{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 5.0,
  "eval_steps": 500,
  "global_step": 3000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 10.703851699829102,
      "learning_rate": 6e-05,
      "loss": 3.5809,
      "step": 10
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 9.010990142822266,
      "learning_rate": 6e-05,
      "loss": 4.1028,
      "step": 20
    },
    {
      "epoch": 0.05,
      "grad_norm": 0.4640412926673889,
      "learning_rate": 6e-05,
      "loss": 2.7331,
      "step": 30
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.40382930636405945,
      "learning_rate": 6e-05,
      "loss": 2.635,
      "step": 40
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 7.262911319732666,
      "learning_rate": 6e-05,
      "loss": 2.6556,
      "step": 50
    },
    {
      "epoch": 0.1,
      "grad_norm": 7.516252517700195,
      "learning_rate": 6e-05,
      "loss": 2.8074,
      "step": 60
    },
    {
      "epoch": 0.11666666666666667,
      "grad_norm": 8.345893859863281,
      "learning_rate": 6e-05,
      "loss": 2.1682,
      "step": 70
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 7.116228103637695,
      "learning_rate": 6e-05,
      "loss": 2.6552,
      "step": 80
    },
    {
      "epoch": 0.15,
      "grad_norm": 0.25409743189811707,
      "learning_rate": 6e-05,
      "loss": 1.5267,
      "step": 90
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 6.783801078796387,
      "learning_rate": 6e-05,
      "loss": 2.4341,
      "step": 100
    },
    {
      "epoch": 0.18333333333333332,
      "grad_norm": 6.402846336364746,
      "learning_rate": 6e-05,
      "loss": 2.0065,
      "step": 110
    },
    {
      "epoch": 0.2,
      "grad_norm": 6.791121482849121,
      "learning_rate": 6e-05,
      "loss": 2.4757,
      "step": 120
    },
    {
      "epoch": 0.21666666666666667,
      "grad_norm": 7.472052097320557,
      "learning_rate": 6e-05,
      "loss": 1.9719,
      "step": 130
    },
    {
      "epoch": 0.23333333333333334,
      "grad_norm": 5.28980016708374,
      "learning_rate": 6e-05,
      "loss": 2.089,
      "step": 140
    },
    {
      "epoch": 0.25,
      "grad_norm": 0.40812844038009644,
      "learning_rate": 6e-05,
      "loss": 1.8537,
      "step": 150
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 5.137466907501221,
      "learning_rate": 6e-05,
      "loss": 2.0893,
      "step": 160
    },
    {
      "epoch": 0.2833333333333333,
      "grad_norm": 6.415058612823486,
      "learning_rate": 6e-05,
      "loss": 1.9046,
      "step": 170
    },
    {
      "epoch": 0.3,
      "grad_norm": 7.6264753341674805,
      "learning_rate": 6e-05,
      "loss": 2.0007,
      "step": 180
    },
    {
      "epoch": 0.31666666666666665,
      "grad_norm": 6.1691765785217285,
      "learning_rate": 6e-05,
      "loss": 2.2492,
      "step": 190
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 5.937539100646973,
      "learning_rate": 6e-05,
      "loss": 2.1349,
      "step": 200
    },
    {
      "epoch": 0.35,
      "grad_norm": 6.423492431640625,
      "learning_rate": 6e-05,
      "loss": 2.048,
      "step": 210
    },
    {
      "epoch": 0.36666666666666664,
      "grad_norm": 6.774343967437744,
      "learning_rate": 6e-05,
      "loss": 1.8919,
      "step": 220
    },
    {
      "epoch": 0.38333333333333336,
      "grad_norm": 5.691762924194336,
      "learning_rate": 6e-05,
      "loss": 1.9033,
      "step": 230
    },
    {
      "epoch": 0.4,
      "grad_norm": 7.342959403991699,
      "learning_rate": 6e-05,
      "loss": 2.2315,
      "step": 240
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 5.247499942779541,
      "learning_rate": 6e-05,
      "loss": 1.8042,
      "step": 250
    },
    {
      "epoch": 0.43333333333333335,
      "grad_norm": 6.325520038604736,
      "learning_rate": 6e-05,
      "loss": 2.1246,
      "step": 260
    },
    {
      "epoch": 0.45,
      "grad_norm": 2.3726272583007812,
      "learning_rate": 6e-05,
      "loss": 1.5076,
      "step": 270
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 6.017224311828613,
      "learning_rate": 6e-05,
      "loss": 1.764,
      "step": 280
    },
    {
      "epoch": 0.48333333333333334,
      "grad_norm": 4.901077747344971,
      "learning_rate": 6e-05,
      "loss": 1.6628,
      "step": 290
    },
    {
      "epoch": 0.5,
      "grad_norm": 7.2030510902404785,
      "learning_rate": 6e-05,
      "loss": 1.7808,
      "step": 300
    },
    {
      "epoch": 0.5166666666666667,
      "grad_norm": 5.495202541351318,
      "learning_rate": 6e-05,
      "loss": 1.6903,
      "step": 310
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.6111641526222229,
      "learning_rate": 6e-05,
      "loss": 1.4164,
      "step": 320
    },
    {
      "epoch": 0.55,
      "grad_norm": 6.868555068969727,
      "learning_rate": 6e-05,
      "loss": 1.7884,
      "step": 330
    },
    {
      "epoch": 0.5666666666666667,
      "grad_norm": 6.836994171142578,
      "learning_rate": 6e-05,
      "loss": 1.3815,
      "step": 340
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 6.605521202087402,
      "learning_rate": 6e-05,
      "loss": 1.6225,
      "step": 350
    },
    {
      "epoch": 0.6,
      "grad_norm": 6.448966026306152,
      "learning_rate": 6e-05,
      "loss": 1.6297,
      "step": 360
    },
    {
      "epoch": 0.6166666666666667,
      "grad_norm": 1.6773345470428467,
      "learning_rate": 6e-05,
      "loss": 1.2301,
      "step": 370
    },
    {
      "epoch": 0.6333333333333333,
      "grad_norm": 8.547723770141602,
      "learning_rate": 6e-05,
      "loss": 1.3002,
