{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.0,
  "eval_steps": 30,
  "global_step": 360,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.008333333333333333,
      "grad_norm": 0.9462232657835241,
      "learning_rate": 8.142857142857143e-07,
      "loss": 2.5443,
      "step": 1
    },
    {
      "epoch": 0.008333333333333333,
      "eval_loss": 2.5896365642547607,
      "eval_runtime": 96.0059,
      "eval_samples_per_second": 4.271,
      "eval_steps_per_second": 0.271,
      "step": 1
    },
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 0.9597143397960513,
      "learning_rate": 1.6285714285714286e-06,
      "loss": 2.5524,
      "step": 2
    },
    {
      "epoch": 0.025,
      "grad_norm": 0.9246258453027174,
      "learning_rate": 2.442857142857143e-06,
      "loss": 2.5411,
      "step": 3
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 0.9822285829186661,
      "learning_rate": 3.2571428571428572e-06,
      "loss": 2.5518,
      "step": 4
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 0.9044329068814566,
      "learning_rate": 4.071428571428572e-06,
      "loss": 2.4922,
      "step": 5
    },
    {
      "epoch": 0.05,
      "grad_norm": 0.9131300887744053,
      "learning_rate": 4.885714285714286e-06,
      "loss": 2.5713,
      "step": 6
    },
    {
      "epoch": 0.058333333333333334,
      "grad_norm": 0.8336298309675122,
      "learning_rate": 5.7000000000000005e-06,
      "loss": 2.4959,
      "step": 7
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.810775409605909,
      "learning_rate": 6.5142857142857145e-06,
      "loss": 2.4943,
      "step": 8
    },
    {
      "epoch": 0.075,
      "grad_norm": 0.6993505055921954,
      "learning_rate": 7.3285714285714285e-06,
      "loss": 2.5022,
      "step": 9
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 0.5909140859664664,
      "learning_rate": 8.142857142857143e-06,
      "loss": 2.468,
      "step": 10
    },
    {
      "epoch": 0.09166666666666666,
      "grad_norm": 0.5464791893738283,
      "learning_rate": 8.957142857142857e-06,
      "loss": 2.5203,
      "step": 11
    },
    {
      "epoch": 0.1,
      "grad_norm": 0.41153668995149084,
      "learning_rate": 9.771428571428571e-06,
      "loss": 2.4912,
      "step": 12
    },
    {
      "epoch": 0.10833333333333334,
      "grad_norm": 0.35433353277028035,
      "learning_rate": 1.0585714285714287e-05,
      "loss": 2.4467,
      "step": 13
    },
    {
      "epoch": 0.11666666666666667,
      "grad_norm": 0.27579908222756766,
      "learning_rate": 1.1400000000000001e-05,
      "loss": 2.4599,
      "step": 14
    },
    {
      "epoch": 0.125,
      "grad_norm": 0.22636758420678307,
      "learning_rate": 1.2214285714285715e-05,
      "loss": 2.4357,
      "step": 15
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.22309908436920517,
      "learning_rate": 1.3028571428571429e-05,
      "loss": 2.368,
      "step": 16
    },
    {
      "epoch": 0.14166666666666666,
      "grad_norm": 0.2384290311446137,
      "learning_rate": 1.3842857142857143e-05,
      "loss": 2.4054,
      "step": 17
    },
    {
      "epoch": 0.15,
      "grad_norm": 0.2279055472006466,
      "learning_rate": 1.4657142857142857e-05,
      "loss": 2.4162,
      "step": 18
    },
    {
      "epoch": 0.15833333333333333,
      "grad_norm": 0.24659885813398136,
      "learning_rate": 1.547142857142857e-05,
      "loss": 2.4109,
      "step": 19
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 0.21920560481126147,
      "learning_rate": 1.6285714285714287e-05,
      "loss": 2.4344,
      "step": 20
    },
    {
      "epoch": 0.175,
      "grad_norm": 0.21340860355678012,
      "learning_rate": 1.71e-05,
      "loss": 2.4532,
      "step": 21
    },
    {
      "epoch": 0.18333333333333332,
      "grad_norm": 0.1775246176788835,
      "learning_rate": 1.7914285714285715e-05,
      "loss": 2.4398,
      "step": 22
    },
    {
      "epoch": 0.19166666666666668,
      "grad_norm": 0.15469100364725502,
      "learning_rate": 1.872857142857143e-05,
      "loss": 2.4275,
      "step": 23
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.1261136620302219,
      "learning_rate": 1.9542857142857143e-05,
      "loss": 2.3855,
      "step": 24
    },
    {
      "epoch": 0.20833333333333334,
      "grad_norm": 0.1251566381945981,
      "learning_rate": 2.0357142857142858e-05,
      "loss": 2.4008,
      "step": 25
    },
    {
      "epoch": 0.21666666666666667,
      "grad_norm": 0.12280228065778742,
      "learning_rate": 2.1171428571428574e-05,
      "loss": 2.4086,
      "step": 26
    },
    {
      "epoch": 0.225,
      "grad_norm": 0.1362748806421765,
      "learning_rate": 2.1985714285714286e-05,
      "loss": 2.3642,
      "step": 27
    },
    {
      "epoch": 0.23333333333333334,
      "grad_norm": 0.12370426656542512,
      "learning_rate": 2.2800000000000002e-05,
      "loss": 2.4168,
      "step": 28
    },
    {
      "epoch": 0.24166666666666667,
      "grad_norm": 0.12077140199925576,
      "learning_rate": 2.3614285714285718e-05,
      "loss": 2.3502,
      "step": 29
    },
    {
      "epoch": 0.25,
      "grad_norm": 0.10854652278245232,
      "learning_rate": 2.442857142857143e-05,
      "loss": 2.323,
      "step": 30
    },
    {
      "epoch": 0.25,
      "eval_loss": 2.4455511569976807,
      "eval_runtime": 82.5732,
      "eval_samples_per_second": 4.965,
      "eval_steps_per_second": 0.315,
      "step": 30
    },
    {
      "epoch": 0.25833333333333336,
      "grad_norm": 0.10286886191993252,
      "learning_rate": 2.5242857142857142e-05,
      "loss": 2.4007,
      "step": 31
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.09687340891245565,
      "learning_rate": 2.6057142857142858e-05,
      "loss": 2.4088,
      "step": 32
    },
    {
      "epoch": 0.275,
      "grad_norm": 0.09653492248714694,
      "learning_rate": 2.6871428571428574e-05,
      "loss": 2.3906,
      "step": 33
    },
    {
      "epoch": 0.2833333333333333,
      "grad_norm": 0.09022900019263645,
      "learning_rate": 2.7685714285714286e-05,
      "loss": 2.4065,
      "step": 34
    },
    {
      "epoch": 0.2916666666666667,
      "grad_norm": 0.0912409242342349,
      "learning_rate": 2.85e-05,
      "loss": 2.3699,
      "step": 35
    },
    {
      "epoch": 0.3,
      "grad_norm": 0.09592020125185927,
      "learning_rate": 2.8499644890093217e-05,
      "loss": 2.3587,
      "step": 36
    },
    {
      "epoch": 0.30833333333333335,
      "grad_norm": 0.0907084429462166,
      "learning_rate": 2.8498579578071537e-05,
      "loss": 2.4259,
      "step": 37
    },
    {
      "epoch": 0.31666666666666665,
      "grad_norm": 0.09390099422567517,
      "learning_rate": 2.8496804117030106e-05,
      "loss": 2.3232,
      "step": 38
    },
    {
      "epoch": 0.325,
      "grad_norm": 0.08704027284958313,
      "learning_rate": 2.849431859545787e-05,
      "loss": 2.4027,
      "step": 39
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.08787482564111378,
      "learning_rate": 2.849112313723319e-05,
      "loss": 2.3827,
      "step": 40
    },
    {
      "epoch": 0.3416666666666667,
      "grad_norm": 0.08422520058818864,
      "learning_rate": 2.8487217901617672e-05,
      "loss": 2.353,
      "step": 41
    },
    {
      "epoch": 0.35,
      "grad_norm": 0.07979320980153469,
      "learning_rate": 2.84826030832482e-05,
      "loss": 2.3519,
      "step": 42
    },
    {
      "epoch": 0.35833333333333334,
      "grad_norm": 0.07814774416810645,
      "learning_rate": 2.8477278912127266e-05,
      "loss": 2.3708,
      "step": 43
    },
    {
      "epoch": 0.36666666666666664,
      "grad_norm": 0.07237049854036091,
      "learning_rate": 2.847124565361149e-05,
      "loss": 2.388,
      "step": 44
    },
    {
      "epoch": 0.375,
      "grad_norm": 0.07354258492789081,
      "learning_rate": 2.8464503608398385e-05,
