{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 4.0,
  "eval_steps": 19,
  "global_step": 96,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 0.8793060183525085,
      "learning_rate": 0.0,
      "loss": 1.1922607421875,
      "step": 1
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 0.9236243367195129,
      "learning_rate": 0.0001,
      "loss": 1.1376953125,
      "step": 2
    },
    {
      "epoch": 0.125,
      "grad_norm": 0.2843455970287323,
      "learning_rate": 9.997539658034168e-05,
      "loss": 0.7738800048828125,
      "step": 3
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 0.26448318362236023,
      "learning_rate": 9.990161322484486e-05,
      "loss": 0.9853973388671875,
      "step": 4
    },
    {
      "epoch": 0.20833333333333334,
      "grad_norm": 0.11444772034883499,
      "learning_rate": 9.977873061452552e-05,
      "loss": 0.9564609527587891,
      "step": 5
    },
    {
      "epoch": 0.25,
      "grad_norm": 0.147213876247406,
      "learning_rate": 9.96068831197139e-05,
      "loss": 0.93408203125,
      "step": 6
    },
    {
      "epoch": 0.2916666666666667,
      "grad_norm": 0.1659262478351593,
      "learning_rate": 9.938625865312251e-05,
      "loss": 0.9327259063720703,
      "step": 7
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.14943991601467133,
      "learning_rate": 9.911709846436641e-05,
      "loss": 1.0107307434082031,
      "step": 8
    },
    {
      "epoch": 0.375,
      "grad_norm": 0.10237906128168106,
      "learning_rate": 9.879969687616027e-05,
      "loss": 0.9565887451171875,
      "step": 9
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 0.08303987234830856,
      "learning_rate": 9.84344009624807e-05,
      "loss": 0.8689174652099609,
      "step": 10
    },
    {
      "epoch": 0.4583333333333333,
      "grad_norm": 0.06906509399414062,
      "learning_rate": 9.80216101690461e-05,
      "loss": 0.8139371871948242,
      "step": 11
    },
    {
      "epoch": 0.5,
      "grad_norm": 0.0893741250038147,
      "learning_rate": 9.756177587652856e-05,
      "loss": 0.9046802520751953,
      "step": 12
    },
    {
      "epoch": 0.5416666666666666,
      "grad_norm": 0.0950048640370369,
      "learning_rate": 9.705540090697575e-05,
      "loss": 0.9661464691162109,
      "step": 13
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 0.09773612767457962,
      "learning_rate": 9.650303897398232e-05,
      "loss": 0.9238529205322266,
      "step": 14
    },
    {
      "epoch": 0.625,
      "grad_norm": 0.07399343699216843,
      "learning_rate": 9.590529407721231e-05,
      "loss": 0.9286479949951172,
      "step": 15
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.08683284372091293,
      "learning_rate": 9.526281984193436e-05,
      "loss": 0.8059654235839844,
      "step": 16
    },
    {
      "epoch": 0.7083333333333334,
      "grad_norm": 0.08106762170791626,
      "learning_rate": 9.4576318804292e-05,
      "loss": 0.8695812225341797,
      "step": 17
    },
    {
      "epoch": 0.75,
      "grad_norm": 0.07135742902755737,
      "learning_rate": 9.384654164309083e-05,
      "loss": 0.8596839904785156,
      "step": 18
    },
    {
      "epoch": 0.7916666666666666,
      "grad_norm": 0.07224518060684204,
      "learning_rate": 9.30742863589421e-05,
      "loss": 0.8866386413574219,
      "step": 19
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 0.049965087324380875,
      "learning_rate": 9.226039740166091e-05,
      "loss": 0.8490200042724609,
      "step": 20
    },
    {
      "epoch": 0.8333333333333334,
      "eval_loss": 0.70703125,
      "eval_runtime": 2.2447,