      "step": 380
    },
    {
      "epoch": 0.65,
      "grad_norm": 6.548554420471191,
      "learning_rate": 6e-05,
      "loss": 1.6245,
      "step": 390
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 5.273251056671143,
      "learning_rate": 6e-05,
      "loss": 0.9837,
      "step": 400
    },
    {
      "epoch": 0.6833333333333333,
      "grad_norm": 6.646450996398926,
      "learning_rate": 6e-05,
      "loss": 1.8153,
      "step": 410
    },
    {
      "epoch": 0.7,
      "grad_norm": 5.423939228057861,
      "learning_rate": 6e-05,
      "loss": 1.9836,
      "step": 420
    },
    {
      "epoch": 0.7166666666666667,
      "grad_norm": 0.4030410647392273,
      "learning_rate": 6e-05,
      "loss": 1.4232,
      "step": 430
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 5.671832084655762,
      "learning_rate": 6e-05,
      "loss": 1.2539,
      "step": 440
    },
    {
      "epoch": 0.75,
      "grad_norm": 0.46332189440727234,
      "learning_rate": 6e-05,
      "loss": 1.274,
      "step": 450
    },
    {
      "epoch": 0.7666666666666667,
      "grad_norm": 5.149694442749023,
      "learning_rate": 6e-05,
      "loss": 1.7947,
      "step": 460
    },
    {
      "epoch": 0.7833333333333333,
      "grad_norm": 5.663171291351318,
      "learning_rate": 6e-05,
      "loss": 1.9633,
      "step": 470
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.381251722574234,
      "learning_rate": 6e-05,
      "loss": 1.4174,
      "step": 480
    },
    {
      "epoch": 0.8166666666666667,
      "grad_norm": 0.19283317029476166,
      "learning_rate": 6e-05,
      "loss": 1.0728,
      "step": 490
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 0.4119759202003479,
      "learning_rate": 6e-05,
      "loss": 1.3529,
      "step": 500
    },
    {
      "epoch": 0.85,
      "grad_norm": 0.2680724561214447,
      "learning_rate": 6e-05,
      "loss": 1.1574,
      "step": 510
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 5.186441898345947,
      "learning_rate": 6e-05,
      "loss": 1.2883,
      "step": 520
    },
    {
      "epoch": 0.8833333333333333,
      "grad_norm": 4.495696544647217,
      "learning_rate": 6e-05,
      "loss": 1.5091,
      "step": 530
    },
    {
      "epoch": 0.9,
      "grad_norm": 5.313083648681641,
      "learning_rate": 6e-05,
      "loss": 1.3197,
      "step": 540
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 6.222965240478516,
      "learning_rate": 6e-05,
      "loss": 1.383,
      "step": 550
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 6.012535572052002,
      "learning_rate": 6e-05,
      "loss": 1.2556,
      "step": 560
    },
    {
      "epoch": 0.95,
      "grad_norm": 5.561924457550049,
      "learning_rate": 6e-05,
      "loss": 1.1323,
      "step": 570
    },
    {
      "epoch": 0.9666666666666667,
      "grad_norm": 5.748950481414795,
      "learning_rate": 6e-05,
      "loss": 1.7314,
      "step": 580
    },
    {
      "epoch": 0.9833333333333333,
      "grad_norm": 0.15047785639762878,
      "learning_rate": 6e-05,
      "loss": 1.3275,
      "step": 590
    },
    {
      "epoch": 1.0,
      "grad_norm": 5.575499534606934,
      "learning_rate": 6e-05,
      "loss": 1.4724,
      "step": 600
    },
    {
      "epoch": 1.0166666666666666,
      "grad_norm": 4.932738304138184,
      "learning_rate": 6e-05,
      "loss": 0.7532,
      "step": 610
    },
    {
      "epoch": 1.0333333333333334,
      "grad_norm": 3.8792576789855957,
      "learning_rate": 6e-05,
      "loss": 0.6494,
      "step": 620
    },
    {
      "epoch": 1.05,
      "grad_norm": 5.445838928222656,
      "learning_rate": 6e-05,
      "loss": 0.991,
      "step": 630
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 4.8129167556762695,
      "learning_rate": 6e-05,
      "loss": 0.8244,
      "step": 640
    },
    {
      "epoch": 1.0833333333333333,
      "grad_norm": 4.41573429107666,
      "learning_rate": 6e-05,
      "loss": 0.5964,
      "step": 650
    },
    {
      "epoch": 1.1,
      "grad_norm": 3.3888678550720215,
      "learning_rate": 6e-05,
      "loss": 0.8012,
      "step": 660
    },
    {
      "epoch": 1.1166666666666667,
      "grad_norm": 0.7532545328140259,
      "learning_rate": 6e-05,
      "loss": 0.6736,
      "step": 670
    },
    {
      "epoch": 1.1333333333333333,
      "grad_norm": 0.27038031816482544,
      "learning_rate": 6e-05,
      "loss": 0.7941,
      "step": 680
    },
    {
      "epoch": 1.15,
      "grad_norm": 4.434571743011475,
      "learning_rate": 6e-05,
      "loss": 0.8876,
      "step": 690
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 4.428005695343018,
      "learning_rate": 6e-05,
      "loss": 0.6717,
      "step": 700
    },
    {
      "epoch": 1.1833333333333333,
      "grad_norm": 0.5096133947372437,
      "learning_rate": 6e-05,
      "loss": 0.5377,
      "step": 710
    },
    {
      "epoch": 1.2,
      "grad_norm": 5.27114200592041,
      "learning_rate": 6e-05,
      "loss": 0.7766,
      "step": 720
    },
    {
      "epoch": 1.2166666666666668,
      "grad_norm": 4.663687229156494,
      "learning_rate": 6e-05,
      "loss": 0.6546,
      "step": 730
    },
    {
      "epoch": 1.2333333333333334,
      "grad_norm": 4.901218414306641,
      "learning_rate": 6e-05,
      "loss": 0.7818,
      "step": 740
    },
    {
      "epoch": 1.25,
      "grad_norm": 5.071630954742432,
      "learning_rate": 6e-05,
      "loss": 0.7394,
      "step": 750
    },
    {
      "epoch": 1.2666666666666666,
      "grad_norm": 5.074912071228027,
      "learning_rate": 6e-05,
      "loss": 0.8252,
      "step": 760
    },
    {
