_norm": 0.48828125,
1191
+ "learning_rate": 0.0003733333333333334,
1192
+ "loss": 6.422,
1193
+ "step": 169
1194
+ },
1195
+ {
1196
+ "epoch": 0.009444444444444445,
1197
+ "grad_norm": 0.63671875,
1198
+ "learning_rate": 0.00037555555555555557,
1199
+ "loss": 6.3985,
1200
+ "step": 170
1201
+ },
1202
+ {
1203
+ "epoch": 0.0095,
1204
+ "grad_norm": 0.4453125,
1205
+ "learning_rate": 0.00037777777777777777,
1206
+ "loss": 6.3042,
1207
+ "step": 171
1208
+ },
1209
+ {
1210
+ "epoch": 0.009555555555555555,
1211
+ "grad_norm": 0.498046875,
1212
+ "learning_rate": 0.00038,
1213
+ "loss": 6.2862,
1214
+ "step": 172
1215
+ },
1216
+ {
1217
+ "epoch": 0.009611111111111112,
1218
+ "grad_norm": 0.55859375,
1219
+ "learning_rate": 0.0003822222222222223,
1220
+ "loss": 6.3022,
1221
+ "step": 173
1222
+ },
1223
+ {
1224
+ "epoch": 0.009666666666666667,
1225
+ "grad_norm": 1.0546875,
1226
+ "learning_rate": 0.00038444444444444447,
1227
+ "loss": 6.2643,
1228
+ "step": 174
1229
+ },
1230
+ {
1231
+ "epoch": 0.009722222222222222,
1232
+ "grad_norm": 1.9765625,
1233
+ "learning_rate": 0.00038666666666666667,
1234
+ "loss": 6.4482,
1235
+ "step": 175
1236
+ },
1237
+ {
1238
+ "epoch": 0.009777777777777778,
1239
+ "grad_norm": 1.0234375,
1240
+ "learning_rate": 0.0003888888888888889,
1241
+ "loss": 6.3078,
1242
+ "step": 176
1243
+ },
1244
+ {
1245
+ "epoch": 0.009833333333333333,
1246
+ "grad_norm": 4.21875,
1247
+ "learning_rate": 0.0003911111111111111,
1248
+ "loss": 6.6022,
1249
+ "step": 177
1250
+ },
1251
+ {
1252
+ "epoch": 0.009888888888888888,
1253
+ "grad_norm": 2.234375,
1254
+ "learning_rate": 0.0003933333333333333,
1255
+ "loss": 6.3746,
1256
+ "step": 178
1257
+ },
1258
+ {
1259
+ "epoch": 0.009944444444444445,
1260
+ "grad_norm": 1.3359375,
1261
+ "learning_rate": 0.00039555555555555557,
1262
+ "loss": 6.2933,
1263
+ "step": 179
1264
+ },
1265
+ {
1266
+ "epoch": 0.01,
1267
+ "grad_norm": 1.0234375,
1268
+ "learning_rate": 0.0003977777777777778,
1269
+ "loss": 6.2801,
1270
+ "step": 180
1271
+ },
1272
+ {
1273
+ "epoch": 0.010055555555555555,
1274
+ "grad_norm": 1.15625,
1275
+ "learning_rate": 0.0004,
1276
+ "loss": 6.3361,
1277
+ "step": 181
1278
+ },
1279
+ {
1280
+ "epoch": 0.01011111111111111,
1281
+ "grad_norm": 0.92578125,
1282
+ "learning_rate": 0.0004022222222222222,
1283
+ "loss": 6.2465,
1284
+ "step": 182
1285
+ },
1286
+ {
1287
+ "epoch": 0.010166666666666666,
1288
+ "grad_norm": 0.890625,
1289
+ "learning_rate": 0.00040444444444444447,
1290
+ "loss": 6.2241,
1291
+ "step": 183
1292
+ },
1293
+ {
1294
+ "epoch": 0.010222222222222223,
1295
+ "grad_norm": 0.796875,
1296
+ "learning_rate": 0.00040666666666666667,
1297
+ "loss": 6.1295,
1298
+ "step": 184
1299
+ },
1300
+ {
1301
+ "epoch": 0.010277777777777778,
1302
+ "grad_norm": 1.265625,
1303
+ "learning_rate": 0.00040888888888888887,
1304
+ "loss": 6.1213,
1305
+ "step": 185
1306
+ },
1307
+ {
1308
+ "epoch": 0.010333333333333333,
1309
+ "grad_norm": 0.6875,
