{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 5.0,
  "eval_steps": 500,
  "global_step": 90,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.05555555555555555,
      "grad_norm": 17.469547271728516,
      "learning_rate": 0.0,
      "loss": 0.732,
      "step": 1
    },
    {
      "epoch": 0.1111111111111111,
      "grad_norm": 22.75277328491211,
      "learning_rate": 2.2222222222222223e-05,
      "loss": 0.8724,
      "step": 2
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 23.468505859375,
      "learning_rate": 4.4444444444444447e-05,
      "loss": 1.109,
      "step": 3
    },
    {
      "epoch": 0.2222222222222222,
      "grad_norm": 7.13322639465332,
      "learning_rate": 6.666666666666667e-05,
      "loss": 0.4281,
      "step": 4
    },
    {
      "epoch": 0.2777777777777778,
      "grad_norm": 8.956477165222168,
      "learning_rate": 8.888888888888889e-05,
      "loss": 0.6818,
      "step": 5
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 4.624927520751953,
      "learning_rate": 0.00011111111111111112,
      "loss": 0.4782,
      "step": 6
    },
    {
      "epoch": 0.3888888888888889,
      "grad_norm": 10.363118171691895,
      "learning_rate": 0.00013333333333333334,
      "loss": 0.583,
      "step": 7
    },
    {
      "epoch": 0.4444444444444444,
      "grad_norm": 13.19287109375,
      "learning_rate": 0.00015555555555555556,
      "loss": 0.1829,
      "step": 8
    },
    {
      "epoch": 0.5,
      "grad_norm": 7.12847900390625,
      "learning_rate": 0.00017777777777777779,
      "loss": 0.2936,
      "step": 9
    },
    {
      "epoch": 0.5555555555555556,
      "grad_norm": 6.902624607086182,
      "learning_rate": 0.0002,
      "loss": 0.3713,
      "step": 10
    },
    {
      "epoch": 0.6111111111111112,
      "grad_norm": 3.943729877471924,
      "learning_rate": 0.00019992479525042303,
      "loss": 0.1013,
      "step": 11
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 4.228763580322266,
      "learning_rate": 0.0001996992941167792,
      "loss": 0.2174,
      "step": 12
    },
    {
      "epoch": 0.7222222222222222,
      "grad_norm": 3.2873263359069824,
      "learning_rate": 0.00019932383577419432,
      "loss": 0.2151,
      "step": 13
    },
    {
      "epoch": 0.7777777777777778,
      "grad_norm": 4.9496283531188965,
      "learning_rate": 0.00019879898494768093,
      "loss": 0.4807,
      "step": 14
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 5.166029930114746,
      "learning_rate": 0.00019812553106273847,
      "loss": 0.1647,
      "step": 15
    },
    {
      "epoch": 0.8888888888888888,
      "grad_norm": 8.569997787475586,
      "learning_rate": 0.00019730448705798239,
      "loss": 0.6876,
      "step": 16
    },
    {
      "epoch": 0.9444444444444444,
      "grad_norm": 2.3550405502319336,
      "learning_rate": 0.00019633708786158806,
      "loss": 0.1372,
      "step": 17
    },
    {
      "epoch": 1.0,
      "grad_norm": 3.146822214126587,
      "learning_rate": 0.00019522478853384155,
      "loss": 0.0177,
      "step": 18
    },
    {
      "epoch": 1.0555555555555556,
      "grad_norm": 1.8545197248458862,
      "learning_rate": 0.00019396926207859084,
      "loss": 0.0716,
      "step": 19
    },
    {
      "epoch": 1.1111111111111112,
      "grad_norm": 3.4503188133239746,
      "learning_rate": 0.00019257239692688907,
      "loss": 0.0969,
      "step": 20
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 0.7412665486335754,
      "learning_rate": 0.0001910362940966147,
      "loss": 0.0223,
      "step": 21
    },
    {
      "epoch": 1.2222222222222223,
      "grad_norm": 10.92074203491211,
      "learning_rate": 0.00018936326403234125,
      "loss": 0.2261,
      "step": 22
    },
    {
      "epoch": 1.2777777777777777,
      "grad_norm": 5.52816104888916,
