{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 13.083333333333334,
  "eval_steps": 500,
  "global_step": 78,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 9.212016105651855,
      "learning_rate": 2e-05,
      "loss": 3.1926,
      "step": 1
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 7.698368072509766,
      "learning_rate": 4e-05,
      "loss": 3.4438,
      "step": 2
    },
    {
      "epoch": 0.5,
      "grad_norm": 7.928211688995361,
      "learning_rate": 6e-05,
      "loss": 2.7535,
      "step": 3
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 7.051474571228027,
      "learning_rate": 8e-05,
      "loss": 3.4958,
      "step": 4
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 9.074419975280762,
      "learning_rate": 0.0001,
      "loss": 3.2718,
      "step": 5
    },
    {
      "epoch": 1.0,
      "grad_norm": 5.347665786743164,
      "learning_rate": 0.00012,
      "loss": 3.0356,
      "step": 6
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 3.5029797554016113,
      "learning_rate": 0.00014,
      "loss": 2.5829,
      "step": 7
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 1.8341071605682373,
      "learning_rate": 0.00016,
      "loss": 2.4733,
      "step": 8
    },
    {
      "epoch": 1.5,
      "grad_norm": 1.399300456047058,
      "learning_rate": 0.00018,
      "loss": 2.4015,
      "step": 9
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 0.963733971118927,
      "learning_rate": 0.0002,
      "loss": 2.1019,
      "step": 10
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 4.855403423309326,
      "learning_rate": 0.00019990989662046818,
      "loss": 2.0454,
      "step": 11
    },
    {
      "epoch": 2.0,
      "grad_norm": 2.1124699115753174,
      "learning_rate": 0.00019963974885425266,
      "loss": 1.8923,
      "step": 12
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 3.1649329662323,
      "learning_rate": 0.00019919004352588767,
      "loss": 1.6676,
      "step": 13
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 2.847177267074585,
      "learning_rate": 0.00019856159103477086,
      "loss": 1.667,
      "step": 14
    },
    {
      "epoch": 2.5,
      "grad_norm": 1.6094838380813599,
      "learning_rate": 0.00019775552389476864,
      "loss": 1.3886,
      "step": 15
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 1.114935040473938,
      "learning_rate": 0.0001967732946933499,
      "loss": 1.3649,
      "step": 16
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.5669525265693665,
      "learning_rate": 0.00019561667347392508,
      "loss": 1.2623,
      "step": 17
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.37944361567497253,
      "learning_rate": 0.00019428774454610843,
      "loss": 1.1421,
      "step": 18
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 0.76312255859375,
      "learning_rate": 0.00019278890272965096,
      "loss": 1.2778,
      "step": 19
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.9476791620254517,
      "learning_rate": 0.0001911228490388136,
      "loss": 0.9133,
      "step": 20
    },
    {
      "epoch": 3.5,
      "grad_norm": 0.44587254524230957,
      "learning_rate": 0.00018929258581495685,
      "loss": 1.0522,
      "step": 21
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 0.4014304280281067,
      "learning_rate": 0.00018730141131611882,
      "loss": 1.0145,
      "step": 22
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 0.3144121468067169,
      "learning_rate": 0.00018515291377333112,
      "loss": 0.8529,
      "step": 23
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.37359270453453064,
      "learning_rate": 0.00018285096492438424,
      "loss": 1.0568,
      "step": 24
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 0.3646610677242279,
      "learning_rate": 0.00018039971303669407,
      "loss": 0.8796,
      "step": 25
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 0.4955347180366516,
      "learning_rate": 0.00017780357543184397,
      "loss": 0.9514,
      "step": 26
    },
    {
      "epoch": 4.5,
      "grad_norm": 0.26282307505607605,
      "learning_rate": 0.00017506723052527242,
      "loss": 0.6921,
      "step": 27
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 0.29040005803108215,
      "learning_rate": 0.00017219560939545246,
