diff --git "a/trainer_state.json" "b/trainer_state.json"
new file mode 100644--- /dev/null
+++ "b/trainer_state.json"
@@ -0,0 +1,9492 @@
+{
+  "best_metric": null,
+  "best_model_checkpoint": null,
+  "epoch": 3.0,
+  "eval_steps": 500,
+  "global_step": 1350,
+  "is_hyper_param_search": false,
+  "is_local_process_zero": true,
+  "is_world_process_zero": true,
+  "log_history": [
+    {
+      "epoch": 0.0022222222222222222,
+      "grad_norm": 0.09812982380390167,
+      "learning_rate": 2.222222222222222e-06,
+      "loss": 0.647,
+      "step": 1
+    },
+    {
+      "epoch": 0.0044444444444444444,
+      "grad_norm": 0.11622905731201172,
+      "learning_rate": 4.444444444444444e-06,
+      "loss": 0.6394,
+      "step": 2
+    },
+    {
+      "epoch": 0.006666666666666667,
+      "grad_norm": 0.09975595772266388,
+      "learning_rate": 6.666666666666667e-06,
+      "loss": 0.6547,
+      "step": 3
+    },
+    {
+      "epoch": 0.008888888888888889,
+      "grad_norm": 0.09113696217536926,
+      "learning_rate": 8.888888888888888e-06,
+      "loss": 0.8181,
+      "step": 4
+    },
+    {
+      "epoch": 0.011111111111111112,
+      "grad_norm": 0.10436710715293884,
+      "learning_rate": 1.111111111111111e-05,
+      "loss": 0.6559,
+      "step": 5
+    },
+    {
+      "epoch": 0.013333333333333334,
+      "grad_norm": 0.0823315680027008,
+      "learning_rate": 1.3333333333333333e-05,
+      "loss": 0.668,
+      "step": 6
+    },
+    {
+      "epoch": 0.015555555555555555,
+      "grad_norm": 0.11999443173408508,
+      "learning_rate": 1.5555555555555555e-05,
+      "loss": 0.7814,
+      "step": 7
+    },
+    {
+      "epoch": 0.017777777777777778,
+      "grad_norm": 0.15283814072608948,
+      "learning_rate": 1.7777777777777777e-05,
+      "loss": 0.7522,
+      "step": 8
+    },
+    {
+      "epoch": 0.02,
+      "grad_norm": 0.11188939958810806,
+      "learning_rate": 1.9999999999999998e-05,
+      "loss": 0.7548,
+      "step": 9
+    },
+    {
+      "epoch": 0.022222222222222223,
+      "grad_norm": 0.18060794472694397,
+      "learning_rate": 2.222222222222222e-05,
+      "loss": 0.8093,
+      "step": 10
+    },
+    {
+      "epoch": 0.024444444444444446,
+      "grad_norm": 0.12840260565280914,
+      "learning_rate": 2.4444444444444445e-05,
+      "loss": 0.8086,
+      "step": 11
+    },
+    {
+      "epoch": 0.02666666666666667,
+      "grad_norm": 0.14665867388248444,
+      "learning_rate": 2.6666666666666667e-05,
+      "loss": 0.7813,
+      "step": 12
+    },
+    {
+      "epoch": 0.028888888888888888,
+      "grad_norm": 0.12048947066068649,
+      "learning_rate": 2.8888888888888885e-05,
+      "loss": 0.6564,
+      "step": 13
+    },
+    {
+      "epoch": 0.03111111111111111,
+      "grad_norm": 0.08004658669233322,
+      "learning_rate": 3.111111111111111e-05,
+      "loss": 0.4802,
+      "step": 14
+    },
+    {
+      "epoch": 0.03333333333333333,
+      "grad_norm": 0.09866306185722351,
+      "learning_rate": 3.333333333333333e-05,
+      "loss": 0.6343,
+      "step": 15
+    },
+    {
+      "epoch": 0.035555555555555556,
+      "grad_norm": 0.1632370799779892,
+      "learning_rate": 3.555555555555555e-05,
+      "loss": 0.7072,
+      "step": 16
+    },
+    {
+      "epoch": 0.03777777777777778,
+      "grad_norm": 0.17000310122966766,
+      "learning_rate": 3.777777777777777e-05,
+      "loss": 0.9045,
+      "step": 17
+    },
+    {
+      "epoch": 0.04,
+      "grad_norm": 0.15400268137454987,
+      "learning_rate": 3.9999999999999996e-05,
+      "loss": 0.6858,
+      "step": 18
+    },
+    {
+      "epoch": 0.042222222222222223,
+      "grad_norm": 0.2376849204301834,
+      "learning_rate": 4.222222222222222e-05,
+      "loss": 0.8061,
+      "step": 19
+    },
+    {
+      "epoch": 0.044444444444444446,
+      "grad_norm": 0.13313539326190948,
+      "learning_rate": 4.444444444444444e-05,
+      "loss": 0.7519,
+      "step": 20
+    },
+    {
+      "epoch": 0.04666666666666667,
+      "grad_norm": 0.15802322328090668,
+      "learning_rate": 4.6666666666666665e-05,
+      "loss": 0.636,
+      "step": 21
+    },
+    {
+      "epoch": 0.04888888888888889,
+      "grad_norm": 0.19093258678913116,
+      "learning_rate": 4.888888888888889e-05,
+      "loss": 0.6709,
+      "step": 22
+    },
+    {
+      "epoch": 0.051111111111111114,
+      "grad_norm": 0.11460094153881073,
+      "learning_rate": 5.111111111111111e-05,
+      "loss": 0.5528,
+      "step": 23
+    },
+    {
+      "epoch": 0.05333333333333334,
+      "grad_norm": 0.1695665717124939,
+      "learning_rate": 5.333333333333333e-05,
+      "loss": 0.6439,
+      "step": 24
+    },
+    {
+      "epoch": 0.05555555555555555,
+      "grad_norm": 0.21789449453353882,
+      "learning_rate": 5.5555555555555545e-05,
+      "loss": 0.7578,
+      "step": 25
+    },
+    {
+      "epoch": 0.057777777777777775,
+      "grad_norm": 0.18585897982120514,
+      "learning_rate": 5.777777777777777e-05,
+      "loss": 0.7475,
+      "step": 26
+    },
+    {
+      "epoch": 0.06,
+      "grad_norm": 0.21285971999168396,
+      "learning_rate": 5.9999999999999995e-05,
+      "loss": 0.6961,
+      "step": 27
+    },
+    {
+      "epoch": 0.06222222222222222,
+      "grad_norm": 0.17276039719581604,
+      "learning_rate": 6.222222222222222e-05,
+      "loss": 0.6964,
+      "step": 28
+    },
+    {
+      "epoch": 0.06444444444444444,
+      "grad_norm": 0.14113998413085938,
+      "learning_rate": 6.444444444444444e-05,
+      "loss": 0.5862,
+      "step": 29
+    },
+    {
+      "epoch": 0.06666666666666667,
+      "grad_norm": 0.16765236854553223,
+      "learning_rate": 6.666666666666666e-05,
+      "loss": 0.7335,
+      "step": 30
+    },
+    {
+      "epoch": 0.06888888888888889,
+      "grad_norm": 0.16216206550598145,
+      "learning_rate": 6.888888888888888e-05,
+      "loss": 0.6828,
+      "step": 31
+    },
+    {
+      "epoch": 0.07111111111111111,
+      "grad_norm": 0.14560526609420776,
+      "learning_rate": 7.11111111111111e-05,
+      "loss": 0.7145,
+      "step": 32
+    },
+    {
+      "epoch": 0.07333333333333333,
+      "grad_norm": 0.1773616522550583,
+      "learning_rate": 7.333333333333332e-05,
+      "loss": 0.6111,
+      "step": 33
+    },
+    {
+      "epoch": 0.07555555555555556,
+      "grad_norm": 0.19081515073776245,
+      "learning_rate": 7.555555555555554e-05,
+      "loss": 0.6096,
+      "step": 34
+    },
+    {
+      "epoch": 0.07777777777777778,
+      "grad_norm": 0.2005636990070343,
+      "learning_rate": 7.777777777777777e-05,
+      "loss": 0.6531,
+      "step": 35
+    },
+    {
+      "epoch": 0.08,
+      "grad_norm": 0.16567005217075348,
+      "learning_rate": 7.999999999999999e-05,
+      "loss": 0.4763,
+      "step": 36
+    },
+    {
+      "epoch": 0.08222222222222222,
+      "grad_norm": 0.20861048996448517,
+      "learning_rate": 8.222222222222222e-05,
+      "loss": 0.7007,
+      "step": 37
+    },
+    {
+      "epoch": 0.08444444444444445,
+      "grad_norm": 0.20962809026241302,
+      "learning_rate": 8.444444444444444e-05,
+      "loss": 0.5476,
+      "step": 38
+    },
+    {
+      "epoch": 0.08666666666666667,
+      "grad_norm": 0.2487533837556839,
+      "learning_rate": 8.666666666666665e-05,
+      "loss": 0.6924,
+      "step": 39
+    },
+    {
+      "epoch": 0.08888888888888889,
+      "grad_norm": 0.15908700227737427,
+      "learning_rate": 8.888888888888888e-05,
+      "loss": 0.5608,
+      "step": 40
+    },
+    {
+      "epoch": 0.09111111111111111,
+      "grad_norm": 0.20576216280460358,
+      "learning_rate": 9.11111111111111e-05,
+      "loss": 0.6377,
+      "step": 41
+    },
+    {
+      "epoch": 0.09333333333333334,
+      "grad_norm": 0.2465807944536209,
+      "learning_rate": 9.333333333333333e-05,
+      "loss": 0.7257,
+      "step": 42
+    },
+    {
+      "epoch": 0.09555555555555556,
+      "grad_norm": 0.2680942118167877,
+      "learning_rate": 9.555555555555555e-05,
+      "loss": 0.7667,
+      "step": 43
+    },
+    {
+      "epoch": 0.09777777777777778,
+      "grad_norm": 0.2033873051404953,
+      "learning_rate": 9.777777777777778e-05,
+      "loss": 0.7678,
+      "step": 44
+    },
+    {
+      "epoch": 0.1,
+      "grad_norm": 0.23584719002246857,
+      "learning_rate": 9.999999999999999e-05,
+      "loss": 0.7,
+      "step": 45
+    },
+    {
+      "epoch": 0.10222222222222223,
+      "grad_norm": 0.31025272607803345,
+      "learning_rate": 0.00010222222222222222,
+      "loss": 0.5652,
+      "step": 46
+    },
+    {
+      "epoch": 0.10444444444444445,
+      "grad_norm": 0.3050137758255005,
+      "learning_rate": 0.00010444444444444444,
+      "loss": 0.4665,
+      "step": 47
+    },
+    {
+      "epoch": 0.10666666666666667,
+      "grad_norm": 0.24884286522865295,
+      "learning_rate": 0.00010666666666666667,
+      "loss": 0.5984,
+      "step": 48
+    },
+    {
+      "epoch": 0.10888888888888888,
+      "grad_norm": 0.36036840081214905,
+      "learning_rate": 0.00010888888888888889,
+      "loss": 0.5503,
+      "step": 49
+    },
+    {
+      "epoch": 0.1111111111111111,
+      "grad_norm": 0.31548580527305603,
+      "learning_rate": 0.00011111111111111109,
+      "loss": 0.6297,
+      "step": 50
+    },
+    {
+      "epoch": 0.11333333333333333,
+      "grad_norm": 0.3017398715019226,
+      "learning_rate": 0.00011333333333333331,
+      "loss": 0.5088,
+      "step": 51
+    },
+    {
+      "epoch": 0.11555555555555555,
+      "grad_norm": 0.3036445379257202,
+      "learning_rate": 0.00011555555555555554,
+      "loss": 0.4934,
+      "step": 52
+    },
+    {
+      "epoch": 0.11777777777777777,
+      "grad_norm": 0.23346473276615143,
+      "learning_rate": 0.00011777777777777776,
+      "loss": 0.6604,
+      "step": 53
+    },
+    {
+      "epoch": 0.12,
+      "grad_norm": 0.18171657621860504,
+      "learning_rate": 0.00011999999999999999,
+      "loss": 0.5129,
+      "step": 54
+    },
+    {
+      "epoch": 0.12222222222222222,
+      "grad_norm": 0.3094526529312134,
+      "learning_rate": 0.00012222222222222221,
+      "loss": 0.6951,
+      "step": 55
+    },
+    {
+      "epoch": 0.12444444444444444,
+      "grad_norm": 0.27897611260414124,
+      "learning_rate": 0.00012444444444444444,
+      "loss": 0.4351,
+      "step": 56
+    },
+    {
+      "epoch": 0.12666666666666668,
+      "grad_norm": 0.3004632592201233,
+      "learning_rate": 0.00012666666666666666,
+      "loss": 0.4784,
+      "step": 57
+    },
+    {
+      "epoch": 0.1288888888888889,
+      "grad_norm": 0.38149529695510864,
+      "learning_rate": 0.0001288888888888889,
+      "loss": 0.5342,
+      "step": 58
+    },
+    {
+      "epoch": 0.13111111111111112,
+      "grad_norm": 0.2744050621986389,
+      "learning_rate": 0.00013111111111111111,
+      "loss": 0.4903,
+      "step": 59
+    },
+    {
+      "epoch": 0.13333333333333333,
+      "grad_norm": 0.2738029360771179,
+      "learning_rate": 0.0001333333333333333,
+      "loss": 0.6033,
+      "step": 60
+    },
+    {
+      "epoch": 0.13555555555555557,
+      "grad_norm": 0.2923201024532318,
+      "learning_rate": 0.00013555555555555554,
+      "loss": 0.6404,
+      "step": 61
+    },
+    {
+      "epoch": 0.13777777777777778,
+      "grad_norm": 0.27477923035621643,
+      "learning_rate": 0.00013777777777777776,
+      "loss": 0.5334,
+      "step": 62
+    },
+    {
+      "epoch": 0.14,
+      "grad_norm": 0.3043128550052643,
+      "learning_rate": 0.00014,
+      "loss": 0.6544,
+      "step": 63
+    },
+    {
+      "epoch": 0.14222222222222222,
+      "grad_norm": 0.27908855676651,
+      "learning_rate": 0.0001422222222222222,
+      "loss": 0.5998,
+      "step": 64
+    },
+    {
+      "epoch": 0.14444444444444443,
+      "grad_norm": 0.2519969940185547,
+      "learning_rate": 0.0001444444444444444,
+      "loss": 0.5356,
+      "step": 65
+    },
+    {
+      "epoch": 0.14666666666666667,
+      "grad_norm": 0.23952998220920563,
+      "learning_rate": 0.00014666666666666664,
+      "loss": 0.5948,
+      "step": 66
+    },
+    {
+      "epoch": 0.14888888888888888,
+      "grad_norm": 0.3552301824092865,
+      "learning_rate": 0.00014888888888888886,
+      "loss": 0.6904,
+      "step": 67
+    },
+    {
+      "epoch": 0.1511111111111111,
+      "grad_norm": 0.1643562763929367,
+      "learning_rate": 0.00015111111111111109,
+      "loss": 0.5608,
+      "step": 68
+    },
+    {
+      "epoch": 0.15333333333333332,
+      "grad_norm": 0.2761911153793335,
+      "learning_rate": 0.0001533333333333333,
+      "loss": 0.6825,
+      "step": 69
+    },
+    {
+      "epoch": 0.15555555555555556,
+      "grad_norm": 0.25992175936698914,
+      "learning_rate": 0.00015555555555555554,
+      "loss": 0.613,
+      "step": 70
+    },
+    {
+      "epoch": 0.15777777777777777,
+      "grad_norm": 0.19053922593593597,
+      "learning_rate": 0.00015777777777777776,
+      "loss": 0.5386,
+      "step": 71
+    },
+    {
+      "epoch": 0.16,
+      "grad_norm": 0.24203050136566162,
+      "learning_rate": 0.00015999999999999999,
+      "loss": 0.4925,
+      "step": 72
+    },
+    {
+      "epoch": 0.1622222222222222,
+      "grad_norm": 0.2526642978191376,
+      "learning_rate": 0.0001622222222222222,
+      "loss": 0.6204,
+      "step": 73
+    },
+    {
+      "epoch": 0.16444444444444445,
+      "grad_norm": 0.2451915442943573,
+      "learning_rate": 0.00016444444444444444,
+      "loss": 0.645,
+      "step": 74
+    },
+    {
+      "epoch": 0.16666666666666666,
+      "grad_norm": 0.21893125772476196,
+      "learning_rate": 0.00016666666666666666,
+      "loss": 0.5017,
+      "step": 75
+    },
+    {
+      "epoch": 0.1688888888888889,
+      "grad_norm": 0.4453028738498688,
+      "learning_rate": 0.00016888888888888889,
+      "loss": 0.6523,
+      "step": 76
+    },
+    {
+      "epoch": 0.1711111111111111,
+      "grad_norm": 0.9082323908805847,
+      "learning_rate": 0.0001711111111111111,
+      "loss": 0.565,
+      "step": 77
+    },
+    {
+      "epoch": 0.17333333333333334,
+      "grad_norm": 0.31528621912002563,
+      "learning_rate": 0.0001733333333333333,
+      "loss": 0.4987,
+      "step": 78
+    },
+    {
+      "epoch": 0.17555555555555555,
+      "grad_norm": 0.2677905559539795,
+      "learning_rate": 0.00017555555555555553,
+      "loss": 0.6598,
+      "step": 79
+    },
+    {
+      "epoch": 0.17777777777777778,
+      "grad_norm": 0.188288152217865,
+      "learning_rate": 0.00017777777777777776,
+      "loss": 0.5779,
+      "step": 80
+    },
+    {
+      "epoch": 0.18,
+      "grad_norm": 0.34003448486328125,
+      "learning_rate": 0.00017999999999999998,
+      "loss": 0.5187,
+      "step": 81
+    },
+    {
+      "epoch": 0.18222222222222223,
+      "grad_norm": 0.20124401152133942,
+      "learning_rate": 0.0001822222222222222,
+      "loss": 0.4285,
+      "step": 82
+    },
+    {
+      "epoch": 0.18444444444444444,
+      "grad_norm": 0.2644328773021698,
+      "learning_rate": 0.00018444444444444443,
+      "loss": 0.5645,
+      "step": 83
+    },
+    {
+      "epoch": 0.18666666666666668,
+      "grad_norm": 0.2735807001590729,
+      "learning_rate": 0.00018666666666666666,
+      "loss": 0.5681,
+      "step": 84
+    },
+    {
+      "epoch": 0.18888888888888888,
+      "grad_norm": 0.21255911886692047,
+      "learning_rate": 0.00018888888888888888,
+      "loss": 0.6939,
+      "step": 85
+    },
+    {
+      "epoch": 0.19111111111111112,
+      "grad_norm": 0.2228507250547409,
+      "learning_rate": 0.0001911111111111111,
+      "loss": 0.6011,
+      "step": 86
+    },
+    {
+      "epoch": 0.19333333333333333,
+      "grad_norm": 0.19216273725032806,
+      "learning_rate": 0.00019333333333333333,
+      "loss": 0.6372,
+      "step": 87
+    },
+    {
+      "epoch": 0.19555555555555557,
+      "grad_norm": 0.22664876282215118,
+      "learning_rate": 0.00019555555555555556,
+      "loss": 0.4512,
+      "step": 88
+    },
+    {
+      "epoch": 0.19777777777777777,
+      "grad_norm": 0.18906566500663757,
+      "learning_rate": 0.00019777777777777776,
+      "loss": 0.5389,
+      "step": 89
+    },
+    {
+      "epoch": 0.2,
+      "grad_norm": 0.2111695557832718,
+      "learning_rate": 0.00019999999999999998,
+      "loss": 0.4883,
+      "step": 90
+    },
+    {
+      "epoch": 0.20222222222222222,
+      "grad_norm": 0.1915666162967682,
+      "learning_rate": 0.0002022222222222222,
+      "loss": 0.5814,
+      "step": 91
+    },
+    {
+      "epoch": 0.20444444444444446,
+      "grad_norm": 0.2227359414100647,
+      "learning_rate": 0.00020444444444444443,
+      "loss": 0.6084,
+      "step": 92
+    },
+    {
+      "epoch": 0.20666666666666667,
+      "grad_norm": 0.229144886136055,
+      "learning_rate": 0.00020666666666666666,
+      "loss": 0.6006,
+      "step": 93
+    },
+    {
+      "epoch": 0.2088888888888889,
+      "grad_norm": 0.5038937926292419,
+      "learning_rate": 0.00020888888888888888,
+      "loss": 0.5346,
+      "step": 94
+    },
+    {
+      "epoch": 0.2111111111111111,
+      "grad_norm": 0.23706114292144775,
+      "learning_rate": 0.0002111111111111111,
+      "loss": 0.6215,
+      "step": 95
+    },
+    {
+      "epoch": 0.21333333333333335,
+      "grad_norm": 0.25473618507385254,
+      "learning_rate": 0.00021333333333333333,
+      "loss": 0.6144,
+      "step": 96
+    },
+    {
+      "epoch": 0.21555555555555556,
+      "grad_norm": 0.19588348269462585,
+      "learning_rate": 0.00021555555555555556,
+      "loss": 0.4981,
+      "step": 97
+    },
+    {
+      "epoch": 0.21777777777777776,
+      "grad_norm": 0.1835206001996994,
+      "learning_rate": 0.00021777777777777778,
+      "loss": 0.5044,
+      "step": 98
+    },
+    {
+      "epoch": 0.22,
+      "grad_norm": 0.17308925092220306,
+      "learning_rate": 0.00021999999999999995,
+      "loss": 0.5236,
+      "step": 99
+    },
+    {
+      "epoch": 0.2222222222222222,
+      "grad_norm": 0.20074211061000824,
+      "learning_rate": 0.00022222222222222218,
+      "loss": 0.5777,
+      "step": 100
+    },
+    {
+      "epoch": 0.22444444444444445,
+      "grad_norm": 0.24682994186878204,
+      "learning_rate": 0.0002244444444444444,
+      "loss": 0.6089,
+      "step": 101
+    },
+    {
+      "epoch": 0.22666666666666666,
+      "grad_norm": 0.1767152100801468,
+      "learning_rate": 0.00022666666666666663,
+      "loss": 0.3809,
+      "step": 102
+    },
+    {
+      "epoch": 0.2288888888888889,
+      "grad_norm": 0.24087251722812653,
+      "learning_rate": 0.00022888888888888885,
+      "loss": 0.4984,
+      "step": 103
+    },
+    {
+      "epoch": 0.2311111111111111,
+      "grad_norm": 0.2400844693183899,
+      "learning_rate": 0.00023111111111111108,
+      "loss": 0.5902,
+      "step": 104
+    },
+    {
+      "epoch": 0.23333333333333334,
+      "grad_norm": 0.14252978563308716,
+      "learning_rate": 0.0002333333333333333,
+      "loss": 0.4849,
+      "step": 105
+    },
+    {
+      "epoch": 0.23555555555555555,
