{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 33.333333333333336,
  "eval_steps": 500,
  "global_step": 400,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 13.07447624206543,
      "learning_rate": 9.916666666666667e-05,
      "loss": 0.56,
      "step": 10
    },
    {
      "epoch": 1.0,
      "eval_loss": 0.025616448372602463,
      "eval_mse": 0.025616448372602463,
      "eval_runtime": 1.0225,
      "eval_samples_per_second": 9.78,
      "eval_steps_per_second": 1.956,
      "step": 12
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 10.742788314819336,
      "learning_rate": 9.833333333333333e-05,
      "loss": 0.0214,
      "step": 20
    },
    {
      "epoch": 2.0,
      "eval_loss": 0.07678178697824478,
      "eval_mse": 0.07678178697824478,
      "eval_runtime": 1.6318,
      "eval_samples_per_second": 6.128,
      "eval_steps_per_second": 1.226,
      "step": 24
    },
    {
      "epoch": 2.5,
      "grad_norm": 11.96033763885498,
      "learning_rate": 9.75e-05,
      "loss": 0.0595,
      "step": 30
    },
    {
      "epoch": 3.0,
      "eval_loss": 0.0654543861746788,
      "eval_mse": 0.0654543861746788,
      "eval_runtime": 0.9333,
      "eval_samples_per_second": 10.715,
      "eval_steps_per_second": 2.143,
      "step": 36
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 15.946290016174316,
      "learning_rate": 9.666666666666667e-05,
      "loss": 0.0701,
      "step": 40
    },
    {
      "epoch": 4.0,
      "eval_loss": 0.016676615923643112,
      "eval_mse": 0.016676615923643112,
      "eval_runtime": 0.9363,
      "eval_samples_per_second": 10.68,
      "eval_steps_per_second": 2.136,
      "step": 48
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 2.655425786972046,
      "learning_rate": 9.583333333333334e-05,
      "loss": 0.0557,
      "step": 50
    },
    {
      "epoch": 5.0,
      "grad_norm": 2.651514768600464,
      "learning_rate": 9.5e-05,
      "loss": 0.0163,
      "step": 60
    },
    {
      "epoch": 5.0,
      "eval_loss": 0.017047178000211716,
      "eval_mse": 0.017047178000211716,
      "eval_runtime": 0.9851,
      "eval_samples_per_second": 10.151,
      "eval_steps_per_second": 2.03,
      "step": 60
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 0.5332293510437012,
      "learning_rate": 9.416666666666667e-05,
      "loss": 0.0098,
      "step": 70
    },
    {
      "epoch": 6.0,
      "eval_loss": 0.010980404913425446,
      "eval_mse": 0.01098040584474802,
      "eval_runtime": 0.9298,
      "eval_samples_per_second": 10.756,
      "eval_steps_per_second": 2.151,
      "step": 72
    },
    {
      "epoch": 6.666666666666667,
      "grad_norm": 8.73061752319336,
      "learning_rate": 9.333333333333334e-05,
      "loss": 0.0176,
      "step": 80
    },
    {
      "epoch": 7.0,
      "eval_loss": 0.057986367493867874,
      "eval_mse": 0.057986367493867874,
      "eval_runtime": 1.6366,
      "eval_samples_per_second": 6.11,
      "eval_steps_per_second": 1.222,
      "step": 84
    },
    {
      "epoch": 7.5,
      "grad_norm": 5.609442234039307,
      "learning_rate": 9.250000000000001e-05,
      "loss": 0.0213,
      "step": 90
    },
    {
      "epoch": 8.0,
      "eval_loss": 0.009501439519226551,
      "eval_mse": 0.009501439519226551,
      "eval_runtime": 0.9348,
      "eval_samples_per_second": 10.697,
      "eval_steps_per_second": 2.139,
      "step": 96
    },
    {
      "epoch": 8.333333333333334,
      "grad_norm": 1.0403064489364624,
      "learning_rate": 9.166666666666667e-05,
      "loss": 0.009,
      "step": 100
    },
    {
      "epoch": 9.0,
      "eval_loss": 0.015423273667693138,
      "eval_mse": 0.015423273667693138,
