File size: 24,204 Bytes
4c78e6d
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0,
  "eval_steps": 500,
  "global_step": 78,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "entropy": 1.3164514303207397,
      "epoch": 0.012861736334405145,
      "grad_norm": 1.3205718994140625,
      "learning_rate": 0.0,
      "loss": 2.108562469482422,
      "mean_token_accuracy": 0.5302465185523033,
      "num_tokens": 125343.0,
      "step": 1
    },
    {
      "entropy": 1.3486243188381195,
      "epoch": 0.02572347266881029,
      "grad_norm": 1.291916847229004,
      "learning_rate": 4.166666666666667e-06,
      "loss": 2.126715898513794,
      "mean_token_accuracy": 0.5257277637720108,
      "num_tokens": 254461.0,
      "step": 2
    },
    {
      "entropy": 1.3619738817214966,
      "epoch": 0.03858520900321544,
      "grad_norm": 1.2188917398452759,
      "learning_rate": 8.333333333333334e-06,
      "loss": 2.027977705001831,
      "mean_token_accuracy": 0.53680220246315,
      "num_tokens": 384058.0,
      "step": 3
    },
    {
      "entropy": 1.4663979560136795,
      "epoch": 0.05144694533762058,
      "grad_norm": 0.9349287152290344,
      "learning_rate": 1.25e-05,
      "loss": 1.9901375770568848,
      "mean_token_accuracy": 0.5396364852786064,
      "num_tokens": 512679.0,
      "step": 4
    },
    {
      "entropy": 1.6146472543478012,
      "epoch": 0.06430868167202572,
      "grad_norm": 0.6370308995246887,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 1.9074194431304932,
      "mean_token_accuracy": 0.5429708510637283,
      "num_tokens": 642851.0,
      "step": 5
    },
    {
      "entropy": 1.7623443454504013,
      "epoch": 0.07717041800643087,
      "grad_norm": 0.41252008080482483,
      "learning_rate": 2.0833333333333336e-05,
      "loss": 1.815047264099121,
      "mean_token_accuracy": 0.557150200009346,
      "num_tokens": 771427.0,
      "step": 6
    },
    {
      "entropy": 1.9809899777173996,
      "epoch": 0.09003215434083602,
      "grad_norm": 0.5013964772224426,
      "learning_rate": 2.5e-05,
      "loss": 1.824620246887207,
      "mean_token_accuracy": 0.5521566867828369,
      "num_tokens": 900229.0,
      "step": 7
    },
    {
      "entropy": 2.035237669944763,
      "epoch": 0.10289389067524116,
      "grad_norm": 0.5846648812294006,
      "learning_rate": 2.916666666666667e-05,
      "loss": 1.767448902130127,
      "mean_token_accuracy": 0.5620294511318207,
      "num_tokens": 1028916.0,
      "step": 8
    },
    {
      "entropy": 1.9594171047210693,
      "epoch": 0.1157556270096463,
      "grad_norm": 0.5288171172142029,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 1.7006888389587402,
      "mean_token_accuracy": 0.5697884187102318,
      "num_tokens": 1157441.0,
      "step": 9
    },
    {
      "entropy": 1.7999890595674515,
      "epoch": 0.12861736334405144,
      "grad_norm": 0.4071674346923828,
      "learning_rate": 3.7500000000000003e-05,
      "loss": 1.625780701637268,
      "mean_token_accuracy": 0.5814985409379005,
      "num_tokens": 1285378.0,
      "step": 10
    },
    {
      "entropy": 1.658578023314476,
      "epoch": 0.1414790996784566,
      "grad_norm": 0.3109852075576782,
      "learning_rate": 4.166666666666667e-05,
      "loss": 1.5975825786590576,
      "mean_token_accuracy": 0.5808091089129448,
      "num_tokens": 1413453.0,
      "step": 11