+      "grad_norm": 0.20786775648593903,
+      "learning_rate": 0.00023555555555555553,
+      "loss": 0.4328,
+      "step": 106
+    },
+    {
+      "epoch": 0.23777777777777778,
+      "grad_norm": 0.21549014747142792,
+      "learning_rate": 0.00023777777777777775,
+      "loss": 0.5847,
+      "step": 107
+    },
+    {
+      "epoch": 0.24,
+      "grad_norm": 0.2561536729335785,
+      "learning_rate": 0.00023999999999999998,
+      "loss": 0.6082,
+      "step": 108
+    },
+    {
+      "epoch": 0.24222222222222223,
+      "grad_norm": 0.2900320887565613,
+      "learning_rate": 0.0002422222222222222,
+      "loss": 0.469,
+      "step": 109
+    },
+    {
+      "epoch": 0.24444444444444444,
+      "grad_norm": 0.22536203265190125,
+      "learning_rate": 0.00024444444444444443,
+      "loss": 0.4642,
+      "step": 110
+    },
+    {
+      "epoch": 0.24666666666666667,
+      "grad_norm": 0.21168376505374908,
+      "learning_rate": 0.0002466666666666666,
+      "loss": 0.5069,
+      "step": 111
+    },
+    {
+      "epoch": 0.24888888888888888,
+      "grad_norm": 0.16381123661994934,
+      "learning_rate": 0.0002488888888888889,
+      "loss": 0.5384,
+      "step": 112
+    },
+    {
+      "epoch": 0.2511111111111111,
+      "grad_norm": 0.17860746383666992,
+      "learning_rate": 0.0002511111111111111,
+      "loss": 0.4772,
+      "step": 113
+    },
+    {
+      "epoch": 0.25333333333333335,
+      "grad_norm": 0.20924940705299377,
+      "learning_rate": 0.00025333333333333333,
+      "loss": 0.6553,
+      "step": 114
+    },
+    {
+      "epoch": 0.25555555555555554,
+      "grad_norm": 0.14452561736106873,
+      "learning_rate": 0.00025555555555555553,
+      "loss": 0.4973,
+      "step": 115
+    },
+    {
+      "epoch": 0.2577777777777778,
+      "grad_norm": 0.2318609207868576,
+      "learning_rate": 0.0002577777777777778,
+      "loss": 0.4733,
+      "step": 116
+    },
+    {
+      "epoch": 0.26,
+      "grad_norm": 0.18076716363430023,
+      "learning_rate": 0.00026,
+      "loss": 0.4933,
+      "step": 117
+    },
+    {
+      "epoch": 0.26222222222222225,
+      "grad_norm": 0.21175789833068848,
+      "learning_rate": 0.00026222222222222223,
+      "loss": 0.5845,
+      "step": 118
+    },
+    {
+      "epoch": 0.2644444444444444,
+      "grad_norm": 0.173040971159935,
+      "learning_rate": 0.00026444444444444443,
+      "loss": 0.6786,
+      "step": 119
+    },
+    {
+      "epoch": 0.26666666666666666,
+      "grad_norm": 0.19183841347694397,
+      "learning_rate": 0.0002666666666666666,
+      "loss": 0.5924,
+      "step": 120
+    },
+    {
+      "epoch": 0.2688888888888889,
+      "grad_norm": 0.15684929490089417,
+      "learning_rate": 0.0002688888888888889,
+      "loss": 0.4669,
+      "step": 121
+    },
+    {
+      "epoch": 0.27111111111111114,
+      "grad_norm": 0.20070019364356995,
+      "learning_rate": 0.0002711111111111111,
+      "loss": 0.6485,
+      "step": 122
+    },
+    {
+      "epoch": 0.2733333333333333,
+      "grad_norm": 0.20072908699512482,
+      "learning_rate": 0.00027333333333333333,
+      "loss": 0.5249,
+      "step": 123
+    },
+    {
+      "epoch": 0.27555555555555555,
+      "grad_norm": 0.273030161857605,
+      "learning_rate": 0.0002755555555555555,
+      "loss": 0.5192,
+      "step": 124
+    },
+    {
+      "epoch": 0.2777777777777778,
+      "grad_norm": 0.30652835965156555,
+      "learning_rate": 0.0002777777777777778,
+      "loss": 0.6819,
+      "step": 125
+    },
+    {
+      "epoch": 0.28,
+      "grad_norm": 0.2657855749130249,
+      "learning_rate": 0.00028,
+      "loss": 0.699,
+      "step": 126
+    },
+    {
+      "epoch": 0.2822222222222222,
+      "grad_norm": 0.1956014782190323,
+      "learning_rate": 0.00028222222222222223,
+      "loss": 0.505,
+      "step": 127
+    },
+    {
+      "epoch": 0.28444444444444444,
+      "grad_norm": 0.19476287066936493,
+      "learning_rate": 0.0002844444444444444,
+      "loss": 0.3625,
+      "step": 128
+    },
+    {
+      "epoch": 0.2866666666666667,
+      "grad_norm": 0.18950065970420837,
+      "learning_rate": 0.0002866666666666667,
+      "loss": 0.5267,
+      "step": 129
+    },
+    {
+      "epoch": 0.28888888888888886,
+      "grad_norm": 0.1630088835954666,
+      "learning_rate": 0.0002888888888888888,
+      "loss": 0.4426,
+      "step": 130
+    },
+    {
+      "epoch": 0.2911111111111111,
+      "grad_norm": 0.1103912889957428,
+      "learning_rate": 0.0002911111111111111,
+      "loss": 0.4793,
+      "step": 131
+    },
+    {
+      "epoch": 0.29333333333333333,
+      "grad_norm": 0.2730814218521118,
+      "learning_rate": 0.00029333333333333327,
+      "loss": 0.6861,
+      "step": 132
+    },
+    {
+      "epoch": 0.29555555555555557,
+      "grad_norm": 0.17552460730075836,
+      "learning_rate": 0.0002955555555555555,
+      "loss": 0.5703,
+      "step": 133
+    },
+    {
+      "epoch": 0.29777777777777775,
+      "grad_norm": 0.27005037665367126,
+      "learning_rate": 0.0002977777777777777,
+      "loss": 0.4464,
+      "step": 134
+    },
+    {
+      "epoch": 0.3,
+      "grad_norm": 0.19579066336154938,
+      "learning_rate": 0.0003,
+      "loss": 0.4173,
+      "step": 135
+    },
+    {
+      "epoch": 0.3022222222222222,
+      "grad_norm": 0.21760328114032745,
+      "learning_rate": 0.00029975308641975307,
+      "loss": 0.5617,
+      "step": 136
+    },
+    {
+      "epoch": 0.30444444444444446,
+      "grad_norm": 0.1697392612695694,
+      "learning_rate": 0.00029950617283950616,
+      "loss": 0.566,
+      "step": 137
+    },
+    {
+      "epoch": 0.30666666666666664,
+      "grad_norm": 0.28145694732666016,
+      "learning_rate": 0.00029925925925925926,
+      "loss": 0.564,
+      "step": 138
+    },
+    {
+      "epoch": 0.3088888888888889,
+      "grad_norm": 0.16204604506492615,
+      "learning_rate": 0.0002990123456790123,
+      "loss": 0.4182,
+      "step": 139
+    },
+    {
+      "epoch": 0.3111111111111111,
+      "grad_norm": 0.15137669444084167,
+      "learning_rate": 0.0002987654320987654,
+      "loss": 0.5234,
+      "step": 140
+    },
+    {
+      "epoch": 0.31333333333333335,
+      "grad_norm": 0.1461869329214096,
+      "learning_rate": 0.0002985185185185185,
+      "loss": 0.5237,
+      "step": 141
+    },
+    {
+      "epoch": 0.31555555555555553,
+      "grad_norm": 0.24307969212532043,
+      "learning_rate": 0.0002982716049382716,
+      "loss": 0.6029,
+      "step": 142
+    },
+    {
+      "epoch": 0.31777777777777777,
+      "grad_norm": 0.3020559549331665,
+      "learning_rate": 0.0002980246913580247,
+      "loss": 0.6136,
+      "step": 143
+    },
+    {
+      "epoch": 0.32,
+      "grad_norm": 0.19990377128124237,
+      "learning_rate": 0.0002977777777777777,
+      "loss": 0.5379,
+      "step": 144
+    },
+    {
+      "epoch": 0.32222222222222224,
+      "grad_norm": 0.22437147796154022,
+      "learning_rate": 0.00029753086419753087,
+      "loss": 0.4162,
+      "step": 145
+    },
+    {
+      "epoch": 0.3244444444444444,
+      "grad_norm": 0.1510290801525116,
+      "learning_rate": 0.0002972839506172839,
+      "loss": 0.5294,
+      "step": 146
+    },
+    {
+      "epoch": 0.32666666666666666,
+      "grad_norm": 0.43192407488822937,
+      "learning_rate": 0.000297037037037037,
+      "loss": 0.5305,
+      "step": 147
+    },
+    {
+      "epoch": 0.3288888888888889,
+      "grad_norm": 0.16263210773468018,
+      "learning_rate": 0.0002967901234567901,
+      "loss": 0.4888,
+      "step": 148
+    },
+    {
+      "epoch": 0.33111111111111113,
+      "grad_norm": 0.1575966477394104,
+      "learning_rate": 0.0002965432098765432,
+      "loss": 0.5763,
+      "step": 149
+    },
+    {
+      "epoch": 0.3333333333333333,
+      "grad_norm": 0.17795632779598236,
+      "learning_rate": 0.00029629629629629624,
+      "loss": 0.5609,
+      "step": 150
+    },
+    {
+      "epoch": 0.33555555555555555,
+      "grad_norm": 0.19898423552513123,
+      "learning_rate": 0.00029604938271604933,
+      "loss": 0.5039,
+      "step": 151
+    },
+    {
+      "epoch": 0.3377777777777778,
+      "grad_norm": 0.16012270748615265,
+      "learning_rate": 0.0002958024691358025,
+      "loss": 0.4414,
+      "step": 152
+    },
+    {
+      "epoch": 0.34,
+      "grad_norm": 0.1376243531703949,
+      "learning_rate": 0.0002955555555555555,
+      "loss": 0.5205,
+      "step": 153
+    },
+    {
+      "epoch": 0.3422222222222222,
+      "grad_norm": 0.26047253608703613,
+      "learning_rate": 0.0002953086419753086,
+      "loss": 0.6142,
+      "step": 154
+    },
+    {
+      "epoch": 0.34444444444444444,
+      "grad_norm": 0.12584461271762848,
+      "learning_rate": 0.0002950617283950617,
+      "loss": 0.505,
+      "step": 155
+    },
+    {
+      "epoch": 0.3466666666666667,
+      "grad_norm": 0.16078580915927887,
+      "learning_rate": 0.0002948148148148148,
+      "loss": 0.6309,
+      "step": 156
+    },
+    {
+      "epoch": 0.3488888888888889,
+      "grad_norm": 0.17269696295261383,
+      "learning_rate": 0.00029456790123456785,
+      "loss": 0.6352,
+      "step": 157
+    },
+    {
+      "epoch": 0.3511111111111111,
+      "grad_norm": 0.16890980303287506,
+      "learning_rate": 0.00029432098765432095,
+      "loss": 0.4686,
+      "step": 158
+    },
+    {
+      "epoch": 0.35333333333333333,
+      "grad_norm": 0.2434924840927124,
+      "learning_rate": 0.00029407407407407404,
+      "loss": 0.6411,
+      "step": 159
+    },
+    {
+      "epoch": 0.35555555555555557,
+      "grad_norm": 0.17170937359333038,
+      "learning_rate": 0.00029382716049382714,
+      "loss": 0.5415,
+      "step": 160
+    },
+    {
+      "epoch": 0.35777777777777775,
+      "grad_norm": 0.1625782996416092,
+      "learning_rate": 0.00029358024691358023,
+      "loss": 0.5254,
+      "step": 161
+    },
+    {
+      "epoch": 0.36,
+      "grad_norm": 0.15762503445148468,
+      "learning_rate": 0.00029333333333333327,
+      "loss": 0.4622,
+      "step": 162
+    },
+    {
+      "epoch": 0.3622222222222222,
+      "grad_norm": 0.1959887444972992,
+      "learning_rate": 0.0002930864197530864,
+      "loss": 0.4678,
+      "step": 163
+    },
+    {
+      "epoch": 0.36444444444444446,
+      "grad_norm": 0.2749437391757965,
+      "learning_rate": 0.00029283950617283946,
+      "loss": 0.6137,
+      "step": 164
+    },
+    {
+      "epoch": 0.36666666666666664,
+      "grad_norm": 0.18642671406269073,
+      "learning_rate": 0.00029259259259259256,
+      "loss": 0.5227,
+      "step": 165
+    },
+    {
+      "epoch": 0.3688888888888889,
+      "grad_norm": 0.19407618045806885,
+      "learning_rate": 0.00029234567901234565,
+      "loss": 0.5151,
+      "step": 166
+    },
+    {
+      "epoch": 0.3711111111111111,
+      "grad_norm": 0.17601671814918518,
+      "learning_rate": 0.00029209876543209875,
+      "loss": 0.616,
+      "step": 167
+    },
+    {
+      "epoch": 0.37333333333333335,
+      "grad_norm": 0.17339468002319336,
+      "learning_rate": 0.00029185185185185184,
+      "loss": 0.5178,
+      "step": 168
+    },
+    {
+      "epoch": 0.37555555555555553,
+      "grad_norm": 0.19407111406326294,
+      "learning_rate": 0.0002916049382716049,
+      "loss": 0.4918,
+      "step": 169
+    },
+    {
+      "epoch": 0.37777777777777777,
+      "grad_norm": 0.18815182149410248,
+      "learning_rate": 0.000291358024691358,
+      "loss": 0.588,
+      "step": 170
+    },
+    {
+      "epoch": 0.38,
+      "grad_norm": 0.1510704755783081,
+      "learning_rate": 0.0002911111111111111,
+      "loss": 0.5143,
+      "step": 171
+    },
+    {
+      "epoch": 0.38222222222222224,
+      "grad_norm": 0.14182798564434052,
+      "learning_rate": 0.00029086419753086417,
+      "loss": 0.5953,
+      "step": 172
+    },
+    {
+      "epoch": 0.3844444444444444,
+      "grad_norm": 0.21492992341518402,
+      "learning_rate": 0.00029061728395061726,
+      "loss": 0.4714,
+      "step": 173
+    },
+    {
+      "epoch": 0.38666666666666666,
+      "grad_norm": 0.17209042608737946,
+      "learning_rate": 0.00029037037037037036,
+      "loss": 0.5507,
+      "step": 174
+    },
+    {
+      "epoch": 0.3888888888888889,
+      "grad_norm": 0.16871920228004456,
+      "learning_rate": 0.00029012345679012345,
+      "loss": 0.5589,
+      "step": 175
+    },
+    {
+      "epoch": 0.39111111111111113,
+      "grad_norm": 0.17786094546318054,
+      "learning_rate": 0.0002898765432098765,
+      "loss": 0.5746,
+      "step": 176
+    },
+    {
+      "epoch": 0.3933333333333333,
+      "grad_norm": 0.1881207823753357,
+      "learning_rate": 0.0002896296296296296,
+      "loss": 0.6293,
+      "step": 177
+    },
+    {
+      "epoch": 0.39555555555555555,
+      "grad_norm": 0.19975589215755463,
+      "learning_rate": 0.0002893827160493827,
+      "loss": 0.516,
+      "step": 178
+    },
+    {
+      "epoch": 0.3977777777777778,
+      "grad_norm": 0.22304534912109375,
+      "learning_rate": 0.0002891358024691358,
+      "loss": 0.5633,
+      "step": 179
+    },
+    {
+      "epoch": 0.4,
+      "grad_norm": 0.14426018297672272,
+      "learning_rate": 0.0002888888888888888,
+      "loss": 0.4885,
+      "step": 180
+    },
+    {
+      "epoch": 0.4022222222222222,
+      "grad_norm": 0.13130474090576172,
+      "learning_rate": 0.00028864197530864197,
+      "loss": 0.4831,
+      "step": 181
+    },
+    {
+      "epoch": 0.40444444444444444,
+      "grad_norm": 0.14933516085147858,
+      "learning_rate": 0.00028839506172839507,
+      "loss": 0.5218,
+      "step": 182
+    },
+    {
+      "epoch": 0.4066666666666667,
+      "grad_norm": 0.15594199299812317,
+      "learning_rate": 0.0002881481481481481,
+      "loss": 0.5768,
+      "step": 183
+    },
+    {
+      "epoch": 0.4088888888888889,
+      "grad_norm": 0.1540926843881607,
+      "learning_rate": 0.0002879012345679012,
+      "loss": 0.5169,
+      "step": 184
+    },
+    {
+      "epoch": 0.4111111111111111,
+      "grad_norm": 0.18075008690357208,
+      "learning_rate": 0.0002876543209876543,
+      "loss": 0.5052,
+      "step": 185
+    },
+    {
+      "epoch": 0.41333333333333333,
+      "grad_norm": 0.18323589861392975,
+      "learning_rate": 0.0002874074074074074,
+      "loss": 0.5293,
+      "step": 186
+    },
+    {
+      "epoch": 0.41555555555555557,
+      "grad_norm": 0.17484310269355774,
+      "learning_rate": 0.00028716049382716043,
+      "loss": 0.5611,
+      "step": 187
+    },
+    {
+      "epoch": 0.4177777777777778,
+      "grad_norm": 0.1708841472864151,
+      "learning_rate": 0.00028691358024691353,
+      "loss": 0.6788,
+      "step": 188
+    },
+    {
+      "epoch": 0.42,
+      "grad_norm": 0.1502651572227478,
+      "learning_rate": 0.0002866666666666667,
+      "loss": 0.5619,
+      "step": 189
+    },
+    {
+      "epoch": 0.4222222222222222,
+      "grad_norm": 0.1580984890460968,
+      "learning_rate": 0.0002864197530864197,
+      "loss": 0.6505,
+      "step": 190
+    },
+    {
+      "epoch": 0.42444444444444446,
+      "grad_norm": 0.16270650923252106,
+      "learning_rate": 0.0002861728395061728,
+      "loss": 0.5653,
+      "step": 191
+    },
+    {
+      "epoch": 0.4266666666666667,
+      "grad_norm": 0.17126257717609406,
+      "learning_rate": 0.0002859259259259259,
+      "loss": 0.6122,
+      "step": 192
+    },
+    {
+      "epoch": 0.4288888888888889,
+      "grad_norm": 0.24494518339633942,
+      "learning_rate": 0.000285679012345679,
+      "loss": 0.5697,
+      "step": 193
+    },
+    {
+      "epoch": 0.4311111111111111,
+      "grad_norm": 0.21074801683425903,
+      "learning_rate": 0.00028543209876543204,
+      "loss": 0.5749,
+      "step": 194
+    },
+    {
+      "epoch": 0.43333333333333335,
+      "grad_norm": 0.16077393293380737,
+      "learning_rate": 0.00028518518518518514,
+      "loss": 0.5637,
+      "step": 195
+    },
+    {
+      "epoch": 0.43555555555555553,
+      "grad_norm": 0.1925012469291687,
+      "learning_rate": 0.00028493827160493824,
+      "loss": 0.5521,
+      "step": 196
+    },
+    {
+      "epoch": 0.43777777777777777,
+      "grad_norm": 0.22952796518802643,
+      "learning_rate": 0.00028469135802469133,
+      "loss": 0.4862,
+      "step": 197
+    },
+    {
+      "epoch": 0.44,
+      "grad_norm": 0.17839300632476807,
+      "learning_rate": 0.0002844444444444444,
+      "loss": 0.4975,
+      "step": 198
+    },
+    {
+      "epoch": 0.44222222222222224,
+      "grad_norm": 0.18458259105682373,
+      "learning_rate": 0.0002841975308641975,
+      "loss": 0.4283,
+      "step": 199
+    },
+    {
+      "epoch": 0.4444444444444444,
+      "grad_norm": 0.16126206517219543,
+      "learning_rate": 0.0002839506172839506,
+      "loss": 0.5694,
+      "step": 200
+    },
+    {
+      "epoch": 0.44666666666666666,
+      "grad_norm": 0.2904411256313324,
+      "learning_rate": 0.00028370370370370366,
+      "loss": 0.3765,
+      "step": 201
+    },
+    {
+      "epoch": 0.4488888888888889,
+      "grad_norm": 0.19960430264472961,
+      "learning_rate": 0.00028345679012345675,
+      "loss": 0.5403,
+      "step": 202
+    },
+    {
+      "epoch": 0.45111111111111113,
+      "grad_norm": 0.23420177400112152,
+      "learning_rate": 0.00028320987654320985,
+      "loss": 0.6315,
+      "step": 203
+    },
+    {
+      "epoch": 0.4533333333333333,
+      "grad_norm": 0.17232675850391388,
+      "learning_rate": 0.00028296296296296294,
+      "loss": 0.4387,
+      "step": 204
+    },
+    {
+      "epoch": 0.45555555555555555,
+      "grad_norm": 0.43902498483657837,
+      "learning_rate": 0.00028271604938271604,
+      "loss": 0.5478,
+      "step": 205
+    },
+    {
+      "epoch": 0.4577777777777778,
+      "grad_norm": 0.15370631217956543,
+      "learning_rate": 0.0002824691358024691,
+      "loss": 0.4061,
+      "step": 206
+    },
+    {
+      "epoch": 0.46,
+      "grad_norm": 0.13001392781734467,
+      "learning_rate": 0.00028222222222222223,
+      "loss": 0.396,
+      "step": 207
+    },
+    {
+      "epoch": 0.4622222222222222,
+      "grad_norm": 0.18333856761455536,
+      "learning_rate": 0.00028197530864197527,
+      "loss": 0.538,
+      "step": 208
+    },
+    {
+      "epoch": 0.46444444444444444,
+      "grad_norm": 0.2740779519081116,
+      "learning_rate": 0.00028172839506172836,
+      "loss": 0.6133,
+      "step": 209
+    },
+    {
+      "epoch": 0.4666666666666667,
+      "grad_norm": 0.17451998591423035,
+      "learning_rate": 0.00028148148148148146,
+      "loss": 0.488,
+      "step": 210
+    },
+    {
+      "epoch": 0.4688888888888889,
+      "grad_norm": 0.2760486304759979,
+      "learning_rate": 0.00028123456790123455,
+      "loss": 0.5366,
+      "step": 211
+    },
+    {
+      "epoch": 0.4711111111111111,
+      "grad_norm": 0.16626881062984467,
+      "learning_rate": 0.00028098765432098765,
+      "loss": 0.4814,
+      "step": 212
+    },
+    {
+      "epoch": 0.47333333333333333,