      "eval_runtime": 0.9222,
      "eval_samples_per_second": 10.843,
      "eval_steps_per_second": 2.169,
      "step": 108
    },
    {
      "epoch": 9.166666666666666,
      "grad_norm": 4.6708173751831055,
      "learning_rate": 9.083333333333334e-05,
      "loss": 0.0059,
      "step": 110
    },
    {
      "epoch": 10.0,
      "grad_norm": 3.153209686279297,
      "learning_rate": 9e-05,
      "loss": 0.0076,
      "step": 120
    },
    {
      "epoch": 10.0,
      "eval_loss": 0.013172024860978127,
      "eval_mse": 0.013172025792300701,
      "eval_runtime": 1.0158,
      "eval_samples_per_second": 9.844,
      "eval_steps_per_second": 1.969,
      "step": 120
    },
    {
      "epoch": 10.833333333333334,
      "grad_norm": 5.980560302734375,
      "learning_rate": 8.916666666666667e-05,
      "loss": 0.0085,
      "step": 130
    },
    {
      "epoch": 11.0,
      "eval_loss": 0.014298426918685436,
      "eval_mse": 0.014298425987362862,
      "eval_runtime": 0.943,
      "eval_samples_per_second": 10.604,
      "eval_steps_per_second": 2.121,
      "step": 132
    },
    {
      "epoch": 11.666666666666666,
      "grad_norm": 0.19257651269435883,
      "learning_rate": 8.833333333333333e-05,
      "loss": 0.0057,
      "step": 140
    },
    {
      "epoch": 12.0,
      "eval_loss": 0.00729939341545105,
      "eval_mse": 0.00729939341545105,
      "eval_runtime": 1.485,
      "eval_samples_per_second": 6.734,
      "eval_steps_per_second": 1.347,
      "step": 144
    },
    {
      "epoch": 12.5,
      "grad_norm": 0.6362859606742859,
      "learning_rate": 8.75e-05,
      "loss": 0.0011,
      "step": 150
    },
    {
      "epoch": 13.0,
      "eval_loss": 0.0055463844910264015,
      "eval_mse": 0.0055463844910264015,
      "eval_runtime": 0.9257,
      "eval_samples_per_second": 10.802,
      "eval_steps_per_second": 2.16,
      "step": 156
    },
    {
      "epoch": 13.333333333333334,
      "grad_norm": 1.1605561971664429,
      "learning_rate": 8.666666666666667e-05,
      "loss": 0.0009,
      "step": 160
    },
    {
      "epoch": 14.0,
      "eval_loss": 0.006429512985050678,
      "eval_mse": 0.006429512985050678,
      "eval_runtime": 1.2335,
      "eval_samples_per_second": 8.107,
      "eval_steps_per_second": 1.621,
      "step": 168
    },
    {
      "epoch": 14.166666666666666,
      "grad_norm": 0.21375474333763123,
      "learning_rate": 8.583333333333334e-05,
      "loss": 0.0008,
      "step": 170
    },
    {
      "epoch": 15.0,
      "grad_norm": 1.4405007362365723,
      "learning_rate": 8.5e-05,
      "loss": 0.0009,
      "step": 180
    },
    {
      "epoch": 15.0,
      "eval_loss": 0.005366006400436163,
      "eval_mse": 0.005366006400436163,
      "eval_runtime": 1.8814,
      "eval_samples_per_second": 5.315,
      "eval_steps_per_second": 1.063,
      "step": 180
    },
    {
      "epoch": 15.833333333333334,
      "grad_norm": 1.5905839204788208,
      "learning_rate": 8.416666666666668e-05,
      "loss": 0.0017,
      "step": 190
    },
    {
      "epoch": 16.0,
      "eval_loss": 0.005547891370952129,
      "eval_mse": 0.005547891836613417,
      "eval_runtime": 0.9239,
      "eval_samples_per_second": 10.824,
      "eval_steps_per_second": 2.165,
      "step": 192
    },
    {
      "epoch": 16.666666666666668,
      "grad_norm": 1.6494227647781372,
      "learning_rate": 8.333333333333334e-05,
      "loss": 0.0029,
      "step": 200
    },
    {
      "epoch": 17.0,
      "eval_loss": 0.005408396478742361,
      "eval_mse": 0.005408396478742361,
      "eval_runtime": 0.9668,
      "eval_samples_per_second": 10.343,
      "eval_steps_per_second": 2.069,
      "step": 204