      "loss": 2.3586,
      "step": 45
    },
    {
      "epoch": 0.38333333333333336,
      "grad_norm": 0.0771281784161838,
      "learning_rate": 2.845705311251141e-05,
      "loss": 2.3993,
      "step": 46
    },
    {
      "epoch": 0.39166666666666666,
      "grad_norm": 0.0763264062020341,
      "learning_rate": 2.844889453728318e-05,
      "loss": 2.3838,
      "step": 47
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.07082143620733677,
      "learning_rate": 2.8440028289336977e-05,
      "loss": 2.3628,
      "step": 48
    },
    {
      "epoch": 0.4083333333333333,
      "grad_norm": 0.0715578975320661,
      "learning_rate": 2.8430454810566477e-05,
      "loss": 2.361,
      "step": 49
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 0.06881630985450242,
      "learning_rate": 2.8420174578113747e-05,
      "loss": 2.4392,
      "step": 50
    },
    {
      "epoch": 0.425,
      "grad_norm": 0.0689279893077156,
      "learning_rate": 2.8409188104345426e-05,
      "loss": 2.3519,
      "step": 51
    },
    {
      "epoch": 0.43333333333333335,
      "grad_norm": 0.07069081407018309,
      "learning_rate": 2.8397495936827232e-05,
      "loss": 2.3981,
      "step": 52
    },
    {
      "epoch": 0.44166666666666665,
      "grad_norm": 0.07092917277421104,
      "learning_rate": 2.8385098658296637e-05,
      "loss": 2.355,
      "step": 53
    },
    {
      "epoch": 0.45,
      "grad_norm": 0.0703607034709259,
      "learning_rate": 2.8371996886633843e-05,
      "loss": 2.3793,
      "step": 54
    },
    {
      "epoch": 0.4583333333333333,
      "grad_norm": 0.07124199690967324,
      "learning_rate": 2.8358191274830974e-05,
      "loss": 2.4275,
      "step": 55
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.07099804346309355,
      "learning_rate": 2.8343682510959552e-05,
      "loss": 2.3323,
      "step": 56
    },
    {
      "epoch": 0.475,
      "grad_norm": 0.06967632308939245,
      "learning_rate": 2.8328471318136165e-05,
      "loss": 2.3883,
      "step": 57
    },
    {
      "epoch": 0.48333333333333334,
      "grad_norm": 0.07156300179553134,
      "learning_rate": 2.831255845448647e-05,
      "loss": 2.3298,
      "step": 58
    },
    {
      "epoch": 0.49166666666666664,
      "grad_norm": 0.0704201532980033,
      "learning_rate": 2.8295944713107387e-05,
      "loss": 2.331,
      "step": 59
    },
    {
      "epoch": 0.5,
      "grad_norm": 0.06794782460291071,
      "learning_rate": 2.8278630922027563e-05,
      "loss": 2.3776,
      "step": 60
    },
    {
      "epoch": 0.5,
      "eval_loss": 2.4216628074645996,
      "eval_runtime": 82.3879,
      "eval_samples_per_second": 4.976,
      "eval_steps_per_second": 0.316,
      "step": 60
    },
    {
      "epoch": 0.5083333333333333,
      "grad_norm": 0.07045949082426937,
      "learning_rate": 2.8260617944166123e-05,
      "loss": 2.3319,
      "step": 61
    },
    {
      "epoch": 0.5166666666666667,
      "grad_norm": 0.0702234192794877,
      "learning_rate": 2.824190667728965e-05,
      "loss": 2.3647,
      "step": 62
    },
    {
      "epoch": 0.525,
      "grad_norm": 0.06946814214632402,
      "learning_rate": 2.8222498053967434e-05,
      "loss": 2.3967,
      "step": 63
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.06563265580127577,
      "learning_rate": 2.8202393041525005e-05,
      "loss": 2.3863,
      "step": 64
    },
    {
      "epoch": 0.5416666666666666,
      "grad_norm": 0.0723770670150652,
      "learning_rate": 2.8181592641995933e-05,
      "loss": 2.3823,
      "step": 65
    },
    {
      "epoch": 0.55,
      "grad_norm": 0.06870429029917037,
      "learning_rate": 2.8160097892071847e-05,
      "loss": 2.3241,
      "step": 66
    },
    {
      "epoch": 0.5583333333333333,
      "grad_norm": 0.08615444480664787,
      "learning_rate": 2.8137909863050806e-05,
      "loss": 2.3504,
      "step": 67
    },
    {
      "epoch": 0.5666666666666667,
      "grad_norm": 0.06980417460436542,
      "learning_rate": 2.8115029660783887e-05,
      "loss": 2.3762,
      "step": 68
    },
    {
      "epoch": 0.575,
      "grad_norm": 0.0691283200064781,
      "learning_rate": 2.809145842562007e-05,
      "loss": 2.3202,
      "step": 69
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 0.06434433998677834,
      "learning_rate": 2.8067197332349406e-05,
      "loss": 2.4117,
      "step": 70
    },
    {
      "epoch": 0.5916666666666667,
      "grad_norm": 0.06712521054811822,
      "learning_rate": 2.8042247590144472e-05,
      "loss": 2.4234,
      "step": 71
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.07781170630767965,
      "learning_rate": 2.8016610442500087e-05,
      "loss": 2.3614,
      "step": 72
    },
    {
      "epoch": 0.6083333333333333,
      "grad_norm": 0.07179449259884696,
      "learning_rate": 2.7990287167171357e-05,
      "loss": 2.327,
      "step": 73
    },
    {
      "epoch": 0.6166666666666667,
      "grad_norm": 0.0666012429917219,
      "learning_rate": 2.7963279076109976e-05,
      "loss": 2.3606,
      "step": 74
    },
    {
      "epoch": 0.625,
      "grad_norm": 0.07042352420672252,
      "learning_rate": 2.7935587515398855e-05,
      "loss": 2.387,
      "step": 75
    },
    {
      "epoch": 0.6333333333333333,
      "grad_norm": 0.07141219809062525,
      "learning_rate": 2.7907213865185014e-05,
      "loss": 2.3975,
      "step": 76
    },
    {
      "epoch": 0.6416666666666667,
      "grad_norm": 0.07530038535140655,
      "learning_rate": 2.787815953961081e-05,
      "loss": 2.3975,
      "step": 77
    },
    {
      "epoch": 0.65,
      "grad_norm": 0.06873021297298251,
      "learning_rate": 2.784842598674345e-05,
      "loss": 2.3724,
      "step": 78
    },
    {
      "epoch": 0.6583333333333333,
      "grad_norm": 0.06853494667979494,
      "learning_rate": 2.781801468850282e-05,
      "loss": 2.3994,
      "step": 79
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.07164446612343163,
      "learning_rate": 2.778692716058762e-05,
      "loss": 2.3448,
      "step": 80
    },
    {
      "epoch": 0.675,
      "grad_norm": 0.07112624750325054,
      "learning_rate": 2.7755164952399844e-05,
      "loss": 2.2984,
      "step": 81
    },
    {
      "epoch": 0.6833333333333333,
      "grad_norm": 0.07679055297227524,
      "learning_rate": 2.7722729646967527e-05,
      "loss": 2.3699,
      "step": 82
    },
    {
      "epoch": 0.6916666666666667,
      "grad_norm": 0.07270378630883641,
      "learning_rate": 2.768962286086587e-05,
      "loss": 2.3436,
      "step": 83
    },
    {
      "epoch": 0.7,
      "grad_norm": 0.06869524209312625,
      "learning_rate": 2.7655846244136654e-05,
      "loss": 2.3856,
      "step": 84
    },
    {
      "epoch": 0.7083333333333334,
      "grad_norm": 0.07006104211903366,
      "learning_rate": 2.762140148020602e-05,
      "loss": 2.3852,
      "step": 85
    },
    {
      "epoch": 0.7166666666666667,
      "grad_norm": 0.07264285304887648,
      "learning_rate": 2.758629028580055e-05,
      "loss": 2.3834,
      "step": 86
    },
    {
      "epoch": 0.725,
      "grad_norm": 0.07253530482477301,
      "learning_rate": 2.7550514410861718e-05,
      "loss": 2.3573,
      "step": 87
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.07265955522289944,
      "learning_rate": 2.751407563845866e-05,
      "loss": 2.3163,
      "step": 88
    },
    {
      "epoch": 0.7416666666666667,
      "grad_norm": 0.07374626234739601,
      "learning_rate": 2.747697578469931e-05,
      "loss": 2.3851,
      "step": 89
    },
    {
      "epoch": 0.75,
      "grad_norm": 0.07255481420091238,
      "learning_rate": 2.7439216698639904e-05,
      "loss": 2.3345,
      "step": 90
    },
    {
      "epoch": 0.75,
      "eval_loss": 2.4115521907806396,
      "eval_runtime": 82.0248,
      "eval_samples_per_second": 4.998,
      "eval_steps_per_second": 0.317,