      "eval_samples_per_second": 2.228,
      "eval_steps_per_second": 0.446,
      "step": 20
    },
    {
      "epoch": 0.875,
      "grad_norm": 0.08873027563095093,
      "learning_rate": 9.140576474687264e-05,
      "loss": 0.7799034118652344,
      "step": 21
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 0.06065167486667633,
      "learning_rate": 9.051132292283771e-05,
      "loss": 0.8547039031982422,
      "step": 22
    },
    {
      "epoch": 0.9583333333333334,
      "grad_norm": 0.07170149683952332,
      "learning_rate": 8.957804998855866e-05,
      "loss": 0.9889545440673828,
      "step": 23
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.06963331997394562,
      "learning_rate": 8.860696646428693e-05,
      "loss": 0.8532295227050781,
      "step": 24
    },
    {
      "epoch": 1.0416666666666667,
      "grad_norm": 0.06944938749074936,
      "learning_rate": 8.759913421559902e-05,
      "loss": 0.8123455047607422,
      "step": 25
    },
    {
      "epoch": 1.0833333333333333,
      "grad_norm": 0.05863318592309952,
      "learning_rate": 8.655565529226198e-05,
      "loss": 0.7635040283203125,
      "step": 26
    },
    {
      "epoch": 1.125,
      "grad_norm": 0.04687070474028587,
      "learning_rate": 8.547767072315835e-05,
      "loss": 0.626739501953125,
      "step": 27
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 0.09054134786128998,
      "learning_rate": 8.436635926858759e-05,
      "loss": 0.8233604431152344,
      "step": 28
    },
    {
      "epoch": 1.2083333333333333,
      "grad_norm": 0.052699826657772064,
      "learning_rate": 8.322293613130917e-05,
      "loss": 0.8357448577880859,
      "step": 29
    },
    {
      "epoch": 1.25,
      "grad_norm": 0.047030121088027954,
      "learning_rate": 8.204865162773613e-05,
      "loss": 0.81787109375,
      "step": 30
    },
    {
      "epoch": 1.2916666666666667,
      "grad_norm": 0.052900541573762894,
      "learning_rate": 8.084478982073247e-05,
      "loss": 0.8191127777099609,
      "step": 31
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 0.06003842130303383,
      "learning_rate": 7.961266711550922e-05,
      "loss": 0.8995933532714844,
      "step": 32
    },
    {
      "epoch": 1.375,
      "grad_norm": 0.059103600680828094,
      "learning_rate": 7.835363082015468e-05,
      "loss": 0.8704128265380859,
      "step": 33
    },
    {
      "epoch": 1.4166666666666667,
      "grad_norm": 0.058741144835948944,
      "learning_rate": 7.706905767237288e-05,
      "loss": 0.800018310546875,
      "step": 34
    },
    {
      "epoch": 1.4583333333333333,
      "grad_norm": 0.0494692288339138,
      "learning_rate": 7.576035233404096e-05,
      "loss": 0.7496585845947266,
      "step": 35
    },
    {
      "epoch": 1.5,
      "grad_norm": 0.07651121914386749,
      "learning_rate": 7.442894585523218e-05,
      "loss": 0.8236103057861328,
      "step": 36
    },
    {
      "epoch": 1.5416666666666665,
      "grad_norm": 0.07268194854259491,
      "learning_rate": 7.307629410938363e-05,
      "loss": 0.8843345642089844,
      "step": 37
    },
    {
      "epoch": 1.5833333333333335,
      "grad_norm": 0.06088404729962349,
      "learning_rate": 7.170387620131993e-05,
      "loss": 0.8448820114135742,
      "step": 38
    },
    {
      "epoch": 1.625,
      "grad_norm": 0.04881656914949417,
      "learning_rate": 7.031319284987394e-05,
      "loss": 0.8646316528320312,
      "step": 39
    },
    {
      "epoch": 1.625,
      "eval_loss": 0.677978515625,
      "eval_runtime": 2.2474,
      "eval_samples_per_second": 2.225,
      "eval_steps_per_second": 0.445,
      "step": 39
