diff --git "a/mistral-7b/trainer_state.json" "b/mistral-7b/trainer_state.json"
deleted file mode 100644--- "a/mistral-7b/trainer_state.json"
+++ /dev/null
@@ -1,8645 +0,0 @@
-{
-  "best_metric": 1.8956754207611084,
-  "best_model_checkpoint": "./lora-out/checkpoint-704",
-  "epoch": 3.9774011299435026,
-  "eval_steps": 64,
-  "global_step": 1408,
-  "is_hyper_param_search": false,
-  "is_local_process_zero": true,
-  "is_world_process_zero": true,
-  "log_history": [
-    {
-      "epoch": 0.0,
-      "learning_rate": 5.188679245283019e-07,
-      "loss": 1.8763,
-      "step": 1
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 1.0377358490566038e-06,
-      "loss": 2.0594,
-      "step": 2
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 1.5566037735849058e-06,
-      "loss": 1.8093,
-      "step": 3
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 2.0754716981132075e-06,
-      "loss": 1.8991,
-      "step": 4
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 2.5943396226415095e-06,
-      "loss": 1.9986,
-      "step": 5
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 3.1132075471698115e-06,
-      "loss": 1.9091,
-      "step": 6
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 3.632075471698113e-06,
-      "loss": 1.7758,
-      "step": 7
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 4.150943396226415e-06,
-      "loss": 1.9658,
-      "step": 8
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 4.669811320754717e-06,
-      "loss": 2.1666,
-      "step": 9
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 5.188679245283019e-06,
-      "loss": 2.0388,
-      "step": 10
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 5.7075471698113215e-06,
-      "loss": 1.9876,
-      "step": 11
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 6.226415094339623e-06,
-      "loss": 2.05,
-      "step": 12
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 6.745283018867925e-06,
-      "loss": 2.1043,
-      "step": 13
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 7.264150943396226e-06,
-      "loss": 2.1008,
-      "step": 14
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 7.783018867924528e-06,
-      "loss": 1.8744,
-      "step": 15
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 8.30188679245283e-06,
-      "loss": 1.9635,
-      "step": 16
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 8.820754716981133e-06,
-      "loss": 1.8415,
-      "step": 17
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 9.339622641509433e-06,
-      "loss": 1.928,
-      "step": 18
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 9.858490566037736e-06,
-      "loss": 2.084,
-      "step": 19
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 1.0377358490566038e-05,
-      "loss": 2.0203,
-      "step": 20
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 1.089622641509434e-05,
-      "loss": 2.0735,
-      "step": 21
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 1.1415094339622643e-05,
-      "loss": 1.8626,
-      "step": 22
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 1.1933962264150944e-05,
-      "loss": 1.8078,
-      "step": 23
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 1.2452830188679246e-05,
-      "loss": 2.0432,
-      "step": 24
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 1.2971698113207549e-05,
-      "loss": 2.0748,
-      "step": 25
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 1.349056603773585e-05,
-      "loss": 2.0721,
-      "step": 26
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 1.4009433962264152e-05,
-      "loss": 2.0951,
-      "step": 27
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 1.4528301886792452e-05,
-      "loss": 1.8304,
-      "step": 28
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 1.5047169811320755e-05,
-      "loss": 2.016,
-      "step": 29
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 1.5566037735849056e-05,
-      "loss": 1.9287,
-      "step": 30
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 1.6084905660377358e-05,
-      "loss": 1.9704,
-      "step": 31
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 1.660377358490566e-05,
-      "loss": 1.9437,
-      "step": 32
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 1.7122641509433963e-05,
-      "loss": 1.9436,
-      "step": 33
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 1.7641509433962265e-05,
-      "loss": 1.9706,
-      "step": 34
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 1.8160377358490564e-05,
-      "loss": 1.856,
-      "step": 35
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 1.8679245283018867e-05,
-      "loss": 1.997,
-      "step": 36
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 1.919811320754717e-05,
-      "loss": 1.8972,
-      "step": 37
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 1.971698113207547e-05,
-      "loss": 1.9616,
-      "step": 38
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 2.0235849056603774e-05,
-      "loss": 2.0965,
-      "step": 39
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 2.0754716981132076e-05,
-      "loss": 1.9266,
-      "step": 40
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 2.127358490566038e-05,
-      "loss": 1.9404,
-      "step": 41
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 2.179245283018868e-05,
-      "loss": 2.0763,
-      "step": 42
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 2.2311320754716984e-05,
-      "loss": 1.8434,
-      "step": 43
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 2.2830188679245286e-05,
-      "loss": 1.9364,
-      "step": 44
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 2.3349056603773585e-05,
-      "loss": 1.9503,
-      "step": 45
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 2.3867924528301887e-05,
-      "loss": 1.9163,
-      "step": 46
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 2.438679245283019e-05,
-      "loss": 1.9609,
-      "step": 47
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 2.4905660377358492e-05,
-      "loss": 1.9648,
-      "step": 48
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 2.5424528301886795e-05,
-      "loss": 1.8921,
-      "step": 49
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 2.5943396226415097e-05,
-      "loss": 1.8229,
-      "step": 50
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 2.6462264150943396e-05,
-      "loss": 1.8533,
-      "step": 51
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 2.69811320754717e-05,
-      "loss": 1.8729,
-      "step": 52
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 2.75e-05,
-      "loss": 2.0393,
-      "step": 53
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 2.8018867924528303e-05,
-      "loss": 2.1571,
-      "step": 54
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 2.8537735849056606e-05,
-      "loss": 2.0352,
-      "step": 55
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 2.9056603773584905e-05,
-      "loss": 2.1406,
-      "step": 56
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 2.9575471698113207e-05,
-      "loss": 1.9978,
-      "step": 57
-    },
-    {
-      "epoch": 0.16,
-      "learning_rate": 3.009433962264151e-05,
-      "loss": 2.1136,
-      "step": 58
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 3.061320754716981e-05,
-      "loss": 1.8786,
-      "step": 59
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 3.113207547169811e-05,
-      "loss": 1.8755,
-      "step": 60
-    },
-    {
-      "epoch": 0.17,
-      "learning_rate": 3.165094339622642e-05,
-      "loss": 1.9923,
-      "step": 61
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 3.2169811320754716e-05,
-      "loss": 1.9311,
-      "step": 62
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 3.268867924528302e-05,
-      "loss": 1.954,
-      "step": 63
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 3.320754716981132e-05,
-      "loss": 1.8866,
-      "step": 64
-    },
-    {
-      "epoch": 0.18,
-      "eval_loss": 1.9267239570617676,
-      "eval_runtime": 15.8456,
-      "eval_samples_per_second": 0.947,
-      "eval_steps_per_second": 0.252,
-      "step": 64
-    },
-    {
-      "epoch": 0.18,
-      "learning_rate": 3.372641509433962e-05,
-      "loss": 1.9747,
-      "step": 65
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 3.4245283018867926e-05,
-      "loss": 1.9244,
-      "step": 66
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 3.4764150943396225e-05,
-      "loss": 2.0561,
-      "step": 67
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 3.528301886792453e-05,
-      "loss": 2.2111,
-      "step": 68
-    },
-    {
-      "epoch": 0.19,
-      "learning_rate": 3.580188679245283e-05,
-      "loss": 2.1068,
-      "step": 69
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 3.632075471698113e-05,
-      "loss": 2.0595,
-      "step": 70
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 3.6839622641509434e-05,
-      "loss": 1.8751,
-      "step": 71
-    },
-    {
-      "epoch": 0.2,
-      "learning_rate": 3.735849056603773e-05,
-      "loss": 2.0406,
-      "step": 72
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 3.787735849056604e-05,
-      "loss": 1.7887,
-      "step": 73
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 3.839622641509434e-05,
-      "loss": 1.928,
-      "step": 74
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 3.891509433962264e-05,
-      "loss": 2.0033,
-      "step": 75
-    },
-    {
-      "epoch": 0.21,
-      "learning_rate": 3.943396226415094e-05,
-      "loss": 1.8148,
-      "step": 76
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 3.995283018867924e-05,
-      "loss": 1.8377,
-      "step": 77
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 4.047169811320755e-05,
-      "loss": 1.8968,
-      "step": 78
-    },
-    {
-      "epoch": 0.22,
-      "learning_rate": 4.099056603773585e-05,
-      "loss": 1.8268,
-      "step": 79
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 4.150943396226415e-05,
-      "loss": 1.817,
-      "step": 80
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 4.202830188679246e-05,
-      "loss": 1.999,
-      "step": 81
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 4.254716981132076e-05,
-      "loss": 2.1163,
-      "step": 82
-    },
-    {
-      "epoch": 0.23,
-      "learning_rate": 4.306603773584906e-05,
-      "loss": 1.818,
-      "step": 83
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 4.358490566037736e-05,
-      "loss": 2.043,
-      "step": 84
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 4.410377358490566e-05,
-      "loss": 2.0877,
-      "step": 85
-    },
-    {
-      "epoch": 0.24,
-      "learning_rate": 4.462264150943397e-05,
-      "loss": 1.8506,
-      "step": 86
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 4.5141509433962266e-05,
-      "loss": 1.9486,
-      "step": 87
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 4.566037735849057e-05,
-      "loss": 1.8371,
-      "step": 88
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 4.617924528301887e-05,
-      "loss": 2.0663,
-      "step": 89
-    },
-    {
-      "epoch": 0.25,
-      "learning_rate": 4.669811320754717e-05,
-      "loss": 2.0218,
-      "step": 90
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 4.7216981132075476e-05,
-      "loss": 1.7558,
-      "step": 91
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 4.7735849056603775e-05,
-      "loss": 1.914,
-      "step": 92
-    },
-    {
-      "epoch": 0.26,
-      "learning_rate": 4.825471698113208e-05,
-      "loss": 1.8807,
-      "step": 93
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 4.877358490566038e-05,
-      "loss": 1.771,
-      "step": 94
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 4.9292452830188686e-05,
-      "loss": 1.8389,
-      "step": 95
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 4.9811320754716985e-05,
-      "loss": 1.8625,
-      "step": 96
-    },
-    {
-      "epoch": 0.27,
-      "learning_rate": 5.0330188679245284e-05,
-      "loss": 2.0654,
-      "step": 97
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 5.084905660377359e-05,
-      "loss": 1.8699,
-      "step": 98
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 5.136792452830189e-05,
-      "loss": 2.0099,
-      "step": 99
-    },
-    {
-      "epoch": 0.28,
-      "learning_rate": 5.1886792452830194e-05,
-      "loss": 2.2083,
-      "step": 100
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 5.240566037735849e-05,
-      "loss": 2.0373,
-      "step": 101
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 5.292452830188679e-05,
-      "loss": 2.0114,
-      "step": 102
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 5.34433962264151e-05,
-      "loss": 1.878,
-      "step": 103
-    },
-    {
-      "epoch": 0.29,
-      "learning_rate": 5.39622641509434e-05,
-      "loss": 1.8008,
-      "step": 104
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 5.44811320754717e-05,
-      "loss": 1.9315,
-      "step": 105
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7969,
-      "step": 106
-    },
-    {
-      "epoch": 0.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9349,
-      "step": 107
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0334,
-      "step": 108
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0713,
-      "step": 109
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1895,
-      "step": 110
-    },
-    {
-      "epoch": 0.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8581,
-      "step": 111
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9417,
-      "step": 112
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9698,
-      "step": 113
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8789,
-      "step": 114
-    },
-    {
-      "epoch": 0.32,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1041,
-      "step": 115
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8171,
-      "step": 116
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9154,
-      "step": 117
-    },
-    {
-      "epoch": 0.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9921,
-      "step": 118
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 5.5e-05,
-      "loss": 2.046,
-      "step": 119
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0098,
-      "step": 120
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9567,
-      "step": 121
-    },
-    {
-      "epoch": 0.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9345,
-      "step": 122
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9262,
-      "step": 123
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9932,
-      "step": 124
-    },
-    {
-      "epoch": 0.35,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0656,
-      "step": 125
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8495,
-      "step": 126
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0401,
-      "step": 127
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0231,
-      "step": 128
-    },
-    {
-      "epoch": 0.36,
-      "eval_loss": 1.9198355674743652,
-      "eval_runtime": 15.8701,
-      "eval_samples_per_second": 0.945,
-      "eval_steps_per_second": 0.252,
-      "step": 128
-    },
-    {
-      "epoch": 0.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9994,
-      "step": 129
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8501,
-      "step": 130
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8624,
-      "step": 131
-    },
-    {
-      "epoch": 0.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9229,
-      "step": 132
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0773,
-      "step": 133
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0269,
-      "step": 134
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8407,
-      "step": 135
-    },
-    {
-      "epoch": 0.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9352,
-      "step": 136
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9501,
-      "step": 137
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9239,
-      "step": 138
-    },
-    {
-      "epoch": 0.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9907,
-      "step": 139
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9272,
-      "step": 140
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8584,
-      "step": 141
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 5.5e-05,
-      "loss": 2.096,
-      "step": 142
-    },
-    {
-      "epoch": 0.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9345,
-      "step": 143
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8725,
-      "step": 144
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8895,
-      "step": 145
-    },
-    {
-      "epoch": 0.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7989,
-      "step": 146
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8534,
-      "step": 147
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9822,
-      "step": 148
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0224,
-      "step": 149
-    },
-    {
-      "epoch": 0.42,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0449,
-      "step": 150
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8775,
-      "step": 151
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8746,
-      "step": 152
-    },
-    {
-      "epoch": 0.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.932,
-      "step": 153
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0068,
-      "step": 154
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0045,
-      "step": 155
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9501,
-      "step": 156
-    },
-    {
-      "epoch": 0.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9689,
-      "step": 157