    },
    {
      "epoch": 17.5,
      "grad_norm": 0.61334627866745,
      "learning_rate": 8.25e-05,
      "loss": 0.0031,
      "step": 210
    },
    {
      "epoch": 18.0,
      "eval_loss": 0.007544847670942545,
      "eval_mse": 0.007544847670942545,
      "eval_runtime": 0.9278,
      "eval_samples_per_second": 10.778,
      "eval_steps_per_second": 2.156,
      "step": 216
    },
    {
      "epoch": 18.333333333333332,
      "grad_norm": 0.8942199349403381,
      "learning_rate": 8.166666666666667e-05,
      "loss": 0.0015,
      "step": 220
    },
    {
      "epoch": 19.0,
      "eval_loss": 0.008514616638422012,
      "eval_mse": 0.008514615707099438,
      "eval_runtime": 1.6517,
      "eval_samples_per_second": 6.055,
      "eval_steps_per_second": 1.211,
      "step": 228
    },
    {
      "epoch": 19.166666666666668,
      "grad_norm": 1.6490943431854248,
      "learning_rate": 8.083333333333334e-05,
      "loss": 0.0015,
      "step": 230
    },
    {
      "epoch": 20.0,
      "grad_norm": 1.4641326665878296,
      "learning_rate": 8e-05,
      "loss": 0.0014,
      "step": 240
    },
    {
      "epoch": 20.0,
      "eval_loss": 0.008396068587899208,
      "eval_mse": 0.008396068587899208,
      "eval_runtime": 1.058,
      "eval_samples_per_second": 9.452,
      "eval_steps_per_second": 1.89,
      "step": 240
    },
    {
      "epoch": 20.833333333333332,
      "grad_norm": 2.196040153503418,
      "learning_rate": 7.916666666666666e-05,
      "loss": 0.0018,
      "step": 250
    },
    {
      "epoch": 21.0,
      "eval_loss": 0.008127102628350258,
      "eval_mse": 0.008127102628350258,
      "eval_runtime": 0.9631,
      "eval_samples_per_second": 10.383,
      "eval_steps_per_second": 2.077,
      "step": 252
    },
    {
      "epoch": 21.666666666666668,
      "grad_norm": 1.2884770631790161,
      "learning_rate": 7.833333333333333e-05,
      "loss": 0.0021,
      "step": 260
    },
    {
      "epoch": 22.0,
      "eval_loss": 0.007328727748245001,
      "eval_mse": 0.007328727748245001,
      "eval_runtime": 0.9238,
      "eval_samples_per_second": 10.824,
      "eval_steps_per_second": 2.165,
      "step": 264
    },
    {
      "epoch": 22.5,
      "grad_norm": 0.9456672668457031,
      "learning_rate": 7.75e-05,
      "loss": 0.0008,
      "step": 270
    },
    {
      "epoch": 23.0,
      "eval_loss": 0.004704700317233801,
      "eval_mse": 0.004704700317233801,
      "eval_runtime": 0.9456,
      "eval_samples_per_second": 10.576,
      "eval_steps_per_second": 2.115,
      "step": 276
    },
    {
      "epoch": 23.333333333333332,
      "grad_norm": 0.35770225524902344,
      "learning_rate": 7.666666666666667e-05,
      "loss": 0.0006,
      "step": 280
    },
    {
      "epoch": 24.0,
      "eval_loss": 0.004532460123300552,
      "eval_mse": 0.004532460123300552,
      "eval_runtime": 0.9918,
      "eval_samples_per_second": 10.083,
      "eval_steps_per_second": 2.017,
      "step": 288
    },
    {
      "epoch": 24.166666666666668,
      "grad_norm": 1.7567228078842163,
      "learning_rate": 7.583333333333334e-05,
      "loss": 0.0006,
      "step": 290
    },
    {
      "epoch": 25.0,
      "grad_norm": 0.47638174891471863,
      "learning_rate": 7.500000000000001e-05,
      "loss": 0.0007,
      "step": 300
    },
    {
      "epoch": 25.0,
      "eval_loss": 0.00664373766630888,
      "eval_mse": 0.00664373766630888,
      "eval_runtime": 1.874,
      "eval_samples_per_second": 5.336,
      "eval_steps_per_second": 1.067,
      "step": 300
    },
    {
      "epoch": 25.833333333333332,
      "grad_norm": 2.5677366256713867,
      "learning_rate": 7.416666666666668e-05,
      "loss": 0.0017,