      "epoch": 1.2833333333333332,
      "grad_norm": 4.21773624420166,
      "learning_rate": 6e-05,
      "loss": 0.5797,
      "step": 770
    },
    {
      "epoch": 1.3,
      "grad_norm": 4.840847969055176,
      "learning_rate": 6e-05,
      "loss": 0.8711,
      "step": 780
    },
    {
      "epoch": 1.3166666666666667,
      "grad_norm": 5.415622711181641,
      "learning_rate": 6e-05,
      "loss": 0.5938,
      "step": 790
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 3.996609687805176,
      "learning_rate": 6e-05,
      "loss": 0.7922,
      "step": 800
    },
    {
      "epoch": 1.35,
      "grad_norm": 3.9247679710388184,
      "learning_rate": 6e-05,
      "loss": 0.8988,
      "step": 810
    },
    {
      "epoch": 1.3666666666666667,
      "grad_norm": 5.879762172698975,
      "learning_rate": 6e-05,
      "loss": 0.889,
      "step": 820
    },
    {
      "epoch": 1.3833333333333333,
      "grad_norm": 4.452793598175049,
      "learning_rate": 6e-05,
      "loss": 0.8907,
      "step": 830
    },
    {
      "epoch": 1.4,
      "grad_norm": 3.865884304046631,
      "learning_rate": 6e-05,
      "loss": 0.7832,
      "step": 840
    },
    {
      "epoch": 1.4166666666666667,
      "grad_norm": 4.453603744506836,
      "learning_rate": 6e-05,
      "loss": 0.6698,
      "step": 850
    },
    {
      "epoch": 1.4333333333333333,
      "grad_norm": 5.071674346923828,
      "learning_rate": 6e-05,
      "loss": 0.8312,
      "step": 860
    },
    {
      "epoch": 1.45,
      "grad_norm": 4.874762058258057,
      "learning_rate": 6e-05,
      "loss": 0.7881,
      "step": 870
    },
    {
      "epoch": 1.4666666666666668,
      "grad_norm": 6.171636581420898,
      "learning_rate": 6e-05,
      "loss": 0.6317,
      "step": 880
    },
    {
      "epoch": 1.4833333333333334,
      "grad_norm": 0.1519613116979599,
      "learning_rate": 6e-05,
      "loss": 0.678,
      "step": 890
    },
    {
      "epoch": 1.5,
      "grad_norm": 4.693779468536377,
      "learning_rate": 6e-05,
      "loss": 0.9057,
      "step": 900
    },
    {
      "epoch": 1.5166666666666666,
      "grad_norm": 5.344676971435547,
      "learning_rate": 6e-05,
      "loss": 0.9361,
      "step": 910
    },
    {
      "epoch": 1.5333333333333332,
      "grad_norm": 4.404393672943115,
      "learning_rate": 6e-05,
      "loss": 0.7425,
      "step": 920
    },
    {
      "epoch": 1.55,
      "grad_norm": 4.830576419830322,
      "learning_rate": 6e-05,
      "loss": 0.6441,
      "step": 930
    },
    {
      "epoch": 1.5666666666666667,
      "grad_norm": 4.55125093460083,
      "learning_rate": 6e-05,
      "loss": 0.6135,
      "step": 940
    },
    {
      "epoch": 1.5833333333333335,
      "grad_norm": 4.87325382232666,
      "learning_rate": 6e-05,
      "loss": 0.7472,
      "step": 950
    },
    {
      "epoch": 1.6,
      "grad_norm": 6.2401018142700195,
      "learning_rate": 6e-05,
      "loss": 0.9263,
      "step": 960
    },
    {
      "epoch": 1.6166666666666667,
      "grad_norm": 6.200912952423096,
      "learning_rate": 6e-05,
      "loss": 0.7221,
      "step": 970
    },
    {
      "epoch": 1.6333333333333333,
      "grad_norm": 5.115511417388916,
      "learning_rate": 6e-05,
      "loss": 0.9509,
      "step": 980
    },
    {
      "epoch": 1.65,
      "grad_norm": 4.796250343322754,
      "learning_rate": 6e-05,
      "loss": 0.7218,
      "step": 990
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 5.361080646514893,
      "learning_rate": 6e-05,
      "loss": 0.6932,
      "step": 1000
    },
    {
      "epoch": 1.6833333333333333,
      "grad_norm": 5.650583267211914,
      "learning_rate": 6e-05,
      "loss": 0.6287,
      "step": 1010
    },
    {
      "epoch": 1.7,
      "grad_norm": 4.547042369842529,
      "learning_rate": 6e-05,
      "loss": 1.0174,
      "step": 1020
    },
    {
      "epoch": 1.7166666666666668,
      "grad_norm": 4.448911190032959,
      "learning_rate": 6e-05,
      "loss": 0.8802,
      "step": 1030
    },
    {
      "epoch": 1.7333333333333334,
      "grad_norm": 6.258235931396484,
      "learning_rate": 6e-05,
      "loss": 1.054,
      "step": 1040
    },
    {
      "epoch": 1.75,
      "grad_norm": 5.210239410400391,
      "learning_rate": 6e-05,
      "loss": 0.8474,
      "step": 1050
    },
    {
      "epoch": 1.7666666666666666,
      "grad_norm": 5.42786169052124,
      "learning_rate": 6e-05,
      "loss": 0.793,
      "step": 1060
    },
    {
      "epoch": 1.7833333333333332,
      "grad_norm": 5.1035542488098145,
      "learning_rate": 6e-05,
      "loss": 0.7974,
      "step": 1070
    },
    {
      "epoch": 1.8,
      "grad_norm": 4.6277360916137695,
      "learning_rate": 6e-05,
      "loss": 0.653,
      "step": 1080
    },
    {
      "epoch": 1.8166666666666667,
      "grad_norm": 4.298365592956543,
      "learning_rate": 6e-05,
      "loss": 0.5854,
      "step": 1090
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 4.338704586029053,
      "learning_rate": 6e-05,
      "loss": 0.8766,
      "step": 1100
    },
    {
      "epoch": 1.85,
      "grad_norm": 5.199752330780029,
      "learning_rate": 6e-05,
      "loss": 0.8654,
      "step": 1110
    },
    {
      "epoch": 1.8666666666666667,
      "grad_norm": 4.3180155754089355,
      "learning_rate": 6e-05,
      "loss": 0.7358,
      "step": 1120
    },
    {
      "epoch": 1.8833333333333333,
      "grad_norm": 4.966156959533691,
      "learning_rate": 6e-05,
      "loss": 0.8197,
      "step": 1130
    },
    {
      "epoch": 1.9,
      "grad_norm": 5.525106906890869,
      "learning_rate": 6e-05,
      "loss": 0.957,
      "step": 1140
    },