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1364,
-      "step": 158
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7746,
-      "step": 159
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.852,
-      "step": 160
-    },
-    {
-      "epoch": 0.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9932,
-      "step": 161
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8331,
-      "step": 162
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8655,
-      "step": 163
-    },
-    {
-      "epoch": 0.46,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0385,
-      "step": 164
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9515,
-      "step": 165
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0299,
-      "step": 166
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9165,
-      "step": 167
-    },
-    {
-      "epoch": 0.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9014,
-      "step": 168
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9239,
-      "step": 169
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8516,
-      "step": 170
-    },
-    {
-      "epoch": 0.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8151,
-      "step": 171
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1556,
-      "step": 172
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9864,
-      "step": 173
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9995,
-      "step": 174
-    },
-    {
-      "epoch": 0.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7933,
-      "step": 175
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9165,
-      "step": 176
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9907,
-      "step": 177
-    },
-    {
-      "epoch": 0.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9265,
-      "step": 178
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8285,
-      "step": 179
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0191,
-      "step": 180
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9367,
-      "step": 181
-    },
-    {
-      "epoch": 0.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8359,
-      "step": 182
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2265,
-      "step": 183
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8823,
-      "step": 184
-    },
-    {
-      "epoch": 0.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9437,
-      "step": 185
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9701,
-      "step": 186
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8259,
-      "step": 187
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9425,
-      "step": 188
-    },
-    {
-      "epoch": 0.53,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1224,
-      "step": 189
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.882,
-      "step": 190
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8594,
-      "step": 191
-    },
-    {
-      "epoch": 0.54,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0202,
-      "step": 192
-    },
-    {
-      "epoch": 0.54,
-      "eval_loss": 1.9166834354400635,
-      "eval_runtime": 15.8953,
-      "eval_samples_per_second": 0.944,
-      "eval_steps_per_second": 0.252,
-      "step": 192
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8483,
-      "step": 193
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0376,
-      "step": 194
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8855,
-      "step": 195
-    },
-    {
-      "epoch": 0.55,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1538,
-      "step": 196
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9712,
-      "step": 197
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9211,
-      "step": 198
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0187,
-      "step": 199
-    },
-    {
-      "epoch": 0.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9248,
-      "step": 200
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9905,
-      "step": 201
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0332,
-      "step": 202
-    },
-    {
-      "epoch": 0.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9872,
-      "step": 203
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0161,
-      "step": 204
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0037,
-      "step": 205
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8186,
-      "step": 206
-    },
-    {
-      "epoch": 0.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8858,
-      "step": 207
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.834,
-      "step": 208
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0763,
-      "step": 209
-    },
-    {
-      "epoch": 0.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9497,
-      "step": 210
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5.5e-05,
-      "loss": 2.023,
-      "step": 211
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8244,
-      "step": 212
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9586,
-      "step": 213
-    },
-    {
-      "epoch": 0.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8326,
-      "step": 214
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0057,
-      "step": 215
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9797,
-      "step": 216
-    },
-    {
-      "epoch": 0.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6863,
-      "step": 217
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7368,
-      "step": 218
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8357,
-      "step": 219
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9472,
-      "step": 220
-    },
-    {
-      "epoch": 0.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9841,
-      "step": 221
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.889,
-      "step": 222
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0772,
-      "step": 223
-    },
-    {
-      "epoch": 0.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9318,
-      "step": 224
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7855,
-      "step": 225
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9101,
-      "step": 226
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0846,
-      "step": 227
-    },
-    {
-      "epoch": 0.64,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1986,
-      "step": 228
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9374,
-      "step": 229
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.81,
-      "step": 230
-    },
-    {
-      "epoch": 0.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9222,
-      "step": 231
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8392,
-      "step": 232
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0325,
-      "step": 233
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5.5e-05,
-      "loss": 2.09,
-      "step": 234
-    },
-    {
-      "epoch": 0.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8476,
-      "step": 235
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9211,
-      "step": 236
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8962,
-      "step": 237
-    },
-    {
-      "epoch": 0.67,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0457,
-      "step": 238
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9181,
-      "step": 239
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8752,
-      "step": 240
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9179,
-      "step": 241
-    },
-    {
-      "epoch": 0.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8738,
-      "step": 242
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8973,
-      "step": 243
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9131,
-      "step": 244
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0874,
-      "step": 245
-    },
-    {
-      "epoch": 0.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0245,
-      "step": 246
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9355,
-      "step": 247
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0169,
-      "step": 248
-    },
-    {
-      "epoch": 0.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8927,
-      "step": 249
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0183,
-      "step": 250
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9835,
-      "step": 251
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9892,
-      "step": 252
-    },
-    {
-      "epoch": 0.71,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0497,
-      "step": 253
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0267,
-      "step": 254
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.935,
-      "step": 255
-    },
-    {
-      "epoch": 0.72,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1717,
-      "step": 256
-    },
-    {
-      "epoch": 0.72,
-      "eval_loss": 1.9131959676742554,
-      "eval_runtime": 15.8622,
-      "eval_samples_per_second": 0.946,
-      "eval_steps_per_second": 0.252,
-      "step": 256
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9212,
-      "step": 257
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8908,
-      "step": 258
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9697,
-      "step": 259
-    },
-    {
-      "epoch": 0.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7132,
-      "step": 260
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9855,
-      "step": 261
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9295,
-      "step": 262
-    },
-    {
-      "epoch": 0.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8864,
-      "step": 263
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8215,
-      "step": 264
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9387,
-      "step": 265
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0644,
-      "step": 266
-    },
-    {
-      "epoch": 0.75,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0394,
-      "step": 267
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5.5e-05,
-      "loss": 2.03,
-      "step": 268
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8564,
-      "step": 269
-    },
-    {
-      "epoch": 0.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8823,
-      "step": 270
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9494,
-      "step": 271
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7425,
-      "step": 272
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8835,
-      "step": 273
-    },
-    {
-      "epoch": 0.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.898,
-      "step": 274
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8898,
-      "step": 275
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8986,
-      "step": 276
-    },
-    {
-      "epoch": 0.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8679,
-      "step": 277
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8186,
-      "step": 278
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9745,
-      "step": 279
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9038,
-      "step": 280
-    },
-    {
-      "epoch": 0.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.833,
-      "step": 281
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9604,
-      "step": 282
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9541,
-      "step": 283
-    },
-    {
-      "epoch": 0.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8268,
-      "step": 284
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7634,
-      "step": 285
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9416,
-      "step": 286
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8609,
-      "step": 287
-    },
-    {
-      "epoch": 0.81,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0638,
-      "step": 288
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9296,
-      "step": 289
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9795,
-      "step": 290
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8656,
-      "step": 291
-    },
-    {
-      "epoch": 0.82,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0354,
-      "step": 292
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9194,
-      "step": 293
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9736,
-      "step": 294
-    },
-    {
-      "epoch": 0.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9813,
-      "step": 295
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6839,
-      "step": 296
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9092,
-      "step": 297
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8476,
-      "step": 298
-    },
-    {
-      "epoch": 0.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8747,
-      "step": 299
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1024,
-      "step": 300
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5.5e-05,
-      "loss": 2.166,
-      "step": 301
-    },
-    {
-      "epoch": 0.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9582,
-      "step": 302
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9381,
-      "step": 303
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0313,
-      "step": 304
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9334,
-      "step": 305
-    },
-    {
-      "epoch": 0.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9775,
-      "step": 306
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0269,
-      "step": 307
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0337,
-      "step": 308
-    },
-    {
-      "epoch": 0.87,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0188,
-      "step": 309
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6189,
-      "step": 310
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5.5e-05,
-      "loss": 2.011,
-      "step": 311
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.84,
-      "step": 312
-    },
-    {
-      "epoch": 0.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8876,
-      "step": 313
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0968,
-      "step": 314
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8737,
-      "step": 315
-    },
-    {
-      "epoch": 0.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9588,
-      "step": 316
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9933,
-      "step": 317
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.958,
-      "step": 318
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0382,
-      "step": 319
-    },
-    {
-      "epoch": 0.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8921,
-      "step": 320
-    },
-    {
-      "epoch": 0.9,
-      "eval_loss": 1.910348892211914,
-      "eval_runtime": 15.8255,
-      "eval_samples_per_second": 0.948,
-      "eval_steps_per_second": 0.253,
-      "step": 320
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6654,
-      "step": 321
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.91,
-      "step": 322
-    },
-    {
-      "epoch": 0.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9411,
-      "step": 323
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.807,
-      "step": 324
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9477,
-      "step": 325
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8288,
-      "step": 326
-    },
-    {
-      "epoch": 0.92,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0549,
-      "step": 327
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0891,
-      "step": 328
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8982,
-      "step": 329
-    },
-    {
-      "epoch": 0.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.825,
-      "step": 330
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8956,
-      "step": 331
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0764,
-      "step": 332
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9019,
-      "step": 333
-    },
-    {
-      "epoch": 0.94,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1776,
-      "step": 334
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0201,
-      "step": 335
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8298,
-      "step": 336
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1339,
-      "step": 337
-    },
-    {
-      "epoch": 0.95,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0821,
-      "step": 338
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9018,
-      "step": 339
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9474,
-      "step": 340
-    },
-    {
-      "epoch": 0.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8844,
-      "step": 341
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9427,
-      "step": 342
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9446,
-      "step": 343
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8503,
-      "step": 344
-    },
-    {
-      "epoch": 0.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8068,
-      "step": 345
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7826,
-      "step": 346
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8188,
-      "step": 347
-    },
-    {
-      "epoch": 0.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9254,
-      "step": 348
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0352,
-      "step": 349
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1565,
-      "step": 350
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.725,
-      "step": 351
-    },
-    {
-      "epoch": 0.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9508,
-      "step": 352
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9927,
-      "step": 353
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8783,
-      "step": 354
