Update checkpoint (step 2000)

LICENSE

@@ -0,0 +1,137 @@
+Apache License
+                           Version 2.0, January 2004
+                        http://www.apache.org/licenses/
+
+Copyright 2026 OpceanAI
+
+   TERMS AND CONDITIONS FOR USE, REPRODUCTION, AND DISTRIBUTION
+
+   1. Definitions.
+
+      "License" shall mean the terms and conditions for use, reproduction,
+      and distribution as defined by Sections 1 through 9 of this document.
+
+      "Licensor" shall mean the copyright owner or entity authorized by
+      the copyright owner that is granting the License.
+
+      "Legal Entity" shall mean the union of the acting entity and all
+      other entities that control, are controlled by, or are under common
+      control with that entity. For the purposes of this definition,
+      "control" means (i) the power, direct or indirect, to cause the
+      direction or management of such entity, whether by contract or
+      otherwise, or (ii) ownership of fifty percent (50%) or more of the
+      outstanding shares, or (iii) beneficial ownership of such entity.
+
+      "You" (or "Your") shall mean an individual or Legal Entity
+      exercising permissions granted by this License.
+
+      "Source" form shall mean the preferred form for making modifications,
+      including but not limited to software source code, documentation
+      source, and configuration files.
+
+      "Object" form shall mean any form resulting from mechanical
+      transformation or translation of a Source form, including but
+      not limited to compiled object code, generated documentation,
+      and conversions to other media types.
+
+      "Work" shall mean the work of authorship, whether in Source or
+      Object form, made available under the License, as indicated by a
+      copyright notice that is included in or attached to the work
+      (an example is provided in the Appendix below).
+
+      "Derivative Works" shall mean any work, whether in Source or Object
+      form, that is based on (or derived from) the Work and for which the
+      editorial revisions, annotations, elaborations, or other modifications
+      represent, as a whole, an original work of authorship. For the purposes
+      of this License, Derivative Works shall not include works that remain
+      separable from, or merely link (or bind by name) to the interfaces of,
+      the Work and Derivative Works thereof.
+
+      "Contribution" shall mean any work of authorship, including
+      the original version of the Work and any modifications or additions
+      to that Work or Derivative Works thereof, that is intentionally
+      submitted to Licensor for inclusion in the Work by the copyright owner
+      or by an individual or Legal Entity authorized to submit on behalf of
+      the copyright owner. For the purposes of this definition, "submitted"
+      means any form of electronic, verbal, or written communication sent
+      to the Licensor or its representatives, including but not limited to
+      communication on electronic mailing lists, source code control systems,
+      and issue tracking systems that are managed by, or on behalf of, the
+      Licensor for the purpose of discussing and improving the Work, but
+      excluding communication that is conspicuously marked or otherwise
+      designated in writing by the copyright owner as "Not a Contribution."
+
+      "Contributor" shall mean Licensor and any individual or Legal Entity
+      on behalf of whom a Contribution has been received by Licensor and
+      subsequently incorporated within the Work.
+
+   2. Grant of Copyright License.
+      Subject to the terms and conditions of this License, each Contributor
+      hereby grants to You a perpetual, worldwide, non-exclusive, no-charge,
+      royalty-free, irrevocable copyright license to reproduce, prepare
+      Derivative Works of, publicly display, publicly perform, sublicense,
+      and distribute the Work and such Derivative Works in Source or Object
+      form.
+
+   3. Grant of Patent License.
+      Subject to the terms and conditions of this License, each Contributor
+      hereby grants to You a perpetual, worldwide, non-exclusive, no-charge,
+      royalty-free, irrevocable (except as stated in this section) patent
+      license to make, have made, use, offer to sell, sell, import, and
+      otherwise transfer the Work, where such license applies only to those
+      patent claims licensable by such Contributor that are necessarily
+      infringed by their Contribution(s) alone or by combination of their
+      Contribution(s) with the Work to which such Contribution(s) was
+      submitted. If You institute patent litigation against any entity
+      alleging that the Work or a Contribution constitutes patent
+      infringement, then any patent licenses granted under this License
+      shall terminate as of the date such litigation is filed.
+
+   4. Redistribution.
+      You may reproduce and distribute copies of the Work or Derivative
+      Works thereof in any medium, with or without modifications, provided
+      that You meet the following conditions:
+
+      (a) You must give recipients a copy of this License; and
+      (b) You must cause modified files to carry prominent notices stating
+          that You changed the files; and
+      (c) You must retain all copyright, patent, trademark, and attribution
+          notices; and
+      (d) Any NOTICE file must be included if present.
+
+   5. Submission of Contributions.
+      Unless You explicitly state otherwise, any Contribution submitted
+      shall be under the terms of this License.
+
+   6. Trademarks.
+      This License does not grant permission to use the trade names,
+      trademarks, or service marks of the Licensor.
+
+   7. Disclaimer of Warranty.
+      The Work is provided on an "AS IS" BASIS, WITHOUT WARRANTIES OR
+      CONDITIONS OF ANY KIND.
+
+   8. Limitation of Liability.
+      In no event shall any Contributor be liable for damages arising from
+      the use of the Work.
+
+   9. Accepting Warranty or Additional Liability.
+      You may offer support or warranty only on Your own behalf.
+
+   END OF TERMS AND CONDITIONS
+
+   APPENDIX: How to apply the Apache License to your work.
+
+   Copyright 2026 OpceanAI
+
+   Licensed under the Apache License, Version 2.0 (the "License");
+   you may not use this file except in compliance with the License.
+   You may obtain a copy of the License at
+
+       http://www.apache.org/licenses/LICENSE-2.0
+
+   Unless required by applicable law or agreed to in writing, software
+   distributed under the License is distributed on an "AS IS" BASIS,
+   WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+   See the License for the specific language governing permissions and
+   limitations under the License.