    },
    {
      "entropy": 1.4805417656898499,
      "epoch": 0.15434083601286175,
      "grad_norm": 0.2870834469795227,
      "learning_rate": 4.5833333333333334e-05,
      "loss": 1.518122673034668,
      "mean_token_accuracy": 0.5996171087026596,
      "num_tokens": 1542982.0,
      "step": 12
    },
    {
      "entropy": 1.3833045214414597,
      "epoch": 0.16720257234726688,
      "grad_norm": 0.27810704708099365,
      "learning_rate": 5e-05,
      "loss": 1.4639174938201904,
      "mean_token_accuracy": 0.6109028086066246,
      "num_tokens": 1672219.0,
      "step": 13
    },
    {
      "entropy": 1.3444313406944275,
      "epoch": 0.18006430868167203,
      "grad_norm": 0.2850067615509033,
      "learning_rate": 4.9997496794168726e-05,
      "loss": 1.4495856761932373,
      "mean_token_accuracy": 0.6085417345166206,
      "num_tokens": 1801169.0,
      "step": 14
    },
    {
      "entropy": 1.3875805139541626,
      "epoch": 0.19292604501607716,
      "grad_norm": 0.22854836285114288,
      "learning_rate": 4.998998767795805e-05,
      "loss": 1.4494396448135376,
      "mean_token_accuracy": 0.6096145436167717,
      "num_tokens": 1929597.0,
      "step": 15
    },
    {
      "entropy": 1.4042701870203018,
      "epoch": 0.2057877813504823,
      "grad_norm": 0.25544342398643494,
      "learning_rate": 4.9977474155117045e-05,
      "loss": 1.4276520013809204,
      "mean_token_accuracy": 0.6092700362205505,
      "num_tokens": 2058901.0,
      "step": 16
    },
    {
      "entropy": 1.3920131623744965,
      "epoch": 0.21864951768488747,
      "grad_norm": 0.2532227039337158,
      "learning_rate": 4.995995873155958e-05,
      "loss": 1.372622013092041,
      "mean_token_accuracy": 0.6218594387173653,
      "num_tokens": 2188340.0,
      "step": 17
    },
    {
      "entropy": 1.4117262363433838,
      "epoch": 0.2315112540192926,
      "grad_norm": 0.23465679585933685,
      "learning_rate": 4.99374449148625e-05,
      "loss": 1.3505568504333496,
      "mean_token_accuracy": 0.6291927620768547,
      "num_tokens": 2317737.0,
      "step": 18
    },
    {
      "entropy": 1.39142644405365,
      "epoch": 0.24437299035369775,
      "grad_norm": 0.1970938742160797,
      "learning_rate": 4.9909937213563165e-05,
      "loss": 1.3315509557724,
      "mean_token_accuracy": 0.6313857734203339,
      "num_tokens": 2447871.0,
      "step": 19
    },
    {
      "entropy": 1.396314412355423,
      "epoch": 0.2572347266881029,
      "grad_norm": 0.19241943955421448,
      "learning_rate": 4.987744113625665e-05,
      "loss": 1.3494808673858643,
      "mean_token_accuracy": 0.6292985901236534,
      "num_tokens": 2575540.0,
      "step": 20
    },
    {
      "entropy": 1.332438975572586,
      "epoch": 0.27009646302250806,
      "grad_norm": 0.19267837703227997,
      "learning_rate": 4.9839963190492576e-05,
      "loss": 1.293985366821289,
      "mean_token_accuracy": 0.640266053378582,
      "num_tokens": 2701365.0,
      "step": 21
    },
    {
      "entropy": 1.3236675560474396,
      "epoch": 0.2829581993569132,
      "grad_norm": 0.18189704418182373,
      "learning_rate": 4.979751088147192e-05,
      "loss": 1.2964701652526855,
      "mean_token_accuracy": 0.6390737816691399,
      "num_tokens": 2830897.0,
      "step": 22
    },
    {
      "entropy": 1.3403686434030533,
      "epoch": 0.2958199356913183,