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8725,
-      "step": 355
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8017,
-      "step": 356
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9587,
-      "step": 357
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8029,
-      "step": 358
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7235,
-      "step": 359
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8148,
-      "step": 360
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6969,
-      "step": 361
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 5.5e-05,
-      "loss": 2.056,
-      "step": 362
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1066,
-      "step": 363
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9098,
-      "step": 364
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7915,
-      "step": 365
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7709,
-      "step": 366
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7265,
-      "step": 367
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0535,
-      "step": 368
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9003,
-      "step": 369
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7629,
-      "step": 370
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8575,
-      "step": 371
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8103,
-      "step": 372
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7453,
-      "step": 373
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9325,
-      "step": 374
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9181,
-      "step": 375
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7825,
-      "step": 376
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8488,
-      "step": 377
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8314,
-      "step": 378
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9141,
-      "step": 379
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8282,
-      "step": 380
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7452,
-      "step": 381
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8025,
-      "step": 382
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0557,
-      "step": 383
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8759,
-      "step": 384
-    },
-    {
-      "epoch": 1.08,
-      "eval_loss": 1.908756136894226,
-      "eval_runtime": 15.8254,
-      "eval_samples_per_second": 0.948,
-      "eval_steps_per_second": 0.253,
-      "step": 384
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9679,
-      "step": 385
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8212,
-      "step": 386
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9418,
-      "step": 387
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8895,
-      "step": 388
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0485,
-      "step": 389
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9116,
-      "step": 390
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9387,
-      "step": 391
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9902,
-      "step": 392
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8657,
-      "step": 393
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7836,
-      "step": 394
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9202,
-      "step": 395
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9011,
-      "step": 396
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8977,
-      "step": 397
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7779,
-      "step": 398
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8189,
-      "step": 399
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8585,
-      "step": 400
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9763,
-      "step": 401
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7823,
-      "step": 402
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.689,
-      "step": 403
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.915,
-      "step": 404
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7241,
-      "step": 405
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.794,
-      "step": 406
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9473,
-      "step": 407
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.683,
-      "step": 408
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9877,
-      "step": 409
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.83,
-      "step": 410
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8058,
-      "step": 411
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8665,
-      "step": 412
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8601,
-      "step": 413
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.935,
-      "step": 414
-    },
-    {
-      "epoch": 1.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9988,
-      "step": 415
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8722,
-      "step": 416
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.836,
-      "step": 417
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9729,
-      "step": 418
-    },
-    {
-      "epoch": 1.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8294,
-      "step": 419
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7857,
-      "step": 420
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7951,
-      "step": 421
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9943,
-      "step": 422
-    },
-    {
-      "epoch": 1.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8178,
-      "step": 423
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0196,
-      "step": 424
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7755,
-      "step": 425
-    },
-    {
-      "epoch": 1.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7654,
-      "step": 426
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9323,
-      "step": 427
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7688,
-      "step": 428
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.955,
-      "step": 429
-    },
-    {
-      "epoch": 1.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.875,
-      "step": 430
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8321,
-      "step": 431
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8672,
-      "step": 432
-    },
-    {
-      "epoch": 1.22,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0068,
-      "step": 433
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8938,
-      "step": 434
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7994,
-      "step": 435
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9635,
-      "step": 436
-    },
-    {
-      "epoch": 1.23,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0295,
-      "step": 437
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9747,
-      "step": 438
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7277,
-      "step": 439
-    },
-    {
-      "epoch": 1.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9286,
-      "step": 440
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9488,
-      "step": 441
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7934,
-      "step": 442
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8474,
-      "step": 443
-    },
-    {
-      "epoch": 1.25,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0781,
-      "step": 444
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9829,
-      "step": 445
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9607,
-      "step": 446
-    },
-    {
-      "epoch": 1.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7645,
-      "step": 447
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5935,
-      "step": 448
-    },
-    {
-      "epoch": 1.27,
-      "eval_loss": 1.9090455770492554,
-      "eval_runtime": 15.8424,
-      "eval_samples_per_second": 0.947,
-      "eval_steps_per_second": 0.252,
-      "step": 448
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9635,
-      "step": 449
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7286,
-      "step": 450
-    },
-    {
-      "epoch": 1.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8306,
-      "step": 451
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9006,
-      "step": 452
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5.5e-05,
-      "loss": 2.058,
-      "step": 453
-    },
-    {
-      "epoch": 1.28,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1269,
-      "step": 454
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8991,
-      "step": 455
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6794,
-      "step": 456
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9455,
-      "step": 457
-    },
-    {
-      "epoch": 1.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9056,
-      "step": 458
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8372,
-      "step": 459
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9977,
-      "step": 460
-    },
-    {
-      "epoch": 1.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.857,
-      "step": 461
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8302,
-      "step": 462
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9658,
-      "step": 463
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8063,
-      "step": 464
-    },
-    {
-      "epoch": 1.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9346,
-      "step": 465
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8321,
-      "step": 466
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9172,
-      "step": 467
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9369,
-      "step": 468
-    },
-    {
-      "epoch": 1.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8713,
-      "step": 469
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9548,
-      "step": 470
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9509,
-      "step": 471
-    },
-    {
-      "epoch": 1.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7716,
-      "step": 472
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7426,
-      "step": 473
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5.5e-05,
-      "loss": 2.029,
-      "step": 474
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8024,
-      "step": 475
-    },
-    {
-      "epoch": 1.34,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0286,
-      "step": 476
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8011,
-      "step": 477
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7678,
-      "step": 478
-    },
-    {
-      "epoch": 1.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9928,
-      "step": 479
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8499,
-      "step": 480
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6583,
-      "step": 481
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8256,
-      "step": 482
-    },
-    {
-      "epoch": 1.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.855,
-      "step": 483
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0679,
-      "step": 484
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8916,
-      "step": 485
-    },
-    {
-      "epoch": 1.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7041,
-      "step": 486
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2201,
-      "step": 487
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9308,
-      "step": 488
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1227,
-      "step": 489
-    },
-    {
-      "epoch": 1.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8805,
-      "step": 490
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7295,
-      "step": 491
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9037,
-      "step": 492
-    },
-    {
-      "epoch": 1.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8797,
-      "step": 493
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9664,
-      "step": 494
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7967,
-      "step": 495
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9072,
-      "step": 496
-    },
-    {
-      "epoch": 1.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7727,
-      "step": 497
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8644,
-      "step": 498
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8529,
-      "step": 499
-    },
-    {
-      "epoch": 1.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8128,
-      "step": 500
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8639,
-      "step": 501
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9974,
-      "step": 502
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9035,
-      "step": 503
-    },
-    {
-      "epoch": 1.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.84,
-      "step": 504
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8928,
-      "step": 505
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7278,
-      "step": 506
-    },
-    {
-      "epoch": 1.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8777,
-      "step": 507
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9465,
-      "step": 508
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8905,
-      "step": 509
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8007,
-      "step": 510
-    },
-    {
-      "epoch": 1.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7495,
-      "step": 511
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8199,
-      "step": 512
-    },
-    {
-      "epoch": 1.45,
-      "eval_loss": 1.9047073125839233,
-      "eval_runtime": 15.8349,
-      "eval_samples_per_second": 0.947,
-      "eval_steps_per_second": 0.253,
-      "step": 512
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8661,
-      "step": 513
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9312,
-      "step": 514
-    },
-    {
-      "epoch": 1.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7717,
-      "step": 515
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7454,
-      "step": 516
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9119,
-      "step": 517
-    },
-    {
-      "epoch": 1.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9785,
-      "step": 518
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9029,
-      "step": 519
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7402,
-      "step": 520
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8072,
-      "step": 521
-    },
-    {
-      "epoch": 1.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8136,
-      "step": 522
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8955,
-      "step": 523
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9862,
-      "step": 524
-    },
-    {
-      "epoch": 1.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8566,
-      "step": 525
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9079,
-      "step": 526
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9165,
-      "step": 527
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7425,
-      "step": 528
-    },
-    {
-      "epoch": 1.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.896,
-      "step": 529
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0463,
-      "step": 530
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8926,
-      "step": 531
-    },
-    {
-      "epoch": 1.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9633,
-      "step": 532
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9225,
-      "step": 533
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8044,
-      "step": 534
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8735,
-      "step": 535
-    },
-    {
-      "epoch": 1.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8568,
-      "step": 536
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9984,
-      "step": 537
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8493,
-      "step": 538
-    },
-    {
-      "epoch": 1.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6813,
-      "step": 539
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0485,
-      "step": 540
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9968,
-      "step": 541
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.973,
-      "step": 542
-    },
-    {
-      "epoch": 1.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7108,
-      "step": 543
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5.5e-05,
-      "loss": 2.141,
-      "step": 544
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9077,
-      "step": 545
-    },
-    {
-      "epoch": 1.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7523,
-      "step": 546
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7261,
-      "step": 547
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.93,
-      "step": 548
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9137,
-      "step": 549
-    },
-    {
-      "epoch": 1.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8861,
-      "step": 550
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7487,
-      "step": 551
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9515,
-      "step": 552
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8471,
-      "step": 553
-    },
-    {
-      "epoch": 1.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8204,
-      "step": 554
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7801,
-      "step": 555
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.973,
-      "step": 556
-    },
-    {
-      "epoch": 1.57,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0137,
-      "step": 557
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.811,