    {
      "epoch": 1.9166666666666665,
      "grad_norm": 0.13840217888355255,
      "learning_rate": 6e-05,
      "loss": 0.8325,
      "step": 1150
    },
    {
      "epoch": 1.9333333333333333,
      "grad_norm": 5.809091091156006,
      "learning_rate": 6e-05,
      "loss": 0.8118,
      "step": 1160
    },
    {
      "epoch": 1.95,
      "grad_norm": 4.521309852600098,
      "learning_rate": 6e-05,
      "loss": 0.6954,
      "step": 1170
    },
    {
      "epoch": 1.9666666666666668,
      "grad_norm": 4.356025218963623,
      "learning_rate": 6e-05,
      "loss": 0.6431,
      "step": 1180
    },
    {
      "epoch": 1.9833333333333334,
      "grad_norm": 0.13557185232639313,
      "learning_rate": 6e-05,
      "loss": 0.7289,
      "step": 1190
    },
    {
      "epoch": 2.0,
      "grad_norm": 4.720485210418701,
      "learning_rate": 6e-05,
      "loss": 1.0819,
      "step": 1200
    },
    {
      "epoch": 2.0166666666666666,
      "grad_norm": 3.2669432163238525,
      "learning_rate": 6e-05,
      "loss": 0.3797,
      "step": 1210
    },
    {
      "epoch": 2.033333333333333,
      "grad_norm": 0.17037688195705414,
      "learning_rate": 6e-05,
      "loss": 0.2225,
      "step": 1220
    },
    {
      "epoch": 2.05,
      "grad_norm": 3.6591694355010986,
      "learning_rate": 6e-05,
      "loss": 0.2646,
      "step": 1230
    },
    {
      "epoch": 2.066666666666667,
      "grad_norm": 2.3325705528259277,
      "learning_rate": 6e-05,
      "loss": 0.26,
      "step": 1240
    },
    {
      "epoch": 2.0833333333333335,
      "grad_norm": 4.064724922180176,
      "learning_rate": 6e-05,
      "loss": 0.3003,
      "step": 1250
    },
    {
      "epoch": 2.1,
      "grad_norm": 3.6678476333618164,
      "learning_rate": 6e-05,
      "loss": 0.3679,
      "step": 1260
    },
    {
      "epoch": 2.1166666666666667,
      "grad_norm": 2.6063060760498047,
      "learning_rate": 6e-05,
      "loss": 0.4071,
      "step": 1270
    },
    {
      "epoch": 2.1333333333333333,
      "grad_norm": 3.941904306411743,
      "learning_rate": 6e-05,
      "loss": 0.3231,
      "step": 1280
    },
    {
      "epoch": 2.15,
      "grad_norm": 3.9452853202819824,
      "learning_rate": 6e-05,
      "loss": 0.3727,
      "step": 1290
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 3.6511361598968506,
      "learning_rate": 6e-05,
      "loss": 0.3185,
      "step": 1300
    },
    {
      "epoch": 2.183333333333333,
      "grad_norm": 3.691957950592041,
      "learning_rate": 6e-05,
      "loss": 0.3636,
      "step": 1310
    },
    {
      "epoch": 2.2,
      "grad_norm": 4.021413326263428,
      "learning_rate": 6e-05,
      "loss": 0.4376,
      "step": 1320
    },
    {
      "epoch": 2.216666666666667,
      "grad_norm": 3.6001434326171875,
      "learning_rate": 6e-05,
      "loss": 0.3629,
      "step": 1330
    },
    {
      "epoch": 2.2333333333333334,
      "grad_norm": 0.5142948627471924,
      "learning_rate": 6e-05,
      "loss": 0.2886,
      "step": 1340
    },
    {
      "epoch": 2.25,
      "grad_norm": 3.5616300106048584,
      "learning_rate": 6e-05,
      "loss": 0.2015,
      "step": 1350
    },
    {
      "epoch": 2.2666666666666666,
      "grad_norm": 3.838143825531006,
      "learning_rate": 6e-05,
      "loss": 0.3771,
      "step": 1360
    },
    {
      "epoch": 2.283333333333333,
      "grad_norm": 0.7198929190635681,
      "learning_rate": 6e-05,
      "loss": 0.2267,
      "step": 1370
    },
    {
      "epoch": 2.3,
      "grad_norm": 3.8044233322143555,
      "learning_rate": 6e-05,
      "loss": 0.3893,
      "step": 1380
    },
    {
      "epoch": 2.3166666666666664,
      "grad_norm": 4.568807125091553,
      "learning_rate": 6e-05,
      "loss": 0.3944,
      "step": 1390
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 3.0277106761932373,
      "learning_rate": 6e-05,
      "loss": 0.3638,
      "step": 1400
    },
    {
      "epoch": 2.35,
      "grad_norm": 5.164194583892822,
      "learning_rate": 6e-05,
      "loss": 0.2852,
      "step": 1410
    },
    {
      "epoch": 2.3666666666666667,
      "grad_norm": 3.660222053527832,
      "learning_rate": 6e-05,
      "loss": 0.4463,
      "step": 1420
    },
    {
      "epoch": 2.3833333333333333,
      "grad_norm": 3.504351854324341,
      "learning_rate": 6e-05,
      "loss": 0.4109,
      "step": 1430
    },
    {
      "epoch": 2.4,
      "grad_norm": 3.345865249633789,
      "learning_rate": 6e-05,
      "loss": 0.2865,
      "step": 1440
    },
    {
      "epoch": 2.4166666666666665,
      "grad_norm": 4.124192714691162,
      "learning_rate": 6e-05,
      "loss": 0.4237,
      "step": 1450
    },
    {
      "epoch": 2.4333333333333336,
      "grad_norm": 3.9281630516052246,
      "learning_rate": 6e-05,
      "loss": 0.3977,
      "step": 1460
    },
    {
      "epoch": 2.45,
      "grad_norm": 2.1908838748931885,
      "learning_rate": 6e-05,
      "loss": 0.3427,
      "step": 1470
    },
    {
      "epoch": 2.466666666666667,
      "grad_norm": 3.6517841815948486,
      "learning_rate": 6e-05,
      "loss": 0.504,
      "step": 1480
    },
    {
      "epoch": 2.4833333333333334,
      "grad_norm": 3.4024455547332764,
      "learning_rate": 6e-05,
      "loss": 0.4642,
      "step": 1490
    },
    {
      "epoch": 2.5,
      "grad_norm": 3.4409215450286865,
      "learning_rate": 6e-05,
      "loss": 0.3455,
      "step": 1500
    },
    {
      "epoch": 2.5166666666666666,
      "grad_norm": 3.032893657684326,
      "learning_rate": 6e-05,
      "loss": 0.4484,
      "step": 1510
    },
    {
      "epoch": 2.533333333333333,
      "grad_norm": 3.7264816761016846,