+      "grad_norm": 0.2446630299091339,
+      "learning_rate": 0.0002807407407407407,
+      "loss": 0.6241,
+      "step": 213
+    },
+    {
+      "epoch": 0.47555555555555556,
+      "grad_norm": 0.18423357605934143,
+      "learning_rate": 0.0002804938271604938,
+      "loss": 0.4679,
+      "step": 214
+    },
+    {
+      "epoch": 0.4777777777777778,
+      "grad_norm": 0.19439800083637238,
+      "learning_rate": 0.0002802469135802469,
+      "loss": 0.489,
+      "step": 215
+    },
+    {
+      "epoch": 0.48,
+      "grad_norm": 0.17421875894069672,
+      "learning_rate": 0.00028,
+      "loss": 0.6016,
+      "step": 216
+    },
+    {
+      "epoch": 0.4822222222222222,
+      "grad_norm": 0.1359538435935974,
+      "learning_rate": 0.00027975308641975307,
+      "loss": 0.4532,
+      "step": 217
+    },
+    {
+      "epoch": 0.48444444444444446,
+      "grad_norm": 0.16284197568893433,
+      "learning_rate": 0.00027950617283950617,
+      "loss": 0.4448,
+      "step": 218
+    },
+    {
+      "epoch": 0.4866666666666667,
+      "grad_norm": 0.12663625180721283,
+      "learning_rate": 0.00027925925925925926,
+      "loss": 0.5962,
+      "step": 219
+    },
+    {
+      "epoch": 0.4888888888888889,
+      "grad_norm": 0.16653625667095184,
+      "learning_rate": 0.0002790123456790123,
+      "loss": 0.7413,
+      "step": 220
+    },
+    {
+      "epoch": 0.4911111111111111,
+      "grad_norm": 0.2262076586484909,
+      "learning_rate": 0.0002787654320987654,
+      "loss": 0.4672,
+      "step": 221
+    },
+    {
+      "epoch": 0.49333333333333335,
+      "grad_norm": 0.1869400292634964,
+      "learning_rate": 0.0002785185185185185,
+      "loss": 0.3975,
+      "step": 222
+    },
+    {
+      "epoch": 0.4955555555555556,
+      "grad_norm": 0.15228945016860962,
+      "learning_rate": 0.0002782716049382716,
+      "loss": 0.5648,
+      "step": 223
+    },
+    {
+      "epoch": 0.49777777777777776,
+      "grad_norm": 0.12363588809967041,
+      "learning_rate": 0.00027802469135802463,
+      "loss": 0.4571,
+      "step": 224
+    },
+    {
+      "epoch": 0.5,
+      "grad_norm": 0.18033596873283386,
+      "learning_rate": 0.0002777777777777778,
+      "loss": 0.5628,
+      "step": 225
+    },
+    {
+      "epoch": 0.5022222222222222,
+      "grad_norm": 0.16061805188655853,
+      "learning_rate": 0.00027753086419753087,
+      "loss": 0.491,
+      "step": 226
+    },
+    {
+      "epoch": 0.5044444444444445,
+      "grad_norm": 0.18852145969867706,
+      "learning_rate": 0.0002772839506172839,
+      "loss": 0.6697,
+      "step": 227
+    },
+    {
+      "epoch": 0.5066666666666667,
+      "grad_norm": 0.16807378828525543,
+      "learning_rate": 0.000277037037037037,
+      "loss": 0.4647,
+      "step": 228
+    },
+    {
+      "epoch": 0.5088888888888888,
+      "grad_norm": 0.1589706540107727,
+      "learning_rate": 0.0002767901234567901,
+      "loss": 0.6322,
+      "step": 229
+    },
+    {
+      "epoch": 0.5111111111111111,
+      "grad_norm": 0.13450591266155243,
+      "learning_rate": 0.0002765432098765432,
+      "loss": 0.7376,
+      "step": 230
+    },
+    {
+      "epoch": 0.5133333333333333,
+      "grad_norm": 0.18603169918060303,
+      "learning_rate": 0.00027629629629629624,
+      "loss": 0.5751,
+      "step": 231
+    },
+    {
+      "epoch": 0.5155555555555555,
+      "grad_norm": 0.3561168313026428,
+      "learning_rate": 0.00027604938271604934,
+      "loss": 0.6167,
+      "step": 232
+    },
+    {
+      "epoch": 0.5177777777777778,
+      "grad_norm": 0.22319789230823517,
+      "learning_rate": 0.00027580246913580243,
+      "loss": 0.6282,
+      "step": 233
+    },
+    {
+      "epoch": 0.52,
+      "grad_norm": 0.15226209163665771,
+      "learning_rate": 0.0002755555555555555,
+      "loss": 0.5736,
+      "step": 234
+    },
+    {
+      "epoch": 0.5222222222222223,
+      "grad_norm": 0.15853361785411835,
+      "learning_rate": 0.0002753086419753086,
+      "loss": 0.4946,
+      "step": 235
+    },
+    {
+      "epoch": 0.5244444444444445,
+      "grad_norm": 0.1475980281829834,
+      "learning_rate": 0.0002750617283950617,
+      "loss": 0.4983,
+      "step": 236
+    },
+    {
+      "epoch": 0.5266666666666666,
+      "grad_norm": 0.1835266798734665,
+      "learning_rate": 0.0002748148148148148,
+      "loss": 0.7749,
+      "step": 237
+    },
+    {
+      "epoch": 0.5288888888888889,
+      "grad_norm": 0.12562094628810883,
+      "learning_rate": 0.00027456790123456785,
+      "loss": 0.4855,
+      "step": 238
+    },
+    {
+      "epoch": 0.5311111111111111,
+      "grad_norm": 0.31017449498176575,
+      "learning_rate": 0.00027432098765432095,
+      "loss": 0.4986,
+      "step": 239
+    },
+    {
+      "epoch": 0.5333333333333333,
+      "grad_norm": 0.13299651443958282,
+      "learning_rate": 0.00027407407407407404,
+      "loss": 0.5675,
+      "step": 240
+    },
+    {
+      "epoch": 0.5355555555555556,
+      "grad_norm": 0.16204799711704254,
+      "learning_rate": 0.00027382716049382714,
+      "loss": 0.3745,
+      "step": 241
+    },
+    {
+      "epoch": 0.5377777777777778,
+      "grad_norm": 0.30393674969673157,
+      "learning_rate": 0.00027358024691358023,
+      "loss": 0.617,
+      "step": 242
+    },
+    {
+      "epoch": 0.54,
+      "grad_norm": 0.16176091134548187,
+      "learning_rate": 0.00027333333333333333,
+      "loss": 0.5888,
+      "step": 243
+    },
+    {
+      "epoch": 0.5422222222222223,
+      "grad_norm": 0.19906075298786163,
+      "learning_rate": 0.0002730864197530864,
+      "loss": 0.8738,
+      "step": 244
+    },
+    {
+      "epoch": 0.5444444444444444,
+      "grad_norm": 0.1559479832649231,
+      "learning_rate": 0.00027283950617283946,
+      "loss": 0.4154,
+      "step": 245
+    },
+    {
+      "epoch": 0.5466666666666666,
+      "grad_norm": 0.23664313554763794,
+      "learning_rate": 0.00027259259259259256,
+      "loss": 0.5207,
+      "step": 246
+    },
+    {
+      "epoch": 0.5488888888888889,
+      "grad_norm": 0.1270369291305542,
+      "learning_rate": 0.00027234567901234565,
+      "loss": 0.5812,
+      "step": 247
+    },
+    {
+      "epoch": 0.5511111111111111,
+      "grad_norm": 0.18237239122390747,
+      "learning_rate": 0.00027209876543209875,
+      "loss": 0.6277,
+      "step": 248
+    },
+    {
+      "epoch": 0.5533333333333333,
+      "grad_norm": 0.12331552058458328,
+      "learning_rate": 0.00027185185185185184,
+      "loss": 0.4045,
+      "step": 249
+    },
+    {
+      "epoch": 0.5555555555555556,
+      "grad_norm": 0.1962405890226364,
+      "learning_rate": 0.0002716049382716049,
+      "loss": 0.4407,
+      "step": 250
+    },
+    {
+      "epoch": 0.5577777777777778,
+      "grad_norm": 0.12834173440933228,
+      "learning_rate": 0.00027135802469135803,
+      "loss": 0.5736,
+      "step": 251
+    },
+    {
+      "epoch": 0.56,
+      "grad_norm": 0.1871601790189743,
+      "learning_rate": 0.0002711111111111111,
+      "loss": 0.597,
+      "step": 252
+    },
+    {
+      "epoch": 0.5622222222222222,
+      "grad_norm": 0.1498972624540329,
+      "learning_rate": 0.00027086419753086417,
+      "loss": 0.4776,
+      "step": 253
+    },
+    {
+      "epoch": 0.5644444444444444,
+      "grad_norm": 0.202190563082695,
+      "learning_rate": 0.00027061728395061727,
+      "loss": 0.5531,
+      "step": 254
+    },
+    {
+      "epoch": 0.5666666666666667,
+      "grad_norm": 0.17293180525302887,
+      "learning_rate": 0.00027037037037037036,
+      "loss": 0.4757,
+      "step": 255
+    },
+    {
+      "epoch": 0.5688888888888889,
+      "grad_norm": 0.20435073971748352,
+      "learning_rate": 0.00027012345679012346,
+      "loss": 0.5344,
+      "step": 256
+    },
+    {
+      "epoch": 0.5711111111111111,
+      "grad_norm": 0.23538696765899658,
+      "learning_rate": 0.0002698765432098765,
+      "loss": 0.6067,
+      "step": 257
+    },
+    {
+      "epoch": 0.5733333333333334,
+      "grad_norm": 0.16673316061496735,
+      "learning_rate": 0.0002696296296296296,
+      "loss": 0.4677,
+      "step": 258
+    },
+    {
+      "epoch": 0.5755555555555556,
+      "grad_norm": 0.1636734902858734,
+      "learning_rate": 0.0002693827160493827,
+      "loss": 0.5181,
+      "step": 259
+    },
+    {
+      "epoch": 0.5777777777777777,
+      "grad_norm": 0.17571769654750824,
+      "learning_rate": 0.0002691358024691358,
+      "loss": 0.5128,
+      "step": 260
+    },
+    {
+      "epoch": 0.58,
+      "grad_norm": 0.21826326847076416,
+      "learning_rate": 0.0002688888888888889,
+      "loss": 0.4491,
+      "step": 261
+    },
+    {
+      "epoch": 0.5822222222222222,
+      "grad_norm": 0.2198294699192047,
+      "learning_rate": 0.00026864197530864197,
+      "loss": 0.5419,
+      "step": 262
+    },
+    {
+      "epoch": 0.5844444444444444,
+      "grad_norm": 0.22619126737117767,
+      "learning_rate": 0.000268395061728395,
+      "loss": 0.6673,
+      "step": 263
+    },
+    {
+      "epoch": 0.5866666666666667,
+      "grad_norm": 0.16405685245990753,
+      "learning_rate": 0.0002681481481481481,
+      "loss": 0.7017,
+      "step": 264
+    },
+    {
+      "epoch": 0.5888888888888889,
+      "grad_norm": 0.15559597313404083,
+      "learning_rate": 0.0002679012345679012,
+      "loss": 0.5741,
+      "step": 265
+    },
+    {
+      "epoch": 0.5911111111111111,
+      "grad_norm": 0.2267346978187561,
+      "learning_rate": 0.0002676543209876543,
+      "loss": 0.4673,
+      "step": 266
+    },
+    {
+      "epoch": 0.5933333333333334,
+      "grad_norm": 0.17021146416664124,
+      "learning_rate": 0.0002674074074074074,
+      "loss": 0.5276,
+      "step": 267
+    },
+    {
+      "epoch": 0.5955555555555555,
+      "grad_norm": 0.16342853009700775,
+      "learning_rate": 0.00026716049382716043,
+      "loss": 0.6414,
+      "step": 268
+    },
+    {
+      "epoch": 0.5977777777777777,
+      "grad_norm": 0.17768199741840363,
+      "learning_rate": 0.0002669135802469136,
+      "loss": 0.5884,
+      "step": 269
+    },
+    {
+      "epoch": 0.6,
+      "grad_norm": 0.17032460868358612,
+      "learning_rate": 0.0002666666666666666,
+      "loss": 0.4814,
+      "step": 270
+    },
+    {
+      "epoch": 0.6022222222222222,
+      "grad_norm": 0.1983184814453125,
+      "learning_rate": 0.0002664197530864197,
+      "loss": 0.4645,
+      "step": 271
+    },
+    {
+      "epoch": 0.6044444444444445,
+      "grad_norm": 0.1555837243795395,
+      "learning_rate": 0.0002661728395061728,
+      "loss": 0.7038,
+      "step": 272
+    },
+    {
+      "epoch": 0.6066666666666667,
+      "grad_norm": 0.14357896149158478,
+      "learning_rate": 0.0002659259259259259,
+      "loss": 0.5283,
+      "step": 273
+    },
+    {
+      "epoch": 0.6088888888888889,
+      "grad_norm": 0.19277998805046082,
+      "learning_rate": 0.000265679012345679,
+      "loss": 0.5303,
+      "step": 274
+    },
+    {
+      "epoch": 0.6111111111111112,
+      "grad_norm": 0.18067921698093414,
+      "learning_rate": 0.00026543209876543205,
+      "loss": 0.569,
+      "step": 275
+    },
+    {
+      "epoch": 0.6133333333333333,
+      "grad_norm": 0.2134593278169632,
+      "learning_rate": 0.00026518518518518514,
+      "loss": 0.5626,
+      "step": 276
+    },
+    {
+      "epoch": 0.6155555555555555,
+      "grad_norm": 0.18603608012199402,
+      "learning_rate": 0.00026493827160493824,
+      "loss": 0.4404,
+      "step": 277
+    },
+    {
+      "epoch": 0.6177777777777778,
+      "grad_norm": 0.20176568627357483,
+      "learning_rate": 0.00026469135802469133,
+      "loss": 0.4687,
+      "step": 278
+    },
+    {
+      "epoch": 0.62,
+      "grad_norm": 0.2177278995513916,
+      "learning_rate": 0.00026444444444444443,
+      "loss": 0.4948,
+      "step": 279
+    },
+    {
+      "epoch": 0.6222222222222222,
+      "grad_norm": 0.20735816657543182,
+      "learning_rate": 0.0002641975308641975,
+      "loss": 0.4512,
+      "step": 280
+    },
+    {
+      "epoch": 0.6244444444444445,
+      "grad_norm": 0.19933420419692993,
+      "learning_rate": 0.0002639506172839506,
+      "loss": 0.5725,
+      "step": 281
+    },
+    {
+      "epoch": 0.6266666666666667,
+      "grad_norm": 0.13915471732616425,
+      "learning_rate": 0.00026370370370370366,
+      "loss": 0.5257,
+      "step": 282
+    },
+    {
+      "epoch": 0.6288888888888889,
+      "grad_norm": 0.12906256318092346,
+      "learning_rate": 0.00026345679012345675,
+      "loss": 0.5034,
+      "step": 283
+    },
+    {
+      "epoch": 0.6311111111111111,
+      "grad_norm": 0.21937648952007294,
+      "learning_rate": 0.00026320987654320985,
+      "loss": 0.5848,
+      "step": 284
+    },
+    {
+      "epoch": 0.6333333333333333,
+      "grad_norm": 0.13235728442668915,
+      "learning_rate": 0.00026296296296296294,
+      "loss": 0.5744,
+      "step": 285
+    },
+    {
+      "epoch": 0.6355555555555555,
+      "grad_norm": 0.19538620114326477,
+      "learning_rate": 0.00026271604938271604,
+      "loss": 0.4948,
+      "step": 286
+    },
+    {
+      "epoch": 0.6377777777777778,
+      "grad_norm": 0.1299598067998886,
+      "learning_rate": 0.00026246913580246913,
+      "loss": 0.4548,
+      "step": 287
+    },
+    {
+      "epoch": 0.64,
+      "grad_norm": 0.12741626799106598,
+      "learning_rate": 0.00026222222222222223,
+      "loss": 0.5207,
+      "step": 288
+    },
+    {
+      "epoch": 0.6422222222222222,
+      "grad_norm": 0.1801108419895172,
+      "learning_rate": 0.00026197530864197527,
+      "loss": 0.542,
+      "step": 289
+    },
+    {
+      "epoch": 0.6444444444444445,
+      "grad_norm": 0.16658473014831543,
+      "learning_rate": 0.00026172839506172837,
+      "loss": 0.5773,
+      "step": 290
+    },
+    {
+      "epoch": 0.6466666666666666,
+      "grad_norm": 0.16049516201019287,
+      "learning_rate": 0.00026148148148148146,
+      "loss": 0.4965,
+      "step": 291
+    },
+    {
+      "epoch": 0.6488888888888888,
+      "grad_norm": 0.258699893951416,
+      "learning_rate": 0.00026123456790123456,
+      "loss": 0.6893,
+      "step": 292
+    },
+    {
+      "epoch": 0.6511111111111111,
+      "grad_norm": 0.2080325484275818,
+      "learning_rate": 0.0002609876543209876,
+      "loss": 0.6101,
+      "step": 293
+    },
+    {
+      "epoch": 0.6533333333333333,
+      "grad_norm": 0.16091585159301758,
+      "learning_rate": 0.0002607407407407407,
+      "loss": 0.5637,
+      "step": 294
+    },
+    {
+      "epoch": 0.6555555555555556,
+      "grad_norm": 0.270709365606308,
+      "learning_rate": 0.00026049382716049384,
+      "loss": 0.4344,
+      "step": 295
+    },
+    {
+      "epoch": 0.6577777777777778,
+      "grad_norm": 0.14196595549583435,
+      "learning_rate": 0.0002602469135802469,
+      "loss": 0.4826,
+      "step": 296
+    },
+    {
+      "epoch": 0.66,
+      "grad_norm": 0.1903015822172165,
+      "learning_rate": 0.00026,
+      "loss": 0.4584,
+      "step": 297
+    },
+    {
+      "epoch": 0.6622222222222223,
+      "grad_norm": 0.1537121832370758,
+      "learning_rate": 0.00025975308641975307,
+      "loss": 0.4276,
+      "step": 298
+    },
+    {
+      "epoch": 0.6644444444444444,
+      "grad_norm": 0.2700488865375519,
+      "learning_rate": 0.00025950617283950617,
+      "loss": 0.6081,
+      "step": 299
+    },
+    {
+      "epoch": 0.6666666666666666,
+      "grad_norm": 0.1334371268749237,
+      "learning_rate": 0.0002592592592592592,
+      "loss": 0.3704,
+      "step": 300
+    },
+    {
+      "epoch": 0.6688888888888889,
+      "grad_norm": 0.18560272455215454,
+      "learning_rate": 0.0002590123456790123,
+      "loss": 0.7141,
+      "step": 301
+    },
+    {
+      "epoch": 0.6711111111111111,
+      "grad_norm": 0.16761454939842224,
+      "learning_rate": 0.0002587654320987654,
+      "loss": 0.6264,
+      "step": 302
+    },
+    {
+      "epoch": 0.6733333333333333,
+      "grad_norm": 0.28938424587249756,
+      "learning_rate": 0.0002585185185185185,
+      "loss": 0.6142,
+      "step": 303
+    },
+    {
+      "epoch": 0.6755555555555556,
+      "grad_norm": 0.2370755970478058,
+      "learning_rate": 0.0002582716049382716,
+      "loss": 0.591,
+      "step": 304
+    },
+    {
+      "epoch": 0.6777777777777778,
+      "grad_norm": 0.14213621616363525,
+      "learning_rate": 0.0002580246913580247,
+      "loss": 0.4651,
+      "step": 305
+    },
+    {
+      "epoch": 0.68,
+      "grad_norm": 0.17966413497924805,
+      "learning_rate": 0.0002577777777777778,
+      "loss": 0.516,
+      "step": 306
+    },
+    {
+      "epoch": 0.6822222222222222,
+      "grad_norm": 0.1060803085565567,
+      "learning_rate": 0.0002575308641975308,
+      "loss": 0.468,
+      "step": 307
+    },
+    {
+      "epoch": 0.6844444444444444,
+      "grad_norm": 0.15440872311592102,
+      "learning_rate": 0.0002572839506172839,
+      "loss": 0.6035,
+      "step": 308
+    },
+    {
+      "epoch": 0.6866666666666666,
+      "grad_norm": 0.1453942060470581,
+      "learning_rate": 0.000257037037037037,
+      "loss": 0.5136,
+      "step": 309
+    },
+    {
+      "epoch": 0.6888888888888889,
+      "grad_norm": 0.18055713176727295,
+      "learning_rate": 0.0002567901234567901,
+      "loss": 0.5357,
+      "step": 310
+    },
+    {
+      "epoch": 0.6911111111111111,
+      "grad_norm": 0.13261505961418152,
+      "learning_rate": 0.0002565432098765432,
+      "loss": 0.4666,
+      "step": 311
+    },
+    {
+      "epoch": 0.6933333333333334,
+      "grad_norm": 0.18729257583618164,
+      "learning_rate": 0.00025629629629629624,
+      "loss": 0.51,
+      "step": 312
+    },
+    {
+      "epoch": 0.6955555555555556,
+      "grad_norm": 0.2084057778120041,
+      "learning_rate": 0.0002560493827160494,
+      "loss": 0.6109,
+      "step": 313
+    },
+    {
+      "epoch": 0.6977777777777778,
+      "grad_norm": 0.14162084460258484,
+      "learning_rate": 0.00025580246913580243,
+      "loss": 0.5889,
+      "step": 314
+    },
+    {
+      "epoch": 0.7,
+      "grad_norm": 0.143287792801857,
+      "learning_rate": 0.00025555555555555553,
+      "loss": 0.4492,
+      "step": 315
+    },
+    {
+      "epoch": 0.7022222222222222,
+      "grad_norm": 0.17587856948375702,
+      "learning_rate": 0.0002553086419753086,
+      "loss": 0.4669,
+      "step": 316
+    },
+    {
+      "epoch": 0.7044444444444444,
+      "grad_norm": 0.12248572707176208,
+      "learning_rate": 0.0002550617283950617,
+      "loss": 0.5852,
+      "step": 317
+    },
+    {
+      "epoch": 0.7066666666666667,
+      "grad_norm": 0.1443788856267929,
+      "learning_rate": 0.0002548148148148148,
+      "loss": 0.5865,
+      "step": 318
+    },
+    {
+      "epoch": 0.7088888888888889,
+      "grad_norm": 0.17955581843852997,
+      "learning_rate": 0.00025456790123456785,
+      "loss": 0.4901,
+      "step": 319
+    },
+    {
+      "epoch": 0.7111111111111111,
+      "grad_norm": 0.1374693363904953,
+      "learning_rate": 0.00025432098765432095,