-      "step": 558
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7863,
-      "step": 559
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8528,
-      "step": 560
-    },
-    {
-      "epoch": 1.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7901,
-      "step": 561
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8324,
-      "step": 562
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8088,
-      "step": 563
-    },
-    {
-      "epoch": 1.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7647,
-      "step": 564
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.995,
-      "step": 565
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9418,
-      "step": 566
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9464,
-      "step": 567
-    },
-    {
-      "epoch": 1.6,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0446,
-      "step": 568
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9373,
-      "step": 569
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9599,
-      "step": 570
-    },
-    {
-      "epoch": 1.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7897,
-      "step": 571
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7883,
-      "step": 572
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.929,
-      "step": 573
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8037,
-      "step": 574
-    },
-    {
-      "epoch": 1.62,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0317,
-      "step": 575
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9032,
-      "step": 576
-    },
-    {
-      "epoch": 1.63,
-      "eval_loss": 1.904633641242981,
-      "eval_runtime": 15.8817,
-      "eval_samples_per_second": 0.944,
-      "eval_steps_per_second": 0.252,
-      "step": 576
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8677,
-      "step": 577
-    },
-    {
-      "epoch": 1.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8722,
-      "step": 578
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8085,
-      "step": 579
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9854,
-      "step": 580
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9753,
-      "step": 581
-    },
-    {
-      "epoch": 1.64,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1195,
-      "step": 582
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8101,
-      "step": 583
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9143,
-      "step": 584
-    },
-    {
-      "epoch": 1.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8421,
-      "step": 585
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9934,
-      "step": 586
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.99,
-      "step": 587
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8455,
-      "step": 588
-    },
-    {
-      "epoch": 1.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9165,
-      "step": 589
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9551,
-      "step": 590
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8581,
-      "step": 591
-    },
-    {
-      "epoch": 1.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8379,
-      "step": 592
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0637,
-      "step": 593
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8534,
-      "step": 594
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0634,
-      "step": 595
-    },
-    {
-      "epoch": 1.68,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0384,
-      "step": 596
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5.5e-05,
-      "loss": 2.2857,
-      "step": 597
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7737,
-      "step": 598
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7523,
-      "step": 599
-    },
-    {
-      "epoch": 1.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8293,
-      "step": 600
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8713,
-      "step": 601
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8498,
-      "step": 602
-    },
-    {
-      "epoch": 1.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.812,
-      "step": 603
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9033,
-      "step": 604
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8274,
-      "step": 605
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.803,
-      "step": 606
-    },
-    {
-      "epoch": 1.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9733,
-      "step": 607
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9907,
-      "step": 608
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8521,
-      "step": 609
-    },
-    {
-      "epoch": 1.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9774,
-      "step": 610
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7895,
-      "step": 611
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0517,
-      "step": 612
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8392,
-      "step": 613
-    },
-    {
-      "epoch": 1.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8374,
-      "step": 614
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.768,
-      "step": 615
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8617,
-      "step": 616
-    },
-    {
-      "epoch": 1.74,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0166,
-      "step": 617
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8767,
-      "step": 618
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7613,
-      "step": 619
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.929,
-      "step": 620
-    },
-    {
-      "epoch": 1.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8824,
-      "step": 621
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9365,
-      "step": 622
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7937,
-      "step": 623
-    },
-    {
-      "epoch": 1.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9532,
-      "step": 624
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9121,
-      "step": 625
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8889,
-      "step": 626
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9079,
-      "step": 627
-    },
-    {
-      "epoch": 1.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8388,
-      "step": 628
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8738,
-      "step": 629
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8281,
-      "step": 630
-    },
-    {
-      "epoch": 1.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9145,
-      "step": 631
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8998,
-      "step": 632
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8605,
-      "step": 633
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7396,
-      "step": 634
-    },
-    {
-      "epoch": 1.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9788,
-      "step": 635
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5.5e-05,
-      "loss": 2.1603,
-      "step": 636
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.94,
-      "step": 637
-    },
-    {
-      "epoch": 1.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9619,
-      "step": 638
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9015,
-      "step": 639
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9345,
-      "step": 640
-    },
-    {
-      "epoch": 1.81,
-      "eval_loss": 1.901041030883789,
-      "eval_runtime": 15.7651,
-      "eval_samples_per_second": 0.951,
-      "eval_steps_per_second": 0.254,
-      "step": 640
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9378,
-      "step": 641
-    },
-    {
-      "epoch": 1.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6842,
-      "step": 642
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7583,
-      "step": 643
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7447,
-      "step": 644
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5.5e-05,
-      "loss": 2.055,
-      "step": 645
-    },
-    {
-      "epoch": 1.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9641,
-      "step": 646
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9397,
-      "step": 647
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8886,
-      "step": 648
-    },
-    {
-      "epoch": 1.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8484,
-      "step": 649
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9315,
-      "step": 650
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6379,
-      "step": 651
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8233,
-      "step": 652
-    },
-    {
-      "epoch": 1.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8882,
-      "step": 653
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9685,
-      "step": 654
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.982,
-      "step": 655
-    },
-    {
-      "epoch": 1.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8245,
-      "step": 656
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8107,
-      "step": 657
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.992,
-      "step": 658
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0028,
-      "step": 659
-    },
-    {
-      "epoch": 1.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8672,
-      "step": 660
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8239,
-      "step": 661
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8306,
-      "step": 662
-    },
-    {
-      "epoch": 1.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7309,
-      "step": 663
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.914,
-      "step": 664
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.891,
-      "step": 665
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8386,
-      "step": 666
-    },
-    {
-      "epoch": 1.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7672,
-      "step": 667
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8875,
-      "step": 668
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9328,
-      "step": 669
-    },
-    {
-      "epoch": 1.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9852,
-      "step": 670
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7268,
-      "step": 671
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9357,
-      "step": 672
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9003,
-      "step": 673
-    },
-    {
-      "epoch": 1.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6654,
-      "step": 674
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7439,
-      "step": 675
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9208,
-      "step": 676
-    },
-    {
-      "epoch": 1.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7153,
-      "step": 677
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7507,
-      "step": 678
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7489,
-      "step": 679
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.822,
-      "step": 680
-    },
-    {
-      "epoch": 1.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8108,
-      "step": 681
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6284,
-      "step": 682
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8585,
-      "step": 683
-    },
-    {
-      "epoch": 1.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7957,
-      "step": 684
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0225,
-      "step": 685
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9307,
-      "step": 686
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8515,
-      "step": 687
-    },
-    {
-      "epoch": 1.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8868,
-      "step": 688
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0517,
-      "step": 689
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8739,
-      "step": 690
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.851,
-      "step": 691
-    },
-    {
-      "epoch": 1.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6956,
-      "step": 692
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9364,
-      "step": 693
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9086,
-      "step": 694
-    },
-    {
-      "epoch": 1.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9137,
-      "step": 695
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7439,
-      "step": 696
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9386,
-      "step": 697
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8278,
-      "step": 698
-    },
-    {
-      "epoch": 1.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8963,
-      "step": 699
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7445,
-      "step": 700
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9078,
-      "step": 701
-    },
-    {
-      "epoch": 1.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8682,
-      "step": 702
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9643,
-      "step": 703
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9067,
-      "step": 704
-    },
-    {
-      "epoch": 1.99,
-      "eval_loss": 1.8956754207611084,
-      "eval_runtime": 15.8172,
-      "eval_samples_per_second": 0.948,
-      "eval_steps_per_second": 0.253,
-      "step": 704
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9434,
-      "step": 705
-    },
-    {
-      "epoch": 1.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8199,
-      "step": 706
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7653,
-      "step": 707
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8696,
-      "step": 708
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8837,
-      "step": 709
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6851,
-      "step": 710
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7055,
-      "step": 711
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9095,
-      "step": 712
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8649,
-      "step": 713
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7723,
-      "step": 714
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8985,
-      "step": 715
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6597,
-      "step": 716
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7673,
-      "step": 717
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.632,
-      "step": 718
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7904,
-      "step": 719
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7018,
-      "step": 720
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9637,
-      "step": 721
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8436,
-      "step": 722
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.649,
-      "step": 723
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5266,
-      "step": 724
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8776,
-      "step": 725
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8995,
-      "step": 726
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9047,
-      "step": 727
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7088,
-      "step": 728
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6831,
-      "step": 729
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7458,
-      "step": 730
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6726,
-      "step": 731
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.85,
-      "step": 732
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8863,
-      "step": 733
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6919,
-      "step": 734
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8132,
-      "step": 735
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6245,
-      "step": 736
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6661,
-      "step": 737
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5934,
-      "step": 738
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8433,
-      "step": 739
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7394,
-      "step": 740
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.78,
-      "step": 741
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7698,
-      "step": 742
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7158,
-      "step": 743
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6797,
-      "step": 744
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8162,
-      "step": 745
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9739,
-      "step": 746
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5963,
-      "step": 747
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7822,
-      "step": 748
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7986,
-      "step": 749
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6597,
-      "step": 750
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.803,
-      "step": 751
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7836,
-      "step": 752
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7958,
-      "step": 753
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8053,
-      "step": 754
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8482,
-      "step": 755
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7105,
-      "step": 756
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7662,
-      "step": 757
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.981,
-      "step": 758
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7128,
-      "step": 759
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7964,
-      "step": 760
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9118,
-      "step": 761
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6856,
