Hugging Face's logo

Shaozhen
/
ChooBaCa

Safetensors
llama
Model card Files
xet
 Community
Shaozhen commited on
Commit
a7a840d
·
verified ·
1 Parent(s): 443c9ef

Initial commit for Baby-Llama-58M-single model

Browse files
Files changed (8) hide show
  1. checkpoint-10325/config.json +29 -0
  2. checkpoint-10325/generation_config.json +7 -0
  3. checkpoint-10325/model.safetensors +3 -0
  4. checkpoint-10325/optimizer.pt +3 -0
  5. checkpoint-10325/rng_state.pth +3 -0
  6. checkpoint-10325/scheduler.pt +3 -0
  7. checkpoint-10325/trainer_state.json +3685 -0
  8. checkpoint-10325/training_args.bin +3 -0
checkpoint-10325/config.json ADDED
@@ -0,0 +1,29 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "LlamaForCausalLM"
4
+ ],
5
+ "attention_bias": false,
6
+ "attention_dropout": 0.0,
7
+ "bos_token_id": 1,
8
+ "eos_token_id": 2,
9
+ "hidden_act": "silu",
10
+ "hidden_size": 512,
11
+ "initializer_range": 0.02,
12
+ "intermediate_size": 1024,
13
+ "max_position_embeddings": 256,
14
+ "mlp_bias": false,
15
+ "model_type": "llama",
16
+ "num_attention_heads": 8,
17
+ "num_hidden_layers": 16,
18
+ "num_key_value_heads": 8,
19
+ "pad_token_id": 0,
20
+ "pretraining_tp": 1,
21
+ "rms_norm_eps": 1e-06,
22
+ "rope_scaling": null,
23
+ "rope_theta": 10000.0,
24
+ "tie_word_embeddings": false,
25
+ "torch_dtype": "float32",
26
+ "transformers_version": "4.42.3",
27
+ "use_cache": true,
28
+ "vocab_size": 16000
29
+ }
checkpoint-10325/generation_config.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 1,
4
+ "eos_token_id": 2,
5
+ "pad_token_id": 0,
6
+ "transformers_version": "4.42.3"
7
+ }
checkpoint-10325/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:25d93bd73b5754a045f665299053e288beaf5da07446c3400dcb8e87f09ad8a3
3
+ size 233392032
checkpoint-10325/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:19d8d9e8624783f498afae8ae2875d43b04ff87b714f9969e0275c1a0bc903a0
3
+ size 466875514
checkpoint-10325/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:2e98d5d9a3cf7d136a7a798f02d2c5b55e574a4497e74cf7ac234fcdef36a641
3
+ size 14244
checkpoint-10325/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:e40f488636c704cd7216b962b69f9c75b3b61b45e061db29210ebe044bad834f
3
+ size 1064
checkpoint-10325/trainer_state.json ADDED
@@ -0,0 +1,3685 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 1.7669711112976074,
3
+ "best_model_checkpoint": "models/Baby-Llama-58M-single/checkpoint-10325",
4
+ "epoch": 5.0,
5
+ "eval_steps": 500,
6
+ "global_step": 10325,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.009685230024213076,
13
+ "grad_norm": 100528.9453125,
14
+ "learning_rate": 2.5e-05,
15
+ "loss": 6.6402,
16
+ "step": 20
17
+ },
18
+ {
19
+ "epoch": 0.01937046004842615,
20
+ "grad_norm": 86155.4609375,
21
+ "learning_rate": 5e-05,
22
+ "loss": 6.0868,
23
+ "step": 40
24
+ },
25
+ {
26
+ "epoch": 0.029055690072639227,
27
+ "grad_norm": 68029.421875,
28
+ "learning_rate": 7.5e-05,
29
+ "loss": 5.6223,
30
+ "step": 60
31
+ },
32
+ {
33
+ "epoch": 0.0387409200968523,
34
+ "grad_norm": 56441.72265625,
35
+ "learning_rate": 0.0001,
36
+ "loss": 5.0398,
37
+ "step": 80
38
+ },
39
+ {
40
+ "epoch": 0.048426150121065374,
41
+ "grad_norm": 40157.578125,
42
+ "learning_rate": 0.000125,
43
+ "loss": 4.4669,
44
+ "step": 100
45
+ },
46
+ {
47
+ "epoch": 0.05811138014527845,
48
+ "grad_norm": 34686.82421875,
49
+ "learning_rate": 0.00015,
50
+ "loss": 4.172,
51
+ "step": 120
52
+ },
53
+ {
54
+ "epoch": 0.06779661016949153,
55
+ "grad_norm": 48634.34765625,
56
+ "learning_rate": 0.000175,
57
+ "loss": 3.9636,
58
+ "step": 140
59
+ },
60
+ {
61
+ "epoch": 0.0774818401937046,
62
+ "grad_norm": 54470.4453125,
63
+ "learning_rate": 0.0002,
64
+ "loss": 3.6454,
65
+ "step": 160
66
+ },
67
+ {
68
+ "epoch": 0.08716707021791767,
69
+ "grad_norm": 47546.7421875,
70
+ "learning_rate": 0.00022500000000000002,
71
+ "loss": 3.3736,
72
+ "step": 180
73
+ },
74
+ {
75
+ "epoch": 0.09685230024213075,
76
+ "grad_norm": 40704.8359375,
77
+ "learning_rate": 0.00025,
78
+ "loss": 3.148,
79
+ "step": 200
80
+ },
81
+ {
82
+ "epoch": 0.10653753026634383,
83
+ "grad_norm": 39863.0234375,
84
+ "learning_rate": 0.00024999833952867034,
85
+ "loss": 3.04,
86
+ "step": 220
87
+ },
88
+ {
89
+ "epoch": 0.1162227602905569,
90
+ "grad_norm": 35029.734375,
91
+ "learning_rate": 0.0002499933581587959,
92
+ "loss": 2.9159,
93
+ "step": 240
94
+ },
95
+ {
96
+ "epoch": 0.12590799031476999,
97
+ "grad_norm": 33232.23828125,
98
+ "learning_rate": 0.0002499850560227195,
99
+ "loss": 2.854,
100
+ "step": 260
101
+ },
102
+ {
103
+ "epoch": 0.13559322033898305,
104
+ "grad_norm": 30695.013671875,
105
+ "learning_rate": 0.00024997343334100844,
106
+ "loss": 2.8201,
107
+ "step": 280
108
+ },
109
+ {
110
+ "epoch": 0.14527845036319612,
111
+ "grad_norm": 32383.708984375,
112
+ "learning_rate": 0.00024995849042244885,
113
+ "loss": 2.7672,
114
+ "step": 300
115
+ },
116
+ {
117
+ "epoch": 0.1549636803874092,
118
+ "grad_norm": 33812.6953125,
119
+ "learning_rate": 0.00024994022766403724,
120
+ "loss": 2.7037,
121
+ "step": 320
122
+ },
123
+ {
124
+ "epoch": 0.16464891041162227,
125
+ "grad_norm": 30152.115234375,
126
+ "learning_rate": 0.00024991864555097033,
127
+ "loss": 2.6293,
128
+ "step": 340
129
+ },
130
+ {
131
+ "epoch": 0.17433414043583534,
132
+ "grad_norm": 35812.859375,
133
+ "learning_rate": 0.00024989374465663166,
134
+ "loss": 2.6296,
135
+ "step": 360
136
+ },
137
+ {
138
+ "epoch": 0.18401937046004843,
139
+ "grad_norm": 25994.126953125,
140
+ "learning_rate": 0.0002498655256425769,
141
+ "loss": 2.6053,
142
+ "step": 380
143
+ },
144
+ {
145
+ "epoch": 0.1937046004842615,
146
+ "grad_norm": 27210.5078125,
147
+ "learning_rate": 0.0002498339892585158,
148
+ "loss": 2.5663,
149
+ "step": 400
150
+ },
151
+ {
152
+ "epoch": 0.2033898305084746,
153
+ "grad_norm": 28221.291015625,
154
+ "learning_rate": 0.00024979913634229253,
155
+ "loss": 2.5326,
156
+ "step": 420
157
+ },
158
+ {
159
+ "epoch": 0.21307506053268765,
160
+ "grad_norm": 25116.8046875,
161
+ "learning_rate": 0.0002497609678198634,
162
+ "loss": 2.5126,
163
+ "step": 440
164
+ },
165
+ {
166
+ "epoch": 0.22276029055690072,
167
+ "grad_norm": 27967.970703125,
168
+ "learning_rate": 0.00024971948470527215,
169
+ "loss": 2.4593,
170
+ "step": 460
171
+ },
172
+ {
173
+ "epoch": 0.2324455205811138,
174
+ "grad_norm": 24927.41015625,
175
+ "learning_rate": 0.0002496746881006233,
176
+ "loss": 2.4207,
177
+ "step": 480
178
+ },
179
+ {
180
+ "epoch": 0.24213075060532688,
181
+ "grad_norm": 28160.29296875,
182
+ "learning_rate": 0.0002496265791960523,
183
+ "loss": 2.4149,
184
+ "step": 500
185
+ },
186
+ {
187
+ "epoch": 0.25181598062953997,
188
+ "grad_norm": 24829.685546875,
189
+ "learning_rate": 0.00024957515926969464,
190
+ "loss": 2.41,
191
+ "step": 520
192
+ },
193
+ {
194
+ "epoch": 0.26150121065375304,
195
+ "grad_norm": 30788.82421875,
196
+ "learning_rate": 0.0002495204296876512,
197
+ "loss": 2.4134,
198
+ "step": 540
199
+ },
200
+ {
201
+ "epoch": 0.2711864406779661,
202
+ "grad_norm": 26695.607421875,
203
+ "learning_rate": 0.0002494623919039524,
204
+ "loss": 2.3723,
205
+ "step": 560
206
+ },
207
+ {
208
+ "epoch": 0.28087167070217917,
209
+ "grad_norm": 27596.20703125,
210
+ "learning_rate": 0.0002494010474605196,
211
+ "loss": 2.3617,
212
+ "step": 580
213
+ },
214
+ {
215
+ "epoch": 0.29055690072639223,
216
+ "grad_norm": 27127.4765625,
217
+ "learning_rate": 0.0002493363979871237,
218
+ "loss": 2.3492,
219
+ "step": 600
220
+ },
221
+ {
222
+ "epoch": 0.30024213075060535,
223
+ "grad_norm": 24033.775390625,
224
+ "learning_rate": 0.0002492684452013423,
225
+ "loss": 2.3388,
226
+ "step": 620
227
+ },
228
+ {
229
+ "epoch": 0.3099273607748184,
230
+ "grad_norm": 28270.216796875,
231
+ "learning_rate": 0.00024919719090851376,
232
+ "loss": 2.2841,
233
+ "step": 640
234
+ },
235
+ {
236
+ "epoch": 0.3196125907990315,
237
+ "grad_norm": 27644.634765625,
238
+ "learning_rate": 0.00024912263700168963,
239
+ "loss": 2.2775,
240
+ "step": 660
241
+ },
242
+ {
243
+ "epoch": 0.32929782082324455,
244
+ "grad_norm": 27473.86328125,
245
+ "learning_rate": 0.00024904478546158376,
246
+ "loss": 2.2694,
247
+ "step": 680
248
+ },
249
+ {
250
+ "epoch": 0.3389830508474576,
251
+ "grad_norm": 25890.58984375,
252
+ "learning_rate": 0.00024896363835652015,
253
+ "loss": 2.2799,
254
+ "step": 700
255
+ },
256
+ {
257
+ "epoch": 0.3486682808716707,
258
+ "grad_norm": 25400.892578125,
259
+ "learning_rate": 0.0002488791978423779,
260
+ "loss": 2.2286,
261
+ "step": 720
262
+ },
263
+ {
264
+ "epoch": 0.3583535108958838,
265
+ "grad_norm": 23533.83984375,
266
+ "learning_rate": 0.00024879146616253397,
267
+ "loss": 2.2624,
268
+ "step": 740
269
+ },
270
+ {
271
+ "epoch": 0.36803874092009686,
272
+ "grad_norm": 25685.7421875,
273
+ "learning_rate": 0.0002487004456478032,
274
+ "loss": 2.2435,
275
+ "step": 760
276
+ },
277
+ {
278
+ "epoch": 0.37772397094430993,
279
+ "grad_norm": 23991.650390625,
280
+ "learning_rate": 0.00024860613871637694,
281
+ "loss": 2.1904,
282
+ "step": 780
283
+ },
284
+ {
285
+ "epoch": 0.387409200968523,
286
+ "grad_norm": 25845.14453125,
287
+ "learning_rate": 0.0002485085478737585,
288
+ "loss": 2.2005,
289
+ "step": 800
290
+ },
291
+ {
292
+ "epoch": 0.39709443099273606,
293
+ "grad_norm": 23968.103515625,
294
+ "learning_rate": 0.0002484076757126966,
295
+ "loss": 2.1813,
296
+ "step": 820
297
+ },
298
+ {
299
+ "epoch": 0.4067796610169492,
300
+ "grad_norm": 25073.705078125,
301
+ "learning_rate": 0.0002483035249131165,
302
+ "loss": 2.1875,
303
+ "step": 840
304
+ },
305
+ {
306
+ "epoch": 0.41646489104116224,
307
+ "grad_norm": 25152.74609375,
308
+ "learning_rate": 0.000248196098242049,
309
+ "loss": 2.1436,
310
+ "step": 860
311
+ },
312
+ {
313
+ "epoch": 0.4261501210653753,
314
+ "grad_norm": 23141.294921875,
315
+ "learning_rate": 0.0002480853985535565,
316
+ "loss": 2.1661,
317
+ "step": 880
318
+ },
319
+ {
320
+ "epoch": 0.4358353510895884,
321
+ "grad_norm": 24245.091796875,
322
+ "learning_rate": 0.0002479714287886576,
323
+ "loss": 2.1529,
324
+ "step": 900
325
+ },
326
+ {
327
+ "epoch": 0.44552058111380144,
328
+ "grad_norm": 24900.748046875,
329
+ "learning_rate": 0.00024785419197524873,
330
+ "loss": 2.153,
331
+ "step": 920
332
+ },
333
+ {
334
+ "epoch": 0.4552058111380145,
335
+ "grad_norm": 22893.05859375,
336
+ "learning_rate": 0.0002477336912280237,
337
+ "loss": 2.1223,
338
+ "step": 940
339
+ },
340
+ {
341
+ "epoch": 0.4648910411622276,
342
+ "grad_norm": 24343.0625,
343
+ "learning_rate": 0.00024760992974839116,
344
+ "loss": 2.1165,
345
+ "step": 960
346
+ },
347
+ {
348
+ "epoch": 0.4745762711864407,
349
+ "grad_norm": 22285.224609375,
350
+ "learning_rate": 0.0002474829108243893,
351
+ "loss": 2.1184,
352
+ "step": 980
353
+ },
354
+ {
355
+ "epoch": 0.48426150121065376,
356
+ "grad_norm": 24882.45703125,
357
+ "learning_rate": 0.0002473526378305986,
358
+ "loss": 2.058,
359
+ "step": 1000
360
+ },
361
+ {
362
+ "epoch": 0.4939467312348668,
363
+ "grad_norm": 21981.732421875,
364
+ "learning_rate": 0.00024721911422805233,
365
+ "loss": 2.0914,
366
+ "step": 1020
367
+ },
368
+ {
369
+ "epoch": 0.5036319612590799,
370
+ "grad_norm": 22552.298828125,
371
+ "learning_rate": 0.0002470823435641441,
372
+ "loss": 2.0916,
373
+ "step": 1040
374
+ },
375
+ {
376
+ "epoch": 0.513317191283293,
377
+ "grad_norm": 22656.515625,
378
+ "learning_rate": 0.0002469423294725344,
379
+ "loss": 2.0961,
380
+ "step": 1060
381
+ },
382
+ {
383
+ "epoch": 0.5230024213075061,
384
+ "grad_norm": 23529.818359375,
385
+ "learning_rate": 0.00024679907567305313,
386
+ "loss": 2.0635,
387
+ "step": 1080
388
+ },
389
+ {
390
+ "epoch": 0.5326876513317191,
391
+ "grad_norm": 23383.607421875,
392
+ "learning_rate": 0.00024665258597160174,
393
+ "loss": 2.0516,
394
+ "step": 1100
395
+ },
396
+ {
397
+ "epoch": 0.5423728813559322,
398
+ "grad_norm": 22417.1875,
399
+ "learning_rate": 0.0002465028642600514,
400
+ "loss": 2.0338,
401
+ "step": 1120
402
+ },
403
+ {
404