      "learning_rate": 0.0001875558231302091,
      "loss": 0.2436,
      "step": 23
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 2.198107957839966,
      "learning_rate": 0.00018561668995302667,
      "loss": 0.061,
      "step": 24
    },
    {
      "epoch": 1.3888888888888888,
      "grad_norm": 3.341217041015625,
      "learning_rate": 0.00018354878114129367,
      "loss": 0.146,
      "step": 25
    },
    {
      "epoch": 1.4444444444444444,
      "grad_norm": 0.8276804089546204,
      "learning_rate": 0.00018135520702629675,
      "loss": 0.0242,
      "step": 26
    },
    {
      "epoch": 1.5,
      "grad_norm": 0.304651141166687,
      "learning_rate": 0.00017903926695187595,
      "loss": 0.0028,
      "step": 27
    },
    {
      "epoch": 1.5555555555555556,
      "grad_norm": 0.5654858946800232,
      "learning_rate": 0.0001766044443118978,
      "loss": 0.0058,
      "step": 28
    },
    {
      "epoch": 1.6111111111111112,
      "grad_norm": 0.1325332224369049,
      "learning_rate": 0.00017405440131090048,
      "loss": 0.0017,
      "step": 29
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 0.26076093316078186,
      "learning_rate": 0.00017139297345578994,
      "loss": 0.0028,
      "step": 30
    },
    {
      "epoch": 1.7222222222222223,
      "grad_norm": 7.41240930557251,
      "learning_rate": 0.0001686241637868734,
      "loss": 0.477,
      "step": 31
    },
    {
      "epoch": 1.7777777777777777,
      "grad_norm": 4.4489665031433105,
      "learning_rate": 0.0001657521368569064,
      "loss": 0.0604,
      "step": 32
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 4.5502166748046875,
      "learning_rate": 0.00016278121246720987,
      "loss": 0.2863,
      "step": 33
    },
    {
      "epoch": 1.8888888888888888,
      "grad_norm": 7.6348137855529785,
      "learning_rate": 0.00015971585917027862,
      "loss": 0.1511,
      "step": 34
    },
    {
      "epoch": 1.9444444444444444,
      "grad_norm": 11.212128639221191,
      "learning_rate": 0.00015656068754865387,
      "loss": 0.1643,
      "step": 35
    },
    {
      "epoch": 2.0,
      "grad_norm": 1.7633869647979736,
      "learning_rate": 0.00015332044328016914,
      "loss": 0.0374,
      "step": 36
    },
    {
      "epoch": 2.0555555555555554,
      "grad_norm": 0.567506730556488,
      "learning_rate": 0.00015000000000000001,
      "loss": 0.0055,
      "step": 37
    },
    {
      "epoch": 2.111111111111111,
      "grad_norm": 0.24216872453689575,
      "learning_rate": 0.0001466043519702539,
      "loss": 0.0045,
      "step": 38
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 6.3600053787231445,
      "learning_rate": 0.00014313860656812536,
      "loss": 0.1886,
      "step": 39
    },
    {
      "epoch": 2.2222222222222223,
      "grad_norm": 4.492520332336426,
      "learning_rate": 0.0001396079766039157,
      "loss": 0.053,
      "step": 40
    },
    {
      "epoch": 2.2777777777777777,
      "grad_norm": 1.1104881763458252,
      "learning_rate": 0.00013601777248047105,
      "loss": 0.0159,
      "step": 41
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 0.21907638013362885,
      "learning_rate": 0.00013237339420583212,
      "loss": 0.0018,
      "step": 42
    },
    {
      "epoch": 2.388888888888889,
      "grad_norm": 7.373753547668457,
      "learning_rate": 0.00012868032327110904,
      "loss": 0.1776,
      "step": 43
    },
    {
      "epoch": 2.4444444444444446,
      "grad_norm": 4.361786842346191,
      "learning_rate": 0.00012494411440579814,
      "loss": 0.1345,
      "step": 44
    },
    {
      "epoch": 2.5,
      "grad_norm": 3.8851583003997803,
      "learning_rate": 0.0001211703872229411,
      "loss": 0.1062,
      "step": 45
    },
    {
      "epoch": 2.5555555555555554,
      "grad_norm": 0.022876089438796043,