      "grad_norm": 0.16925957798957825,
      "learning_rate": 4.975009271054409e-05,
      "loss": 1.313760757446289,
      "mean_token_accuracy": 0.6331784650683403,
      "num_tokens": 2960144.0,
      "step": 23
    },
    {
      "entropy": 1.3093593418598175,
      "epoch": 0.3086816720257235,
      "grad_norm": 0.17534375190734863,
      "learning_rate": 4.969771817350445e-05,
      "loss": 1.2865062952041626,
      "mean_token_accuracy": 0.6429941952228546,
      "num_tokens": 3089440.0,
      "step": 24
    },
    {
      "entropy": 1.2958146631717682,
      "epoch": 0.3215434083601286,
      "grad_norm": 0.18624980747699738,
      "learning_rate": 4.9640397758692715e-05,
      "loss": 1.2817679643630981,
      "mean_token_accuracy": 0.6394432112574577,
      "num_tokens": 3217927.0,
      "step": 25
    },
    {
      "entropy": 1.252070963382721,
      "epoch": 0.33440514469453375,
      "grad_norm": 0.16373585164546967,
      "learning_rate": 4.957814294489261e-05,
      "loss": 1.2472319602966309,
      "mean_token_accuracy": 0.6489637866616249,
      "num_tokens": 3347968.0,
      "step": 26
    },
    {
      "entropy": 1.239806517958641,
      "epoch": 0.34726688102893893,
      "grad_norm": 0.15866123139858246,
      "learning_rate": 4.9510966199033174e-05,
      "loss": 1.2464823722839355,
      "mean_token_accuracy": 0.6469453647732735,
      "num_tokens": 3476400.0,
      "step": 27
    },
    {
      "entropy": 1.2075979709625244,
      "epoch": 0.36012861736334406,
      "grad_norm": 0.15684208273887634,
      "learning_rate": 4.943888097369216e-05,
      "loss": 1.2147959470748901,
      "mean_token_accuracy": 0.6535271480679512,
      "num_tokens": 3606524.0,
      "step": 28
    },
    {
      "entropy": 1.2250622063875198,
      "epoch": 0.3729903536977492,
      "grad_norm": 0.16190986335277557,
      "learning_rate": 4.936190170440208e-05,
      "loss": 1.2240623235702515,
      "mean_token_accuracy": 0.652711808681488,
      "num_tokens": 3735020.0,
      "step": 29
    },
    {
      "entropy": 1.2123340517282486,
      "epoch": 0.3858520900321543,
      "grad_norm": 0.16800783574581146,
      "learning_rate": 4.928004380675941e-05,
      "loss": 1.204244613647461,
      "mean_token_accuracy": 0.6567093506455421,
      "num_tokens": 3865295.0,
      "step": 30
    },
    {
      "entropy": 1.2247880101203918,
      "epoch": 0.3987138263665595,
      "grad_norm": 0.14405229687690735,
      "learning_rate": 4.9193323673337476e-05,
      "loss": 1.1991829872131348,
      "mean_token_accuracy": 0.6602997556328773,
      "num_tokens": 3994821.0,
      "step": 31
    },
    {
      "entropy": 1.2614206820726395,
      "epoch": 0.4115755627009646,
      "grad_norm": 0.15460604429244995,
      "learning_rate": 4.910175867040377e-05,
      "loss": 1.216886043548584,
      "mean_token_accuracy": 0.6516416072845459,
      "num_tokens": 4124589.0,
      "step": 32
    },
    {
      "entropy": 1.227910652756691,
      "epoch": 0.42443729903536975,
      "grad_norm": 0.16159985959529877,
      "learning_rate": 4.9005367134442235e-05,
      "loss": 1.2033252716064453,
      "mean_token_accuracy": 0.6573327481746674,
      "num_tokens": 4251091.0,
      "step": 33
    },
    {
      "entropy": 1.2353373318910599,
      "epoch": 0.43729903536977494,
      "grad_norm": 0.14645665884017944,
      "learning_rate": 4.890416836848127e-05,