      "learning_rate": 6e-05,
      "loss": 0.3302,
      "step": 1520
    },
    {
      "epoch": 2.55,
      "grad_norm": 3.6933608055114746,
      "learning_rate": 6e-05,
      "loss": 0.3702,
      "step": 1530
    },
    {
      "epoch": 2.5666666666666664,
      "grad_norm": 2.9598522186279297,
      "learning_rate": 6e-05,
      "loss": 0.4242,
      "step": 1540
    },
    {
      "epoch": 2.5833333333333335,
      "grad_norm": 3.513723134994507,
      "learning_rate": 6e-05,
      "loss": 0.4282,
      "step": 1550
    },
    {
      "epoch": 2.6,
      "grad_norm": 3.879558801651001,
      "learning_rate": 6e-05,
      "loss": 0.3995,
      "step": 1560
    },
    {
      "epoch": 2.6166666666666667,
      "grad_norm": 4.050871849060059,
      "learning_rate": 6e-05,
      "loss": 0.4017,
      "step": 1570
    },
    {
      "epoch": 2.6333333333333333,
      "grad_norm": 4.572554588317871,
      "learning_rate": 6e-05,
      "loss": 0.3516,
      "step": 1580
    },
    {
      "epoch": 2.65,
      "grad_norm": 3.9929027557373047,
      "learning_rate": 6e-05,
      "loss": 0.3355,
      "step": 1590
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 3.7209622859954834,
      "learning_rate": 6e-05,
      "loss": 0.4174,
      "step": 1600
    },
    {
      "epoch": 2.6833333333333336,
      "grad_norm": 3.0389342308044434,
      "learning_rate": 6e-05,
      "loss": 0.3055,
      "step": 1610
    },
    {
      "epoch": 2.7,
      "grad_norm": 5.1168107986450195,
      "learning_rate": 6e-05,
      "loss": 0.4527,
      "step": 1620
    },
    {
      "epoch": 2.716666666666667,
      "grad_norm": 4.153924942016602,
      "learning_rate": 6e-05,
      "loss": 0.3446,
      "step": 1630
    },
    {
      "epoch": 2.7333333333333334,
      "grad_norm": 4.225288391113281,
      "learning_rate": 6e-05,
      "loss": 0.4465,
      "step": 1640
    },
    {
      "epoch": 2.75,
      "grad_norm": 4.301046848297119,
      "learning_rate": 6e-05,
      "loss": 0.442,
      "step": 1650
    },
    {
      "epoch": 2.7666666666666666,
      "grad_norm": 4.556142330169678,
      "learning_rate": 6e-05,
      "loss": 0.4765,
      "step": 1660
    },
    {
      "epoch": 2.783333333333333,
      "grad_norm": 4.66525411605835,
      "learning_rate": 6e-05,
      "loss": 0.382,
      "step": 1670
    },
    {
      "epoch": 2.8,
      "grad_norm": 4.70958137512207,
      "learning_rate": 6e-05,
      "loss": 0.4223,
      "step": 1680
    },
    {
      "epoch": 2.8166666666666664,
      "grad_norm": 0.44127559661865234,
      "learning_rate": 6e-05,
      "loss": 0.3066,
      "step": 1690
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 3.6719629764556885,
      "learning_rate": 6e-05,
      "loss": 0.3594,
      "step": 1700
    },
    {
      "epoch": 2.85,
      "grad_norm": 3.9847443103790283,
      "learning_rate": 6e-05,
      "loss": 0.3505,
      "step": 1710
    },
    {
      "epoch": 2.8666666666666667,
      "grad_norm": 3.461280107498169,
      "learning_rate": 6e-05,
      "loss": 0.3128,
      "step": 1720
    },
    {
      "epoch": 2.8833333333333333,
      "grad_norm": 0.1220584511756897,
      "learning_rate": 6e-05,
      "loss": 0.4126,
      "step": 1730
    },
    {
      "epoch": 2.9,
      "grad_norm": 4.743860721588135,
      "learning_rate": 6e-05,
      "loss": 0.3259,
      "step": 1740
    },
    {
      "epoch": 2.9166666666666665,
      "grad_norm": 5.149531364440918,
      "learning_rate": 6e-05,
      "loss": 0.4288,
      "step": 1750
    },
    {
      "epoch": 2.9333333333333336,
      "grad_norm": 4.007344722747803,
      "learning_rate": 6e-05,
      "loss": 0.41,
      "step": 1760
    },
    {
      "epoch": 2.95,
      "grad_norm": 5.342319965362549,
      "learning_rate": 6e-05,
      "loss": 0.3972,
      "step": 1770
    },
    {
      "epoch": 2.966666666666667,
      "grad_norm": 4.395218372344971,
      "learning_rate": 6e-05,
      "loss": 0.4081,
      "step": 1780
    },
    {
      "epoch": 2.9833333333333334,
      "grad_norm": 0.33678194880485535,
      "learning_rate": 6e-05,
      "loss": 0.3378,
      "step": 1790
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.15446363389492035,
      "learning_rate": 6e-05,
      "loss": 0.4422,
      "step": 1800
    },
    {
      "epoch": 3.0166666666666666,
      "grad_norm": 2.3997697830200195,
      "learning_rate": 6e-05,
      "loss": 0.2181,
      "step": 1810
    },
    {
      "epoch": 3.033333333333333,
      "grad_norm": 3.0938475131988525,
      "learning_rate": 6e-05,
      "loss": 0.2542,
      "step": 1820
    },
    {
      "epoch": 3.05,
      "grad_norm": 1.814798355102539,
      "learning_rate": 6e-05,
      "loss": 0.2232,
      "step": 1830
    },
    {
      "epoch": 3.066666666666667,
      "grad_norm": 2.5803914070129395,
      "learning_rate": 6e-05,
      "loss": 0.2299,
      "step": 1840
    },
    {
      "epoch": 3.0833333333333335,
      "grad_norm": 3.005800247192383,
      "learning_rate": 6e-05,
      "loss": 0.2398,
      "step": 1850
    },
    {
      "epoch": 3.1,
      "grad_norm": 2.262218475341797,
      "learning_rate": 6e-05,
      "loss": 0.1979,
      "step": 1860
    },
    {
      "epoch": 3.1166666666666667,
      "grad_norm": 3.306082010269165,
      "learning_rate": 6e-05,
      "loss": 0.226,
      "step": 1870
    },
    {
      "epoch": 3.1333333333333333,
      "grad_norm": 3.4587149620056152,
      "learning_rate": 6e-05,
      "loss": 0.227,
      "step": 1880
    },
    {
      "epoch": 3.15,
      "grad_norm": 0.2009311467409134,
      "learning_rate": 6e-05,
      "loss": 0.1759,
      "step": 1890