1310
+ "learning_rate": 0.0004111111111111111,
1311
+ "loss": 6.0338,
1312
+ "step": 186
1313
+ },
1314
+ {
1315
+ "epoch": 0.010388888888888888,
1316
+ "grad_norm": 0.8359375,
1317
+ "learning_rate": 0.00041333333333333337,
1318
+ "loss": 6.0617,
1319
+ "step": 187
1320
+ },
1321
+ {
1322
+ "epoch": 0.010444444444444444,
1323
+ "grad_norm": 0.64453125,
1324
+ "learning_rate": 0.0004155555555555556,
1325
+ "loss": 6.0373,
1326
+ "step": 188
1327
+ },
1328
+ {
1329
+ "epoch": 0.0105,
1330
+ "grad_norm": 0.75,
1331
+ "learning_rate": 0.0004177777777777778,
1332
+ "loss": 6.0649,
1333
+ "step": 189
1334
+ },
1335
+ {
1336
+ "epoch": 0.010555555555555556,
1337
+ "grad_norm": 0.57421875,
1338
+ "learning_rate": 0.00042,
1339
+ "loss": 6.0735,
1340
+ "step": 190
1341
+ },
1342
+ {
1343
+ "epoch": 0.010611111111111111,
1344
+ "grad_norm": 0.78515625,
1345
+ "learning_rate": 0.00042222222222222227,
1346
+ "loss": 5.9892,
1347
+ "step": 191
1348
+ },
1349
+ {
1350
+ "epoch": 0.010666666666666666,
1351
+ "grad_norm": 0.478515625,
1352
+ "learning_rate": 0.00042444444444444447,
1353
+ "loss": 5.9196,
1354
+ "step": 192
1355
+ },
1356
+ {
1357
+ "epoch": 0.010722222222222222,
1358
+ "grad_norm": 0.51171875,
1359
+ "learning_rate": 0.00042666666666666667,
1360
+ "loss": 5.9119,
1361
+ "step": 193
1362
+ },
1363
+ {
1364
+ "epoch": 0.010777777777777778,
1365
+ "grad_norm": 0.5078125,
1366
+ "learning_rate": 0.0004288888888888889,
1367
+ "loss": 5.9116,
1368
+ "step": 194
1369
+ },
1370
+ {
1371
+ "epoch": 0.010833333333333334,
1372
+ "grad_norm": 0.50390625,
1373
+ "learning_rate": 0.0004311111111111111,
1374
+ "loss": 5.8389,
1375
+ "step": 195
1376
+ },
1377
+ {
1378
+ "epoch": 0.010888888888888889,
1379
+ "grad_norm": 0.455078125,
1380
+ "learning_rate": 0.0004333333333333333,
1381
+ "loss": 5.923,
1382
+ "step": 196
1383
+ },
1384
+ {
1385
+ "epoch": 0.010944444444444444,
1386
+ "grad_norm": 0.62109375,
1387
+ "learning_rate": 0.00043555555555555557,
1388
+ "loss": 5.859,
1389
+ "step": 197
1390
+ },
1391
+ {
1392
+ "epoch": 0.011,
1393
+ "grad_norm": 0.578125,
1394
+ "learning_rate": 0.0004377777777777778,
1395
+ "loss": 5.7867,
1396
+ "step": 198
1397
+ },
1398
+ {
1399
+ "epoch": 0.011055555555555556,
1400
+ "grad_norm": 0.61328125,
1401
+ "learning_rate": 0.00044000000000000007,
1402
+ "loss": 5.7467,
1403
+ "step": 199
1404
+ },
1405
+ {
1406
+ "epoch": 0.011111111111111112,
1407
+ "grad_norm": 1.1328125,
1408
+ "learning_rate": 0.00044222222222222227,
1409
+ "loss": 5.7666,
1410
+ "step": 200
1411
+ },
1412
+ {
1413
+ "epoch": 0.011166666666666667,
1414
+ "grad_norm": 1.8203125,
1415
+ "learning_rate": 0.00044444444444444447,
1416
+ "loss": 5.7624,
1417
+ "step": 201
1418
+ },
1419
+ {
1420
+ "epoch": 0.011222222222222222,
1421
+ "grad_norm": 1.0,
1422
+ "learning_rate": 0.0004466666666666667,
1423
+ "loss": 5.7962,
1424
+ "step": 202
1425
+ },
1426
+ {
1427
+ "epoch": 0.011277777777777777,
1428