config.json

@@ -0,0 +1,45 @@
+{
+  "_num_labels": 1,
+  "activation_function": "gelu_new",
+  "architectures": [
+    "GPT2LMHeadModel"
+  ],
+  "attn_pdrop": 0.1,
+  "bos_token_id": 50256,
+  "dtype": "float32",
+  "embd_pdrop": 0.1,
+  "eos_token_id": 50256,
+  "id2label": {
+    "0": "LABEL_0"
+  },
+  "initializer_range": 0.02,
+  "label2id": {
+    "LABEL_0": 0
+  },
+  "layer_norm_epsilon": 1e-05,
+  "model_type": "gpt2",
+  "n_ctx": 1024,
+  "n_embd": 768,
+  "n_head": 12,
+  "n_inner": null,
+  "n_layer": 6,
+  "n_positions": 1024,
+  "reorder_and_upcast_attn": false,
+  "resid_pdrop": 0.1,
+  "scale_attn_by_inverse_layer_idx": false,
+  "scale_attn_weights": true,
+  "summary_activation": null,
+  "summary_first_dropout": 0.1,
+  "summary_proj_to_labels": true,
+  "summary_type": "cls_index",
+  "summary_use_proj": true,
+  "task_specific_params": {
+    "text-generation": {
+      "do_sample": true,
+      "max_length": 50
+    }
+  },
+  "transformers_version": "4.57.3",
+  "use_cache": true,
+  "vocab_size": 50257
+}

generation_config.json

@@ -0,0 +1,6 @@
+{
+  "_from_model_config": true,
+  "bos_token_id": 50256,
+  "eos_token_id": 50256,
+  "transformers_version": "4.57.3"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5c96d284b18a64cce26aacb4b1a632fdee492d5befc907e30f0af74c00d060ca
+size 327657928

optimizer.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:3c0c195a1e422cdf40f0111f3d439123654ab525403ce7044c6304d325ad3364
+size 655362763

rng_state.pth

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:d6d709785c99d1ad065c4bc294f83293a500ac714a6810ca85d36d3ac5930bcb
+size 14455

scheduler.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f9d6bc69318fecc0eb83dc1f3ff910ae9f261fdcef983cd951757193ca67b223
+size 1465

special_tokens_map.json

@@ -0,0 +1,6 @@
+{
+  "bos_token": "<|endoftext|>",
+  "eos_token": "<|endoftext|>",
+  "pad_token": "<|endoftext|>",
+  "unk_token": "<|endoftext|>"
+}

tokenizer_config.json

@@ -0,0 +1,21 @@
+{
+  "add_prefix_space": false,
+  "added_tokens_decoder": {
+    "50256": {
+      "content": "<|endoftext|>",
+      "lstrip": false,
+      "normalized": true,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<|endoftext|>",
+  "clean_up_tokenization_spaces": false,
+  "eos_token": "<|endoftext|>",
+  "extra_special_tokens": {},
+  "model_max_length": 1024,
+  "pad_token": "<|endoftext|>",
+  "tokenizer_class": "GPT2Tokenizer",
+  "unk_token": "<|endoftext|>"
+}