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 2.4600870609283447,
      "learning_rate": 6e-05,
      "loss": 0.2167,
      "step": 1900
    },
    {
      "epoch": 3.183333333333333,
      "grad_norm": 2.9948713779449463,
      "learning_rate": 6e-05,
      "loss": 0.2604,
      "step": 1910
    },
    {
      "epoch": 3.2,
      "grad_norm": 2.7967138290405273,
      "learning_rate": 6e-05,
      "loss": 0.2194,
      "step": 1920
    },
    {
      "epoch": 3.216666666666667,
      "grad_norm": 2.8515281677246094,
      "learning_rate": 6e-05,
      "loss": 0.2799,
      "step": 1930
    },
    {
      "epoch": 3.2333333333333334,
      "grad_norm": 3.460983991622925,
      "learning_rate": 6e-05,
      "loss": 0.2161,
      "step": 1940
    },
    {
      "epoch": 3.25,
      "grad_norm": 2.8532299995422363,
      "learning_rate": 6e-05,
      "loss": 0.2536,
      "step": 1950
    },
    {
      "epoch": 3.2666666666666666,
      "grad_norm": 3.8065881729125977,
      "learning_rate": 6e-05,
      "loss": 0.2204,
      "step": 1960
    },
    {
      "epoch": 3.283333333333333,
      "grad_norm": 3.129713773727417,
      "learning_rate": 6e-05,
      "loss": 0.2769,
      "step": 1970
    },
    {
      "epoch": 3.3,
      "grad_norm": 3.304546594619751,
      "learning_rate": 6e-05,
      "loss": 0.2326,
      "step": 1980
    },
    {
      "epoch": 3.3166666666666664,
      "grad_norm": 0.15800362825393677,
      "learning_rate": 6e-05,
      "loss": 0.2194,
      "step": 1990
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.26382309198379517,
      "learning_rate": 6e-05,
      "loss": 0.2061,
      "step": 2000
    },
    {
      "epoch": 3.35,
      "grad_norm": 2.9462838172912598,
      "learning_rate": 6e-05,
      "loss": 0.2684,
      "step": 2010
    },
    {
      "epoch": 3.3666666666666667,
      "grad_norm": 0.3118344247341156,
      "learning_rate": 6e-05,
      "loss": 0.1455,
      "step": 2020
    },
    {
      "epoch": 3.3833333333333333,
      "grad_norm": 2.9293630123138428,
      "learning_rate": 6e-05,
      "loss": 0.2255,
      "step": 2030
    },
    {
      "epoch": 3.4,
      "grad_norm": 4.438231945037842,
      "learning_rate": 6e-05,
      "loss": 0.1766,
      "step": 2040
    },
    {
      "epoch": 3.4166666666666665,
      "grad_norm": 2.60629940032959,
      "learning_rate": 6e-05,
      "loss": 0.2255,
      "step": 2050
    },
    {
      "epoch": 3.4333333333333336,
      "grad_norm": 2.9785244464874268,
      "learning_rate": 6e-05,
      "loss": 0.1989,
      "step": 2060
    },
    {
      "epoch": 3.45,
      "grad_norm": 4.8749470710754395,
      "learning_rate": 6e-05,
      "loss": 0.229,
      "step": 2070
    },
    {
      "epoch": 3.466666666666667,
      "grad_norm": 3.1652307510375977,
      "learning_rate": 6e-05,
      "loss": 0.2372,
      "step": 2080
    },
    {
      "epoch": 3.4833333333333334,
      "grad_norm": 3.376352310180664,
      "learning_rate": 6e-05,
      "loss": 0.2676,
      "step": 2090
    },
    {
      "epoch": 3.5,
      "grad_norm": 2.0354526042938232,
      "learning_rate": 6e-05,
      "loss": 0.1975,
      "step": 2100
    },
    {
      "epoch": 3.5166666666666666,
      "grad_norm": 2.502779245376587,
      "learning_rate": 6e-05,
      "loss": 0.2717,
      "step": 2110
    },
    {
      "epoch": 3.533333333333333,
      "grad_norm": 3.152454376220703,
      "learning_rate": 6e-05,
      "loss": 0.2084,
      "step": 2120
    },
    {
      "epoch": 3.55,
      "grad_norm": 3.6308553218841553,
      "learning_rate": 6e-05,
      "loss": 0.1997,
      "step": 2130
    },
    {
      "epoch": 3.5666666666666664,
      "grad_norm": 4.039753437042236,
      "learning_rate": 6e-05,
      "loss": 0.29,
      "step": 2140
    },
    {
      "epoch": 3.5833333333333335,
      "grad_norm": 0.14417864382266998,
      "learning_rate": 6e-05,
      "loss": 0.1399,
      "step": 2150
    },
    {
      "epoch": 3.6,
      "grad_norm": 3.9490373134613037,
      "learning_rate": 6e-05,
      "loss": 0.2906,
      "step": 2160
    },
    {
      "epoch": 3.6166666666666667,
      "grad_norm": 3.4485721588134766,
      "learning_rate": 6e-05,
      "loss": 0.2491,
      "step": 2170
    },
    {
      "epoch": 3.6333333333333333,
      "grad_norm": 2.690387725830078,
      "learning_rate": 6e-05,
      "loss": 0.2072,
      "step": 2180
    },
    {
      "epoch": 3.65,
      "grad_norm": 2.7408242225646973,
      "learning_rate": 6e-05,
      "loss": 0.2745,
      "step": 2190
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 3.5158913135528564,
      "learning_rate": 6e-05,
      "loss": 0.2564,
      "step": 2200
    },
    {
      "epoch": 3.6833333333333336,
      "grad_norm": 3.5961549282073975,
      "learning_rate": 6e-05,
      "loss": 0.2585,
      "step": 2210
    },
    {
      "epoch": 3.7,
      "grad_norm": 3.4621024131774902,
      "learning_rate": 6e-05,
      "loss": 0.2186,
      "step": 2220
    },
    {
      "epoch": 3.716666666666667,
      "grad_norm": 0.41269171237945557,
      "learning_rate": 6e-05,
      "loss": 0.1915,
      "step": 2230
    },
    {
      "epoch": 3.7333333333333334,
      "grad_norm": 3.990701198577881,
      "learning_rate": 6e-05,
      "loss": 0.3078,
      "step": 2240
    },
    {
      "epoch": 3.75,
      "grad_norm": 3.4844603538513184,
      "learning_rate": 6e-05,
      "loss": 0.1983,
      "step": 2250
    },
    {
      "epoch": 3.7666666666666666,
      "grad_norm": 3.6646134853363037,
      "learning_rate": 6e-05,
      "loss": 0.2419,
      "step": 2260
    },
    {
      "epoch": 3.783333333333333,
      "grad_norm": 2.806572914123535,