      "step": 310
    },
    {
      "epoch": 26.0,
      "eval_loss": 0.007896892726421356,
      "eval_mse": 0.007896892726421356,
      "eval_runtime": 0.9578,
      "eval_samples_per_second": 10.441,
      "eval_steps_per_second": 2.088,
      "step": 312
    },
    {
      "epoch": 26.666666666666668,
      "grad_norm": 0.6687202453613281,
      "learning_rate": 7.333333333333333e-05,
      "loss": 0.0006,
      "step": 320
    },
    {
      "epoch": 27.0,
      "eval_loss": 0.00685582309961319,
      "eval_mse": 0.00685582309961319,
      "eval_runtime": 0.9377,
      "eval_samples_per_second": 10.664,
      "eval_steps_per_second": 2.133,
      "step": 324
    },
    {
      "epoch": 27.5,
      "grad_norm": 1.1073424816131592,
      "learning_rate": 7.25e-05,
      "loss": 0.0007,
      "step": 330
    },
    {
      "epoch": 28.0,
      "eval_loss": 0.006450907792896032,
      "eval_mse": 0.006450907792896032,
      "eval_runtime": 0.9419,
      "eval_samples_per_second": 10.617,
      "eval_steps_per_second": 2.123,
      "step": 336
    },
    {
      "epoch": 28.333333333333332,
      "grad_norm": 0.6167001128196716,
      "learning_rate": 7.166666666666667e-05,
      "loss": 0.0004,
      "step": 340
    },
    {
      "epoch": 29.0,
      "eval_loss": 0.005170729011297226,
      "eval_mse": 0.005170729476958513,
      "eval_runtime": 0.9258,
      "eval_samples_per_second": 10.801,
      "eval_steps_per_second": 2.16,
      "step": 348
    },
    {
      "epoch": 29.166666666666668,
      "grad_norm": 0.26554998755455017,
      "learning_rate": 7.083333333333334e-05,
      "loss": 0.0004,
      "step": 350
    },
    {
      "epoch": 30.0,
      "grad_norm": 0.755969762802124,
      "learning_rate": 7e-05,
      "loss": 0.0003,
      "step": 360
    },
    {
      "epoch": 30.0,
      "eval_loss": 0.005034693516790867,
      "eval_mse": 0.005034693516790867,
      "eval_runtime": 1.7333,
      "eval_samples_per_second": 5.769,
      "eval_steps_per_second": 1.154,
      "step": 360
    },
    {
      "epoch": 30.833333333333332,
      "grad_norm": 0.7286393046379089,
      "learning_rate": 6.916666666666666e-05,
      "loss": 0.0004,
      "step": 370
    },
    {
      "epoch": 31.0,
      "eval_loss": 0.0060684266500175,
      "eval_mse": 0.0060684266500175,
      "eval_runtime": 0.9883,
      "eval_samples_per_second": 10.118,
      "eval_steps_per_second": 2.024,
      "step": 372
    },
    {
      "epoch": 31.666666666666668,
      "grad_norm": 1.2103056907653809,
      "learning_rate": 6.833333333333333e-05,
      "loss": 0.0006,
      "step": 380
    },
    {
      "epoch": 32.0,
      "eval_loss": 0.005998858716338873,
      "eval_mse": 0.005998858250677586,
      "eval_runtime": 0.9499,
      "eval_samples_per_second": 10.527,
      "eval_steps_per_second": 2.105,
      "step": 384
    },
    {
      "epoch": 32.5,
      "grad_norm": 0.4944589138031006,
      "learning_rate": 6.750000000000001e-05,
      "loss": 0.0006,
      "step": 390
    },
    {
      "epoch": 33.0,
      "eval_loss": 0.006172865629196167,
      "eval_mse": 0.006172865629196167,
      "eval_runtime": 0.9416,
      "eval_samples_per_second": 10.621,
      "eval_steps_per_second": 2.124,
      "step": 396
    },
    {
      "epoch": 33.333333333333336,
      "grad_norm": 1.0801491737365723,
      "learning_rate": 6.666666666666667e-05,
      "loss": 0.0006,
      "step": 400
    }
  ],
  "logging_steps": 10,
  "max_steps": 1200,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 100,
  "save_steps": 10,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 0.0,
  "train_batch_size": 8,
  "trial_name": null,
  "trial_params": null
}