trainer_state.json

@@ -0,0 +1,1434 @@
+{
+  "best_global_step": null,
+  "best_metric": null,
+  "best_model_checkpoint": null,
+  "epoch": 0.10666666666666667,
+  "eval_steps": 500,
+  "global_step": 2000,
+  "is_hyper_param_search": false,
+  "is_local_process_zero": true,
+  "is_world_process_zero": true,
+  "log_history": [
+    {
+      "epoch": 0.0005333333333333334,
+      "grad_norm": 5.792410850524902,
+      "learning_rate": 4.9988e-05,
+      "loss": 3.3493,
+      "step": 10
+    },
+    {
+      "epoch": 0.0010666666666666667,
+      "grad_norm": 5.163405418395996,
+      "learning_rate": 4.997466666666667e-05,
+      "loss": 3.2695,
+      "step": 20
+    },
+    {
+      "epoch": 0.0016,
+      "grad_norm": 4.789336204528809,
+      "learning_rate": 4.996133333333334e-05,
+      "loss": 3.3535,
+      "step": 30
+    },
+    {
+      "epoch": 0.0021333333333333334,
+      "grad_norm": 6.795251846313477,
+      "learning_rate": 4.9948000000000004e-05,
+      "loss": 3.3185,
+      "step": 40
+    },
+    {
+      "epoch": 0.0026666666666666666,
+      "grad_norm": 5.427957057952881,
+      "learning_rate": 4.993466666666667e-05,
+      "loss": 3.0503,
+      "step": 50
+    },
+    {
+      "epoch": 0.0032,
+      "grad_norm": 5.994451999664307,
+      "learning_rate": 4.992133333333334e-05,
+      "loss": 3.2466,
+      "step": 60
+    },
+    {
+      "epoch": 0.0037333333333333333,
+      "grad_norm": 5.032135486602783,
+      "learning_rate": 4.9908000000000004e-05,
+      "loss": 2.7803,
+      "step": 70
+    },
+    {
+      "epoch": 0.004266666666666667,
+      "grad_norm": 5.3739495277404785,
+      "learning_rate": 4.989466666666667e-05,
+      "loss": 2.8109,
+      "step": 80
+    },
+    {
+      "epoch": 0.0048,
+      "grad_norm": 5.321890354156494,
+      "learning_rate": 4.988133333333333e-05,
+      "loss": 2.8156,
+      "step": 90
+    },
+    {
+      "epoch": 0.005333333333333333,
+      "grad_norm": 8.430088996887207,
+      "learning_rate": 4.9868000000000004e-05,
+      "loss": 2.7049,
+      "step": 100
+    },
+    {
+      "epoch": 0.005866666666666667,
+      "grad_norm": 6.157585620880127,
+      "learning_rate": 4.985466666666667e-05,
+      "loss": 3.0948,
+      "step": 110
+    },
+    {
+      "epoch": 0.0064,
+      "grad_norm": 5.328046798706055,
+      "learning_rate": 4.9841333333333333e-05,
+      "loss": 2.724,
+      "step": 120
+    },
+    {
+      "epoch": 0.006933333333333333,
+      "grad_norm": 5.178571701049805,
+      "learning_rate": 4.9828000000000005e-05,
+      "loss": 3.0151,
+      "step": 130
+    },
+    {
+      "epoch": 0.007466666666666667,
+      "grad_norm": 6.57607364654541,
+      "learning_rate": 4.981466666666667e-05,
+      "loss": 2.7384,
+      "step": 140
+    },
+    {
+      "epoch": 0.008,
+      "grad_norm": 11.210726737976074,
+      "learning_rate": 4.9801333333333334e-05,
+      "loss": 2.8189,
+      "step": 150
+    },
+    {
+      "epoch": 0.008533333333333334,
+      "grad_norm": 4.816577911376953,
+      "learning_rate": 4.9788e-05,
+      "loss": 2.6138,
+      "step": 160
+    },
+    {
+      "epoch": 0.009066666666666667,
+      "grad_norm": 6.2408294677734375,
+      "learning_rate": 4.977466666666667e-05,
+      "loss": 2.6402,
+      "step": 170
+    },
+    {
+      "epoch": 0.0096,
+      "grad_norm": 5.550693511962891,
+      "learning_rate": 4.976133333333334e-05,
+      "loss": 2.8217,
+      "step": 180
+    },
+    {
+      "epoch": 0.010133333333333333,
+      "grad_norm": 6.007472515106201,
+      "learning_rate": 4.9748e-05,
+      "loss": 2.7337,
+      "step": 190
+    },
+    {
+      "epoch": 0.010666666666666666,
+      "grad_norm": 5.4420623779296875,
+      "learning_rate": 4.973466666666667e-05,
+      "loss": 2.4179,
+      "step": 200
+    },
+    {
+      "epoch": 0.0112,
+      "grad_norm": 4.604928493499756,
+      "learning_rate": 4.9721333333333335e-05,
+      "loss": 2.4616,
+      "step": 210
+    },
+    {
+      "epoch": 0.011733333333333333,
+      "grad_norm": 4.743863582611084,
+      "learning_rate": 4.9708000000000006e-05,
+      "loss": 2.6844,
+      "step": 220
+    },
+    {
+      "epoch": 0.012266666666666667,
+      "grad_norm": 6.098178386688232,
+      "learning_rate": 4.969466666666667e-05,
+      "loss": 2.8374,
+      "step": 230
+    },
+    {
+      "epoch": 0.0128,
+      "grad_norm": 5.230837821960449,
+      "learning_rate": 4.9681333333333335e-05,
+      "loss": 2.6294,
+      "step": 240
+    },
+    {
+      "epoch": 0.013333333333333334,
+      "grad_norm": 4.995968341827393,
+      "learning_rate": 4.9668000000000006e-05,
+      "loss": 2.7009,
+      "step": 250
+    },
+    {
+      "epoch": 0.013866666666666666,
+      "grad_norm": 5.136434078216553,
+      "learning_rate": 4.965466666666667e-05,
+      "loss": 2.6702,
+      "step": 260
+    },
+    {
+      "epoch": 0.0144,
+      "grad_norm": 4.960114479064941,
+      "learning_rate": 4.9641333333333335e-05,
+      "loss": 2.543,
+      "step": 270
+    },
+    {
+      "epoch": 0.014933333333333333,
+      "grad_norm": 3.7399258613586426,
+      "learning_rate": 4.9628e-05,
+      "loss": 2.6073,
+      "step": 280
+    },
+    {
+      "epoch": 0.015466666666666667,
+      "grad_norm": 5.888091087341309,
+      "learning_rate": 4.961466666666667e-05,
+      "loss": 3.0508,
+      "step": 290
+    },
+    {
+      "epoch": 0.016,
+      "grad_norm": 3.991913318634033,
+      "learning_rate": 4.9601333333333336e-05,
+      "loss": 2.7923,
+      "step": 300
+    },
+    {
+      "epoch": 0.016533333333333334,
+      "grad_norm": 7.179355144500732,
+      "learning_rate": 4.9588e-05,
+      "loss": 2.6183,
+      "step": 310
+    },
+    {
+      "epoch": 0.017066666666666667,
+      "grad_norm": 5.805356502532959,
+      "learning_rate": 4.957466666666667e-05,
+      "loss": 2.7449,
+      "step": 320
+    },
+    {
+      "epoch": 0.0176,
+      "grad_norm": 3.777961492538452,