-      "step": 762
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7717,
-      "step": 763
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.92,
-      "step": 764
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7106,
-      "step": 765
-    },
-    {
-      "epoch": 2.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9107,
-      "step": 766
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8034,
-      "step": 767
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8643,
-      "step": 768
-    },
-    {
-      "epoch": 2.17,
-      "eval_loss": 1.9084140062332153,
-      "eval_runtime": 15.7691,
-      "eval_samples_per_second": 0.951,
-      "eval_steps_per_second": 0.254,
-      "step": 768
-    },
-    {
-      "epoch": 2.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7414,
-      "step": 769
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8657,
-      "step": 770
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7534,
-      "step": 771
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.695,
-      "step": 772
-    },
-    {
-      "epoch": 2.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9271,
-      "step": 773
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7213,
-      "step": 774
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6776,
-      "step": 775
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6942,
-      "step": 776
-    },
-    {
-      "epoch": 2.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8704,
-      "step": 777
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5163,
-      "step": 778
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5997,
-      "step": 779
-    },
-    {
-      "epoch": 2.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5882,
-      "step": 780
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6696,
-      "step": 781
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.665,
-      "step": 782
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8148,
-      "step": 783
-    },
-    {
-      "epoch": 2.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8108,
-      "step": 784
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7828,
-      "step": 785
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8787,
-      "step": 786
-    },
-    {
-      "epoch": 2.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7048,
-      "step": 787
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6589,
-      "step": 788
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8266,
-      "step": 789
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7714,
-      "step": 790
-    },
-    {
-      "epoch": 2.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8702,
-      "step": 791
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6824,
-      "step": 792
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.81,
-      "step": 793
-    },
-    {
-      "epoch": 2.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.751,
-      "step": 794
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8082,
-      "step": 795
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7196,
-      "step": 796
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8456,
-      "step": 797
-    },
-    {
-      "epoch": 2.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6487,
-      "step": 798
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4987,
-      "step": 799
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9665,
-      "step": 800
-    },
-    {
-      "epoch": 2.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8896,
-      "step": 801
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6338,
-      "step": 802
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.894,
-      "step": 803
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7418,
-      "step": 804
-    },
-    {
-      "epoch": 2.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8894,
-      "step": 805
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8593,
-      "step": 806
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7205,
-      "step": 807
-    },
-    {
-      "epoch": 2.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6907,
-      "step": 808
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8852,
-      "step": 809
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.76,
-      "step": 810
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7215,
-      "step": 811
-    },
-    {
-      "epoch": 2.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8215,
-      "step": 812
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8286,
-      "step": 813
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7595,
-      "step": 814
-    },
-    {
-      "epoch": 2.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8129,
-      "step": 815
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7214,
-      "step": 816
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7019,
-      "step": 817
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7345,
-      "step": 818
-    },
-    {
-      "epoch": 2.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7211,
-      "step": 819
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.802,
-      "step": 820
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6679,
-      "step": 821
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7677,
-      "step": 822
-    },
-    {
-      "epoch": 2.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.745,
-      "step": 823
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7046,
-      "step": 824
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7165,
-      "step": 825
-    },
-    {
-      "epoch": 2.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6705,
-      "step": 826
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7855,
-      "step": 827
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7884,
-      "step": 828
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8958,
-      "step": 829
-    },
-    {
-      "epoch": 2.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7122,
-      "step": 830
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5.5e-05,
-      "loss": 2.022,
-      "step": 831
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8046,
-      "step": 832
-    },
-    {
-      "epoch": 2.35,
-      "eval_loss": 1.9103764295578003,
-      "eval_runtime": 15.7656,
-      "eval_samples_per_second": 0.951,
-      "eval_steps_per_second": 0.254,
-      "step": 832
-    },
-    {
-      "epoch": 2.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6111,
-      "step": 833
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8109,
-      "step": 834
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.703,
-      "step": 835
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7922,
-      "step": 836
-    },
-    {
-      "epoch": 2.36,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0147,
-      "step": 837
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7194,
-      "step": 838
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9895,
-      "step": 839
-    },
-    {
-      "epoch": 2.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.787,
-      "step": 840
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9435,
-      "step": 841
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.74,
-      "step": 842
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7844,
-      "step": 843
-    },
-    {
-      "epoch": 2.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6824,
-      "step": 844
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9168,
-      "step": 845
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9959,
-      "step": 846
-    },
-    {
-      "epoch": 2.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8155,
-      "step": 847
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6206,
-      "step": 848
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7616,
-      "step": 849
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7026,
-      "step": 850
-    },
-    {
-      "epoch": 2.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7959,
-      "step": 851
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6107,
-      "step": 852
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7275,
-      "step": 853
-    },
-    {
-      "epoch": 2.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6842,
-      "step": 854
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7051,
-      "step": 855
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8819,
-      "step": 856
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7065,
-      "step": 857
-    },
-    {
-      "epoch": 2.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9535,
-      "step": 858
-    },
-    {
-      "epoch": 2.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.755,
-      "step": 859
-    },
-    {
-      "epoch": 2.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7594,
-      "step": 860
-    },
-    {
-      "epoch": 2.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6443,
-      "step": 861
-    },
-    {
-      "epoch": 2.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8298,
-      "step": 862
-    },
-    {
-      "epoch": 2.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8285,
-      "step": 863
-    },
-    {
-      "epoch": 2.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6745,
-      "step": 864
-    },
-    {
-      "epoch": 2.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.689,
-      "step": 865
-    },
-    {
-      "epoch": 2.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9458,
-      "step": 866
-    },
-    {
-      "epoch": 2.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8596,
-      "step": 867
-    },
-    {
-      "epoch": 2.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7854,
-      "step": 868
-    },
-    {
-      "epoch": 2.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9977,
-      "step": 869
-    },
-    {
-      "epoch": 2.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7828,
-      "step": 870
-    },
-    {
-      "epoch": 2.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6712,
-      "step": 871
-    },
-    {
-      "epoch": 2.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6976,
-      "step": 872
-    },
-    {
-      "epoch": 2.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6637,
-      "step": 873
-    },
-    {
-      "epoch": 2.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8234,
-      "step": 874
-    },
-    {
-      "epoch": 2.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7762,
-      "step": 875
-    },
-    {
-      "epoch": 2.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7231,
-      "step": 876
-    },
-    {
-      "epoch": 2.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6682,
-      "step": 877
-    },
-    {
-      "epoch": 2.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8056,
-      "step": 878
-    },
-    {
-      "epoch": 2.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9182,
-      "step": 879
-    },
-    {
-      "epoch": 2.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8499,
-      "step": 880
-    },
-    {
-      "epoch": 2.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8832,
-      "step": 881
-    },
-    {
-      "epoch": 2.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6505,
-      "step": 882
-    },
-    {
-      "epoch": 2.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8629,
-      "step": 883
-    },
-    {
-      "epoch": 2.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7037,
-      "step": 884
-    },
-    {
-      "epoch": 2.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9912,
-      "step": 885
-    },
-    {
-      "epoch": 2.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6883,
-      "step": 886
-    },
-    {
-      "epoch": 2.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9611,
-      "step": 887
-    },
-    {
-      "epoch": 2.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6294,
-      "step": 888
-    },
-    {
-      "epoch": 2.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7118,
-      "step": 889
-    },
-    {
-      "epoch": 2.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9091,
-      "step": 890
-    },
-    {
-      "epoch": 2.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9107,
-      "step": 891
-    },
-    {
-      "epoch": 2.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8334,
-      "step": 892
-    },
-    {
-      "epoch": 2.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.872,
-      "step": 893
-    },
-    {
-      "epoch": 2.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7879,
-      "step": 894
-    },
-    {
-      "epoch": 2.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8291,
-      "step": 895
-    },
-    {
-      "epoch": 2.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5622,
-      "step": 896
-    },
-    {
-      "epoch": 2.53,
-      "eval_loss": 1.9111343622207642,
-      "eval_runtime": 15.8297,
-      "eval_samples_per_second": 0.948,
-      "eval_steps_per_second": 0.253,
-      "step": 896
-    },
-    {
-      "epoch": 2.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8108,
-      "step": 897
-    },
-    {
-      "epoch": 2.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8616,
-      "step": 898
-    },
-    {
-      "epoch": 2.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7982,
-      "step": 899
-    },
-    {
-      "epoch": 2.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9036,
-      "step": 900
-    },
-    {
-      "epoch": 2.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8679,
-      "step": 901
-    },
-    {
-      "epoch": 2.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6097,
-      "step": 902
-    },
-    {
-      "epoch": 2.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8929,
-      "step": 903
-    },
-    {
-      "epoch": 2.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8855,
-      "step": 904
-    },
-    {
-      "epoch": 2.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8899,
-      "step": 905
-    },
-    {
-      "epoch": 2.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8021,
-      "step": 906
-    },
-    {
-      "epoch": 2.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8802,
-      "step": 907
-    },
-    {
-      "epoch": 2.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8358,
-      "step": 908
-    },
-    {
-      "epoch": 2.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7239,
-      "step": 909
-    },
-    {
-      "epoch": 2.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8453,
-      "step": 910
-    },
-    {
-      "epoch": 2.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.856,
-      "step": 911
-    },
-    {
-      "epoch": 2.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9009,
-      "step": 912
-    },
-    {
-      "epoch": 2.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7153,
-      "step": 913
-    },
-    {
-      "epoch": 2.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8069,
-      "step": 914
-    },
-    {
-      "epoch": 2.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6698,
-      "step": 915
-    },
-    {
-      "epoch": 2.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8077,
-      "step": 916
-    },
-    {
-      "epoch": 2.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6991,
-      "step": 917
-    },
-    {
-      "epoch": 2.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6358,
-      "step": 918
-    },
-    {
-      "epoch": 2.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8901,
-      "step": 919
-    },
-    {
-      "epoch": 2.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.914,
-      "step": 920
-    },
-    {
-      "epoch": 2.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8759,
-      "step": 921
-    },
-    {
-      "epoch": 2.6,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0676,
-      "step": 922
-    },
-    {
-      "epoch": 2.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9327,
-      "step": 923
-    },
-    {
-      "epoch": 2.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8873,
-      "step": 924
-    },
-    {
-      "epoch": 2.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8848,
-      "step": 925
-    },
-    {
-      "epoch": 2.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8782,
-      "step": 926
-    },
-    {
-      "epoch": 2.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7306,
-      "step": 927
-    },
-    {
-      "epoch": 2.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7191,
-      "step": 928
-    },
-    {
-      "epoch": 2.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7849,
-      "step": 929
-    },
-    {
-      "epoch": 2.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8355,
-      "step": 930
-    },
-    {
-      "epoch": 2.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7607,
-      "step": 931
-    },
-    {
-      "epoch": 2.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6837,
-      "step": 932
-    },
-    {
-      "epoch": 2.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8278,
-      "step": 933
-    },
-    {
-      "epoch": 2.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.736,
-      "step": 934
-    },
-    {
-      "epoch": 2.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5864,
-      "step": 935
-    },
-    {
-      "epoch": 2.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8364,
-      "step": 936
-    },
-    {
-      "epoch": 2.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7951,
-      "step": 937
-    },
-    {
-      "epoch": 2.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8251,
-      "step": 938
-    },
-    {