+ "grad_norm": 0.96875,
1429
+ "learning_rate": 0.0004488888888888889,
1430
+ "loss": 5.7149,
1431
+ "step": 203
1432
+ },
1433
+ {
1434
+ "epoch": 0.011333333333333334,
1435
+ "grad_norm": 1.96875,
1436
+ "learning_rate": 0.0004511111111111111,
1437
+ "loss": 5.7417,
1438
+ "step": 204
1439
+ },
1440
+ {
1441
+ "epoch": 0.01138888888888889,
1442
+ "grad_norm": 0.91015625,
1443
+ "learning_rate": 0.00045333333333333337,
1444
+ "loss": 5.645,
1445
+ "step": 205
1446
+ },
1447
+ {
1448
+ "epoch": 0.011444444444444445,
1449
+ "grad_norm": 1.5078125,
1450
+ "learning_rate": 0.00045555555555555556,
1451
+ "loss": 5.7141,
1452
+ "step": 206
1453
+ },
1454
+ {
1455
+ "epoch": 0.0115,
1456
+ "grad_norm": 0.84765625,
1457
+ "learning_rate": 0.00045777777777777776,
1458
+ "loss": 5.7341,
1459
+ "step": 207
1460
+ },
1461
+ {
1462
+ "epoch": 0.011555555555555555,
1463
+ "grad_norm": 1.1640625,
1464
+ "learning_rate": 0.00045999999999999996,
1465
+ "loss": 5.6469,
1466
+ "step": 208
1467
+ },
1468
+ {
1469
+ "epoch": 0.01161111111111111,
1470
+ "grad_norm": 1.0859375,
1471
+ "learning_rate": 0.0004622222222222222,
1472
+ "loss": 5.5942,
1473
+ "step": 209
1474
+ },
1475
+ {
1476
+ "epoch": 0.011666666666666667,
1477
+ "grad_norm": 1.109375,
1478
+ "learning_rate": 0.0004644444444444445,
1479
+ "loss": 5.4556,
1480
+ "step": 210
1481
+ },
1482
+ {
1483
+ "epoch": 0.011722222222222222,
1484
+ "grad_norm": 0.8984375,
1485
+ "learning_rate": 0.0004666666666666667,
1486
+ "loss": 5.3005,
1487
+ "step": 211
1488
+ },
1489
+ {
1490
+ "epoch": 0.011777777777777778,
1491
+ "grad_norm": 2.125,
1492
+ "learning_rate": 0.0004688888888888889,
1493
+ "loss": 5.3045,
1494
+ "step": 212
1495
+ },
1496
+ {
1497
+ "epoch": 0.011833333333333333,
1498
+ "grad_norm": 0.89453125,
1499
+ "learning_rate": 0.00047111111111111117,
1500
+ "loss": 5.1192,
1501
+ "step": 213
1502
+ },
1503
+ {
1504
+ "epoch": 0.011888888888888888,
1505
+ "grad_norm": 1.2734375,
1506
+ "learning_rate": 0.00047333333333333336,
1507
+ "loss": 5.0245,
1508
+ "step": 214
1509
+ },
1510
+ {
1511
+ "epoch": 0.011944444444444445,
1512
+ "grad_norm": 1.234375,
1513
+ "learning_rate": 0.00047555555555555556,
1514
+ "loss": 4.8353,
1515
+ "step": 215
1516
+ },
1517
+ {
1518
+ "epoch": 0.012,
1519
+ "grad_norm": 0.86328125,
1520
+ "learning_rate": 0.0004777777777777778,
1521
+ "loss": 4.7317,
1522
+ "step": 216
1523
+ },
1524
+ {
1525
+ "epoch": 0.012055555555555555,
1526
+ "grad_norm": 1.3125,
1527
+ "learning_rate": 0.00048,
1528
+ "loss": 4.4992,
1529
+ "step": 217
1530
+ },
1531
+ {
1532
+ "epoch": 0.01211111111111111,
1533
+ "grad_norm": 1.578125,
1534
+ "learning_rate": 0.0004822222222222222,
1535
+ "loss": 4.1094,
1536
+ "step": 218
1537
+ },
1538
+ {
1539
+ "epoch": 0.012166666666666666,
1540
+ "grad_norm": 1.640625,
1541
+ "learning_rate": 0.0004844444444444444,
1542
+ "loss": 4.3502,
1543
+ "step": 219
1544
+ },
1545
+ {
1546
+ "epoch": 0.012222222222222223,
1547
