File size: 24,179 Bytes
73b5394
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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": 1.223182126879692,
      "epoch": 0.012903225806451613,
      "grad_norm": 1.076210379600525,
      "learning_rate": 0.0,
      "loss": 2.058398723602295,
      "mean_token_accuracy": 0.5399363860487938,
      "num_tokens": 129656.0,
      "step": 1
    },
    {
      "entropy": 1.2220996767282486,
      "epoch": 0.025806451612903226,
      "grad_norm": 1.0572984218597412,
      "learning_rate": 4.166666666666667e-06,
      "loss": 2.070119857788086,
      "mean_token_accuracy": 0.5379651635885239,
      "num_tokens": 257608.0,
      "step": 2
    },
    {
      "entropy": 1.2825039327144623,
      "epoch": 0.03870967741935484,
      "grad_norm": 0.9764279723167419,
      "learning_rate": 8.333333333333334e-06,
      "loss": 2.0715339183807373,
      "mean_token_accuracy": 0.5355395078659058,
      "num_tokens": 385654.0,
      "step": 3
    },
    {
      "entropy": 1.3505332916975021,
      "epoch": 0.05161290322580645,
      "grad_norm": 0.8341186046600342,
      "learning_rate": 1.25e-05,
      "loss": 2.0449037551879883,
      "mean_token_accuracy": 0.5337138548493385,
      "num_tokens": 513578.0,
      "step": 4
    },
    {
      "entropy": 1.3795223087072372,
      "epoch": 0.06451612903225806,
      "grad_norm": 0.6299435496330261,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 1.9157527685165405,
      "mean_token_accuracy": 0.5517139434814453,
      "num_tokens": 643891.0,
      "step": 5
    },
    {
      "entropy": 1.4815990179777145,
      "epoch": 0.07741935483870968,
      "grad_norm": 0.4900154173374176,
      "learning_rate": 2.0833333333333336e-05,
      "loss": 1.891552448272705,
      "mean_token_accuracy": 0.5499126613140106,
      "num_tokens": 773552.0,
      "step": 6
    },
    {
      "entropy": 1.5551793575286865,
      "epoch": 0.09032258064516129,
      "grad_norm": 0.36406657099723816,
      "learning_rate": 2.5e-05,
      "loss": 1.8251445293426514,
      "mean_token_accuracy": 0.5556761026382446,
      "num_tokens": 902676.0,
      "step": 7
    },
    {
      "entropy": 1.6218345165252686,
      "epoch": 0.1032258064516129,
      "grad_norm": 0.3063054084777832,
      "learning_rate": 2.916666666666667e-05,
      "loss": 1.7969532012939453,
      "mean_token_accuracy": 0.5583265572786331,
      "num_tokens": 1031062.0,
      "step": 8
    },
    {
      "entropy": 1.7121598720550537,
      "epoch": 0.11612903225806452,
      "grad_norm": 0.2525842785835266,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 1.7734124660491943,
      "mean_token_accuracy": 0.563885897397995,
      "num_tokens": 1159144.0,
      "step": 9
    },
    {
      "entropy": 1.7930369228124619,
      "epoch": 0.12903225806451613,
      "grad_norm": 0.24535015225410461,
      "learning_rate": 3.7500000000000003e-05,
      "loss": 1.7790138721466064,
      "mean_token_accuracy": 0.5602867007255554,
      "num_tokens": 1286047.0,
      "step": 10
    },
    {
      "entropy": 1.8023179322481155,
      "epoch": 0.14193548387096774,
      "grad_norm": 0.2574515640735626,
      "learning_rate": 4.166666666666667e-05,
      "loss": 1.7038989067077637,
      "mean_token_accuracy": 0.5719256922602654,
      "num_tokens": 1414956.0,
      "step": 11
    },
    {