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 0.06063127890229225,
      "learning_rate": 6.890576474687263e-05,
      "loss": 0.7459278106689453,
      "step": 40
    },
    {
      "epoch": 1.7083333333333335,
      "grad_norm": 0.06719189882278442,
      "learning_rate": 6.7483130894283e-05,
      "loss": 0.8032417297363281,
      "step": 41
    },
    {
      "epoch": 1.75,
      "grad_norm": 0.05449753254652023,
      "learning_rate": 6.604684692133597e-05,
      "loss": 0.8038978576660156,
      "step": 42
    },
    {
      "epoch": 1.7916666666666665,
      "grad_norm": 0.06328374147415161,
      "learning_rate": 6.459848338346861e-05,
      "loss": 0.8226470947265625,
      "step": 43
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 0.04831730201840401,
      "learning_rate": 6.313962404494496e-05,
      "loss": 0.8016071319580078,
      "step": 44
    },
    {
      "epoch": 1.875,
      "grad_norm": 0.0738108828663826,
      "learning_rate": 6.167186414703289e-05,
      "loss": 0.7264728546142578,
      "step": 45
    },
    {
      "epoch": 1.9166666666666665,
      "grad_norm": 0.05554795265197754,
      "learning_rate": 6.019680866363139e-05,
      "loss": 0.8036289215087891,
      "step": 46
    },
    {
      "epoch": 1.9583333333333335,
      "grad_norm": 0.06595105677843094,
      "learning_rate": 5.8716070546254966e-05,
      "loss": 0.9345455169677734,
      "step": 47
    },
    {
      "epoch": 2.0,
      "grad_norm": 0.06640685349702835,
      "learning_rate": 5.7231268960295e-05,
      "loss": 0.795257568359375,
      "step": 48
    },
    {
      "epoch": 2.0416666666666665,
      "grad_norm": 0.06418655812740326,
      "learning_rate": 5.574402751448614e-05,
      "loss": 0.7591991424560547,
      "step": 49
    },
    {
      "epoch": 2.0833333333333335,
      "grad_norm": 0.06147291138768196,
      "learning_rate": 5.425597248551387e-05,
      "loss": 0.7209262847900391,
      "step": 50
    },
    {
      "epoch": 2.125,
      "grad_norm": 0.04414745047688484,
      "learning_rate": 5.2768731039705e-05,
      "loss": 0.5957622528076172,
      "step": 51
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 0.07838333398103714,
      "learning_rate": 5.128392945374505e-05,
      "loss": 0.765411376953125,
      "step": 52
    },
    {
      "epoch": 2.2083333333333335,
      "grad_norm": 0.05295613780617714,
      "learning_rate": 4.980319133636863e-05,
      "loss": 0.8023247718811035,
      "step": 53
    },
    {
      "epoch": 2.25,
      "grad_norm": 0.0547562837600708,
      "learning_rate": 4.83281358529671e-05,
      "loss": 0.789794921875,
      "step": 54
    },
    {
      "epoch": 2.2916666666666665,
      "grad_norm": 0.0593954473733902,
      "learning_rate": 4.686037595505507e-05,
      "loss": 0.7842569351196289,
      "step": 55
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 0.06293150037527084,
      "learning_rate": 4.54015166165314e-05,
      "loss": 0.8622207641601562,
      "step": 56
    },
    {
      "epoch": 2.375,
      "grad_norm": 0.06123076751828194,
      "learning_rate": 4.395315307866405e-05,
      "loss": 0.8332023620605469,
      "step": 57
    },
    {
      "epoch": 2.4166666666666665,
      "grad_norm": 0.05895160138607025,
      "learning_rate": 4.2516869105717004e-05,
      "loss": 0.7705469131469727,
      "step": 58
    },
    {
      "epoch": 2.4166666666666665,
      "eval_loss": 0.669921875,
      "eval_runtime": 2.2514,
      "eval_samples_per_second": 2.221,
      "eval_steps_per_second": 0.444,
      "step": 58
    },
    {
      "epoch": 2.4583333333333335,
      "grad_norm": 0.051167454570531845,
