{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 6.0,
  "eval_steps": 500,
  "global_step": 1080,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.05555555555555555,
      "grad_norm": 0.49686384201049805,
      "learning_rate": 4.958333333333334e-05,
      "loss": 0.0828,
      "step": 10
    },
    {
      "epoch": 0.1111111111111111,
      "grad_norm": 0.5520921945571899,
      "learning_rate": 4.912037037037037e-05,
      "loss": 0.074,
      "step": 20
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 0.3245736062526703,
      "learning_rate": 4.865740740740741e-05,
      "loss": 0.0576,
      "step": 30
    },
    {
      "epoch": 0.2222222222222222,
      "grad_norm": 0.3899650275707245,
      "learning_rate": 4.819444444444445e-05,
      "loss": 0.065,
      "step": 40
    },
    {
      "epoch": 0.2777777777777778,
      "grad_norm": 0.35350099205970764,
      "learning_rate": 4.773148148148148e-05,
      "loss": 0.055,
      "step": 50
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.30941131711006165,
      "learning_rate": 4.726851851851852e-05,
      "loss": 0.0558,
      "step": 60
    },
    {
      "epoch": 0.3888888888888889,
      "grad_norm": 0.3238453269004822,
      "learning_rate": 4.6805555555555556e-05,
      "loss": 0.0508,
      "step": 70
    },
    {
      "epoch": 0.4444444444444444,
      "grad_norm": 0.4079723656177521,
      "learning_rate": 4.6342592592592595e-05,
      "loss": 0.0488,
      "step": 80
    },
    {
      "epoch": 0.5,
      "grad_norm": 0.27488774061203003,
      "learning_rate": 4.5879629629629635e-05,
      "loss": 0.051,
      "step": 90
    },
    {
      "epoch": 0.5555555555555556,
      "grad_norm": 0.27709904313087463,
      "learning_rate": 4.541666666666667e-05,
      "loss": 0.046,
      "step": 100
    },
    {
      "epoch": 0.6111111111111112,
      "grad_norm": 0.22847816348075867,
      "learning_rate": 4.49537037037037e-05,
      "loss": 0.0439,
      "step": 110
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.23230929672718048,
      "learning_rate": 4.449074074074074e-05,
      "loss": 0.045,
      "step": 120
    },
    {
      "epoch": 0.7222222222222222,
      "grad_norm": 0.19948454201221466,
      "learning_rate": 4.402777777777778e-05,
      "loss": 0.0431,
      "step": 130
    },
    {
      "epoch": 0.7777777777777778,
      "grad_norm": 0.3548349142074585,
      "learning_rate": 4.356481481481482e-05,
      "loss": 0.0442,
      "step": 140
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 0.23642666637897491,
      "learning_rate": 4.3101851851851854e-05,
      "loss": 0.0383,
      "step": 150
    },
    {
      "epoch": 0.8888888888888888,
      "grad_norm": 0.262961208820343,
      "learning_rate": 4.263888888888889e-05,
      "loss": 0.0416,
      "step": 160
    },
    {
      "epoch": 0.9444444444444444,
      "grad_norm": 0.21744681894779205,
      "learning_rate": 4.217592592592593e-05,
      "loss": 0.0427,
      "step": 170
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.2349257618188858,
      "learning_rate": 4.171296296296297e-05,
      "loss": 0.0412,
      "step": 180
    },
    {
      "epoch": 1.0,
      "eval_loss": 0.029657404869794846,
      "eval_runtime": 6.5879,
      "eval_samples_per_second": 48.574,
      "eval_steps_per_second": 3.036,
      "step": 180
    },
    {
      "epoch": 1.0555555555555556,
      "grad_norm": 0.20215728878974915,
      "learning_rate": 4.125e-05,
      "loss": 0.0384,
      "step": 190
    },
    {
      "epoch": 1.1111111111111112,
      "grad_norm": 0.15817931294441223,
      "learning_rate": 4.078703703703704e-05,
      "loss": 0.0409,
      "step": 200
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 0.1944839209318161,
      "learning_rate": 4.032407407407407e-05,
      "loss": 0.04,
      "step": 210
    },
    {
      "epoch": 1.2222222222222223,
      "grad_norm": 0.40207526087760925,
      "learning_rate": 3.986111111111111e-05,