      "entropy": 1.8494196385145187,
      "epoch": 0.15483870967741936,
      "grad_norm": 0.28199130296707153,
      "learning_rate": 4.5833333333333334e-05,
      "loss": 1.6980609893798828,
      "mean_token_accuracy": 0.5720911771059036,
      "num_tokens": 1544083.0,
      "step": 12
    },
    {
      "entropy": 1.8534925431013107,
      "epoch": 0.16774193548387098,
      "grad_norm": 0.29593202471733093,
      "learning_rate": 5e-05,
      "loss": 1.6669628620147705,
      "mean_token_accuracy": 0.5764533281326294,
      "num_tokens": 1673817.0,
      "step": 13
    },
    {
      "entropy": 1.7742547988891602,
      "epoch": 0.18064516129032257,
      "grad_norm": 0.2752297818660736,
      "learning_rate": 4.9997496794168726e-05,
      "loss": 1.5782192945480347,
      "mean_token_accuracy": 0.5955501049757004,
      "num_tokens": 1801770.0,
      "step": 14
    },
    {
      "entropy": 1.8175705522298813,
      "epoch": 0.1935483870967742,
      "grad_norm": 0.2872096300125122,
      "learning_rate": 4.998998767795805e-05,
      "loss": 1.5999691486358643,
      "mean_token_accuracy": 0.5888361930847168,
      "num_tokens": 1931723.0,
      "step": 15
    },
    {
      "entropy": 1.7427806854248047,
      "epoch": 0.2064516129032258,
      "grad_norm": 0.2521703839302063,
      "learning_rate": 4.9977474155117045e-05,
      "loss": 1.5546669960021973,
      "mean_token_accuracy": 0.5967967882752419,
      "num_tokens": 2061345.0,
      "step": 16
    },
    {
      "entropy": 1.6578464657068253,
      "epoch": 0.21935483870967742,
      "grad_norm": 0.22542445361614227,
      "learning_rate": 4.995995873155958e-05,
      "loss": 1.5100972652435303,
      "mean_token_accuracy": 0.6021811291575432,
      "num_tokens": 2190508.0,
      "step": 17
    },
    {
      "entropy": 1.598375290632248,
      "epoch": 0.23225806451612904,
      "grad_norm": 0.1917019784450531,
      "learning_rate": 4.99374449148625e-05,
      "loss": 1.490499496459961,
      "mean_token_accuracy": 0.60594841837883,
      "num_tokens": 2318941.0,
      "step": 18
    },
    {
      "entropy": 1.5606479495763779,
      "epoch": 0.24516129032258063,
      "grad_norm": 0.1699151247739792,
      "learning_rate": 4.9909937213563165e-05,
      "loss": 1.480535626411438,
      "mean_token_accuracy": 0.607219472527504,
      "num_tokens": 2448059.0,
      "step": 19
    },
    {
      "entropy": 1.5005332827568054,
      "epoch": 0.25806451612903225,
      "grad_norm": 0.15443331003189087,
      "learning_rate": 4.987744113625665e-05,
      "loss": 1.4707814455032349,
      "mean_token_accuracy": 0.6087440326809883,
      "num_tokens": 2577375.0,
      "step": 20
    },
    {
      "entropy": 1.3930998891592026,
      "epoch": 0.2709677419354839,
      "grad_norm": 0.1559259444475174,
      "learning_rate": 4.9839963190492576e-05,
      "loss": 1.410855770111084,
      "mean_token_accuracy": 0.6227314248681068,
      "num_tokens": 2707055.0,
      "step": 21
    },
    {
      "entropy": 1.36322420835495,
      "epoch": 0.2838709677419355,
      "grad_norm": 0.20294561982154846,
      "learning_rate": 4.979751088147192e-05,
      "loss": 1.4284950494766235,
      "mean_token_accuracy": 0.6158238276839256,
      "num_tokens": 2836471.0,
      "step": 22
    },
    {
      "entropy": 1.3222410529851913,
      "epoch": 0.2967741935483871,
