{
  "best_global_step": 300,
  "best_metric": 0.09494102001190186,
  "best_model_checkpoint": "/workspace/Paper/Llama-Factory-out-FINAL/checkpoint-300",
  "epoch": 2.0,
  "eval_steps": 50,
  "global_step": 938,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 3.370833158493042,
      "learning_rate": 9.574468085106384e-07,
      "loss": 0.034,
      "step": 10
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 2.170051097869873,
      "learning_rate": 2.021276595744681e-06,
      "loss": 0.0408,
      "step": 20
    },
    {
      "epoch": 0.064,
      "grad_norm": 1.6947985887527466,
      "learning_rate": 3.0851063829787237e-06,
      "loss": 0.0315,
      "step": 30
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 0.45860642194747925,
      "learning_rate": 4.148936170212766e-06,
      "loss": 0.0357,
      "step": 40
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 2.4352638721466064,
      "learning_rate": 5.212765957446809e-06,
      "loss": 0.035,
      "step": 50
    },
    {
      "epoch": 0.10666666666666667,
      "eval_loss": 0.10324329882860184,
      "eval_runtime": 95.3623,
      "eval_samples_per_second": 10.486,
      "eval_steps_per_second": 1.049,
      "step": 50
    },
    {
      "epoch": 0.128,
      "grad_norm": 0.7604093551635742,
      "learning_rate": 6.276595744680851e-06,
      "loss": 0.0268,
      "step": 60
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 4.535794734954834,
      "learning_rate": 7.340425531914894e-06,
      "loss": 0.0411,
      "step": 70
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 0.10152211785316467,
      "learning_rate": 8.404255319148937e-06,
      "loss": 0.0228,
      "step": 80
    },
    {
      "epoch": 0.192,
      "grad_norm": 0.8933190703392029,
      "learning_rate": 9.46808510638298e-06,
      "loss": 0.0287,
      "step": 90
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 1.6419641971588135,
      "learning_rate": 9.999134070902206e-06,
      "loss": 0.0209,
      "step": 100
    },
    {
      "epoch": 0.21333333333333335,
      "eval_loss": 0.14628423750400543,
      "eval_runtime": 94.6984,
      "eval_samples_per_second": 10.56,
      "eval_steps_per_second": 1.056,
      "step": 100
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 8.57272720336914,
      "learning_rate": 9.992208437615651e-06,
      "loss": 0.031,
      "step": 110
    },
    {
      "epoch": 0.256,
      "grad_norm": 2.0105576515197754,
      "learning_rate": 9.97836676558346e-06,
      "loss": 0.0218,
      "step": 120
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 15.240336418151855,
      "learning_rate": 9.957628230595527e-06,
      "loss": 0.028,
      "step": 130
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 3.8736119270324707,
      "learning_rate": 9.930021563125204e-06,
      "loss": 0.0254,
      "step": 140
    },
    {
      "epoch": 0.32,
      "grad_norm": 1.5256679058074951,
      "learning_rate": 9.895585008527075e-06,
      "loss": 0.0392,
      "step": 150
    },
    {
      "epoch": 0.32,
      "eval_loss": 0.11115244776010513,
      "eval_runtime": 94.3352,
      "eval_samples_per_second": 10.6,
      "eval_steps_per_second": 1.06,
      "step": 150
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 1.2751268148422241,
      "learning_rate": 9.854366274053125e-06,
      "loss": 0.0263,
      "step": 160
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 0.8286654353141785,
      "learning_rate": 9.806422462760687e-06,
      "loss": 0.0349,
      "step": 170
    },
    {
      "epoch": 0.384,
      "grad_norm": 0.5155846476554871,
      "learning_rate": 9.751819994403802e-06,
      "loss": 0.0281,
      "step": 180
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 4.299561500549316,
      "learning_rate": 9.690634513417487e-06,
      "loss": 0.0263,
      "step": 190
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 3.9921865463256836,