      "learning_rate": 6e-05,
      "loss": 0.2177,
      "step": 2270
    },
    {
      "epoch": 3.8,
      "grad_norm": 3.793297529220581,
      "learning_rate": 6e-05,
      "loss": 0.2701,
      "step": 2280
    },
    {
      "epoch": 3.8166666666666664,
      "grad_norm": 0.344463974237442,
      "learning_rate": 6e-05,
      "loss": 0.1895,
      "step": 2290
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 3.686999797821045,
      "learning_rate": 6e-05,
      "loss": 0.3189,
      "step": 2300
    },
    {
      "epoch": 3.85,
      "grad_norm": 4.062050819396973,
      "learning_rate": 6e-05,
      "loss": 0.2981,
      "step": 2310
    },
    {
      "epoch": 3.8666666666666667,
      "grad_norm": 0.21654778718948364,
      "learning_rate": 6e-05,
      "loss": 0.2291,
      "step": 2320
    },
    {
      "epoch": 3.8833333333333333,
      "grad_norm": 2.6975693702697754,
      "learning_rate": 6e-05,
      "loss": 0.2567,
      "step": 2330
    },
    {
      "epoch": 3.9,
      "grad_norm": 3.628133773803711,
      "learning_rate": 6e-05,
      "loss": 0.2504,
      "step": 2340
    },
    {
      "epoch": 3.9166666666666665,
      "grad_norm": 2.9604740142822266,
      "learning_rate": 6e-05,
      "loss": 0.2565,
      "step": 2350
    },
    {
      "epoch": 3.9333333333333336,
      "grad_norm": 2.7440686225891113,
      "learning_rate": 6e-05,
      "loss": 0.2892,
      "step": 2360
    },
    {
      "epoch": 3.95,
      "grad_norm": 4.119467735290527,
      "learning_rate": 6e-05,
      "loss": 0.3138,
      "step": 2370
    },
    {
      "epoch": 3.966666666666667,
      "grad_norm": 0.3667405843734741,
      "learning_rate": 6e-05,
      "loss": 0.2056,
      "step": 2380
    },
    {
      "epoch": 3.9833333333333334,
      "grad_norm": 0.21370373666286469,
      "learning_rate": 6e-05,
      "loss": 0.2319,
      "step": 2390
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.27621129155158997,
      "learning_rate": 6e-05,
      "loss": 0.2819,
      "step": 2400
    },
    {
      "epoch": 4.016666666666667,
      "grad_norm": 0.2601078450679779,
      "learning_rate": 6e-05,
      "loss": 0.0668,
      "step": 2410
    },
    {
      "epoch": 4.033333333333333,
      "grad_norm": 2.601001739501953,
      "learning_rate": 6e-05,
      "loss": 0.1459,
      "step": 2420
    },
    {
      "epoch": 4.05,
      "grad_norm": 2.978012800216675,
      "learning_rate": 6e-05,
      "loss": 0.1617,
      "step": 2430
    },
    {
      "epoch": 4.066666666666666,
      "grad_norm": 2.706773042678833,
      "learning_rate": 6e-05,
      "loss": 0.1566,
      "step": 2440
    },
    {
      "epoch": 4.083333333333333,
      "grad_norm": 2.1703953742980957,
      "learning_rate": 6e-05,
      "loss": 0.1395,
      "step": 2450
    },
    {
      "epoch": 4.1,
      "grad_norm": 2.7196877002716064,
      "learning_rate": 6e-05,
      "loss": 0.1356,
      "step": 2460
    },
    {
      "epoch": 4.116666666666666,
      "grad_norm": 2.476644515991211,
      "learning_rate": 6e-05,
      "loss": 0.1283,
      "step": 2470
    },
    {
      "epoch": 4.133333333333334,
      "grad_norm": 2.7379016876220703,
      "learning_rate": 6e-05,
      "loss": 0.1644,
      "step": 2480
    },
    {
      "epoch": 4.15,
      "grad_norm": 2.475417375564575,
      "learning_rate": 6e-05,
      "loss": 0.1435,
      "step": 2490
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 2.585655927658081,
      "learning_rate": 6e-05,
      "loss": 0.1552,
      "step": 2500
    },
    {
      "epoch": 4.183333333333334,
      "grad_norm": 2.5455079078674316,
      "learning_rate": 6e-05,
      "loss": 0.1341,
      "step": 2510
    },
    {
      "epoch": 4.2,
      "grad_norm": 2.8059678077697754,
      "learning_rate": 6e-05,
      "loss": 0.1757,
      "step": 2520
    },
    {
      "epoch": 4.216666666666667,
      "grad_norm": 3.026569366455078,
      "learning_rate": 6e-05,
      "loss": 0.1453,
      "step": 2530
    },
    {
      "epoch": 4.233333333333333,
      "grad_norm": 3.697197198867798,
      "learning_rate": 6e-05,
      "loss": 0.2065,
      "step": 2540
    },
    {
      "epoch": 4.25,
      "grad_norm": 2.749521493911743,
      "learning_rate": 6e-05,
      "loss": 0.1979,
      "step": 2550
    },
    {
      "epoch": 4.266666666666667,
      "grad_norm": 2.407289505004883,
      "learning_rate": 6e-05,
      "loss": 0.1705,
      "step": 2560
    },
    {
      "epoch": 4.283333333333333,
      "grad_norm": 2.2994043827056885,
      "learning_rate": 6e-05,
      "loss": 0.1987,
      "step": 2570
    },
    {
      "epoch": 4.3,
      "grad_norm": 2.825793504714966,
      "learning_rate": 6e-05,
      "loss": 0.2049,
      "step": 2580
    },
    {
      "epoch": 4.316666666666666,
      "grad_norm": 3.146655559539795,
      "learning_rate": 6e-05,
      "loss": 0.1631,
      "step": 2590
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 3.627413272857666,
      "learning_rate": 6e-05,
      "loss": 0.1663,
      "step": 2600
    },
    {
      "epoch": 4.35,
      "grad_norm": 2.486799955368042,
      "learning_rate": 6e-05,
      "loss": 0.1656,
      "step": 2610
    },
    {
      "epoch": 4.366666666666666,
      "grad_norm": 2.66225004196167,
      "learning_rate": 6e-05,
      "loss": 0.2015,
      "step": 2620
    },
    {
      "epoch": 4.383333333333334,
      "grad_norm": 1.8728996515274048,
      "learning_rate": 6e-05,
      "loss": 0.1456,
      "step": 2630
    },
    {
      "epoch": 4.4,
      "grad_norm": 1.8968769311904907,
      "learning_rate": 6e-05,
      "loss": 0.177,
      "step": 2640
    },
    {
      "epoch": 4.416666666666667,