+      "loss": 0.4654,
+      "step": 320
+    },
+    {
+      "epoch": 0.7133333333333334,
+      "grad_norm": 0.16100934147834778,
+      "learning_rate": 0.00025407407407407404,
+      "loss": 0.5871,
+      "step": 321
+    },
+    {
+      "epoch": 0.7155555555555555,
+      "grad_norm": 0.11821124702692032,
+      "learning_rate": 0.00025382716049382714,
+      "loss": 0.4874,
+      "step": 322
+    },
+    {
+      "epoch": 0.7177777777777777,
+      "grad_norm": 0.13106414675712585,
+      "learning_rate": 0.00025358024691358023,
+      "loss": 0.4548,
+      "step": 323
+    },
+    {
+      "epoch": 0.72,
+      "grad_norm": 0.1800754815340042,
+      "learning_rate": 0.00025333333333333333,
+      "loss": 0.628,
+      "step": 324
+    },
+    {
+      "epoch": 0.7222222222222222,
+      "grad_norm": 0.13882426917552948,
+      "learning_rate": 0.0002530864197530864,
+      "loss": 0.5583,
+      "step": 325
+    },
+    {
+      "epoch": 0.7244444444444444,
+      "grad_norm": 0.12302982807159424,
+      "learning_rate": 0.00025283950617283947,
+      "loss": 0.487,
+      "step": 326
+    },
+    {
+      "epoch": 0.7266666666666667,
+      "grad_norm": 0.1677716076374054,
+      "learning_rate": 0.00025259259259259256,
+      "loss": 0.4769,
+      "step": 327
+    },
+    {
+      "epoch": 0.7288888888888889,
+      "grad_norm": 0.12374882400035858,
+      "learning_rate": 0.00025234567901234566,
+      "loss": 0.5071,
+      "step": 328
+    },
+    {
+      "epoch": 0.7311111111111112,
+      "grad_norm": 0.1606243997812271,
+      "learning_rate": 0.00025209876543209875,
+      "loss": 0.4161,
+      "step": 329
+    },
+    {
+      "epoch": 0.7333333333333333,
+      "grad_norm": 0.17513667047023773,
+      "learning_rate": 0.0002518518518518518,
+      "loss": 0.5917,
+      "step": 330
+    },
+    {
+      "epoch": 0.7355555555555555,
+      "grad_norm": 0.1605701744556427,
+      "learning_rate": 0.00025160493827160494,
+      "loss": 0.6128,
+      "step": 331
+    },
+    {
+      "epoch": 0.7377777777777778,
+      "grad_norm": 0.15330223739147186,
+      "learning_rate": 0.00025135802469135804,
+      "loss": 0.5156,
+      "step": 332
+    },
+    {
+      "epoch": 0.74,
+      "grad_norm": 0.12888985872268677,
+      "learning_rate": 0.0002511111111111111,
+      "loss": 0.4776,
+      "step": 333
+    },
+    {
+      "epoch": 0.7422222222222222,
+      "grad_norm": 0.15710951387882233,
+      "learning_rate": 0.00025086419753086417,
+      "loss": 0.4939,
+      "step": 334
+    },
+    {
+      "epoch": 0.7444444444444445,
+      "grad_norm": 0.1283513307571411,
+      "learning_rate": 0.00025061728395061727,
+      "loss": 0.5321,
+      "step": 335
+    },
+    {
+      "epoch": 0.7466666666666667,
+      "grad_norm": 0.1467665582895279,
+      "learning_rate": 0.00025037037037037036,
+      "loss": 0.5827,
+      "step": 336
+    },
+    {
+      "epoch": 0.7488888888888889,
+      "grad_norm": 0.1438836306333542,
+      "learning_rate": 0.0002501234567901234,
+      "loss": 0.7135,
+      "step": 337
+    },
+    {
+      "epoch": 0.7511111111111111,
+      "grad_norm": 0.1473802775144577,
+      "learning_rate": 0.0002498765432098765,
+      "loss": 0.4535,
+      "step": 338
+    },
+    {
+      "epoch": 0.7533333333333333,
+      "grad_norm": 0.17046429216861725,
+      "learning_rate": 0.00024962962962962965,
+      "loss": 0.5923,
+      "step": 339
+    },
+    {
+      "epoch": 0.7555555555555555,
+      "grad_norm": 0.11560607701539993,
+      "learning_rate": 0.0002493827160493827,
+      "loss": 0.563,
+      "step": 340
+    },
+    {
+      "epoch": 0.7577777777777778,
+      "grad_norm": 0.1518397182226181,
+      "learning_rate": 0.0002491358024691358,
+      "loss": 0.5356,
+      "step": 341
+    },
+    {
+      "epoch": 0.76,
+      "grad_norm": 0.2090211659669876,
+      "learning_rate": 0.0002488888888888889,
+      "loss": 0.5605,
+      "step": 342
+    },
+    {
+      "epoch": 0.7622222222222222,
+      "grad_norm": 0.13951998949050903,
+      "learning_rate": 0.000248641975308642,
+      "loss": 0.632,
+      "step": 343
+    },
+    {
+      "epoch": 0.7644444444444445,
+      "grad_norm": 0.15694496035575867,
+      "learning_rate": 0.000248395061728395,
+      "loss": 0.6715,
+      "step": 344
+    },
+    {
+      "epoch": 0.7666666666666667,
+      "grad_norm": 0.16268084943294525,
+      "learning_rate": 0.0002481481481481481,
+      "loss": 0.4463,
+      "step": 345
+    },
+    {
+      "epoch": 0.7688888888888888,
+      "grad_norm": 0.21926285326480865,
+      "learning_rate": 0.0002479012345679012,
+      "loss": 0.5846,
+      "step": 346
+    },
+    {
+      "epoch": 0.7711111111111111,
+      "grad_norm": 0.2690124213695526,
+      "learning_rate": 0.0002476543209876543,
+      "loss": 0.5963,
+      "step": 347
+    },
+    {
+      "epoch": 0.7733333333333333,
+      "grad_norm": 0.21665515005588531,
+      "learning_rate": 0.0002474074074074074,
+      "loss": 0.4725,
+      "step": 348
+    },
+    {
+      "epoch": 0.7755555555555556,
+      "grad_norm": 0.10690062493085861,
+      "learning_rate": 0.0002471604938271605,
+      "loss": 0.5844,
+      "step": 349
+    },
+    {
+      "epoch": 0.7777777777777778,
+      "grad_norm": 0.16186372935771942,
+      "learning_rate": 0.0002469135802469136,
+      "loss": 0.4665,
+      "step": 350
+    },
+    {
+      "epoch": 0.78,
+      "grad_norm": 0.17135635018348694,
+      "learning_rate": 0.0002466666666666666,
+      "loss": 0.4256,
+      "step": 351
+    },
+    {
+      "epoch": 0.7822222222222223,
+      "grad_norm": 0.22984741628170013,
+      "learning_rate": 0.0002464197530864197,
+      "loss": 0.5772,
+      "step": 352
+    },
+    {
+      "epoch": 0.7844444444444445,
+      "grad_norm": 0.12628202140331268,
+      "learning_rate": 0.0002461728395061728,
+      "loss": 0.4654,
+      "step": 353
+    },
+    {
+      "epoch": 0.7866666666666666,
+      "grad_norm": 0.10722055286169052,
+      "learning_rate": 0.0002459259259259259,
+      "loss": 0.4817,
+      "step": 354
+    },
+    {
+      "epoch": 0.7888888888888889,
+      "grad_norm": 0.18734730780124664,
+      "learning_rate": 0.000245679012345679,
+      "loss": 0.4892,
+      "step": 355
+    },
+    {
+      "epoch": 0.7911111111111111,
+      "grad_norm": 0.1820126324892044,
+      "learning_rate": 0.00024543209876543205,
+      "loss": 0.4987,
+      "step": 356
+    },
+    {
+      "epoch": 0.7933333333333333,
+      "grad_norm": 0.1389104425907135,
+      "learning_rate": 0.0002451851851851852,
+      "loss": 0.5332,
+      "step": 357
+    },
+    {
+      "epoch": 0.7955555555555556,
+      "grad_norm": 0.1396469920873642,
+      "learning_rate": 0.00024493827160493824,
+      "loss": 0.4166,
+      "step": 358
+    },
+    {
+      "epoch": 0.7977777777777778,
+      "grad_norm": 0.1483020782470703,
+      "learning_rate": 0.00024469135802469133,
+      "loss": 0.4869,
+      "step": 359
+    },
+    {
+      "epoch": 0.8,
+      "grad_norm": 0.23203179240226746,
+      "learning_rate": 0.00024444444444444443,
+      "loss": 0.7642,
+      "step": 360
+    },
+    {
+      "epoch": 0.8022222222222222,
+      "grad_norm": 0.19104941189289093,
+      "learning_rate": 0.0002441975308641975,
+      "loss": 0.5143,
+      "step": 361
+    },
+    {
+      "epoch": 0.8044444444444444,
+      "grad_norm": 0.13722693920135498,
+      "learning_rate": 0.00024395061728395062,
+      "loss": 0.5746,
+      "step": 362
+    },
+    {
+      "epoch": 0.8066666666666666,
+      "grad_norm": 0.13355255126953125,
+      "learning_rate": 0.0002437037037037037,
+      "loss": 0.4699,
+      "step": 363
+    },
+    {
+      "epoch": 0.8088888888888889,
+      "grad_norm": 0.13934768736362457,
+      "learning_rate": 0.00024345679012345678,
+      "loss": 0.637,
+      "step": 364
+    },
+    {
+      "epoch": 0.8111111111111111,
+      "grad_norm": 0.1919456571340561,
+      "learning_rate": 0.00024320987654320985,
+      "loss": 0.5514,
+      "step": 365
+    },
+    {
+      "epoch": 0.8133333333333334,
+      "grad_norm": 0.1947246789932251,
+      "learning_rate": 0.00024296296296296295,
+      "loss": 0.5247,
+      "step": 366
+    },
+    {
+      "epoch": 0.8155555555555556,
+      "grad_norm": 0.20515243709087372,
+      "learning_rate": 0.00024271604938271601,
+      "loss": 0.6269,
+      "step": 367
+    },
+    {
+      "epoch": 0.8177777777777778,
+      "grad_norm": 0.13479793071746826,
+      "learning_rate": 0.0002424691358024691,
+      "loss": 0.4613,
+      "step": 368
+    },
+    {
+      "epoch": 0.82,
+      "grad_norm": 0.1373935043811798,
+      "learning_rate": 0.0002422222222222222,
+      "loss": 0.4497,
+      "step": 369
+    },
+    {
+      "epoch": 0.8222222222222222,
+      "grad_norm": 0.18367323279380798,
+      "learning_rate": 0.00024197530864197527,
+      "loss": 0.4536,
+      "step": 370
+    },
+    {
+      "epoch": 0.8244444444444444,
+      "grad_norm": 0.23737306892871857,
+      "learning_rate": 0.0002417283950617284,
+      "loss": 0.5727,
+      "step": 371
+    },
+    {
+      "epoch": 0.8266666666666667,
+      "grad_norm": 0.1628907322883606,
+      "learning_rate": 0.00024148148148148146,
+      "loss": 0.4713,
+      "step": 372
+    },
+    {
+      "epoch": 0.8288888888888889,
+      "grad_norm": 0.18385647237300873,
+      "learning_rate": 0.00024123456790123456,
+      "loss": 0.4263,
+      "step": 373
+    },
+    {
+      "epoch": 0.8311111111111111,
+      "grad_norm": 0.16067151725292206,
+      "learning_rate": 0.00024098765432098763,
+      "loss": 0.5655,
+      "step": 374
+    },
+    {
+      "epoch": 0.8333333333333334,
+      "grad_norm": 0.18861906230449677,
+      "learning_rate": 0.00024074074074074072,
+      "loss": 0.4556,
+      "step": 375
+    },
+    {
+      "epoch": 0.8355555555555556,
+      "grad_norm": 0.160345658659935,
+      "learning_rate": 0.0002404938271604938,
+      "loss": 0.4554,
+      "step": 376
+    },
+    {
+      "epoch": 0.8377777777777777,
+      "grad_norm": 0.21110886335372925,
+      "learning_rate": 0.00024024691358024688,
+      "loss": 0.4128,
+      "step": 377
+    },
+    {
+      "epoch": 0.84,
+      "grad_norm": 0.13896746933460236,
+      "learning_rate": 0.00023999999999999998,
+      "loss": 0.4896,
+      "step": 378
+    },
+    {
+      "epoch": 0.8422222222222222,
+      "grad_norm": 0.18256375193595886,
+      "learning_rate": 0.00023975308641975305,
+      "loss": 0.5534,
+      "step": 379
+    },
+    {
+      "epoch": 0.8444444444444444,
+      "grad_norm": 0.1329539567232132,
+      "learning_rate": 0.00023950617283950617,
+      "loss": 0.6054,
+      "step": 380
+    },
+    {
+      "epoch": 0.8466666666666667,
+      "grad_norm": 0.1916404366493225,
+      "learning_rate": 0.00023925925925925924,
+      "loss": 0.5104,
+      "step": 381
+    },
+    {
+      "epoch": 0.8488888888888889,
+      "grad_norm": 0.18349631130695343,
+      "learning_rate": 0.00023901234567901233,
+      "loss": 0.5076,
+      "step": 382
+    },
+    {
+      "epoch": 0.8511111111111112,
+      "grad_norm": 0.19793935120105743,
+      "learning_rate": 0.0002387654320987654,
+      "loss": 0.6826,
+      "step": 383
+    },
+    {
+      "epoch": 0.8533333333333334,
+      "grad_norm": 0.1868397742509842,
+      "learning_rate": 0.0002385185185185185,
+      "loss": 0.5886,
+      "step": 384
+    },
+    {
+      "epoch": 0.8555555555555555,
+      "grad_norm": 0.15153376758098602,
+      "learning_rate": 0.0002382716049382716,
+      "loss": 0.3526,
+      "step": 385
+    },
+    {
+      "epoch": 0.8577777777777778,
+      "grad_norm": 0.13153988122940063,
+      "learning_rate": 0.00023802469135802466,
+      "loss": 0.4554,
+      "step": 386
+    },
+    {
+      "epoch": 0.86,
+      "grad_norm": 0.12699386477470398,
+      "learning_rate": 0.00023777777777777775,
+      "loss": 0.6665,
+      "step": 387
+    },
+    {
+      "epoch": 0.8622222222222222,
+      "grad_norm": 0.2641882598400116,
+      "learning_rate": 0.00023753086419753082,
+      "loss": 0.5676,
+      "step": 388
+    },
+    {
+      "epoch": 0.8644444444444445,
+      "grad_norm": 0.12574434280395508,
+      "learning_rate": 0.00023728395061728394,
+      "loss": 0.5497,
+      "step": 389
+    },
+    {
+      "epoch": 0.8666666666666667,
+      "grad_norm": 0.171394944190979,
+      "learning_rate": 0.000237037037037037,
+      "loss": 0.5884,
+      "step": 390
+    },
+    {
+      "epoch": 0.8688888888888889,
+      "grad_norm": 0.22201262414455414,
+      "learning_rate": 0.0002367901234567901,
+      "loss": 0.5841,
+      "step": 391
+    },
+    {
+      "epoch": 0.8711111111111111,
+      "grad_norm": 0.15717816352844238,
+      "learning_rate": 0.0002365432098765432,
+      "loss": 0.421,
+      "step": 392
+    },
+    {
+      "epoch": 0.8733333333333333,
+      "grad_norm": 0.16818246245384216,
+      "learning_rate": 0.00023629629629629627,
+      "loss": 0.4381,
+      "step": 393
+    },
+    {
+      "epoch": 0.8755555555555555,
+      "grad_norm": 0.22220592200756073,
+      "learning_rate": 0.00023604938271604937,
+      "loss": 0.5435,
+      "step": 394
+    },
+    {
+      "epoch": 0.8777777777777778,
+      "grad_norm": 0.1777927428483963,
+      "learning_rate": 0.00023580246913580243,
+      "loss": 0.4472,
+      "step": 395
+    },
+    {
+      "epoch": 0.88,
+      "grad_norm": 0.2609533965587616,
+      "learning_rate": 0.00023555555555555553,
+      "loss": 0.4603,
+      "step": 396
+    },
+    {
+      "epoch": 0.8822222222222222,
+      "grad_norm": 0.2210220843553543,
+      "learning_rate": 0.0002353086419753086,
+      "loss": 0.5801,
+      "step": 397
+    },
+    {
+      "epoch": 0.8844444444444445,
+      "grad_norm": 0.20401951670646667,
+      "learning_rate": 0.00023506172839506172,
+      "loss": 0.594,
+      "step": 398
+    },
+    {
+      "epoch": 0.8866666666666667,
+      "grad_norm": 0.15360064804553986,
+      "learning_rate": 0.0002348148148148148,
+      "loss": 0.518,
+      "step": 399
+    },
+    {
+      "epoch": 0.8888888888888888,
+      "grad_norm": 0.15452717244625092,
+      "learning_rate": 0.00023456790123456788,
+      "loss": 0.4914,
+      "step": 400
+    },
+    {
+      "epoch": 0.8911111111111111,
+      "grad_norm": 0.13852454721927643,
+      "learning_rate": 0.00023432098765432098,
+      "loss": 0.3475,
+      "step": 401
+    },
+    {
+      "epoch": 0.8933333333333333,
+      "grad_norm": 0.17671892046928406,
+      "learning_rate": 0.00023407407407407405,
+      "loss": 0.5573,
+      "step": 402
+    },
+    {
+      "epoch": 0.8955555555555555,
+      "grad_norm": 0.31494978070259094,
+      "learning_rate": 0.00023382716049382714,
+      "loss": 0.5598,
+      "step": 403
+    },
+    {
+      "epoch": 0.8977777777777778,
+      "grad_norm": 0.13132472336292267,
+      "learning_rate": 0.0002335802469135802,
+      "loss": 0.4545,
+      "step": 404
+    },
+    {
+      "epoch": 0.9,
+      "grad_norm": 0.7265273332595825,
+      "learning_rate": 0.0002333333333333333,
+      "loss": 0.6252,
+      "step": 405
+    },
+    {
+      "epoch": 0.9022222222222223,
+      "grad_norm": 0.20422174036502838,
+      "learning_rate": 0.00023308641975308637,
+      "loss": 0.5854,
+      "step": 406
+    },
+    {
+      "epoch": 0.9044444444444445,
+      "grad_norm": 0.14237628877162933,
+      "learning_rate": 0.0002328395061728395,
+      "loss": 0.3958,
+      "step": 407
+    },
+    {
+      "epoch": 0.9066666666666666,
+      "grad_norm": 0.19874413311481476,
+      "learning_rate": 0.0002325925925925926,
+      "loss": 0.6152,
+      "step": 408
+    },
+    {
+      "epoch": 0.9088888888888889,
+      "grad_norm": 0.1612745225429535,
+      "learning_rate": 0.00023234567901234566,
+      "loss": 0.5447,
+      "step": 409
+    },
+    {
+      "epoch": 0.9111111111111111,
+      "grad_norm": 0.14159739017486572,
+      "learning_rate": 0.00023209876543209875,
+      "loss": 0.6015,
+      "step": 410
+    },
+    {
+      "epoch": 0.9133333333333333,
+      "grad_norm": 0.13011768460273743,
+      "learning_rate": 0.00023185185185185182,
+      "loss": 0.525,
+      "step": 411
+    },
+    {
+      "epoch": 0.9155555555555556,
+      "grad_norm": 0.19322142004966736,
+      "learning_rate": 0.00023160493827160492,
+      "loss": 0.5399,
+      "step": 412
+    },
+    {
+      "epoch": 0.9177777777777778,
+      "grad_norm": 0.6533721089363098,
+      "learning_rate": 0.00023135802469135798,
+      "loss": 0.3829,
+      "step": 413
+    },
+    {
+      "epoch": 0.92,
+      "grad_norm": 0.17026424407958984,
+      "learning_rate": 0.00023111111111111108,
+      "loss": 0.6095,
+      "step": 414
+    },
+    {
+      "epoch": 0.9222222222222223,
+      "grad_norm": 0.20249877870082855,
+      "learning_rate": 0.0002308641975308642,
+      "loss": 0.5871,
+      "step": 415
+    },
+    {
+      "epoch": 0.9244444444444444,
+      "grad_norm": 0.14929679036140442,
+      "learning_rate": 0.00023061728395061727,
+      "loss": 0.5386,
+      "step": 416
+    },
+    {
+      "epoch": 0.9266666666666666,
+      "grad_norm": 0.10986840724945068,
+      "learning_rate": 0.00023037037037037036,
+      "loss": 0.4834,
+      "step": 417
+    },
+    {
+      "epoch": 0.9288888888888889,
+      "grad_norm": 0.14803917706012726,
+      "learning_rate": 0.00023012345679012343,
+      "loss": 0.4813,
+      "step": 418
+    },
+    {
+      "epoch": 0.9311111111111111,
+      "grad_norm": 0.16032618284225464,
+      "learning_rate": 0.00022987654320987653,
+      "loss": 0.4703,
+      "step": 419
+    },
+    {
+      "epoch": 0.9333333333333333,
+      "grad_norm": 0.1804179549217224,
+      "learning_rate": 0.0002296296296296296,
+      "loss": 0.5443,
+      "step": 420
+    },
+    {
+      "epoch": 0.9355555555555556,
+      "grad_norm": 0.2294391244649887,
+      "learning_rate": 0.0002293827160493827,
+      "loss": 0.5518,
+      "step": 421
+    },
+    {
+      "epoch": 0.9377777777777778,
+      "grad_norm": 0.13405844569206238,
+      "learning_rate": 0.00022913580246913579,
+      "loss": 0.5114,
+      "step": 422
+    },
+    {
+      "epoch": 0.94,
+      "grad_norm": 0.3711307942867279,
+      "learning_rate": 0.00022888888888888885,
+      "loss": 0.6694,
+      "step": 423
+    },
+    {
+      "epoch": 0.9422222222222222,
+      "grad_norm": 0.17901724576950073,
+      "learning_rate": 0.00022864197530864198,
+      "loss": 0.4346,
+      "step": 424
+    },
+    {
+      "epoch": 0.9444444444444444,
+      "grad_norm": 0.22841103374958038,
+      "learning_rate": 0.00022839506172839504,
+      "loss": 0.5202,
+      "step": 425
+    },
+    {
+      "epoch": 0.9466666666666667,
+      "grad_norm": 0.26436498761177063,
+      "learning_rate": 0.00022814814814814814,
+      "loss": 0.5507,
+      "step": 426
+    },
+    {
+      "epoch": 0.9488888888888889,
+      "grad_norm": 0.1576514095067978,
+      "learning_rate": 0.0002279012345679012,
+      "loss": 0.3687,