      "learning_rate": 9.622950784122473e-06,
      "loss": 0.0424,
      "step": 200
    },
    {
      "epoch": 0.4266666666666667,
      "eval_loss": 0.11345715820789337,
      "eval_runtime": 94.7429,
      "eval_samples_per_second": 10.555,
      "eval_steps_per_second": 1.055,
      "step": 200
    },
    {
      "epoch": 0.448,
      "grad_norm": 3.4969747066497803,
      "learning_rate": 9.548862573295552e-06,
      "loss": 0.0405,
      "step": 210
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 3.1925570964813232,
      "learning_rate": 9.468472520268207e-06,
      "loss": 0.0332,
      "step": 220
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 1.0224530696868896,
      "learning_rate": 9.38189199473352e-06,
      "loss": 0.0355,
      "step": 230
    },
    {
      "epoch": 0.512,
      "grad_norm": 0.4921875596046448,
      "learning_rate": 9.289240942458322e-06,
      "loss": 0.0345,
      "step": 240
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 2.0238680839538574,
      "learning_rate": 9.190647719114328e-06,
      "loss": 0.031,
      "step": 250
    },
    {
      "epoch": 0.5333333333333333,
      "eval_loss": 0.10441213101148605,
      "eval_runtime": 95.2767,
      "eval_samples_per_second": 10.496,
      "eval_steps_per_second": 1.05,
      "step": 250
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 1.4228683710098267,
      "learning_rate": 9.086248912458484e-06,
      "loss": 0.0301,
      "step": 260
    },
    {
      "epoch": 0.576,
      "grad_norm": 7.124210357666016,
      "learning_rate": 8.976189153108853e-06,
      "loss": 0.0319,
      "step": 270
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 3.1352102756500244,
      "learning_rate": 8.860620914178188e-06,
      "loss": 0.0309,
      "step": 280
    },
    {
      "epoch": 0.6186666666666667,
      "grad_norm": 3.6215434074401855,
      "learning_rate": 8.73970430004278e-06,
      "loss": 0.0376,
      "step": 290
    },
    {
      "epoch": 0.64,
      "grad_norm": 2.639646530151367,
      "learning_rate": 8.613606824539198e-06,
      "loss": 0.0338,
      "step": 300
    },
    {
      "epoch": 0.64,
      "eval_loss": 0.09494102001190186,
      "eval_runtime": 93.7305,
      "eval_samples_per_second": 10.669,
      "eval_steps_per_second": 1.067,
      "step": 300
    },
    {
      "epoch": 0.6613333333333333,
      "grad_norm": 1.0701638460159302,
      "learning_rate": 8.482503178896227e-06,
      "loss": 0.0381,
      "step": 310
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 1.0814051628112793,
      "learning_rate": 8.34657498972347e-06,
      "loss": 0.0301,
      "step": 320
    },
    {
      "epoch": 0.704,
      "grad_norm": 0.67435222864151,
      "learning_rate": 8.206010567391918e-06,
      "loss": 0.0285,
      "step": 330
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 1.270016074180603,
      "learning_rate": 8.061004645155049e-06,
      "loss": 0.0323,
      "step": 340
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 1.92872953414917,
      "learning_rate": 7.91175810937189e-06,
      "loss": 0.0478,
      "step": 350
    },
    {
      "epoch": 0.7466666666666667,
      "eval_loss": 0.11240354925394058,
      "eval_runtime": 94.9322,
      "eval_samples_per_second": 10.534,
      "eval_steps_per_second": 1.053,
      "step": 350
    },
    {
      "epoch": 0.768,
      "grad_norm": 0.8001224398612976,
      "learning_rate": 7.758477721205767e-06,
      "loss": 0.0328,
      "step": 360
    },
    {
      "epoch": 0.7893333333333333,
      "grad_norm": 0.2665117084980011,
      "learning_rate": 7.601375830184297e-06,
      "loss": 0.0198,
      "step": 370
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 0.7271229028701782,
      "learning_rate": 7.4406700800174545e-06,
      "loss": 0.0283,
      "step": 380
    },
    {
      "epoch": 0.832,
      "grad_norm": 9.665359497070312,