      "grad_norm": 2.131192445755005,
      "learning_rate": 6e-05,
      "loss": 0.1726,
      "step": 2650
    },
    {
      "epoch": 4.433333333333334,
      "grad_norm": 3.002971649169922,
      "learning_rate": 6e-05,
      "loss": 0.2024,
      "step": 2660
    },
    {
      "epoch": 4.45,
      "grad_norm": 1.9647564888000488,
      "learning_rate": 6e-05,
      "loss": 0.1234,
      "step": 2670
    },
    {
      "epoch": 4.466666666666667,
      "grad_norm": 2.4197781085968018,
      "learning_rate": 6e-05,
      "loss": 0.1951,
      "step": 2680
    },
    {
      "epoch": 4.483333333333333,
      "grad_norm": 0.3836650550365448,
      "learning_rate": 6e-05,
      "loss": 0.1858,
      "step": 2690
    },
    {
      "epoch": 4.5,
      "grad_norm": 2.9778201580047607,
      "learning_rate": 6e-05,
      "loss": 0.1519,
      "step": 2700
    },
    {
      "epoch": 4.516666666666667,
      "grad_norm": 3.017817974090576,
      "learning_rate": 6e-05,
      "loss": 0.14,
      "step": 2710
    },
    {
      "epoch": 4.533333333333333,
      "grad_norm": 2.9049501419067383,
      "learning_rate": 6e-05,
      "loss": 0.164,
      "step": 2720
    },
    {
      "epoch": 4.55,
      "grad_norm": 2.994102954864502,
      "learning_rate": 6e-05,
      "loss": 0.1845,
      "step": 2730
    },
    {
      "epoch": 4.566666666666666,
      "grad_norm": 0.561627984046936,
      "learning_rate": 6e-05,
      "loss": 0.1391,
      "step": 2740
    },
    {
      "epoch": 4.583333333333333,
      "grad_norm": 0.3637841045856476,
      "learning_rate": 6e-05,
      "loss": 0.1399,
      "step": 2750
    },
    {
      "epoch": 4.6,
      "grad_norm": 3.896254062652588,
      "learning_rate": 6e-05,
      "loss": 0.1733,
      "step": 2760
    },
    {
      "epoch": 4.616666666666667,
      "grad_norm": 3.0532054901123047,
      "learning_rate": 6e-05,
      "loss": 0.1841,
      "step": 2770
    },
    {
      "epoch": 4.633333333333333,
      "grad_norm": 0.17377278208732605,
      "learning_rate": 6e-05,
      "loss": 0.1335,
      "step": 2780
    },
    {
      "epoch": 4.65,
      "grad_norm": 2.6079516410827637,
      "learning_rate": 6e-05,
      "loss": 0.2155,
      "step": 2790
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 3.1814558506011963,
      "learning_rate": 6e-05,
      "loss": 0.1756,
      "step": 2800
    },
    {
      "epoch": 4.683333333333334,
      "grad_norm": 2.817502498626709,
      "learning_rate": 6e-05,
      "loss": 0.2132,
      "step": 2810
    },
    {
      "epoch": 4.7,
      "grad_norm": 2.9159436225891113,
      "learning_rate": 6e-05,
      "loss": 0.1554,
      "step": 2820
    },
    {
      "epoch": 4.716666666666667,
      "grad_norm": 2.2177484035491943,
      "learning_rate": 6e-05,
      "loss": 0.1444,
      "step": 2830
    },
    {
      "epoch": 4.733333333333333,
      "grad_norm": 2.7805840969085693,
      "learning_rate": 6e-05,
      "loss": 0.1846,
      "step": 2840
    },
    {
      "epoch": 4.75,
      "grad_norm": 0.42572301626205444,
      "learning_rate": 6e-05,
      "loss": 0.0996,
      "step": 2850
    },
    {
      "epoch": 4.766666666666667,
      "grad_norm": 3.1008942127227783,
      "learning_rate": 6e-05,
      "loss": 0.1874,
      "step": 2860
    },
    {
      "epoch": 4.783333333333333,
      "grad_norm": 3.3096964359283447,
      "learning_rate": 6e-05,
      "loss": 0.1647,
      "step": 2870
    },
    {
      "epoch": 4.8,
      "grad_norm": 3.6535398960113525,
      "learning_rate": 6e-05,
      "loss": 0.2166,
      "step": 2880
    },
    {
      "epoch": 4.816666666666666,
      "grad_norm": 3.683121919631958,
      "learning_rate": 6e-05,
      "loss": 0.1996,
      "step": 2890
    },
    {
      "epoch": 4.833333333333333,
      "grad_norm": 3.2300024032592773,
      "learning_rate": 6e-05,
      "loss": 0.2484,
      "step": 2900
    },
    {
      "epoch": 4.85,
      "grad_norm": 2.4410159587860107,
      "learning_rate": 6e-05,
      "loss": 0.1557,
      "step": 2910
    },
    {
      "epoch": 4.866666666666667,
      "grad_norm": 2.7031428813934326,
      "learning_rate": 6e-05,
      "loss": 0.2037,
      "step": 2920
    },
    {
      "epoch": 4.883333333333333,
      "grad_norm": 2.98870849609375,
      "learning_rate": 6e-05,
      "loss": 0.2186,
      "step": 2930
    },
    {
      "epoch": 4.9,
      "grad_norm": 3.133185625076294,
      "learning_rate": 6e-05,
      "loss": 0.1544,
      "step": 2940
    },
    {
      "epoch": 4.916666666666667,
      "grad_norm": 2.4746387004852295,
      "learning_rate": 6e-05,
      "loss": 0.1899,
      "step": 2950
    },
    {
      "epoch": 4.933333333333334,
      "grad_norm": 2.8714611530303955,
      "learning_rate": 6e-05,
      "loss": 0.1711,
      "step": 2960
    },
    {
      "epoch": 4.95,
      "grad_norm": 2.7047958374023438,
      "learning_rate": 6e-05,
      "loss": 0.2281,
      "step": 2970
    },
    {
      "epoch": 4.966666666666667,
      "grad_norm": 3.2620973587036133,
      "learning_rate": 6e-05,
      "loss": 0.1831,
      "step": 2980
    },
    {
      "epoch": 4.983333333333333,
      "grad_norm": 2.3760015964508057,
      "learning_rate": 6e-05,
      "loss": 0.2164,
      "step": 2990
    },
    {
      "epoch": 5.0,
      "grad_norm": 2.1301817893981934,
      "learning_rate": 6e-05,
      "loss": 0.1964,
      "step": 3000
    }
  ],
  "logging_steps": 10,
  "max_steps": 3000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 5,
  "save_steps": 600,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 2.2039789989888e+16,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}