+      "learning_rate": 4.9561333333333336e-05,
+      "loss": 2.7355,
+      "step": 330
+    },
+    {
+      "epoch": 0.018133333333333335,
+      "grad_norm": 4.463932991027832,
+      "learning_rate": 4.9548e-05,
+      "loss": 2.6022,
+      "step": 340
+    },
+    {
+      "epoch": 0.018666666666666668,
+      "grad_norm": 4.360901832580566,
+      "learning_rate": 4.9534666666666665e-05,
+      "loss": 2.4569,
+      "step": 350
+    },
+    {
+      "epoch": 0.0192,
+      "grad_norm": 4.430737495422363,
+      "learning_rate": 4.9521333333333336e-05,
+      "loss": 2.7994,
+      "step": 360
+    },
+    {
+      "epoch": 0.019733333333333332,
+      "grad_norm": 5.609028339385986,
+      "learning_rate": 4.9508e-05,
+      "loss": 2.4863,
+      "step": 370
+    },
+    {
+      "epoch": 0.020266666666666665,
+      "grad_norm": 4.087404251098633,
+      "learning_rate": 4.9494666666666666e-05,
+      "loss": 2.5082,
+      "step": 380
+    },
+    {
+      "epoch": 0.0208,
+      "grad_norm": 3.5008347034454346,
+      "learning_rate": 4.948133333333334e-05,
+      "loss": 2.6335,
+      "step": 390
+    },
+    {
+      "epoch": 0.021333333333333333,
+      "grad_norm": 5.405452251434326,
+      "learning_rate": 4.9468e-05,
+      "loss": 2.9961,
+      "step": 400
+    },
+    {
+      "epoch": 0.021866666666666666,
+      "grad_norm": 3.3590590953826904,
+      "learning_rate": 4.945466666666667e-05,
+      "loss": 2.7085,
+      "step": 410
+    },
+    {
+      "epoch": 0.0224,
+      "grad_norm": 4.877053260803223,
+      "learning_rate": 4.944133333333334e-05,
+      "loss": 2.4832,
+      "step": 420
+    },
+    {
+      "epoch": 0.022933333333333333,
+      "grad_norm": 3.8995587825775146,
+      "learning_rate": 4.9428e-05,
+      "loss": 2.3182,
+      "step": 430
+    },
+    {
+      "epoch": 0.023466666666666667,
+      "grad_norm": 5.022705554962158,
+      "learning_rate": 4.941466666666667e-05,
+      "loss": 2.4094,
+      "step": 440
+    },
+    {
+      "epoch": 0.024,
+      "grad_norm": 4.630198001861572,
+      "learning_rate": 4.940133333333334e-05,
+      "loss": 2.1688,
+      "step": 450
+    },
+    {
+      "epoch": 0.024533333333333334,
+      "grad_norm": 5.065393447875977,
+      "learning_rate": 4.9388e-05,
+      "loss": 2.7714,
+      "step": 460
+    },
+    {
+      "epoch": 0.025066666666666668,
+      "grad_norm": 4.215227127075195,
+      "learning_rate": 4.937466666666667e-05,
+      "loss": 2.7938,
+      "step": 470
+    },
+    {
+      "epoch": 0.0256,
+      "grad_norm": 3.03859281539917,
+      "learning_rate": 4.936133333333334e-05,
+      "loss": 2.5154,
+      "step": 480
+    },
+    {
+      "epoch": 0.026133333333333335,
+      "grad_norm": 4.028010845184326,
+      "learning_rate": 4.9348e-05,
+      "loss": 2.2416,
+      "step": 490
+    },
+    {
+      "epoch": 0.02666666666666667,
+      "grad_norm": 5.132800579071045,
+      "learning_rate": 4.933466666666667e-05,
+      "loss": 2.4243,
+      "step": 500
+    },
+    {
+      "epoch": 0.0272,
+      "grad_norm": 4.919140815734863,
+      "learning_rate": 4.932133333333334e-05,
+      "loss": 2.1868,
+      "step": 510
+    },
+    {
+      "epoch": 0.027733333333333332,
+      "grad_norm": 3.64642071723938,
+      "learning_rate": 4.9308e-05,
+      "loss": 2.1696,
+      "step": 520
+    },
+    {
+      "epoch": 0.028266666666666666,
+      "grad_norm": 4.6441755294799805,
+      "learning_rate": 4.929466666666667e-05,
+      "loss": 2.4774,
+      "step": 530
+    },
+    {
+      "epoch": 0.0288,
+      "grad_norm": 4.154843807220459,
+      "learning_rate": 4.928133333333333e-05,
+      "loss": 2.5508,
+      "step": 540
+    },
+    {
+      "epoch": 0.029333333333333333,
+      "grad_norm": 4.62436580657959,
+      "learning_rate": 4.9268e-05,
+      "loss": 2.3155,
+      "step": 550
+    },
+    {
+      "epoch": 0.029866666666666666,
+      "grad_norm": 5.344653129577637,
+      "learning_rate": 4.925466666666667e-05,
+      "loss": 2.3551,
+      "step": 560
+    },
+    {
+      "epoch": 0.0304,
+      "grad_norm": 3.7210919857025146,
+      "learning_rate": 4.924133333333333e-05,
+      "loss": 2.346,
+      "step": 570
+    },
+    {
+      "epoch": 0.030933333333333334,
+      "grad_norm": 4.005031585693359,
+      "learning_rate": 4.9228000000000004e-05,
+      "loss": 2.4143,
+      "step": 580
+    },
+    {
+      "epoch": 0.031466666666666664,
+      "grad_norm": 7.194045066833496,
+      "learning_rate": 4.921466666666667e-05,
+      "loss": 2.5205,
+      "step": 590
+    },
+    {
+      "epoch": 0.032,
+      "grad_norm": 5.16976261138916,
+      "learning_rate": 4.920133333333334e-05,
+      "loss": 2.3044,
+      "step": 600
+    },
+    {
+      "epoch": 0.03253333333333333,
+      "grad_norm": 4.67457389831543,
+      "learning_rate": 4.9188000000000004e-05,
+      "loss": 2.4939,
+      "step": 610
+    },
+    {
+      "epoch": 0.03306666666666667,
+      "grad_norm": 3.4367618560791016,
+      "learning_rate": 4.917466666666667e-05,
+      "loss": 2.3615,
+      "step": 620
+    },
+    {
+      "epoch": 0.0336,
+      "grad_norm": 4.060678005218506,
+      "learning_rate": 4.916133333333334e-05,
+      "loss": 2.5419,
+      "step": 630
+    },
+    {
+      "epoch": 0.034133333333333335,
+      "grad_norm": 4.616146564483643,
+      "learning_rate": 4.9148e-05,
+      "loss": 2.0667,
+      "step": 640
+    },
+    {
+      "epoch": 0.034666666666666665,
+      "grad_norm": 4.443355560302734,
+      "learning_rate": 4.913466666666667e-05,
+      "loss": 2.2449,
+      "step": 650
+    },
+    {
+      "epoch": 0.0352,
+      "grad_norm": 7.294761657714844,
+      "learning_rate": 4.9121333333333334e-05,
+      "loss": 2.15,
+      "step": 660
+    },
+    {
+      "epoch": 0.03573333333333333,
+      "grad_norm": 4.311218738555908,
+      "learning_rate": 4.9108000000000005e-05,
+      "loss": 2.1496,