+ "epoch": 0.5520581113801453,
405
+ "grad_norm": 22949.50390625,
406
+ "learning_rate": 0.0002463499145161397,
407
+ "loss": 2.036,
408
+ "step": 1140
409
+ },
410
+ {
411
+ "epoch": 0.5617433414043583,
412
+ "grad_norm": 22899.873046875,
413
+ "learning_rate": 0.0002461937408033654,
414
+ "loss": 1.986,
415
+ "step": 1160
416
+ },
417
+ {
418
+ "epoch": 0.5714285714285714,
419
+ "grad_norm": 22263.84375,
420
+ "learning_rate": 0.00024603434727088003,
421
+ "loss": 2.0418,
422
+ "step": 1180
423
+ },
424
+ {
425
+ "epoch": 0.5811138014527845,
426
+ "grad_norm": 22524.21484375,
427
+ "learning_rate": 0.0002458717381533779,
428
+ "loss": 2.0088,
429
+ "step": 1200
430
+ },
431
+ {
432
+ "epoch": 0.5907990314769975,
433
+ "grad_norm": 22377.384765625,
434
+ "learning_rate": 0.0002457059177709833,
435
+ "loss": 1.9961,
436
+ "step": 1220
437
+ },
438
+ {
439
+ "epoch": 0.6004842615012107,
440
+ "grad_norm": 22568.033203125,
441
+ "learning_rate": 0.00024553689052913625,
442
+ "loss": 1.9891,
443
+ "step": 1240
444
+ },
445
+ {
446
+ "epoch": 0.6101694915254238,
447
+ "grad_norm": 21528.76171875,
448
+ "learning_rate": 0.00024536466091847493,
449
+ "loss": 1.9994,
450
+ "step": 1260
451
+ },
452
+ {
453
+ "epoch": 0.6198547215496368,
454
+ "grad_norm": 22074.478515625,
455
+ "learning_rate": 0.00024518923351471656,
456
+ "loss": 1.9882,
457
+ "step": 1280
458
+ },
459
+ {
460
+ "epoch": 0.6295399515738499,
461
+ "grad_norm": 23058.37109375,
462
+ "learning_rate": 0.00024501061297853597,
463
+ "loss": 1.9976,
464
+ "step": 1300
465
+ },
466
+ {
467
+ "epoch": 0.639225181598063,
468
+ "grad_norm": 22507.650390625,
469
+ "learning_rate": 0.0002448288040554417,
470
+ "loss": 1.9815,
471
+ "step": 1320
472
+ },
473
+ {
474
+ "epoch": 0.648910411622276,
475
+ "grad_norm": 22297.5859375,
476
+ "learning_rate": 0.0002446438115756497,
477
+ "loss": 1.9388,
478
+ "step": 1340
479
+ },
480
+ {
481
+ "epoch": 0.6585956416464891,
482
+ "grad_norm": 22024.328125,
483
+ "learning_rate": 0.0002444556404539554,
484
+ "loss": 1.979,
485
+ "step": 1360
486
+ },
487
+ {
488
+ "epoch": 0.6682808716707022,
489
+ "grad_norm": 23329.892578125,
490
+ "learning_rate": 0.0002442642956896028,
491
+ "loss": 1.9646,
492
+ "step": 1380
493
+ },
494
+ {
495
+ "epoch": 0.6779661016949152,
496
+ "grad_norm": 21194.357421875,
497
+ "learning_rate": 0.0002440697823661518,
498
+ "loss": 1.965,
499
+ "step": 1400
500
+ },
501
+ {
502
+ "epoch": 0.6876513317191283,
503
+ "grad_norm": 20409.548828125,
504
+ "learning_rate": 0.0002438721056513432,
505
+ "loss": 1.9188,
506
+ "step": 1420
507
+ },
508
+ {
509
+ "epoch": 0.6973365617433414,
510
+ "grad_norm": 21809.279296875,
511
+ "learning_rate": 0.00024367127079696126,
512
+ "loss": 1.9497,
513
+ "step": 1440
514
+ },
515
+ {
516
+ "epoch": 0.7070217917675545,
517
+ "grad_norm": 22698.134765625,
518
+ "learning_rate": 0.0002434672831386943,
519
+ "loss": 1.941,
520
+ "step": 1460
521
+ },
522
+ {
523
+ "epoch": 0.7167070217917676,
524
+ "grad_norm": 23651.6484375,
525
+ "learning_rate": 0.00024326014809599277,
526
+ "loss": 1.9149,
527
+ "step": 1480
528
+ },
529
+ {
530
+ "epoch": 0.7263922518159807,
531
+ "grad_norm": 22439.42578125,
532
+ "learning_rate": 0.00024304987117192554,
533
+ "loss": 1.9526,
534
+ "step": 1500
535
+ },
536
+ {
537
+ "epoch": 0.7360774818401937,
538
+ "grad_norm": 22913.19140625,
539
+ "learning_rate": 0.00024283645795303345,
540
+ "loss": 1.9016,
541
+ "step": 1520
542
+ },
543
+ {
544
+ "epoch": 0.7457627118644068,
545
+ "grad_norm": 26481.13671875,
546
+ "learning_rate": 0.00024261991410918094,
547
+ "loss": 1.9231,
548
+ "step": 1540
549
+ },
550
+ {
551
+ "epoch": 0.7554479418886199,
552
+ "grad_norm": 21932.919921875,
553
+ "learning_rate": 0.00024240024539340564,
554
+ "loss": 1.9376,
555
+ "step": 1560
556
+ },
557
+ {
558
+ "epoch": 0.7651331719128329,
559
+ "grad_norm": 23568.271484375,
560
+ "learning_rate": 0.00024217745764176514,
561
+ "loss": 1.9024,
562
+ "step": 1580
563
+ },
564
+ {
565
+ "epoch": 0.774818401937046,
566
+ "grad_norm": 22011.83203125,
567
+ "learning_rate": 0.0002419515567731822,
568
+ "loss": 1.8918,
569
+ "step": 1600
570
+ },
571
+ {
572
+ "epoch": 0.784503631961259,
573
+ "grad_norm": 21576.109375,
574
+ "learning_rate": 0.00024172254878928757,
575
+ "loss": 1.8785,
576
+ "step": 1620
577
+ },
578
+ {
579
+ "epoch": 0.7941888619854721,
580
+ "grad_norm": 20629.693359375,
581
+ "learning_rate": 0.00024149043977426021,
582
+ "loss": 1.8976,
583
+ "step": 1640
584
+ },
585
+ {
586
+ "epoch": 0.8038740920096852,
587
+ "grad_norm": 22395.083984375,
588
+ "learning_rate": 0.00024125523589466603,
589
+ "loss": 1.866,
590
+ "step": 1660
591
+ },
592
+ {
593
+ "epoch": 0.8135593220338984,
594
+ "grad_norm": 21666.849609375,
595
+ "learning_rate": 0.00024101694339929378,
596
+ "loss": 1.8821,
597
+ "step": 1680
598
+ },
599
+ {
600
+ "epoch": 0.8232445520581114,
601
+ "grad_norm": 22009.05859375,
602
+ "learning_rate": 0.00024077556861898917,
603
+ "loss": 1.8728,
604
+ "step": 1700
605
+ },
606
+ {
607
+ "epoch": 0.8329297820823245,
608
+ "grad_norm": 21578.5390625,
609
+ "learning_rate": 0.00024053111796648664,
610
+ "loss": 1.8688,
611
+ "step": 1720
612
+ },
613
+ {
614
+ "epoch": 0.8426150121065376,
615
+ "grad_norm": 21980.08203125,
616
+ "learning_rate": 0.000240283597936239,
617
+ "loss": 1.8734,
618
+ "step": 1740
619
+ },
620
+ {
621
+ "epoch": 0.8523002421307506,
622
+ "grad_norm": 22326.740234375,
623
+ "learning_rate": 0.00024003301510424482,
624
+ "loss": 1.8235,
625
+ "step": 1760
626
+ },
627
+ {
628
+ "epoch": 0.8619854721549637,
629
+ "grad_norm": 22218.40625,
630
+ "learning_rate": 0.00023977937612787393,
631
+ "loss": 1.8524,
632
+ "step": 1780
633
+ },
634
+ {
635
+ "epoch": 0.8716707021791767,
636
+ "grad_norm": 21387.14453125,
637
+ "learning_rate": 0.0002395226877456902,
638
+ "loss": 1.8674,
639
+ "step": 1800
640
+ },
641
+ {
642
+ "epoch": 0.8813559322033898,
643
+ "grad_norm": 21533.759765625,
644
+ "learning_rate": 0.0002392629567772729,
645
+ "loss": 1.8612,
646
+ "step": 1820
647
+ },
648
+ {
649
+ "epoch": 0.8910411622276029,
650
+ "grad_norm": 21604.876953125,
651
+ "learning_rate": 0.00023900019012303514,
652
+ "loss": 1.8552,
653
+ "step": 1840
654
+ },
655
+ {
656
+ "epoch": 0.9007263922518159,
657
+ "grad_norm": 21838.64453125,
658
+ "learning_rate": 0.00023873439476404103,
659
+ "loss": 1.845,
660
+ "step": 1860
661
+ },
662
+ {
663
+ "epoch": 0.910411622276029,
664
+ "grad_norm": 21394.896484375,
665
+ "learning_rate": 0.00023846557776181955,
666
+ "loss": 1.8119,
667
+ "step": 1880
668
+ },
669
+ {
670
+ "epoch": 0.9200968523002422,
671
+ "grad_norm": 22063.66796875,
672
+ "learning_rate": 0.00023819374625817764,
673
+ "loss": 1.8306,
674
+ "step": 1900
675
+ },
676
+ {
677
+ "epoch": 0.9297820823244553,
678
+ "grad_norm": 20489.6875,
679
+ "learning_rate": 0.00023791890747500993,
680
+ "loss": 1.8059,
681
+ "step": 1920
682
+ },
683
+ {
684
+ "epoch": 0.9394673123486683,
685
+ "grad_norm": 20167.919921875,
686
+ "learning_rate": 0.00023764106871410718,
687
+ "loss": 1.7954,
688
+ "step": 1940
689
+ },
690
+ {
691
+ "epoch": 0.9491525423728814,
692
+ "grad_norm": 20630.361328125,
693
+ "learning_rate": 0.00023736023735696207,
694
+ "loss": 1.8045,
695
+ "step": 1960
696
+ },
697
+ {
698
+ "epoch": 0.9588377723970944,
699
+ "grad_norm": 22351.619140625,
700
+ "learning_rate": 0.00023707642086457333,
701
+ "loss": 1.8151,
702
+ "step": 1980
703
+ },
704
+ {
705
+ "epoch": 0.9685230024213075,
706
+ "grad_norm": 20738.509765625,
707
+ "learning_rate": 0.0002367896267772473,
708
+ "loss": 1.8369,
709
+ "step": 2000
710
+ },
711
+ {
712
+ "epoch": 0.9782082324455206,
713
+ "grad_norm": 20033.625,
714
+ "learning_rate": 0.00023649986271439776,
715
+ "loss": 1.8023,
716
+ "step": 2020
717
+ },
718
+ {
719
+ "epoch": 0.9878934624697336,
720
+ "grad_norm": 20925.533203125,
721
+ "learning_rate": 0.00023620713637434343,
722
+ "loss": 1.8113,
723
+ "step": 2040
724
+ },
725
+ {
726
+ "epoch": 0.9975786924939467,
727
+ "grad_norm": 21437.359375,
728
+ "learning_rate": 0.00023591145553410336,
729
+ "loss": 1.8218,
730
+ "step": 2060
731
+ },
732
+ {
733
+ "epoch": 1.0,
734
+ "eval_loss": 1.9957300424575806,
735
+ "eval_runtime": 80.1605,
736
+ "eval_samples_per_second": 102.195,
737
+ "eval_steps_per_second": 6.387,
738
+ "step": 2065
739
+ },
740
+ {
741
+ "epoch": 1.0072639225181599,
742
+ "grad_norm": 21534.52734375,
743
+ "learning_rate": 0.00023561282804919053,
744
+ "loss": 1.7546,
745
+ "step": 2080
746
+ },
747
+ {
748
+ "epoch": 1.0169491525423728,
749
+ "grad_norm": 22001.251953125,
750
+ "learning_rate": 0.00023531126185340296,
751
+ "loss": 1.8012,
752
+ "step": 2100
753
+ },
754
+ {
755
+ "epoch": 1.026634382566586,
756
+ "grad_norm": 21444.513671875,
757
+ "learning_rate": 0.000235006764958613,
758
+ "loss": 1.7879,
759
+ "step": 2120
760
+ },
761
+ {
762
+ "epoch": 1.036319612590799,
763
+ "grad_norm": 20596.193359375,
764
+ "learning_rate": 0.00023469934545455445,
765
+ "loss": 1.794,
766
+ "step": 2140
767
+ },
768
+ {
769
+ "epoch": 1.0460048426150121,
770
+ "grad_norm": 22022.595703125,
771
+ "learning_rate": 0.00023438901150860776,
772
+ "loss": 1.7514,
773
+ "step": 2160
774
+ },
775
+ {
776
+ "epoch": 1.055690072639225,
777
+ "grad_norm": 20485.78125,
778
+ "learning_rate": 0.00023407577136558272,
779
+ "loss": 1.7733,
780
+ "step": 2180
781
+ },
782
+ {
783
+ "epoch": 1.0653753026634383,
784
+ "grad_norm": 23258.90625,
785
+ "learning_rate": 0.00023375963334749982,
786
+ "loss": 1.7772,
787
+ "step": 2200
788
+ },
789
+ {
790
+ "epoch": 1.0750605326876514,
791
+ "grad_norm": 20716.908203125,
792
+ "learning_rate": 0.00023344060585336895,
793
+ "loss": 1.7455,
794
+ "step": 2220
795
+ },
796
+ {
797
+ "epoch": 1.0847457627118644,
798
+ "grad_norm": 21531.494140625,
799
+ "learning_rate": 0.00023311869735896619,
800
+ "loss": 1.76,
801
+ "step": 2240
802
+ },
803
+ {
804
+ "epoch": 1.0944309927360776,
805
+ "grad_norm": 21351.4140625,
806
+ "learning_rate": 0.00023279391641660874,
807
+ "loss": 1.7574,
808
+ "step": 2260
809
+ },
810
+ {
811
+ "epoch": 1.1041162227602905,
812
+ "grad_norm": 22346.48046875,
813
+ "learning_rate": 0.00023246627165492769,
814
+ "loss": 1.7221,
815
+ "step": 2280
816
+ },
817
+ {
818
+ "epoch": 1.1138014527845037,
819
+ "grad_norm": 20673.78515625,
820
+ "learning_rate": 0.00023213577177863876,
821
+ "loss": 1.7743,
822
+ "step": 2300
823
+ },
824
+ {
825
+ "epoch": 1.1234866828087167,
826
+ "grad_norm": 21090.134765625,
827
+ "learning_rate": 0.0002318024255683111,
828
+ "loss": 1.7776,
829
+ "step": 2320
830
+ },
831
+ {
832
+ "epoch": 1.1331719128329298,
833
+ "grad_norm": 21846.599609375,
834
+ "learning_rate": 0.00023146624188013384,
835
+ "loss": 1.7348,
836
+ "step": 2340
837
+ },
838
+ {
839
+ "epoch": 1.1428571428571428,
840
+ "grad_norm": 21549.3515625,
841
+ "learning_rate": 0.00023112722964568105,
842
+ "loss": 1.7773,
843
+ "step": 2360
844
+ },
845
+ {
846
+ "epoch": 1.152542372881356,
847
+ "grad_norm": 21788.05859375,
848
+ "learning_rate": 0.0002307853978716743,
849
+ "loss": 1.7222,
850
+ "step": 2380
851
+ },
852
+ {
853
+ "epoch": 1.162227602905569,
854
+ "grad_norm": 21719.62890625,
855
+ "learning_rate": 0.00023044075563974326,
856
+ "loss": 1.7331,
857
+ "step": 2400
858
+ },
859
+ {
860
+ "epoch": 1.171912832929782,
861
+ "grad_norm": 21457.8515625,
862
+ "learning_rate": 0.00023009331210618468,
863
+ "loss": 1.7534,
864
+ "step": 2420
865
+ },
866
+ {
867
+ "epoch": 1.181598062953995,
868
+ "grad_norm": 21388.1875,
869
+ "learning_rate": 0.00022974307650171902,
870
+ "loss": 1.7485,
871
+ "step": 2440
872
+ },
873
+ {
874
+ "epoch": 1.1912832929782082,
875
+ "grad_norm": 21301.16015625,
876
+ "learning_rate": 0.00022939005813124512,
877
+ "loss": 1.7727,
878
+ "step": 2460
879
+ },
880
+ {
881
+ "epoch": 1.2009685230024214,
882
+ "grad_norm": 21227.203125,
883
+ "learning_rate": 0.0002290342663735931,
884
+ "loss": 1.7427,
885
+ "step": 2480
886
+ },
887
+ {
888