+      "step": 427
+    },
+    {
+      "epoch": 0.9511111111111111,
+      "grad_norm": 0.16450360417366028,
+      "learning_rate": 0.0002276543209876543,
+      "loss": 0.533,
+      "step": 428
+    },
+    {
+      "epoch": 0.9533333333333334,
+      "grad_norm": 0.12933999300003052,
+      "learning_rate": 0.00022740740740740737,
+      "loss": 0.53,
+      "step": 429
+    },
+    {
+      "epoch": 0.9555555555555556,
+      "grad_norm": 0.2541653513908386,
+      "learning_rate": 0.00022716049382716047,
+      "loss": 0.4178,
+      "step": 430
+    },
+    {
+      "epoch": 0.9577777777777777,
+      "grad_norm": 0.21268242597579956,
+      "learning_rate": 0.00022691358024691356,
+      "loss": 0.4404,
+      "step": 431
+    },
+    {
+      "epoch": 0.96,
+      "grad_norm": 0.18136733770370483,
+      "learning_rate": 0.00022666666666666663,
+      "loss": 0.6026,
+      "step": 432
+    },
+    {
+      "epoch": 0.9622222222222222,
+      "grad_norm": 0.18260523676872253,
+      "learning_rate": 0.00022641975308641975,
+      "loss": 0.6733,
+      "step": 433
+    },
+    {
+      "epoch": 0.9644444444444444,
+      "grad_norm": 0.30254852771759033,
+      "learning_rate": 0.00022617283950617282,
+      "loss": 0.6309,
+      "step": 434
+    },
+    {
+      "epoch": 0.9666666666666667,
+      "grad_norm": 0.18107043206691742,
+      "learning_rate": 0.00022592592592592591,
+      "loss": 0.7921,
+      "step": 435
+    },
+    {
+      "epoch": 0.9688888888888889,
+      "grad_norm": 0.16891856491565704,
+      "learning_rate": 0.00022567901234567898,
+      "loss": 0.5121,
+      "step": 436
+    },
+    {
+      "epoch": 0.9711111111111111,
+      "grad_norm": 0.14732027053833008,
+      "learning_rate": 0.00022543209876543208,
+      "loss": 0.4805,
+      "step": 437
+    },
+    {
+      "epoch": 0.9733333333333334,
+      "grad_norm": 0.19609785079956055,
+      "learning_rate": 0.00022518518518518517,
+      "loss": 0.5566,
+      "step": 438
+    },
+    {
+      "epoch": 0.9755555555555555,
+      "grad_norm": 0.11922861635684967,
+      "learning_rate": 0.00022493827160493824,
+      "loss": 0.4757,
+      "step": 439
+    },
+    {
+      "epoch": 0.9777777777777777,
+      "grad_norm": 0.18207553029060364,
+      "learning_rate": 0.00022469135802469134,
+      "loss": 0.6347,
+      "step": 440
+    },
+    {
+      "epoch": 0.98,
+      "grad_norm": 0.1859586536884308,
+      "learning_rate": 0.0002244444444444444,
+      "loss": 0.3895,
+      "step": 441
+    },
+    {
+      "epoch": 0.9822222222222222,
+      "grad_norm": 0.1757041960954666,
+      "learning_rate": 0.00022419753086419753,
+      "loss": 0.5824,
+      "step": 442
+    },
+    {
+      "epoch": 0.9844444444444445,
+      "grad_norm": 0.24221178889274597,
+      "learning_rate": 0.0002239506172839506,
+      "loss": 0.5045,
+      "step": 443
+    },
+    {
+      "epoch": 0.9866666666666667,
+      "grad_norm": 0.16379328072071075,
+      "learning_rate": 0.0002237037037037037,
+      "loss": 0.5463,
+      "step": 444
+    },
+    {
+      "epoch": 0.9888888888888889,
+      "grad_norm": 0.13701243698596954,
+      "learning_rate": 0.00022345679012345678,
+      "loss": 0.5069,
+      "step": 445
+    },
+    {
+      "epoch": 0.9911111111111112,
+      "grad_norm": 0.14070475101470947,
+      "learning_rate": 0.00022320987654320985,
+      "loss": 0.5496,
+      "step": 446
+    },
+    {
+      "epoch": 0.9933333333333333,
+      "grad_norm": 0.20788441598415375,
+      "learning_rate": 0.00022296296296296295,
+      "loss": 0.6053,
+      "step": 447
+    },
+    {
+      "epoch": 0.9955555555555555,
+      "grad_norm": 0.1296846717596054,
+      "learning_rate": 0.00022271604938271602,
+      "loss": 0.4171,
+      "step": 448
+    },
+    {
+      "epoch": 0.9977777777777778,
+      "grad_norm": 0.2014620155096054,
+      "learning_rate": 0.0002224691358024691,
+      "loss": 0.4917,
+      "step": 449
+    },
+    {
+      "epoch": 1.0,
+      "grad_norm": 0.1412200927734375,
+      "learning_rate": 0.00022222222222222218,
+      "loss": 0.4675,
+      "step": 450
+    },
+    {
+      "epoch": 1.0022222222222221,
+      "grad_norm": 0.15296180546283722,
+      "learning_rate": 0.0002219753086419753,
+      "loss": 0.4816,
+      "step": 451
+    },
+    {
+      "epoch": 1.0044444444444445,
+      "grad_norm": 0.1596982330083847,
+      "learning_rate": 0.0002217283950617284,
+      "loss": 0.5158,
+      "step": 452
+    },
+    {
+      "epoch": 1.0066666666666666,
+      "grad_norm": 0.20045016705989838,
+      "learning_rate": 0.00022148148148148146,
+      "loss": 0.4579,
+      "step": 453
+    },
+    {
+      "epoch": 1.008888888888889,
+      "grad_norm": 0.21337562799453735,
+      "learning_rate": 0.00022123456790123456,
+      "loss": 0.577,
+      "step": 454
+    },
+    {
+      "epoch": 1.011111111111111,
+      "grad_norm": 0.14974337816238403,
+      "learning_rate": 0.00022098765432098763,
+      "loss": 0.61,
+      "step": 455
+    },
+    {
+      "epoch": 1.0133333333333334,
+      "grad_norm": 0.1343904733657837,
+      "learning_rate": 0.00022074074074074072,
+      "loss": 0.5267,
+      "step": 456
+    },
+    {
+      "epoch": 1.0155555555555555,
+      "grad_norm": 0.1901727318763733,
+      "learning_rate": 0.0002204938271604938,
+      "loss": 0.3962,
+      "step": 457
+    },
+    {
+      "epoch": 1.0177777777777777,
+      "grad_norm": 0.14229881763458252,
+      "learning_rate": 0.00022024691358024689,
+      "loss": 0.4632,
+      "step": 458
+    },
+    {
+      "epoch": 1.02,
+      "grad_norm": 0.21129313111305237,
+      "learning_rate": 0.00021999999999999995,
+      "loss": 0.5091,
+      "step": 459
+    },
+    {
+      "epoch": 1.0222222222222221,
+      "grad_norm": 0.20234957337379456,
+      "learning_rate": 0.00021975308641975308,
+      "loss": 0.6278,
+      "step": 460
+    },
+    {
+      "epoch": 1.0244444444444445,
+      "grad_norm": 0.14051935076713562,
+      "learning_rate": 0.00021950617283950617,
+      "loss": 0.5114,
+      "step": 461
+    },
+    {
+      "epoch": 1.0266666666666666,
+      "grad_norm": 0.1425868421792984,
+      "learning_rate": 0.00021925925925925924,
+      "loss": 0.461,
+      "step": 462
+    },
+    {
+      "epoch": 1.028888888888889,
+      "grad_norm": 0.3667563796043396,
+      "learning_rate": 0.00021901234567901233,
+      "loss": 0.4416,
+      "step": 463
+    },
+    {
+      "epoch": 1.031111111111111,
+      "grad_norm": 0.22489885985851288,
+      "learning_rate": 0.0002187654320987654,
+      "loss": 0.6011,
+      "step": 464
+    },
+    {
+      "epoch": 1.0333333333333334,
+      "grad_norm": 0.21429428458213806,
+      "learning_rate": 0.0002185185185185185,
+      "loss": 0.5969,
+      "step": 465
+    },
+    {
+      "epoch": 1.0355555555555556,
+      "grad_norm": 0.17646625638008118,
+      "learning_rate": 0.00021827160493827157,
+      "loss": 0.4538,
+      "step": 466
+    },
+    {
+      "epoch": 1.0377777777777777,
+      "grad_norm": 0.17430634796619415,
+      "learning_rate": 0.00021802469135802466,
+      "loss": 0.6081,
+      "step": 467
+    },
+    {
+      "epoch": 1.04,
+      "grad_norm": 0.23083315789699554,
+      "learning_rate": 0.00021777777777777778,
+      "loss": 0.4757,
+      "step": 468
+    },
+    {
+      "epoch": 1.0422222222222222,
+      "grad_norm": 0.21813291311264038,
+      "learning_rate": 0.00021753086419753085,
+      "loss": 0.5772,
+      "step": 469
+    },
+    {
+      "epoch": 1.0444444444444445,
+      "grad_norm": 0.17318132519721985,
+      "learning_rate": 0.00021728395061728395,
+      "loss": 0.4643,
+      "step": 470
+    },
+    {
+      "epoch": 1.0466666666666666,
+      "grad_norm": 0.2051350325345993,
+      "learning_rate": 0.00021703703703703701,
+      "loss": 0.5271,
+      "step": 471
+    },
+    {
+      "epoch": 1.048888888888889,
+      "grad_norm": 0.15854017436504364,
+      "learning_rate": 0.0002167901234567901,
+      "loss": 0.5484,
+      "step": 472
+    },
+    {
+      "epoch": 1.051111111111111,
+      "grad_norm": 0.21494866907596588,
+      "learning_rate": 0.00021654320987654318,
+      "loss": 0.463,
+      "step": 473
+    },
+    {
+      "epoch": 1.0533333333333332,
+      "grad_norm": 0.15565277636051178,
+      "learning_rate": 0.00021629629629629627,
+      "loss": 0.4496,
+      "step": 474
+    },
+    {
+      "epoch": 1.0555555555555556,
+      "grad_norm": 0.2026614099740982,
+      "learning_rate": 0.00021604938271604937,
+      "loss": 0.5573,
+      "step": 475
+    },
+    {
+      "epoch": 1.0577777777777777,
+      "grad_norm": 0.2115136682987213,
+      "learning_rate": 0.00021580246913580244,
+      "loss": 0.5417,
+      "step": 476
+    },
+    {
+      "epoch": 1.06,
+      "grad_norm": 0.17910204827785492,
+      "learning_rate": 0.00021555555555555556,
+      "loss": 0.4107,
+      "step": 477
+    },
+    {
+      "epoch": 1.0622222222222222,
+      "grad_norm": 0.16029846668243408,
+      "learning_rate": 0.00021530864197530863,
+      "loss": 0.4197,
+      "step": 478
+    },
+    {
+      "epoch": 1.0644444444444445,
+      "grad_norm": 0.13962920010089874,
+      "learning_rate": 0.00021506172839506172,
+      "loss": 0.5397,
+      "step": 479
+    },
+    {
+      "epoch": 1.0666666666666667,
+      "grad_norm": 0.19910384714603424,
+      "learning_rate": 0.0002148148148148148,
+      "loss": 0.5013,
+      "step": 480
+    },
+    {
+      "epoch": 1.068888888888889,
+      "grad_norm": 0.18806932866573334,
+      "learning_rate": 0.00021456790123456788,
+      "loss": 0.5681,
+      "step": 481
+    },
+    {
+      "epoch": 1.0711111111111111,
+      "grad_norm": 0.16994863748550415,
+      "learning_rate": 0.00021432098765432095,
+      "loss": 0.4911,
+      "step": 482
+    },
+    {
+      "epoch": 1.0733333333333333,
+      "grad_norm": 0.1846705973148346,
+      "learning_rate": 0.00021407407407407405,
+      "loss": 0.5247,
+      "step": 483
+    },
+    {
+      "epoch": 1.0755555555555556,
+      "grad_norm": 0.1335802674293518,
+      "learning_rate": 0.00021382716049382714,
+      "loss": 0.5972,
+      "step": 484
+    },
+    {
+      "epoch": 1.0777777777777777,
+      "grad_norm": 0.15970145165920258,
+      "learning_rate": 0.0002135802469135802,
+      "loss": 0.4708,
+      "step": 485
+    },
+    {
+      "epoch": 1.08,
+      "grad_norm": 0.18331503868103027,
+      "learning_rate": 0.00021333333333333333,
+      "loss": 0.5471,
+      "step": 486
+    },
+    {
+      "epoch": 1.0822222222222222,
+      "grad_norm": 0.1520104557275772,
+      "learning_rate": 0.0002130864197530864,
+      "loss": 0.4853,
+      "step": 487
+    },
+    {
+      "epoch": 1.0844444444444445,
+      "grad_norm": 0.16329914331436157,
+      "learning_rate": 0.0002128395061728395,
+      "loss": 0.4402,
+      "step": 488
+    },
+    {
+      "epoch": 1.0866666666666667,
+      "grad_norm": 0.15783226490020752,
+      "learning_rate": 0.00021259259259259256,
+      "loss": 0.4405,
+      "step": 489
+    },
+    {
+      "epoch": 1.0888888888888888,
+      "grad_norm": 0.1584683209657669,
+      "learning_rate": 0.00021234567901234566,
+      "loss": 0.3924,
+      "step": 490
+    },
+    {
+      "epoch": 1.0911111111111111,
+      "grad_norm": 0.16735412180423737,
+      "learning_rate": 0.00021209876543209875,
+      "loss": 0.5651,
+      "step": 491
+    },
+    {
+      "epoch": 1.0933333333333333,
+      "grad_norm": 0.20828117430210114,
+      "learning_rate": 0.00021185185185185182,
+      "loss": 0.524,
+      "step": 492
+    },
+    {
+      "epoch": 1.0955555555555556,
+      "grad_norm": 0.14907875657081604,
+      "learning_rate": 0.00021160493827160492,
+      "loss": 0.6376,
+      "step": 493
+    },
+    {
+      "epoch": 1.0977777777777777,
+      "grad_norm": 0.2043023705482483,
+      "learning_rate": 0.00021135802469135799,
+      "loss": 0.4262,
+      "step": 494
+    },
+    {
+      "epoch": 1.1,
+      "grad_norm": 0.14947763085365295,
+      "learning_rate": 0.0002111111111111111,
+      "loss": 0.4732,
+      "step": 495
+    },
+    {
+      "epoch": 1.1022222222222222,
+      "grad_norm": 0.1837744265794754,
+      "learning_rate": 0.00021086419753086418,
+      "loss": 0.5766,
+      "step": 496
+    },
+    {
+      "epoch": 1.1044444444444443,
+      "grad_norm": 0.1411743313074112,
+      "learning_rate": 0.00021061728395061727,
+      "loss": 0.4675,
+      "step": 497
+    },
+    {
+      "epoch": 1.1066666666666667,
+      "grad_norm": 0.14611735939979553,
+      "learning_rate": 0.00021037037037037037,
+      "loss": 0.4986,
+      "step": 498
+    },
+    {
+      "epoch": 1.1088888888888888,
+      "grad_norm": 0.143850177526474,
+      "learning_rate": 0.00021012345679012343,
+      "loss": 0.441,
+      "step": 499
+    },
+    {
+      "epoch": 1.1111111111111112,
+      "grad_norm": 0.14008420705795288,
+      "learning_rate": 0.00020987654320987653,
+      "loss": 0.6538,
+      "step": 500
+    },
+    {
+      "epoch": 1.1133333333333333,
+      "grad_norm": 0.1524328887462616,
+      "learning_rate": 0.0002096296296296296,
+      "loss": 0.4386,
+      "step": 501
+    },
+    {
+      "epoch": 1.1155555555555556,
+      "grad_norm": 0.1267358660697937,
+      "learning_rate": 0.0002093827160493827,
+      "loss": 0.4863,
+      "step": 502
+    },
+    {
+      "epoch": 1.1177777777777778,
+      "grad_norm": 0.1797122359275818,
+      "learning_rate": 0.00020913580246913576,
+      "loss": 0.4287,
+      "step": 503
+    },
+    {
+      "epoch": 1.12,
+      "grad_norm": 0.2134157121181488,
+      "learning_rate": 0.00020888888888888888,
+      "loss": 0.4902,
+      "step": 504
+    },
+    {
+      "epoch": 1.1222222222222222,
+      "grad_norm": 0.20062175393104553,
+      "learning_rate": 0.00020864197530864198,
+      "loss": 0.5243,
+      "step": 505
+    },
+    {
+      "epoch": 1.1244444444444444,
+      "grad_norm": 0.19181513786315918,
+      "learning_rate": 0.00020839506172839505,
+      "loss": 0.4947,
+      "step": 506
+    },
+    {
+      "epoch": 1.1266666666666667,
+      "grad_norm": 0.17851033806800842,
+      "learning_rate": 0.00020814814814814814,
+      "loss": 0.5148,
+      "step": 507
+    },
+    {
+      "epoch": 1.1288888888888888,
+      "grad_norm": 0.19144859910011292,
+      "learning_rate": 0.0002079012345679012,
+      "loss": 0.5808,
+      "step": 508
+    },
+    {
+      "epoch": 1.1311111111111112,
+      "grad_norm": 0.17474748194217682,
+      "learning_rate": 0.0002076543209876543,
+      "loss": 0.5784,
+      "step": 509
+    },
+    {
+      "epoch": 1.1333333333333333,
+      "grad_norm": 0.575061023235321,
+      "learning_rate": 0.00020740740740740737,
+      "loss": 0.621,
+      "step": 510
+    },
+    {
+      "epoch": 1.1355555555555557,
+      "grad_norm": 0.24973663687705994,
+      "learning_rate": 0.00020716049382716047,
+      "loss": 0.5519,
+      "step": 511
+    },
+    {
+      "epoch": 1.1377777777777778,
+      "grad_norm": 0.17157737910747528,
+      "learning_rate": 0.00020691358024691354,
+      "loss": 0.4849,
+      "step": 512
+    },
+    {
+      "epoch": 1.1400000000000001,
+      "grad_norm": 0.23158717155456543,
+      "learning_rate": 0.00020666666666666666,
+      "loss": 0.448,
+      "step": 513
+    },
+    {
+      "epoch": 1.1422222222222222,
+      "grad_norm": 0.14639237523078918,
+      "learning_rate": 0.00020641975308641975,
+      "loss": 0.4809,
+      "step": 514
+    },
+    {
+      "epoch": 1.1444444444444444,
+      "grad_norm": 0.23363938927650452,
+      "learning_rate": 0.00020617283950617282,
+      "loss": 0.4925,
+      "step": 515
+    },
+    {
+      "epoch": 1.1466666666666667,
+      "grad_norm": 0.32770803570747375,
+      "learning_rate": 0.00020592592592592592,
+      "loss": 0.5383,
+      "step": 516
+    },
+    {
+      "epoch": 1.1488888888888888,
+      "grad_norm": 0.14956258237361908,
+      "learning_rate": 0.00020567901234567898,
+      "loss": 0.4385,
+      "step": 517
+    },
+    {
+      "epoch": 1.1511111111111112,
+      "grad_norm": 0.1975625902414322,
+      "learning_rate": 0.00020543209876543208,
+      "loss": 0.4663,
+      "step": 518
+    },
+    {
+      "epoch": 1.1533333333333333,
+      "grad_norm": 0.12537258863449097,
+      "learning_rate": 0.00020518518518518515,
+      "loss": 0.4136,
+      "step": 519
+    },
+    {
+      "epoch": 1.1555555555555554,
+      "grad_norm": 0.15473900735378265,
+      "learning_rate": 0.00020493827160493824,
+      "loss": 0.5035,
+      "step": 520
+    },
+    {
+      "epoch": 1.1577777777777778,
+      "grad_norm": 0.2243552953004837,
+      "learning_rate": 0.00020469135802469136,
+      "loss": 0.5115,
+      "step": 521
+    },
+    {
+      "epoch": 1.16,
+      "grad_norm": 0.13791115581989288,
+      "learning_rate": 0.00020444444444444443,
+      "loss": 0.5034,
+      "step": 522
+    },
+    {
+      "epoch": 1.1622222222222223,
+      "grad_norm": 0.17481450736522675,
+      "learning_rate": 0.00020419753086419753,
+      "loss": 0.5384,
+      "step": 523
+    },
+    {
+      "epoch": 1.1644444444444444,
+      "grad_norm": 0.1647374927997589,
+      "learning_rate": 0.0002039506172839506,
+      "loss": 0.4774,
+      "step": 524
+    },
+    {
+      "epoch": 1.1666666666666667,
+      "grad_norm": 0.17841963469982147,
+      "learning_rate": 0.0002037037037037037,
+      "loss": 0.5758,
+      "step": 525
+    },
+    {
+      "epoch": 1.1688888888888889,
+      "grad_norm": 0.19152382016181946,
+      "learning_rate": 0.00020345679012345676,
+      "loss": 0.4626,
+      "step": 526
+    },
+    {
+      "epoch": 1.1711111111111112,
+      "grad_norm": 0.17557677626609802,
+      "learning_rate": 0.00020320987654320985,
+      "loss": 0.5215,
+      "step": 527
+    },
+    {
+      "epoch": 1.1733333333333333,
+      "grad_norm": 0.19200007617473602,
+      "learning_rate": 0.00020296296296296295,
+      "loss": 0.5668,
+      "step": 528
+    },
+    {
+      "epoch": 1.1755555555555555,
+      "grad_norm": 0.16062043607234955,
+      "learning_rate": 0.00020271604938271602,
+      "loss": 0.4757,
+      "step": 529
+    },
+    {
+      "epoch": 1.1777777777777778,
+      "grad_norm": 0.18774579465389252,
+      "learning_rate": 0.00020246913580246914,
+      "loss": 0.624,
+      "step": 530
+    },
+    {
+      "epoch": 1.18,
+      "grad_norm": 0.18138159811496735,
+      "learning_rate": 0.0002022222222222222,
+      "loss": 0.4251,
+      "step": 531
+    },
+    {
+      "epoch": 1.1822222222222223,
+      "grad_norm": 0.25393691658973694,
+      "learning_rate": 0.0002019753086419753,
+      "loss": 0.5845,
+      "step": 532
+    },
+    {
+      "epoch": 1.1844444444444444,
+      "grad_norm": 0.18442478775978088,
+      "learning_rate": 0.00020172839506172837,
+      "loss": 0.4026,
+      "step": 533
+    },
+    {
+      "epoch": 1.1866666666666668,
+      "grad_norm": 0.1802750676870346,
+      "learning_rate": 0.00020148148148148147,
+      "loss": 0.4954,