-      "epoch": 2.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9624,
-      "step": 939
-    },
-    {
-      "epoch": 2.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8844,
-      "step": 940
-    },
-    {
-      "epoch": 2.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9013,
-      "step": 941
-    },
-    {
-      "epoch": 2.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6256,
-      "step": 942
-    },
-    {
-      "epoch": 2.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9452,
-      "step": 943
-    },
-    {
-      "epoch": 2.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7198,
-      "step": 944
-    },
-    {
-      "epoch": 2.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6005,
-      "step": 945
-    },
-    {
-      "epoch": 2.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7862,
-      "step": 946
-    },
-    {
-      "epoch": 2.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6968,
-      "step": 947
-    },
-    {
-      "epoch": 2.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7225,
-      "step": 948
-    },
-    {
-      "epoch": 2.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7917,
-      "step": 949
-    },
-    {
-      "epoch": 2.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7547,
-      "step": 950
-    },
-    {
-      "epoch": 2.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8442,
-      "step": 951
-    },
-    {
-      "epoch": 2.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6128,
-      "step": 952
-    },
-    {
-      "epoch": 2.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6948,
-      "step": 953
-    },
-    {
-      "epoch": 2.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7104,
-      "step": 954
-    },
-    {
-      "epoch": 2.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8361,
-      "step": 955
-    },
-    {
-      "epoch": 2.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7884,
-      "step": 956
-    },
-    {
-      "epoch": 2.7,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0423,
-      "step": 957
-    },
-    {
-      "epoch": 2.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8477,
-      "step": 958
-    },
-    {
-      "epoch": 2.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6765,
-      "step": 959
-    },
-    {
-      "epoch": 2.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6571,
-      "step": 960
-    },
-    {
-      "epoch": 2.71,
-      "eval_loss": 1.9046272039413452,
-      "eval_runtime": 15.821,
-      "eval_samples_per_second": 0.948,
-      "eval_steps_per_second": 0.253,
-      "step": 960
-    },
-    {
-      "epoch": 2.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8389,
-      "step": 961
-    },
-    {
-      "epoch": 2.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8361,
-      "step": 962
-    },
-    {
-      "epoch": 2.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7566,
-      "step": 963
-    },
-    {
-      "epoch": 2.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6827,
-      "step": 964
-    },
-    {
-      "epoch": 2.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7623,
-      "step": 965
-    },
-    {
-      "epoch": 2.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.628,
-      "step": 966
-    },
-    {
-      "epoch": 2.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7955,
-      "step": 967
-    },
-    {
-      "epoch": 2.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7576,
-      "step": 968
-    },
-    {
-      "epoch": 2.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6056,
-      "step": 969
-    },
-    {
-      "epoch": 2.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7061,
-      "step": 970
-    },
-    {
-      "epoch": 2.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7672,
-      "step": 971
-    },
-    {
-      "epoch": 2.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7454,
-      "step": 972
-    },
-    {
-      "epoch": 2.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7006,
-      "step": 973
-    },
-    {
-      "epoch": 2.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7268,
-      "step": 974
-    },
-    {
-      "epoch": 2.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.904,
-      "step": 975
-    },
-    {
-      "epoch": 2.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7068,
-      "step": 976
-    },
-    {
-      "epoch": 2.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9171,
-      "step": 977
-    },
-    {
-      "epoch": 2.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6846,
-      "step": 978
-    },
-    {
-      "epoch": 2.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6668,
-      "step": 979
-    },
-    {
-      "epoch": 2.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8157,
-      "step": 980
-    },
-    {
-      "epoch": 2.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7917,
-      "step": 981
-    },
-    {
-      "epoch": 2.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7899,
-      "step": 982
-    },
-    {
-      "epoch": 2.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9337,
-      "step": 983
-    },
-    {
-      "epoch": 2.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6848,
-      "step": 984
-    },
-    {
-      "epoch": 2.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8253,
-      "step": 985
-    },
-    {
-      "epoch": 2.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6049,
-      "step": 986
-    },
-    {
-      "epoch": 2.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7543,
-      "step": 987
-    },
-    {
-      "epoch": 2.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8715,
-      "step": 988
-    },
-    {
-      "epoch": 2.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7701,
-      "step": 989
-    },
-    {
-      "epoch": 2.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8418,
-      "step": 990
-    },
-    {
-      "epoch": 2.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8947,
-      "step": 991
-    },
-    {
-      "epoch": 2.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8245,
-      "step": 992
-    },
-    {
-      "epoch": 2.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7866,
-      "step": 993
-    },
-    {
-      "epoch": 2.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6966,
-      "step": 994
-    },
-    {
-      "epoch": 2.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6865,
-      "step": 995
-    },
-    {
-      "epoch": 2.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8293,
-      "step": 996
-    },
-    {
-      "epoch": 2.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7333,
-      "step": 997
-    },
-    {
-      "epoch": 2.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9818,
-      "step": 998
-    },
-    {
-      "epoch": 2.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9954,
-      "step": 999
-    },
-    {
-      "epoch": 2.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6541,
-      "step": 1000
-    },
-    {
-      "epoch": 2.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8485,
-      "step": 1001
-    },
-    {
-      "epoch": 2.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6253,
-      "step": 1002
-    },
-    {
-      "epoch": 2.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8744,
-      "step": 1003
-    },
-    {
-      "epoch": 2.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6481,
-      "step": 1004
-    },
-    {
-      "epoch": 2.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7262,
-      "step": 1005
-    },
-    {
-      "epoch": 2.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7663,
-      "step": 1006
-    },
-    {
-      "epoch": 2.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7832,
-      "step": 1007
-    },
-    {
-      "epoch": 2.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7518,
-      "step": 1008
-    },
-    {
-      "epoch": 2.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5817,
-      "step": 1009
-    },
-    {
-      "epoch": 2.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7278,
-      "step": 1010
-    },
-    {
-      "epoch": 2.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8573,
-      "step": 1011
-    },
-    {
-      "epoch": 2.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8839,
-      "step": 1012
-    },
-    {
-      "epoch": 2.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6467,
-      "step": 1013
-    },
-    {
-      "epoch": 2.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.93,
-      "step": 1014
-    },
-    {
-      "epoch": 2.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6739,
-      "step": 1015
-    },
-    {
-      "epoch": 2.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.685,
-      "step": 1016
-    },
-    {
-      "epoch": 2.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6035,
-      "step": 1017
-    },
-    {
-      "epoch": 2.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8281,
-      "step": 1018
-    },
-    {
-      "epoch": 2.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6309,
-      "step": 1019
-    },
-    {
-      "epoch": 2.88,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0225,
-      "step": 1020
-    },
-    {
-      "epoch": 2.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.783,
-      "step": 1021
-    },
-    {
-      "epoch": 2.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7345,
-      "step": 1022
-    },
-    {
-      "epoch": 2.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7778,
-      "step": 1023
-    },
-    {
-      "epoch": 2.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.687,
-      "step": 1024
-    },
-    {
-      "epoch": 2.89,
-      "eval_loss": 1.9048281908035278,
-      "eval_runtime": 15.8179,
-      "eval_samples_per_second": 0.948,
-      "eval_steps_per_second": 0.253,
-      "step": 1024
-    },
-    {
-      "epoch": 2.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.87,
-      "step": 1025
-    },
-    {
-      "epoch": 2.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5939,
-      "step": 1026
-    },
-    {
-      "epoch": 2.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9544,
-      "step": 1027
-    },
-    {
-      "epoch": 2.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8658,
-      "step": 1028
-    },
-    {
-      "epoch": 2.91,
-      "learning_rate": 5.5e-05,
-      "loss": 2.0409,
-      "step": 1029
-    },
-    {
-      "epoch": 2.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8278,
-      "step": 1030
-    },
-    {
-      "epoch": 2.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8789,
-      "step": 1031
-    },
-    {
-      "epoch": 2.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6719,
-      "step": 1032
-    },
-    {
-      "epoch": 2.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7059,
-      "step": 1033
-    },
-    {
-      "epoch": 2.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8003,
-      "step": 1034
-    },
-    {
-      "epoch": 2.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8126,
-      "step": 1035
-    },
-    {
-      "epoch": 2.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8602,
-      "step": 1036
-    },
-    {
-      "epoch": 2.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6596,
-      "step": 1037
-    },
-    {
-      "epoch": 2.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7602,
-      "step": 1038
-    },
-    {
-      "epoch": 2.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.664,
-      "step": 1039
-    },
-    {
-      "epoch": 2.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6623,
-      "step": 1040
-    },
-    {
-      "epoch": 2.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8087,
-      "step": 1041
-    },
-    {
-      "epoch": 2.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.638,
-      "step": 1042
-    },
-    {
-      "epoch": 2.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8812,
-      "step": 1043
-    },
-    {
-      "epoch": 2.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8309,
-      "step": 1044
-    },
-    {
-      "epoch": 2.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6749,
-      "step": 1045
-    },
-    {
-      "epoch": 2.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5502,
-      "step": 1046
-    },
-    {
-      "epoch": 2.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6402,
-      "step": 1047
-    },
-    {
-      "epoch": 2.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7163,
-      "step": 1048
-    },
-    {
-      "epoch": 2.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5623,
-      "step": 1049
-    },
-    {
-      "epoch": 2.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.723,
-      "step": 1050
-    },
-    {
-      "epoch": 2.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8435,
-      "step": 1051
-    },
-    {
-      "epoch": 2.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6106,
-      "step": 1052
-    },
-    {
-      "epoch": 2.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8986,
-      "step": 1053
-    },
-    {
-      "epoch": 2.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7712,
-      "step": 1054
-    },
-    {
-      "epoch": 2.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6907,
-      "step": 1055
-    },
-    {
-      "epoch": 2.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6686,
-      "step": 1056
-    },
-    {
-      "epoch": 2.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7947,
-      "step": 1057
-    },
-    {
-      "epoch": 2.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7811,
-      "step": 1058
-    },
-    {
-      "epoch": 2.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7251,
-      "step": 1059
-    },
-    {
-      "epoch": 2.99,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6823,
-      "step": 1060
-    },
-    {
-      "epoch": 3.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9199,
-      "step": 1061
-    },
-    {
-      "epoch": 3.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9232,
-      "step": 1062
-    },
-    {
-      "epoch": 3.0,
-      "learning_rate": 5.5e-05,
-      "loss": 1.624,
-      "step": 1063
-    },
-    {
-      "epoch": 3.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5302,
-      "step": 1064
-    },
-    {
-      "epoch": 3.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6956,
-      "step": 1065
-    },
-    {
-      "epoch": 3.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6959,
-      "step": 1066
-    },
-    {
-      "epoch": 3.01,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6628,
-      "step": 1067
-    },
-    {
-      "epoch": 3.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5051,
-      "step": 1068
-    },
-    {
-      "epoch": 3.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.655,
-      "step": 1069
-    },
-    {
-      "epoch": 3.02,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4748,
-      "step": 1070
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8429,
-      "step": 1071
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6748,
-      "step": 1072
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6456,
-      "step": 1073
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7123,
-      "step": 1074
-    },
-    {
-      "epoch": 3.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9159,
-      "step": 1075
-    },
-    {
-      "epoch": 3.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4318,
-      "step": 1076
-    },
-    {
-      "epoch": 3.04,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6294,
-      "step": 1077
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5642,
-      "step": 1078
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6894,
-      "step": 1079
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.768,
-      "step": 1080
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5161,
-      "step": 1081
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7366,
-      "step": 1082
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7905,
-      "step": 1083
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8867,
-      "step": 1084
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6361,
-      "step": 1085
-    },
-    {
-      "epoch": 3.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4467,
-      "step": 1086
-    },
-    {
-      "epoch": 3.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4672,
-      "step": 1087
-    },
-    {
-      "epoch": 3.07,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5955,
-      "step": 1088
-    },
-    {
-      "epoch": 3.07,
-      "eval_loss": 1.9349616765975952,
-      "eval_runtime": 15.7354,
-      "eval_samples_per_second": 0.953,
-      "eval_steps_per_second": 0.254,
-      "step": 1088
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6836,
-      "step": 1089
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5363,
-      "step": 1090
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6366,
-      "step": 1091
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 5.5e-05,
-      "loss": 1.584,
-      "step": 1092
-    },
-    {
-      "epoch": 3.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6099,
-      "step": 1093
-    },
-    {
-      "epoch": 3.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6588,
-      "step": 1094
-    },
-    {
-      "epoch": 3.09,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5309,
-      "step": 1095
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4058,
-      "step": 1096
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5406,
-      "step": 1097
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6967,
-      "step": 1098
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5394,
-      "step": 1099
-    },
-    {