      "loss": 1.2113966941833496,
      "mean_token_accuracy": 0.6547944620251656,
      "num_tokens": 4381459.0,
      "step": 34
    },
    {
      "entropy": 1.224476620554924,
      "epoch": 0.45016077170418006,
      "grad_norm": 0.14515644311904907,
      "learning_rate": 4.8798182638228166e-05,
      "loss": 1.2142887115478516,
      "mean_token_accuracy": 0.6527992635965347,
      "num_tokens": 4510718.0,
      "step": 35
    },
    {
      "entropy": 1.1847395598888397,
      "epoch": 0.4630225080385852,
      "grad_norm": 0.14294442534446716,
      "learning_rate": 4.868743116801074e-05,
      "loss": 1.1840288639068604,
      "mean_token_accuracy": 0.661017507314682,
      "num_tokens": 4638887.0,
      "step": 36
    },
    {
      "entropy": 1.1811462491750717,
      "epoch": 0.4758842443729904,
      "grad_norm": 0.14014433324337006,
      "learning_rate": 4.857193613652711e-05,
      "loss": 1.1855542659759521,
      "mean_token_accuracy": 0.6628495678305626,
      "num_tokens": 4768654.0,
      "step": 37
    },
    {
      "entropy": 1.1724539399147034,
      "epoch": 0.4887459807073955,
      "grad_norm": 0.13748519122600555,
      "learning_rate": 4.845172067240415e-05,
      "loss": 1.1737499237060547,
      "mean_token_accuracy": 0.6616369336843491,
      "num_tokens": 4897218.0,
      "step": 38
    },
    {
      "entropy": 1.1392606794834137,
      "epoch": 0.5016077170418006,
      "grad_norm": 0.13618677854537964,
      "learning_rate": 4.8326808849565936e-05,
      "loss": 1.1376512050628662,
      "mean_token_accuracy": 0.6733426377177238,
      "num_tokens": 5025378.0,
      "step": 39
    },
    {
      "entropy": 1.1519914269447327,
      "epoch": 0.5144694533762058,
      "grad_norm": 0.3906066119670868,
      "learning_rate": 4.819722568241274e-05,
      "loss": 1.143772840499878,
      "mean_token_accuracy": 0.6695929691195488,
      "num_tokens": 5155612.0,
      "step": 40
    },
    {
      "entropy": 1.1371284574270248,
      "epoch": 0.5273311897106109,
      "grad_norm": 0.13867925107479095,
      "learning_rate": 4.806299712081172e-05,
      "loss": 1.1251044273376465,
      "mean_token_accuracy": 0.6758962124586105,
      "num_tokens": 5284700.0,
      "step": 41
    },
    {
      "entropy": 1.137900173664093,
      "epoch": 0.5401929260450161,
      "grad_norm": 0.1261901706457138,
      "learning_rate": 4.792415004490034e-05,
      "loss": 1.1260221004486084,
      "mean_token_accuracy": 0.6749331429600716,
      "num_tokens": 5414507.0,
      "step": 42
    },
    {
      "entropy": 1.1564348489046097,
      "epoch": 0.5530546623794212,
      "grad_norm": 0.13415029644966125,
      "learning_rate": 4.77807122597034e-05,
      "loss": 1.1496460437774658,
      "mean_token_accuracy": 0.6670970395207405,
      "num_tokens": 5542542.0,
      "step": 43
    },
    {
      "entropy": 1.1538237184286118,
      "epoch": 0.5659163987138264,
      "grad_norm": 0.13376805186271667,
      "learning_rate": 4.7632712489564926e-05,
      "loss": 1.142371416091919,
      "mean_token_accuracy": 0.6690651848912239,
      "num_tokens": 5672067.0,
      "step": 44
    },
    {
      "entropy": 1.1469541490077972,
      "epoch": 0.5787781350482315,
      "grad_norm": 0.1293802261352539,
      "learning_rate": 4.748018037239592e-05,
      "loss": 1.1333601474761963,
      "mean_token_accuracy": 0.6723547354340553,