+ "epoch": 1.2106537530266344,
889
+ "grad_norm": 20137.978515625,
890
+ "learning_rate": 0.00022867571068127524,
891
+ "loss": 1.7327,
892
+ "step": 2500
893
+ },
894
+ {
895
+ "epoch": 1.2203389830508475,
896
+ "grad_norm": 22072.958984375,
897
+ "learning_rate": 0.00022831440058023462,
898
+ "loss": 1.732,
899
+ "step": 2520
900
+ },
901
+ {
902
+ "epoch": 1.2300242130750605,
903
+ "grad_norm": 20637.765625,
904
+ "learning_rate": 0.00022795034566959225,
905
+ "loss": 1.7034,
906
+ "step": 2540
907
+ },
908
+ {
909
+ "epoch": 1.2397094430992737,
910
+ "grad_norm": 21353.26171875,
911
+ "learning_rate": 0.00022758355562139205,
912
+ "loss": 1.7603,
913
+ "step": 2560
914
+ },
915
+ {
916
+ "epoch": 1.2493946731234866,
917
+ "grad_norm": 22141.98046875,
918
+ "learning_rate": 0.00022721404018034375,
919
+ "loss": 1.7395,
920
+ "step": 2580
921
+ },
922
+ {
923
+ "epoch": 1.2590799031476998,
924
+ "grad_norm": 21178.30078125,
925
+ "learning_rate": 0.00022684180916356407,
926
+ "loss": 1.7227,
927
+ "step": 2600
928
+ },
929
+ {
930
+ "epoch": 1.2687651331719128,
931
+ "grad_norm": 22920.005859375,
932
+ "learning_rate": 0.0002264668724603159,
933
+ "loss": 1.7569,
934
+ "step": 2620
935
+ },
936
+ {
937
+ "epoch": 1.278450363196126,
938
+ "grad_norm": 20726.798828125,
939
+ "learning_rate": 0.0002260892400317456,
940
+ "loss": 1.7166,
941
+ "step": 2640
942
+ },
943
+ {
944
+ "epoch": 1.288135593220339,
945
+ "grad_norm": 21505.783203125,
946
+ "learning_rate": 0.00022570892191061832,
947
+ "loss": 1.7374,
948
+ "step": 2660
949
+ },
950
+ {
951
+ "epoch": 1.297820823244552,
952
+ "grad_norm": 22044.7734375,
953
+ "learning_rate": 0.0002253259282010514,
954
+ "loss": 1.7459,
955
+ "step": 2680
956
+ },
957
+ {
958
+ "epoch": 1.307506053268765,
959
+ "grad_norm": 21381.21875,
960
+ "learning_rate": 0.00022494026907824606,
961
+ "loss": 1.7046,
962
+ "step": 2700
963
+ },
964
+ {
965
+ "epoch": 1.3171912832929782,
966
+ "grad_norm": 20832.103515625,
967
+ "learning_rate": 0.00022455195478821694,
968
+ "loss": 1.7147,
969
+ "step": 2720
970
+ },
971
+ {
972
+ "epoch": 1.3268765133171914,
973
+ "grad_norm": 21354.36328125,
974
+ "learning_rate": 0.00022416099564751996,
975
+ "loss": 1.6918,
976
+ "step": 2740
977
+ },
978
+ {
979
+ "epoch": 1.3365617433414043,
980
+ "grad_norm": 21546.8828125,
981
+ "learning_rate": 0.0002237674020429783,
982
+ "loss": 1.6884,
983
+ "step": 2760
984
+ },
985
+ {
986
+ "epoch": 1.3462469733656175,
987
+ "grad_norm": 22213.2578125,
988
+ "learning_rate": 0.0002233711844314062,
989
+ "loss": 1.7202,
990
+ "step": 2780
991
+ },
992
+ {
993
+ "epoch": 1.3559322033898304,
994
+ "grad_norm": 22804.537109375,
995
+ "learning_rate": 0.00022297235333933147,
996
+ "loss": 1.6902,
997
+ "step": 2800
998
+ },
999
+ {
1000
+ "epoch": 1.3656174334140436,
1001
+ "grad_norm": 21213.32421875,
1002
+ "learning_rate": 0.00022257091936271557,
1003
+ "loss": 1.7455,
1004
+ "step": 2820
1005
+ },
1006
+ {
1007
+ "epoch": 1.3753026634382566,
1008
+ "grad_norm": 20405.0625,
1009
+ "learning_rate": 0.00022216689316667223,
1010
+ "loss": 1.7239,
1011
+ "step": 2840
1012
+ },
1013
+ {
1014
+ "epoch": 1.3849878934624698,
1015
+ "grad_norm": 21782.072265625,
1016
+ "learning_rate": 0.00022176028548518418,
1017
+ "loss": 1.6633,
1018
+ "step": 2860
1019
+ },
1020
+ {
1021
+ "epoch": 1.3946731234866827,
1022
+ "grad_norm": 20931.28515625,
1023
+ "learning_rate": 0.0002213511071208177,
1024
+ "loss": 1.6888,
1025
+ "step": 2880
1026
+ },
1027
+ {
1028
+ "epoch": 1.4043583535108959,
1029
+ "grad_norm": 21649.705078125,
1030
+ "learning_rate": 0.0002209393689444359,
1031
+ "loss": 1.6466,
1032
+ "step": 2900
1033
+ },
1034
+ {
1035
+ "epoch": 1.414043583535109,
1036
+ "grad_norm": 21161.107421875,
1037
+ "learning_rate": 0.00022052508189490975,
1038
+ "loss": 1.6984,
1039
+ "step": 2920
1040
+ },
1041
+ {
1042
+ "epoch": 1.423728813559322,
1043
+ "grad_norm": 21819.60546875,
1044
+ "learning_rate": 0.00022010825697882757,
1045
+ "loss": 1.6779,
1046
+ "step": 2940
1047
+ },
1048
+ {
1049
+ "epoch": 1.4334140435835352,
1050
+ "grad_norm": 22098.779296875,
1051
+ "learning_rate": 0.00021968890527020252,
1052
+ "loss": 1.6867,
1053
+ "step": 2960
1054
+ },
1055
+ {
1056
+ "epoch": 1.4430992736077481,
1057
+ "grad_norm": 21136.365234375,
1058
+ "learning_rate": 0.0002192670379101784,
1059
+ "loss": 1.676,
1060
+ "step": 2980
1061
+ },
1062
+ {
1063
+ "epoch": 1.4527845036319613,
1064
+ "grad_norm": 20153.775390625,
1065
+ "learning_rate": 0.00021884266610673375,
1066
+ "loss": 1.6783,
1067
+ "step": 3000
1068
+ },
1069
+ {
1070
+ "epoch": 1.4624697336561743,
1071
+ "grad_norm": 20778.12890625,
1072
+ "learning_rate": 0.00021841580113438397,
1073
+ "loss": 1.6823,
1074
+ "step": 3020
1075
+ },
1076
+ {
1077
+ "epoch": 1.4721549636803875,
1078
+ "grad_norm": 21745.654296875,
1079
+ "learning_rate": 0.00021798645433388178,
1080
+ "loss": 1.6942,
1081
+ "step": 3040
1082
+ },
1083
+ {
1084
+ "epoch": 1.4818401937046004,
1085
+ "grad_norm": 21272.44140625,
1086
+ "learning_rate": 0.00021755463711191608,
1087
+ "loss": 1.6802,
1088
+ "step": 3060
1089
+ },
1090
+ {
1091
+ "epoch": 1.4915254237288136,
1092
+ "grad_norm": 21492.1171875,
1093
+ "learning_rate": 0.00021712036094080872,
1094
+ "loss": 1.6782,
1095
+ "step": 3080
1096
+ },
1097
+ {
1098
+ "epoch": 1.5012106537530268,
1099
+ "grad_norm": 20612.203125,
1100
+ "learning_rate": 0.0002166836373582098,
1101
+ "loss": 1.6704,
1102
+ "step": 3100
1103
+ },
1104
+ {
1105
+ "epoch": 1.5108958837772397,
1106
+ "grad_norm": 21866.71484375,
1107
+ "learning_rate": 0.00021624447796679108,
1108
+ "loss": 1.6995,
1109
+ "step": 3120
1110
+ },
1111
+ {
1112
+ "epoch": 1.5205811138014527,
1113
+ "grad_norm": 22637.15234375,
1114
+ "learning_rate": 0.0002158028944339379,
1115
+ "loss": 1.6701,
1116
+ "step": 3140
1117
+ },
1118
+ {
1119
+ "epoch": 1.5302663438256658,
1120
+ "grad_norm": 21647.546875,
1121
+ "learning_rate": 0.00021535889849143896,
1122
+ "loss": 1.666,
1123
+ "step": 3160
1124
+ },
1125
+ {
1126
+ "epoch": 1.539951573849879,
1127
+ "grad_norm": 21176.150390625,
1128
+ "learning_rate": 0.00021491250193517476,
1129
+ "loss": 1.6436,
1130
+ "step": 3180
1131
+ },
1132
+ {
1133
+ "epoch": 1.549636803874092,
1134
+ "grad_norm": 20378.517578125,
1135
+ "learning_rate": 0.0002144637166248043,
1136
+ "loss": 1.6447,
1137
+ "step": 3200
1138
+ },
1139
+ {
1140
+ "epoch": 1.559322033898305,
1141
+ "grad_norm": 22320.52734375,
1142
+ "learning_rate": 0.00021401255448344974,
1143
+ "loss": 1.6916,
1144
+ "step": 3220
1145
+ },
1146
+ {
1147
+ "epoch": 1.569007263922518,
1148
+ "grad_norm": 21393.08203125,
1149
+ "learning_rate": 0.00021355902749738,
1150
+ "loss": 1.6954,
1151
+ "step": 3240
1152
+ },
1153
+ {
1154
+ "epoch": 1.5786924939467313,
1155
+ "grad_norm": 21332.267578125,
1156
+ "learning_rate": 0.00021310314771569194,
1157
+ "loss": 1.6579,
1158
+ "step": 3260
1159
+ },
1160
+ {
1161
+ "epoch": 1.5883777239709445,
1162
+ "grad_norm": 22136.75,
1163
+ "learning_rate": 0.00021264492724999047,
1164
+ "loss": 1.686,
1165
+ "step": 3280
1166
+ },
1167
+ {
1168
+ "epoch": 1.5980629539951574,
1169
+ "grad_norm": 21062.755859375,
1170
+ "learning_rate": 0.00021218437827406677,
1171
+ "loss": 1.6979,
1172
+ "step": 3300
1173
+ },
1174
+ {
1175
+ "epoch": 1.6077481840193704,
1176
+ "grad_norm": 22302.46484375,
1177
+ "learning_rate": 0.00021172151302357471,
1178
+ "loss": 1.6897,
1179
+ "step": 3320
1180
+ },
1181
+ {
1182
+ "epoch": 1.6174334140435835,
1183
+ "grad_norm": 22171.912109375,
1184
+ "learning_rate": 0.00021125634379570596,
1185
+ "loss": 1.704,
1186
+ "step": 3340
1187
+ },
1188
+ {
1189
+ "epoch": 1.6271186440677967,
1190
+ "grad_norm": 21561.23046875,
1191
+ "learning_rate": 0.0002107888829488632,
1192
+ "loss": 1.665,
1193
+ "step": 3360
1194
+ },
1195
+ {
1196
+ "epoch": 1.6368038740920097,
1197
+ "grad_norm": 22669.50390625,
1198
+ "learning_rate": 0.00021031914290233178,
1199
+ "loss": 1.6801,
1200
+ "step": 3380
1201
+ },
1202
+ {
1203
+ "epoch": 1.6464891041162226,
1204
+ "grad_norm": 21476.111328125,
1205
+ "learning_rate": 0.00020984713613594975,
1206
+ "loss": 1.6579,
1207
+ "step": 3400
1208
+ },
1209
+ {
1210
+ "epoch": 1.6561743341404358,
1211
+ "grad_norm": 21821.33203125,
1212
+ "learning_rate": 0.00020937287518977632,
1213
+ "loss": 1.6347,
1214
+ "step": 3420
1215
+ },
1216
+ {
1217
+ "epoch": 1.665859564164649,
1218
+ "grad_norm": 22603.958984375,
1219
+ "learning_rate": 0.00020889637266375882,
1220
+ "loss": 1.6328,
1221
+ "step": 3440
1222
+ },
1223
+ {
1224
+ "epoch": 1.675544794188862,
1225
+ "grad_norm": 20804.42578125,
1226
+ "learning_rate": 0.00020841764121739775,
1227
+ "loss": 1.6597,
1228
+ "step": 3460
1229
+ },
1230
+ {
1231
+ "epoch": 1.685230024213075,
1232
+ "grad_norm": 20718.205078125,
1233
+ "learning_rate": 0.00020793669356941057,
1234
+ "loss": 1.6487,
1235
+ "step": 3480
1236
+ },
1237
+ {
1238
+ "epoch": 1.694915254237288,
1239
+ "grad_norm": 22056.921875,
1240
+ "learning_rate": 0.00020745354249739382,
1241
+ "loss": 1.6556,
1242
+ "step": 3500
1243
+ },
1244
+ {
1245
+ "epoch": 1.7046004842615012,
1246
+ "grad_norm": 20172.02734375,
1247
+ "learning_rate": 0.00020696820083748347,
1248
+ "loss": 1.6591,
1249
+ "step": 3520
1250
+ },
1251
+ {
1252
+ "epoch": 1.7142857142857144,
1253
+ "grad_norm": 20832.8984375,
1254
+ "learning_rate": 0.00020648068148401412,
1255
+ "loss": 1.6326,
1256
+ "step": 3540
1257
+ },
1258
+ {
1259
+ "epoch": 1.7239709443099274,
1260
+ "grad_norm": 21100.068359375,
1261
+ "learning_rate": 0.00020599099738917632,
1262
+ "loss": 1.6341,
1263
+ "step": 3560
1264
+ },
1265
+ {
1266
+ "epoch": 1.7336561743341403,
1267
+ "grad_norm": 21263.064453125,
1268
+ "learning_rate": 0.00020549916156267252,
1269
+ "loss": 1.6521,
1270
+ "step": 3580
1271
+ },
1272
+ {
1273
+ "epoch": 1.7433414043583535,
1274
+ "grad_norm": 22391.03515625,
1275
+ "learning_rate": 0.00020500518707137127,
1276
+ "loss": 1.6506,
1277
+ "step": 3600
1278
+ },
1279
+ {
1280
+ "epoch": 1.7530266343825667,
1281
+ "grad_norm": 22036.12890625,
1282
+ "learning_rate": 0.00020450908703896028,
1283
+ "loss": 1.6503,
1284
+ "step": 3620
1285
+ },
1286
+ {
1287
+ "epoch": 1.7627118644067796,
1288
+ "grad_norm": 21604.33203125,
1289
+ "learning_rate": 0.0002040108746455977,
1290
+ "loss": 1.6277,
1291
+ "step": 3640
1292
+ },
1293
+ {
1294
+ "epoch": 1.7723970944309926,
1295
+ "grad_norm": 21177.193359375,
1296
+ "learning_rate": 0.00020351056312756173,
1297
+ "loss": 1.6679,
1298
+ "step": 3660
1299
+ },
1300
+ {
1301
+ "epoch": 1.7820823244552058,
1302
+ "grad_norm": 22050.4453125,
1303
+ "learning_rate": 0.0002030081657768994,
1304
+ "loss": 1.6326,
1305
+ "step": 3680
1306
+ },
1307
+ {
1308
+ "epoch": 1.791767554479419,
1309
+ "grad_norm": 21553.318359375,
1310
+ "learning_rate": 0.00020250369594107298,
1311
+ "loss": 1.6341,
1312
+ "step": 3700
1313
+ },
1314
+ {
1315
+ "epoch": 1.801452784503632,
1316
+ "grad_norm": 21052.111328125,
1317
+ "learning_rate": 0.00020199716702260566,
1318
+ "loss": 1.6281,
1319
+ "step": 3720
1320
+ },
1321
+ {
1322
+ "epoch": 1.811138014527845,
1323
+ "grad_norm": 21166.640625,
1324
+ "learning_rate": 0.00020148859247872544,
1325
+ "loss": 1.6233,
1326
+ "step": 3740
1327
+ },
1328
+ {
1329
+ "epoch": 1.820823244552058,
1330
+ "grad_norm": 21657.07421875,
1331
+ "learning_rate": 0.00020097798582100748,
1332
+ "loss": 1.6397,
1333
+ "step": 3760
1334
+ },
1335
+ {
1336
+ "epoch": 1.8305084745762712,
1337
+ "grad_norm": 19905.080078125,
1338
+ "learning_rate": 0.0002004653606150152,
1339
+ "loss": 1.6186,
1340
+ "step": 3780
1341
+ },
1342
+ {
1343
+ "epoch": 1.8401937046004844,
1344
+ "grad_norm": 21520.701171875,
1345
+ "learning_rate": 0.00019995073047994,
1346
+ "loss": 1.6169,
1347
+ "step": 3800
1348
+ },
1349
+ {
1350
+ "epoch": 1.8498789346246973,
1351
+ "grad_norm": 22402.8984375,
1352
+ "learning_rate": 0.0001994341090882391,
1353
+ "loss": 1.6341,
1354
+ "step": 3820
1355
+ },
1356
+ {
1357
+ "epoch": 1.8595641646489103,