      "grad_norm": 0.22203199565410614,
      "learning_rate": 4.975009271054409e-05,
      "loss": 1.4026174545288086,
      "mean_token_accuracy": 0.6221327260136604,
      "num_tokens": 2967186.0,
      "step": 23
    },
    {
      "entropy": 1.3454352766275406,
      "epoch": 0.3096774193548387,
      "grad_norm": 0.2088484764099121,
      "learning_rate": 4.969771817350445e-05,
      "loss": 1.4195332527160645,
      "mean_token_accuracy": 0.6193315461277962,
      "num_tokens": 3091283.0,
      "step": 24
    },
    {
      "entropy": 1.3203742057085037,
      "epoch": 0.3225806451612903,
      "grad_norm": 0.1915750652551651,
      "learning_rate": 4.9640397758692715e-05,
      "loss": 1.3804551362991333,
      "mean_token_accuracy": 0.626660019159317,
      "num_tokens": 3221704.0,
      "step": 25
    },
    {
      "entropy": 1.3405092060565948,
      "epoch": 0.33548387096774196,
      "grad_norm": 0.16226191818714142,
      "learning_rate": 4.957814294489261e-05,
      "loss": 1.3678839206695557,
      "mean_token_accuracy": 0.6271623075008392,
      "num_tokens": 3351359.0,
      "step": 26
    },
    {
      "entropy": 1.3681351393461227,
      "epoch": 0.34838709677419355,
      "grad_norm": 0.15001052618026733,
      "learning_rate": 4.9510966199033174e-05,
      "loss": 1.3961801528930664,
      "mean_token_accuracy": 0.6210252344608307,
      "num_tokens": 3480058.0,
      "step": 27
    },
    {
      "entropy": 1.360452800989151,
      "epoch": 0.36129032258064514,
      "grad_norm": 0.13115695118904114,
      "learning_rate": 4.943888097369216e-05,
      "loss": 1.3473964929580688,
      "mean_token_accuracy": 0.6314521729946136,
      "num_tokens": 3610897.0,
      "step": 28
    },
    {
      "entropy": 1.3818826526403427,
      "epoch": 0.3741935483870968,
      "grad_norm": 0.12812234461307526,
      "learning_rate": 4.936190170440208e-05,
      "loss": 1.3602492809295654,
      "mean_token_accuracy": 0.6298193782567978,
      "num_tokens": 3740627.0,
      "step": 29
    },
    {
      "entropy": 1.3282616436481476,
      "epoch": 0.3870967741935484,
      "grad_norm": 0.12813468277454376,
      "learning_rate": 4.928004380675941e-05,
      "loss": 1.2889750003814697,
      "mean_token_accuracy": 0.6441097930073738,
      "num_tokens": 3869695.0,
      "step": 30
    },
    {
      "entropy": 1.3403072953224182,
      "epoch": 0.4,
      "grad_norm": 0.1254233419895172,
      "learning_rate": 4.9193323673337476e-05,
      "loss": 1.3034392595291138,
      "mean_token_accuracy": 0.6405649855732918,
      "num_tokens": 3998221.0,
      "step": 31
    },
    {
      "entropy": 1.3977190256118774,
      "epoch": 0.4129032258064516,
      "grad_norm": 0.13067315518856049,
      "learning_rate": 4.910175867040377e-05,
      "loss": 1.354722261428833,
      "mean_token_accuracy": 0.6276756450533867,
      "num_tokens": 4127108.0,
      "step": 32
    },
    {
      "entropy": 1.348634958267212,
      "epoch": 0.4258064516129032,
      "grad_norm": 0.12189042568206787,
      "learning_rate": 4.9005367134442235e-05,
      "loss": 1.3136909008026123,
      "mean_token_accuracy": 0.6381376534700394,
      "num_tokens": 4256994.0,
      "step": 33
    },
    {
      "entropy": 1.3185934275388718,
      "epoch": 0.43870967741935485,
      "grad_norm": 0.1224159300327301,
      "learning_rate": 4.890416836848127e-05,