      "num_tokens": 5800609.0,
      "step": 45
    },
    {
      "entropy": 1.1472823396325111,
      "epoch": 0.5916398713826366,
      "grad_norm": 0.13228115439414978,
      "learning_rate": 4.732314645373921e-05,
      "loss": 1.1329843997955322,
      "mean_token_accuracy": 0.6703030541539192,
      "num_tokens": 5930479.0,
      "step": 46
    },
    {
      "entropy": 1.1718984246253967,
      "epoch": 0.6045016077170418,
      "grad_norm": 0.13948604464530945,
      "learning_rate": 4.7161642180652464e-05,
      "loss": 1.1499552726745605,
      "mean_token_accuracy": 0.6675512716174126,
      "num_tokens": 6059629.0,
      "step": 47
    },
    {
      "entropy": 1.1396477073431015,
      "epoch": 0.617363344051447,
      "grad_norm": 0.1955496221780777,
      "learning_rate": 4.699569989541074e-05,
      "loss": 1.1260184049606323,
      "mean_token_accuracy": 0.6692441701889038,
      "num_tokens": 6188823.0,
      "step": 48
    },
    {
      "entropy": 1.1151351928710938,
      "epoch": 0.6302250803858521,
      "grad_norm": 0.12929458916187286,
      "learning_rate": 4.6825352829029705e-05,
      "loss": 1.113462209701538,
      "mean_token_accuracy": 0.6757279857993126,
      "num_tokens": 6318206.0,
      "step": 49
    },
    {
      "entropy": 1.1347133666276932,
      "epoch": 0.6430868167202572,
      "grad_norm": 0.13723939657211304,
      "learning_rate": 4.665063509461097e-05,
      "loss": 1.1344139575958252,
      "mean_token_accuracy": 0.6683605685830116,
      "num_tokens": 6447361.0,
      "step": 50
    },
    {
      "entropy": 1.1195298731327057,
      "epoch": 0.6559485530546624,
      "grad_norm": 0.13720719516277313,
      "learning_rate": 4.647158168051066e-05,
      "loss": 1.1230884790420532,
      "mean_token_accuracy": 0.6711617782711983,
      "num_tokens": 6575145.0,
      "step": 51
    },
    {
      "entropy": 1.1320514380931854,
      "epoch": 0.6688102893890675,
      "grad_norm": 0.13503903150558472,
      "learning_rate": 4.628822844333278e-05,
      "loss": 1.1332721710205078,
      "mean_token_accuracy": 0.6704861670732498,
      "num_tokens": 6704707.0,
      "step": 52
    },
    {
      "entropy": 1.089632272720337,
      "epoch": 0.6816720257234726,
      "grad_norm": 0.13158641755580902,
      "learning_rate": 4.6100612100748765e-05,
      "loss": 1.0860098600387573,
      "mean_token_accuracy": 0.6809655949473381,
      "num_tokens": 6833251.0,
      "step": 53
    },
    {
      "entropy": 1.0989741384983063,
      "epoch": 0.6945337620578779,
      "grad_norm": 0.1341676563024521,
      "learning_rate": 4.59087702241444e-05,
      "loss": 1.0967470407485962,
      "mean_token_accuracy": 0.6795956119894981,
      "num_tokens": 6962347.0,
      "step": 54
    },
    {
      "entropy": 1.1306142508983612,
      "epoch": 0.707395498392283,
      "grad_norm": 0.13467787206172943,
      "learning_rate": 4.571274123109606e-05,
      "loss": 1.1218006610870361,
      "mean_token_accuracy": 0.671770267188549,
      "num_tokens": 7092228.0,
      "step": 55
    },
    {
      "entropy": 1.1027807146310806,
      "epoch": 0.7202572347266881,
      "grad_norm": 0.13593968749046326,
      "learning_rate": 4.551256437767719e-05,
      "loss": 1.095794439315796,
      "mean_token_accuracy": 0.6783477663993835,
      "num_tokens": 7221530.0,
      "step": 56
    },
    {