+ "grad_norm": 0.8671875,
1548
+ "learning_rate": 0.00048666666666666666,
1549
+ "loss": 4.667,
1550
+ "step": 220
1551
+ },
1552
+ {
1553
+ "epoch": 0.012277777777777778,
1554
+ "grad_norm": 0.984375,
1555
+ "learning_rate": 0.000488888888888889,
1556
+ "loss": 4.7028,
1557
+ "step": 221
1558
+ },
1559
+ {
1560
+ "epoch": 0.012333333333333333,
1561
+ "grad_norm": 1.078125,
1562
+ "learning_rate": 0.0004911111111111112,
1563
+ "loss": 4.7373,
1564
+ "step": 222
1565
+ },
1566
+ {
1567
+ "epoch": 0.012388888888888889,
1568
+ "grad_norm": 1.4609375,
1569
+ "learning_rate": 0.0004933333333333334,
1570
+ "loss": 4.8724,
1571
+ "step": 223
1572
+ },
1573
+ {
1574
+ "epoch": 0.012444444444444444,
1575
+ "grad_norm": 0.890625,
1576
+ "learning_rate": 0.0004955555555555556,
1577
+ "loss": 4.9015,
1578
+ "step": 224
1579
+ },
1580
+ {
1581
+ "epoch": 0.0125,
1582
+ "grad_norm": 0.6953125,
1583
+ "learning_rate": 0.0004977777777777778,
1584
+ "loss": 5.0587,
1585
+ "step": 225
1586
+ },
1587
+ {
1588
+ "epoch": 0.012555555555555556,
1589
+ "grad_norm": 0.62890625,
1590
+ "learning_rate": 0.0005,
1591
+ "loss": 5.0622,
1592
+ "step": 226
1593
+ },
1594
+ {
1595
+ "epoch": 0.012611111111111111,
1596
+ "grad_norm": 0.75390625,
1597
+ "learning_rate": 0.0005022222222222223,
1598
+ "loss": 5.0219,
1599
+ "step": 227
1600
+ },
1601
+ {
1602
+ "epoch": 0.012666666666666666,
1603
+ "grad_norm": 0.6171875,
1604
+ "learning_rate": 0.0005044444444444444,
1605
+ "loss": 5.0539,
1606
+ "step": 228
1607
+ },
1608
+ {
1609
+ "epoch": 0.012722222222222222,
1610
+ "grad_norm": 0.64453125,
1611
+ "learning_rate": 0.0005066666666666667,
1612
+ "loss": 4.9861,
1613
+ "step": 229
1614
+ },
1615
+ {
1616
+ "epoch": 0.012777777777777779,
1617
+ "grad_norm": 0.7890625,
1618
+ "learning_rate": 0.0005088888888888889,
1619
+ "loss": 4.9179,
1620
+ "step": 230
1621
+ },
1622
+ {
1623
+ "epoch": 0.012833333333333334,
1624
+ "grad_norm": 0.88671875,
1625
+ "learning_rate": 0.0005111111111111111,
1626
+ "loss": 5.0463,
1627
+ "step": 231
1628
+ },
1629
+ {
1630
+ "epoch": 0.012888888888888889,
1631
+ "grad_norm": 0.7109375,
1632
+ "learning_rate": 0.0005133333333333334,
1633
+ "loss": 4.937,
1634
+ "step": 232
1635
+ },
1636
+ {
1637
+ "epoch": 0.012944444444444444,
1638
+ "grad_norm": 0.61328125,
1639
+ "learning_rate": 0.0005155555555555557,
1640
+ "loss": 4.9688,
1641
+ "step": 233
1642
+ },
1643
+ {
1644
+ "epoch": 0.013,
1645
+ "grad_norm": 0.5625,
1646
+ "learning_rate": 0.0005177777777777778,
1647
+ "loss": 4.9766,
1648
+ "step": 234
1649
+ },
1650
+ {
1651
+ "epoch": 0.013055555555555556,
1652
+ "grad_norm": 0.578125,
1653
+ "learning_rate": 0.0005200000000000001,
1654
+ "loss": 5.0953,
1655
+ "step": 235
1656
+ },
1657
+ {
1658
+ "epoch": 0.013111111111111112,
1659
+ "grad_norm": 0.38671875,
1660
+ "learning_rate": 0.0005222222222222222,
1661
+ "loss": 5.1216,
1662
+ "step": 236
1663
+ },
1664
+ {
1665
+ "epoch": 0.013166666666666667,
1666