      "loss": 1.2872580289840698,
      "mean_token_accuracy": 0.6426139622926712,
      "num_tokens": 4385244.0,
      "step": 34
    },
    {
      "entropy": 1.2890230417251587,
      "epoch": 0.45161290322580644,
      "grad_norm": 0.11730781197547913,
      "learning_rate": 4.8798182638228166e-05,
      "loss": 1.2566399574279785,
      "mean_token_accuracy": 0.649329274892807,
      "num_tokens": 4515175.0,
      "step": 35
    },
    {
      "entropy": 1.3161695450544357,
      "epoch": 0.4645161290322581,
      "grad_norm": 0.11564701795578003,
      "learning_rate": 4.868743116801074e-05,
      "loss": 1.2894011735916138,
      "mean_token_accuracy": 0.6447330787777901,
      "num_tokens": 4644464.0,
      "step": 36
    },
    {
      "entropy": 1.263451337814331,
      "epoch": 0.4774193548387097,
      "grad_norm": 0.11025005578994751,
      "learning_rate": 4.857193613652711e-05,
      "loss": 1.250872254371643,
      "mean_token_accuracy": 0.6496427357196808,
      "num_tokens": 4774388.0,
      "step": 37
    },
    {
      "entropy": 1.2831027507781982,
      "epoch": 0.49032258064516127,
      "grad_norm": 0.11225498467683792,
      "learning_rate": 4.845172067240415e-05,
      "loss": 1.2833701372146606,
      "mean_token_accuracy": 0.642292931675911,
      "num_tokens": 4903171.0,
      "step": 38
    },
    {
      "entropy": 1.28334479033947,
      "epoch": 0.5032258064516129,
      "grad_norm": 0.11390651762485504,
      "learning_rate": 4.8326808849565936e-05,
      "loss": 1.2927157878875732,
      "mean_token_accuracy": 0.6402992084622383,
      "num_tokens": 5033677.0,
      "step": 39
    },
    {
      "entropy": 1.2627993077039719,
      "epoch": 0.5161290322580645,
      "grad_norm": 0.1086907684803009,
      "learning_rate": 4.819722568241274e-05,
      "loss": 1.2574979066848755,
      "mean_token_accuracy": 0.6465372666716576,
      "num_tokens": 5163487.0,
      "step": 40
    },
    {
      "entropy": 1.2626460939645767,
      "epoch": 0.5290322580645161,
      "grad_norm": 0.10910395532846451,
      "learning_rate": 4.806299712081172e-05,
      "loss": 1.266538381576538,
      "mean_token_accuracy": 0.6473062336444855,
      "num_tokens": 5292899.0,
      "step": 41
    },
    {
      "entropy": 1.2527801245450974,
      "epoch": 0.5419354838709678,
      "grad_norm": 0.10939069092273712,
      "learning_rate": 4.792415004490034e-05,
      "loss": 1.2544794082641602,
      "mean_token_accuracy": 0.6493285819888115,
      "num_tokens": 5422025.0,
      "step": 42
    },
    {
      "entropy": 1.2684112191200256,
      "epoch": 0.5548387096774193,
      "grad_norm": 0.10955163091421127,
      "learning_rate": 4.77807122597034e-05,
      "loss": 1.2640540599822998,
      "mean_token_accuracy": 0.6442403197288513,
      "num_tokens": 5551149.0,
      "step": 43
    },
    {
      "entropy": 1.202114075422287,
      "epoch": 0.567741935483871,
      "grad_norm": 0.10252036899328232,
      "learning_rate": 4.7632712489564926e-05,
      "loss": 1.2032322883605957,
      "mean_token_accuracy": 0.6615511402487755,
      "num_tokens": 5680701.0,
      "step": 44
    },
    {
      "entropy": 1.2185258865356445,
      "epoch": 0.5806451612903226,
      "grad_norm": 0.10858958959579468,
      "learning_rate": 4.748018037239592e-05,
      "loss": 1.2210724353790283,