-      "epoch": 3.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6335,
-      "step": 1100
-    },
-    {
-      "epoch": 3.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5532,
-      "step": 1101
-    },
-    {
-      "epoch": 3.11,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7605,
-      "step": 1102
-    },
-    {
-      "epoch": 3.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7374,
-      "step": 1103
-    },
-    {
-      "epoch": 3.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8527,
-      "step": 1104
-    },
-    {
-      "epoch": 3.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6454,
-      "step": 1105
-    },
-    {
-      "epoch": 3.12,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7072,
-      "step": 1106
-    },
-    {
-      "epoch": 3.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8284,
-      "step": 1107
-    },
-    {
-      "epoch": 3.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7174,
-      "step": 1108
-    },
-    {
-      "epoch": 3.13,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7427,
-      "step": 1109
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7253,
-      "step": 1110
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6433,
-      "step": 1111
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.471,
-      "step": 1112
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6554,
-      "step": 1113
-    },
-    {
-      "epoch": 3.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6282,
-      "step": 1114
-    },
-    {
-      "epoch": 3.15,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5739,
-      "step": 1115
-    },
-    {
-      "epoch": 3.15,
-      "learning_rate": 5.5e-05,
-      "loss": 2.015,
-      "step": 1116
-    },
-    {
-      "epoch": 3.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6217,
-      "step": 1117
-    },
-    {
-      "epoch": 3.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7584,
-      "step": 1118
-    },
-    {
-      "epoch": 3.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5836,
-      "step": 1119
-    },
-    {
-      "epoch": 3.16,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6397,
-      "step": 1120
-    },
-    {
-      "epoch": 3.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6218,
-      "step": 1121
-    },
-    {
-      "epoch": 3.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7019,
-      "step": 1122
-    },
-    {
-      "epoch": 3.17,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8836,
-      "step": 1123
-    },
-    {
-      "epoch": 3.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6691,
-      "step": 1124
-    },
-    {
-      "epoch": 3.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5246,
-      "step": 1125
-    },
-    {
-      "epoch": 3.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6446,
-      "step": 1126
-    },
-    {
-      "epoch": 3.18,
-      "learning_rate": 5.5e-05,
-      "loss": 1.521,
-      "step": 1127
-    },
-    {
-      "epoch": 3.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5843,
-      "step": 1128
-    },
-    {
-      "epoch": 3.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9895,
-      "step": 1129
-    },
-    {
-      "epoch": 3.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4804,
-      "step": 1130
-    },
-    {
-      "epoch": 3.19,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4273,
-      "step": 1131
-    },
-    {
-      "epoch": 3.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6483,
-      "step": 1132
-    },
-    {
-      "epoch": 3.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5402,
-      "step": 1133
-    },
-    {
-      "epoch": 3.2,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6839,
-      "step": 1134
-    },
-    {
-      "epoch": 3.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7466,
-      "step": 1135
-    },
-    {
-      "epoch": 3.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7803,
-      "step": 1136
-    },
-    {
-      "epoch": 3.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6396,
-      "step": 1137
-    },
-    {
-      "epoch": 3.21,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6403,
-      "step": 1138
-    },
-    {
-      "epoch": 3.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4621,
-      "step": 1139
-    },
-    {
-      "epoch": 3.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.3392,
-      "step": 1140
-    },
-    {
-      "epoch": 3.22,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8388,
-      "step": 1141
-    },
-    {
-      "epoch": 3.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4276,
-      "step": 1142
-    },
-    {
-      "epoch": 3.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6452,
-      "step": 1143
-    },
-    {
-      "epoch": 3.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6529,
-      "step": 1144
-    },
-    {
-      "epoch": 3.23,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4917,
-      "step": 1145
-    },
-    {
-      "epoch": 3.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4027,
-      "step": 1146
-    },
-    {
-      "epoch": 3.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.678,
-      "step": 1147
-    },
-    {
-      "epoch": 3.24,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9175,
-      "step": 1148
-    },
-    {
-      "epoch": 3.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6452,
-      "step": 1149
-    },
-    {
-      "epoch": 3.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6226,
-      "step": 1150
-    },
-    {
-      "epoch": 3.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7327,
-      "step": 1151
-    },
-    {
-      "epoch": 3.25,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7397,
-      "step": 1152
-    },
-    {
-      "epoch": 3.25,
-      "eval_loss": 1.9380393028259277,
-      "eval_runtime": 15.7397,
-      "eval_samples_per_second": 0.953,
-      "eval_steps_per_second": 0.254,
-      "step": 1152
-    },
-    {
-      "epoch": 3.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6372,
-      "step": 1153
-    },
-    {
-      "epoch": 3.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.581,
-      "step": 1154
-    },
-    {
-      "epoch": 3.26,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7269,
-      "step": 1155
-    },
-    {
-      "epoch": 3.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8363,
-      "step": 1156
-    },
-    {
-      "epoch": 3.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7411,
-      "step": 1157
-    },
-    {
-      "epoch": 3.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4259,
-      "step": 1158
-    },
-    {
-      "epoch": 3.27,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6916,
-      "step": 1159
-    },
-    {
-      "epoch": 3.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.3676,
-      "step": 1160
-    },
-    {
-      "epoch": 3.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4567,
-      "step": 1161
-    },
-    {
-      "epoch": 3.28,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7517,
-      "step": 1162
-    },
-    {
-      "epoch": 3.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.71,
-      "step": 1163
-    },
-    {
-      "epoch": 3.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4534,
-      "step": 1164
-    },
-    {
-      "epoch": 3.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.494,
-      "step": 1165
-    },
-    {
-      "epoch": 3.29,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4638,
-      "step": 1166
-    },
-    {
-      "epoch": 3.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5161,
-      "step": 1167
-    },
-    {
-      "epoch": 3.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5659,
-      "step": 1168
-    },
-    {
-      "epoch": 3.3,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6808,
-      "step": 1169
-    },
-    {
-      "epoch": 3.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.652,
-      "step": 1170
-    },
-    {
-      "epoch": 3.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7093,
-      "step": 1171
-    },
-    {
-      "epoch": 3.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5244,
-      "step": 1172
-    },
-    {
-      "epoch": 3.31,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5643,
-      "step": 1173
-    },
-    {
-      "epoch": 3.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5191,
-      "step": 1174
-    },
-    {
-      "epoch": 3.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4835,
-      "step": 1175
-    },
-    {
-      "epoch": 3.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6005,
-      "step": 1176
-    },
-    {
-      "epoch": 3.32,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5714,
-      "step": 1177
-    },
-    {
-      "epoch": 3.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9033,
-      "step": 1178
-    },
-    {
-      "epoch": 3.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7614,
-      "step": 1179
-    },
-    {
-      "epoch": 3.33,
-      "learning_rate": 5.5e-05,
-      "loss": 1.449,
-      "step": 1180
-    },
-    {
-      "epoch": 3.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5377,
-      "step": 1181
-    },
-    {
-      "epoch": 3.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5162,
-      "step": 1182
-    },
-    {
-      "epoch": 3.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6342,
-      "step": 1183
-    },
-    {
-      "epoch": 3.34,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5665,
-      "step": 1184
-    },
-    {
-      "epoch": 3.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4881,
-      "step": 1185
-    },
-    {
-      "epoch": 3.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7669,
-      "step": 1186
-    },
-    {
-      "epoch": 3.35,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6509,
-      "step": 1187
-    },
-    {
-      "epoch": 3.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.667,
-      "step": 1188
-    },
-    {
-      "epoch": 3.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6851,
-      "step": 1189
-    },
-    {
-      "epoch": 3.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4165,
-      "step": 1190
-    },
-    {
-      "epoch": 3.36,
-      "learning_rate": 5.5e-05,
-      "loss": 1.654,
-      "step": 1191
-    },
-    {
-      "epoch": 3.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8257,
-      "step": 1192
-    },
-    {
-      "epoch": 3.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6053,
-      "step": 1193
-    },
-    {
-      "epoch": 3.37,
-      "learning_rate": 5.5e-05,
-      "loss": 1.3193,
-      "step": 1194
-    },
-    {
-      "epoch": 3.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.606,
-      "step": 1195
-    },
-    {
-      "epoch": 3.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8048,
-      "step": 1196
-    },
-    {
-      "epoch": 3.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6862,
-      "step": 1197
-    },
-    {
-      "epoch": 3.38,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7028,
-      "step": 1198
-    },
-    {
-      "epoch": 3.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6336,
-      "step": 1199
-    },
-    {
-      "epoch": 3.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6121,
-      "step": 1200
-    },
-    {
-      "epoch": 3.39,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6646,
-      "step": 1201
-    },
-    {
-      "epoch": 3.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5131,
-      "step": 1202
-    },
-    {
-      "epoch": 3.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6493,
-      "step": 1203
-    },
-    {
-      "epoch": 3.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6279,
-      "step": 1204
-    },
-    {
-      "epoch": 3.4,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5402,
-      "step": 1205
-    },
-    {
-      "epoch": 3.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5394,
-      "step": 1206
-    },
-    {
-      "epoch": 3.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5876,
-      "step": 1207
-    },
-    {
-      "epoch": 3.41,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5789,
-      "step": 1208
-    },
-    {
-      "epoch": 3.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4994,
-      "step": 1209
-    },
-    {
-      "epoch": 3.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6922,
-      "step": 1210
-    },
-    {
-      "epoch": 3.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7771,
-      "step": 1211
-    },
-    {
-      "epoch": 3.42,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6653,
-      "step": 1212
-    },
-    {
-      "epoch": 3.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7212,
-      "step": 1213
-    },
-    {
-      "epoch": 3.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5799,
-      "step": 1214
-    },
-    {
-      "epoch": 3.43,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8464,
-      "step": 1215
-    },
-    {
-      "epoch": 3.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4639,
-      "step": 1216
-    },
-    {
-      "epoch": 3.44,
-      "eval_loss": 1.9253300428390503,
-      "eval_runtime": 15.7681,
-      "eval_samples_per_second": 0.951,
-      "eval_steps_per_second": 0.254,
-      "step": 1216
-    },
-    {
-      "epoch": 3.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4409,
-      "step": 1217
-    },
-    {
-      "epoch": 3.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7769,
-      "step": 1218
-    },
-    {
-      "epoch": 3.44,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6987,
-      "step": 1219
-    },
-    {
-      "epoch": 3.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.595,
-      "step": 1220
-    },
-    {
-      "epoch": 3.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4972,
-      "step": 1221
-    },
-    {
-      "epoch": 3.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6825,
-      "step": 1222
-    },
-    {
-      "epoch": 3.45,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6901,
-      "step": 1223
-    },
-    {
-      "epoch": 3.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.2604,
-      "step": 1224
-    },
-    {
-      "epoch": 3.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6313,
-      "step": 1225
-    },
-    {
-      "epoch": 3.46,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5142,
-      "step": 1226
-    },
-    {
-      "epoch": 3.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6738,
-      "step": 1227
-    },
-    {
-      "epoch": 3.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5811,
-      "step": 1228
-    },
-    {
-      "epoch": 3.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7565,
-      "step": 1229
-    },
-    {
-      "epoch": 3.47,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4787,
-      "step": 1230
-    },
-    {
-      "epoch": 3.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6695,
-      "step": 1231
-    },
-    {
-      "epoch": 3.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6173,
-      "step": 1232
-    },
-    {
-      "epoch": 3.48,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7813,
-      "step": 1233
-    },
-    {
-      "epoch": 3.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5165,
-      "step": 1234
-    },
-    {
-      "epoch": 3.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5299,
-      "step": 1235
-    },
-    {
-      "epoch": 3.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6262,
-      "step": 1236
-    },
-    {
-      "epoch": 3.49,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7077,
-      "step": 1237
-    },
-    {
-      "epoch": 3.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5139,
-      "step": 1238
-    },
-    {
-      "epoch": 3.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6732,
-      "step": 1239
-    },
-    {
-      "epoch": 3.5,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6222,
-      "step": 1240
-    },
-    {
-      "epoch": 3.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5087,
-      "step": 1241
-    },
-    {
-      "epoch": 3.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4548,
-      "step": 1242
-    },
-    {
-      "epoch": 3.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4974,
-      "step": 1243
-    },
-    {
-      "epoch": 3.51,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6454,
-      "step": 1244
-    },
-    {
-      "epoch": 3.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5739,
-      "step": 1245
-    },
-    {
-      "epoch": 3.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6256,
-      "step": 1246
-    },
-    {
-      "epoch": 3.52,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6639,
-      "step": 1247
-    },
-    {
-      "epoch": 3.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5513,
-      "step": 1248
-    },
-    {
-      "epoch": 3.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8193,
-      "step": 1249
-    },
-    {
-      "epoch": 3.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5447,
-      "step": 1250
-    },
-    {
-      "epoch": 3.53,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5471,
-      "step": 1251
-    },
-    {
-      "epoch": 3.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5737,
-      "step": 1252
-    },
-    {
-      "epoch": 3.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7482,
-      "step": 1253
-    },
-    {
-      "epoch": 3.54,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5658,
-      "step": 1254
-    },
-    {
-      "epoch": 3.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7131,
-      "step": 1255
-    },
-    {
-      "epoch": 3.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6725,
-      "step": 1256
-    },
-    {