+      "step": 534
+    },
+    {
+      "epoch": 1.1888888888888889,
+      "grad_norm": 0.1883816123008728,
+      "learning_rate": 0.00020123456790123456,
+      "loss": 0.7166,
+      "step": 535
+    },
+    {
+      "epoch": 1.1911111111111112,
+      "grad_norm": 0.2110777497291565,
+      "learning_rate": 0.00020098765432098763,
+      "loss": 0.5168,
+      "step": 536
+    },
+    {
+      "epoch": 1.1933333333333334,
+      "grad_norm": 0.1972721815109253,
+      "learning_rate": 0.00020074074074074072,
+      "loss": 0.427,
+      "step": 537
+    },
+    {
+      "epoch": 1.1955555555555555,
+      "grad_norm": 0.1931055188179016,
+      "learning_rate": 0.0002004938271604938,
+      "loss": 0.4154,
+      "step": 538
+    },
+    {
+      "epoch": 1.1977777777777778,
+      "grad_norm": 0.20624488592147827,
+      "learning_rate": 0.00020024691358024691,
+      "loss": 0.4764,
+      "step": 539
+    },
+    {
+      "epoch": 1.2,
+      "grad_norm": 0.19730456173419952,
+      "learning_rate": 0.00019999999999999998,
+      "loss": 0.5672,
+      "step": 540
+    },
+    {
+      "epoch": 1.2022222222222223,
+      "grad_norm": 0.19493892788887024,
+      "learning_rate": 0.00019975308641975308,
+      "loss": 0.488,
+      "step": 541
+    },
+    {
+      "epoch": 1.2044444444444444,
+      "grad_norm": 0.18839912116527557,
+      "learning_rate": 0.00019950617283950615,
+      "loss": 0.5617,
+      "step": 542
+    },
+    {
+      "epoch": 1.2066666666666666,
+      "grad_norm": 0.23850169777870178,
+      "learning_rate": 0.00019925925925925924,
+      "loss": 0.614,
+      "step": 543
+    },
+    {
+      "epoch": 1.208888888888889,
+      "grad_norm": 0.18365950882434845,
+      "learning_rate": 0.00019901234567901234,
+      "loss": 0.4778,
+      "step": 544
+    },
+    {
+      "epoch": 1.211111111111111,
+      "grad_norm": 0.17773182690143585,
+      "learning_rate": 0.0001987654320987654,
+      "loss": 0.512,
+      "step": 545
+    },
+    {
+      "epoch": 1.2133333333333334,
+      "grad_norm": 0.21308952569961548,
+      "learning_rate": 0.0001985185185185185,
+      "loss": 0.6476,
+      "step": 546
+    },
+    {
+      "epoch": 1.2155555555555555,
+      "grad_norm": 0.1732819527387619,
+      "learning_rate": 0.00019827160493827157,
+      "loss": 0.4544,
+      "step": 547
+    },
+    {
+      "epoch": 1.2177777777777778,
+      "grad_norm": 0.15607161819934845,
+      "learning_rate": 0.0001980246913580247,
+      "loss": 0.5787,
+      "step": 548
+    },
+    {
+      "epoch": 1.22,
+      "grad_norm": 0.16454316675662994,
+      "learning_rate": 0.00019777777777777776,
+      "loss": 0.4792,
+      "step": 549
+    },
+    {
+      "epoch": 1.2222222222222223,
+      "grad_norm": 0.16066400706768036,
+      "learning_rate": 0.00019753086419753085,
+      "loss": 0.4656,
+      "step": 550
+    },
+    {
+      "epoch": 1.2244444444444444,
+      "grad_norm": 0.15481796860694885,
+      "learning_rate": 0.00019728395061728395,
+      "loss": 0.47,
+      "step": 551
+    },
+    {
+      "epoch": 1.2266666666666666,
+      "grad_norm": 0.21378105878829956,
+      "learning_rate": 0.00019703703703703702,
+      "loss": 0.4756,
+      "step": 552
+    },
+    {
+      "epoch": 1.228888888888889,
+      "grad_norm": 0.20864234864711761,
+      "learning_rate": 0.0001967901234567901,
+      "loss": 0.4278,
+      "step": 553
+    },
+    {
+      "epoch": 1.231111111111111,
+      "grad_norm": 0.16556324064731598,
+      "learning_rate": 0.00019654320987654318,
+      "loss": 0.4792,
+      "step": 554
+    },
+    {
+      "epoch": 1.2333333333333334,
+      "grad_norm": 0.19661420583724976,
+      "learning_rate": 0.00019629629629629627,
+      "loss": 0.5862,
+      "step": 555
+    },
+    {
+      "epoch": 1.2355555555555555,
+      "grad_norm": 0.2666536271572113,
+      "learning_rate": 0.00019604938271604934,
+      "loss": 0.4847,
+      "step": 556
+    },
+    {
+      "epoch": 1.2377777777777779,
+      "grad_norm": 0.1885252147912979,
+      "learning_rate": 0.00019580246913580246,
+      "loss": 0.4694,
+      "step": 557
+    },
+    {
+      "epoch": 1.24,
+      "grad_norm": 0.19279441237449646,
+      "learning_rate": 0.00019555555555555556,
+      "loss": 0.567,
+      "step": 558
+    },
+    {
+      "epoch": 1.2422222222222223,
+      "grad_norm": 0.24274209141731262,
+      "learning_rate": 0.00019530864197530863,
+      "loss": 0.4831,
+      "step": 559
+    },
+    {
+      "epoch": 1.2444444444444445,
+      "grad_norm": 0.1520586609840393,
+      "learning_rate": 0.00019506172839506172,
+      "loss": 0.4659,
+      "step": 560
+    },
+    {
+      "epoch": 1.2466666666666666,
+      "grad_norm": 0.4970318675041199,
+      "learning_rate": 0.0001948148148148148,
+      "loss": 0.5206,
+      "step": 561
+    },
+    {
+      "epoch": 1.248888888888889,
+      "grad_norm": 0.18483081459999084,
+      "learning_rate": 0.00019456790123456789,
+      "loss": 0.4844,
+      "step": 562
+    },
+    {
+      "epoch": 1.251111111111111,
+      "grad_norm": 0.17052306234836578,
+      "learning_rate": 0.00019432098765432095,
+      "loss": 0.4774,
+      "step": 563
+    },
+    {
+      "epoch": 1.2533333333333334,
+      "grad_norm": 0.30775099992752075,
+      "learning_rate": 0.00019407407407407405,
+      "loss": 0.4726,
+      "step": 564
+    },
+    {
+      "epoch": 1.2555555555555555,
+      "grad_norm": 0.18412767350673676,
+      "learning_rate": 0.00019382716049382712,
+      "loss": 0.616,
+      "step": 565
+    },
+    {
+      "epoch": 1.2577777777777777,
+      "grad_norm": 0.24758651852607727,
+      "learning_rate": 0.00019358024691358024,
+      "loss": 0.4505,
+      "step": 566
+    },
+    {
+      "epoch": 1.26,
+      "grad_norm": 0.15375128388404846,
+      "learning_rate": 0.00019333333333333333,
+      "loss": 0.4015,
+      "step": 567
+    },
+    {
+      "epoch": 1.2622222222222224,
+      "grad_norm": 0.17346544563770294,
+      "learning_rate": 0.0001930864197530864,
+      "loss": 0.6291,
+      "step": 568
+    },
+    {
+      "epoch": 1.2644444444444445,
+      "grad_norm": 0.17779450118541718,
+      "learning_rate": 0.0001928395061728395,
+      "loss": 0.5275,
+      "step": 569
+    },
+    {
+      "epoch": 1.2666666666666666,
+      "grad_norm": 0.2299584001302719,
+      "learning_rate": 0.00019259259259259257,
+      "loss": 0.479,
+      "step": 570
+    },
+    {
+      "epoch": 1.268888888888889,
+      "grad_norm": 0.19577407836914062,
+      "learning_rate": 0.00019234567901234566,
+      "loss": 0.5587,
+      "step": 571
+    },
+    {
+      "epoch": 1.271111111111111,
+      "grad_norm": 0.2726730406284332,
+      "learning_rate": 0.00019209876543209873,
+      "loss": 0.4941,
+      "step": 572
+    },
+    {
+      "epoch": 1.2733333333333334,
+      "grad_norm": 0.18272462487220764,
+      "learning_rate": 0.00019185185185185182,
+      "loss": 0.4434,
+      "step": 573
+    },
+    {
+      "epoch": 1.2755555555555556,
+      "grad_norm": 0.2076050490140915,
+      "learning_rate": 0.00019160493827160495,
+      "loss": 0.5415,
+      "step": 574
+    },
+    {
+      "epoch": 1.2777777777777777,
+      "grad_norm": 0.18124337494373322,
+      "learning_rate": 0.00019135802469135801,
+      "loss": 0.4524,
+      "step": 575
+    },
+    {
+      "epoch": 1.28,
+      "grad_norm": 0.21853291988372803,
+      "learning_rate": 0.0001911111111111111,
+      "loss": 0.4859,
+      "step": 576
+    },
+    {
+      "epoch": 1.2822222222222222,
+      "grad_norm": 0.20311839878559113,
+      "learning_rate": 0.00019086419753086418,
+      "loss": 0.3825,
+      "step": 577
+    },
+    {
+      "epoch": 1.2844444444444445,
+      "grad_norm": 0.2179584801197052,
+      "learning_rate": 0.00019061728395061727,
+      "loss": 0.5508,
+      "step": 578
+    },
+    {
+      "epoch": 1.2866666666666666,
+      "grad_norm": 0.18006446957588196,
+      "learning_rate": 0.00019037037037037034,
+      "loss": 0.5068,
+      "step": 579
+    },
+    {
+      "epoch": 1.2888888888888888,
+      "grad_norm": 0.3354756832122803,
+      "learning_rate": 0.00019012345679012344,
+      "loss": 0.5284,
+      "step": 580
+    },
+    {
+      "epoch": 1.291111111111111,
+      "grad_norm": 0.20429521799087524,
+      "learning_rate": 0.00018987654320987653,
+      "loss": 0.42,
+      "step": 581
+    },
+    {
+      "epoch": 1.2933333333333334,
+      "grad_norm": 0.2871708869934082,
+      "learning_rate": 0.0001896296296296296,
+      "loss": 0.6303,
+      "step": 582
+    },
+    {
+      "epoch": 1.2955555555555556,
+      "grad_norm": 0.19127105176448822,
+      "learning_rate": 0.00018938271604938272,
+      "loss": 0.4727,
+      "step": 583
+    },
+    {
+      "epoch": 1.2977777777777777,
+      "grad_norm": 0.22170588374137878,
+      "learning_rate": 0.0001891358024691358,
+      "loss": 0.5222,
+      "step": 584
+    },
+    {
+      "epoch": 1.3,
+      "grad_norm": 0.2183113992214203,
+      "learning_rate": 0.00018888888888888888,
+      "loss": 0.5839,
+      "step": 585
+    },
+    {
+      "epoch": 1.3022222222222222,
+      "grad_norm": 0.18902623653411865,
+      "learning_rate": 0.00018864197530864195,
+      "loss": 0.487,
+      "step": 586
+    },
+    {
+      "epoch": 1.3044444444444445,
+      "grad_norm": 0.19840282201766968,
+      "learning_rate": 0.00018839506172839505,
+      "loss": 0.6223,
+      "step": 587
+    },
+    {
+      "epoch": 1.3066666666666666,
+      "grad_norm": 0.19085773825645447,
+      "learning_rate": 0.00018814814814814814,
+      "loss": 0.714,
+      "step": 588
+    },
+    {
+      "epoch": 1.3088888888888888,
+      "grad_norm": 0.21159861981868744,
+      "learning_rate": 0.0001879012345679012,
+      "loss": 0.6117,
+      "step": 589
+    },
+    {
+      "epoch": 1.3111111111111111,
+      "grad_norm": 0.1644948571920395,
+      "learning_rate": 0.0001876543209876543,
+      "loss": 0.43,
+      "step": 590
+    },
+    {
+      "epoch": 1.3133333333333335,
+      "grad_norm": 0.1644945591688156,
+      "learning_rate": 0.00018740740740740737,
+      "loss": 0.522,
+      "step": 591
+    },
+    {
+      "epoch": 1.3155555555555556,
+      "grad_norm": 0.16714589297771454,
+      "learning_rate": 0.0001871604938271605,
+      "loss": 0.4637,
+      "step": 592
+    },
+    {
+      "epoch": 1.3177777777777777,
+      "grad_norm": 0.17184139788150787,
+      "learning_rate": 0.00018691358024691356,
+      "loss": 0.5053,
+      "step": 593
+    },
+    {
+      "epoch": 1.32,
+      "grad_norm": 0.22288395464420319,
+      "learning_rate": 0.00018666666666666666,
+      "loss": 0.4802,
+      "step": 594
+    },
+    {
+      "epoch": 1.3222222222222222,
+      "grad_norm": 0.22077727317810059,
+      "learning_rate": 0.00018641975308641973,
+      "loss": 0.5234,
+      "step": 595
+    },
+    {
+      "epoch": 1.3244444444444445,
+      "grad_norm": 0.24655035138130188,
+      "learning_rate": 0.00018617283950617282,
+      "loss": 0.605,
+      "step": 596
+    },
+    {
+      "epoch": 1.3266666666666667,
+      "grad_norm": 0.1810985654592514,
+      "learning_rate": 0.00018592592592592592,
+      "loss": 0.4612,
+      "step": 597
+    },
+    {
+      "epoch": 1.3288888888888888,
+      "grad_norm": 0.22254349291324615,
+      "learning_rate": 0.00018567901234567899,
+      "loss": 0.5434,
+      "step": 598
+    },
+    {
+      "epoch": 1.3311111111111111,
+      "grad_norm": 0.2537665367126465,
+      "learning_rate": 0.00018543209876543208,
+      "loss": 0.5439,
+      "step": 599
+    },
+    {
+      "epoch": 1.3333333333333333,
+      "grad_norm": 0.19868597388267517,
+      "learning_rate": 0.00018518518518518515,
+      "loss": 0.5914,
+      "step": 600
+    },
+    {
+      "epoch": 1.3355555555555556,
+      "grad_norm": 0.17404809594154358,
+      "learning_rate": 0.00018493827160493827,
+      "loss": 0.5246,
+      "step": 601
+    },
+    {
+      "epoch": 1.3377777777777777,
+      "grad_norm": 0.2385467290878296,
+      "learning_rate": 0.00018469135802469134,
+      "loss": 0.511,
+      "step": 602
+    },
+    {
+      "epoch": 1.34,
+      "grad_norm": 0.1850982904434204,
+      "learning_rate": 0.00018444444444444443,
+      "loss": 0.5489,
+      "step": 603
+    },
+    {
+      "epoch": 1.3422222222222222,
+      "grad_norm": 0.22791941463947296,
+      "learning_rate": 0.00018419753086419753,
+      "loss": 0.4131,
+      "step": 604
+    },
+    {
+      "epoch": 1.3444444444444446,
+      "grad_norm": 0.18677116930484772,
+      "learning_rate": 0.0001839506172839506,
+      "loss": 0.4958,
+      "step": 605
+    },
+    {
+      "epoch": 1.3466666666666667,
+      "grad_norm": 0.200926274061203,
+      "learning_rate": 0.0001837037037037037,
+      "loss": 0.4987,
+      "step": 606
+    },
+    {
+      "epoch": 1.3488888888888888,
+      "grad_norm": 0.1807965189218521,
+      "learning_rate": 0.00018345679012345676,
+      "loss": 0.4659,
+      "step": 607
+    },
+    {
+      "epoch": 1.3511111111111112,
+      "grad_norm": 0.24230799078941345,
+      "learning_rate": 0.00018320987654320986,
+      "loss": 0.5353,
+      "step": 608
+    },
+    {
+      "epoch": 1.3533333333333333,
+      "grad_norm": 0.18938079476356506,
+      "learning_rate": 0.00018296296296296292,
+      "loss": 0.5847,
+      "step": 609
+    },
+    {
+      "epoch": 1.3555555555555556,
+      "grad_norm": 0.2192828208208084,
+      "learning_rate": 0.00018271604938271605,
+      "loss": 0.5538,
+      "step": 610
+    },
+    {
+      "epoch": 1.3577777777777778,
+      "grad_norm": 0.17889611423015594,
+      "learning_rate": 0.00018246913580246914,
+      "loss": 0.4422,
+      "step": 611
+    },
+    {
+      "epoch": 1.3599999999999999,
+      "grad_norm": 0.17387720942497253,
+      "learning_rate": 0.0001822222222222222,
+      "loss": 0.5156,
+      "step": 612
+    },
+    {
+      "epoch": 1.3622222222222222,
+      "grad_norm": 0.2507362961769104,
+      "learning_rate": 0.0001819753086419753,
+      "loss": 0.4544,
+      "step": 613
+    },
+    {
+      "epoch": 1.3644444444444446,
+      "grad_norm": 0.1838897168636322,
+      "learning_rate": 0.00018172839506172837,
+      "loss": 0.6998,
+      "step": 614
+    },
+    {
+      "epoch": 1.3666666666666667,
+      "grad_norm": 0.18592320382595062,
+      "learning_rate": 0.00018148148148148147,
+      "loss": 0.498,
+      "step": 615
+    },
+    {
+      "epoch": 1.3688888888888888,
+      "grad_norm": 0.20797160267829895,
+      "learning_rate": 0.00018123456790123454,
+      "loss": 0.4756,
+      "step": 616
+    },
+    {
+      "epoch": 1.3711111111111112,
+      "grad_norm": 0.19926156103610992,
+      "learning_rate": 0.00018098765432098763,
+      "loss": 0.5444,
+      "step": 617
+    },
+    {
+      "epoch": 1.3733333333333333,
+      "grad_norm": 0.34967702627182007,
+      "learning_rate": 0.00018074074074074075,
+      "loss": 0.692,
+      "step": 618
+    },
+    {
+      "epoch": 1.3755555555555556,
+      "grad_norm": 0.2074728012084961,
+      "learning_rate": 0.00018049382716049382,
+      "loss": 0.4972,
+      "step": 619
+    },
+    {
+      "epoch": 1.3777777777777778,
+      "grad_norm": 0.15851154923439026,
+      "learning_rate": 0.00018024691358024692,
+      "loss": 0.4242,
+      "step": 620
+    },
+    {
+      "epoch": 1.38,
+      "grad_norm": 0.1698676347732544,
+      "learning_rate": 0.00017999999999999998,
+      "loss": 0.4802,
+      "step": 621
+    },
+    {
+      "epoch": 1.3822222222222222,
+      "grad_norm": 0.18896076083183289,
+      "learning_rate": 0.00017975308641975308,
+      "loss": 0.4807,
+      "step": 622
+    },
+    {
+      "epoch": 1.3844444444444444,
+      "grad_norm": 0.17187227308750153,
+      "learning_rate": 0.00017950617283950615,
+      "loss": 0.4615,
+      "step": 623
+    },
+    {
+      "epoch": 1.3866666666666667,
+      "grad_norm": 0.2240261435508728,
+      "learning_rate": 0.00017925925925925924,
+      "loss": 0.4862,
+      "step": 624
+    },
+    {
+      "epoch": 1.3888888888888888,
+      "grad_norm": 0.26844900846481323,
+      "learning_rate": 0.0001790123456790123,
+      "loss": 0.4504,
+      "step": 625
+    },
+    {
+      "epoch": 1.3911111111111112,
+      "grad_norm": 0.2594693601131439,
+      "learning_rate": 0.0001787654320987654,
+      "loss": 0.4518,
+      "step": 626
+    },
+    {
+      "epoch": 1.3933333333333333,
+      "grad_norm": 0.1672193855047226,
+      "learning_rate": 0.00017851851851851853,
+      "loss": 0.6343,
+      "step": 627
+    },
+    {
+      "epoch": 1.3955555555555557,
+      "grad_norm": 0.22965764999389648,
+      "learning_rate": 0.0001782716049382716,
+      "loss": 0.5414,
+      "step": 628
+    },
+    {
+      "epoch": 1.3977777777777778,
+      "grad_norm": 0.19246816635131836,
+      "learning_rate": 0.0001780246913580247,
+      "loss": 0.4507,
+      "step": 629
+    },
+    {
+      "epoch": 1.4,
+      "grad_norm": 0.2101546674966812,
+      "learning_rate": 0.00017777777777777776,
+      "loss": 0.4744,
+      "step": 630
+    },
+    {
+      "epoch": 1.4022222222222223,
+      "grad_norm": 0.2266424000263214,
+      "learning_rate": 0.00017753086419753085,
+      "loss": 0.461,
+      "step": 631
+    },
+    {
+      "epoch": 1.4044444444444444,
+      "grad_norm": 0.19170035421848297,
+      "learning_rate": 0.00017728395061728392,
+      "loss": 0.4783,
+      "step": 632
+    },
+    {
+      "epoch": 1.4066666666666667,
+      "grad_norm": 0.14152956008911133,
+      "learning_rate": 0.00017703703703703702,
+      "loss": 0.4776,
+      "step": 633
+    },
+    {
+      "epoch": 1.4088888888888889,
+      "grad_norm": 0.19685135781764984,
+      "learning_rate": 0.0001767901234567901,
+      "loss": 0.6729,
+      "step": 634
+    },
+    {
+      "epoch": 1.411111111111111,
+      "grad_norm": 0.16328732669353485,
+      "learning_rate": 0.00017654320987654318,
+      "loss": 0.3997,
+      "step": 635
+    },
+    {
+      "epoch": 1.4133333333333333,
+      "grad_norm": 0.15920418500900269,
+      "learning_rate": 0.0001762962962962963,
+      "loss": 0.5095,
+      "step": 636
+    },
+    {
+      "epoch": 1.4155555555555557,
+      "grad_norm": 0.18346062302589417,
+      "learning_rate": 0.00017604938271604937,
+      "loss": 0.5207,
+      "step": 637
+    },
+    {
+      "epoch": 1.4177777777777778,
+      "grad_norm": 0.21879293024539948,
+      "learning_rate": 0.00017580246913580247,
+      "loss": 0.6211,
+      "step": 638
+    },
+    {
+      "epoch": 1.42,
+      "grad_norm": 0.1826939582824707,
+      "learning_rate": 0.00017555555555555553,
+      "loss": 0.6162,
+      "step": 639
+    },
+    {
+      "epoch": 1.4222222222222223,
+      "grad_norm": 0.20309215784072876,
+      "learning_rate": 0.00017530864197530863,
+      "loss": 0.5145,
+      "step": 640
+    },
+    {
+      "epoch": 1.4244444444444444,
+      "grad_norm": 0.16178536415100098,
+      "learning_rate": 0.00017506172839506172,
+      "loss": 0.4698,