      "step": 90
    },
    {
      "epoch": 0.7583333333333333,
      "grad_norm": 0.06817548300510701,
      "learning_rate": 2.7400800262192788e-05,
      "loss": 2.3449,
      "step": 91
    },
    {
      "epoch": 0.7666666666666667,
      "grad_norm": 0.07336990573663302,
      "learning_rate": 2.7361728390032657e-05,
      "loss": 2.3448,
      "step": 92
    },
    {
      "epoch": 0.775,
      "grad_norm": 0.07822885886131264,
      "learning_rate": 2.732200302950111e-05,
      "loss": 2.3217,
      "step": 93
    },
    {
      "epoch": 0.7833333333333333,
      "grad_norm": 0.07296512071361201,
      "learning_rate": 2.728162616050959e-05,
      "loss": 2.3329,
      "step": 94
    },
    {
      "epoch": 0.7916666666666666,
      "grad_norm": 0.07367928865175823,
      "learning_rate": 2.724059979544072e-05,
      "loss": 2.3208,
      "step": 95
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.07504139519989858,
      "learning_rate": 2.719892597904801e-05,
      "loss": 2.3483,
      "step": 96
    },
    {
      "epoch": 0.8083333333333333,
      "grad_norm": 0.06790757702451031,
      "learning_rate": 2.7156606788353906e-05,
      "loss": 2.4128,
      "step": 97
    },
    {
      "epoch": 0.8166666666666667,
      "grad_norm": 0.07011160737870108,
      "learning_rate": 2.7113644332546336e-05,
      "loss": 2.3832,
      "step": 98
    },
    {
      "epoch": 0.825,
      "grad_norm": 0.08077329808935288,
      "learning_rate": 2.707004075287352e-05,
      "loss": 2.3308,
      "step": 99
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 0.0719496280235162,
      "learning_rate": 2.7025798222537306e-05,
      "loss": 2.3254,
      "step": 100
    },
    {
      "epoch": 0.8416666666666667,
      "grad_norm": 0.07275409855582728,
      "learning_rate": 2.698091894658483e-05,
      "loss": 2.3967,
      "step": 101
    },
    {
      "epoch": 0.85,
      "grad_norm": 0.07201531734077336,
      "learning_rate": 2.693540516179861e-05,
      "loss": 2.3346,
      "step": 102
    },
    {
      "epoch": 0.8583333333333333,
      "grad_norm": 0.0765467775604243,
      "learning_rate": 2.6889259136585094e-05,
      "loss": 2.3336,
      "step": 103
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.077223728318478,
      "learning_rate": 2.6842483170861568e-05,
      "loss": 2.3313,
      "step": 104
    },
    {
      "epoch": 0.875,
      "grad_norm": 0.07639332869289207,
      "learning_rate": 2.6795079595941553e-05,
      "loss": 2.4008,
      "step": 105
    },
    {
      "epoch": 0.8833333333333333,
      "grad_norm": 0.07440505813328589,
      "learning_rate": 2.6747050774418605e-05,
      "loss": 2.3425,
      "step": 106
    },
    {
      "epoch": 0.8916666666666667,
      "grad_norm": 0.06937810484842656,
      "learning_rate": 2.6698399100048556e-05,
      "loss": 2.3349,
      "step": 107
    },
    {
      "epoch": 0.9,
      "grad_norm": 0.07336400555418392,
      "learning_rate": 2.6649126997630225e-05,
      "loss": 2.3792,
      "step": 108
    },
    {
      "epoch": 0.9083333333333333,
      "grad_norm": 0.07442564570941794,
      "learning_rate": 2.6599236922884547e-05,
      "loss": 2.3683,
      "step": 109
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 0.07470689463768693,
      "learning_rate": 2.65487313623322e-05,
      "loss": 2.3036,
      "step": 110
    },
    {
      "epoch": 0.925,
      "grad_norm": 0.07096997017300663,
      "learning_rate": 2.649761283316966e-05,
      "loss": 2.3682,
      "step": 111
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.07511821034386772,
      "learning_rate": 2.6445883883143744e-05,
      "loss": 2.3346,
      "step": 112
    },
    {
      "epoch": 0.9416666666666667,
      "grad_norm": 0.07057540374817312,
      "learning_rate": 2.639354709042466e-05,
      "loss": 2.3502,
      "step": 113
    },
    {
      "epoch": 0.95,
      "grad_norm": 0.07300364605060353,
      "learning_rate": 2.6340605063477456e-05,
      "loss": 2.3711,
      "step": 114
    },
    {
      "epoch": 0.9583333333333334,
      "grad_norm": 0.06925480258849577,
      "learning_rate": 2.628706044093207e-05,
      "loss": 2.3816,
      "step": 115
    },
    {
      "epoch": 0.9666666666666667,
      "grad_norm": 0.0705107307569524,
      "learning_rate": 2.623291589145179e-05,
      "loss": 2.2958,
      "step": 116
    },
    {
      "epoch": 0.975,
      "grad_norm": 0.07331112076487026,
      "learning_rate": 2.6178174113600252e-05,
      "loss": 2.3279,
      "step": 117
    },
    {
      "epoch": 0.9833333333333333,
      "grad_norm": 0.06780655482074792,
      "learning_rate": 2.612283783570695e-05,
      "loss": 2.4117,
      "step": 118
    },
    {
      "epoch": 0.9916666666666667,
      "grad_norm": 0.07485055181125701,
      "learning_rate": 2.606690981573125e-05,
      "loss": 2.303,
      "step": 119
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.07276467760742707,
      "learning_rate": 2.6010392841124932e-05,
      "loss": 2.3608,
      "step": 120
    },
    {
      "epoch": 1.0,
      "eval_loss": 2.4049572944641113,
      "eval_runtime": 82.3343,
      "eval_samples_per_second": 4.98,
      "eval_steps_per_second": 0.316,
      "step": 120
    },
    {
      "epoch": 1.0083333333333333,
      "grad_norm": 0.07548790321925977,
      "learning_rate": 2.5953289728693274e-05,
      "loss": 2.3185,
      "step": 121
    },
    {
      "epoch": 1.0166666666666666,
      "grad_norm": 0.0730570698984131,
      "learning_rate": 2.5895603324454647e-05,
      "loss": 2.2877,
      "step": 122
    },
    {
      "epoch": 1.025,
      "grad_norm": 0.07345139782586493,
      "learning_rate": 2.5837336503498694e-05,
      "loss": 2.2836,
      "step": 123
    },
    {
      "epoch": 1.0333333333333334,
      "grad_norm": 0.07299378924326991,
      "learning_rate": 2.5778492169843003e-05,
      "loss": 2.3436,
      "step": 124
    },
    {
      "epoch": 1.0416666666666667,
      "grad_norm": 0.07154250149880004,
      "learning_rate": 2.5719073256288394e-05,
      "loss": 2.3822,
      "step": 125
    },
    {
      "epoch": 1.05,
      "grad_norm": 0.0720748804004234,
      "learning_rate": 2.565908272427274e-05,
      "loss": 2.2708,
      "step": 126
    },
    {
      "epoch": 1.0583333333333333,
      "grad_norm": 0.07269892036621302,
      "learning_rate": 2.5598523563723373e-05,
      "loss": 2.3377,
      "step": 127
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 0.0756770863265576,
      "learning_rate": 2.5537398792908062e-05,
      "loss": 2.352,
      "step": 128
    },
    {
      "epoch": 1.075,
      "grad_norm": 0.07397323539112335,
      "learning_rate": 2.547571145828459e-05,
      "loss": 2.3643,
      "step": 129
    },
    {
      "epoch": 1.0833333333333333,
      "grad_norm": 0.07438211371538549,
      "learning_rate": 2.54134646343489e-05,
      "loss": 2.3387,
      "step": 130
    },
    {
      "epoch": 1.0916666666666666,
      "grad_norm": 0.07094248712059498,
      "learning_rate": 2.5350661423481885e-05,
      "loss": 2.3221,
      "step": 131
    },
    {
      "epoch": 1.1,
      "grad_norm": 0.0771622686218861,
      "learning_rate": 2.5287304955794754e-05,
      "loss": 2.3183,
      "step": 132
    },
    {
      "epoch": 1.1083333333333334,
      "grad_norm": 0.07495056480159959,
      "learning_rate": 2.5223398388973028e-05,
      "loss": 2.3697,
      "step": 133
    },
    {
      "epoch": 1.1166666666666667,
      "grad_norm": 0.07629199954207538,
      "learning_rate": 2.515894490811916e-05,
      "loss": 2.3529,
      "step": 134
    },
    {
      "epoch": 1.125,
      "grad_norm": 0.0762534542729489,
      "learning_rate": 2.5093947725593792e-05,
      "loss": 2.3208,
      "step": 135
    },
    {
      "epoch": 1.1333333333333333,
      "grad_norm": 0.07587427933984144,
      "learning_rate": 2.502841008085565e-05,
      "loss": 2.3448,
      "step": 136