      "mean_token_accuracy": 0.6543648615479469,
      "num_tokens": 5808493.0,
      "step": 45
    },
    {
      "entropy": 1.2259098291397095,
      "epoch": 0.5935483870967742,
      "grad_norm": 0.10566595196723938,
      "learning_rate": 4.732314645373921e-05,
      "loss": 1.2279314994812012,
      "mean_token_accuracy": 0.6541318669915199,
      "num_tokens": 5938296.0,
      "step": 46
    },
    {
      "entropy": 1.217906042933464,
      "epoch": 0.6064516129032258,
      "grad_norm": 0.10399080067873001,
      "learning_rate": 4.7161642180652464e-05,
      "loss": 1.2170512676239014,
      "mean_token_accuracy": 0.6552224531769753,
      "num_tokens": 6067439.0,
      "step": 47
    },
    {
      "entropy": 1.243887796998024,
      "epoch": 0.6193548387096774,
      "grad_norm": 0.10374640673398972,
      "learning_rate": 4.699569989541074e-05,
      "loss": 1.2446861267089844,
      "mean_token_accuracy": 0.6509256213903427,
      "num_tokens": 6197510.0,
      "step": 48
    },
    {
      "entropy": 1.2262021899223328,
      "epoch": 0.632258064516129,
      "grad_norm": 0.10401046276092529,
      "learning_rate": 4.6825352829029705e-05,
      "loss": 1.2263641357421875,
      "mean_token_accuracy": 0.6529856100678444,
      "num_tokens": 6327768.0,
      "step": 49
    },
    {
      "entropy": 1.1782560497522354,
      "epoch": 0.6451612903225806,
      "grad_norm": 0.10297931730747223,
      "learning_rate": 4.665063509461097e-05,
      "loss": 1.1814297437667847,
      "mean_token_accuracy": 0.6635062471032143,
      "num_tokens": 6455846.0,
      "step": 50
    },
    {
      "entropy": 1.2240826934576035,
      "epoch": 0.6580645161290323,
      "grad_norm": 0.10559607297182083,
      "learning_rate": 4.647158168051066e-05,
      "loss": 1.2128801345825195,
      "mean_token_accuracy": 0.659131720662117,
      "num_tokens": 6585457.0,
      "step": 51
    },
    {
      "entropy": 1.2306331396102905,
      "epoch": 0.6709677419354839,
      "grad_norm": 0.10558925569057465,
      "learning_rate": 4.628822844333278e-05,
      "loss": 1.2250795364379883,
      "mean_token_accuracy": 0.6541951075196266,
      "num_tokens": 6716096.0,
      "step": 52
    },
    {
      "entropy": 1.2307018637657166,
      "epoch": 0.6838709677419355,
      "grad_norm": 0.106507308781147,
      "learning_rate": 4.6100612100748765e-05,
      "loss": 1.216687798500061,
      "mean_token_accuracy": 0.657420352101326,
      "num_tokens": 6844341.0,
      "step": 53
    },
    {
      "entropy": 1.1905661970376968,
      "epoch": 0.6967741935483871,
      "grad_norm": 0.1018037423491478,
      "learning_rate": 4.59087702241444e-05,
      "loss": 1.1824817657470703,
      "mean_token_accuracy": 0.6638368740677834,
      "num_tokens": 6971794.0,
      "step": 54
    },
    {
      "entropy": 1.2321506142616272,
      "epoch": 0.7096774193548387,
      "grad_norm": 0.1053023412823677,
      "learning_rate": 4.571274123109606e-05,
      "loss": 1.2273911237716675,
      "mean_token_accuracy": 0.6531050652265549,
      "num_tokens": 7100353.0,
      "step": 55
    },
    {
      "entropy": 1.1877244710922241,
      "epoch": 0.7225806451612903,
      "grad_norm": 0.10472644120454788,
      "learning_rate": 4.551256437767719e-05,
      "loss": 1.1830646991729736,
      "mean_token_accuracy": 0.662447988986969,
      "num_tokens": 7230177.0,