      "entropy": 1.107944592833519,
      "epoch": 0.7331189710610932,
      "grad_norm": 0.1346762329339981,
      "learning_rate": 4.530827975059715e-05,
      "loss": 1.1026043891906738,
      "mean_token_accuracy": 0.678081251680851,
      "num_tokens": 7351093.0,
      "step": 57
    },
    {
      "entropy": 1.0734399557113647,
      "epoch": 0.7459807073954984,
      "grad_norm": 0.13501109182834625,
      "learning_rate": 4.5099928259173516e-05,
      "loss": 1.0623465776443481,
      "mean_token_accuracy": 0.6868591457605362,
      "num_tokens": 7480072.0,
      "step": 58
    },
    {
      "entropy": 1.1313968002796173,
      "epoch": 0.7588424437299035,
      "grad_norm": 0.13890723884105682,
      "learning_rate": 4.488755162713975e-05,
      "loss": 1.1160048246383667,
      "mean_token_accuracy": 0.6727871224284172,
      "num_tokens": 7609332.0,
      "step": 59
    },
    {
      "entropy": 1.095849946141243,
      "epoch": 0.7717041800643086,
      "grad_norm": 0.13449780642986298,
      "learning_rate": 4.467119238428975e-05,
      "loss": 1.0761332511901855,
      "mean_token_accuracy": 0.6832353696227074,
      "num_tokens": 7738055.0,
      "step": 60
    },
    {
      "entropy": 1.1199684739112854,
      "epoch": 0.7845659163987139,
      "grad_norm": 0.1393275260925293,
      "learning_rate": 4.445089385796099e-05,
      "loss": 1.103759527206421,
      "mean_token_accuracy": 0.6751135662198067,
      "num_tokens": 7866931.0,
      "step": 61
    },
    {
      "entropy": 1.1070469170808792,
      "epoch": 0.797427652733119,
      "grad_norm": 0.1381961554288864,
      "learning_rate": 4.422670016435792e-05,
      "loss": 1.0982931852340698,
      "mean_token_accuracy": 0.6770086959004402,
      "num_tokens": 7996176.0,
      "step": 62
    },
    {
      "entropy": 1.094884604215622,
      "epoch": 0.8102893890675241,
      "grad_norm": 0.13925445079803467,
      "learning_rate": 4.3998656199717435e-05,
      "loss": 1.0968135595321655,
      "mean_token_accuracy": 0.6778521537780762,
      "num_tokens": 8122564.0,
      "step": 63
    },
    {
      "entropy": 1.1247451156377792,
      "epoch": 0.8231511254019293,
      "grad_norm": 0.1368095874786377,
      "learning_rate": 4.3766807631318106e-05,
      "loss": 1.1230825185775757,
      "mean_token_accuracy": 0.6699690893292427,
      "num_tokens": 8248931.0,
      "step": 64
    },
    {
      "entropy": 1.1110749542713165,
      "epoch": 0.8360128617363344,
      "grad_norm": 0.1357615739107132,
      "learning_rate": 4.353120088833501e-05,
      "loss": 1.1095378398895264,
      "mean_token_accuracy": 0.674089215695858,
      "num_tokens": 8377505.0,
      "step": 65
    },
    {
      "entropy": 1.0629576370120049,
      "epoch": 0.8488745980707395,
      "grad_norm": 0.13470520079135895,
      "learning_rate": 4.329188315254196e-05,
      "loss": 1.0582916736602783,
      "mean_token_accuracy": 0.6866432577371597,
      "num_tokens": 8506057.0,
      "step": 66
    },
    {
      "entropy": 1.093516543507576,
      "epoch": 0.8617363344051447,
      "grad_norm": 0.13414740562438965,
      "learning_rate": 4.3048902348863116e-05,
      "loss": 1.0902202129364014,
      "mean_token_accuracy": 0.6787593588232994,
      "num_tokens": 8634840.0,
      "step": 67
    },
    {
      "entropy": 1.1101883202791214,
      "epoch": 0.8745980707395499,