      "learning_rate": 7.276583107081243e-06,
      "loss": 0.0354,
      "step": 390
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 23.276309967041016,
      "learning_rate": 7.109342231984698e-06,
      "loss": 0.0306,
      "step": 400
    },
    {
      "epoch": 0.8533333333333334,
      "eval_loss": 0.11211390793323517,
      "eval_runtime": 95.1213,
      "eval_samples_per_second": 10.513,
      "eval_steps_per_second": 1.051,
      "step": 400
    },
    {
      "epoch": 0.8746666666666667,
      "grad_norm": 0.7906249761581421,
      "learning_rate": 6.939179144647516e-06,
      "loss": 0.0298,
      "step": 410
    },
    {
      "epoch": 0.896,
      "grad_norm": 0.3667755722999573,
      "learning_rate": 6.766329583324582e-06,
      "loss": 0.0286,
      "step": 420
    },
    {
      "epoch": 0.9173333333333333,
      "grad_norm": 1.2041046619415283,
      "learning_rate": 6.591033008022067e-06,
      "loss": 0.0152,
      "step": 430
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 2.856255531311035,
      "learning_rate": 6.413532268757537e-06,
      "loss": 0.0303,
      "step": 440
    },
    {
      "epoch": 0.96,
      "grad_norm": 1.6765844821929932,
      "learning_rate": 6.234073269123654e-06,
      "loss": 0.0352,
      "step": 450
    },
    {
      "epoch": 0.96,
      "eval_loss": 0.12221185117959976,
      "eval_runtime": 94.6193,
      "eval_samples_per_second": 10.569,
      "eval_steps_per_second": 1.057,
      "step": 450
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 1.552643060684204,
      "learning_rate": 6.052904625621556e-06,
      "loss": 0.0265,
      "step": 460
    },
    {
      "epoch": 1.0021333333333333,
      "grad_norm": 1.4141130447387695,
      "learning_rate": 5.870277323235871e-06,
      "loss": 0.0333,
      "step": 470
    },
    {
      "epoch": 1.0234666666666667,
      "grad_norm": 0.3539254665374756,
      "learning_rate": 5.686444367728494e-06,
      "loss": 0.0259,
      "step": 480
    },
    {
      "epoch": 1.0448,
      "grad_norm": 0.9785445332527161,
      "learning_rate": 5.501660435132871e-06,
      "loss": 0.0318,
      "step": 490
    },
    {
      "epoch": 1.0661333333333334,
      "grad_norm": 0.2237013727426529,
      "learning_rate": 5.316181518934319e-06,
      "loss": 0.0193,
      "step": 500
    },
    {
      "epoch": 1.0661333333333334,
      "eval_loss": 0.14582864940166473,
      "eval_runtime": 93.6363,
      "eval_samples_per_second": 10.68,
      "eval_steps_per_second": 1.068,
      "step": 500
    },
    {
      "epoch": 1.0874666666666666,
      "grad_norm": 1.417123556137085,
      "learning_rate": 5.130264575425225e-06,
      "loss": 0.0224,
      "step": 510
    },
    {
      "epoch": 1.1088,
      "grad_norm": 0.6007033586502075,
      "learning_rate": 4.944167167726367e-06,
      "loss": 0.0325,
      "step": 520
    },
    {
      "epoch": 1.1301333333333332,
      "grad_norm": 0.901002049446106,
      "learning_rate": 4.758147108967585e-06,
      "loss": 0.0333,
      "step": 530
    },
    {
      "epoch": 1.1514666666666666,
      "grad_norm": 0.7341068387031555,
      "learning_rate": 4.572462105122078e-06,
      "loss": 0.0251,
      "step": 540
    },
    {
      "epoch": 1.1728,
      "grad_norm": 0.6192936897277832,
      "learning_rate": 4.3873693979891705e-06,
      "loss": 0.0332,
      "step": 550
    },
    {
      "epoch": 1.1728,
      "eval_loss": 0.15217936038970947,
      "eval_runtime": 93.0881,
      "eval_samples_per_second": 10.743,
      "eval_steps_per_second": 1.074,
      "step": 550
    },
    {
      "epoch": 1.1941333333333333,
      "grad_norm": 1.448577880859375,
      "learning_rate": 4.203125408820106e-06,
      "loss": 0.0334,
      "step": 560
    },
    {
      "epoch": 1.2154666666666667,
      "grad_norm": 0.5954573154449463,
      "learning_rate": 4.019985383080632e-06,
      "loss": 0.0213,
      "step": 570
    },
    {