      "step": 56
    },
    {
      "entropy": 1.1354379504919052,
      "epoch": 0.7354838709677419,
      "grad_norm": 0.10116837918758392,
      "learning_rate": 4.530827975059715e-05,
      "loss": 1.1367874145507812,
      "mean_token_accuracy": 0.6742443069815636,
      "num_tokens": 7359042.0,
      "step": 57
    },
    {
      "entropy": 1.1323172450065613,
      "epoch": 0.7483870967741936,
      "grad_norm": 0.10149563103914261,
      "learning_rate": 4.5099928259173516e-05,
      "loss": 1.1368333101272583,
      "mean_token_accuracy": 0.6757072061300278,
      "num_tokens": 7488137.0,
      "step": 58
    },
    {
      "entropy": 1.1689679026603699,
      "epoch": 0.7612903225806451,
      "grad_norm": 0.10289032757282257,
      "learning_rate": 4.488755162713975e-05,
      "loss": 1.170515775680542,
      "mean_token_accuracy": 0.6659915670752525,
      "num_tokens": 7618282.0,
      "step": 59
    },
    {
      "entropy": 1.1511125713586807,
      "epoch": 0.7741935483870968,
      "grad_norm": 0.10344893485307693,
      "learning_rate": 4.467119238428975e-05,
      "loss": 1.1578235626220703,
      "mean_token_accuracy": 0.6681751757860184,
      "num_tokens": 7748017.0,
      "step": 60
    },
    {
      "entropy": 1.15065398812294,
      "epoch": 0.7870967741935484,
      "grad_norm": 0.10410141944885254,
      "learning_rate": 4.445089385796099e-05,
      "loss": 1.1545982360839844,
      "mean_token_accuracy": 0.6693510711193085,
      "num_tokens": 7876986.0,
      "step": 61
    },
    {
      "entropy": 1.1854369789361954,
      "epoch": 0.8,
      "grad_norm": 0.10658932477235794,
      "learning_rate": 4.422670016435792e-05,
      "loss": 1.1886390447616577,
      "mean_token_accuracy": 0.6610049903392792,
      "num_tokens": 8006794.0,
      "step": 62
    },
    {
      "entropy": 1.1734878718852997,
      "epoch": 0.8129032258064516,
      "grad_norm": 0.0999564528465271,
      "learning_rate": 4.3998656199717435e-05,
      "loss": 1.1779112815856934,
      "mean_token_accuracy": 0.6633528992533684,
      "num_tokens": 8135408.0,
      "step": 63
    },
    {
      "entropy": 1.1888367980718613,
      "epoch": 0.8258064516129032,
      "grad_norm": 0.1022685319185257,
      "learning_rate": 4.3766807631318106e-05,
      "loss": 1.1841375827789307,
      "mean_token_accuracy": 0.6636051461100578,
      "num_tokens": 8265182.0,
      "step": 64
    },
    {
      "entropy": 1.1773615032434464,
      "epoch": 0.8387096774193549,
      "grad_norm": 0.10359368473291397,
      "learning_rate": 4.353120088833501e-05,
      "loss": 1.1596578359603882,
      "mean_token_accuracy": 0.6664805710315704,
      "num_tokens": 8395710.0,
      "step": 65
    },
    {
      "entropy": 1.1735037863254547,
      "epoch": 0.8516129032258064,
      "grad_norm": 0.10424409806728363,
      "learning_rate": 4.329188315254196e-05,
      "loss": 1.1645269393920898,
      "mean_token_accuracy": 0.6646556481719017,
      "num_tokens": 8525026.0,
      "step": 66
    },
    {
      "entropy": 1.1600711345672607,
      "epoch": 0.864516129032258,
      "grad_norm": 0.10298816114664078,
      "learning_rate": 4.3048902348863116e-05,
      "loss": 1.146191120147705,
      "mean_token_accuracy": 0.6732870414853096,
      "num_tokens": 8655176.0,
      "step": 67
    },
    {
      "entropy": 1.1675972044467926,