+ "grad_norm": 0.439453125,
1667
+ "learning_rate": 0.0005244444444444445,
1668
+ "loss": 4.9538,
1669
+ "step": 237
1670
+ },
1671
+ {
1672
+ "epoch": 0.013222222222222222,
1673
+ "grad_norm": 0.470703125,
1674
+ "learning_rate": 0.0005266666666666667,
1675
+ "loss": 4.9146,
1676
+ "step": 238
1677
+ },
1678
+ {
1679
+ "epoch": 0.013277777777777777,
1680
+ "grad_norm": 0.4375,
1681
+ "learning_rate": 0.0005288888888888889,
1682
+ "loss": 4.871,
1683
+ "step": 239
1684
+ },
1685
+ {
1686
+ "epoch": 0.013333333333333334,
1687
+ "grad_norm": 0.392578125,
1688
+ "learning_rate": 0.0005311111111111111,
1689
+ "loss": 4.8932,
1690
+ "step": 240
1691
+ },
1692
+ {
1693
+ "epoch": 0.01338888888888889,
1694
+ "grad_norm": 0.51953125,
1695
+ "learning_rate": 0.0005333333333333334,
1696
+ "loss": 4.9055,
1697
+ "step": 241
1698
+ },
1699
+ {
1700
+ "epoch": 0.013444444444444445,
1701
+ "grad_norm": 0.88671875,
1702
+ "learning_rate": 0.0005355555555555555,
1703
+ "loss": 5.097,
1704
+ "step": 242
1705
+ },
1706
+ {
1707
+ "epoch": 0.0135,
1708
+ "grad_norm": 1.5390625,
1709
+ "learning_rate": 0.0005377777777777779,
1710
+ "loss": 4.9579,
1711
+ "step": 243
1712
+ },
1713
+ {
1714
+ "epoch": 0.013555555555555555,
1715
+ "grad_norm": 0.62890625,
1716
+ "learning_rate": 0.0005400000000000001,
1717
+ "loss": 4.8544,
1718
+ "step": 244
1719
+ },
1720
+ {
1721
+ "epoch": 0.01361111111111111,
1722
+ "grad_norm": 1.1015625,
1723
+ "learning_rate": 0.0005422222222222223,
1724
+ "loss": 4.8904,
1725
+ "step": 245
1726
+ },
1727
+ {
1728
+ "epoch": 0.013666666666666667,
1729
+ "grad_norm": 1.2890625,
1730
+ "learning_rate": 0.0005444444444444445,
1731
+ "loss": 4.8943,
1732
+ "step": 246
1733
+ },
1734
+ {
1735
+ "epoch": 0.013722222222222222,
1736
+ "grad_norm": 0.63671875,
1737
+ "learning_rate": 0.0005466666666666667,
1738
+ "loss": 4.8606,
1739
+ "step": 247
1740
+ },
1741
+ {
1742
+ "epoch": 0.013777777777777778,
1743
+ "grad_norm": 0.9296875,
1744
+ "learning_rate": 0.0005488888888888889,
1745
+ "loss": 4.9137,
1746
+ "step": 248
1747
+ },
1748
+ {
1749
+ "epoch": 0.013833333333333333,
1750
+ "grad_norm": 1.0859375,
1751
+ "learning_rate": 0.0005511111111111112,
1752
+ "loss": 4.8868,
1753
+ "step": 249
1754
+ },
1755
+ {
1756
+ "epoch": 0.013888888888888888,
1757
+ "grad_norm": 1.3515625,
1758
+ "learning_rate": 0.0005533333333333333,
1759
+ "loss": 4.8489,
1760
+ "step": 250
1761
+ },
1762
+ {
1763
+ "epoch": 0.013944444444444445,
1764
+ "grad_norm": 1.296875,
1765
+ "learning_rate": 0.0005555555555555556,
1766
+ "loss": 4.8033,
1767
+ "step": 251
1768
+ },
1769
+ {
1770
+ "epoch": 0.014,
1771
+ "grad_norm": 1.125,
1772
+ "learning_rate": 0.0005577777777777778,
1773
+ "loss": 4.7462,
1774
+ "step": 252
1775
+ },
1776
+ {
1777
+ "epoch": 0.014055555555555556,
1778
+ "grad_norm": 1.046875,
1779
+ "learning_rate": 0.00056,
1780
+ "loss": 4.7489,
1781
+ "step": 253
1782
+ },
1783
+ {
1784
+ "epoch": 0.01411111111111111,
1785