+      "step": 641
+    },
+    {
+      "epoch": 1.4266666666666667,
+      "grad_norm": 0.4259434640407562,
+      "learning_rate": 0.0001748148148148148,
+      "loss": 0.5742,
+      "step": 642
+    },
+    {
+      "epoch": 1.4288888888888889,
+      "grad_norm": 0.20084147155284882,
+      "learning_rate": 0.0001745679012345679,
+      "loss": 0.3503,
+      "step": 643
+    },
+    {
+      "epoch": 1.431111111111111,
+      "grad_norm": 0.1782788336277008,
+      "learning_rate": 0.00017432098765432096,
+      "loss": 0.4734,
+      "step": 644
+    },
+    {
+      "epoch": 1.4333333333333333,
+      "grad_norm": 0.19422651827335358,
+      "learning_rate": 0.00017407407407407408,
+      "loss": 0.5768,
+      "step": 645
+    },
+    {
+      "epoch": 1.4355555555555555,
+      "grad_norm": 0.2092157006263733,
+      "learning_rate": 0.00017382716049382715,
+      "loss": 0.4841,
+      "step": 646
+    },
+    {
+      "epoch": 1.4377777777777778,
+      "grad_norm": 0.6713825464248657,
+      "learning_rate": 0.00017358024691358024,
+      "loss": 0.5932,
+      "step": 647
+    },
+    {
+      "epoch": 1.44,
+      "grad_norm": 0.21312807500362396,
+      "learning_rate": 0.0001733333333333333,
+      "loss": 0.4797,
+      "step": 648
+    },
+    {
+      "epoch": 1.4422222222222223,
+      "grad_norm": 0.17761079967021942,
+      "learning_rate": 0.0001730864197530864,
+      "loss": 0.5327,
+      "step": 649
+    },
+    {
+      "epoch": 1.4444444444444444,
+      "grad_norm": 0.16172362864017487,
+      "learning_rate": 0.0001728395061728395,
+      "loss": 0.6512,
+      "step": 650
+    },
+    {
+      "epoch": 1.4466666666666668,
+      "grad_norm": 0.17499731481075287,
+      "learning_rate": 0.00017259259259259257,
+      "loss": 0.4079,
+      "step": 651
+    },
+    {
+      "epoch": 1.448888888888889,
+      "grad_norm": 0.19369076192378998,
+      "learning_rate": 0.00017234567901234566,
+      "loss": 0.4968,
+      "step": 652
+    },
+    {
+      "epoch": 1.451111111111111,
+      "grad_norm": 0.20914605259895325,
+      "learning_rate": 0.00017209876543209873,
+      "loss": 0.5744,
+      "step": 653
+    },
+    {
+      "epoch": 1.4533333333333334,
+      "grad_norm": 0.17183391749858856,
+      "learning_rate": 0.00017185185185185185,
+      "loss": 0.4904,
+      "step": 654
+    },
+    {
+      "epoch": 1.4555555555555555,
+      "grad_norm": 0.25038477778434753,
+      "learning_rate": 0.00017160493827160492,
+      "loss": 0.4505,
+      "step": 655
+    },
+    {
+      "epoch": 1.4577777777777778,
+      "grad_norm": 0.17621774971485138,
+      "learning_rate": 0.00017135802469135802,
+      "loss": 0.439,
+      "step": 656
+    },
+    {
+      "epoch": 1.46,
+      "grad_norm": 0.1552869975566864,
+      "learning_rate": 0.0001711111111111111,
+      "loss": 0.4068,
+      "step": 657
+    },
+    {
+      "epoch": 1.462222222222222,
+      "grad_norm": 0.15896369516849518,
+      "learning_rate": 0.00017086419753086418,
+      "loss": 0.415,
+      "step": 658
+    },
+    {
+      "epoch": 1.4644444444444444,
+      "grad_norm": 0.22240282595157623,
+      "learning_rate": 0.00017061728395061727,
+      "loss": 0.4637,
+      "step": 659
+    },
+    {
+      "epoch": 1.4666666666666668,
+      "grad_norm": 0.1821317970752716,
+      "learning_rate": 0.00017037037037037034,
+      "loss": 0.5947,
+      "step": 660
+    },
+    {
+      "epoch": 1.468888888888889,
+      "grad_norm": 0.21780848503112793,
+      "learning_rate": 0.00017012345679012344,
+      "loss": 0.5874,
+      "step": 661
+    },
+    {
+      "epoch": 1.471111111111111,
+      "grad_norm": 0.2360154539346695,
+      "learning_rate": 0.0001698765432098765,
+      "loss": 0.5563,
+      "step": 662
+    },
+    {
+      "epoch": 1.4733333333333334,
+      "grad_norm": 0.22776220738887787,
+      "learning_rate": 0.00016962962962962963,
+      "loss": 0.4085,
+      "step": 663
+    },
+    {
+      "epoch": 1.4755555555555555,
+      "grad_norm": 0.1937866508960724,
+      "learning_rate": 0.00016938271604938272,
+      "loss": 0.6489,
+      "step": 664
+    },
+    {
+      "epoch": 1.4777777777777779,
+      "grad_norm": 0.2154289335012436,
+      "learning_rate": 0.0001691358024691358,
+      "loss": 0.4344,
+      "step": 665
+    },
+    {
+      "epoch": 1.48,
+      "grad_norm": 0.24307891726493835,
+      "learning_rate": 0.00016888888888888889,
+      "loss": 0.4118,
+      "step": 666
+    },
+    {
+      "epoch": 1.482222222222222,
+      "grad_norm": 0.2223687618970871,
+      "learning_rate": 0.00016864197530864195,
+      "loss": 0.4854,
+      "step": 667
+    },
+    {
+      "epoch": 1.4844444444444445,
+      "grad_norm": 0.48969876766204834,
+      "learning_rate": 0.00016839506172839505,
+      "loss": 0.5636,
+      "step": 668
+    },
+    {
+      "epoch": 1.4866666666666668,
+      "grad_norm": 0.19435164332389832,
+      "learning_rate": 0.00016814814814814812,
+      "loss": 0.5319,
+      "step": 669
+    },
+    {
+      "epoch": 1.488888888888889,
+      "grad_norm": 0.22977349162101746,
+      "learning_rate": 0.0001679012345679012,
+      "loss": 0.5222,
+      "step": 670
+    },
+    {
+      "epoch": 1.491111111111111,
+      "grad_norm": 0.17664363980293274,
+      "learning_rate": 0.00016765432098765433,
+      "loss": 0.4165,
+      "step": 671
+    },
+    {
+      "epoch": 1.4933333333333334,
+      "grad_norm": 0.24705873429775238,
+      "learning_rate": 0.0001674074074074074,
+      "loss": 0.4729,
+      "step": 672
+    },
+    {
+      "epoch": 1.4955555555555555,
+      "grad_norm": 0.23530292510986328,
+      "learning_rate": 0.0001671604938271605,
+      "loss": 0.5862,
+      "step": 673
+    },
+    {
+      "epoch": 1.4977777777777779,
+      "grad_norm": 0.187184676527977,
+      "learning_rate": 0.00016691358024691357,
+      "loss": 0.5,
+      "step": 674
+    },
+    {
+      "epoch": 1.5,
+      "grad_norm": 0.19930264353752136,
+      "learning_rate": 0.00016666666666666666,
+      "loss": 0.4601,
+      "step": 675
+    },
+    {
+      "epoch": 1.5022222222222221,
+      "grad_norm": 0.35129958391189575,
+      "learning_rate": 0.00016641975308641973,
+      "loss": 0.4551,
+      "step": 676
+    },
+    {
+      "epoch": 1.5044444444444445,
+      "grad_norm": 0.23577232658863068,
+      "learning_rate": 0.00016617283950617282,
+      "loss": 0.5754,
+      "step": 677
+    },
+    {
+      "epoch": 1.5066666666666668,
+      "grad_norm": 0.2713683545589447,
+      "learning_rate": 0.0001659259259259259,
+      "loss": 0.5194,
+      "step": 678
+    },
+    {
+      "epoch": 1.508888888888889,
+      "grad_norm": 0.20194876194000244,
+      "learning_rate": 0.000165679012345679,
+      "loss": 0.6008,
+      "step": 679
+    },
+    {
+      "epoch": 1.511111111111111,
+      "grad_norm": 0.2077755331993103,
+      "learning_rate": 0.0001654320987654321,
+      "loss": 0.5293,
+      "step": 680
+    },
+    {
+      "epoch": 1.5133333333333332,
+      "grad_norm": 0.2098294347524643,
+      "learning_rate": 0.00016518518518518518,
+      "loss": 0.6053,
+      "step": 681
+    },
+    {
+      "epoch": 1.5155555555555555,
+      "grad_norm": 0.177157923579216,
+      "learning_rate": 0.00016493827160493827,
+      "loss": 0.4967,
+      "step": 682
+    },
+    {
+      "epoch": 1.517777777777778,
+      "grad_norm": 0.17908713221549988,
+      "learning_rate": 0.00016469135802469134,
+      "loss": 0.4675,
+      "step": 683
+    },
+    {
+      "epoch": 1.52,
+      "grad_norm": 0.2160455584526062,
+      "learning_rate": 0.00016444444444444444,
+      "loss": 0.5882,
+      "step": 684
+    },
+    {
+      "epoch": 1.5222222222222221,
+      "grad_norm": 0.2013448178768158,
+      "learning_rate": 0.0001641975308641975,
+      "loss": 0.5368,
+      "step": 685
+    },
+    {
+      "epoch": 1.5244444444444445,
+      "grad_norm": 0.2998005747795105,
+      "learning_rate": 0.0001639506172839506,
+      "loss": 0.4577,
+      "step": 686
+    },
+    {
+      "epoch": 1.5266666666666666,
+      "grad_norm": 0.2456233948469162,
+      "learning_rate": 0.0001637037037037037,
+      "loss": 0.5114,
+      "step": 687
+    },
+    {
+      "epoch": 1.528888888888889,
+      "grad_norm": 0.19369514286518097,
+      "learning_rate": 0.00016345679012345676,
+      "loss": 0.4345,
+      "step": 688
+    },
+    {
+      "epoch": 1.531111111111111,
+      "grad_norm": 0.17276284098625183,
+      "learning_rate": 0.00016320987654320988,
+      "loss": 0.4565,
+      "step": 689
+    },
+    {
+      "epoch": 1.5333333333333332,
+      "grad_norm": 0.18681663274765015,
+      "learning_rate": 0.00016296296296296295,
+      "loss": 0.484,
+      "step": 690
+    },
+    {
+      "epoch": 1.5355555555555556,
+      "grad_norm": 0.17169655859470367,
+      "learning_rate": 0.00016271604938271605,
+      "loss": 0.4054,
+      "step": 691
+    },
+    {
+      "epoch": 1.537777777777778,
+      "grad_norm": 0.20770080387592316,
+      "learning_rate": 0.00016246913580246912,
+      "loss": 0.5247,
+      "step": 692
+    },
+    {
+      "epoch": 1.54,
+      "grad_norm": 0.22684913873672485,
+      "learning_rate": 0.0001622222222222222,
+      "loss": 0.4636,
+      "step": 693
+    },
+    {
+      "epoch": 1.5422222222222222,
+      "grad_norm": 0.19948816299438477,
+      "learning_rate": 0.0001619753086419753,
+      "loss": 0.5112,
+      "step": 694
+    },
+    {
+      "epoch": 1.5444444444444443,
+      "grad_norm": 0.16264313459396362,
+      "learning_rate": 0.00016172839506172837,
+      "loss": 0.4769,
+      "step": 695
+    },
+    {
+      "epoch": 1.5466666666666666,
+      "grad_norm": 0.15728119015693665,
+      "learning_rate": 0.00016148148148148147,
+      "loss": 0.4527,
+      "step": 696
+    },
+    {
+      "epoch": 1.548888888888889,
+      "grad_norm": 0.17388519644737244,
+      "learning_rate": 0.00016123456790123454,
+      "loss": 0.5092,
+      "step": 697
+    },
+    {
+      "epoch": 1.551111111111111,
+      "grad_norm": 0.23285317420959473,
+      "learning_rate": 0.00016098765432098766,
+      "loss": 0.6197,
+      "step": 698
+    },
+    {
+      "epoch": 1.5533333333333332,
+      "grad_norm": 0.1925249993801117,
+      "learning_rate": 0.00016074074074074073,
+      "loss": 0.6325,
+      "step": 699
+    },
+    {
+      "epoch": 1.5555555555555556,
+      "grad_norm": 0.17383582890033722,
+      "learning_rate": 0.00016049382716049382,
+      "loss": 0.4196,
+      "step": 700
+    },
+    {
+      "epoch": 1.557777777777778,
+      "grad_norm": 0.16742292046546936,
+      "learning_rate": 0.00016024691358024692,
+      "loss": 0.4626,
+      "step": 701
+    },
+    {
+      "epoch": 1.56,
+      "grad_norm": 0.1801236867904663,
+      "learning_rate": 0.00015999999999999999,
+      "loss": 0.4156,
+      "step": 702
+    },
+    {
+      "epoch": 1.5622222222222222,
+      "grad_norm": 0.23592707514762878,
+      "learning_rate": 0.00015975308641975308,
+      "loss": 0.5288,
+      "step": 703
+    },
+    {
+      "epoch": 1.5644444444444443,
+      "grad_norm": 0.2852647304534912,
+      "learning_rate": 0.00015950617283950615,
+      "loss": 0.4533,
+      "step": 704
+    },
+    {
+      "epoch": 1.5666666666666667,
+      "grad_norm": 0.20041382312774658,
+      "learning_rate": 0.00015925925925925924,
+      "loss": 0.5854,
+      "step": 705
+    },
+    {
+      "epoch": 1.568888888888889,
+      "grad_norm": 0.21541517972946167,
+      "learning_rate": 0.0001590123456790123,
+      "loss": 0.5857,
+      "step": 706
+    },
+    {
+      "epoch": 1.5711111111111111,
+      "grad_norm": 0.20702879130840302,
+      "learning_rate": 0.00015876543209876543,
+      "loss": 0.5015,
+      "step": 707
+    },
+    {
+      "epoch": 1.5733333333333333,
+      "grad_norm": 0.19715112447738647,
+      "learning_rate": 0.0001585185185185185,
+      "loss": 0.6239,
+      "step": 708
+    },
+    {
+      "epoch": 1.5755555555555556,
+      "grad_norm": 0.185335174202919,
+      "learning_rate": 0.0001582716049382716,
+      "loss": 0.4359,
+      "step": 709
+    },
+    {
+      "epoch": 1.5777777777777777,
+      "grad_norm": 0.2287055402994156,
+      "learning_rate": 0.0001580246913580247,
+      "loss": 0.5241,
+      "step": 710
+    },
+    {
+      "epoch": 1.58,
+      "grad_norm": 0.430734783411026,
+      "learning_rate": 0.00015777777777777776,
+      "loss": 0.5139,
+      "step": 711
+    },
+    {
+      "epoch": 1.5822222222222222,
+      "grad_norm": 0.5821022391319275,
+      "learning_rate": 0.00015753086419753086,
+      "loss": 0.4922,
+      "step": 712
+    },
+    {
+      "epoch": 1.5844444444444443,
+      "grad_norm": 0.3152739107608795,
+      "learning_rate": 0.00015728395061728392,
+      "loss": 0.5786,
+      "step": 713
+    },
+    {
+      "epoch": 1.5866666666666667,
+      "grad_norm": 0.1754438877105713,
+      "learning_rate": 0.00015703703703703702,
+      "loss": 0.455,
+      "step": 714
+    },
+    {
+      "epoch": 1.588888888888889,
+      "grad_norm": 0.19354331493377686,
+      "learning_rate": 0.0001567901234567901,
+      "loss": 0.4787,
+      "step": 715
+    },
+    {
+      "epoch": 1.5911111111111111,
+      "grad_norm": 0.2226487696170807,
+      "learning_rate": 0.0001565432098765432,
+      "loss": 0.5323,
+      "step": 716
+    },
+    {
+      "epoch": 1.5933333333333333,
+      "grad_norm": 0.2240685522556305,
+      "learning_rate": 0.0001562962962962963,
+      "loss": 0.6267,
+      "step": 717
+    },
+    {
+      "epoch": 1.5955555555555554,
+      "grad_norm": 0.19735385477542877,
+      "learning_rate": 0.00015604938271604937,
+      "loss": 0.4954,
+      "step": 718
+    },
+    {
+      "epoch": 1.5977777777777777,
+      "grad_norm": 0.1885635256767273,
+      "learning_rate": 0.00015580246913580247,
+      "loss": 0.4692,
+      "step": 719
+    },
+    {
+      "epoch": 1.6,
+      "grad_norm": 0.18214702606201172,
+      "learning_rate": 0.00015555555555555554,
+      "loss": 0.5039,
+      "step": 720
+    },
+    {
+      "epoch": 1.6022222222222222,
+      "grad_norm": 0.15900494158267975,
+      "learning_rate": 0.00015530864197530863,
+      "loss": 0.4295,
+      "step": 721
+    },
+    {
+      "epoch": 1.6044444444444443,
+      "grad_norm": 0.17227846384048462,
+      "learning_rate": 0.0001550617283950617,
+      "loss": 0.5682,
+      "step": 722
+    },
+    {
+      "epoch": 1.6066666666666667,
+      "grad_norm": 0.18904544413089752,
+      "learning_rate": 0.0001548148148148148,
+      "loss": 0.5475,
+      "step": 723
+    },
+    {
+      "epoch": 1.608888888888889,
+      "grad_norm": 0.17980565130710602,
+      "learning_rate": 0.00015456790123456792,
+      "loss": 0.5123,
+      "step": 724
+    },
+    {
+      "epoch": 1.6111111111111112,
+      "grad_norm": 0.19602270424365997,
+      "learning_rate": 0.00015432098765432098,
+      "loss": 0.5176,
+      "step": 725
+    },
+    {
+      "epoch": 1.6133333333333333,
+      "grad_norm": 0.2298801839351654,
+      "learning_rate": 0.00015407407407407408,
+      "loss": 0.5991,
+      "step": 726
+    },
+    {
+      "epoch": 1.6155555555555554,
+      "grad_norm": 0.1984095722436905,
+      "learning_rate": 0.00015382716049382715,
+      "loss": 0.518,
+      "step": 727
+    },
+    {
+      "epoch": 1.6177777777777778,
+      "grad_norm": 0.18328291177749634,
+      "learning_rate": 0.00015358024691358024,
+      "loss": 0.496,
+      "step": 728
+    },
+    {
+      "epoch": 1.62,
+      "grad_norm": 0.3043038547039032,
+      "learning_rate": 0.0001533333333333333,
+      "loss": 0.4729,
+      "step": 729
+    },
+    {
+      "epoch": 1.6222222222222222,
+      "grad_norm": 0.19305519759655,
+      "learning_rate": 0.0001530864197530864,
+      "loss": 0.5184,
+      "step": 730
+    },
+    {
+      "epoch": 1.6244444444444444,
+      "grad_norm": 0.22729025781154633,
+      "learning_rate": 0.00015283950617283947,
+      "loss": 0.3421,
+      "step": 731
+    },
+    {
+      "epoch": 1.6266666666666667,
+      "grad_norm": 0.21574439108371735,
+      "learning_rate": 0.00015259259259259257,
+      "loss": 0.5728,
+      "step": 732
+    },
+    {
+      "epoch": 1.628888888888889,
+      "grad_norm": 0.22035643458366394,
+      "learning_rate": 0.0001523456790123457,
+      "loss": 0.499,
+      "step": 733
+    },
+    {
+      "epoch": 1.6311111111111112,
+      "grad_norm": 0.18493935465812683,
+      "learning_rate": 0.00015209876543209873,
+      "loss": 0.5382,
+      "step": 734
+    },
+    {
+      "epoch": 1.6333333333333333,
+      "grad_norm": 0.2573682963848114,
+      "learning_rate": 0.00015185185185185185,
+      "loss": 0.5011,
+      "step": 735
+    },
+    {
+      "epoch": 1.6355555555555554,
+      "grad_norm": 0.20061856508255005,
+      "learning_rate": 0.00015160493827160492,
+      "loss": 0.4955,
+      "step": 736
+    },
+    {
+      "epoch": 1.6377777777777778,
+      "grad_norm": 0.19330166280269623,
+      "learning_rate": 0.00015135802469135802,
+      "loss": 0.4857,
+      "step": 737
+    },
+    {
+      "epoch": 1.6400000000000001,
+      "grad_norm": 0.18491677939891815,
+      "learning_rate": 0.00015111111111111109,
+      "loss": 0.5352,
+      "step": 738
+    },
+    {
+      "epoch": 1.6422222222222222,
+      "grad_norm": 0.15709461271762848,
+      "learning_rate": 0.00015086419753086418,
+      "loss": 0.6668,
+      "step": 739
+    },
+    {
+      "epoch": 1.6444444444444444,
+      "grad_norm": 0.24437206983566284,
+      "learning_rate": 0.00015061728395061728,
+      "loss": 0.5671,
+      "step": 740
+    },
+    {
+      "epoch": 1.6466666666666665,
+      "grad_norm": 0.2835857570171356,
+      "learning_rate": 0.00015037037037037034,
+      "loss": 0.6399,
+      "step": 741
+    },
+    {
+      "epoch": 1.6488888888888888,
+      "grad_norm": 0.21790558099746704,
+      "learning_rate": 0.00015012345679012347,
+      "loss": 0.5442,
+      "step": 742
+    },
+    {
+      "epoch": 1.6511111111111112,
+      "grad_norm": 0.2051643580198288,
+      "learning_rate": 0.00014987654320987653,
+      "loss": 0.4625,
+      "step": 743
+    },
+    {
+      "epoch": 1.6533333333333333,
+      "grad_norm": 0.15350790321826935,
+      "learning_rate": 0.00014962962962962963,
+      "loss": 0.329,
+      "step": 744
+    },
+    {
+      "epoch": 1.6555555555555554,
+      "grad_norm": 0.1980409175157547,
+      "learning_rate": 0.0001493827160493827,
+      "loss": 0.5567,
+      "step": 745
+    },
+    {
+      "epoch": 1.6577777777777778,
+      "grad_norm": 0.20699834823608398,
+      "learning_rate": 0.0001491358024691358,
+      "loss": 0.3992,
+      "step": 746
+    },
+    {
+      "epoch": 1.6600000000000001,
+      "grad_norm": 0.1647353172302246,
+      "learning_rate": 0.00014888888888888886,
+      "loss": 0.3794,
+      "step": 747
+    },
+    {
+      "epoch": 1.6622222222222223,
+      "grad_norm": 0.6979120373725891,
+      "learning_rate": 0.00014864197530864196,
+      "loss": 0.428,
+      "step": 748
+    },