      "loss": 0.8223,
      "step": 28
    },
    {
      "epoch": 4.833333333333333,
      "grad_norm": 0.2921960651874542,
      "learning_rate": 0.00016919388689775464,
      "loss": 0.87,
      "step": 29
    },
    {
      "epoch": 5.0,
      "grad_norm": 0.3262277841567993,
      "learning_rate": 0.00016606747233900815,
      "loss": 0.7816,
      "step": 30
    },
    {
      "epoch": 5.166666666666667,
      "grad_norm": 0.2786322236061096,
      "learning_rate": 0.00016282199972956425,
      "loss": 0.8066,
      "step": 31
    },
    {
      "epoch": 5.333333333333333,
      "grad_norm": 0.3471967875957489,
      "learning_rate": 0.00015946331763042867,
      "loss": 0.6358,
      "step": 32
    },
    {
      "epoch": 5.5,
      "grad_norm": 0.24725958704948425,
      "learning_rate": 0.00015599747861375955,
      "loss": 0.6391,
      "step": 33
    },
    {
      "epoch": 5.666666666666667,
      "grad_norm": 0.2199738770723343,
      "learning_rate": 0.00015243072835572318,
      "loss": 0.7565,
      "step": 34
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 0.27682602405548096,
      "learning_rate": 0.00014876949438136347,
      "loss": 0.6344,
      "step": 35
    },
    {
      "epoch": 6.041666666666667,
      "grad_norm": 0.2765726149082184,
      "learning_rate": 0.00014502037448176734,
      "loss": 0.8291,
      "step": 36
    },
    {
      "epoch": 6.208333333333333,
      "grad_norm": 0.20466771721839905,
      "learning_rate": 0.0001411901248243993,
      "loss": 0.5015,
      "step": 37
    },
    {
      "epoch": 6.375,
      "grad_norm": 0.2152038961648941,
      "learning_rate": 0.00013728564777803088,
      "loss": 0.4853,
      "step": 38
    },
    {
      "epoch": 6.541666666666667,
      "grad_norm": 0.25701454281806946,
      "learning_rate": 0.00013331397947420576,
      "loss": 0.6269,
      "step": 39
    },
    {
      "epoch": 6.708333333333333,
      "grad_norm": 0.19832290709018707,
      "learning_rate": 0.00012928227712765504,
      "loss": 0.4737,
      "step": 40
    },
    {
      "epoch": 6.875,
      "grad_norm": 0.2033333033323288,
      "learning_rate": 0.00012519780613851254,
      "loss": 0.6484,
      "step": 41
    },
    {
      "epoch": 7.041666666666667,
      "grad_norm": 0.1800127774477005,
      "learning_rate": 0.00012106792699957263,
      "loss": 0.4391,
      "step": 42
    },
    {
      "epoch": 7.208333333333333,
      "grad_norm": 0.24281653761863708,
      "learning_rate": 0.00011690008203218493,
      "loss": 0.5563,
      "step": 43
    },
    {
      "epoch": 7.375,
      "grad_norm": 0.19685041904449463,
      "learning_rate": 0.00011270178197468789,
      "loss": 0.4318,
      "step": 44
    },
    {
      "epoch": 7.541666666666667,
      "grad_norm": 0.20339429378509521,
      "learning_rate": 0.00010848059244755093,
      "loss": 0.454,
      "step": 45
    },
    {
      "epoch": 7.708333333333333,
      "grad_norm": 0.22000202536582947,
      "learning_rate": 0.00010424412031961484,
      "loss": 0.4698,
      "step": 46
    },
    {
      "epoch": 7.875,
      "grad_norm": 0.18895649909973145,
      "learning_rate": 0.0001,
      "loss": 0.4803,
      "step": 47
    },
    {
      "epoch": 8.041666666666666,
      "grad_norm": 0.24064430594444275,
      "learning_rate": 9.57558796803852e-05,
      "loss": 0.4557,
      "step": 48
    },
    {
      "epoch": 8.208333333333334,
      "grad_norm": 0.18237631022930145,
      "learning_rate": 9.151940755244912e-05,
      "loss": 0.419,
      "step": 49
    },
    {
      "epoch": 8.375,
      "grad_norm": 0.2208249270915985,
      "learning_rate": 8.729821802531212e-05,
      "loss": 0.4511,
      "step": 50
    },
    {
      "epoch": 8.541666666666666,
      "grad_norm": 0.33140841126441956,
      "learning_rate": 8.309991796781511e-05,
      "loss": 0.4233,
      "step": 51
    },
    {
      "epoch": 8.708333333333334,
      "grad_norm": 0.18415142595767975,
      "learning_rate": 7.89320730004274e-05,
      "loss": 0.411,
      "step": 52
    },
    {
      "epoch": 8.875,
      "grad_norm": 0.16433921456336975,
      "learning_rate": 7.48021938614875e-05,
      "loss": 0.2912,
      "step": 53
    },
    {
      "epoch": 9.041666666666666,
      "grad_norm": 0.17932972311973572,
      "learning_rate": 7.071772287234497e-05,