+ "grad_norm": 1.1796875,
1786
+ "learning_rate": 0.0005622222222222222,
1787
+ "loss": 4.9115,
1788
+ "step": 254
1789
+ },
1790
+ {
1791
+ "epoch": 0.014166666666666666,
1792
+ "grad_norm": 0.97265625,
1793
+ "learning_rate": 0.0005644444444444445,
1794
+ "loss": 4.743,
1795
+ "step": 255
1796
+ },
1797
+ {
1798
+ "epoch": 0.014222222222222223,
1799
+ "grad_norm": 1.1640625,
1800
+ "learning_rate": 0.0005666666666666667,
1801
+ "loss": 4.6728,
1802
+ "step": 256
1803
+ },
1804
+ {
1805
+ "epoch": 0.014277777777777778,
1806
+ "grad_norm": 0.87890625,
1807
+ "learning_rate": 0.000568888888888889,
1808
+ "loss": 4.6893,
1809
+ "step": 257
1810
+ },
1811
+ {
1812
+ "epoch": 0.014333333333333333,
1813
+ "grad_norm": 0.81640625,
1814
+ "learning_rate": 0.0005711111111111111,
1815
+ "loss": 4.6968,
1816
+ "step": 258
1817
+ },
1818
+ {
1819
+ "epoch": 0.014388888888888889,
1820
+ "grad_norm": 0.87109375,
1821
+ "learning_rate": 0.0005733333333333334,
1822
+ "loss": 4.6719,
1823
+ "step": 259
1824
+ },
1825
+ {
1826
+ "epoch": 0.014444444444444444,
1827
+ "grad_norm": 0.8203125,
1828
+ "learning_rate": 0.0005755555555555556,
1829
+ "loss": 4.748,
1830
+ "step": 260
1831
+ },
1832
+ {
1833
+ "epoch": 0.0145,
1834
+ "grad_norm": 0.5703125,
1835
+ "learning_rate": 0.0005777777777777778,
1836
+ "loss": 4.6086,
1837
+ "step": 261
1838
+ },
1839
+ {
1840
+ "epoch": 0.014555555555555556,
1841
+ "grad_norm": 0.53515625,
1842
+ "learning_rate": 0.00058,
1843
+ "loss": 4.5566,
1844
+ "step": 262
1845
+ },
1846
+ {
1847
+ "epoch": 0.014611111111111111,
1848
+ "grad_norm": 0.59375,
1849
+ "learning_rate": 0.0005822222222222223,
1850
+ "loss": 4.5162,
1851
+ "step": 263
1852
+ },
1853
+ {
1854
+ "epoch": 0.014666666666666666,
1855
+ "grad_norm": 0.6171875,
1856
+ "learning_rate": 0.0005844444444444444,
1857
+ "loss": 4.4924,
1858
+ "step": 264
1859
+ },
1860
+ {
1861
+ "epoch": 0.014722222222222222,
1862
+ "grad_norm": 0.73828125,
1863
+ "learning_rate": 0.0005866666666666667,
1864
+ "loss": 4.5155,
1865
+ "step": 265
1866
+ },
1867
+ {
1868
+ "epoch": 0.014777777777777779,
1869
+ "grad_norm": 0.87890625,
1870
+ "learning_rate": 0.0005888888888888889,
1871
+ "loss": 4.3875,
1872
+ "step": 266
1873
+ },
1874
+ {
1875
+ "epoch": 0.014833333333333334,
1876
+ "grad_norm": 0.9921875,
1877
+ "learning_rate": 0.0005911111111111112,
1878
+ "loss": 4.3268,
1879
+ "step": 267
1880
+ },
1881
+ {
1882
+ "epoch": 0.014888888888888889,
1883
+ "grad_norm": 0.73046875,
1884
+ "learning_rate": 0.0005933333333333334,
1885
+ "loss": 4.1008,
1886
+ "step": 268
1887
+ },
1888
+ {
1889
+ "epoch": 0.014944444444444444,
1890
+ "grad_norm": 0.55078125,
1891
+ "learning_rate": 0.0005955555555555556,
1892
+ "loss": 3.8924,
1893
+ "step": 269
1894
+ },
1895
+ {
1896
+ "epoch": 0.015,
1897
+ "grad_norm": 0.6171875,
1898
+ "learning_rate": 0.0005977777777777778,
1899
+ "loss": 4.1671,
1900
+ "step": 270
1901
+ },
1902
+ {
1903
+ "epoch": 0.015055555555555556,