    },
    {
      "epoch": 1.1416666666666666,
      "grad_norm": 0.07490456619530689,
      "learning_rate": 2.49623352403001e-05,
      "loss": 2.3435,
      "step": 137
    },
    {
      "epoch": 1.15,
      "grad_norm": 0.0744781797534131,
      "learning_rate": 2.4895726497096315e-05,
      "loss": 2.4,
      "step": 138
    },
    {
      "epoch": 1.1583333333333332,
      "grad_norm": 0.07464944817741491,
      "learning_rate": 2.482858717102319e-05,
      "loss": 2.318,
      "step": 139
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 0.07309033869975678,
      "learning_rate": 2.4760920608303867e-05,
      "loss": 2.2891,
      "step": 140
    },
    {
      "epoch": 1.175,
      "grad_norm": 0.07284517336177344,
      "learning_rate": 2.469273018143894e-05,
      "loss": 2.3051,
      "step": 141
    },
    {
      "epoch": 1.1833333333333333,
      "grad_norm": 0.07652064520411771,
      "learning_rate": 2.462401928903839e-05,
      "loss": 2.3555,
      "step": 142
    },
    {
      "epoch": 1.1916666666666667,
      "grad_norm": 0.07701974074136966,
      "learning_rate": 2.45547913556522e-05,
      "loss": 2.3015,
      "step": 143
    },
    {
      "epoch": 1.2,
      "grad_norm": 0.08108352272511765,
      "learning_rate": 2.448504983159966e-05,
      "loss": 2.3221,
      "step": 144
    },
    {
      "epoch": 1.2083333333333333,
      "grad_norm": 0.07752288456105606,
      "learning_rate": 2.441479819279742e-05,
      "loss": 2.3684,
      "step": 145
    },
    {
      "epoch": 1.2166666666666668,
      "grad_norm": 0.07881711814524053,
      "learning_rate": 2.4344039940586235e-05,
      "loss": 2.3011,
      "step": 146
    },
    {
      "epoch": 1.225,
      "grad_norm": 0.07757542042787384,
      "learning_rate": 2.4272778601556472e-05,
      "loss": 2.3509,
      "step": 147
    },
    {
      "epoch": 1.2333333333333334,
      "grad_norm": 0.07228965364348439,
      "learning_rate": 2.4201017727372336e-05,
      "loss": 2.3801,
      "step": 148
    },
    {
      "epoch": 1.2416666666666667,
      "grad_norm": 0.07389812003829682,
      "learning_rate": 2.4128760894594853e-05,
      "loss": 2.3359,
      "step": 149
    },
    {
      "epoch": 1.25,
      "grad_norm": 0.08146218033856112,
      "learning_rate": 2.4056011704503633e-05,
      "loss": 2.3096,
      "step": 150
    },
    {
      "epoch": 1.25,
      "eval_loss": 2.400259494781494,
      "eval_runtime": 81.604,
      "eval_samples_per_second": 5.024,
      "eval_steps_per_second": 0.319,
      "step": 150
    },
    {
      "epoch": 1.2583333333333333,
      "grad_norm": 0.07407260421175128,
      "learning_rate": 2.3982773782917347e-05,
      "loss": 2.3418,
      "step": 151
    },
    {
      "epoch": 1.2666666666666666,
      "grad_norm": 0.07827237096687646,
      "learning_rate": 2.390905078001306e-05,
      "loss": 2.2778,
      "step": 152
    },
    {
      "epoch": 1.275,
      "grad_norm": 0.07699758244967876,
      "learning_rate": 2.383484637014426e-05,
      "loss": 2.3245,
      "step": 153
    },
    {
      "epoch": 1.2833333333333332,
      "grad_norm": 0.07805943021524937,
      "learning_rate": 2.3760164251657773e-05,
      "loss": 2.3782,
      "step": 154
    },
    {
      "epoch": 1.2916666666666667,
      "grad_norm": 0.0741687347632035,
      "learning_rate": 2.368500814670941e-05,
      "loss": 2.3765,
      "step": 155
    },
    {
      "epoch": 1.3,
      "grad_norm": 0.07696079818166807,
      "learning_rate": 2.3609381801078448e-05,
      "loss": 2.3958,
      "step": 156
    },
    {
      "epoch": 1.3083333333333333,
      "grad_norm": 0.08864860865623735,
      "learning_rate": 2.3533288983980964e-05,
      "loss": 2.3482,
      "step": 157
    },
    {
      "epoch": 1.3166666666666667,
      "grad_norm": 0.07676755572584443,
      "learning_rate": 2.3456733487881978e-05,
      "loss": 2.3511,
      "step": 158
    },
    {
      "epoch": 1.325,
      "grad_norm": 0.07754541163995884,
      "learning_rate": 2.337971912830641e-05,
      "loss": 2.3754,
      "step": 159
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 0.08430746433268149,
      "learning_rate": 2.3302249743648926e-05,
      "loss": 2.4063,
      "step": 160
    },
    {
      "epoch": 1.3416666666666668,
      "grad_norm": 0.08113759941899056,
      "learning_rate": 2.322432919498265e-05,
      "loss": 2.3352,
      "step": 161
    },
    {
      "epoch": 1.35,
      "grad_norm": 0.08147516272984133,
      "learning_rate": 2.3145961365866708e-05,
      "loss": 2.3119,
      "step": 162
    },
    {
      "epoch": 1.3583333333333334,
      "grad_norm": 0.07749688842544009,
      "learning_rate": 2.3067150162152675e-05,
      "loss": 2.3547,
      "step": 163
    },
    {
      "epoch": 1.3666666666666667,
      "grad_norm": 0.08640326754187048,
      "learning_rate": 2.298789951178992e-05,
      "loss": 2.3389,
      "step": 164
    },
    {
      "epoch": 1.375,
      "grad_norm": 0.0795137333109577,
      "learning_rate": 2.2908213364629812e-05,
      "loss": 2.3778,
      "step": 165
    },
    {
      "epoch": 1.3833333333333333,
      "grad_norm": 0.07739334763959965,
      "learning_rate": 2.2828095692228886e-05,
      "loss": 2.3658,
      "step": 166
    },
    {
      "epoch": 1.3916666666666666,
      "grad_norm": 0.07783031237693959,
      "learning_rate": 2.2747550487650887e-05,
      "loss": 2.3575,
      "step": 167
    },
    {
      "epoch": 1.4,
      "grad_norm": 0.07682655233706284,
      "learning_rate": 2.2666581765267758e-05,
      "loss": 2.2825,
      "step": 168
    },
    {
      "epoch": 1.4083333333333332,
      "grad_norm": 0.08359081032268273,
      "learning_rate": 2.2585193560559563e-05,
      "loss": 2.261,
      "step": 169
    },
    {
      "epoch": 1.4166666666666667,
      "grad_norm": 0.0826940676306091,
      "learning_rate": 2.250338992991335e-05,
      "loss": 2.3069,
      "step": 170
    },
    {
      "epoch": 1.425,
      "grad_norm": 0.08462619097403327,
      "learning_rate": 2.2421174950421017e-05,
      "loss": 2.2864,
      "step": 171
    },
    {
      "epoch": 1.4333333333333333,
      "grad_norm": 0.07990029642375193,
      "learning_rate": 2.233855271967606e-05,
      "loss": 2.3033,
      "step": 172
    },
    {
      "epoch": 1.4416666666666667,
      "grad_norm": 0.08051779058857793,
      "learning_rate": 2.2255527355569372e-05,
      "loss": 2.3166,
      "step": 173
    },
    {
      "epoch": 1.45,
      "grad_norm": 0.08604667339713809,
      "learning_rate": 2.217210299608402e-05,
      "loss": 2.387,
      "step": 174
    },
    {
      "epoch": 1.4583333333333333,
      "grad_norm": 0.07829742536277012,
      "learning_rate": 2.208828379908899e-05,
      "loss": 2.311,
      "step": 175
    },
    {
      "epoch": 1.4666666666666668,
      "grad_norm": 0.07850219342360719,
      "learning_rate": 2.200407394213196e-05,
      "loss": 2.3384,
      "step": 176
    },
    {
      "epoch": 1.475,
      "grad_norm": 0.08531707041033702,
      "learning_rate": 2.19194776222311e-05,
      "loss": 2.3107,
      "step": 177
    },
    {
      "epoch": 1.4833333333333334,
      "grad_norm": 0.07652853009760147,
      "learning_rate": 2.183449905566589e-05,
      "loss": 2.3494,
      "step": 178
    },
    {
      "epoch": 1.4916666666666667,
      "grad_norm": 0.0797336095546633,
      "learning_rate": 2.1749142477766972e-05,
      "loss": 2.3291,
      "step": 179
    },
    {
      "epoch": 1.5,
      "grad_norm": 0.08700079540422817,
      "learning_rate": 2.166341214270507e-05,
      "loss": 2.3132,
      "step": 180
    },
    {
      "epoch": 1.5,
      "eval_loss": 2.3966128826141357,
      "eval_runtime": 83.184,
      "eval_samples_per_second": 4.929,
      "eval_steps_per_second": 0.313,
      "step": 180
    },
    {
      "epoch": 1.5083333333333333,
      "grad_norm": 0.07925581040107615,