1358
+ "grad_norm": 21278.75,
1359
+ "learning_rate": 0.00019891551016527282,
1360
+ "loss": 1.6097,
1361
+ "step": 3840
1362
+ },
1363
+ {
1364
+ "epoch": 1.8692493946731235,
1365
+ "grad_norm": 22003.07421875,
1366
+ "learning_rate": 0.00019839494748893932,
1367
+ "loss": 1.6471,
1368
+ "step": 3860
1369
+ },
1370
+ {
1371
+ "epoch": 1.8789346246973366,
1372
+ "grad_norm": 21587.93359375,
1373
+ "learning_rate": 0.000197872434889309,
1374
+ "loss": 1.6227,
1375
+ "step": 3880
1376
+ },
1377
+ {
1378
+ "epoch": 1.8886198547215496,
1379
+ "grad_norm": 20007.275390625,
1380
+ "learning_rate": 0.000197347986248257,
1381
+ "loss": 1.6393,
1382
+ "step": 3900
1383
+ },
1384
+ {
1385
+ "epoch": 1.8983050847457628,
1386
+ "grad_norm": 21784.7890625,
1387
+ "learning_rate": 0.00019682161549909417,
1388
+ "loss": 1.6469,
1389
+ "step": 3920
1390
+ },
1391
+ {
1392
+ "epoch": 1.9079903147699757,
1393
+ "grad_norm": 20359.888671875,
1394
+ "learning_rate": 0.00019629333662619713,
1395
+ "loss": 1.6557,
1396
+ "step": 3940
1397
+ },
1398
+ {
1399
+ "epoch": 1.917675544794189,
1400
+ "grad_norm": 20462.06640625,
1401
+ "learning_rate": 0.00019576316366463664,
1402
+ "loss": 1.6107,
1403
+ "step": 3960
1404
+ },
1405
+ {
1406
+ "epoch": 1.927360774818402,
1407
+ "grad_norm": 22271.162109375,
1408
+ "learning_rate": 0.00019523111069980474,
1409
+ "loss": 1.6317,
1410
+ "step": 3980
1411
+ },
1412
+ {
1413
+ "epoch": 1.937046004842615,
1414
+ "grad_norm": 21750.8046875,
1415
+ "learning_rate": 0.0001946971918670405,
1416
+ "loss": 1.6143,
1417
+ "step": 4000
1418
+ },
1419
+ {
1420
+ "epoch": 1.946731234866828,
1421
+ "grad_norm": 21217.498046875,
1422
+ "learning_rate": 0.00019416142135125465,
1423
+ "loss": 1.5991,
1424
+ "step": 4020
1425
+ },
1426
+ {
1427
+ "epoch": 1.9564164648910412,
1428
+ "grad_norm": 21517.3203125,
1429
+ "learning_rate": 0.0001936238133865524,
1430
+ "loss": 1.6369,
1431
+ "step": 4040
1432
+ },
1433
+ {
1434
+ "epoch": 1.9661016949152543,
1435
+ "grad_norm": 22382.8046875,
1436
+ "learning_rate": 0.00019308438225585552,
1437
+ "loss": 1.6324,
1438
+ "step": 4060
1439
+ },
1440
+ {
1441
+ "epoch": 1.9757869249394673,
1442
+ "grad_norm": 21182.123046875,
1443
+ "learning_rate": 0.0001925431422905229,
1444
+ "loss": 1.6432,
1445
+ "step": 4080
1446
+ },
1447
+ {
1448
+ "epoch": 1.9854721549636802,
1449
+ "grad_norm": 20349.21875,
1450
+ "learning_rate": 0.00019200010786996958,
1451
+ "loss": 1.6152,
1452
+ "step": 4100
1453
+ },
1454
+ {
1455
+ "epoch": 1.9951573849878934,
1456
+ "grad_norm": 21414.1796875,
1457
+ "learning_rate": 0.00019145529342128503,
1458
+ "loss": 1.6254,
1459
+ "step": 4120
1460
+ },
1461
+ {
1462
+ "epoch": 2.0,
1463
+ "eval_loss": 1.842301845550537,
1464
+ "eval_runtime": 80.1982,
1465
+ "eval_samples_per_second": 102.147,
1466
+ "eval_steps_per_second": 6.384,
1467
+ "step": 4130
1468
+ },
1469
+ {
1470
+ "epoch": 2.0048426150121066,
1471
+ "grad_norm": 21230.404296875,
1472
+ "learning_rate": 0.0001909087134188496,
1473
+ "loss": 1.6058,
1474
+ "step": 4140
1475
+ },
1476
+ {
1477
+ "epoch": 2.0145278450363198,
1478
+ "grad_norm": 21562.203125,
1479
+ "learning_rate": 0.00019036038238394998,
1480
+ "loss": 1.5623,
1481
+ "step": 4160
1482
+ },
1483
+ {
1484
+ "epoch": 2.0242130750605325,
1485
+ "grad_norm": 20698.455078125,
1486
+ "learning_rate": 0.00018981031488439365,
1487
+ "loss": 1.5799,
1488
+ "step": 4180
1489
+ },
1490
+ {
1491
+ "epoch": 2.0338983050847457,
1492
+ "grad_norm": 20979.294921875,
1493
+ "learning_rate": 0.00018925852553412163,
1494
+ "loss": 1.5504,
1495
+ "step": 4200
1496
+ },
1497
+ {
1498
+ "epoch": 2.043583535108959,
1499
+ "grad_norm": 21927.080078125,
1500
+ "learning_rate": 0.00018870502899282017,
1501
+ "loss": 1.576,
1502
+ "step": 4220
1503
+ },
1504
+ {
1505
+ "epoch": 2.053268765133172,
1506
+ "grad_norm": 21129.712890625,
1507
+ "learning_rate": 0.0001881498399655315,
1508
+ "loss": 1.5674,
1509
+ "step": 4240
1510
+ },
1511
+ {
1512
+ "epoch": 2.062953995157385,
1513
+ "grad_norm": 23673.552734375,
1514
+ "learning_rate": 0.00018759297320226304,
1515
+ "loss": 1.5542,
1516
+ "step": 4260
1517
+ },
1518
+ {
1519
+ "epoch": 2.072639225181598,
1520
+ "grad_norm": 20325.982421875,
1521
+ "learning_rate": 0.00018703444349759554,
1522
+ "loss": 1.5786,
1523
+ "step": 4280
1524
+ },
1525
+ {
1526
+ "epoch": 2.082324455205811,
1527
+ "grad_norm": 22167.171875,
1528
+ "learning_rate": 0.00018647426569028995,
1529
+ "loss": 1.589,
1530
+ "step": 4300
1531
+ },
1532
+ {
1533
+ "epoch": 2.0920096852300243,
1534
+ "grad_norm": 22346.7734375,
1535
+ "learning_rate": 0.0001859124546628932,
1536
+ "loss": 1.5709,
1537
+ "step": 4320
1538
+ },
1539
+ {
1540
+ "epoch": 2.1016949152542375,
1541
+ "grad_norm": 22618.82421875,
1542
+ "learning_rate": 0.00018534902534134314,
1543
+ "loss": 1.5717,
1544
+ "step": 4340
1545
+ },
1546
+ {
1547
+ "epoch": 2.11138014527845,
1548
+ "grad_norm": 22006.986328125,
1549
+ "learning_rate": 0.00018478399269457137,
1550
+ "loss": 1.5599,
1551
+ "step": 4360
1552
+ },
1553
+ {
1554
+ "epoch": 2.1210653753026634,
1555
+ "grad_norm": 22202.099609375,
1556
+ "learning_rate": 0.00018421737173410606,
1557
+ "loss": 1.5786,
1558
+ "step": 4380
1559
+ },
1560
+ {
1561
+ "epoch": 2.1307506053268765,
1562
+ "grad_norm": 21926.20703125,
1563
+ "learning_rate": 0.00018364917751367306,
1564
+ "loss": 1.5601,
1565
+ "step": 4400
1566
+ },
1567
+ {
1568
+ "epoch": 2.1404358353510897,
1569
+ "grad_norm": 21258.59765625,
1570
+ "learning_rate": 0.00018307942512879572,
1571
+ "loss": 1.5704,
1572
+ "step": 4420
1573
+ },
1574
+ {
1575
+ "epoch": 2.150121065375303,
1576
+ "grad_norm": 21364.3515625,
1577
+ "learning_rate": 0.00018250812971639402,
1578
+ "loss": 1.5572,
1579
+ "step": 4440
1580
+ },
1581
+ {
1582
+ "epoch": 2.1598062953995156,
1583
+ "grad_norm": 22247.0703125,
1584
+ "learning_rate": 0.00018193530645438244,
1585
+ "loss": 1.5718,
1586
+ "step": 4460
1587
+ },
1588
+ {
1589
+ "epoch": 2.169491525423729,
1590
+ "grad_norm": 21508.94921875,
1591
+ "learning_rate": 0.00018136097056126665,
1592
+ "loss": 1.5496,
1593
+ "step": 4480
1594
+ },
1595
+ {
1596
+ "epoch": 2.179176755447942,
1597
+ "grad_norm": 21835.8671875,
1598
+ "learning_rate": 0.00018078513729573913,
1599
+ "loss": 1.5475,
1600
+ "step": 4500
1601
+ },
1602
+ {
1603
+ "epoch": 2.188861985472155,
1604
+ "grad_norm": 21062.021484375,
1605
+ "learning_rate": 0.000180207821956274,
1606
+ "loss": 1.5654,
1607
+ "step": 4520
1608
+ },
1609
+ {
1610
+ "epoch": 2.198547215496368,
1611
+ "grad_norm": 21674.509765625,
1612
+ "learning_rate": 0.0001796290398807204,
1613
+ "loss": 1.5772,
1614
+ "step": 4540
1615
+ },
1616
+ {
1617
+ "epoch": 2.208232445520581,
1618
+ "grad_norm": 25266.044921875,
1619
+ "learning_rate": 0.00017904880644589486,
1620
+ "loss": 1.5482,
1621
+ "step": 4560
1622
+ },
1623
+ {
1624
+ "epoch": 2.2179176755447942,
1625
+ "grad_norm": 23008.908203125,
1626
+ "learning_rate": 0.00017846713706717323,
1627
+ "loss": 1.5864,
1628
+ "step": 4580
1629
+ },
1630
+ {
1631
+ "epoch": 2.2276029055690074,
1632
+ "grad_norm": 21164.947265625,
1633
+ "learning_rate": 0.00017788404719808074,
1634
+ "loss": 1.5652,
1635
+ "step": 4600
1636
+ },
1637
+ {
1638
+ "epoch": 2.23728813559322,
1639
+ "grad_norm": 21032.3125,
1640
+ "learning_rate": 0.00017729955232988152,
1641
+ "loss": 1.5589,
1642
+ "step": 4620
1643
+ },
1644
+ {
1645
+ "epoch": 2.2469733656174333,
1646
+ "grad_norm": 20640.759765625,
1647
+ "learning_rate": 0.00017671366799116713,
1648
+ "loss": 1.5706,
1649
+ "step": 4640
1650
+ },
1651
+ {
1652
+ "epoch": 2.2566585956416465,
1653
+ "grad_norm": 21155.919921875,
1654
+ "learning_rate": 0.00017612640974744385,
1655
+ "loss": 1.5744,
1656
+ "step": 4660
1657
+ },
1658
+ {
1659
+ "epoch": 2.2663438256658597,
1660
+ "grad_norm": 22791.27734375,
1661
+ "learning_rate": 0.00017553779320071938,
1662
+ "loss": 1.547,
1663
+ "step": 4680
1664
+ },
1665
+ {
1666
+ "epoch": 2.2760290556900724,
1667
+ "grad_norm": 22043.970703125,
1668
+ "learning_rate": 0.0001749478339890881,
1669
+ "loss": 1.545,
1670
+ "step": 4700
1671
+ },
1672
+ {
1673
+ "epoch": 2.2857142857142856,
1674
+ "grad_norm": 21687.783203125,
1675
+ "learning_rate": 0.00017435654778631573,
1676
+ "loss": 1.5743,
1677
+ "step": 4720
1678
+ },
1679
+ {
1680
+ "epoch": 2.2953995157384988,
1681
+ "grad_norm": 21511.306640625,
1682
+ "learning_rate": 0.0001737639503014229,
1683
+ "loss": 1.5732,
1684
+ "step": 4740
1685
+ },
1686
+ {
1687
+ "epoch": 2.305084745762712,
1688
+ "grad_norm": 20673.7890625,
1689
+ "learning_rate": 0.00017317005727826766,
1690
+ "loss": 1.5395,
1691
+ "step": 4760
1692
+ },
1693
+ {
1694
+ "epoch": 2.314769975786925,
1695
+ "grad_norm": 21370.521484375,
1696
+ "learning_rate": 0.0001725748844951274,
1697
+ "loss": 1.561,
1698
+ "step": 4780
1699
+ },
1700
+ {
1701
+ "epoch": 2.324455205811138,
1702
+ "grad_norm": 21234.498046875,
1703
+ "learning_rate": 0.00017197844776427977,
1704
+ "loss": 1.5409,
1705
+ "step": 4800
1706
+ },
1707
+ {
1708
+ "epoch": 2.334140435835351,
1709
+ "grad_norm": 21292.49609375,
1710
+ "learning_rate": 0.00017138076293158212,
1711
+ "loss": 1.546,
1712
+ "step": 4820
1713
+ },
1714
+ {
1715
+ "epoch": 2.343825665859564,
1716
+ "grad_norm": 21714.25,
1717
+ "learning_rate": 0.00017078184587605087,
1718
+ "loss": 1.5508,
1719
+ "step": 4840
1720
+ },
1721
+ {
1722
+ "epoch": 2.3535108958837774,
1723
+ "grad_norm": 22045.43359375,
1724
+ "learning_rate": 0.00017018171250943968,
1725
+ "loss": 1.5337,
1726
+ "step": 4860
1727
+ },
1728
+ {
1729
+ "epoch": 2.36319612590799,
1730
+ "grad_norm": 21158.041015625,
1731
+ "learning_rate": 0.0001695803787758165,
1732
+ "loss": 1.5736,
1733
+ "step": 4880
1734
+ },
1735
+ {
1736
+ "epoch": 2.3728813559322033,
1737
+ "grad_norm": 21300.802734375,
1738
+ "learning_rate": 0.00016897786065114018,
1739
+ "loss": 1.5619,
1740
+ "step": 4900
1741
+ },
1742
+ {
1743
+ "epoch": 2.3825665859564165,
1744
+ "grad_norm": 21814.76953125,
1745
+ "learning_rate": 0.00016837417414283578,
1746
+ "loss": 1.5586,
1747
+ "step": 4920
1748
+ },
1749
+ {
1750
+ "epoch": 2.3922518159806296,
1751
+ "grad_norm": 21872.244140625,
1752
+ "learning_rate": 0.00016776933528936958,
1753
+ "loss": 1.5538,
1754
+ "step": 4940
1755
+ },
1756
+ {
1757
+ "epoch": 2.401937046004843,
1758
+ "grad_norm": 21123.056640625,
1759
+ "learning_rate": 0.00016716336015982282,
1760
+ "loss": 1.565,
1761
+ "step": 4960
1762
+ },
1763
+ {
1764
+ "epoch": 2.4116222760290555,
1765
+ "grad_norm": 20819.87890625,
1766
+ "learning_rate": 0.00016655626485346465,
1767
+ "loss": 1.5623,
1768
+ "step": 4980
1769
+ },
1770
+ {
1771
+ "epoch": 2.4213075060532687,
1772
+ "grad_norm": 22297.99609375,
1773
+ "learning_rate": 0.00016594806549932479,
1774
+ "loss": 1.5662,
1775
+ "step": 5000
1776
+ },
1777
+ {
1778
+ "epoch": 2.430992736077482,
1779
+ "grad_norm": 21745.23828125,
1780
+ "learning_rate": 0.00016533877825576466,
1781
+ "loss": 1.5483,
1782
+ "step": 5020
1783
+ },
1784
+ {
1785
+ "epoch": 2.440677966101695,
1786
+ "grad_norm": 21447.640625,
1787
+ "learning_rate": 0.00016472841931004822,
1788
+ "loss": 1.5559,
1789
+ "step": 5040
1790
+ },
1791
+ {
1792
+ "epoch": 2.450363196125908,
1793
+ "grad_norm": 21640.158203125,
1794
+ "learning_rate": 0.00016411700487791196,
1795
+ "loss": 1.5257,
1796
+ "step": 5060
1797
+ },
1798
+ {
1799
+ "epoch": 2.460048426150121,
1800
+ "grad_norm": 22725.634765625,
1801
+ "learning_rate": 0.00016350455120313408,
1802
+ "loss": 1.538,
1803
+ "step": 5080
1804
+ },
1805
+ {
1806
+ "epoch": 2.469733656174334,
1807
+ "grad_norm": 21271.31640625,
1808
+ "learning_rate": 0.0001628910745571028,
1809
+ "loss": 1.5533,
1810
+ "step": 5100
1811
+ },
1812
+ {
1813
+ "epoch": 2.4794188861985473,
1814
+ "grad_norm": 21885.392578125,
1815
+ "learning_rate": 0.00016227659123838428,
1816
+ "loss": 1.5414,
1817
+ "step": 5120
1818
+ },
1819
+ {
1820
+ "epoch": 2.4891041162227605,
1821
+ "grad_norm": 21988.431640625,
1822