      "learning_rate": 0.00011736481776669306,
      "loss": 0.0004,
      "step": 46
    },
    {
      "epoch": 2.611111111111111,
      "grad_norm": 0.05538008362054825,
      "learning_rate": 0.00011353312997501313,
      "loss": 0.0008,
      "step": 47
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.5484911203384399,
      "learning_rate": 0.00010968108707031792,
      "loss": 0.0032,
      "step": 48
    },
    {
      "epoch": 2.7222222222222223,
      "grad_norm": 0.17594866454601288,
      "learning_rate": 0.00010581448289104758,
      "loss": 0.0029,
      "step": 49
    },
    {
      "epoch": 2.7777777777777777,
      "grad_norm": 0.42551591992378235,
      "learning_rate": 0.00010193913317718244,
      "loss": 0.0079,
      "step": 50
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 4.214639186859131,
      "learning_rate": 9.806086682281758e-05,
      "loss": 0.1177,
      "step": 51
    },
    {
      "epoch": 2.888888888888889,
      "grad_norm": 5.015491962432861,
      "learning_rate": 9.418551710895243e-05,
      "loss": 0.076,
      "step": 52
    },
    {
      "epoch": 2.9444444444444446,
      "grad_norm": 3.676525831222534,
      "learning_rate": 9.03189129296821e-05,
      "loss": 0.1516,
      "step": 53
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.010427688248455524,
      "learning_rate": 8.646687002498692e-05,
      "loss": 0.0002,
      "step": 54
    },
    {
      "epoch": 3.0555555555555554,
      "grad_norm": 3.544339895248413,
      "learning_rate": 8.263518223330697e-05,
      "loss": 0.0387,
      "step": 55
    },
    {
      "epoch": 3.111111111111111,
      "grad_norm": 0.9848164319992065,
      "learning_rate": 7.882961277705895e-05,
      "loss": 0.0077,
      "step": 56
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 0.11404402554035187,
      "learning_rate": 7.505588559420189e-05,
      "loss": 0.0019,
      "step": 57
    },
    {
      "epoch": 3.2222222222222223,
      "grad_norm": 0.3479735255241394,
      "learning_rate": 7.131967672889101e-05,
      "loss": 0.0074,
      "step": 58
    },
    {
      "epoch": 3.2777777777777777,
      "grad_norm": 0.2785912752151489,
      "learning_rate": 6.762660579416791e-05,
      "loss": 0.0047,
      "step": 59
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 1.5189486742019653,
      "learning_rate": 6.398222751952899e-05,
      "loss": 0.0157,
      "step": 60
    },
    {
      "epoch": 3.388888888888889,
      "grad_norm": 1.2978746891021729,
      "learning_rate": 6.039202339608432e-05,
      "loss": 0.0148,
      "step": 61
    },
    {
      "epoch": 3.4444444444444446,
      "grad_norm": 0.19974800944328308,
      "learning_rate": 5.6861393431874675e-05,
      "loss": 0.0024,
      "step": 62
    },
    {
      "epoch": 3.5,
      "grad_norm": 0.08159318566322327,
      "learning_rate": 5.339564802974615e-05,
      "loss": 0.0011,
      "step": 63
    },
    {
      "epoch": 3.5555555555555554,
      "grad_norm": 0.034631360322237015,
      "learning_rate": 5.000000000000002e-05,
      "loss": 0.0005,
      "step": 64
    },
    {
      "epoch": 3.611111111111111,
      "grad_norm": 0.13056862354278564,
      "learning_rate": 4.66795567198309e-05,
      "loss": 0.0015,
      "step": 65
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 0.024880321696400642,
      "learning_rate": 4.343931245134616e-05,
      "loss": 0.0004,
      "step": 66
    },
    {
      "epoch": 3.7222222222222223,
      "grad_norm": 0.7327654361724854,
      "learning_rate": 4.028414082972141e-05,
      "loss": 0.0127,
      "step": 67
    },
    {
      "epoch": 3.7777777777777777,
      "grad_norm": 0.07404771447181702,
      "learning_rate": 3.721878753279017e-05,
      "loss": 0.0011,
      "step": 68
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 0.009151079691946507,