+      "step": 670
+    },
+    {
+      "epoch": 0.03626666666666667,
+      "grad_norm": 3.891162395477295,
+      "learning_rate": 4.909466666666667e-05,
+      "loss": 2.2169,
+      "step": 680
+    },
+    {
+      "epoch": 0.0368,
+      "grad_norm": 5.323464870452881,
+      "learning_rate": 4.9081333333333334e-05,
+      "loss": 2.338,
+      "step": 690
+    },
+    {
+      "epoch": 0.037333333333333336,
+      "grad_norm": 3.7327029705047607,
+      "learning_rate": 4.9068000000000005e-05,
+      "loss": 2.1279,
+      "step": 700
+    },
+    {
+      "epoch": 0.037866666666666667,
+      "grad_norm": 3.986100673675537,
+      "learning_rate": 4.905466666666667e-05,
+      "loss": 2.2684,
+      "step": 710
+    },
+    {
+      "epoch": 0.0384,
+      "grad_norm": 5.458177089691162,
+      "learning_rate": 4.9041333333333334e-05,
+      "loss": 2.323,
+      "step": 720
+    },
+    {
+      "epoch": 0.038933333333333334,
+      "grad_norm": 3.8247170448303223,
+      "learning_rate": 4.9028e-05,
+      "loss": 2.0734,
+      "step": 730
+    },
+    {
+      "epoch": 0.039466666666666664,
+      "grad_norm": 3.4353110790252686,
+      "learning_rate": 4.901466666666667e-05,
+      "loss": 2.3232,
+      "step": 740
+    },
+    {
+      "epoch": 0.04,
+      "grad_norm": 4.783677101135254,
+      "learning_rate": 4.9001333333333335e-05,
+      "loss": 2.3483,
+      "step": 750
+    },
+    {
+      "epoch": 0.04053333333333333,
+      "grad_norm": 4.975961208343506,
+      "learning_rate": 4.8988e-05,
+      "loss": 1.9943,
+      "step": 760
+    },
+    {
+      "epoch": 0.04106666666666667,
+      "grad_norm": 3.3294217586517334,
+      "learning_rate": 4.897466666666667e-05,
+      "loss": 2.2036,
+      "step": 770
+    },
+    {
+      "epoch": 0.0416,
+      "grad_norm": 3.2321457862854004,
+      "learning_rate": 4.8961333333333335e-05,
+      "loss": 2.246,
+      "step": 780
+    },
+    {
+      "epoch": 0.042133333333333335,
+      "grad_norm": 3.804316520690918,
+      "learning_rate": 4.8948000000000006e-05,
+      "loss": 2.1379,
+      "step": 790
+    },
+    {
+      "epoch": 0.042666666666666665,
+      "grad_norm": 3.2469778060913086,
+      "learning_rate": 4.893466666666667e-05,
+      "loss": 2.3573,
+      "step": 800
+    },
+    {
+      "epoch": 0.0432,
+      "grad_norm": 2.9724888801574707,
+      "learning_rate": 4.8921333333333335e-05,
+      "loss": 2.4392,
+      "step": 810
+    },
+    {
+      "epoch": 0.04373333333333333,
+      "grad_norm": 3.239983081817627,
+      "learning_rate": 4.890800000000001e-05,
+      "loss": 2.0712,
+      "step": 820
+    },
+    {
+      "epoch": 0.04426666666666667,
+      "grad_norm": 4.348440647125244,
+      "learning_rate": 4.8894666666666665e-05,
+      "loss": 2.4012,
+      "step": 830
+    },
+    {
+      "epoch": 0.0448,
+      "grad_norm": 3.6949236392974854,
+      "learning_rate": 4.8881333333333336e-05,
+      "loss": 2.5602,
+      "step": 840
+    },
+    {
+      "epoch": 0.04533333333333334,
+      "grad_norm": 4.177002429962158,
+      "learning_rate": 4.8868e-05,
+      "loss": 2.3311,
+      "step": 850
+    },
+    {
+      "epoch": 0.04586666666666667,
+      "grad_norm": 3.845810651779175,
+      "learning_rate": 4.885466666666667e-05,
+      "loss": 2.2281,
+      "step": 860
+    },
+    {
+      "epoch": 0.0464,
+      "grad_norm": 4.1254401206970215,
+      "learning_rate": 4.8841333333333336e-05,
+      "loss": 2.4041,
+      "step": 870
+    },
+    {
+      "epoch": 0.046933333333333334,
+      "grad_norm": 3.803191900253296,
+      "learning_rate": 4.8828e-05,
+      "loss": 2.4445,
+      "step": 880
+    },
+    {
+      "epoch": 0.047466666666666664,
+      "grad_norm": 3.87357234954834,
+      "learning_rate": 4.881466666666667e-05,
+      "loss": 2.384,
+      "step": 890
+    },
+    {
+      "epoch": 0.048,
+      "grad_norm": 3.664041757583618,
+      "learning_rate": 4.8801333333333337e-05,
+      "loss": 2.3232,
+      "step": 900
+    },
+    {
+      "epoch": 0.04853333333333333,
+      "grad_norm": 3.4232048988342285,
+      "learning_rate": 4.8788e-05,
+      "loss": 2.1113,
+      "step": 910
+    },
+    {
+      "epoch": 0.04906666666666667,
+      "grad_norm": 4.911906719207764,
+      "learning_rate": 4.8774666666666666e-05,
+      "loss": 1.895,
+      "step": 920
+    },
+    {
+      "epoch": 0.0496,
+      "grad_norm": 5.789026737213135,
+      "learning_rate": 4.876133333333334e-05,
+      "loss": 2.0885,
+      "step": 930
+    },
+    {
+      "epoch": 0.050133333333333335,
+      "grad_norm": 3.3766918182373047,
+      "learning_rate": 4.8748e-05,
+      "loss": 2.3543,
+      "step": 940
+    },
+    {
+      "epoch": 0.050666666666666665,
+      "grad_norm": 3.5231785774230957,
+      "learning_rate": 4.8734666666666666e-05,
+      "loss": 2.1267,
+      "step": 950
+    },
+    {
+      "epoch": 0.0512,
+      "grad_norm": 3.2112128734588623,
+      "learning_rate": 4.872133333333334e-05,
+      "loss": 2.3124,
+      "step": 960
+    },
+    {
+      "epoch": 0.05173333333333333,
+      "grad_norm": 3.1260693073272705,
+      "learning_rate": 4.8708e-05,
+      "loss": 2.1612,
+      "step": 970
+    },
+    {
+      "epoch": 0.05226666666666667,
+      "grad_norm": 4.093555450439453,
+      "learning_rate": 4.869466666666667e-05,
+      "loss": 1.9753,
+      "step": 980
+    },
+    {
+      "epoch": 0.0528,
+      "grad_norm": 4.036992073059082,
+      "learning_rate": 4.868133333333333e-05,
+      "loss": 2.1585,
+      "step": 990
+    },
+    {
+      "epoch": 0.05333333333333334,
+      "grad_norm": 3.4580295085906982,
+      "learning_rate": 4.8668e-05,
+      "loss": 2.2032,
+      "step": 1000
+    },
+    {
+      "epoch": 0.05386666666666667,
+      "grad_norm": 3.512268304824829,
+      "learning_rate": 4.8654666666666674e-05,
+      "loss": 2.303,
+      "step": 1010
+    },
+    {
+      "epoch": 0.0544,