+ "learning_rate": 0.00016166111757228945,
1823
+ "loss": 1.5802,
1824
+ "step": 5140
1825
+ },
1826
+ {
1827
+ "epoch": 2.4987893462469732,
1828
+ "grad_norm": 22427.833984375,
1829
+ "learning_rate": 0.00016104466991044035,
1830
+ "loss": 1.5667,
1831
+ "step": 5160
1832
+ },
1833
+ {
1834
+ "epoch": 2.5084745762711864,
1835
+ "grad_norm": 22800.9375,
1836
+ "learning_rate": 0.00016042726463033564,
1837
+ "loss": 1.5631,
1838
+ "step": 5180
1839
+ },
1840
+ {
1841
+ "epoch": 2.5181598062953996,
1842
+ "grad_norm": 20892.68359375,
1843
+ "learning_rate": 0.00015980891813491561,
1844
+ "loss": 1.5597,
1845
+ "step": 5200
1846
+ },
1847
+ {
1848
+ "epoch": 2.5278450363196123,
1849
+ "grad_norm": 21456.8984375,
1850
+ "learning_rate": 0.0001591896468521263,
1851
+ "loss": 1.547,
1852
+ "step": 5220
1853
+ },
1854
+ {
1855
+ "epoch": 2.5375302663438255,
1856
+ "grad_norm": 21572.943359375,
1857
+ "learning_rate": 0.00015856946723448304,
1858
+ "loss": 1.5546,
1859
+ "step": 5240
1860
+ },
1861
+ {
1862
+ "epoch": 2.5472154963680387,
1863
+ "grad_norm": 22096.89453125,
1864
+ "learning_rate": 0.00015794839575863345,
1865
+ "loss": 1.5241,
1866
+ "step": 5260
1867
+ },
1868
+ {
1869
+ "epoch": 2.556900726392252,
1870
+ "grad_norm": 21423.697265625,
1871
+ "learning_rate": 0.0001573264489249196,
1872
+ "loss": 1.5481,
1873
+ "step": 5280
1874
+ },
1875
+ {
1876
+ "epoch": 2.566585956416465,
1877
+ "grad_norm": 21172.05859375,
1878
+ "learning_rate": 0.0001567036432569397,
1879
+ "loss": 1.5246,
1880
+ "step": 5300
1881
+ },
1882
+ {
1883
+ "epoch": 2.576271186440678,
1884
+ "grad_norm": 21493.630859375,
1885
+ "learning_rate": 0.00015607999530110897,
1886
+ "loss": 1.5343,
1887
+ "step": 5320
1888
+ },
1889
+ {
1890
+ "epoch": 2.585956416464891,
1891
+ "grad_norm": 21258.38671875,
1892
+ "learning_rate": 0.00015545552162622025,
1893
+ "loss": 1.5347,
1894
+ "step": 5340
1895
+ },
1896
+ {
1897
+ "epoch": 2.595641646489104,
1898
+ "grad_norm": 20801.806640625,
1899
+ "learning_rate": 0.0001548302388230037,
1900
+ "loss": 1.5232,
1901
+ "step": 5360
1902
+ },
1903
+ {
1904
+ "epoch": 2.6053268765133173,
1905
+ "grad_norm": 21189.15625,
1906
+ "learning_rate": 0.000154204163503686,
1907
+ "loss": 1.5613,
1908
+ "step": 5380
1909
+ },
1910
+ {
1911
+ "epoch": 2.61501210653753,
1912
+ "grad_norm": 21021.0078125,
1913
+ "learning_rate": 0.00015357731230154894,
1914
+ "loss": 1.5584,
1915
+ "step": 5400
1916
+ },
1917
+ {
1918
+ "epoch": 2.624697336561743,
1919
+ "grad_norm": 22339.056640625,
1920
+ "learning_rate": 0.00015294970187048782,
1921
+ "loss": 1.5499,
1922
+ "step": 5420
1923
+ },
1924
+ {
1925
+ "epoch": 2.6343825665859564,
1926
+ "grad_norm": 21442.95703125,
1927
+ "learning_rate": 0.00015232134888456866,
1928
+ "loss": 1.512,
1929
+ "step": 5440
1930
+ },
1931
+ {
1932
+ "epoch": 2.6440677966101696,
1933
+ "grad_norm": 21894.1171875,
1934
+ "learning_rate": 0.00015169227003758527,
1935
+ "loss": 1.5606,
1936
+ "step": 5460
1937
+ },
1938
+ {
1939
+ "epoch": 2.6537530266343827,
1940
+ "grad_norm": 21426.3984375,
1941
+ "learning_rate": 0.00015106248204261593,
1942
+ "loss": 1.5641,
1943
+ "step": 5480
1944
+ },
1945
+ {
1946
+ "epoch": 2.663438256658596,
1947
+ "grad_norm": 21295.5078125,
1948
+ "learning_rate": 0.00015043200163157924,
1949
+ "loss": 1.5075,
1950
+ "step": 5500
1951
+ },
1952
+ {
1953
+ "epoch": 2.6731234866828086,
1954
+ "grad_norm": 21670.46484375,
1955
+ "learning_rate": 0.00014980084555478947,
1956
+ "loss": 1.5307,
1957
+ "step": 5520
1958
+ },
1959
+ {
1960
+ "epoch": 2.682808716707022,
1961
+ "grad_norm": 21936.564453125,
1962
+ "learning_rate": 0.00014916903058051175,
1963
+ "loss": 1.5058,
1964
+ "step": 5540
1965
+ },
1966
+ {
1967
+ "epoch": 2.692493946731235,
1968
+ "grad_norm": 21371.3515625,
1969
+ "learning_rate": 0.00014853657349451655,
1970
+ "loss": 1.5407,
1971
+ "step": 5560
1972
+ },
1973
+ {
1974
+ "epoch": 2.7021791767554477,
1975
+ "grad_norm": 22080.76171875,
1976
+ "learning_rate": 0.00014790349109963354,
1977
+ "loss": 1.5072,
1978
+ "step": 5580
1979
+ },
1980
+ {
1981
+ "epoch": 2.711864406779661,
1982
+ "grad_norm": 22564.47265625,
1983
+ "learning_rate": 0.0001472698002153054,
1984
+ "loss": 1.5243,
1985
+ "step": 5600
1986
+ },
1987
+ {
1988
+ "epoch": 2.721549636803874,
1989
+ "grad_norm": 22503.80078125,
1990
+ "learning_rate": 0.00014663551767714084,
1991
+ "loss": 1.5346,
1992
+ "step": 5620
1993
+ },
1994
+ {
1995
+ "epoch": 2.7312348668280872,
1996
+ "grad_norm": 20282.169921875,
1997
+ "learning_rate": 0.00014600066033646742,
1998
+ "loss": 1.5318,
1999
+ "step": 5640
2000
+ },
2001
+ {
2002
+ "epoch": 2.7409200968523004,
2003
+ "grad_norm": 21168.341796875,
2004
+ "learning_rate": 0.00014536524505988368,
2005
+ "loss": 1.5517,
2006
+ "step": 5660
2007
+ },
2008
+ {
2009
+ "epoch": 2.750605326876513,
2010
+ "grad_norm": 22442.279296875,
2011
+ "learning_rate": 0.00014472928872881122,
2012
+ "loss": 1.5313,
2013
+ "step": 5680
2014
+ },
2015
+ {
2016
+ "epoch": 2.7602905569007263,
2017
+ "grad_norm": 23435.669921875,
2018
+ "learning_rate": 0.00014409280823904618,
2019
+ "loss": 1.5548,
2020
+ "step": 5700
2021
+ },
2022
+ {
2023
+ "epoch": 2.7699757869249395,
2024
+ "grad_norm": 22456.6171875,
2025
+ "learning_rate": 0.00014345582050031018,
2026
+ "loss": 1.5322,
2027
+ "step": 5720
2028
+ },
2029
+ {
2030
+ "epoch": 2.7796610169491527,
2031
+ "grad_norm": 21967.806640625,
2032
+ "learning_rate": 0.00014281834243580125,
2033
+ "loss": 1.5396,
2034
+ "step": 5740
2035
+ },
2036
+ {
2037
+ "epoch": 2.7893462469733654,
2038
+ "grad_norm": 22443.35546875,
2039
+ "learning_rate": 0.0001421803909817442,
2040
+ "loss": 1.5485,
2041
+ "step": 5760
2042
+ },
2043
+ {
2044
+ "epoch": 2.7990314769975786,
2045
+ "grad_norm": 21928.720703125,
2046
+ "learning_rate": 0.00014154198308694065,
2047
+ "loss": 1.5377,
2048
+ "step": 5780
2049
+ },
2050
+ {
2051
+ "epoch": 2.8087167070217918,
2052
+ "grad_norm": 21619.541015625,
2053
+ "learning_rate": 0.00014090313571231866,
2054
+ "loss": 1.5448,
2055
+ "step": 5800
2056
+ },
2057
+ {
2058
+ "epoch": 2.818401937046005,
2059
+ "grad_norm": 21550.5078125,
2060
+ "learning_rate": 0.0001402638658304822,
2061
+ "loss": 1.5282,
2062
+ "step": 5820
2063
+ },
2064
+ {
2065
+ "epoch": 2.828087167070218,
2066
+ "grad_norm": 22014.845703125,
2067
+ "learning_rate": 0.00013962419042526033,
2068
+ "loss": 1.5134,
2069
+ "step": 5840
2070
+ },
2071
+ {
2072
+ "epoch": 2.837772397094431,
2073
+ "grad_norm": 23075.41796875,
2074
+ "learning_rate": 0.00013898412649125568,
2075
+ "loss": 1.5236,
2076
+ "step": 5860
2077
+ },
2078
+ {
2079
+ "epoch": 2.847457627118644,
2080
+ "grad_norm": 22539.6640625,
2081
+ "learning_rate": 0.0001383436910333933,
2082
+ "loss": 1.5195,
2083
+ "step": 5880
2084
+ },
2085
+ {
2086
+ "epoch": 2.857142857142857,
2087
+ "grad_norm": 22832.248046875,
2088
+ "learning_rate": 0.00013770290106646864,
2089
+ "loss": 1.5206,
2090
+ "step": 5900
2091
+ },
2092
+ {
2093
+ "epoch": 2.8668280871670704,
2094
+ "grad_norm": 21602.11328125,
2095
+ "learning_rate": 0.00013706177361469556,
2096
+ "loss": 1.5226,
2097
+ "step": 5920
2098
+ },
2099
+ {
2100
+ "epoch": 2.876513317191283,
2101
+ "grad_norm": 21935.26953125,
2102
+ "learning_rate": 0.00013642032571125416,
2103
+ "loss": 1.5265,
2104
+ "step": 5940
2105
+ },
2106
+ {
2107
+ "epoch": 2.8861985472154963,
2108
+ "grad_norm": 21211.296875,
2109
+ "learning_rate": 0.000135778574397838,
2110
+ "loss": 1.5322,
2111
+ "step": 5960
2112
+ },
2113
+ {
2114
+ "epoch": 2.8958837772397095,
2115
+ "grad_norm": 21472.490234375,
2116
+ "learning_rate": 0.00013513653672420168,
2117
+ "loss": 1.515,
2118
+ "step": 5980
2119
+ },
2120
+ {
2121
+ "epoch": 2.9055690072639226,
2122
+ "grad_norm": 20856.15625,
2123
+ "learning_rate": 0.00013449422974770754,
2124
+ "loss": 1.5118,
2125
+ "step": 6000
2126
+ },
2127
+ {
2128
+ "epoch": 2.915254237288136,
2129
+ "grad_norm": 21945.166015625,
2130
+ "learning_rate": 0.00013385167053287268,
2131
+ "loss": 1.5197,
2132
+ "step": 6020
2133
+ },
2134
+ {
2135
+ "epoch": 2.9249394673123486,
2136
+ "grad_norm": 21336.09375,
2137
+ "learning_rate": 0.0001332088761509156,
2138
+ "loss": 1.5069,
2139
+ "step": 6040
2140
+ },
2141
+ {
2142
+ "epoch": 2.9346246973365617,
2143
+ "grad_norm": 21711.5703125,
2144
+ "learning_rate": 0.00013256586367930257,
2145
+ "loss": 1.4932,
2146
+ "step": 6060
2147
+ },
2148
+ {
2149
+ "epoch": 2.944309927360775,
2150
+ "grad_norm": 22364.509765625,
2151
+ "learning_rate": 0.00013192265020129393,
2152
+ "loss": 1.5209,
2153
+ "step": 6080
2154
+ },
2155
+ {
2156
+ "epoch": 2.9539951573849876,
2157
+ "grad_norm": 21972.05078125,
2158
+ "learning_rate": 0.00013127925280549037,
2159
+ "loss": 1.5317,
2160
+ "step": 6100
2161
+ },
2162
+ {
2163
+ "epoch": 2.963680387409201,
2164
+ "grad_norm": 22023.75390625,
2165
+ "learning_rate": 0.00013063568858537872,
2166
+ "loss": 1.5414,
2167
+ "step": 6120
2168
+ },
2169
+ {
2170
+ "epoch": 2.973365617433414,
2171
+ "grad_norm": 21702.771484375,
2172
+ "learning_rate": 0.00012999197463887794,
2173
+ "loss": 1.5193,
2174
+ "step": 6140
2175
+ },
2176
+ {
2177
+ "epoch": 2.983050847457627,
2178
+ "grad_norm": 23476.4609375,
2179
+ "learning_rate": 0.0001293481280678849,
2180
+ "loss": 1.5516,
2181
+ "step": 6160
2182
+ },
2183
+ {
2184
+ "epoch": 2.9927360774818403,
2185
+ "grad_norm": 22401.17578125,
2186
+ "learning_rate": 0.00012870416597781997,
2187
+ "loss": 1.516,
2188
+ "step": 6180
2189
+ },
2190
+ {
2191
+ "epoch": 3.0,
2192
+ "eval_loss": 1.7927840948104858,
2193
+ "eval_runtime": 80.2874,
2194
+ "eval_samples_per_second": 102.033,
2195
+ "eval_steps_per_second": 6.377,
2196
+ "step": 6195
2197
+ },
2198
+ {
2199
+ "epoch": 3.002421307506053,
2200
+ "grad_norm": 21338.662109375,
2201
+ "learning_rate": 0.00012806010547717253,
2202
+ "loss": 1.4972,
2203
+ "step": 6200
2204
+ },
2205
+ {
2206
+ "epoch": 3.0121065375302662,
2207
+ "grad_norm": 22155.2421875,
2208
+ "learning_rate": 0.00012741596367704653,
2209
+ "loss": 1.462,
2210
+ "step": 6220
2211
+ },
2212
+ {
2213
+ "epoch": 3.0217917675544794,
2214
+ "grad_norm": 22152.599609375,
2215
+ "learning_rate": 0.00012677175769070577,
2216
+ "loss": 1.4871,
2217
+ "step": 6240
2218
+ },
2219
+ {
2220
+ "epoch": 3.0314769975786926,
2221
+ "grad_norm": 21554.84375,
2222
+ "learning_rate": 0.0001261275046331195,
2223
+ "loss": 1.4468,
2224
+ "step": 6260
2225
+ },
2226
+ {
2227
+ "epoch": 3.0411622276029058,
2228
+ "grad_norm": 21911.6328125,
2229
+ "learning_rate": 0.0001254832216205073,
2230
+ "loss": 1.4402,
2231
+ "step": 6280
2232
+ },
2233
+ {
2234
+ "epoch": 3.0508474576271185,
2235
+ "grad_norm": 23167.615234375,
2236
+ "learning_rate": 0.00012483892576988477,
2237
+ "loss": 1.496,
2238
+ "step": 6300
2239
+ },
2240
+ {
2241
+ "epoch": 3.0605326876513317,
2242
+ "grad_norm": 22497.900390625,
2243
+ "learning_rate": 0.00012419463419860853,
2244
+ "loss": 1.4748,
2245
+ "step": 6320
2246
+ },
2247
+ {
2248
+ "epoch": 3.070217917675545,
2249
+ "grad_norm": 22489.82421875,
2250
+ "learning_rate": 0.0001235503640239214,
2251
+ "loss": 1.486,
2252
+ "step": 6340
2253
+ },
2254
+ {
2255
+ "epoch": 3.079903147699758,
2256
+ "grad_norm": 21849.03515625,
2257
+ "learning_rate": 0.00012290613236249796,
2258
+ "loss": 1.4906,
2259
+ "step": 6360
2260
+ },
2261
+ {
2262
+ "epoch": 3.0895883777239708,
2263
+ "grad_norm": 22509.4296875,
2264
+ "learning_rate": 0.00012226195632998937,
2265
+ "loss": 1.4797,
2266
+ "step": 6380
2267
+ },
2268
+ {
2269
+ "epoch": 3.099273607748184,
2270
+ "grad_norm": 22864.41796875,
2271
+ "learning_rate": 0.00012161785304056902,
2272
+ "loss": 1.4761,
2273
+ "step": 6400
2274
+ },
2275
+ {
2276
+ "epoch": 3.108958837772397,
2277
+ "grad_norm": 22358.154296875,
2278
+ "learning_rate": 0.00012097383960647755,
2279
+ "loss": 1.4467,
2280
+ "step": 6420
2281
+ },
2282
+ {
2283
+ "epoch": 3.1186440677966103,
2284
+ "grad_norm": 23066.27734375,
2285
+ "learning_rate": 0.00012032993313756856,
2286
+ "loss": 1.4809,
2287
+ "step": 6440
2288