      "epoch": 1.2368000000000001,
      "grad_norm": 2.0211377143859863,
      "learning_rate": 3.838203036842446e-06,
      "loss": 0.0252,
      "step": 580
    },
    {
      "epoch": 1.2581333333333333,
      "grad_norm": 6.006139278411865,
      "learning_rate": 3.65803020529343e-06,
      "loss": 0.0237,
      "step": 590
    },
    {
      "epoch": 1.2794666666666665,
      "grad_norm": 1.2327594757080078,
      "learning_rate": 3.4797164938536113e-06,
      "loss": 0.0264,
      "step": 600
    },
    {
      "epoch": 1.2794666666666665,
      "eval_loss": 0.125369593501091,
      "eval_runtime": 93.3127,
      "eval_samples_per_second": 10.717,
      "eval_steps_per_second": 1.072,
      "step": 600
    },
    {
      "epoch": 1.3008,
      "grad_norm": 0.6135037541389465,
      "learning_rate": 3.3035089323801323e-06,
      "loss": 0.0254,
      "step": 610
    },
    {
      "epoch": 1.3221333333333334,
      "grad_norm": 0.7361701726913452,
      "learning_rate": 3.1296516329403626e-06,
      "loss": 0.0222,
      "step": 620
    },
    {
      "epoch": 1.3434666666666666,
      "grad_norm": 6.391972064971924,
      "learning_rate": 2.9583854516271815e-06,
      "loss": 0.0206,
      "step": 630
    },
    {
      "epoch": 1.3648,
      "grad_norm": 0.5487813949584961,
      "learning_rate": 2.7899476548850046e-06,
      "loss": 0.02,
      "step": 640
    },
    {
      "epoch": 1.3861333333333334,
      "grad_norm": 0.12174206227064133,
      "learning_rate": 2.624571590808781e-06,
      "loss": 0.0246,
      "step": 650
    },
    {
      "epoch": 1.3861333333333334,
      "eval_loss": 0.1312500536441803,
      "eval_runtime": 94.5226,
      "eval_samples_per_second": 10.579,
      "eval_steps_per_second": 1.058,
      "step": 650
    },
    {
      "epoch": 1.4074666666666666,
      "grad_norm": 4.603039264678955,
      "learning_rate": 2.4624863658713383e-06,
      "loss": 0.0271,
      "step": 660
    },
    {
      "epoch": 1.4288,
      "grad_norm": 0.7074569463729858,
      "learning_rate": 2.3039165275269214e-06,
      "loss": 0.0234,
      "step": 670
    },
    {
      "epoch": 1.4501333333333333,
      "grad_norm": 1.057719111442566,
      "learning_rate": 2.1490817531306778e-06,
      "loss": 0.016,
      "step": 680
    },
    {
      "epoch": 1.4714666666666667,
      "grad_norm": 0.960046648979187,
      "learning_rate": 1.99819654560496e-06,
      "loss": 0.0303,
      "step": 690
    },
    {
      "epoch": 1.4928,
      "grad_norm": 2.026841878890991,
      "learning_rate": 1.851469936274174e-06,
      "loss": 0.0201,
      "step": 700
    },
    {
      "epoch": 1.4928,
      "eval_loss": 0.14220145344734192,
      "eval_runtime": 92.0165,
      "eval_samples_per_second": 10.868,
      "eval_steps_per_second": 1.087,
      "step": 700
    },
    {
      "epoch": 1.5141333333333333,
      "grad_norm": 0.7687983512878418,
      "learning_rate": 1.7091051952797404e-06,
      "loss": 0.0185,
      "step": 710
    },
    {
      "epoch": 1.5354666666666668,
      "grad_norm": 0.5626060962677002,
      "learning_rate": 1.571299549976456e-06,
      "loss": 0.0251,
      "step": 720
    },
    {
      "epoch": 1.5568,
      "grad_norm": 0.8809129595756531,
      "learning_rate": 1.4382439117002938e-06,
      "loss": 0.0257,
      "step": 730
    },
    {
      "epoch": 1.5781333333333334,
      "grad_norm": 0.23133313655853271,
      "learning_rate": 1.3101226112862232e-06,
      "loss": 0.0183,
      "step": 740
    },
    {
      "epoch": 1.5994666666666668,
      "grad_norm": 0.40013575553894043,
      "learning_rate": 1.1871131437024291e-06,
      "loss": 0.0151,
      "step": 750
    },
    {
      "epoch": 1.5994666666666668,
      "eval_loss": 0.14588288962841034,
      "eval_runtime": 92.6003,
      "eval_samples_per_second": 10.799,
      "eval_steps_per_second": 1.08,
      "step": 750
    },
    {
      "epoch": 1.6208,