1904
+ "grad_norm": 0.6953125,
1905
+ "learning_rate": 0.0006000000000000001,
1906
+ "loss": 3.7782,
1907
+ "step": 271
1908
+ },
1909
+ {
1910
+ "epoch": 0.015111111111111112,
1911
+ "grad_norm": 0.78125,
1912
+ "learning_rate": 0.0006022222222222222,
1913
+ "loss": 3.6898,
1914
+ "step": 272
1915
+ },
1916
+ {
1917
+ "epoch": 0.015166666666666667,
1918
+ "grad_norm": 0.7265625,
1919
+ "learning_rate": 0.0006044444444444445,
1920
+ "loss": 3.4567,
1921
+ "step": 273
1922
+ },
1923
+ {
1924
+ "epoch": 0.015222222222222222,
1925
+ "grad_norm": 0.80078125,
1926
+ "learning_rate": 0.0006066666666666667,
1927
+ "loss": 3.4937,
1928
+ "step": 274
1929
+ },
1930
+ {
1931
+ "epoch": 0.015277777777777777,
1932
+ "grad_norm": 0.9921875,
1933
+ "learning_rate": 0.0006088888888888888,
1934
+ "loss": 3.6909,
1935
+ "step": 275
1936
+ },
1937
+ {
1938
+ "epoch": 0.015333333333333332,
1939
+ "grad_norm": 0.87109375,
1940
+ "learning_rate": 0.0006111111111111111,
1941
+ "loss": 3.3477,
1942
+ "step": 276
1943
+ },
1944
+ {
1945
+ "epoch": 0.01538888888888889,
1946
+ "grad_norm": 0.56640625,
1947
+ "learning_rate": 0.0006133333333333334,
1948
+ "loss": 3.2902,
1949
+ "step": 277
1950
+ },
1951
+ {
1952
+ "epoch": 0.015444444444444445,
1953
+ "grad_norm": 0.63671875,
1954
+ "learning_rate": 0.0006155555555555556,
1955
+ "loss": 3.7969,
1956
+ "step": 278
1957
+ },
1958
+ {
1959
+ "epoch": 0.0155,
1960
+ "grad_norm": 0.63671875,
1961
+ "learning_rate": 0.0006177777777777779,
1962
+ "loss": 3.2516,
1963
+ "step": 279
1964
+ },
1965
+ {
1966
+ "epoch": 0.015555555555555555,
1967
+ "grad_norm": 1.03125,
1968
+ "learning_rate": 0.00062,
1969
+ "loss": 3.2382,
1970
+ "step": 280
1971
+ },
1972
+ {
1973
+ "epoch": 0.01561111111111111,
1974
+ "grad_norm": 0.703125,
1975
+ "learning_rate": 0.0006222222222222223,
1976
+ "loss": 3.8066,
1977
+ "step": 281
1978
+ },
1979
+ {
1980
+ "epoch": 0.015666666666666666,
1981
+ "grad_norm": 0.78125,
1982
+ "learning_rate": 0.0006244444444444445,
1983
+ "loss": 3.4872,
1984
+ "step": 282
1985
+ },
1986
+ {
1987
+ "epoch": 0.01572222222222222,
1988
+ "grad_norm": 0.8203125,
1989
+ "learning_rate": 0.0006266666666666666,
1990
+ "loss": 3.6381,
1991
+ "step": 283
1992
+ },
1993
+ {
1994
+ "epoch": 0.01577777777777778,
1995
+ "grad_norm": 0.97265625,
1996
+ "learning_rate": 0.0006288888888888889,
1997
+ "loss": 3.7237,
1998
+ "step": 284
1999
+ },
2000
+ {
2001
+ "epoch": 0.015833333333333335,
2002
+ "grad_norm": 0.83203125,
2003
+ "learning_rate": 0.0006311111111111112,
2004
+ "loss": 3.9428,
2005
+ "step": 285
2006
+ },
2007
+ {
2008
+ "epoch": 0.01588888888888889,
2009
+ "grad_norm": 0.5625,
2010
+ "learning_rate": 0.0006333333333333333,
2011
+ "loss": 3.5819,
2012
+ "step": 286
2013
+ },
2014
+ {
2015
+ "epoch": 0.015944444444444445,
2016
+ "grad_norm": 0.5859375,
2017
+ "learning_rate": 0.0006355555555555555,
2018
+ "loss": 3.7813,
2019
+ "step": 287
2020
+ },
2021
+ {
2022
+ "epoch": 0.016,