+ },
2289
+ {
2290
+ "epoch": 3.128329297820823,
2291
+ "grad_norm": 22634.634765625,
2292
+ "learning_rate": 0.00011968615074085371,
2293
+ "loss": 1.5175,
2294
+ "step": 6460
2295
+ },
2296
+ {
2297
+ "epoch": 3.138014527845036,
2298
+ "grad_norm": 23089.47265625,
2299
+ "learning_rate": 0.00011904250952004838,
2300
+ "loss": 1.4606,
2301
+ "step": 6480
2302
+ },
2303
+ {
2304
+ "epoch": 3.1476997578692494,
2305
+ "grad_norm": 22324.99609375,
2306
+ "learning_rate": 0.0001183990265751172,
2307
+ "loss": 1.4598,
2308
+ "step": 6500
2309
+ },
2310
+ {
2311
+ "epoch": 3.1573849878934626,
2312
+ "grad_norm": 21641.0703125,
2313
+ "learning_rate": 0.00011775571900182001,
2314
+ "loss": 1.4646,
2315
+ "step": 6520
2316
+ },
2317
+ {
2318
+ "epoch": 3.1670702179176757,
2319
+ "grad_norm": 22614.384765625,
2320
+ "learning_rate": 0.00011711260389125723,
2321
+ "loss": 1.5113,
2322
+ "step": 6540
2323
+ },
2324
+ {
2325
+ "epoch": 3.1767554479418885,
2326
+ "grad_norm": 23362.869140625,
2327
+ "learning_rate": 0.00011646969832941614,
2328
+ "loss": 1.4799,
2329
+ "step": 6560
2330
+ },
2331
+ {
2332
+ "epoch": 3.1864406779661016,
2333
+ "grad_norm": 23393.255859375,
2334
+ "learning_rate": 0.00011582701939671675,
2335
+ "loss": 1.5013,
2336
+ "step": 6580
2337
+ },
2338
+ {
2339
+ "epoch": 3.196125907990315,
2340
+ "grad_norm": 23420.03515625,
2341
+ "learning_rate": 0.00011518458416755817,
2342
+ "loss": 1.4589,
2343
+ "step": 6600
2344
+ },
2345
+ {
2346
+ "epoch": 3.205811138014528,
2347
+ "grad_norm": 23035.611328125,
2348
+ "learning_rate": 0.0001145424097098648,
2349
+ "loss": 1.5045,
2350
+ "step": 6620
2351
+ },
2352
+ {
2353
+ "epoch": 3.2154963680387407,
2354
+ "grad_norm": 22094.5546875,
2355
+ "learning_rate": 0.00011390051308463316,
2356
+ "loss": 1.4646,
2357
+ "step": 6640
2358
+ },
2359
+ {
2360
+ "epoch": 3.225181598062954,
2361
+ "grad_norm": 22769.73046875,
2362
+ "learning_rate": 0.00011325891134547824,
2363
+ "loss": 1.4802,
2364
+ "step": 6660
2365
+ },
2366
+ {
2367
+ "epoch": 3.234866828087167,
2368
+ "grad_norm": 22396.37890625,
2369
+ "learning_rate": 0.0001126176215381808,
2370
+ "loss": 1.478,
2371
+ "step": 6680
2372
+ },
2373
+ {
2374
+ "epoch": 3.2445520581113803,
2375
+ "grad_norm": 23374.052734375,
2376
+ "learning_rate": 0.00011197666070023416,
2377
+ "loss": 1.4786,
2378
+ "step": 6700
2379
+ },
2380
+ {
2381
+ "epoch": 3.2542372881355934,
2382
+ "grad_norm": 23019.416015625,
2383
+ "learning_rate": 0.00011133604586039196,
2384
+ "loss": 1.482,
2385
+ "step": 6720
2386
+ },
2387
+ {
2388
+ "epoch": 3.263922518159806,
2389
+ "grad_norm": 22878.791015625,
2390
+ "learning_rate": 0.00011069579403821538,
2391
+ "loss": 1.4726,
2392
+ "step": 6740
2393
+ },
2394
+ {
2395
+ "epoch": 3.2736077481840193,
2396
+ "grad_norm": 22558.18359375,
2397
+ "learning_rate": 0.000110055922243621,
2398
+ "loss": 1.4742,
2399
+ "step": 6760
2400
+ },
2401
+ {
2402
+ "epoch": 3.2832929782082325,
2403
+ "grad_norm": 22574.390625,
2404
+ "learning_rate": 0.00010941644747642931,
2405
+ "loss": 1.4577,
2406
+ "step": 6780
2407
+ },
2408
+ {
2409
+ "epoch": 3.2929782082324457,
2410
+ "grad_norm": 22006.96875,
2411
+ "learning_rate": 0.00010877738672591245,
2412
+ "loss": 1.4905,
2413
+ "step": 6800
2414
+ },
2415
+ {
2416
+ "epoch": 3.3026634382566584,
2417
+ "grad_norm": 20707.349609375,
2418
+ "learning_rate": 0.00010813875697034337,
2419
+ "loss": 1.4547,
2420
+ "step": 6820
2421
+ },
2422
+ {
2423
+ "epoch": 3.3123486682808716,
2424
+ "grad_norm": 23737.7890625,
2425
+ "learning_rate": 0.00010750057517654437,
2426
+ "loss": 1.488,
2427
+ "step": 6840
2428
+ },
2429
+ {
2430
+ "epoch": 3.3220338983050848,
2431
+ "grad_norm": 23506.0703125,
2432
+ "learning_rate": 0.0001068628582994367,
2433
+ "loss": 1.465,
2434
+ "step": 6860
2435
+ },
2436
+ {
2437
+ "epoch": 3.331719128329298,
2438
+ "grad_norm": 22763.537109375,
2439
+ "learning_rate": 0.00010622562328158977,
2440
+ "loss": 1.4541,
2441
+ "step": 6880
2442
+ },
2443
+ {
2444
+ "epoch": 3.341404358353511,
2445
+ "grad_norm": 22812.87890625,
2446
+ "learning_rate": 0.00010558888705277124,
2447
+ "loss": 1.4759,
2448
+ "step": 6900
2449
+ },
2450
+ {
2451
+ "epoch": 3.351089588377724,
2452
+ "grad_norm": 21609.92578125,
2453
+ "learning_rate": 0.00010495266652949706,
2454
+ "loss": 1.4738,
2455
+ "step": 6920
2456
+ },
2457
+ {
2458
+ "epoch": 3.360774818401937,
2459
+ "grad_norm": 22216.88671875,
2460
+ "learning_rate": 0.0001043169786145824,
2461
+ "loss": 1.4819,
2462
+ "step": 6940
2463
+ },
2464
+ {
2465
+ "epoch": 3.37046004842615,
2466
+ "grad_norm": 22422.240234375,
2467
+ "learning_rate": 0.000103681840196692,
2468
+ "loss": 1.466,
2469
+ "step": 6960
2470
+ },
2471
+ {
2472
+ "epoch": 3.3801452784503634,
2473
+ "grad_norm": 23076.98046875,
2474
+ "learning_rate": 0.00010304726814989215,
2475
+ "loss": 1.489,
2476
+ "step": 6980
2477
+ },
2478
+ {
2479
+ "epoch": 3.389830508474576,
2480
+ "grad_norm": 22422.376953125,
2481
+ "learning_rate": 0.0001024132793332018,
2482
+ "loss": 1.4848,
2483
+ "step": 7000
2484
+ },
2485
+ {
2486
+ "epoch": 3.3995157384987893,
2487
+ "grad_norm": 23443.76171875,
2488
+ "learning_rate": 0.00010177989059014506,
2489
+ "loss": 1.4584,
2490
+ "step": 7020
2491
+ },
2492
+ {
2493
+ "epoch": 3.4092009685230025,
2494
+ "grad_norm": 23103.21484375,
2495
+ "learning_rate": 0.00010114711874830341,
2496
+ "loss": 1.4851,
2497
+ "step": 7040
2498
+ },
2499
+ {
2500
+ "epoch": 3.4188861985472156,
2501
+ "grad_norm": 22541.734375,
2502
+ "learning_rate": 0.000100514980618869,
2503
+ "loss": 1.4548,
2504
+ "step": 7060
2505
+ },
2506
+ {
2507
+ "epoch": 3.4285714285714284,
2508
+ "grad_norm": 22749.80859375,
2509
+ "learning_rate": 9.98834929961976e-05,
2510
+ "loss": 1.4549,
2511
+ "step": 7080
2512
+ },
2513
+ {
2514
+ "epoch": 3.4382566585956416,
2515
+ "grad_norm": 23102.17578125,
2516
+ "learning_rate": 9.925267265736272e-05,
2517
+ "loss": 1.4624,
2518
+ "step": 7100
2519
+ },
2520
+ {
2521
+ "epoch": 3.4479418886198547,
2522
+ "grad_norm": 23449.322265625,
2523
+ "learning_rate": 9.862253636170969e-05,
2524
+ "loss": 1.4667,
2525
+ "step": 7120
2526
+ },
2527
+ {
2528
+ "epoch": 3.457627118644068,
2529
+ "grad_norm": 23310.16796875,
2530
+ "learning_rate": 9.799310085041067e-05,
2531
+ "loss": 1.4507,
2532
+ "step": 7140
2533
+ },
2534
+ {
2535
+ "epoch": 3.4673123486682806,
2536
+ "grad_norm": 22960.3359375,
2537
+ "learning_rate": 9.736438284601945e-05,
2538
+ "loss": 1.4638,
2539
+ "step": 7160
2540
+ },
2541
+ {
2542
+ "epoch": 3.476997578692494,
2543
+ "grad_norm": 22814.646484375,
2544
+ "learning_rate": 9.673639905202767e-05,
2545
+ "loss": 1.4781,
2546
+ "step": 7180
2547
+ },
2548
+ {
2549
+ "epoch": 3.486682808716707,
2550
+ "grad_norm": 23904.546875,
2551
+ "learning_rate": 9.610916615242065e-05,
2552
+ "loss": 1.4896,
2553
+ "step": 7200
2554
+ },
2555
+ {
2556
+ "epoch": 3.49636803874092,
2557
+ "grad_norm": 23039.208984375,
2558
+ "learning_rate": 9.548270081123435e-05,
2559
+ "loss": 1.4814,
2560
+ "step": 7220
2561
+ },
2562
+ {
2563
+ "epoch": 3.5060532687651333,
2564
+ "grad_norm": 22747.76953125,
2565
+ "learning_rate": 9.485701967211252e-05,
2566
+ "loss": 1.4769,
2567
+ "step": 7240
2568
+ },
2569
+ {
2570
+ "epoch": 3.5157384987893465,
2571
+ "grad_norm": 22856.48046875,
2572
+ "learning_rate": 9.423213935786475e-05,
2573
+ "loss": 1.441,
2574
+ "step": 7260
2575
+ },
2576
+ {
2577
+ "epoch": 3.5254237288135593,
2578
+ "grad_norm": 23558.5703125,
2579
+ "learning_rate": 9.360807647002456e-05,
2580
+ "loss": 1.4681,
2581
+ "step": 7280
2582
+ },
2583
+ {
2584
+ "epoch": 3.5351089588377724,
2585
+ "grad_norm": 23130.669921875,
2586
+ "learning_rate": 9.298484758840841e-05,
2587
+ "loss": 1.4761,
2588
+ "step": 7300
2589
+ },
2590
+ {
2591
+ "epoch": 3.5447941888619856,
2592
+ "grad_norm": 24560.3671875,
2593
+ "learning_rate": 9.236246927067541e-05,
2594
+ "loss": 1.453,
2595
+ "step": 7320
2596
+ },
2597
+ {
2598
+ "epoch": 3.5544794188861983,
2599
+ "grad_norm": 21904.98828125,
2600
+ "learning_rate": 9.174095805188716e-05,
2601
+ "loss": 1.4749,
2602
+ "step": 7340
2603
+ },
2604
+ {
2605
+ "epoch": 3.5641646489104115,
2606
+ "grad_norm": 23770.59375,
2607
+ "learning_rate": 9.112033044406864e-05,
2608
+ "loss": 1.4812,
2609
+ "step": 7360
2610
+ },
2611
+ {
2612
+ "epoch": 3.5738498789346247,
2613
+ "grad_norm": 23279.59375,
2614
+ "learning_rate": 9.050060293576939e-05,
2615
+ "loss": 1.4882,
2616
+ "step": 7380
2617
+ },
2618
+ {
2619
+ "epoch": 3.583535108958838,
2620
+ "grad_norm": 23344.140625,
2621
+ "learning_rate": 8.988179199162566e-05,
2622
+ "loss": 1.4636,
2623
+ "step": 7400
2624
+ },
2625
+ {
2626
+ "epoch": 3.593220338983051,
2627
+ "grad_norm": 23247.091796875,
2628
+ "learning_rate": 8.926391405192267e-05,
2629
+ "loss": 1.4512,
2630
+ "step": 7420
2631
+ },
2632
+ {
2633
+ "epoch": 3.6029055690072638,
2634
+ "grad_norm": 21753.65625,
2635
+ "learning_rate": 8.864698553215814e-05,
2636
+ "loss": 1.4533,
2637
+ "step": 7440
2638
+ },
2639
+ {
2640
+ "epoch": 3.612590799031477,
2641
+ "grad_norm": 22483.693359375,
2642
+ "learning_rate": 8.803102282260589e-05,
2643
+ "loss": 1.4753,
2644
+ "step": 7460
2645
+ },
2646
+ {
2647
+ "epoch": 3.62227602905569,
2648
+ "grad_norm": 22799.876953125,
2649
+ "learning_rate": 8.741604228788075e-05,
2650
+ "loss": 1.4642,
2651
+ "step": 7480
2652
+ },
2653
+ {
2654
+ "epoch": 3.6319612590799033,
2655
+ "grad_norm": 23163.68359375,
2656
+ "learning_rate": 8.680206026650339e-05,
2657
+ "loss": 1.4708,
2658
+ "step": 7500
2659
+ },
2660
+ {
2661
+ "epoch": 3.641646489104116,
2662
+ "grad_norm": 23936.05859375,
2663
+ "learning_rate": 8.618909307046653e-05,
2664
+ "loss": 1.4539,
2665
+ "step": 7520
2666
+ },
2667
+ {
2668
+ "epoch": 3.651331719128329,
2669
+ "grad_norm": 23241.9296875,
2670
+ "learning_rate": 8.557715698480143e-05,
2671
+ "loss": 1.4649,
2672
+ "step": 7540
2673
+ },
2674
+ {
2675
+ "epoch": 3.6610169491525424,
2676
+ "grad_norm": 23629.263671875,
2677
+ "learning_rate": 8.496626826714531e-05,
2678
+ "loss": 1.4557,
2679
+ "step": 7560
2680
+ },
2681
+ {
2682
+ "epoch": 3.6707021791767556,
2683
+ "grad_norm": 23376.841796875,
2684
+ "learning_rate": 8.435644314730938e-05,
2685
+ "loss": 1.4673,
2686
+ "step": 7580
2687
+ },
2688
+ {
2689
+ "epoch": 3.6803874092009687,
2690
+ "grad_norm": 22871.7109375,
2691
+ "learning_rate": 8.374769782684773e-05,
2692
+ "loss": 1.4631,
2693
+ "step": 7600
2694
+ },
2695
+ {
2696
+ "epoch": 3.6900726392251815,
2697
+ "grad_norm": 23451.91015625,
2698
+ "learning_rate": 8.314004847862673e-05,
2699
+ "loss": 1.4627,
2700
+ "step": 7620
2701
+ },
2702
+ {
2703
+ "epoch": 3.6997578692493946,
2704
+ "grad_norm": 23424.052734375,
2705
+ "learning_rate": 8.253351124639558e-05,
2706
+ "loss": 1.4584,
2707
+ "step": 7640
2708
+ },
2709
+ {
2710
+ "epoch": 3.709443099273608,
2711
+ "grad_norm": 22764.947265625,
2712
+ "learning_rate": 8.192810224435712e-05,
2713
+ "loss": 1.4528,
2714
+ "step": 7660
2715
+ },
2716
+ {
2717
+ "epoch": 3.7191283292978206,
2718
+ "grad_norm": 22589.41796875,
2719
+ "learning_rate": 8.132383755674016e-05,
2720
+ "loss": 1.4682,
2721
+ "step": 7680
2722
+ },
2723
+ {
2724
+ "epoch": 3.7288135593220337,
2725
+ "grad_norm": 23351.953125,
2726
+ "learning_rate": 8.072073323737159e-05,
2727
+ "loss": 1.4411,
2728
+ "step": 7700
2729
+ },
2730
+ {
2731
+ "epoch": 3.738498789346247,
2732
+ "grad_norm": 22695.3671875,
2733
+ "learning_rate": 8.011880530925039e-05,
2734
+ "loss": 1.4492,
2735
+ "step": 7720
2736
+ },
2737
+ {
2738
+ "epoch": 3.74818401937046,
2739
+ "grad_norm": 21512.86328125,
2740
+ "learning_rate": 7.95180697641216e-05,
2741
+ "loss": 1.4757,
2742
+ "step": 7740
2743
+ },
2744
+ {
2745
+ "epoch": 3.7578692493946733,
2746
+ "grad_norm": 22935.53515625,
2747
+ "learning_rate": 7.891854256205163e-05,
2748
+ "loss": 1.4728,
2749
+ "step": 7760
2750
+ },
2751
+ {
2752
+ "epoch": 3.7675544794188864,
2753
+ "grad_norm": 22689.78515625,
2754
+ "learning_rate": 7.832023963100411e-05,
2755