      "learning_rate": 2.157731232327897e-05,
      "loss": 2.3578,
      "step": 181
    },
    {
      "epoch": 1.5166666666666666,
      "grad_norm": 0.07873086864048841,
      "learning_rate": 2.1490847310702544e-05,
      "loss": 2.3229,
      "step": 182
    },
    {
      "epoch": 1.525,
      "grad_norm": 0.07775316849537767,
      "learning_rate": 2.1404021414390874e-05,
      "loss": 2.3756,
      "step": 183
    },
    {
      "epoch": 1.5333333333333332,
      "grad_norm": 0.07949428482523528,
      "learning_rate": 2.1316838961745518e-05,
      "loss": 2.3535,
      "step": 184
    },
    {
      "epoch": 1.5416666666666665,
      "grad_norm": 0.08423278187074197,
      "learning_rate": 2.1229304297938755e-05,
      "loss": 2.3517,
      "step": 185
    },
    {
      "epoch": 1.55,
      "grad_norm": 0.07930583119038707,
      "learning_rate": 2.1141421785697097e-05,
      "loss": 2.3929,
      "step": 186
    },
    {
      "epoch": 1.5583333333333333,
      "grad_norm": 0.07736840323261199,
      "learning_rate": 2.1053195805083803e-05,
      "loss": 2.3194,
      "step": 187
    },
    {
      "epoch": 1.5666666666666667,
      "grad_norm": 0.08306421066524537,
      "learning_rate": 2.0964630753280584e-05,
      "loss": 2.3131,
      "step": 188
    },
    {
      "epoch": 1.575,
      "grad_norm": 0.0805185815818936,
      "learning_rate": 2.0875731044368472e-05,
      "loss": 2.3238,
      "step": 189
    },
    {
      "epoch": 1.5833333333333335,
      "grad_norm": 0.07729948838070921,
      "learning_rate": 2.078650110910779e-05,
      "loss": 2.3279,
      "step": 190
    },
    {
      "epoch": 1.5916666666666668,
      "grad_norm": 0.08053951644296133,
      "learning_rate": 2.0696945394717355e-05,
      "loss": 2.3343,
      "step": 191
    },
    {
      "epoch": 1.6,
      "grad_norm": 0.08184664333069269,
      "learning_rate": 2.0607068364652783e-05,
      "loss": 2.3441,
      "step": 192
    },
    {
      "epoch": 1.6083333333333334,
      "grad_norm": 0.07894699650259683,
      "learning_rate": 2.051687449838409e-05,
      "loss": 2.3384,
      "step": 193
    },
    {
      "epoch": 1.6166666666666667,
      "grad_norm": 0.08288692832517489,
      "learning_rate": 2.042636829117239e-05,
      "loss": 2.3219,
      "step": 194
    },
    {
      "epoch": 1.625,
      "grad_norm": 0.09061769591669266,
      "learning_rate": 2.033555425384586e-05,
      "loss": 2.3168,
      "step": 195
    },
    {
      "epoch": 1.6333333333333333,
      "grad_norm": 0.07607427061534017,
      "learning_rate": 2.0244436912574938e-05,
      "loss": 2.3592,
      "step": 196
    },
    {
      "epoch": 1.6416666666666666,
      "grad_norm": 0.08827457673533141,
      "learning_rate": 2.0153020808646715e-05,
      "loss": 2.3177,
      "step": 197
    },
    {
      "epoch": 1.65,
      "grad_norm": 0.0757688204165182,
      "learning_rate": 2.0061310498238618e-05,
      "loss": 2.2366,
      "step": 198
    },
    {
      "epoch": 1.6583333333333332,
      "grad_norm": 0.07815852114026649,
      "learning_rate": 1.996931055219132e-05,
      "loss": 2.3161,
      "step": 199
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 0.08058901889279678,
      "learning_rate": 1.9877025555780927e-05,
      "loss": 2.3749,
      "step": 200
    },
    {
      "epoch": 1.675,
      "grad_norm": 0.07708027281441528,
      "learning_rate": 1.978446010849045e-05,
      "loss": 2.2854,
      "step": 201
    },
    {
      "epoch": 1.6833333333333333,
      "grad_norm": 0.08312283019758401,
      "learning_rate": 1.969161882378058e-05,
      "loss": 2.3524,
      "step": 202
    },
    {
      "epoch": 1.6916666666666667,
      "grad_norm": 0.07784046601849169,
      "learning_rate": 1.9598506328859717e-05,
      "loss": 2.3418,
      "step": 203
    },
    {
      "epoch": 1.7,
      "grad_norm": 0.07906237498578873,
      "learning_rate": 1.95051272644534e-05,
      "loss": 2.3514,
      "step": 204
    },
    {
      "epoch": 1.7083333333333335,
      "grad_norm": 0.08323464269988524,
      "learning_rate": 1.9411486284572977e-05,
      "loss": 2.3133,
      "step": 205
    },
    {
      "epoch": 1.7166666666666668,
      "grad_norm": 0.08153670371604982,
      "learning_rate": 1.931758805628366e-05,
      "loss": 2.3388,
      "step": 206
    },
    {
      "epoch": 1.725,
      "grad_norm": 0.08152589045596419,
      "learning_rate": 1.9223437259471912e-05,
      "loss": 2.3309,
      "step": 207
    },
    {
      "epoch": 1.7333333333333334,
      "grad_norm": 0.08382345786042532,
      "learning_rate": 1.9129038586612224e-05,
      "loss": 2.3282,
      "step": 208
    },
    {
      "epoch": 1.7416666666666667,
      "grad_norm": 0.0835609429134592,
      "learning_rate": 1.903439674253321e-05,
      "loss": 2.3567,
      "step": 209
    },
    {
      "epoch": 1.75,
      "grad_norm": 0.08252984125014622,
      "learning_rate": 1.8939516444183143e-05,
      "loss": 2.3352,
      "step": 210
    },
    {
      "epoch": 1.75,
      "eval_loss": 2.3933684825897217,
      "eval_runtime": 83.3063,
      "eval_samples_per_second": 4.922,
      "eval_steps_per_second": 0.312,
      "step": 210
    },
    {
      "epoch": 1.7583333333333333,
      "grad_norm": 0.0815481053340795,
      "learning_rate": 1.884440242039485e-05,
      "loss": 2.3262,
      "step": 211
    },
    {
      "epoch": 1.7666666666666666,
      "grad_norm": 0.08258761118218041,
      "learning_rate": 1.8749059411650034e-05,
      "loss": 2.3396,
      "step": 212
    },
    {
      "epoch": 1.775,
      "grad_norm": 0.0884999967331726,
      "learning_rate": 1.8653492169843003e-05,
      "loss": 2.3176,
      "step": 213
    },
    {
      "epoch": 1.7833333333333332,
      "grad_norm": 0.0824785010834098,
      "learning_rate": 1.8557705458043838e-05,
      "loss": 2.3272,
      "step": 214
    },
    {
      "epoch": 1.7916666666666665,
      "grad_norm": 0.08727167025374602,
      "learning_rate": 1.8461704050261e-05,
      "loss": 2.2298,
      "step": 215
    },
    {
      "epoch": 1.8,
      "grad_norm": 0.0768016904891171,
      "learning_rate": 1.8365492731203398e-05,
      "loss": 2.3554,
      "step": 216
    },
    {
      "epoch": 1.8083333333333333,
      "grad_norm": 0.07709533586121158,
      "learning_rate": 1.8269076296041917e-05,
      "loss": 2.3702,
      "step": 217
    },
    {
      "epoch": 1.8166666666666667,
      "grad_norm": 0.0806446736093232,
      "learning_rate": 1.8172459550170424e-05,
      "loss": 2.3585,
      "step": 218
    },
    {
      "epoch": 1.825,
      "grad_norm": 0.07523532523458193,
      "learning_rate": 1.8075647308966268e-05,
      "loss": 2.3609,
      "step": 219
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 0.07497201271988578,
      "learning_rate": 1.797864439755028e-05,
      "loss": 2.3755,
      "step": 220
    },
    {
      "epoch": 1.8416666666666668,
      "grad_norm": 0.08249074177996166,
      "learning_rate": 1.7881455650546303e-05,
      "loss": 2.372,
      "step": 221
    },
    {
      "epoch": 1.85,
      "grad_norm": 0.0780160636961897,
      "learning_rate": 1.7784085911840214e-05,
      "loss": 2.3823,
      "step": 222
    },
    {
      "epoch": 1.8583333333333334,
      "grad_norm": 0.08148680526536918,
      "learning_rate": 1.7686540034338513e-05,
      "loss": 2.3314,
      "step": 223
    },
    {
      "epoch": 1.8666666666666667,
      "grad_norm": 0.0795864595636552,
      "learning_rate": 1.758882287972646e-05,
      "loss": 2.2853,
      "step": 224
    },
    {
      "epoch": 1.875,
      "grad_norm": 0.08198344669246531,
      "learning_rate": 1.749093931822577e-05,
      "loss": 2.3605,
      "step": 225
    },
    {
      "epoch": 1.8833333333333333,
      "grad_norm": 0.08138145213474299,
      "learning_rate": 1.739289422835185e-05,
      "loss": 2.2721,
      "step": 226
    },
    {
      "epoch": 1.8916666666666666,