      "learning_rate": 3.424786314309365e-05,
      "loss": 0.0001,
      "step": 69
    },
    {
      "epoch": 3.888888888888889,
      "grad_norm": 0.03904305398464203,
      "learning_rate": 3.137583621312665e-05,
      "loss": 0.0004,
      "step": 70
    },
    {
      "epoch": 3.9444444444444446,
      "grad_norm": 0.16078825294971466,
      "learning_rate": 2.8607026544210114e-05,
      "loss": 0.0017,
      "step": 71
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.035697516053915024,
      "learning_rate": 2.594559868909956e-05,
      "loss": 0.0005,
      "step": 72
    },
    {
      "epoch": 4.055555555555555,
      "grad_norm": 0.04049859568476677,
      "learning_rate": 2.339555568810221e-05,
      "loss": 0.0005,
      "step": 73
    },
    {
      "epoch": 4.111111111111111,
      "grad_norm": 0.04846888408064842,
      "learning_rate": 2.0960733048124083e-05,
      "loss": 0.0006,
      "step": 74
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 0.015624168328940868,
      "learning_rate": 1.864479297370325e-05,
      "loss": 0.0002,
      "step": 75
    },
    {
      "epoch": 4.222222222222222,
      "grad_norm": 0.055838510394096375,
      "learning_rate": 1.6451218858706374e-05,
      "loss": 0.0008,
      "step": 76
    },
    {
      "epoch": 4.277777777777778,
      "grad_norm": 0.010197862051427364,
      "learning_rate": 1.4383310046973365e-05,
      "loss": 0.0001,
      "step": 77
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 0.01613779552280903,
      "learning_rate": 1.2444176869790925e-05,
      "loss": 0.0003,
      "step": 78
    },
    {
      "epoch": 4.388888888888889,
      "grad_norm": 0.07378027588129044,
      "learning_rate": 1.0636735967658784e-05,
      "loss": 0.0006,
      "step": 79
    },
    {
      "epoch": 4.444444444444445,
      "grad_norm": 0.009738123044371605,
      "learning_rate": 8.963705903385345e-06,
      "loss": 0.0001,
      "step": 80
    },
    {
      "epoch": 4.5,
      "grad_norm": 0.024092555046081543,
      "learning_rate": 7.427603073110967e-06,
      "loss": 0.0002,
      "step": 81
    },
    {
      "epoch": 4.555555555555555,
      "grad_norm": 0.02920607477426529,
      "learning_rate": 6.030737921409169e-06,
      "loss": 0.0004,
      "step": 82
    },
    {
      "epoch": 4.611111111111111,
      "grad_norm": 0.033286549150943756,
      "learning_rate": 4.775211466158469e-06,
      "loss": 0.0005,
      "step": 83
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 0.004122807644307613,
      "learning_rate": 3.662912138411967e-06,
      "loss": 0.0001,
      "step": 84
    },
    {
      "epoch": 4.722222222222222,
      "grad_norm": 0.016839250922203064,
      "learning_rate": 2.6955129420176196e-06,
      "loss": 0.0003,
      "step": 85
    },
    {
      "epoch": 4.777777777777778,
      "grad_norm": 0.013877292163670063,
      "learning_rate": 1.874468937261531e-06,
      "loss": 0.0002,
      "step": 86
    },
    {
      "epoch": 4.833333333333333,
      "grad_norm": 0.05045411363244057,
      "learning_rate": 1.201015052319099e-06,
      "loss": 0.0009,
      "step": 87
    },
    {
      "epoch": 4.888888888888889,
      "grad_norm": 0.050760798156261444,
      "learning_rate": 6.761642258056978e-07,
      "loss": 0.0005,
      "step": 88
    },
    {
      "epoch": 4.944444444444445,
      "grad_norm": 0.08366449922323227,
      "learning_rate": 3.007058832207976e-07,
      "loss": 0.0012,
      "step": 89
    },
    {
      "epoch": 5.0,
      "grad_norm": 0.15823712944984436,
      "learning_rate": 7.520474957699586e-08,
      "loss": 0.0017,
      "step": 90
    }
  ],
  "logging_steps": 1,
  "max_steps": 90,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 5,
  "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": 1.7422394887411668e+16,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}