+ "loss": 1.4417,
2756
+ "step": 7780
2757
+ },
2758
+ {
2759
+ "epoch": 3.777239709443099,
2760
+ "grad_norm": 23530.470703125,
2761
+ "learning_rate": 7.772317686641694e-05,
2762
+ "loss": 1.4589,
2763
+ "step": 7800
2764
+ },
2765
+ {
2766
+ "epoch": 3.7869249394673123,
2767
+ "grad_norm": 22977.953125,
2768
+ "learning_rate": 7.712737013077975e-05,
2769
+ "loss": 1.4852,
2770
+ "step": 7820
2771
+ },
2772
+ {
2773
+ "epoch": 3.7966101694915255,
2774
+ "grad_norm": 23867.453125,
2775
+ "learning_rate": 7.65328352532125e-05,
2776
+ "loss": 1.4483,
2777
+ "step": 7840
2778
+ },
2779
+ {
2780
+ "epoch": 3.8062953995157383,
2781
+ "grad_norm": 22584.416015625,
2782
+ "learning_rate": 7.593958802904518e-05,
2783
+ "loss": 1.4354,
2784
+ "step": 7860
2785
+ },
2786
+ {
2787
+ "epoch": 3.8159806295399514,
2788
+ "grad_norm": 23780.7421875,
2789
+ "learning_rate": 7.534764421939781e-05,
2790
+ "loss": 1.4357,
2791
+ "step": 7880
2792
+ },
2793
+ {
2794
+ "epoch": 3.8256658595641646,
2795
+ "grad_norm": 23866.923828125,
2796
+ "learning_rate": 7.475701955076211e-05,
2797
+ "loss": 1.4501,
2798
+ "step": 7900
2799
+ },
2800
+ {
2801
+ "epoch": 3.835351089588378,
2802
+ "grad_norm": 22772.931640625,
2803
+ "learning_rate": 7.416772971458322e-05,
2804
+ "loss": 1.4663,
2805
+ "step": 7920
2806
+ },
2807
+ {
2808
+ "epoch": 3.845036319612591,
2809
+ "grad_norm": 23141.791015625,
2810
+ "learning_rate": 7.357979036684328e-05,
2811
+ "loss": 1.4693,
2812
+ "step": 7940
2813
+ },
2814
+ {
2815
+ "epoch": 3.854721549636804,
2816
+ "grad_norm": 23062.45703125,
2817
+ "learning_rate": 7.299321712764511e-05,
2818
+ "loss": 1.4475,
2819
+ "step": 7960
2820
+ },
2821
+ {
2822
+ "epoch": 3.864406779661017,
2823
+ "grad_norm": 24064.677734375,
2824
+ "learning_rate": 7.240802558079748e-05,
2825
+ "loss": 1.4603,
2826
+ "step": 7980
2827
+ },
2828
+ {
2829
+ "epoch": 3.87409200968523,
2830
+ "grad_norm": 22930.720703125,
2831
+ "learning_rate": 7.182423127340095e-05,
2832
+ "loss": 1.464,
2833
+ "step": 8000
2834
+ },
2835
+ {
2836
+ "epoch": 3.883777239709443,
2837
+ "grad_norm": 23697.5078125,
2838
+ "learning_rate": 7.124184971543498e-05,
2839
+ "loss": 1.4459,
2840
+ "step": 8020
2841
+ },
2842
+ {
2843
+ "epoch": 3.893462469733656,
2844
+ "grad_norm": 24109.576171875,
2845
+ "learning_rate": 7.066089637934544e-05,
2846
+ "loss": 1.4535,
2847
+ "step": 8040
2848
+ },
2849
+ {
2850
+ "epoch": 3.903147699757869,
2851
+ "grad_norm": 23500.8828125,
2852
+ "learning_rate": 7.008138669963429e-05,
2853
+ "loss": 1.4667,
2854
+ "step": 8060
2855
+ },
2856
+ {
2857
+ "epoch": 3.9128329297820823,
2858
+ "grad_norm": 23778.361328125,
2859
+ "learning_rate": 6.950333607244871e-05,
2860
+ "loss": 1.452,
2861
+ "step": 8080
2862
+ },
2863
+ {
2864
+ "epoch": 3.9225181598062955,
2865
+ "grad_norm": 23772.0390625,
2866
+ "learning_rate": 6.892675985517266e-05,
2867
+ "loss": 1.4577,
2868
+ "step": 8100
2869
+ },
2870
+ {
2871
+ "epoch": 3.9322033898305087,
2872
+ "grad_norm": 23144.919921875,
2873
+ "learning_rate": 6.835167336601858e-05,
2874
+ "loss": 1.4582,
2875
+ "step": 8120
2876
+ },
2877
+ {
2878
+ "epoch": 3.9418886198547214,
2879
+ "grad_norm": 22843.3359375,
2880
+ "learning_rate": 6.777809188362055e-05,
2881
+ "loss": 1.4271,
2882
+ "step": 8140
2883
+ },
2884
+ {
2885
+ "epoch": 3.9515738498789346,
2886
+ "grad_norm": 22616.12109375,
2887
+ "learning_rate": 6.720603064662815e-05,
2888
+ "loss": 1.468,
2889
+ "step": 8160
2890
+ },
2891
+ {
2892
+ "epoch": 3.9612590799031477,
2893
+ "grad_norm": 23048.416015625,
2894
+ "learning_rate": 6.663550485330208e-05,
2895
+ "loss": 1.4589,
2896
+ "step": 8180
2897
+ },
2898
+ {
2899
+ "epoch": 3.970944309927361,
2900
+ "grad_norm": 22679.080078125,
2901
+ "learning_rate": 6.606652966110976e-05,
2902
+ "loss": 1.462,
2903
+ "step": 8200
2904
+ },
2905
+ {
2906
+ "epoch": 3.9806295399515736,
2907
+ "grad_norm": 23641.685546875,
2908
+ "learning_rate": 6.549912018632315e-05,
2909
+ "loss": 1.4738,
2910
+ "step": 8220
2911
+ },
2912
+ {
2913
+ "epoch": 3.990314769975787,
2914
+ "grad_norm": 23642.755859375,
2915
+ "learning_rate": 6.49332915036169e-05,
2916
+ "loss": 1.4452,
2917
+ "step": 8240
2918
+ },
2919
+ {
2920
+ "epoch": 4.0,
2921
+ "grad_norm": 32288.595703125,
2922
+ "learning_rate": 6.436905864566786e-05,
2923
+ "loss": 1.4415,
2924
+ "step": 8260
2925
+ },
2926
+ {
2927
+ "epoch": 4.0,
2928
+ "eval_loss": 1.770790696144104,
2929
+ "eval_runtime": 80.4378,
2930
+ "eval_samples_per_second": 101.843,
2931
+ "eval_steps_per_second": 6.365,
2932
+ "step": 8260
2933
+ },
2934
+ {
2935
+ "epoch": 4.009685230024213,
2936
+ "grad_norm": 23637.123046875,
2937
+ "learning_rate": 6.380643660275581e-05,
2938
+ "loss": 1.4146,
2939
+ "step": 8280
2940
+ },
2941
+ {
2942
+ "epoch": 4.019370460048426,
2943
+ "grad_norm": 24951.95703125,
2944
+ "learning_rate": 6.324544032236513e-05,
2945
+ "loss": 1.4087,
2946
+ "step": 8300
2947
+ },
2948
+ {
2949
+ "epoch": 4.0290556900726395,
2950
+ "grad_norm": 23699.55859375,
2951
+ "learning_rate": 6.268608470878753e-05,
2952
+ "loss": 1.416,
2953
+ "step": 8320
2954
+ },
2955
+ {
2956
+ "epoch": 4.038740920096853,
2957
+ "grad_norm": 22902.447265625,
2958
+ "learning_rate": 6.212838462272646e-05,
2959
+ "loss": 1.4104,
2960
+ "step": 8340
2961
+ },
2962
+ {
2963
+ "epoch": 4.048426150121065,
2964
+ "grad_norm": 24398.580078125,
2965
+ "learning_rate": 6.157235488090201e-05,
2966
+ "loss": 1.4258,
2967
+ "step": 8360
2968
+ },
2969
+ {
2970
+ "epoch": 4.058111380145278,
2971
+ "grad_norm": 23907.951171875,
2972
+ "learning_rate": 6.101801025565712e-05,
2973
+ "loss": 1.4119,
2974
+ "step": 8380
2975
+ },
2976
+ {
2977
+ "epoch": 4.067796610169491,
2978
+ "grad_norm": 23889.99609375,
2979
+ "learning_rate": 6.0465365474565716e-05,
2980
+ "loss": 1.4051,
2981
+ "step": 8400
2982
+ },
2983
+ {
2984
+ "epoch": 4.0774818401937045,
2985
+ "grad_norm": 23313.353515625,
2986
+ "learning_rate": 5.99144352200407e-05,
2987
+ "loss": 1.4179,
2988
+ "step": 8420
2989
+ },
2990
+ {
2991
+ "epoch": 4.087167070217918,
2992
+ "grad_norm": 24557.546875,
2993
+ "learning_rate": 5.936523412894436e-05,
2994
+ "loss": 1.4233,
2995
+ "step": 8440
2996
+ },
2997
+ {
2998
+ "epoch": 4.096852300242131,
2999
+ "grad_norm": 22594.201171875,
3000
+ "learning_rate": 5.8817776792199394e-05,
3001
+ "loss": 1.3969,
3002
+ "step": 8460
3003
+ },
3004
+ {
3005
+ "epoch": 4.106537530266344,
3006
+ "grad_norm": 24005.357421875,
3007
+ "learning_rate": 5.827207775440121e-05,
3008
+ "loss": 1.424,
3009
+ "step": 8480
3010
+ },
3011
+ {
3012
+ "epoch": 4.116222760290557,
3013
+ "grad_norm": 23564.451171875,
3014
+ "learning_rate": 5.7728151513431386e-05,
3015
+ "loss": 1.4129,
3016
+ "step": 8500
3017
+ },
3018
+ {
3019
+ "epoch": 4.12590799031477,
3020
+ "grad_norm": 23800.048828125,
3021
+ "learning_rate": 5.718601252007297e-05,
3022
+ "loss": 1.4103,
3023
+ "step": 8520
3024
+ },
3025
+ {
3026
+ "epoch": 4.135593220338983,
3027
+ "grad_norm": 24133.126953125,
3028
+ "learning_rate": 5.664567517762591e-05,
3029
+ "loss": 1.3921,
3030
+ "step": 8540
3031
+ },
3032
+ {
3033
+ "epoch": 4.145278450363196,
3034
+ "grad_norm": 24567.544921875,
3035
+ "learning_rate": 5.6107153841524884e-05,
3036
+ "loss": 1.4219,
3037
+ "step": 8560
3038
+ },
3039
+ {
3040
+ "epoch": 4.154963680387409,
3041
+ "grad_norm": 24775.46484375,
3042
+ "learning_rate": 5.5570462818957724e-05,
3043
+ "loss": 1.4341,
3044
+ "step": 8580
3045
+ },
3046
+ {
3047
+ "epoch": 4.164648910411622,
3048
+ "grad_norm": 23503.759765625,
3049
+ "learning_rate": 5.503561636848532e-05,
3050
+ "loss": 1.4015,
3051
+ "step": 8600
3052
+ },
3053
+ {
3054
+ "epoch": 4.174334140435835,
3055
+ "grad_norm": 24240.171875,
3056
+ "learning_rate": 5.450262869966284e-05,
3057
+ "loss": 1.4086,
3058
+ "step": 8620
3059
+ },
3060
+ {
3061
+ "epoch": 4.184019370460049,
3062
+ "grad_norm": 24000.994140625,
3063
+ "learning_rate": 5.39715139726622e-05,
3064
+ "loss": 1.4259,
3065
+ "step": 8640
3066
+ },
3067
+ {
3068
+ "epoch": 4.193704600484262,
3069
+ "grad_norm": 24607.486328125,
3070
+ "learning_rate": 5.344228629789576e-05,
3071
+ "loss": 1.4231,
3072
+ "step": 8660
3073
+ },
3074
+ {
3075
+ "epoch": 4.203389830508475,
3076
+ "grad_norm": 23189.291015625,
3077
+ "learning_rate": 5.2914959735641615e-05,
3078
+ "loss": 1.4147,
3079
+ "step": 8680
3080
+ },
3081
+ {
3082
+ "epoch": 4.213075060532688,
3083
+ "grad_norm": 24377.232421875,
3084
+ "learning_rate": 5.2389548295670025e-05,
3085
+ "loss": 1.4339,
3086
+ "step": 8700
3087
+ },
3088
+ {
3089
+ "epoch": 4.2227602905569,
3090
+ "grad_norm": 24433.779296875,
3091
+ "learning_rate": 5.186606593687108e-05,
3092
+ "loss": 1.4262,
3093
+ "step": 8720
3094
+ },
3095
+ {
3096
+ "epoch": 4.232445520581114,
3097
+ "grad_norm": 23582.181640625,
3098
+ "learning_rate": 5.1344526566883956e-05,
3099
+ "loss": 1.4077,
3100
+ "step": 8740
3101
+ },
3102
+ {
3103
+ "epoch": 4.242130750605327,
3104
+ "grad_norm": 25007.513671875,
3105
+ "learning_rate": 5.0824944041727454e-05,
3106
+ "loss": 1.4367,
3107
+ "step": 8760
3108
+ },
3109
+ {
3110
+ "epoch": 4.25181598062954,
3111
+ "grad_norm": 24770.048828125,
3112
+ "learning_rate": 5.03073321654316e-05,
3113
+ "loss": 1.4177,
3114
+ "step": 8780
3115
+ },
3116
+ {
3117
+ "epoch": 4.261501210653753,
3118
+ "grad_norm": 25056.267578125,
3119
+ "learning_rate": 4.979170468967147e-05,
3120
+ "loss": 1.3832,
3121
+ "step": 8800
3122
+ },
3123
+ {
3124
+ "epoch": 4.271186440677966,
3125
+ "grad_norm": 24481.013671875,
3126
+ "learning_rate": 4.927807531340117e-05,
3127
+ "loss": 1.4147,
3128
+ "step": 8820
3129
+ },
3130
+ {
3131
+ "epoch": 4.280871670702179,
3132
+ "grad_norm": 24051.68359375,
3133
+ "learning_rate": 4.876645768249041e-05,
3134
+ "loss": 1.4008,
3135
+ "step": 8840
3136
+ },
3137
+ {
3138
+ "epoch": 4.290556900726393,
3139
+ "grad_norm": 24212.099609375,
3140
+ "learning_rate": 4.8256865389361706e-05,
3141
+ "loss": 1.4114,
3142
+ "step": 8860
3143
+ },
3144
+ {
3145
+ "epoch": 4.300242130750606,
3146
+ "grad_norm": 25547.14453125,
3147
+ "learning_rate": 4.7749311972629384e-05,
3148
+ "loss": 1.4142,
3149
+ "step": 8880
3150
+ },
3151
+ {
3152
+ "epoch": 4.309927360774818,
3153
+ "grad_norm": 23958.912109375,
3154
+ "learning_rate": 4.724381091673971e-05,
3155
+ "loss": 1.4104,
3156
+ "step": 8900
3157
+ },
3158
+ {
3159
+ "epoch": 4.319612590799031,
3160
+ "grad_norm": 24919.2109375,
3161
+ "learning_rate": 4.67403756516129e-05,
3162
+ "loss": 1.4538,
3163
+ "step": 8920
3164
+ },
3165
+ {
3166
+ "epoch": 4.329297820823244,
3167
+ "grad_norm": 24212.537109375,
3168
+ "learning_rate": 4.623901955228613e-05,
3169
+ "loss": 1.4024,
3170
+ "step": 8940
3171
+ },
3172
+ {
3173
+ "epoch": 4.338983050847458,
3174
+ "grad_norm": 24536.51171875,
3175
+ "learning_rate": 4.5739755938558254e-05,
3176
+ "loss": 1.4299,
3177
+ "step": 8960
3178
+ },
3179
+ {
3180
+ "epoch": 4.348668280871671,
3181
+ "grad_norm": 24794.212890625,
3182
+ "learning_rate": 4.524259807463599e-05,
3183
+ "loss": 1.4399,
3184
+ "step": 8980
3185
+ },
3186
+ {
3187
+ "epoch": 4.358353510895884,
3188
+ "grad_norm": 25787.669921875,
3189
+ "learning_rate": 4.474755916878129e-05,
3190
+ "loss": 1.4189,
3191
+ "step": 9000
3192
+ },
3193
+ {
3194
+ "epoch": 4.368038740920097,
3195
+ "grad_norm": 23615.771484375,
3196
+ "learning_rate": 4.425465237296086e-05,
3197
+ "loss": 1.418,
3198
+ "step": 9020
3199
+ },
3200
+ {
3201
+ "epoch": 4.37772397094431,
3202
+ "grad_norm": 24767.77734375,
3203
+ "learning_rate": 4.376389078249625e-05,
3204
+ "loss": 1.404,
3205
+ "step": 9040
3206
+ },
3207
+ {
3208
+ "epoch": 4.387409200968523,
3209
+ "grad_norm": 24704.08203125,
3210
+ "learning_rate": 4.327528743571628e-05,
3211
+ "loss": 1.4174,
3212
+ "step": 9060
3213
+ },
3214
+ {
3215
+ "epoch": 4.397094430992736,
3216
+ "grad_norm": 24048.658203125,
3217
+ "learning_rate": 4.278885531361057e-05,
3218
+ "loss": 1.3919,
3219
+ "step": 9080
3220
+ },
3221
+ {
3222
+ "epoch": 4.406779661016949,
3223
+ "grad_norm": 25206.869140625,