-      "epoch": 3.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5497,
-      "step": 1257
-    },
-    {
-      "epoch": 3.55,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8631,
-      "step": 1258
-    },
-    {
-      "epoch": 3.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5978,
-      "step": 1259
-    },
-    {
-      "epoch": 3.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6475,
-      "step": 1260
-    },
-    {
-      "epoch": 3.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7079,
-      "step": 1261
-    },
-    {
-      "epoch": 3.56,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6711,
-      "step": 1262
-    },
-    {
-      "epoch": 3.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4475,
-      "step": 1263
-    },
-    {
-      "epoch": 3.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6583,
-      "step": 1264
-    },
-    {
-      "epoch": 3.57,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5936,
-      "step": 1265
-    },
-    {
-      "epoch": 3.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8351,
-      "step": 1266
-    },
-    {
-      "epoch": 3.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6518,
-      "step": 1267
-    },
-    {
-      "epoch": 3.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6995,
-      "step": 1268
-    },
-    {
-      "epoch": 3.58,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6543,
-      "step": 1269
-    },
-    {
-      "epoch": 3.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4819,
-      "step": 1270
-    },
-    {
-      "epoch": 3.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8292,
-      "step": 1271
-    },
-    {
-      "epoch": 3.59,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5661,
-      "step": 1272
-    },
-    {
-      "epoch": 3.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7389,
-      "step": 1273
-    },
-    {
-      "epoch": 3.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4943,
-      "step": 1274
-    },
-    {
-      "epoch": 3.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7641,
-      "step": 1275
-    },
-    {
-      "epoch": 3.6,
-      "learning_rate": 5.5e-05,
-      "loss": 1.665,
-      "step": 1276
-    },
-    {
-      "epoch": 3.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.974,
-      "step": 1277
-    },
-    {
-      "epoch": 3.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6404,
-      "step": 1278
-    },
-    {
-      "epoch": 3.61,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5531,
-      "step": 1279
-    },
-    {
-      "epoch": 3.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.561,
-      "step": 1280
-    },
-    {
-      "epoch": 3.62,
-      "eval_loss": 1.920297384262085,
-      "eval_runtime": 15.7579,
-      "eval_samples_per_second": 0.952,
-      "eval_steps_per_second": 0.254,
-      "step": 1280
-    },
-    {
-      "epoch": 3.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6378,
-      "step": 1281
-    },
-    {
-      "epoch": 3.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5811,
-      "step": 1282
-    },
-    {
-      "epoch": 3.62,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9128,
-      "step": 1283
-    },
-    {
-      "epoch": 3.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.3653,
-      "step": 1284
-    },
-    {
-      "epoch": 3.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.706,
-      "step": 1285
-    },
-    {
-      "epoch": 3.63,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6308,
-      "step": 1286
-    },
-    {
-      "epoch": 3.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6404,
-      "step": 1287
-    },
-    {
-      "epoch": 3.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5833,
-      "step": 1288
-    },
-    {
-      "epoch": 3.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5877,
-      "step": 1289
-    },
-    {
-      "epoch": 3.64,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4376,
-      "step": 1290
-    },
-    {
-      "epoch": 3.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9683,
-      "step": 1291
-    },
-    {
-      "epoch": 3.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6446,
-      "step": 1292
-    },
-    {
-      "epoch": 3.65,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7979,
-      "step": 1293
-    },
-    {
-      "epoch": 3.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6559,
-      "step": 1294
-    },
-    {
-      "epoch": 3.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6149,
-      "step": 1295
-    },
-    {
-      "epoch": 3.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6367,
-      "step": 1296
-    },
-    {
-      "epoch": 3.66,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5529,
-      "step": 1297
-    },
-    {
-      "epoch": 3.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6524,
-      "step": 1298
-    },
-    {
-      "epoch": 3.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6392,
-      "step": 1299
-    },
-    {
-      "epoch": 3.67,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5092,
-      "step": 1300
-    },
-    {
-      "epoch": 3.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6769,
-      "step": 1301
-    },
-    {
-      "epoch": 3.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6808,
-      "step": 1302
-    },
-    {
-      "epoch": 3.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.745,
-      "step": 1303
-    },
-    {
-      "epoch": 3.68,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8714,
-      "step": 1304
-    },
-    {
-      "epoch": 3.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6815,
-      "step": 1305
-    },
-    {
-      "epoch": 3.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5297,
-      "step": 1306
-    },
-    {
-      "epoch": 3.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6942,
-      "step": 1307
-    },
-    {
-      "epoch": 3.69,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5466,
-      "step": 1308
-    },
-    {
-      "epoch": 3.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.796,
-      "step": 1309
-    },
-    {
-      "epoch": 3.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.842,
-      "step": 1310
-    },
-    {
-      "epoch": 3.7,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5013,
-      "step": 1311
-    },
-    {
-      "epoch": 3.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6676,
-      "step": 1312
-    },
-    {
-      "epoch": 3.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5002,
-      "step": 1313
-    },
-    {
-      "epoch": 3.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8792,
-      "step": 1314
-    },
-    {
-      "epoch": 3.71,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5142,
-      "step": 1315
-    },
-    {
-      "epoch": 3.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.3362,
-      "step": 1316
-    },
-    {
-      "epoch": 3.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5927,
-      "step": 1317
-    },
-    {
-      "epoch": 3.72,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7502,
-      "step": 1318
-    },
-    {
-      "epoch": 3.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7012,
-      "step": 1319
-    },
-    {
-      "epoch": 3.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4472,
-      "step": 1320
-    },
-    {
-      "epoch": 3.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5482,
-      "step": 1321
-    },
-    {
-      "epoch": 3.73,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6584,
-      "step": 1322
-    },
-    {
-      "epoch": 3.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7355,
-      "step": 1323
-    },
-    {
-      "epoch": 3.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5272,
-      "step": 1324
-    },
-    {
-      "epoch": 3.74,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6538,
-      "step": 1325
-    },
-    {
-      "epoch": 3.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6033,
-      "step": 1326
-    },
-    {
-      "epoch": 3.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.3744,
-      "step": 1327
-    },
-    {
-      "epoch": 3.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7475,
-      "step": 1328
-    },
-    {
-      "epoch": 3.75,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6737,
-      "step": 1329
-    },
-    {
-      "epoch": 3.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5556,
-      "step": 1330
-    },
-    {
-      "epoch": 3.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6193,
-      "step": 1331
-    },
-    {
-      "epoch": 3.76,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7167,
-      "step": 1332
-    },
-    {
-      "epoch": 3.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.622,
-      "step": 1333
-    },
-    {
-      "epoch": 3.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5722,
-      "step": 1334
-    },
-    {
-      "epoch": 3.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7205,
-      "step": 1335
-    },
-    {
-      "epoch": 3.77,
-      "learning_rate": 5.5e-05,
-      "loss": 1.81,
-      "step": 1336
-    },
-    {
-      "epoch": 3.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.672,
-      "step": 1337
-    },
-    {
-      "epoch": 3.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5235,
-      "step": 1338
-    },
-    {
-      "epoch": 3.78,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4878,
-      "step": 1339
-    },
-    {
-      "epoch": 3.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6181,
-      "step": 1340
-    },
-    {
-      "epoch": 3.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6526,
-      "step": 1341
-    },
-    {
-      "epoch": 3.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4841,
-      "step": 1342
-    },
-    {
-      "epoch": 3.79,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7102,
-      "step": 1343
-    },
-    {
-      "epoch": 3.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8727,
-      "step": 1344
-    },
-    {
-      "epoch": 3.8,
-      "eval_loss": 1.93291437625885,
-      "eval_runtime": 15.7409,
-      "eval_samples_per_second": 0.953,
-      "eval_steps_per_second": 0.254,
-      "step": 1344
-    },
-    {
-      "epoch": 3.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5924,
-      "step": 1345
-    },
-    {
-      "epoch": 3.8,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5196,
-      "step": 1346
-    },
-    {
-      "epoch": 3.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8256,
-      "step": 1347
-    },
-    {
-      "epoch": 3.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6012,
-      "step": 1348
-    },
-    {
-      "epoch": 3.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7743,
-      "step": 1349
-    },
-    {
-      "epoch": 3.81,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6774,
-      "step": 1350
-    },
-    {
-      "epoch": 3.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6101,
-      "step": 1351
-    },
-    {
-      "epoch": 3.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5228,
-      "step": 1352
-    },
-    {
-      "epoch": 3.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7871,
-      "step": 1353
-    },
-    {
-      "epoch": 3.82,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7288,
-      "step": 1354
-    },
-    {
-      "epoch": 3.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7653,
-      "step": 1355
-    },
-    {
-      "epoch": 3.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5456,
-      "step": 1356
-    },
-    {
-      "epoch": 3.83,
-      "learning_rate": 5.5e-05,
-      "loss": 1.3417,
-      "step": 1357
-    },
-    {
-      "epoch": 3.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6922,
-      "step": 1358
-    },
-    {
-      "epoch": 3.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6126,
-      "step": 1359
-    },
-    {
-      "epoch": 3.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5273,
-      "step": 1360
-    },
-    {
-      "epoch": 3.84,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5465,
-      "step": 1361
-    },
-    {
-      "epoch": 3.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7021,
-      "step": 1362
-    },
-    {
-      "epoch": 3.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5739,
-      "step": 1363
-    },
-    {
-      "epoch": 3.85,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5776,
-      "step": 1364
-    },
-    {
-      "epoch": 3.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4621,
-      "step": 1365
-    },
-    {
-      "epoch": 3.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6688,
-      "step": 1366
-    },
-    {
-      "epoch": 3.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6526,
-      "step": 1367
-    },
-    {
-      "epoch": 3.86,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8029,
-      "step": 1368
-    },
-    {
-      "epoch": 3.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5807,
-      "step": 1369
-    },
-    {
-      "epoch": 3.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5816,
-      "step": 1370
-    },
-    {
-      "epoch": 3.87,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8104,
-      "step": 1371
-    },
-    {
-      "epoch": 3.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4314,
-      "step": 1372
-    },
-    {
-      "epoch": 3.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6695,
-      "step": 1373
-    },
-    {
-      "epoch": 3.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5866,
-      "step": 1374
-    },
-    {
-      "epoch": 3.88,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9254,
-      "step": 1375
-    },
-    {
-      "epoch": 3.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9509,
-      "step": 1376
-    },
-    {
-      "epoch": 3.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6422,
-      "step": 1377
-    },
-    {
-      "epoch": 3.89,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8006,
-      "step": 1378
-    },
-    {
-      "epoch": 3.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5843,
-      "step": 1379
-    },
-    {
-      "epoch": 3.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5775,
-      "step": 1380
-    },
-    {
-      "epoch": 3.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9611,
-      "step": 1381
-    },
-    {
-      "epoch": 3.9,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7163,
-      "step": 1382
-    },
-    {
-      "epoch": 3.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.627,
-      "step": 1383
-    },
-    {
-      "epoch": 3.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7201,
-      "step": 1384
-    },
-    {
-      "epoch": 3.91,
-      "learning_rate": 5.5e-05,
-      "loss": 1.9958,
-      "step": 1385
-    },
-    {
-      "epoch": 3.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4505,
-      "step": 1386
-    },
-    {
-      "epoch": 3.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4589,
-      "step": 1387
-    },
-    {
-      "epoch": 3.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6366,
-      "step": 1388
-    },
-    {
-      "epoch": 3.92,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6653,
-      "step": 1389
-    },
-    {
-      "epoch": 3.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.8071,
-      "step": 1390
-    },
-    {
-      "epoch": 3.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7386,
-      "step": 1391
-    },
-    {
-      "epoch": 3.93,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5111,
-      "step": 1392
-    },
-    {
-      "epoch": 3.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5644,
-      "step": 1393
-    },
-    {
-      "epoch": 3.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.4966,
-      "step": 1394
-    },
-    {
-      "epoch": 3.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5706,
-      "step": 1395
-    },
-    {
-      "epoch": 3.94,
-      "learning_rate": 5.5e-05,
-      "loss": 1.487,
-      "step": 1396
-    },
-    {
-      "epoch": 3.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.723,
-      "step": 1397
-    },
-    {
-      "epoch": 3.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6159,
-      "step": 1398
-    },
-    {
-      "epoch": 3.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6758,
-      "step": 1399
-    },
-    {
-      "epoch": 3.95,
-      "learning_rate": 5.5e-05,
-      "loss": 1.661,
-      "step": 1400
-    },
-    {
-      "epoch": 3.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6187,
-      "step": 1401
-    },
-    {
-      "epoch": 3.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6006,
-      "step": 1402
-    },
-    {
-      "epoch": 3.96,
-      "learning_rate": 5.5e-05,
-      "loss": 1.5472,
-      "step": 1403
-    },
-    {
-      "epoch": 3.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7232,
-      "step": 1404
-    },
-    {
-      "epoch": 3.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.7497,
-      "step": 1405
-    },
-    {
-      "epoch": 3.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6407,
-      "step": 1406
-    },
-    {
-      "epoch": 3.97,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6974,
-      "step": 1407
-    },
-    {
-      "epoch": 3.98,
-      "learning_rate": 5.5e-05,
-      "loss": 1.6312,
-      "step": 1408
-    },
-    {
-      "epoch": 3.98,
-      "eval_loss": 1.9206175804138184,
-      "eval_runtime": 15.8167,
-      "eval_samples_per_second": 0.948,
-      "eval_steps_per_second": 0.253,
-      "step": 1408
-    }
-  ],
-  "logging_steps": 1,
-  "max_steps": 1416,
-  "num_input_tokens_seen": 0,
-  "num_train_epochs": 4,
-  "save_steps": 64,
-  "total_flos": 2.0148451966546084e+18,
-  "train_batch_size": 2,
-  "trial_name": null,
-  "trial_params": null
-}