      "loss": 0.0372,
      "step": 220
    },
    {
      "epoch": 1.2777777777777777,
      "grad_norm": 0.27425676584243774,
      "learning_rate": 3.939814814814815e-05,
      "loss": 0.037,
      "step": 230
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 0.148152157664299,
      "learning_rate": 3.8935185185185185e-05,
      "loss": 0.0366,
      "step": 240
    },
    {
      "epoch": 1.3888888888888888,
      "grad_norm": 0.1749790757894516,
      "learning_rate": 3.8472222222222225e-05,
      "loss": 0.0397,
      "step": 250
    },
    {
      "epoch": 1.4444444444444444,
      "grad_norm": 0.25152885913848877,
      "learning_rate": 3.800925925925926e-05,
      "loss": 0.0384,
      "step": 260
    },
    {
      "epoch": 1.5,
      "grad_norm": 0.15564148128032684,
      "learning_rate": 3.75462962962963e-05,
      "loss": 0.0367,
      "step": 270
    },
    {
      "epoch": 1.5555555555555556,
      "grad_norm": 0.277736634016037,
      "learning_rate": 3.708333333333334e-05,
      "loss": 0.0361,
      "step": 280
    },
    {
      "epoch": 1.6111111111111112,
      "grad_norm": 0.1521805077791214,
      "learning_rate": 3.662037037037037e-05,
      "loss": 0.0358,
      "step": 290
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 0.20427845418453217,
      "learning_rate": 3.6157407407407404e-05,
      "loss": 0.0358,
      "step": 300
    },
    {
      "epoch": 1.7222222222222223,
      "grad_norm": 0.1444249451160431,
      "learning_rate": 3.5694444444444444e-05,
      "loss": 0.036,
      "step": 310
    },
    {
      "epoch": 1.7777777777777777,
      "grad_norm": 0.16637395322322845,
      "learning_rate": 3.5231481481481484e-05,
      "loss": 0.0351,
      "step": 320
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 0.19704970717430115,
      "learning_rate": 3.4768518518518524e-05,
      "loss": 0.0338,
      "step": 330
    },
    {
      "epoch": 1.8888888888888888,
      "grad_norm": 0.18837705254554749,
      "learning_rate": 3.430555555555556e-05,
      "loss": 0.0324,
      "step": 340
    },
    {
      "epoch": 1.9444444444444444,
      "grad_norm": 0.2518753111362457,
      "learning_rate": 3.384259259259259e-05,
      "loss": 0.0379,
      "step": 350
    },
    {
      "epoch": 2.0,
      "grad_norm": 0.2375190258026123,
      "learning_rate": 3.337962962962963e-05,
      "loss": 0.0348,
      "step": 360
    },
    {
      "epoch": 2.0,
      "eval_loss": 0.02760537900030613,
      "eval_runtime": 6.5831,
      "eval_samples_per_second": 48.61,
      "eval_steps_per_second": 3.038,
      "step": 360
    },
    {
      "epoch": 2.0555555555555554,
      "grad_norm": 0.13346998393535614,
      "learning_rate": 3.291666666666667e-05,
      "loss": 0.0365,
      "step": 370
    },
    {
      "epoch": 2.111111111111111,
      "grad_norm": 0.21457839012145996,
      "learning_rate": 3.24537037037037e-05,
      "loss": 0.0336,
      "step": 380
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 0.12173231691122055,
      "learning_rate": 3.199074074074074e-05,
      "loss": 0.0341,
      "step": 390
    },
    {
      "epoch": 2.2222222222222223,
      "grad_norm": 0.15279892086982727,
      "learning_rate": 3.1527777777777775e-05,
      "loss": 0.032,
      "step": 400
    },
    {
      "epoch": 2.2777777777777777,
      "grad_norm": 0.18990376591682434,
      "learning_rate": 3.106481481481482e-05,
      "loss": 0.0349,
      "step": 410
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 0.29108214378356934,
      "learning_rate": 3.0601851851851855e-05,
      "loss": 0.0326,
      "step": 420
    },
    {
      "epoch": 2.388888888888889,
      "grad_norm": 0.14332085847854614,
      "learning_rate": 3.0138888888888888e-05,
      "loss": 0.0328,
      "step": 430
    },
    {
      "epoch": 2.4444444444444446,
      "grad_norm": 0.12165053933858871,
      "learning_rate": 2.9675925925925928e-05,
      "loss": 0.0326,