      "epoch": 0.8774193548387097,
      "grad_norm": 0.09964212030172348,
      "learning_rate": 4.280230713577564e-05,
      "loss": 1.1639752388000488,
      "mean_token_accuracy": 0.6678973436355591,
      "num_tokens": 8784950.0,
      "step": 68
    },
    {
      "entropy": 1.1486363634467125,
      "epoch": 0.8903225806451613,
      "grad_norm": 0.10526347905397415,
      "learning_rate": 4.255214689556557e-05,
      "loss": 1.1550880670547485,
      "mean_token_accuracy": 0.669487789273262,
      "num_tokens": 8915424.0,
      "step": 69
    },
    {
      "entropy": 1.1960512697696686,
      "epoch": 0.9032258064516129,
      "grad_norm": 0.10434431582689285,
      "learning_rate": 4.229847172443866e-05,
      "loss": 1.195779800415039,
      "mean_token_accuracy": 0.6591227054595947,
      "num_tokens": 9043958.0,
      "step": 70
    },
    {
      "entropy": 1.1383194029331207,
      "epoch": 0.9161290322580645,
      "grad_norm": 0.10281933099031448,
      "learning_rate": 4.204133242248832e-05,
      "loss": 1.1457536220550537,
      "mean_token_accuracy": 0.670663595199585,
      "num_tokens": 9173238.0,
      "step": 71
    },
    {
      "entropy": 1.1284168064594269,
      "epoch": 0.9290322580645162,
      "grad_norm": 0.10491844266653061,
      "learning_rate": 4.1780780483522575e-05,
      "loss": 1.1363515853881836,
      "mean_token_accuracy": 0.6729972660541534,
      "num_tokens": 9303178.0,
      "step": 72
    },
    {
      "entropy": 1.155638337135315,
      "epoch": 0.9419354838709677,
      "grad_norm": 0.10739096254110336,
      "learning_rate": 4.151686808475204e-05,
      "loss": 1.1668245792388916,
      "mean_token_accuracy": 0.6647603213787079,
      "num_tokens": 9432086.0,
      "step": 73
    },
    {
      "entropy": 1.1737090498209,
      "epoch": 0.9548387096774194,
      "grad_norm": 0.10476558655500412,
      "learning_rate": 4.1249648076341165e-05,
      "loss": 1.1709017753601074,
      "mean_token_accuracy": 0.6655773147940636,
      "num_tokens": 9560333.0,
      "step": 74
    },
    {
      "entropy": 1.1429373025894165,
      "epoch": 0.967741935483871,
      "grad_norm": 0.09973709285259247,
      "learning_rate": 4.0979173970824626e-05,
      "loss": 1.1408506631851196,
      "mean_token_accuracy": 0.6709853634238243,
      "num_tokens": 9689775.0,
      "step": 75
    },
    {
      "entropy": 1.131405919790268,
      "epoch": 0.9806451612903225,
      "grad_norm": 0.10272659361362457,
      "learning_rate": 4.070549993239106e-05,
      "loss": 1.1342134475708008,
      "mean_token_accuracy": 0.6737439185380936,
      "num_tokens": 9818901.0,
      "step": 76
    },
    {
      "entropy": 1.1382378786802292,
      "epoch": 0.9935483870967742,
      "grad_norm": 0.10625957697629929,
      "learning_rate": 4.0428680766036384e-05,
      "loss": 1.1314501762390137,
      "mean_token_accuracy": 0.6726028546690941,
      "num_tokens": 9948460.0,
      "step": 77
    },
    {
      "entropy": 1.1366769075393677,
      "epoch": 1.0,
      "grad_norm": 0.14248473942279816,
      "learning_rate": 4.0148771906588706e-05,
      "loss": 1.120863676071167,
      "mean_token_accuracy": 0.6762505769729614,
      "num_tokens": 9997067.0,
      "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": 4.884823710923489e+17,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}