      "grad_norm": 0.08306015511124677,
      "learning_rate": 1.7294692496670715e-05,
      "loss": 2.2889,
      "step": 227
    },
    {
      "epoch": 1.9,
      "grad_norm": 0.07478727556401082,
      "learning_rate": 1.7196339017555378e-05,
      "loss": 2.3416,
      "step": 228
    },
    {
      "epoch": 1.9083333333333332,
      "grad_norm": 0.08858459574829487,
      "learning_rate": 1.709783869294196e-05,
      "loss": 2.3081,
      "step": 229
    },
    {
      "epoch": 1.9166666666666665,
      "grad_norm": 0.08175368181940743,
      "learning_rate": 1.699919643208533e-05,
      "loss": 2.3304,
      "step": 230
    },
    {
      "epoch": 1.925,
      "grad_norm": 0.07630479738636474,
      "learning_rate": 1.6900417151314503e-05,
      "loss": 2.3454,
      "step": 231
    },
    {
      "epoch": 1.9333333333333333,
      "grad_norm": 0.07687273996639293,
      "learning_rate": 1.6801505773787527e-05,
      "loss": 2.3901,
      "step": 232
    },
    {
      "epoch": 1.9416666666666667,
      "grad_norm": 0.08600269874202937,
      "learning_rate": 1.670246722924616e-05,
      "loss": 2.3081,
      "step": 233
    },
    {
      "epoch": 1.95,
      "grad_norm": 0.07737694968965858,
      "learning_rate": 1.660330645377018e-05,
      "loss": 2.3643,
      "step": 234
    },
    {
      "epoch": 1.9583333333333335,
      "grad_norm": 0.08165758061569027,
      "learning_rate": 1.6504028389531333e-05,
      "loss": 2.355,
      "step": 235
    },
    {
      "epoch": 1.9666666666666668,
      "grad_norm": 0.08264378429137093,
      "learning_rate": 1.640463798454704e-05,
      "loss": 2.3219,
      "step": 236
    },
    {
      "epoch": 1.975,
      "grad_norm": 0.0858368818345628,
      "learning_rate": 1.6305140192433787e-05,
      "loss": 2.3329,
      "step": 237
    },
    {
      "epoch": 1.9833333333333334,
      "grad_norm": 0.07616999163161729,
      "learning_rate": 1.620553997216023e-05,
      "loss": 2.3523,
      "step": 238
    },
    {
      "epoch": 1.9916666666666667,
      "grad_norm": 0.08241527325980988,
      "learning_rate": 1.6105842287800046e-05,
      "loss": 2.2982,
      "step": 239
    },
    {
      "epoch": 2.0,
      "grad_norm": 0.08007891750583127,
      "learning_rate": 1.600605210828451e-05,
      "loss": 2.2785,
      "step": 240
    },
    {
      "epoch": 2.0,
      "eval_loss": 2.3910558223724365,
      "eval_runtime": 83.4904,
      "eval_samples_per_second": 4.911,
      "eval_steps_per_second": 0.311,
      "step": 240
    },
    {
      "epoch": 2.0083333333333333,
      "grad_norm": 0.08108687194604622,
      "learning_rate": 1.5906174407154883e-05,
      "loss": 2.3367,
      "step": 241
    },
    {
      "epoch": 2.0166666666666666,
      "grad_norm": 0.0806511417182259,
      "learning_rate": 1.5806214162314463e-05,
      "loss": 2.3011,
      "step": 242
    },
    {
      "epoch": 2.025,
      "grad_norm": 0.08264392219751603,
      "learning_rate": 1.5706176355780556e-05,
      "loss": 2.3036,
      "step": 243
    },
    {
      "epoch": 2.033333333333333,
      "grad_norm": 0.07958409681135217,
      "learning_rate": 1.5606065973436132e-05,
      "loss": 2.3056,
      "step": 244
    },
    {
      "epoch": 2.0416666666666665,
      "grad_norm": 0.07856642651007223,
      "learning_rate": 1.550588800478133e-05,
      "loss": 2.3692,
      "step": 245
    },
    {
      "epoch": 2.05,
      "grad_norm": 0.08350216798892127,
      "learning_rate": 1.5405647442684794e-05,
      "loss": 2.2697,
      "step": 246
    },
    {
      "epoch": 2.058333333333333,
      "grad_norm": 0.08390645284684875,
      "learning_rate": 1.530534928313484e-05,
      "loss": 2.2425,
      "step": 247
    },
    {
      "epoch": 2.066666666666667,
      "grad_norm": 0.07883358190907572,
      "learning_rate": 1.5204998524990423e-05,
      "loss": 2.3281,
      "step": 248
    },
    {
      "epoch": 2.075,
      "grad_norm": 0.07994560560782488,
      "learning_rate": 1.5104600169732015e-05,
      "loss": 2.3285,
      "step": 249
    },
    {
      "epoch": 2.0833333333333335,
      "grad_norm": 0.08345016891314849,
      "learning_rate": 1.5004159221212325e-05,
      "loss": 2.3252,
      "step": 250
    },
    {
      "epoch": 2.091666666666667,
      "grad_norm": 0.0767244585605165,
      "learning_rate": 1.490368068540692e-05,
      "loss": 2.3176,
      "step": 251
    },
    {
      "epoch": 2.1,
      "grad_norm": 0.07853322933102938,
      "learning_rate": 1.4803169570164703e-05,
      "loss": 2.286,
      "step": 252
    },
    {
      "epoch": 2.1083333333333334,
      "grad_norm": 0.07885223855237164,
      "learning_rate": 1.4702630884958345e-05,
      "loss": 2.3293,
      "step": 253
    },
    {
      "epoch": 2.1166666666666667,
      "grad_norm": 0.07786083611140765,
      "learning_rate": 1.4602069640634605e-05,
      "loss": 2.3241,
      "step": 254
    },
    {
      "epoch": 2.125,
      "grad_norm": 0.07961379829842732,
      "learning_rate": 1.4501490849164585e-05,
      "loss": 2.3218,
      "step": 255
    },
    {
      "epoch": 2.1333333333333333,
      "grad_norm": 0.0812119479291348,
      "learning_rate": 1.4400899523393928e-05,
      "loss": 2.3101,
      "step": 256
    },
    {
      "epoch": 2.1416666666666666,
      "grad_norm": 0.07820228956836967,
      "learning_rate": 1.4300300676793e-05,
      "loss": 2.3105,
      "step": 257
    },
    {
      "epoch": 2.15,
      "grad_norm": 0.0787354321940814,
      "learning_rate": 1.4199699323207e-05,
      "loss": 2.2921,
      "step": 258
    },
    {
      "epoch": 2.158333333333333,
      "grad_norm": 0.0821168083039209,
      "learning_rate": 1.4099100476606071e-05,
      "loss": 2.3449,
      "step": 259
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 0.08227570212622978,
      "learning_rate": 1.3998509150835417e-05,
      "loss": 2.2804,
      "step": 260
    },
    {
      "epoch": 2.175,
      "grad_norm": 0.07956552166316343,
      "learning_rate": 1.3897930359365397e-05,
      "loss": 2.2798,
      "step": 261
    },
    {
      "epoch": 2.183333333333333,
      "grad_norm": 0.08355971196343313,
      "learning_rate": 1.3797369115041656e-05,
      "loss": 2.3121,
      "step": 262
    },
    {
      "epoch": 2.191666666666667,
      "grad_norm": 0.07664615523847712,
      "learning_rate": 1.3696830429835303e-05,
      "loss": 2.3511,
      "step": 263
    },
    {
      "epoch": 2.2,
      "grad_norm": 0.07875754809310784,
      "learning_rate": 1.3596319314593088e-05,
      "loss": 2.276,
      "step": 264
    },
    {
      "epoch": 2.2083333333333335,
      "grad_norm": 0.07805417721469433,
      "learning_rate": 1.3495840778787675e-05,
      "loss": 2.3156,
      "step": 265
    },
    {
      "epoch": 2.216666666666667,
      "grad_norm": 0.08500867883177173,
      "learning_rate": 1.339539983026799e-05,
      "loss": 2.3304,
      "step": 266
    },
    {
      "epoch": 2.225,
      "grad_norm": 0.08575986404103182,
      "learning_rate": 1.3295001475009578e-05,
      "loss": 2.3171,
      "step": 267
    },
    {
      "epoch": 2.2333333333333334,
      "grad_norm": 0.0796424885760881,
      "learning_rate": 1.3194650716865163e-05,
      "loss": 2.3488,
      "step": 268
    },
    {
      "epoch": 2.2416666666666667,
      "grad_norm": 0.07791982790558008,
      "learning_rate": 1.3094352557315207e-05,
      "loss": 2.3806,
      "step": 269
    },
    {
      "epoch": 2.25,
      "grad_norm": 0.0840055290628465,
      "learning_rate": 1.299411199521868e-05,
      "loss": 2.3277,
      "step": 270
    },
    {
      "epoch": 2.25,
      "eval_loss": 2.3895957469940186,
      "eval_runtime": 83.1157,
      "eval_samples_per_second": 4.933,
      "eval_steps_per_second": 0.313,
      "step": 270
    },
    {
      "epoch": 2.2583333333333333,
      "grad_norm": 0.07770712903979533,
      "learning_rate": 1.2893934026563873e-05,
      "loss": 2.2666,