      "step": 440
    },
    {
      "epoch": 2.5,
      "grad_norm": 0.22552748024463654,
      "learning_rate": 2.9212962962962964e-05,
      "loss": 0.0331,
      "step": 450
    },
    {
      "epoch": 2.5555555555555554,
      "grad_norm": 0.3424241244792938,
      "learning_rate": 2.8749999999999997e-05,
      "loss": 0.0325,
      "step": 460
    },
    {
      "epoch": 2.611111111111111,
      "grad_norm": 0.13250669836997986,
      "learning_rate": 2.828703703703704e-05,
      "loss": 0.0315,
      "step": 470
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.15798448026180267,
      "learning_rate": 2.7824074074074074e-05,
      "loss": 0.0315,
      "step": 480
    },
    {
      "epoch": 2.7222222222222223,
      "grad_norm": 0.10952693223953247,
      "learning_rate": 2.7361111111111114e-05,
      "loss": 0.0311,
      "step": 490
    },
    {
      "epoch": 2.7777777777777777,
      "grad_norm": 0.17310163378715515,
      "learning_rate": 2.689814814814815e-05,
      "loss": 0.0326,
      "step": 500
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.14377371966838837,
      "learning_rate": 2.6435185185185187e-05,
      "loss": 0.0332,
      "step": 510
    },
    {
      "epoch": 2.888888888888889,
      "grad_norm": 0.10982959717512131,
      "learning_rate": 2.5972222222222226e-05,
      "loss": 0.0331,
      "step": 520
    },
    {
      "epoch": 2.9444444444444446,
      "grad_norm": 0.1141400933265686,
      "learning_rate": 2.550925925925926e-05,
      "loss": 0.033,
      "step": 530
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.0858101025223732,
      "learning_rate": 2.5046296296296296e-05,
      "loss": 0.032,
      "step": 540
    },
    {
      "epoch": 3.0,
      "eval_loss": 0.027356069535017014,
      "eval_runtime": 6.321,
      "eval_samples_per_second": 50.625,
      "eval_steps_per_second": 3.164,
      "step": 540
    },
    {
      "epoch": 3.0555555555555554,
      "grad_norm": 0.159243643283844,
      "learning_rate": 2.4583333333333332e-05,
      "loss": 0.0299,
      "step": 550
    },
    {
      "epoch": 3.111111111111111,
      "grad_norm": 0.08856271952390671,
      "learning_rate": 2.4120370370370372e-05,
      "loss": 0.0317,
      "step": 560
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 0.13010160624980927,
      "learning_rate": 2.365740740740741e-05,
      "loss": 0.0322,
      "step": 570
    },
    {
      "epoch": 3.2222222222222223,
      "grad_norm": 0.10837047547101974,
      "learning_rate": 2.3194444444444445e-05,
      "loss": 0.0325,
      "step": 580
    },
    {
      "epoch": 3.2777777777777777,
      "grad_norm": 0.17628169059753418,
      "learning_rate": 2.273148148148148e-05,
      "loss": 0.0318,
      "step": 590
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.1559268981218338,
      "learning_rate": 2.2268518518518518e-05,
      "loss": 0.033,
      "step": 600
    },
    {
      "epoch": 3.388888888888889,
      "grad_norm": 0.15573599934577942,
      "learning_rate": 2.1805555555555558e-05,
      "loss": 0.0314,
      "step": 610
    },
    {
      "epoch": 3.4444444444444446,
      "grad_norm": 0.13026462495326996,
      "learning_rate": 2.1342592592592594e-05,
      "loss": 0.0319,
      "step": 620
    },
    {
      "epoch": 3.5,
      "grad_norm": 0.11255809664726257,
      "learning_rate": 2.087962962962963e-05,
      "loss": 0.0306,
      "step": 630
    },
    {
      "epoch": 3.5555555555555554,
      "grad_norm": 0.15510410070419312,
      "learning_rate": 2.0416666666666667e-05,
      "loss": 0.0538,
      "step": 640
    },
    {
      "epoch": 3.611111111111111,
      "grad_norm": 0.10521262139081955,
      "learning_rate": 1.9953703703703704e-05,
      "loss": 0.03,
      "step": 650
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 0.14359714090824127,
      "learning_rate": 1.9490740740740743e-05,
      "loss": 0.0334,
      "step": 660
    },
    {
      "epoch": 3.7222222222222223,