      "learning_rate": 4.109423525312738e-05,
      "loss": 0.7212095260620117,
      "step": 59
    },
    {
      "epoch": 2.5,
      "grad_norm": 0.08035021275281906,
      "learning_rate": 3.968680715012606e-05,
      "loss": 0.7839260101318359,
      "step": 60
    },
    {
      "epoch": 2.5416666666666665,
      "grad_norm": 0.07387541979551315,
      "learning_rate": 3.829612379868006e-05,
      "loss": 0.8469581604003906,
      "step": 61
    },
    {
      "epoch": 2.5833333333333335,
      "grad_norm": 0.06478056311607361,
      "learning_rate": 3.692370589061639e-05,
      "loss": 0.8108558654785156,
      "step": 62
    },
    {
      "epoch": 2.625,
      "grad_norm": 0.054633643478155136,
      "learning_rate": 3.557105414476782e-05,
      "loss": 0.841090202331543,
      "step": 63
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.06919875741004944,
      "learning_rate": 3.423964766595906e-05,
      "loss": 0.7162876129150391,
      "step": 64
    },
    {
      "epoch": 2.7083333333333335,
      "grad_norm": 0.06721208989620209,
      "learning_rate": 3.293094232762715e-05,
      "loss": 0.7694759368896484,
      "step": 65
    },
    {
      "epoch": 2.75,
      "grad_norm": 0.0583014115691185,
      "learning_rate": 3.164636917984534e-05,
      "loss": 0.7788715362548828,
      "step": 66
    },
    {
      "epoch": 2.7916666666666665,
      "grad_norm": 0.06786876916885376,
      "learning_rate": 3.0387332884490805e-05,
      "loss": 0.7926368713378906,
      "step": 67
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.0554044283926487,
      "learning_rate": 2.9155210179267546e-05,
      "loss": 0.7786502838134766,
      "step": 68
    },
    {
      "epoch": 2.875,
      "grad_norm": 0.08045743405818939,
      "learning_rate": 2.7951348372263875e-05,
      "loss": 0.6959114074707031,
      "step": 69
    },
    {
      "epoch": 2.9166666666666665,
      "grad_norm": 0.06203767657279968,
      "learning_rate": 2.677706386869083e-05,
      "loss": 0.7776670455932617,
      "step": 70
    },
    {
      "epoch": 2.9583333333333335,
      "grad_norm": 0.07093246281147003,
      "learning_rate": 2.5633640731412412e-05,
      "loss": 0.9026947021484375,
      "step": 71
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.07025361061096191,
      "learning_rate": 2.4522329276841663e-05,
      "loss": 0.7677774429321289,
      "step": 72
    },
    {
      "epoch": 3.0416666666666665,
      "grad_norm": 0.0708354264497757,
      "learning_rate": 2.3444344707738015e-05,
      "loss": 0.7287693023681641,
      "step": 73
    },
    {
      "epoch": 3.0833333333333335,
      "grad_norm": 0.06829249858856201,
      "learning_rate": 2.2400865784401e-05,
      "loss": 0.6977443695068359,
      "step": 74
    },
    {
      "epoch": 3.125,
      "grad_norm": 0.04968668892979622,
      "learning_rate": 2.1393033535713093e-05,
      "loss": 0.5820121765136719,
      "step": 75
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 0.08538515865802765,
      "learning_rate": 2.0421950011441354e-05,
      "loss": 0.7337074279785156,
      "step": 76
    },
    {
      "epoch": 3.2083333333333335,
      "grad_norm": 0.057816021144390106,
      "learning_rate": 1.9488677077162295e-05,
      "loss": 0.7847037315368652,
      "step": 77
    },
    {
      "epoch": 3.2083333333333335,
      "eval_loss": 0.666259765625,
      "eval_runtime": 2.2514,
      "eval_samples_per_second": 2.221,
      "eval_steps_per_second": 0.444,
      "step": 77
    },
    {
      "epoch": 3.25,
      "grad_norm": 0.05465561896562576,
      "learning_rate": 1.8594235253127375e-05,
      "loss": 0.7744140625,
      "step": 78
    },