2023
+ "grad_norm": 0.60546875,
2024
+ "learning_rate": 0.0006377777777777778,
2025
+ "loss": 3.9453,
2026
+ "step": 288
2027
+ },
2028
+ {
2029
+ "epoch": 0.016055555555555556,
2030
+ "grad_norm": 0.5859375,
2031
+ "learning_rate": 0.00064,
2032
+ "loss": 3.9207,
2033
+ "step": 289
2034
+ },
2035
+ {
2036
+ "epoch": 0.01611111111111111,
2037
+ "grad_norm": 0.671875,
2038
+ "learning_rate": 0.0006422222222222223,
2039
+ "loss": 3.9081,
2040
+ "step": 290
2041
+ },
2042
+ {
2043
+ "epoch": 0.016166666666666666,
2044
+ "grad_norm": 0.6328125,
2045
+ "learning_rate": 0.0006444444444444444,
2046
+ "loss": 3.8869,
2047
+ "step": 291
2048
+ },
2049
+ {
2050
+ "epoch": 0.01622222222222222,
2051
+ "grad_norm": 0.5625,
2052
+ "learning_rate": 0.0006466666666666667,
2053
+ "loss": 3.8737,
2054
+ "step": 292
2055
+ },
2056
+ {
2057
+ "epoch": 0.016277777777777776,
2058
+ "grad_norm": 0.61328125,
2059
+ "learning_rate": 0.000648888888888889,
2060
+ "loss": 3.7948,
2061
+ "step": 293
2062
+ },
2063
+ {
2064
+ "epoch": 0.01633333333333333,
2065
+ "grad_norm": 0.83203125,
2066
+ "learning_rate": 0.0006511111111111111,
2067
+ "loss": 3.9197,
2068
+ "step": 294
2069
+ },
2070
+ {
2071
+ "epoch": 0.01638888888888889,
2072
+ "grad_norm": 0.8515625,
2073
+ "learning_rate": 0.0006533333333333333,
2074
+ "loss": 3.9423,
2075
+ "step": 295
2076
+ },
2077
+ {
2078
+ "epoch": 0.016444444444444446,
2079
+ "grad_norm": 0.5625,
2080
+ "learning_rate": 0.0006555555555555556,
2081
+ "loss": 3.8936,
2082
+ "step": 296
2083
+ },
2084
+ {
2085
+ "epoch": 0.0165,
2086
+ "grad_norm": 0.54296875,
2087
+ "learning_rate": 0.0006577777777777777,
2088
+ "loss": 3.8716,
2089
+ "step": 297
2090
+ },
2091
+ {
2092
+ "epoch": 0.016555555555555556,
2093
+ "grad_norm": 0.4609375,
2094
+ "learning_rate": 0.00066,
2095
+ "loss": 3.6922,
2096
+ "step": 298
2097
+ },
2098
+ {
2099
+ "epoch": 0.01661111111111111,
2100
+ "grad_norm": 0.41015625,
2101
+ "learning_rate": 0.0006622222222222222,
2102
+ "loss": 3.4204,
2103
+ "step": 299
2104
+ },
2105
+ {
2106
+ "epoch": 0.016666666666666666,
2107
+ "grad_norm": 0.35546875,
2108
+ "learning_rate": 0.0006644444444444445,
2109
+ "loss": 3.8377,
2110
+ "step": 300
2111
+ }
2112
+ ],
2113
+ "logging_steps": 1,
2114
+ "max_steps": 18000,
2115
+ "num_input_tokens_seen": 0,
2116
+ "num_train_epochs": 9223372036854775807,
2117
+ "save_steps": 300,
2118
+ "stateful_callbacks": {
2119
+ "TrainerControl": {
2120
+ "args": {
2121
+ "should_epoch_stop": false,
2122
+ "should_evaluate": false,
2123
+ "should_log": false,
2124
+ "should_save": true,
2125
+ "should_training_stop": false
2126
+ },
2127
+ "attributes": {}
2128
+ }
2129
+ },
2130
+ "total_flos": 1.5821052474709555e+17,
2131
+ "train_batch_size": 8,
2132
+ "trial_name": null,
2133
+ "trial_params": null
2134
+ }
last-checkpoint/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:3eb7e1e370fd9c47f7e603ef39676287512776baa85a57e833c51254ffca3a67
3
+ size 6289