      "grad_norm": 0.11077132821083069,
      "learning_rate": 1.9027777777777776e-05,
      "loss": 0.0299,
      "step": 670
    },
    {
      "epoch": 3.7777777777777777,
      "grad_norm": 0.1317073106765747,
      "learning_rate": 1.8564814814814816e-05,
      "loss": 0.0327,
      "step": 680
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 0.13942557573318481,
      "learning_rate": 1.8101851851851853e-05,
      "loss": 0.0318,
      "step": 690
    },
    {
      "epoch": 3.888888888888889,
      "grad_norm": 0.10866592079401016,
      "learning_rate": 1.763888888888889e-05,
      "loss": 0.0293,
      "step": 700
    },
    {
      "epoch": 3.9444444444444446,
      "grad_norm": 0.10337399691343307,
      "learning_rate": 1.7175925925925926e-05,
      "loss": 0.0306,
      "step": 710
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.08381380140781403,
      "learning_rate": 1.6712962962962962e-05,
      "loss": 0.0306,
      "step": 720
    },
    {
      "epoch": 4.0,
      "eval_loss": 0.02674299106001854,
      "eval_runtime": 6.3173,
      "eval_samples_per_second": 50.655,
      "eval_steps_per_second": 3.166,
      "step": 720
    },
    {
      "epoch": 4.055555555555555,
      "grad_norm": 0.20555126667022705,
      "learning_rate": 1.6250000000000002e-05,
      "loss": 0.0298,
      "step": 730
    },
    {
      "epoch": 4.111111111111111,
      "grad_norm": 0.11750379204750061,
      "learning_rate": 1.578703703703704e-05,
      "loss": 0.0298,
      "step": 740
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 0.11085871607065201,
      "learning_rate": 1.5324074074074075e-05,
      "loss": 0.0305,
      "step": 750
    },
    {
      "epoch": 4.222222222222222,
      "grad_norm": 0.12449198961257935,
      "learning_rate": 1.4861111111111111e-05,
      "loss": 0.03,
      "step": 760
    },
    {
      "epoch": 4.277777777777778,
      "grad_norm": 0.14551545679569244,
      "learning_rate": 1.439814814814815e-05,
      "loss": 0.0308,
      "step": 770
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 0.1231958270072937,
      "learning_rate": 1.3935185185185188e-05,
      "loss": 0.0312,
      "step": 780
    },
    {
      "epoch": 4.388888888888889,
      "grad_norm": 0.1063426211476326,
      "learning_rate": 1.3472222222222222e-05,
      "loss": 0.0298,
      "step": 790
    },
    {
      "epoch": 4.444444444444445,
      "grad_norm": 0.12436050921678543,
      "learning_rate": 1.300925925925926e-05,
      "loss": 0.0315,
      "step": 800
    },
    {
      "epoch": 4.5,
      "grad_norm": 0.13953514397144318,
      "learning_rate": 1.2546296296296297e-05,
      "loss": 0.0314,
      "step": 810
    },
    {
      "epoch": 4.555555555555555,
      "grad_norm": 0.0922839418053627,
      "learning_rate": 1.2083333333333333e-05,
      "loss": 0.0308,
      "step": 820
    },
    {
      "epoch": 4.611111111111111,
      "grad_norm": 0.13846085965633392,
      "learning_rate": 1.162037037037037e-05,
      "loss": 0.0297,
      "step": 830
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 0.07957114279270172,
      "learning_rate": 1.1157407407407408e-05,
      "loss": 0.0298,
      "step": 840
    },
    {
      "epoch": 4.722222222222222,
      "grad_norm": 0.0851704403758049,
      "learning_rate": 1.0694444444444444e-05,
      "loss": 0.0318,
      "step": 850
    },
    {
      "epoch": 4.777777777777778,
      "grad_norm": 0.11411622166633606,
      "learning_rate": 1.0231481481481483e-05,
      "loss": 0.0295,
      "step": 860
    },
    {
      "epoch": 4.833333333333333,
      "grad_norm": 0.10176681727170944,
      "learning_rate": 9.768518518518519e-06,
      "loss": 0.0316,
      "step": 870
    },
    {
      "epoch": 4.888888888888889,
      "grad_norm": 0.0951576679944992,
      "learning_rate": 9.305555555555555e-06,
      "loss": 0.0308,
      "step": 880
    },
    {
      "epoch": 4.944444444444445,
      "grad_norm": 0.08655095100402832,