      "step": 271
    },
    {
      "epoch": 2.2666666666666666,
      "grad_norm": 0.07846164594226922,
      "learning_rate": 1.2793823644219445e-05,
      "loss": 2.2855,
      "step": 272
    },
    {
      "epoch": 2.275,
      "grad_norm": 0.08498339693180243,
      "learning_rate": 1.269378583768554e-05,
      "loss": 2.2733,
      "step": 273
    },
    {
      "epoch": 2.283333333333333,
      "grad_norm": 0.07834222258922019,
      "learning_rate": 1.2593825592845122e-05,
      "loss": 2.3193,
      "step": 274
    },
    {
      "epoch": 2.2916666666666665,
      "grad_norm": 0.08132580954052983,
      "learning_rate": 1.2493947891715491e-05,
      "loss": 2.3085,
      "step": 275
    },
    {
      "epoch": 2.3,
      "grad_norm": 0.07883697009265064,
      "learning_rate": 1.239415771219996e-05,
      "loss": 2.3545,
      "step": 276
    },
    {
      "epoch": 2.3083333333333336,
      "grad_norm": 0.08023901828387182,
      "learning_rate": 1.2294460027839779e-05,
      "loss": 2.3489,
      "step": 277
    },
    {
      "epoch": 2.3166666666666664,
      "grad_norm": 0.08930364086676225,
      "learning_rate": 1.2194859807566216e-05,
      "loss": 2.2591,
      "step": 278
    },
    {
      "epoch": 2.325,
      "grad_norm": 0.08343332964333285,
      "learning_rate": 1.2095362015452961e-05,
      "loss": 2.3404,
      "step": 279
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 0.08292455976075656,
      "learning_rate": 1.199597161046867e-05,
      "loss": 2.3028,
      "step": 280
    },
    {
      "epoch": 2.341666666666667,
      "grad_norm": 0.08627078651851632,
      "learning_rate": 1.189669354622982e-05,
      "loss": 2.343,
      "step": 281
    },
    {
      "epoch": 2.35,
      "grad_norm": 0.08202097516344958,
      "learning_rate": 1.1797532770753842e-05,
      "loss": 2.326,
      "step": 282
    },
    {
      "epoch": 2.3583333333333334,
      "grad_norm": 0.08362611496815728,
      "learning_rate": 1.169849422621248e-05,
      "loss": 2.3035,
      "step": 283
    },
    {
      "epoch": 2.3666666666666667,
      "grad_norm": 0.08888611458113292,
      "learning_rate": 1.1599582848685506e-05,
      "loss": 2.2812,
      "step": 284
    },
    {
      "epoch": 2.375,
      "grad_norm": 0.08217261091117088,
      "learning_rate": 1.1500803567914671e-05,
      "loss": 2.3378,
      "step": 285
    },
    {
      "epoch": 2.3833333333333333,
      "grad_norm": 0.07985728135451624,
      "learning_rate": 1.1402161307058047e-05,
      "loss": 2.3522,
      "step": 286
    },
    {
      "epoch": 2.3916666666666666,
      "grad_norm": 0.08014525439116486,
      "learning_rate": 1.1303660982444624e-05,
      "loss": 2.2256,
      "step": 287
    },
    {
      "epoch": 2.4,
      "grad_norm": 0.08787593050595495,
      "learning_rate": 1.1205307503329286e-05,
      "loss": 2.2974,
      "step": 288
    },
    {
      "epoch": 2.408333333333333,
      "grad_norm": 0.08195162040998395,
      "learning_rate": 1.1107105771648151e-05,
      "loss": 2.353,
      "step": 289
    },
    {
      "epoch": 2.4166666666666665,
      "grad_norm": 0.08267743479386988,
      "learning_rate": 1.1009060681774236e-05,
      "loss": 2.3274,
      "step": 290
    },
    {
      "epoch": 2.425,
      "grad_norm": 0.08798947281948663,
      "learning_rate": 1.0911177120273537e-05,
      "loss": 2.3404,
      "step": 291
    },
    {
      "epoch": 2.4333333333333336,
      "grad_norm": 0.08828111892887862,
      "learning_rate": 1.0813459965661489e-05,
      "loss": 2.3348,
      "step": 292
    },
    {
      "epoch": 2.4416666666666664,
      "grad_norm": 0.08102528742267785,
      "learning_rate": 1.0715914088159789e-05,
      "loss": 2.2863,
      "step": 293
    },
    {
      "epoch": 2.45,
      "grad_norm": 0.0866645702075036,
      "learning_rate": 1.06185443494537e-05,
      "loss": 2.3357,
      "step": 294
    },
    {
      "epoch": 2.4583333333333335,
      "grad_norm": 0.08290121294865929,
      "learning_rate": 1.0521355602449723e-05,
      "loss": 2.3537,
      "step": 295
    },
    {
      "epoch": 2.466666666666667,
      "grad_norm": 0.08332374744178081,
      "learning_rate": 1.042435269103374e-05,
      "loss": 2.3554,
      "step": 296
    },
    {
      "epoch": 2.475,
      "grad_norm": 0.08367195510948358,
      "learning_rate": 1.0327540449829583e-05,
      "loss": 2.3384,
      "step": 297
    },
    {
      "epoch": 2.4833333333333334,
      "grad_norm": 0.08673119537467149,
      "learning_rate": 1.0230923703958083e-05,
      "loss": 2.2725,
      "step": 298
    },
    {
      "epoch": 2.4916666666666667,
      "grad_norm": 0.08235186060858125,
      "learning_rate": 1.0134507268796605e-05,
      "loss": 2.328,
      "step": 299
    },
    {
      "epoch": 2.5,
      "grad_norm": 0.08408079009588813,
      "learning_rate": 1.0038295949739004e-05,
      "loss": 2.3403,
      "step": 300
    },
    {
      "epoch": 2.5,
      "eval_loss": 2.3881967067718506,
      "eval_runtime": 82.1489,
      "eval_samples_per_second": 4.991,
      "eval_steps_per_second": 0.316,
      "step": 300
    },
    {
      "epoch": 2.5083333333333333,
      "grad_norm": 0.07909547450093556,
      "learning_rate": 9.942294541956169e-06,
      "loss": 2.3357,
      "step": 301
    },
    {
      "epoch": 2.5166666666666666,
      "grad_norm": 0.08766753125589274,
      "learning_rate": 9.846507830157e-06,
      "loss": 2.2503,
      "step": 302
    },
    {
      "epoch": 2.525,
      "grad_norm": 0.07987208695801865,
      "learning_rate": 9.75094058834997e-06,
      "loss": 2.3168,
      "step": 303
    },
    {
      "epoch": 2.533333333333333,
      "grad_norm": 0.08537107163629042,
      "learning_rate": 9.655597579605152e-06,
      "loss": 2.3036,
      "step": 304
    },
    {
      "epoch": 2.5416666666666665,
      "grad_norm": 0.08251527677113132,
      "learning_rate": 9.560483555816858e-06,
      "loss": 2.3419,
      "step": 305
    },
    {
      "epoch": 2.55,
      "grad_norm": 0.08523777732696665,
      "learning_rate": 9.465603257466792e-06,
      "loss": 2.3449,
      "step": 306
    },
    {
      "epoch": 2.5583333333333336,
      "grad_norm": 0.0848931418707024,
      "learning_rate": 9.370961413387778e-06,
      "loss": 2.2844,
      "step": 307
    },
    {
      "epoch": 2.5666666666666664,
      "grad_norm": 0.08156484852737556,
      "learning_rate": 9.27656274052809e-06,
      "loss": 2.3485,
      "step": 308
    },
    {
      "epoch": 2.575,
      "grad_norm": 0.08185057405642468,
      "learning_rate": 9.182411943716344e-06,
      "loss": 2.3748,
      "step": 309
    },
    {
      "epoch": 2.5833333333333335,
      "grad_norm": 0.08210521440208327,
      "learning_rate": 9.088513715427028e-06,
      "loss": 2.376,
      "step": 310
    },
    {
      "epoch": 2.591666666666667,
      "grad_norm": 0.08030540134328207,
      "learning_rate": 8.9948727355466e-06,
      "loss": 2.3196,
      "step": 311
    },
    {
      "epoch": 2.6,
      "grad_norm": 0.08216024303479584,
      "learning_rate": 8.901493671140283e-06,
      "loss": 2.3534,
      "step": 312
    },
    {
      "epoch": 2.6083333333333334,
      "grad_norm": 0.08105902557687622,
      "learning_rate": 8.808381176219426e-06,
      "loss": 2.2729,
      "step": 313
    },
    {
      "epoch": 2.6166666666666667,
      "grad_norm": 0.08410998796525411,
      "learning_rate": 8.71553989150955e-06,
      "loss": 2.3596,
      "step": 314
    },
    {
      "epoch": 2.625,
      "grad_norm": 0.08582437979635364,
      "learning_rate": 8.622974444219076e-06,
      "loss": 2.3063,
      "step": 315
    },
    {
      "epoch": 2.6333333333333333,
      "grad_norm": 0.08419960708603666,
      "learning_rate": 8.530689447808683e-06,
      "loss": 2.3468,
      "step": 316
    },
    {
      "epoch": 2.6416666666666666,
      "grad_norm": 0.08532017727647645,
      "learning_rate": 8.438689501761387e-06,