      "grad_norm": 4.253695487976074,
      "learning_rate": 1.0693859221547115e-06,
      "loss": 0.0228,
      "step": 760
    },
    {
      "epoch": 1.6421333333333332,
      "grad_norm": 0.33811044692993164,
      "learning_rate": 9.571040420017324e-07,
      "loss": 0.0171,
      "step": 770
    },
    {
      "epoch": 1.6634666666666666,
      "grad_norm": 1.7618757486343384,
      "learning_rate": 8.504230548081499e-07,
      "loss": 0.0289,
      "step": 780
    },
    {
      "epoch": 1.6848,
      "grad_norm": 1.377174973487854,
      "learning_rate": 7.4949075284868e-07,
      "loss": 0.0274,
      "step": 790
    },
    {
      "epoch": 1.7061333333333333,
      "grad_norm": 0.5281645655632019,
      "learning_rate": 6.544469643616192e-07,
      "loss": 0.0206,
      "step": 800
    },
    {
      "epoch": 1.7061333333333333,
      "eval_loss": 0.14863522350788116,
      "eval_runtime": 92.7258,
      "eval_samples_per_second": 10.784,
      "eval_steps_per_second": 1.078,
      "step": 800
    },
    {
      "epoch": 1.7274666666666667,
      "grad_norm": 0.5536366701126099,
      "learning_rate": 5.654233598354752e-07,
      "loss": 0.0235,
      "step": 810
    },
    {
      "epoch": 1.7488000000000001,
      "grad_norm": 0.9278081059455872,
      "learning_rate": 4.825432695970673e-07,
      "loss": 0.0378,
      "step": 820
    },
    {
      "epoch": 1.7701333333333333,
      "grad_norm": 1.1352832317352295,
      "learning_rate": 4.0592151295382464e-07,
      "loss": 0.0225,
      "step": 830
    },
    {
      "epoch": 1.7914666666666665,
      "grad_norm": 0.7254970669746399,
      "learning_rate": 3.356642391269405e-07,
      "loss": 0.0186,
      "step": 840
    },
    {
      "epoch": 1.8128,
      "grad_norm": 0.21338777244091034,
      "learning_rate": 2.7186878019580197e-07,
      "loss": 0.0166,
      "step": 850
    },
    {
      "epoch": 1.8128,
      "eval_loss": 0.14758259057998657,
      "eval_runtime": 91.7262,
      "eval_samples_per_second": 10.902,
      "eval_steps_per_second": 1.09,
      "step": 850
    },
    {
      "epoch": 1.8341333333333334,
      "grad_norm": 1.0462194681167603,
      "learning_rate": 2.1462351625736677e-07,
      "loss": 0.0133,
      "step": 860
    },
    {
      "epoch": 1.8554666666666666,
      "grad_norm": 1.0201510190963745,
      "learning_rate": 1.6400775298734017e-07,
      "loss": 0.0315,
      "step": 870
    },
    {
      "epoch": 1.8768,
      "grad_norm": 1.2303000688552856,
      "learning_rate": 1.2009161177273742e-07,
      "loss": 0.022,
      "step": 880
    },
    {
      "epoch": 1.8981333333333335,
      "grad_norm": 0.4334850013256073,
      "learning_rate": 8.293593256805842e-08,
      "loss": 0.0233,
      "step": 890
    },
    {
      "epoch": 1.9194666666666667,
      "grad_norm": 0.186690554022789,
      "learning_rate": 5.259218960964874e-08,
      "loss": 0.0189,
      "step": 900
    },
    {
      "epoch": 1.9194666666666667,
      "eval_loss": 0.1466066986322403,
      "eval_runtime": 93.9322,
      "eval_samples_per_second": 10.646,
      "eval_steps_per_second": 1.065,
      "step": 900
    },
    {
      "epoch": 1.9407999999999999,
      "grad_norm": 0.8606347441673279,
      "learning_rate": 2.9102420105009966e-08,
      "loss": 0.0222,
      "step": 910
    },
    {
      "epoch": 1.9621333333333333,
      "grad_norm": 0.2717781662940979,
      "learning_rate": 1.249916599585954e-08,
      "loss": 0.0229,
      "step": 920
    },
    {
      "epoch": 1.9834666666666667,
      "grad_norm": 1.6033730506896973,
      "learning_rate": 2.80542887561297e-09,
      "loss": 0.0173,
      "step": 930
    }
  ],
  "logging_steps": 10,
  "max_steps": 938,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 2,
  "save_steps": 50,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 3.267684534551839e+17,
  "train_batch_size": 8,
  "trial_name": null,
  "trial_params": null
}