      "learning_rate": 8.842592592592592e-06,
      "loss": 0.0294,
      "step": 890
    },
    {
      "epoch": 5.0,
      "grad_norm": 0.1173749566078186,
      "learning_rate": 8.37962962962963e-06,
      "loss": 0.0307,
      "step": 900
    },
    {
      "epoch": 5.0,
      "eval_loss": 0.026756376028060913,
      "eval_runtime": 6.4257,
      "eval_samples_per_second": 49.8,
      "eval_steps_per_second": 3.112,
      "step": 900
    },
    {
      "epoch": 5.055555555555555,
      "grad_norm": 0.10281986743211746,
      "learning_rate": 7.916666666666667e-06,
      "loss": 0.0281,
      "step": 910
    },
    {
      "epoch": 5.111111111111111,
      "grad_norm": 0.10464879125356674,
      "learning_rate": 7.453703703703705e-06,
      "loss": 0.0295,
      "step": 920
    },
    {
      "epoch": 5.166666666666667,
      "grad_norm": 0.14110395312309265,
      "learning_rate": 6.990740740740741e-06,
      "loss": 0.0303,
      "step": 930
    },
    {
      "epoch": 5.222222222222222,
      "grad_norm": 0.08916814625263214,
      "learning_rate": 6.5277777777777784e-06,
      "loss": 0.0303,
      "step": 940
    },
    {
      "epoch": 5.277777777777778,
      "grad_norm": 0.08186755329370499,
      "learning_rate": 6.064814814814815e-06,
      "loss": 0.0305,
      "step": 950
    },
    {
      "epoch": 5.333333333333333,
      "grad_norm": 0.10332108289003372,
      "learning_rate": 5.601851851851852e-06,
      "loss": 0.0303,
      "step": 960
    },
    {
      "epoch": 5.388888888888889,
      "grad_norm": 0.09380320459604263,
      "learning_rate": 5.138888888888889e-06,
      "loss": 0.0281,
      "step": 970
    },
    {
      "epoch": 5.444444444444445,
      "grad_norm": 0.1488436758518219,
      "learning_rate": 4.675925925925926e-06,
      "loss": 0.0308,
      "step": 980
    },
    {
      "epoch": 5.5,
      "grad_norm": 0.11125043779611588,
      "learning_rate": 4.212962962962963e-06,
      "loss": 0.0309,
      "step": 990
    },
    {
      "epoch": 5.555555555555555,
      "grad_norm": 0.08724004775285721,
      "learning_rate": 3.75e-06,
      "loss": 0.0318,
      "step": 1000
    },
    {
      "epoch": 5.611111111111111,
      "grad_norm": 0.12417462468147278,
      "learning_rate": 3.287037037037037e-06,
      "loss": 0.0296,
      "step": 1010
    },
    {
      "epoch": 5.666666666666667,
      "grad_norm": 0.08415894210338593,
      "learning_rate": 2.8240740740740743e-06,
      "loss": 0.0311,
      "step": 1020
    },
    {
      "epoch": 5.722222222222222,
      "grad_norm": 0.09413722902536392,
      "learning_rate": 2.361111111111111e-06,
      "loss": 0.0309,
      "step": 1030
    },
    {
      "epoch": 5.777777777777778,
      "grad_norm": 0.08906271308660507,
      "learning_rate": 1.8981481481481482e-06,
      "loss": 0.0331,
      "step": 1040
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 0.2548229992389679,
      "learning_rate": 1.4351851851851853e-06,
      "loss": 0.0325,
      "step": 1050
    },
    {
      "epoch": 5.888888888888889,
      "grad_norm": 0.2592361569404602,
      "learning_rate": 9.722222222222222e-07,
      "loss": 0.0291,
      "step": 1060
    },
    {
      "epoch": 5.944444444444445,
      "grad_norm": 0.13197167217731476,
      "learning_rate": 5.092592592592594e-07,
      "loss": 0.0298,
      "step": 1070
    },
    {
      "epoch": 6.0,
      "grad_norm": 0.0932869166135788,
      "learning_rate": 4.62962962962963e-08,
      "loss": 0.0309,
      "step": 1080
    },
    {
      "epoch": 6.0,
      "eval_loss": 0.026577139273285866,
      "eval_runtime": 6.4249,
      "eval_samples_per_second": 49.806,
      "eval_steps_per_second": 3.113,
      "step": 1080
    }
  ],
  "logging_steps": 10,
  "max_steps": 1080,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 6,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 2397334005596160.0,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}