      "loss": 0.3525,
      "step": 54
    },
    {
      "epoch": 9.208333333333334,
      "grad_norm": 0.18317647278308868,
      "learning_rate": 6.668602052579424e-05,
      "loss": 0.3507,
      "step": 55
    },
    {
      "epoch": 9.375,
      "grad_norm": 0.17076066136360168,
      "learning_rate": 6.271435222196916e-05,
      "loss": 0.3167,
      "step": 56
    },
    {
      "epoch": 9.541666666666666,
      "grad_norm": 0.19802387058734894,
      "learning_rate": 5.880987517560075e-05,
      "loss": 0.3732,
      "step": 57
    },
    {
      "epoch": 9.708333333333334,
      "grad_norm": 0.1698690503835678,
      "learning_rate": 5.497962551823266e-05,
      "loss": 0.3218,
      "step": 58
    },
    {
      "epoch": 9.875,
      "grad_norm": 0.22915402054786682,
      "learning_rate": 5.123050561863657e-05,
      "loss": 0.4354,
      "step": 59
    },
    {
      "epoch": 10.041666666666666,
      "grad_norm": 0.1857997328042984,
      "learning_rate": 4.756927164427685e-05,
      "loss": 0.3275,
      "step": 60
    },
    {
      "epoch": 10.208333333333334,
      "grad_norm": 0.15611092746257782,
      "learning_rate": 4.4002521386240466e-05,
      "loss": 0.2795,
      "step": 61
    },
    {
      "epoch": 10.375,
      "grad_norm": 0.19012218713760376,
      "learning_rate": 4.053668236957134e-05,
      "loss": 0.3439,
      "step": 62
    },
    {
      "epoch": 10.541666666666666,
      "grad_norm": 0.1764911711215973,
      "learning_rate": 3.717800027043576e-05,
      "loss": 0.2644,
      "step": 63
    },
    {
      "epoch": 10.708333333333334,
      "grad_norm": 0.17086263000965118,
      "learning_rate": 3.393252766099187e-05,
      "loss": 0.3059,
      "step": 64
    },
    {
      "epoch": 10.875,
      "grad_norm": 0.22247721254825592,
      "learning_rate": 3.080611310224539e-05,
      "loss": 0.4424,
      "step": 65
    },
    {
      "epoch": 11.083333333333334,
      "grad_norm": 0.19655092060565948,
      "learning_rate": 2.7804390604547557e-05,
      "loss": 0.3009,
      "step": 66
    },
    {
      "epoch": 11.25,
      "grad_norm": 0.18203987181186676,
      "learning_rate": 2.493276947472756e-05,
      "loss": 0.3454,
      "step": 67
    },
    {
      "epoch": 11.416666666666666,
      "grad_norm": 0.17264381051063538,
      "learning_rate": 2.2196424568156073e-05,
      "loss": 0.2445,
      "step": 68
    },
    {
      "epoch": 11.583333333333334,
      "grad_norm": 0.1764533668756485,
      "learning_rate": 1.9600286963305957e-05,
      "loss": 0.2576,
      "step": 69
    },
    {
      "epoch": 11.75,
      "grad_norm": 0.19120612740516663,
      "learning_rate": 1.7149035075615794e-05,
      "loss": 0.2981,
      "step": 70
    },
    {
      "epoch": 11.916666666666666,
      "grad_norm": 0.20959603786468506,
      "learning_rate": 1.4847086226668872e-05,
      "loss": 0.304,
      "step": 71
    },
    {
      "epoch": 12.083333333333334,
      "grad_norm": 0.17844681441783905,
      "learning_rate": 1.2698588683881186e-05,
      "loss": 0.3036,
      "step": 72
    },
    {
      "epoch": 12.25,
      "grad_norm": 0.24728497862815857,
      "learning_rate": 1.0707414185043163e-05,
      "loss": 0.269,
      "step": 73
    },
    {
      "epoch": 12.416666666666666,
      "grad_norm": 0.2222406417131424,
      "learning_rate": 8.87715096118642e-06,
      "loss": 0.323,
      "step": 74
    },
    {
      "epoch": 12.583333333333334,
      "grad_norm": 0.18077808618545532,
      "learning_rate": 7.211097270349066e-06,
      "loss": 0.29,
      "step": 75
    },
    {
      "epoch": 12.75,
      "grad_norm": 0.1571033000946045,
      "learning_rate": 5.71225545389158e-06,
      "loss": 0.2182,
      "step": 76
    },
    {
      "epoch": 12.916666666666666,
      "grad_norm": 0.17934341728687286,
      "learning_rate": 4.383326526074916e-06,
      "loss": 0.2598,
      "step": 77
    },
    {
      "epoch": 13.083333333333334,
      "grad_norm": 0.16940772533416748,
      "learning_rate": 3.226705306650113e-06,
      "loss": 0.2687,
      "step": 78
    }
  ],
  "logging_steps": 1,
  "max_steps": 84,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 14,
  "save_steps": 6,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 160914305187840.0,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}