      "grad_norm": 0.15326927602291107,
      "learning_rate": 4.280230713577564e-05,
      "loss": 1.1111077070236206,
      "mean_token_accuracy": 0.6747671589255333,
      "num_tokens": 8764641.0,
      "step": 68
    },
    {
      "entropy": 1.1037775576114655,
      "epoch": 0.887459807073955,
      "grad_norm": 0.13019205629825592,
      "learning_rate": 4.255214689556557e-05,
      "loss": 1.0991560220718384,
      "mean_token_accuracy": 0.6750917881727219,
      "num_tokens": 8894121.0,
      "step": 69
    },
    {
      "entropy": 1.0799639970064163,
      "epoch": 0.9003215434083601,
      "grad_norm": 0.13600145280361176,
      "learning_rate": 4.229847172443866e-05,
      "loss": 1.0659914016723633,
      "mean_token_accuracy": 0.6862578168511391,
      "num_tokens": 9021109.0,
      "step": 70
    },
    {
      "entropy": 1.0842745453119278,
      "epoch": 0.9131832797427653,
      "grad_norm": 0.13035736978054047,
      "learning_rate": 4.204133242248832e-05,
      "loss": 1.0697667598724365,
      "mean_token_accuracy": 0.6838485077023506,
      "num_tokens": 9150645.0,
      "step": 71
    },
    {
      "entropy": 1.0927303433418274,
      "epoch": 0.9260450160771704,
      "grad_norm": 0.12931469082832336,
      "learning_rate": 4.1780780483522575e-05,
      "loss": 1.0853153467178345,
      "mean_token_accuracy": 0.6794879287481308,
      "num_tokens": 9279241.0,
      "step": 72
    },
    {
      "entropy": 1.0969749689102173,
      "epoch": 0.9389067524115756,
      "grad_norm": 0.14029595255851746,
      "learning_rate": 4.151686808475204e-05,
      "loss": 1.0877366065979004,
      "mean_token_accuracy": 0.6796814650297165,
      "num_tokens": 9409900.0,
      "step": 73
    },
    {
      "entropy": 1.0737035870552063,
      "epoch": 0.9517684887459807,
      "grad_norm": 0.13181892037391663,
      "learning_rate": 4.1249648076341165e-05,
      "loss": 1.0674468278884888,
      "mean_token_accuracy": 0.6823575049638748,
      "num_tokens": 9539355.0,
      "step": 74
    },
    {
      "entropy": 1.077784962952137,
      "epoch": 0.9646302250803859,
      "grad_norm": 0.13357527554035187,
      "learning_rate": 4.0979173970824626e-05,
      "loss": 1.0709781646728516,
      "mean_token_accuracy": 0.6832851618528366,
      "num_tokens": 9669661.0,
      "step": 75
    },
    {
      "entropy": 1.0898889154195786,
      "epoch": 0.977491961414791,
      "grad_norm": 0.1380884051322937,
      "learning_rate": 4.070549993239106e-05,
      "loss": 1.079447627067566,
      "mean_token_accuracy": 0.6803383082151413,
      "num_tokens": 9799265.0,
      "step": 76
    },
    {
      "entropy": 1.1030114442110062,
      "epoch": 0.9903536977491961,
      "grad_norm": 0.14150051772594452,
      "learning_rate": 4.0428680766036384e-05,
      "loss": 1.0985944271087646,
      "mean_token_accuracy": 0.6765774413943291,
      "num_tokens": 9928475.0,
      "step": 77
    },
    {
      "entropy": 1.1045236786206563,
      "epoch": 1.0,
      "grad_norm": 0.15571743249893188,
      "learning_rate": 4.0148771906588706e-05,
      "loss": 1.078245759010315,
      "mean_token_accuracy": 0.6769482294718424,
      "num_tokens": 9977189.0,
      "step": 78
    }
  ],
  "logging_steps": 1,
  "max_steps": 234,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 1.0577206156596347e+18,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}