3224
+ "learning_rate": 4.23046073394846e-05,
3225
+ "loss": 1.3984,
3226
+ "step": 9100
3227
+ },
3228
+ {
3229
+ "epoch": 4.416464891041162,
3230
+ "grad_norm": 24892.822265625,
3231
+ "learning_rate": 4.1822556378616316e-05,
3232
+ "loss": 1.4442,
3233
+ "step": 9120
3234
+ },
3235
+ {
3236
+ "epoch": 4.426150121065375,
3237
+ "grad_norm": 24921.32421875,
3238
+ "learning_rate": 4.1342715237914676e-05,
3239
+ "loss": 1.4064,
3240
+ "step": 9140
3241
+ },
3242
+ {
3243
+ "epoch": 4.4358353510895885,
3244
+ "grad_norm": 24590.8203125,
3245
+ "learning_rate": 4.086509666557887e-05,
3246
+ "loss": 1.4155,
3247
+ "step": 9160
3248
+ },
3249
+ {
3250
+ "epoch": 4.445520581113802,
3251
+ "grad_norm": 24925.748046875,
3252
+ "learning_rate": 4.038971335076007e-05,
3253
+ "loss": 1.4219,
3254
+ "step": 9180
3255
+ },
3256
+ {
3257
+ "epoch": 4.455205811138015,
3258
+ "grad_norm": 24741.75,
3259
+ "learning_rate": 3.99165779232241e-05,
3260
+ "loss": 1.4338,
3261
+ "step": 9200
3262
+ },
3263
+ {
3264
+ "epoch": 4.464891041162228,
3265
+ "grad_norm": 24244.283203125,
3266
+ "learning_rate": 3.944570295301603e-05,
3267
+ "loss": 1.3914,
3268
+ "step": 9220
3269
+ },
3270
+ {
3271
+ "epoch": 4.47457627118644,
3272
+ "grad_norm": 25211.20703125,
3273
+ "learning_rate": 3.897710095012591e-05,
3274
+ "loss": 1.4175,
3275
+ "step": 9240
3276
+ },
3277
+ {
3278
+ "epoch": 4.4842615012106535,
3279
+ "grad_norm": 25582.3359375,
3280
+ "learning_rate": 3.851078436415699e-05,
3281
+ "loss": 1.4276,
3282
+ "step": 9260
3283
+ },
3284
+ {
3285
+ "epoch": 4.493946731234867,
3286
+ "grad_norm": 24603.0625,
3287
+ "learning_rate": 3.8046765583994266e-05,
3288
+ "loss": 1.4157,
3289
+ "step": 9280
3290
+ },
3291
+ {
3292
+ "epoch": 4.50363196125908,
3293
+ "grad_norm": 24343.216796875,
3294
+ "learning_rate": 3.758505693747588e-05,
3295
+ "loss": 1.3797,
3296
+ "step": 9300
3297
+ },
3298
+ {
3299
+ "epoch": 4.513317191283293,
3300
+ "grad_norm": 24139.00390625,
3301
+ "learning_rate": 3.712567069106537e-05,
3302
+ "loss": 1.4107,
3303
+ "step": 9320
3304
+ },
3305
+ {
3306
+ "epoch": 4.523002421307506,
3307
+ "grad_norm": 23949.1640625,
3308
+ "learning_rate": 3.666861904952579e-05,
3309
+ "loss": 1.4288,
3310
+ "step": 9340
3311
+ },
3312
+ {
3313
+ "epoch": 4.532687651331719,
3314
+ "grad_norm": 25585.533203125,
3315
+ "learning_rate": 3.621391415559547e-05,
3316
+ "loss": 1.4003,
3317
+ "step": 9360
3318
+ },
3319
+ {
3320
+ "epoch": 4.5423728813559325,
3321
+ "grad_norm": 22621.01953125,
3322
+ "learning_rate": 3.576156808966552e-05,
3323
+ "loss": 1.3874,
3324
+ "step": 9380
3325
+ },
3326
+ {
3327
+ "epoch": 4.552058111380145,
3328
+ "grad_norm": 25785.5546875,
3329
+ "learning_rate": 3.531159286945858e-05,
3330
+ "loss": 1.3879,
3331
+ "step": 9400
3332
+ },
3333
+ {
3334
+ "epoch": 4.561743341404358,
3335
+ "grad_norm": 24104.373046875,
3336
+ "learning_rate": 3.4864000449710056e-05,
3337
+ "loss": 1.3973,
3338
+ "step": 9420
3339
+ },
3340
+ {
3341
+ "epoch": 4.571428571428571,
3342
+ "grad_norm": 22850.69921875,
3343
+ "learning_rate": 3.441880272184994e-05,
3344
+ "loss": 1.3965,
3345
+ "step": 9440
3346
+ },
3347
+ {
3348
+ "epoch": 4.581113801452784,
3349
+ "grad_norm": 26524.779296875,
3350
+ "learning_rate": 3.3976011513687174e-05,
3351
+ "loss": 1.4048,
3352
+ "step": 9460
3353
+ },
3354
+ {
3355
+ "epoch": 4.5907990314769975,
3356
+ "grad_norm": 23865.109375,
3357
+ "learning_rate": 3.3535638589095614e-05,
3358
+ "loss": 1.407,
3359
+ "step": 9480
3360
+ },
3361
+ {
3362
+ "epoch": 4.600484261501211,
3363
+ "grad_norm": 24548.216796875,
3364
+ "learning_rate": 3.309769564770099e-05,
3365
+ "loss": 1.3897,
3366
+ "step": 9500
3367
+ },
3368
+ {
3369
+ "epoch": 4.610169491525424,
3370
+ "grad_norm": 25094.4375,
3371
+ "learning_rate": 3.26621943245705e-05,
3372
+ "loss": 1.3838,
3373
+ "step": 9520
3374
+ },
3375
+ {
3376
+ "epoch": 4.619854721549637,
3377
+ "grad_norm": 24432.052734375,
3378
+ "learning_rate": 3.222914618990355e-05,
3379
+ "loss": 1.4314,
3380
+ "step": 9540
3381
+ },
3382
+ {
3383
+ "epoch": 4.62953995157385,
3384
+ "grad_norm": 25639.89453125,
3385
+ "learning_rate": 3.1798562748724305e-05,
3386
+ "loss": 1.3983,
3387
+ "step": 9560
3388
+ },
3389
+ {
3390
+ "epoch": 4.6392251815980625,
3391
+ "grad_norm": 24146.8125,
3392
+ "learning_rate": 3.1370455440576135e-05,
3393
+ "loss": 1.3863,
3394
+ "step": 9580
3395
+ },
3396
+ {
3397
+ "epoch": 4.648910411622276,
3398
+ "grad_norm": 25519.837890625,
3399
+ "learning_rate": 3.0944835639217626e-05,
3400
+ "loss": 1.4279,
3401
+ "step": 9600
3402
+ },
3403
+ {
3404
+ "epoch": 4.658595641646489,
3405
+ "grad_norm": 24983.96875,
3406
+ "learning_rate": 3.052171465232038e-05,
3407
+ "loss": 1.386,
3408
+ "step": 9620
3409
+ },
3410
+ {
3411
+ "epoch": 4.668280871670702,
3412
+ "grad_norm": 24393.400390625,
3413
+ "learning_rate": 3.01011037211687e-05,
3414
+ "loss": 1.4148,
3415
+ "step": 9640
3416
+ },
3417
+ {
3418
+ "epoch": 4.677966101694915,
3419
+ "grad_norm": 23894.32421875,
3420
+ "learning_rate": 2.9683014020360848e-05,
3421
+ "loss": 1.4271,
3422
+ "step": 9660
3423
+ },
3424
+ {
3425
+ "epoch": 4.687651331719128,
3426
+ "grad_norm": 24717.44140625,
3427
+ "learning_rate": 2.9267456657512222e-05,
3428
+ "loss": 1.392,
3429
+ "step": 9680
3430
+ },
3431
+ {
3432
+ "epoch": 4.697336561743342,
3433
+ "grad_norm": 24015.88671875,
3434
+ "learning_rate": 2.8854442672960197e-05,
3435
+ "loss": 1.3698,
3436
+ "step": 9700
3437
+ },
3438
+ {
3439
+ "epoch": 4.707021791767555,
3440
+ "grad_norm": 23817.84765625,
3441
+ "learning_rate": 2.844398303947092e-05,
3442
+ "loss": 1.3823,
3443
+ "step": 9720
3444
+ },
3445
+ {
3446
+ "epoch": 4.716707021791768,
3447
+ "grad_norm": 24519.396484375,
3448
+ "learning_rate": 2.803608866194751e-05,
3449
+ "loss": 1.398,
3450
+ "step": 9740
3451
+ },
3452
+ {
3453
+ "epoch": 4.72639225181598,
3454
+ "grad_norm": 24558.169921875,
3455
+ "learning_rate": 2.763077037714083e-05,
3456
+ "loss": 1.3836,
3457
+ "step": 9760
3458
+ },
3459
+ {
3460
+ "epoch": 4.736077481840193,
3461
+ "grad_norm": 26164.86328125,
3462
+ "learning_rate": 2.722803895336104e-05,
3463
+ "loss": 1.4109,
3464
+ "step": 9780
3465
+ },
3466
+ {
3467
+ "epoch": 4.745762711864407,
3468
+ "grad_norm": 25159.373046875,
3469
+ "learning_rate": 2.682790509019188e-05,
3470
+ "loss": 1.3979,
3471
+ "step": 9800
3472
+ },
3473
+ {
3474
+ "epoch": 4.75544794188862,
3475
+ "grad_norm": 24704.451171875,
3476
+ "learning_rate": 2.643037941820631e-05,
3477
+ "loss": 1.4063,
3478
+ "step": 9820
3479
+ },
3480
+ {
3481
+ "epoch": 4.765133171912833,
3482
+ "grad_norm": 25787.123046875,
3483
+ "learning_rate": 2.603547249868403e-05,
3484
+ "loss": 1.4054,
3485
+ "step": 9840
3486
+ },
3487
+ {
3488
+ "epoch": 4.774818401937046,
3489
+ "grad_norm": 23888.84375,
3490
+ "learning_rate": 2.564319482333083e-05,
3491
+ "loss": 1.3952,
3492
+ "step": 9860
3493
+ },
3494
+ {
3495
+ "epoch": 4.784503631961259,
3496
+ "grad_norm": 25346.701171875,
3497
+ "learning_rate": 2.5253556814000185e-05,
3498
+ "loss": 1.4063,
3499
+ "step": 9880
3500
+ },
3501
+ {
3502
+ "epoch": 4.7941888619854724,
3503
+ "grad_norm": 23120.22265625,
3504
+ "learning_rate": 2.486656882241588e-05,
3505
+ "loss": 1.4066,
3506
+ "step": 9900
3507
+ },
3508
+ {
3509
+ "epoch": 4.803874092009686,
3510
+ "grad_norm": 25356.828125,
3511
+ "learning_rate": 2.44822411298974e-05,
3512
+ "loss": 1.3995,
3513
+ "step": 9920
3514
+ },
3515
+ {
3516
+ "epoch": 4.813559322033898,
3517
+ "grad_norm": 24493.220703125,
3518
+ "learning_rate": 2.410058394708657e-05,
3519
+ "loss": 1.4072,
3520
+ "step": 9940
3521
+ },
3522
+ {
3523
+ "epoch": 4.823244552058111,
3524
+ "grad_norm": 26147.1015625,
3525
+ "learning_rate": 2.372160741367635e-05,
3526
+ "loss": 1.387,
3527
+ "step": 9960
3528
+ },
3529
+ {
3530
+ "epoch": 4.832929782082324,
3531
+ "grad_norm": 24065.044921875,
3532
+ "learning_rate": 2.3345321598141456e-05,
3533
+ "loss": 1.3926,
3534
+ "step": 9980
3535
+ },
3536
+ {
3537
+ "epoch": 4.842615012106537,
3538
+ "grad_norm": 23859.50390625,
3539
+ "learning_rate": 2.297173649747078e-05,
3540
+ "loss": 1.3963,
3541
+ "step": 10000
3542
+ },
3543
+ {
3544
+ "epoch": 4.852300242130751,
3545
+ "grad_norm": 25667.890625,
3546
+ "learning_rate": 2.260086203690191e-05,
3547
+ "loss": 1.3954,
3548
+ "step": 10020
3549
+ },
3550
+ {
3551
+ "epoch": 4.861985472154964,
3552
+ "grad_norm": 24536.416015625,
3553
+ "learning_rate": 2.2232708069657408e-05,
3554
+ "loss": 1.3956,
3555
+ "step": 10040
3556
+ },
3557
+ {
3558
+ "epoch": 4.871670702179177,
3559
+ "grad_norm": 23967.548828125,
3560
+ "learning_rate": 2.1867284376683005e-05,
3561
+ "loss": 1.3783,
3562
+ "step": 10060
3563
+ },
3564
+ {
3565
+ "epoch": 4.88135593220339,
3566
+ "grad_norm": 24748.873046875,
3567
+ "learning_rate": 2.150460066638768e-05,
3568
+ "loss": 1.4089,
3569
+ "step": 10080
3570
+ },
3571
+ {
3572
+ "epoch": 4.891041162227603,
3573
+ "grad_norm": 22691.48046875,
3574
+ "learning_rate": 2.1144666574385975e-05,
3575
+ "loss": 1.3869,
3576
+ "step": 10100
3577
+ },
3578
+ {
3579
+ "epoch": 4.900726392251816,
3580
+ "grad_norm": 25302.451171875,
3581
+ "learning_rate": 2.078749166324166e-05,
3582
+ "loss": 1.4002,
3583
+ "step": 10120
3584
+ },
3585
+ {
3586
+ "epoch": 4.910411622276029,
3587
+ "grad_norm": 22593.49609375,
3588
+ "learning_rate": 2.043308542221395e-05,
3589
+ "loss": 1.388,
3590
+ "step": 10140
3591
+ },
3592
+ {
3593
+ "epoch": 4.920096852300242,
3594
+ "grad_norm": 25526.369140625,
3595
+ "learning_rate": 2.0081457267005276e-05,
3596
+ "loss": 1.4035,
3597
+ "step": 10160
3598
+ },
3599
+ {
3600
+ "epoch": 4.929782082324455,
3601
+ "grad_norm": 25260.529296875,
3602
+ "learning_rate": 1.9732616539511207e-05,
3603
+ "loss": 1.3952,
3604
+ "step": 10180
3605
+ },
3606
+ {
3607
+ "epoch": 4.939467312348668,
3608
+ "grad_norm": 25094.685546875,
3609
+ "learning_rate": 1.9386572507572088e-05,
3610
+ "loss": 1.403,
3611
+ "step": 10200
3612
+ },
3613
+ {
3614
+ "epoch": 4.9491525423728815,
3615
+ "grad_norm": 23909.533203125,
3616
+ "learning_rate": 1.904333436472712e-05,
3617
+ "loss": 1.3848,
3618
+ "step": 10220
3619
+ },
3620
+ {
3621
+ "epoch": 4.958837772397095,
3622
+ "grad_norm": 24657.072265625,
3623
+ "learning_rate": 1.870291122996974e-05,
3624
+ "loss": 1.3988,
3625
+ "step": 10240
3626
+ },
3627
+ {
3628
+ "epoch": 4.968523002421308,
3629
+ "grad_norm": 25486.228515625,
3630
+ "learning_rate": 1.836531214750567e-05,
3631
+ "loss": 1.3707,
3632
+ "step": 10260
3633
+ },
3634
+ {
3635
+ "epoch": 4.978208232445521,
3636
+ "grad_norm": 25137.84765625,
3637
+ "learning_rate": 1.803054608651247e-05,
3638
+ "loss": 1.3997,
3639
+ "step": 10280
3640
+ },
3641
+ {
3642
+ "epoch": 4.987893462469733,
3643
+ "grad_norm": 24991.34375,
3644
+ "learning_rate": 1.76986219409013e-05,
3645
+ "loss": 1.3979,
3646
+ "step": 10300
3647
+ },
3648
+ {
3649
+ "epoch": 4.9975786924939465,
3650
+ "grad_norm": 24823.46484375,
3651
+ "learning_rate": 1.7369548529080555e-05,
3652
+ "loss": 1.3853,
3653
+ "step": 10320
3654
+ },
3655
+ {
3656
+ "epoch": 5.0,
3657
+ "eval_loss": 1.7669711112976074,
3658
+ "eval_runtime": 80.1298,
3659
+ "eval_samples_per_second": 102.234,
3660
+ "eval_steps_per_second": 6.39,
3661
+ "step": 10325
3662
+ }
3663
+ ],
3664
+ "logging_steps": 20,
3665
+ "max_steps": 12390,
3666
+ "num_input_tokens_seen": 0,
3667
+ "num_train_epochs": 6,
3668
+ "save_steps": 500,
3669
+ "stateful_callbacks": {
3670
+ "TrainerControl": {
3671
+ "args": {
3672
+ "should_epoch_stop": false,
3673
+ "should_evaluate": false,
3674
+ "should_log": false,
3675
+ "should_save": true,
3676
+ "should_training_stop": false
3677
+ },
3678
+ "attributes": {}
3679
+ }
3680
+ },
3681
+ "total_flos": 2.544624174956544e+16,
3682
+ "train_batch_size": 64,
3683
+ "trial_name": null,
3684
+ "trial_params": null
3685
+ }
checkpoint-10325/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:e6ff2f320791a6eeccd0da0e3a89e5c2a15c25fbbe5ef19b2fdb29b13bc9a278
3
+ size 5176