+      "grad_norm": 3.7754204273223877,
+      "learning_rate": 4.864133333333333e-05,
+      "loss": 2.5944,
+      "step": 1020
+    },
+    {
+      "epoch": 0.054933333333333334,
+      "grad_norm": 3.053835391998291,
+      "learning_rate": 4.8628e-05,
+      "loss": 2.083,
+      "step": 1030
+    },
+    {
+      "epoch": 0.055466666666666664,
+      "grad_norm": 3.839688539505005,
+      "learning_rate": 4.861466666666667e-05,
+      "loss": 2.3334,
+      "step": 1040
+    },
+    {
+      "epoch": 0.056,
+      "grad_norm": 4.084265232086182,
+      "learning_rate": 4.860133333333334e-05,
+      "loss": 2.4088,
+      "step": 1050
+    },
+    {
+      "epoch": 0.05653333333333333,
+      "grad_norm": 3.9182255268096924,
+      "learning_rate": 4.8588e-05,
+      "loss": 2.4002,
+      "step": 1060
+    },
+    {
+      "epoch": 0.05706666666666667,
+      "grad_norm": 3.005012035369873,
+      "learning_rate": 4.857466666666667e-05,
+      "loss": 2.4005,
+      "step": 1070
+    },
+    {
+      "epoch": 0.0576,
+      "grad_norm": 3.1780312061309814,
+      "learning_rate": 4.856133333333334e-05,
+      "loss": 2.1391,
+      "step": 1080
+    },
+    {
+      "epoch": 0.058133333333333335,
+      "grad_norm": 4.896857261657715,
+      "learning_rate": 4.8548000000000003e-05,
+      "loss": 2.0301,
+      "step": 1090
+    },
+    {
+      "epoch": 0.058666666666666666,
+      "grad_norm": 3.1400632858276367,
+      "learning_rate": 4.853466666666667e-05,
+      "loss": 2.2478,
+      "step": 1100
+    },
+    {
+      "epoch": 0.0592,
+      "grad_norm": 2.5740103721618652,
+      "learning_rate": 4.852133333333333e-05,
+      "loss": 2.0002,
+      "step": 1110
+    },
+    {
+      "epoch": 0.05973333333333333,
+      "grad_norm": 2.3037431240081787,
+      "learning_rate": 4.8508000000000004e-05,
+      "loss": 2.0746,
+      "step": 1120
+    },
+    {
+      "epoch": 0.06026666666666667,
+      "grad_norm": 3.2235605716705322,
+      "learning_rate": 4.849466666666667e-05,
+      "loss": 2.0035,
+      "step": 1130
+    },
+    {
+      "epoch": 0.0608,
+      "grad_norm": 4.025834560394287,
+      "learning_rate": 4.848133333333333e-05,
+      "loss": 2.2058,
+      "step": 1140
+    },
+    {
+      "epoch": 0.06133333333333333,
+      "grad_norm": 3.152123212814331,
+      "learning_rate": 4.8468000000000004e-05,
+      "loss": 2.2427,
+      "step": 1150
+    },
+    {
+      "epoch": 0.06186666666666667,
+      "grad_norm": 3.052441120147705,
+      "learning_rate": 4.845466666666667e-05,
+      "loss": 2.2619,
+      "step": 1160
+    },
+    {
+      "epoch": 0.0624,
+      "grad_norm": 3.9626965522766113,
+      "learning_rate": 4.844133333333333e-05,
+      "loss": 2.4091,
+      "step": 1170
+    },
+    {
+      "epoch": 0.06293333333333333,
+      "grad_norm": 4.5252838134765625,
+      "learning_rate": 4.8428e-05,
+      "loss": 2.3108,
+      "step": 1180
+    },
+    {
+      "epoch": 0.06346666666666667,
+      "grad_norm": 3.293490409851074,
+      "learning_rate": 4.841466666666667e-05,
+      "loss": 2.1721,
+      "step": 1190
+    },
+    {
+      "epoch": 0.064,
+      "grad_norm": 3.1755733489990234,
+      "learning_rate": 4.840133333333334e-05,
+      "loss": 2.0308,
+      "step": 1200
+    },
+    {
+      "epoch": 0.06453333333333333,
+      "grad_norm": 4.124546051025391,
+      "learning_rate": 4.8388e-05,
+      "loss": 2.1766,
+      "step": 1210
+    },
+    {
+      "epoch": 0.06506666666666666,
+      "grad_norm": 2.7379612922668457,
+      "learning_rate": 4.837466666666667e-05,
+      "loss": 2.0725,
+      "step": 1220
+    },
+    {
+      "epoch": 0.0656,
+      "grad_norm": 3.224748373031616,
+      "learning_rate": 4.8361333333333334e-05,
+      "loss": 2.115,
+      "step": 1230
+    },
+    {
+      "epoch": 0.06613333333333334,
+      "grad_norm": 3.2604916095733643,
+      "learning_rate": 4.8348000000000005e-05,
+      "loss": 2.156,
+      "step": 1240
+    },
+    {
+      "epoch": 0.06666666666666667,
+      "grad_norm": 2.5119776725769043,
+      "learning_rate": 4.833466666666667e-05,
+      "loss": 1.8298,
+      "step": 1250
+    },
+    {
+      "epoch": 0.0672,
+      "grad_norm": 2.750699043273926,
+      "learning_rate": 4.8321333333333334e-05,
+      "loss": 1.9445,
+      "step": 1260
+    },
+    {
+      "epoch": 0.06773333333333334,
+      "grad_norm": 3.47723126411438,
+      "learning_rate": 4.8308000000000006e-05,
+      "loss": 2.2289,
+      "step": 1270
+    },
+    {
+      "epoch": 0.06826666666666667,
+      "grad_norm": 3.4429843425750732,
+      "learning_rate": 4.829466666666667e-05,
+      "loss": 1.7053,
+      "step": 1280
+    },
+    {
+      "epoch": 0.0688,
+      "grad_norm": 3.9478533267974854,
+      "learning_rate": 4.8281333333333335e-05,
+      "loss": 1.9367,
+      "step": 1290
+    },
+    {
+      "epoch": 0.06933333333333333,
+      "grad_norm": 5.963420391082764,
+      "learning_rate": 4.8268e-05,
+      "loss": 2.0725,
+      "step": 1300
+    },
+    {
+      "epoch": 0.06986666666666666,
+      "grad_norm": 4.6685285568237305,
+      "learning_rate": 4.825466666666667e-05,
+      "loss": 2.1006,
+      "step": 1310
+    },
+    {
+      "epoch": 0.0704,
+      "grad_norm": 3.369166851043701,
+      "learning_rate": 4.8241333333333335e-05,
+      "loss": 2.2664,
+      "step": 1320
+    },
+    {
+      "epoch": 0.07093333333333333,
+      "grad_norm": 2.6912147998809814,
+      "learning_rate": 4.8228e-05,
+      "loss": 1.7266,
+      "step": 1330
+    },
+    {
+      "epoch": 0.07146666666666666,
+      "grad_norm": 3.640000104904175,
+      "learning_rate": 4.821466666666667e-05,
+      "loss": 1.8255,
+      "step": 1340
+    },
+    {
+      "epoch": 0.072,
+      "grad_norm": 3.908271312713623,
+      "learning_rate": 4.8201333333333336e-05,
+      "loss": 2.0521,
+      "step": 1350
+    },
+    {
+      "epoch": 0.07253333333333334,
+      "grad_norm": 3.6119441986083984,