      "loss": 2.3378,
      "step": 317
    },
    {
      "epoch": 2.65,
      "grad_norm": 0.08544492639100988,
      "learning_rate": 8.346979191353288e-06,
      "loss": 2.2872,
      "step": 318
    },
    {
      "epoch": 2.658333333333333,
      "grad_norm": 0.0825611786693761,
      "learning_rate": 8.255563087425069e-06,
      "loss": 2.3037,
      "step": 319
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.07923900030264817,
      "learning_rate": 8.164445746154141e-06,
      "loss": 2.2746,
      "step": 320
    },
    {
      "epoch": 2.675,
      "grad_norm": 0.0805988851220756,
      "learning_rate": 8.073631708827614e-06,
      "loss": 2.3116,
      "step": 321
    },
    {
      "epoch": 2.6833333333333336,
      "grad_norm": 0.07902450485255898,
      "learning_rate": 7.983125501615913e-06,
      "loss": 2.3253,
      "step": 322
    },
    {
      "epoch": 2.6916666666666664,
      "grad_norm": 0.08586994856844313,
      "learning_rate": 7.892931635347223e-06,
      "loss": 2.3636,
      "step": 323
    },
    {
      "epoch": 2.7,
      "grad_norm": 0.08029033935205021,
      "learning_rate": 7.803054605282652e-06,
      "loss": 2.3023,
      "step": 324
    },
    {
      "epoch": 2.7083333333333335,
      "grad_norm": 0.08041087816983067,
      "learning_rate": 7.713498890892208e-06,
      "loss": 2.3629,
      "step": 325
    },
    {
      "epoch": 2.716666666666667,
      "grad_norm": 0.08451031313730265,
      "learning_rate": 7.624268955631531e-06,
      "loss": 2.2625,
      "step": 326
    },
    {
      "epoch": 2.725,
      "grad_norm": 0.07898217475608488,
      "learning_rate": 7.53536924671942e-06,
      "loss": 2.3106,
      "step": 327
    },
    {
      "epoch": 2.7333333333333334,
      "grad_norm": 0.08283676255780481,
      "learning_rate": 7.446804194916206e-06,
      "loss": 2.3576,
      "step": 328
    },
    {
      "epoch": 2.7416666666666667,
      "grad_norm": 0.08212231805524588,
      "learning_rate": 7.358578214302908e-06,
      "loss": 2.2791,
      "step": 329
    },
    {
      "epoch": 2.75,
      "grad_norm": 0.08251122557980495,
      "learning_rate": 7.270695702061248e-06,
      "loss": 2.3553,
      "step": 330
    },
    {
      "epoch": 2.75,
      "eval_loss": 2.387129783630371,
      "eval_runtime": 81.7826,
      "eval_samples_per_second": 5.013,
      "eval_steps_per_second": 0.318,
      "step": 330
    },
    {
      "epoch": 2.7583333333333333,
      "grad_norm": 0.08008513950564178,
      "learning_rate": 7.1831610382544856e-06,
      "loss": 2.2737,
      "step": 331
    },
    {
      "epoch": 2.7666666666666666,
      "grad_norm": 0.08378397772580942,
      "learning_rate": 7.095978585609125e-06,
      "loss": 2.362,
      "step": 332
    },
    {
      "epoch": 2.775,
      "grad_norm": 0.08519607549475229,
      "learning_rate": 7.009152689297463e-06,
      "loss": 2.2601,
      "step": 333
    },
    {
      "epoch": 2.783333333333333,
      "grad_norm": 0.08038464346170233,
      "learning_rate": 6.9226876767210355e-06,
      "loss": 2.3434,
      "step": 334
    },
    {
      "epoch": 2.7916666666666665,
      "grad_norm": 0.08107258257971683,
      "learning_rate": 6.83658785729493e-06,
      "loss": 2.2608,
      "step": 335
    },
    {
      "epoch": 2.8,
      "grad_norm": 0.0801095446046233,
      "learning_rate": 6.750857522233032e-06,
      "loss": 2.3562,
      "step": 336
    },
    {
      "epoch": 2.8083333333333336,
      "grad_norm": 0.08032953635285699,
      "learning_rate": 6.665500944334116e-06,
      "loss": 2.3473,
      "step": 337
    },
    {
      "epoch": 2.8166666666666664,
      "grad_norm": 0.08165787890975398,
      "learning_rate": 6.580522377768902e-06,
      "loss": 2.3662,
      "step": 338
    },
    {
      "epoch": 2.825,
      "grad_norm": 0.08186138228862638,
      "learning_rate": 6.495926057868045e-06,
      "loss": 2.3611,
      "step": 339
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.08409693406516083,
      "learning_rate": 6.4117162009110105e-06,
      "loss": 2.3014,
      "step": 340
    },
    {
      "epoch": 2.841666666666667,
      "grad_norm": 0.08426043237254878,
      "learning_rate": 6.327897003915982e-06,
      "loss": 2.3556,
      "step": 341
    },
    {
      "epoch": 2.85,
      "grad_norm": 0.07860767709618154,
      "learning_rate": 6.244472644430632e-06,
      "loss": 2.3986,
      "step": 342
    },
    {
      "epoch": 2.8583333333333334,
      "grad_norm": 0.07913910815896576,
      "learning_rate": 6.161447280323948e-06,
      "loss": 2.3041,
      "step": 343
    },
    {
      "epoch": 2.8666666666666667,
      "grad_norm": 0.0834686817566552,
      "learning_rate": 6.078825049578985e-06,
      "loss": 2.2694,
      "step": 344
    },
    {
      "epoch": 2.875,
      "grad_norm": 0.09464173421182612,
      "learning_rate": 5.996610070086646e-06,
      "loss": 2.3291,
      "step": 345
    },
    {
      "epoch": 2.8833333333333333,
      "grad_norm": 0.08924525286993587,
      "learning_rate": 5.914806439440443e-06,
      "loss": 2.2425,
      "step": 346
    },
    {
      "epoch": 2.8916666666666666,
      "grad_norm": 0.07984144031222275,
      "learning_rate": 5.833418234732248e-06,
      "loss": 2.3212,
      "step": 347
    },
    {
      "epoch": 2.9,
      "grad_norm": 0.08119999485058818,
      "learning_rate": 5.752449512349119e-06,
      "loss": 2.3043,
      "step": 348
    },
    {
      "epoch": 2.908333333333333,
      "grad_norm": 0.08130268904604636,
      "learning_rate": 5.671904307771115e-06,
      "loss": 2.3431,
      "step": 349
    },
    {
      "epoch": 2.9166666666666665,
      "grad_norm": 0.0886368269447557,
      "learning_rate": 5.591786635370193e-06,
      "loss": 2.2584,
      "step": 350
    },
    {
      "epoch": 2.925,
      "grad_norm": 0.08449560278602129,
      "learning_rate": 5.5121004882100805e-06,
      "loss": 2.2614,
      "step": 351
    },
    {
      "epoch": 2.9333333333333336,
      "grad_norm": 0.0877133422168611,
      "learning_rate": 5.4328498378473245e-06,
      "loss": 2.3467,
      "step": 352
    },
    {
      "epoch": 2.9416666666666664,
      "grad_norm": 0.0829503072213313,
      "learning_rate": 5.354038634133295e-06,
      "loss": 2.2975,
      "step": 353
    },
    {
      "epoch": 2.95,
      "grad_norm": 0.08436627929472401,
      "learning_rate": 5.27567080501735e-06,
      "loss": 2.3115,
      "step": 354
    },
    {
      "epoch": 2.9583333333333335,
      "grad_norm": 0.08048623155801396,
      "learning_rate": 5.197750256351076e-06,
      "loss": 2.2584,
      "step": 355
    },
    {
      "epoch": 2.966666666666667,
      "grad_norm": 0.08109596859654204,
      "learning_rate": 5.120280871693596e-06,
      "loss": 2.3677,
      "step": 356
    },
    {
      "epoch": 2.975,
      "grad_norm": 0.081013576151029,
      "learning_rate": 5.0432665121180266e-06,
      "loss": 2.3585,
      "step": 357
    },
    {
      "epoch": 2.9833333333333334,
      "grad_norm": 0.08546479543984016,
      "learning_rate": 4.966711016019037e-06,
      "loss": 2.303,
      "step": 358
    },
    {
      "epoch": 2.9916666666666667,
      "grad_norm": 0.08245660024002954,
      "learning_rate": 4.890618198921555e-06,
      "loss": 2.3149,
      "step": 359
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.08512068224524219,
      "learning_rate": 4.814991853290595e-06,
      "loss": 2.2894,
      "step": 360
    },
    {
      "epoch": 3.0,
      "eval_loss": 2.386331081390381,
      "eval_runtime": 82.119,
      "eval_samples_per_second": 4.993,
      "eval_steps_per_second": 0.317,
      "step": 360
    }
  ],
  "logging_steps": 1,
  "max_steps": 480,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 4,
  "save_steps": 60,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 4.466444455850803e+17,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}