    {
      "epoch": 3.2916666666666665,
      "grad_norm": 0.06246788054704666,
      "learning_rate": 1.77396025983391e-05,
      "loss": 0.7656393051147461,
      "step": 79
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.06507856398820877,
      "learning_rate": 1.6925713641057904e-05,
      "loss": 0.8431224822998047,
      "step": 80
    },
    {
      "epoch": 3.375,
      "grad_norm": 0.06495018303394318,
      "learning_rate": 1.6153458356909176e-05,
      "loss": 0.8185300827026367,
      "step": 81
    },
    {
      "epoch": 3.4166666666666665,
      "grad_norm": 0.06756020337343216,
      "learning_rate": 1.5423681195707997e-05,
      "loss": 0.7545089721679688,
      "step": 82
    },
    {
      "epoch": 3.4583333333333335,
      "grad_norm": 0.05611558258533478,
      "learning_rate": 1.4737180158065644e-05,
      "loss": 0.7109222412109375,
      "step": 83
    },
    {
      "epoch": 3.5,
      "grad_norm": 0.08344320207834244,
      "learning_rate": 1.4094705922787687e-05,
      "loss": 0.7583560943603516,
      "step": 84
    },
    {
      "epoch": 3.5416666666666665,
      "grad_norm": 0.06930051743984222,
      "learning_rate": 1.3496961026017687e-05,
      "loss": 0.8253993988037109,
      "step": 85
    },
    {
      "epoch": 3.5833333333333335,
      "grad_norm": 0.06819939613342285,
      "learning_rate": 1.2944599093024267e-05,
      "loss": 0.7947092056274414,
      "step": 86
    },
    {
      "epoch": 3.625,
      "grad_norm": 0.05748283118009567,
      "learning_rate": 1.2438224123471442e-05,
      "loss": 0.8298521041870117,
      "step": 87
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 0.06575058400630951,
      "learning_rate": 1.1978389830953907e-05,
      "loss": 0.7025308609008789,
      "step": 88
    },
    {
      "epoch": 3.7083333333333335,
      "grad_norm": 0.06751663237810135,
      "learning_rate": 1.1565599037519316e-05,
      "loss": 0.7523231506347656,
      "step": 89
    },
    {
      "epoch": 3.75,
      "grad_norm": 0.05522964894771576,
      "learning_rate": 1.1200303123839742e-05,
      "loss": 0.7666292190551758,
      "step": 90
    },
    {
      "epoch": 3.7916666666666665,
      "grad_norm": 0.06846830993890762,
      "learning_rate": 1.088290153563358e-05,
      "loss": 0.7798595428466797,
      "step": 91
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 0.050051383674144745,
      "learning_rate": 1.0613741346877497e-05,
      "loss": 0.7688732147216797,
      "step": 92
    },
    {
      "epoch": 3.875,
      "grad_norm": 0.0775798112154007,
      "learning_rate": 1.0393116880286118e-05,
      "loss": 0.6811847686767578,
      "step": 93
    },
    {
      "epoch": 3.9166666666666665,
      "grad_norm": 0.0615241639316082,
      "learning_rate": 1.0221269385474488e-05,
      "loss": 0.7659130096435547,
      "step": 94
    },
    {
      "epoch": 3.9583333333333335,
      "grad_norm": 0.07225687056779861,
      "learning_rate": 1.0098386775155147e-05,
      "loss": 0.8869800567626953,
      "step": 95
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.06342313438653946,
      "learning_rate": 1.0024603419658329e-05,
      "loss": 0.7511405944824219,
      "step": 96
    },
    {
      "epoch": 4.0,
      "eval_loss": 0.662353515625,
      "eval_runtime": 2.227,
      "eval_samples_per_second": 2.245,
      "eval_steps_per_second": 0.449,
      "step": 96
    }
  ],
  "logging_steps": 1.0,
  "max_steps": 96,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 4,
  "save_steps": 0,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 3.592497924128375e+18,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}