+      "learning_rate": 4.8188e-05,
+      "loss": 2.203,
+      "step": 1360
+    },
+    {
+      "epoch": 0.07306666666666667,
+      "grad_norm": 3.105259418487549,
+      "learning_rate": 4.8174666666666665e-05,
+      "loss": 1.8647,
+      "step": 1370
+    },
+    {
+      "epoch": 0.0736,
+      "grad_norm": 2.787991762161255,
+      "learning_rate": 4.8161333333333336e-05,
+      "loss": 1.8087,
+      "step": 1380
+    },
+    {
+      "epoch": 0.07413333333333333,
+      "grad_norm": 2.5194826126098633,
+      "learning_rate": 4.814800000000001e-05,
+      "loss": 2.033,
+      "step": 1390
+    },
+    {
+      "epoch": 0.07466666666666667,
+      "grad_norm": 3.3716447353363037,
+      "learning_rate": 4.8134666666666665e-05,
+      "loss": 2.1324,
+      "step": 1400
+    },
+    {
+      "epoch": 0.0752,
+      "grad_norm": 3.2860238552093506,
+      "learning_rate": 4.8121333333333336e-05,
+      "loss": 2.2258,
+      "step": 1410
+    },
+    {
+      "epoch": 0.07573333333333333,
+      "grad_norm": 3.449841022491455,
+      "learning_rate": 4.8108e-05,
+      "loss": 1.85,
+      "step": 1420
+    },
+    {
+      "epoch": 0.07626666666666666,
+      "grad_norm": 2.263730049133301,
+      "learning_rate": 4.809466666666667e-05,
+      "loss": 1.8957,
+      "step": 1430
+    },
+    {
+      "epoch": 0.0768,
+      "grad_norm": 2.9906487464904785,
+      "learning_rate": 4.808133333333334e-05,
+      "loss": 2.2852,
+      "step": 1440
+    },
+    {
+      "epoch": 0.07733333333333334,
+      "grad_norm": 5.403586387634277,
+      "learning_rate": 4.8068e-05,
+      "loss": 2.0869,
+      "step": 1450
+    },
+    {
+      "epoch": 0.07786666666666667,
+      "grad_norm": 3.9156877994537354,
+      "learning_rate": 4.805466666666667e-05,
+      "loss": 1.8915,
+      "step": 1460
+    },
+    {
+      "epoch": 0.0784,
+      "grad_norm": 5.165822505950928,
+      "learning_rate": 4.804133333333334e-05,
+      "loss": 1.7956,
+      "step": 1470
+    },
+    {
+      "epoch": 0.07893333333333333,
+      "grad_norm": 2.52095103263855,
+      "learning_rate": 4.8028e-05,
+      "loss": 2.0028,
+      "step": 1480
+    },
+    {
+      "epoch": 0.07946666666666667,
+      "grad_norm": 2.6913890838623047,
+      "learning_rate": 4.8014666666666666e-05,
+      "loss": 1.9211,
+      "step": 1490
+    },
+    {
+      "epoch": 0.08,
+      "grad_norm": 3.6746885776519775,
+      "learning_rate": 4.800133333333334e-05,
+      "loss": 2.1003,
+      "step": 1500
+    },
+    {
+      "epoch": 0.08053333333333333,
+      "grad_norm": 3.186465263366699,
+      "learning_rate": 4.7988e-05,
+      "loss": 2.1798,
+      "step": 1510
+    },
+    {
+      "epoch": 0.08106666666666666,
+      "grad_norm": 2.878110885620117,
+      "learning_rate": 4.7974666666666667e-05,
+      "loss": 2.2713,
+      "step": 1520
+    },
+    {
+      "epoch": 0.0816,
+      "grad_norm": 2.776273012161255,
+      "learning_rate": 4.796133333333334e-05,
+      "loss": 2.1712,
+      "step": 1530
+    },
+    {
+      "epoch": 0.08213333333333334,
+      "grad_norm": 3.430544853210449,
+      "learning_rate": 4.7948e-05,
+      "loss": 2.1356,
+      "step": 1540
+    },
+    {
+      "epoch": 0.08266666666666667,
+      "grad_norm": 3.6648833751678467,
+      "learning_rate": 4.793466666666667e-05,
+      "loss": 2.0837,
+      "step": 1550
+    },
+    {
+      "epoch": 0.0832,
+      "grad_norm": 2.4579670429229736,
+      "learning_rate": 4.792133333333333e-05,
+      "loss": 1.9925,
+      "step": 1560
+    },
+    {
+      "epoch": 0.08373333333333334,
+      "grad_norm": 3.63942551612854,
+      "learning_rate": 4.7908e-05,
+      "loss": 1.8328,
+      "step": 1570
+    },
+    {
+      "epoch": 0.08426666666666667,
+      "grad_norm": 3.452695846557617,
+      "learning_rate": 4.7894666666666674e-05,
+      "loss": 1.9335,
+      "step": 1580
+    },
+    {
+      "epoch": 0.0848,
+      "grad_norm": 3.9345381259918213,
+      "learning_rate": 4.788133333333333e-05,
+      "loss": 2.23,
+      "step": 1590
+    },
+    {
+      "epoch": 0.08533333333333333,
+      "grad_norm": 2.9484877586364746,
+      "learning_rate": 4.7868e-05,
+      "loss": 1.9072,
+      "step": 1600
+    },
+    {
+      "epoch": 0.08586666666666666,
+      "grad_norm": 3.4524545669555664,
+      "learning_rate": 4.785466666666667e-05,
+      "loss": 2.4107,
+      "step": 1610
+    },
+    {
+      "epoch": 0.0864,
+      "grad_norm": 2.971324920654297,
+      "learning_rate": 4.784133333333334e-05,
+      "loss": 2.267,
+      "step": 1620
+    },
+    {
+      "epoch": 0.08693333333333333,
+      "grad_norm": 2.9678664207458496,
+      "learning_rate": 4.7828000000000004e-05,
+      "loss": 2.0616,
+      "step": 1630
+    },
+    {
+      "epoch": 0.08746666666666666,
+      "grad_norm": 3.001478672027588,
+      "learning_rate": 4.781466666666667e-05,
+      "loss": 2.0016,
+      "step": 1640
+    },
+    {
+      "epoch": 0.088,
+      "grad_norm": 3.4130101203918457,
+      "learning_rate": 4.780133333333334e-05,
+      "loss": 2.1821,
+      "step": 1650
+    },
+    {
+      "epoch": 0.08853333333333334,
+      "grad_norm": 2.504873752593994,
+      "learning_rate": 4.7788000000000004e-05,
+      "loss": 2.2531,
+      "step": 1660
+    },
+    {
+      "epoch": 0.08906666666666667,
+      "grad_norm": 3.0857796669006348,
+      "learning_rate": 4.777466666666667e-05,
+      "loss": 2.0891,
+      "step": 1670
+    },
+    {
+      "epoch": 0.0896,
+      "grad_norm": 2.470092535018921,
+      "learning_rate": 4.776133333333333e-05,
+      "loss": 2.3816,
+      "step": 1680
+    },
+    {
+      "epoch": 0.09013333333333333,
+      "grad_norm": 4.6635823249816895,
+      "learning_rate": 4.7748000000000004e-05,
+      "loss": 2.2814,
+      "step": 1690
+    },
+    {
+      "epoch": 0.09066666666666667,
+      "grad_norm": 2.4149577617645264,
+      "learning_rate": 4.773466666666667e-05,
+      "loss": 1.9136,
+      "step": 1700
+    },
+    {
+      "epoch": 0.0912,
+      "grad_norm": 3.3457276821136475,
+      "learning_rate": 4.772133333333333e-05,
+      "loss": 1.7619,
+      "step": 1710
+    },
+    {
+      "epoch": 0.09173333333333333,
+      "grad_norm": 3.482182025909424,
+      "learning_rate": 4.7708000000000005e-05,
+      "loss": 2.4349,
+      "step": 1720
+    },
+    {
+      "epoch": 0.09226666666666666,
+      "grad_norm": 2.922492027282715,
+      "learning_rate": 4.769466666666667e-05,
+      "loss": 2.2122,
+      "step": 1730
+    },
+    {
+      "epoch": 0.0928,
+      "grad_norm": 2.101895570755005,
+      "learning_rate": 4.7681333333333334e-05,
+      "loss": 1.7249,
+      "step": 1740
+    },
+    {
+      "epoch": 0.09333333333333334,
+      "grad_norm": 3.5394749641418457,
+      "learning_rate": 4.7668e-05,
+      "loss": 2.189,
+      "step": 1750
+    },
+    {
+      "epoch": 0.09386666666666667,
+      "grad_norm": 2.2542741298675537,
+      "learning_rate": 4.765466666666667e-05,
+      "loss": 2.1452,
+      "step": 1760
+    },
+    {
+      "epoch": 0.0944,
+      "grad_norm": 3.2889153957366943,
+      "learning_rate": 4.764133333333334e-05,
+      "loss": 2.2306,
+      "step": 1770
+    },
+    {
+      "epoch": 0.09493333333333333,
+      "grad_norm": 2.518836498260498,
+      "learning_rate": 4.7628e-05,
+      "loss": 1.8116,
+      "step": 1780
+    },
+    {
+      "epoch": 0.09546666666666667,
+      "grad_norm": 3.1821088790893555,
+      "learning_rate": 4.761466666666667e-05,
+      "loss": 1.9542,
+      "step": 1790
+    },
+    {
+      "epoch": 0.096,
+      "grad_norm": 4.07183837890625,
+      "learning_rate": 4.7601333333333335e-05,
+      "loss": 2.1901,
+      "step": 1800
+    },
+    {
+      "epoch": 0.09653333333333333,
+      "grad_norm": 7.143240451812744,
+      "learning_rate": 4.7588000000000006e-05,
+      "loss": 2.4338,
+      "step": 1810
+    },
+    {
+      "epoch": 0.09706666666666666,
+      "grad_norm": 2.2915451526641846,
+      "learning_rate": 4.757466666666667e-05,
+      "loss": 2.0759,
+      "step": 1820
+    },
+    {
+      "epoch": 0.0976,
+      "grad_norm": 4.295454025268555,
+      "learning_rate": 4.7561333333333335e-05,
+      "loss": 2.0348,
+      "step": 1830
+    },
+    {
+      "epoch": 0.09813333333333334,
+      "grad_norm": 2.8332502841949463,
+      "learning_rate": 4.7548000000000006e-05,
+      "loss": 2.1898,
+      "step": 1840
+    },
+    {
+      "epoch": 0.09866666666666667,
+      "grad_norm": 2.713963747024536,
+      "learning_rate": 4.7534666666666664e-05,
+      "loss": 1.9595,
+      "step": 1850
+    },
+    {
+      "epoch": 0.0992,
+      "grad_norm": 3.109459400177002,
+      "learning_rate": 4.7521333333333335e-05,
+      "loss": 2.0188,
+      "step": 1860
+    },
+    {
+      "epoch": 0.09973333333333333,
+      "grad_norm": 2.414722204208374,
+      "learning_rate": 4.7508e-05,
+      "loss": 1.9172,
+      "step": 1870
+    },
+    {
+      "epoch": 0.10026666666666667,
+      "grad_norm": 3.552851915359497,
+      "learning_rate": 4.749466666666667e-05,
+      "loss": 2.4927,
+      "step": 1880
+    },
+    {
+      "epoch": 0.1008,
+      "grad_norm": 3.0773699283599854,
+      "learning_rate": 4.7481333333333336e-05,
+      "loss": 2.1036,
+      "step": 1890
+    },
+    {
+      "epoch": 0.10133333333333333,
+      "grad_norm": 2.310666561126709,
+      "learning_rate": 4.7468e-05,
+      "loss": 1.9151,
+      "step": 1900
+    },
+    {
+      "epoch": 0.10186666666666666,
+      "grad_norm": 3.263634204864502,
+      "learning_rate": 4.745466666666667e-05,
+      "loss": 2.2861,
+      "step": 1910
+    },
+    {
+      "epoch": 0.1024,
+      "grad_norm": 3.7977426052093506,
+      "learning_rate": 4.7441333333333336e-05,
+      "loss": 1.7655,
+      "step": 1920
+    },
+    {
+      "epoch": 0.10293333333333334,
+      "grad_norm": 3.682183027267456,
+      "learning_rate": 4.7428e-05,
+      "loss": 2.1774,
+      "step": 1930
+    },
+    {
+      "epoch": 0.10346666666666667,
+      "grad_norm": 3.4994096755981445,
+      "learning_rate": 4.7414666666666665e-05,
+      "loss": 2.0703,
+      "step": 1940
+    },
+    {
+      "epoch": 0.104,
+      "grad_norm": 3.4671878814697266,
+      "learning_rate": 4.7401333333333336e-05,
+      "loss": 2.2706,
+      "step": 1950
+    },
+    {
+      "epoch": 0.10453333333333334,
+      "grad_norm": 2.9287941455841064,
+      "learning_rate": 4.738800000000001e-05,
+      "loss": 2.2263,
+      "step": 1960
+    },
+    {
+      "epoch": 0.10506666666666667,
+      "grad_norm": 2.5617053508758545,
+      "learning_rate": 4.7374666666666666e-05,
+      "loss": 1.9972,
+      "step": 1970
+    },
+    {
+      "epoch": 0.1056,
+      "grad_norm": 2.9495012760162354,
+      "learning_rate": 4.736133333333334e-05,
+      "loss": 1.7221,
+      "step": 1980
+    },
+    {
+      "epoch": 0.10613333333333333,
+      "grad_norm": 2.6075632572174072,
+      "learning_rate": 4.7348e-05,
+      "loss": 2.0167,
+      "step": 1990
+    },
+    {
+      "epoch": 0.10666666666666667,
+      "grad_norm": 4.452531337738037,
+      "learning_rate": 4.733466666666667e-05,
+      "loss": 1.9419,
+      "step": 2000
+    }
+  ],
+  "logging_steps": 10,
+  "max_steps": 37500,
+  "num_input_tokens_seen": 0,
+  "num_train_epochs": 2,
+  "save_steps": 50,
+  "stateful_callbacks": {
+    "TrainerControl": {
+      "args": {
+        "should_epoch_stop": false,
+        "should_evaluate": false,
+        "should_log": false,
+        "should_save": true,
+        "should_training_stop": false
+      },
+      "attributes": {}
+    }
+  },
+  "total_flos": 522593501184000.0,
+  "train_batch_size": 1,
+  "trial_name": null,
+  "trial_params": null
+}

training_args.bin

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:51f2309beb94ee35ddf1e12568a4bc05482fa1aa824622ff30b84e67703c36d6
+size 5841