+    {
+      "epoch": 1.6644444444444444,
+      "grad_norm": 0.26914483308792114,
+      "learning_rate": 0.00014839506172839505,
+      "loss": 0.508,
+      "step": 749
+    },
+    {
+      "epoch": 1.6666666666666665,
+      "grad_norm": 0.19674748182296753,
+      "learning_rate": 0.00014814814814814812,
+      "loss": 0.5914,
+      "step": 750
+    },
+    {
+      "epoch": 1.6688888888888889,
+      "grad_norm": 0.18304680287837982,
+      "learning_rate": 0.00014790123456790124,
+      "loss": 0.4089,
+      "step": 751
+    },
+    {
+      "epoch": 1.6711111111111112,
+      "grad_norm": 0.15116271376609802,
+      "learning_rate": 0.0001476543209876543,
+      "loss": 0.4115,
+      "step": 752
+    },
+    {
+      "epoch": 1.6733333333333333,
+      "grad_norm": 0.20839999616146088,
+      "learning_rate": 0.0001474074074074074,
+      "loss": 0.4455,
+      "step": 753
+    },
+    {
+      "epoch": 1.6755555555555555,
+      "grad_norm": 0.1945442259311676,
+      "learning_rate": 0.00014716049382716047,
+      "loss": 0.5677,
+      "step": 754
+    },
+    {
+      "epoch": 1.6777777777777778,
+      "grad_norm": 0.19826267659664154,
+      "learning_rate": 0.00014691358024691357,
+      "loss": 0.6126,
+      "step": 755
+    },
+    {
+      "epoch": 1.6800000000000002,
+      "grad_norm": 0.19688139855861664,
+      "learning_rate": 0.00014666666666666664,
+      "loss": 0.4731,
+      "step": 756
+    },
+    {
+      "epoch": 1.6822222222222223,
+      "grad_norm": 0.28439095616340637,
+      "learning_rate": 0.00014641975308641973,
+      "loss": 0.4422,
+      "step": 757
+    },
+    {
+      "epoch": 1.6844444444444444,
+      "grad_norm": 0.32857492566108704,
+      "learning_rate": 0.00014617283950617283,
+      "loss": 0.5467,
+      "step": 758
+    },
+    {
+      "epoch": 1.6866666666666665,
+      "grad_norm": 0.4552757441997528,
+      "learning_rate": 0.00014592592592592592,
+      "loss": 0.5614,
+      "step": 759
+    },
+    {
+      "epoch": 1.6888888888888889,
+      "grad_norm": 0.20224252343177795,
+      "learning_rate": 0.000145679012345679,
+      "loss": 0.4798,
+      "step": 760
+    },
+    {
+      "epoch": 1.6911111111111112,
+      "grad_norm": 0.17604376375675201,
+      "learning_rate": 0.00014543209876543208,
+      "loss": 0.5737,
+      "step": 761
+    },
+    {
+      "epoch": 1.6933333333333334,
+      "grad_norm": 0.1598304808139801,
+      "learning_rate": 0.00014518518518518518,
+      "loss": 0.5929,
+      "step": 762
+    },
+    {
+      "epoch": 1.6955555555555555,
+      "grad_norm": 0.17656809091567993,
+      "learning_rate": 0.00014493827160493825,
+      "loss": 0.4156,
+      "step": 763
+    },
+    {
+      "epoch": 1.6977777777777778,
+      "grad_norm": 0.31885015964508057,
+      "learning_rate": 0.00014469135802469134,
+      "loss": 0.4468,
+      "step": 764
+    },
+    {
+      "epoch": 1.7,
+      "grad_norm": 0.17707641422748566,
+      "learning_rate": 0.0001444444444444444,
+      "loss": 0.6977,
+      "step": 765
+    },
+    {
+      "epoch": 1.7022222222222223,
+      "grad_norm": 0.19356077909469604,
+      "learning_rate": 0.00014419753086419753,
+      "loss": 0.413,
+      "step": 766
+    },
+    {
+      "epoch": 1.7044444444444444,
+      "grad_norm": 0.21356233954429626,
+      "learning_rate": 0.0001439506172839506,
+      "loss": 0.5174,
+      "step": 767
+    },
+    {
+      "epoch": 1.7066666666666666,
+      "grad_norm": 0.22634132206439972,
+      "learning_rate": 0.0001437037037037037,
+      "loss": 0.4468,
+      "step": 768
+    },
+    {
+      "epoch": 1.708888888888889,
+      "grad_norm": 0.18362516164779663,
+      "learning_rate": 0.00014345679012345676,
+      "loss": 0.3897,
+      "step": 769
+    },
+    {
+      "epoch": 1.7111111111111112,
+      "grad_norm": 0.18277226388454437,
+      "learning_rate": 0.00014320987654320986,
+      "loss": 0.4883,
+      "step": 770
+    },
+    {
+      "epoch": 1.7133333333333334,
+      "grad_norm": 0.17673806846141815,
+      "learning_rate": 0.00014296296296296295,
+      "loss": 0.4351,
+      "step": 771
+    },
+    {
+      "epoch": 1.7155555555555555,
+      "grad_norm": 0.22419191896915436,
+      "learning_rate": 0.00014271604938271602,
+      "loss": 0.5539,
+      "step": 772
+    },
+    {
+      "epoch": 1.7177777777777776,
+      "grad_norm": 0.1831635683774948,
+      "learning_rate": 0.00014246913580246912,
+      "loss": 0.5799,
+      "step": 773
+    },
+    {
+      "epoch": 1.72,
+      "grad_norm": 0.1664152443408966,
+      "learning_rate": 0.0001422222222222222,
+      "loss": 0.5222,
+      "step": 774
+    },
+    {
+      "epoch": 1.7222222222222223,
+      "grad_norm": 0.25792166590690613,
+      "learning_rate": 0.0001419753086419753,
+      "loss": 0.5003,
+      "step": 775
+    },
+    {
+      "epoch": 1.7244444444444444,
+      "grad_norm": 0.20047883689403534,
+      "learning_rate": 0.00014172839506172838,
+      "loss": 0.5296,
+      "step": 776
+    },
+    {
+      "epoch": 1.7266666666666666,
+      "grad_norm": 0.22562238574028015,
+      "learning_rate": 0.00014148148148148147,
+      "loss": 0.4975,
+      "step": 777
+    },
+    {
+      "epoch": 1.728888888888889,
+      "grad_norm": 0.24731186032295227,
+      "learning_rate": 0.00014123456790123454,
+      "loss": 0.6267,
+      "step": 778
+    },
+    {
+      "epoch": 1.7311111111111113,
+      "grad_norm": 0.20758940279483795,
+      "learning_rate": 0.00014098765432098763,
+      "loss": 0.5358,
+      "step": 779
+    },
+    {
+      "epoch": 1.7333333333333334,
+      "grad_norm": 0.23659007251262665,
+      "learning_rate": 0.00014074074074074073,
+      "loss": 0.4894,
+      "step": 780
+    },
+    {
+      "epoch": 1.7355555555555555,
+      "grad_norm": 0.20344805717468262,
+      "learning_rate": 0.00014049382716049382,
+      "loss": 0.3921,
+      "step": 781
+    },
+    {
+      "epoch": 1.7377777777777776,
+      "grad_norm": 0.17698940634727478,
+      "learning_rate": 0.0001402469135802469,
+      "loss": 0.4805,
+      "step": 782
+    },
+    {
+      "epoch": 1.74,
+      "grad_norm": 0.19029003381729126,
+      "learning_rate": 0.00014,
+      "loss": 0.4149,
+      "step": 783
+    },
+    {
+      "epoch": 1.7422222222222223,
+      "grad_norm": 0.2106352597475052,
+      "learning_rate": 0.00013975308641975308,
+      "loss": 0.6197,
+      "step": 784
+    },
+    {
+      "epoch": 1.7444444444444445,
+      "grad_norm": 0.18349190056324005,
+      "learning_rate": 0.00013950617283950615,
+      "loss": 0.5057,
+      "step": 785
+    },
+    {
+      "epoch": 1.7466666666666666,
+      "grad_norm": 0.1870691180229187,
+      "learning_rate": 0.00013925925925925925,
+      "loss": 0.4372,
+      "step": 786
+    },
+    {
+      "epoch": 1.748888888888889,
+      "grad_norm": 0.17990504205226898,
+      "learning_rate": 0.00013901234567901231,
+      "loss": 0.5753,
+      "step": 787
+    },
+    {
+      "epoch": 1.751111111111111,
+      "grad_norm": 0.17211493849754333,
+      "learning_rate": 0.00013876543209876544,
+      "loss": 0.5469,
+      "step": 788
+    },
+    {
+      "epoch": 1.7533333333333334,
+      "grad_norm": 0.25620609521865845,
+      "learning_rate": 0.0001385185185185185,
+      "loss": 0.5231,
+      "step": 789
+    },
+    {
+      "epoch": 1.7555555555555555,
+      "grad_norm": 0.22142796218395233,
+      "learning_rate": 0.0001382716049382716,
+      "loss": 0.6096,
+      "step": 790
+    },
+    {
+      "epoch": 1.7577777777777777,
+      "grad_norm": 0.2566666305065155,
+      "learning_rate": 0.00013802469135802467,
+      "loss": 0.4896,
+      "step": 791
+    },
+    {
+      "epoch": 1.76,
+      "grad_norm": 0.18952696025371552,
+      "learning_rate": 0.00013777777777777776,
+      "loss": 0.4553,
+      "step": 792
+    },
+    {
+      "epoch": 1.7622222222222224,
+      "grad_norm": 0.5168548822402954,
+      "learning_rate": 0.00013753086419753086,
+      "loss": 0.5118,
+      "step": 793
+    },
+    {
+      "epoch": 1.7644444444444445,
+      "grad_norm": 0.25155314803123474,
+      "learning_rate": 0.00013728395061728393,
+      "loss": 0.5459,
+      "step": 794
+    },
+    {
+      "epoch": 1.7666666666666666,
+      "grad_norm": 0.21072307229042053,
+      "learning_rate": 0.00013703703703703702,
+      "loss": 0.5674,
+      "step": 795
+    },
+    {
+      "epoch": 1.7688888888888887,
+      "grad_norm": 0.22808969020843506,
+      "learning_rate": 0.00013679012345679012,
+      "loss": 0.3832,
+      "step": 796
+    },
+    {
+      "epoch": 1.771111111111111,
+      "grad_norm": 0.19215697050094604,
+      "learning_rate": 0.0001365432098765432,
+      "loss": 0.5255,
+      "step": 797
+    },
+    {
+      "epoch": 1.7733333333333334,
+      "grad_norm": 0.26651448011398315,
+      "learning_rate": 0.00013629629629629628,
+      "loss": 0.5604,
+      "step": 798
+    },
+    {
+      "epoch": 1.7755555555555556,
+      "grad_norm": 0.17132802307605743,
+      "learning_rate": 0.00013604938271604937,
+      "loss": 0.4772,
+      "step": 799
+    },
+    {
+      "epoch": 1.7777777777777777,
+      "grad_norm": 0.20619603991508484,
+      "learning_rate": 0.00013580246913580244,
+      "loss": 0.5187,
+      "step": 800
+    },
+    {
+      "epoch": 1.78,
+      "grad_norm": 0.18786154687404633,
+      "learning_rate": 0.00013555555555555554,
+      "loss": 0.4297,
+      "step": 801
+    },
+    {
+      "epoch": 1.7822222222222224,
+      "grad_norm": 0.1857113093137741,
+      "learning_rate": 0.00013530864197530863,
+      "loss": 0.4228,
+      "step": 802
+    },
+    {
+      "epoch": 1.7844444444444445,
+      "grad_norm": 0.3219771981239319,
+      "learning_rate": 0.00013506172839506173,
+      "loss": 0.42,
+      "step": 803
+    },
+    {
+      "epoch": 1.7866666666666666,
+      "grad_norm": 0.2078295797109604,
+      "learning_rate": 0.0001348148148148148,
+      "loss": 0.4053,
+      "step": 804
+    },
+    {
+      "epoch": 1.7888888888888888,
+      "grad_norm": 0.2320524901151657,
+      "learning_rate": 0.0001345679012345679,
+      "loss": 0.5345,
+      "step": 805
+    },
+    {
+      "epoch": 1.791111111111111,
+      "grad_norm": 0.2078818827867508,
+      "learning_rate": 0.00013432098765432099,
+      "loss": 0.4233,
+      "step": 806
+    },
+    {
+      "epoch": 1.7933333333333334,
+      "grad_norm": 0.19511982798576355,
+      "learning_rate": 0.00013407407407407405,
+      "loss": 0.4398,
+      "step": 807
+    },
+    {
+      "epoch": 1.7955555555555556,
+      "grad_norm": 0.19873318076133728,
+      "learning_rate": 0.00013382716049382715,
+      "loss": 0.5205,
+      "step": 808
+    },
+    {
+      "epoch": 1.7977777777777777,
+      "grad_norm": 0.16824252903461456,
+      "learning_rate": 0.00013358024691358022,
+      "loss": 0.4738,
+      "step": 809
+    },
+    {
+      "epoch": 1.8,
+      "grad_norm": 0.18699440360069275,
+      "learning_rate": 0.0001333333333333333,
+      "loss": 0.5153,
+      "step": 810
+    },
+    {
+      "epoch": 1.8022222222222222,
+      "grad_norm": 0.1715898960828781,
+      "learning_rate": 0.0001330864197530864,
+      "loss": 0.5829,
+      "step": 811
+    },
+    {
+      "epoch": 1.8044444444444445,
+      "grad_norm": 0.20615488290786743,
+      "learning_rate": 0.0001328395061728395,
+      "loss": 0.3645,
+      "step": 812
+    },
+    {
+      "epoch": 1.8066666666666666,
+      "grad_norm": 0.2258550077676773,
+      "learning_rate": 0.00013259259259259257,
+      "loss": 0.5682,
+      "step": 813
+    },
+    {
+      "epoch": 1.8088888888888888,
+      "grad_norm": 0.21636167168617249,
+      "learning_rate": 0.00013234567901234567,
+      "loss": 0.4189,
+      "step": 814
+    },
+    {
+      "epoch": 1.8111111111111111,
+      "grad_norm": 0.1962098926305771,
+      "learning_rate": 0.00013209876543209876,
+      "loss": 0.4858,
+      "step": 815
+    },
+    {
+      "epoch": 1.8133333333333335,
+      "grad_norm": 0.36040857434272766,
+      "learning_rate": 0.00013185185185185183,
+      "loss": 0.406,
+      "step": 816
+    },
+    {
+      "epoch": 1.8155555555555556,
+      "grad_norm": 0.2069418877363205,
+      "learning_rate": 0.00013160493827160492,
+      "loss": 0.5318,
+      "step": 817
+    },
+    {
+      "epoch": 1.8177777777777777,
+      "grad_norm": 0.16201527416706085,
+      "learning_rate": 0.00013135802469135802,
+      "loss": 0.5466,
+      "step": 818
+    },
+    {
+      "epoch": 1.8199999999999998,
+      "grad_norm": 0.21278874576091766,
+      "learning_rate": 0.00013111111111111111,
+      "loss": 0.5144,
+      "step": 819
+    },
+    {
+      "epoch": 1.8222222222222222,
+      "grad_norm": 0.16780561208724976,
+      "learning_rate": 0.00013086419753086418,
+      "loss": 0.427,
+      "step": 820
+    },
+    {
+      "epoch": 1.8244444444444445,
+      "grad_norm": 0.2174573689699173,
+      "learning_rate": 0.00013061728395061728,
+      "loss": 0.428,
+      "step": 821
+    },
+    {
+      "epoch": 1.8266666666666667,
+      "grad_norm": 0.1837967336177826,
+      "learning_rate": 0.00013037037037037035,
+      "loss": 0.5745,
+      "step": 822
+    },
+    {
+      "epoch": 1.8288888888888888,
+      "grad_norm": 0.2510828673839569,
+      "learning_rate": 0.00013012345679012344,
+      "loss": 0.3721,
+      "step": 823
+    },
+    {
+      "epoch": 1.8311111111111111,
+      "grad_norm": 0.19989460706710815,
+      "learning_rate": 0.00012987654320987654,
+      "loss": 0.4975,
+      "step": 824
+    },
+    {
+      "epoch": 1.8333333333333335,
+      "grad_norm": 0.19319596886634827,
+      "learning_rate": 0.0001296296296296296,
+      "loss": 0.43,
+      "step": 825
+    },
+    {
+      "epoch": 1.8355555555555556,
+      "grad_norm": 0.210468128323555,
+      "learning_rate": 0.0001293827160493827,
+      "loss": 0.4715,
+      "step": 826
+    },
+    {
+      "epoch": 1.8377777777777777,
+      "grad_norm": 0.1974964439868927,
+      "learning_rate": 0.0001291358024691358,
+      "loss": 0.5927,
+      "step": 827
+    },
+    {
+      "epoch": 1.8399999999999999,
+      "grad_norm": 0.1610316038131714,
+      "learning_rate": 0.0001288888888888889,
+      "loss": 0.4647,
+      "step": 828
+    },
+    {
+      "epoch": 1.8422222222222222,
+      "grad_norm": 0.19050978124141693,
+      "learning_rate": 0.00012864197530864196,
+      "loss": 0.5599,
+      "step": 829
+    },
+    {
+      "epoch": 1.8444444444444446,
+      "grad_norm": 0.25903093814849854,
+      "learning_rate": 0.00012839506172839505,
+      "loss": 0.46,
+      "step": 830
+    },
+    {
+      "epoch": 1.8466666666666667,
+      "grad_norm": 0.2022525817155838,
+      "learning_rate": 0.00012814814814814812,
+      "loss": 0.3934,
+      "step": 831
+    },
+    {
+      "epoch": 1.8488888888888888,
+      "grad_norm": 0.2194070965051651,
+      "learning_rate": 0.00012790123456790122,
+      "loss": 0.4065,
+      "step": 832
+    },
+    {
+      "epoch": 1.8511111111111112,
+      "grad_norm": 0.14326930046081543,
+      "learning_rate": 0.0001276543209876543,
+      "loss": 0.4014,
+      "step": 833
+    },
+    {
+      "epoch": 1.8533333333333335,
+      "grad_norm": 0.19791755080223083,
+      "learning_rate": 0.0001274074074074074,
+      "loss": 0.4356,
+      "step": 834
+    },
+    {
+      "epoch": 1.8555555555555556,
+      "grad_norm": 0.17042705416679382,
+      "learning_rate": 0.00012716049382716047,
+      "loss": 0.5047,
+      "step": 835
+    },
+    {
+      "epoch": 1.8577777777777778,
+      "grad_norm": 0.18079350888729095,
+      "learning_rate": 0.00012691358024691357,
+      "loss": 0.5037,
+      "step": 836
+    },
+    {
+      "epoch": 1.8599999999999999,
+      "grad_norm": 0.19158481061458588,
+      "learning_rate": 0.00012666666666666666,
+      "loss": 0.5508,
+      "step": 837
+    },
+    {
+      "epoch": 1.8622222222222222,
+      "grad_norm": 0.2053975760936737,
+      "learning_rate": 0.00012641975308641973,
+      "loss": 0.4761,
+      "step": 838
+    },
+    {
+      "epoch": 1.8644444444444446,
+      "grad_norm": 0.2540335953235626,
+      "learning_rate": 0.00012617283950617283,
+      "loss": 0.4546,
+      "step": 839
+    },
+    {
+      "epoch": 1.8666666666666667,
+      "grad_norm": 0.23568333685398102,
+      "learning_rate": 0.0001259259259259259,
+      "loss": 0.4206,
+      "step": 840
+    },
+    {
+      "epoch": 1.8688888888888888,
+      "grad_norm": 0.2795317769050598,
+      "learning_rate": 0.00012567901234567902,
+      "loss": 0.6551,
+      "step": 841
+    },
+    {
+      "epoch": 1.871111111111111,
+      "grad_norm": 0.2189972698688507,
+      "learning_rate": 0.00012543209876543209,
+      "loss": 0.686,
+      "step": 842
+    },
+    {
+      "epoch": 1.8733333333333333,
+      "grad_norm": 0.23649589717388153,
+      "learning_rate": 0.00012518518518518518,
+      "loss": 0.5333,
+      "step": 843
+    },
+    {
+      "epoch": 1.8755555555555556,
+      "grad_norm": 0.19060775637626648,
+      "learning_rate": 0.00012493827160493825,
+      "loss": 0.4808,
+      "step": 844
+    },
+    {
+      "epoch": 1.8777777777777778,
+      "grad_norm": 0.315738707780838,
+      "learning_rate": 0.00012469135802469134,
+      "loss": 0.7281,
+      "step": 845
+    },
+    {
+      "epoch": 1.88,
+      "grad_norm": 0.20539192855358124,
+      "learning_rate": 0.00012444444444444444,
+      "loss": 0.4933,
+      "step": 846
+    },
+    {
+      "epoch": 1.8822222222222222,
+      "grad_norm": 0.18650329113006592,
+      "learning_rate": 0.0001241975308641975,
+      "loss": 0.4899,
+      "step": 847
+    },
+    {
+      "epoch": 1.8844444444444446,
+      "grad_norm": 0.18989071249961853,
+      "learning_rate": 0.0001239506172839506,
+      "loss": 0.5128,
+      "step": 848
+    },
+    {
+      "epoch": 1.8866666666666667,
+      "grad_norm": 0.23419564962387085,
+      "learning_rate": 0.0001237037037037037,
+      "loss": 0.5095,
+      "step": 849
+    },
+    {
+      "epoch": 1.8888888888888888,
+      "grad_norm": 0.19001886248588562,
+      "learning_rate": 0.0001234567901234568,
+      "loss": 0.5382,
+      "step": 850
+    },
+    {
+      "epoch": 1.891111111111111,
+      "grad_norm": 0.2222389578819275,
+      "learning_rate": 0.00012320987654320986,
+      "loss": 0.4132,
+      "step": 851
+    },
+    {
+      "epoch": 1.8933333333333333,
+      "grad_norm": 0.21193592250347137,
+      "learning_rate": 0.00012296296296296296,
+      "loss": 0.5554,
+      "step": 852
+    },
+    {
+      "epoch": 1.8955555555555557,
+      "grad_norm": 0.26315727829933167,
+      "learning_rate": 0.00012271604938271602,
+      "loss": 0.5161,
+      "step": 853
+    },
+    {
+      "epoch": 1.8977777777777778,
+      "grad_norm": 0.18496252596378326,
+      "learning_rate": 0.00012246913580246912,
+      "loss": 0.4143,
+      "step": 854
+    },
+    {
+      "epoch": 1.9,
+      "grad_norm": 0.1588750034570694,
+      "learning_rate": 0.00012222222222222221,
+      "loss": 0.5138,
+      "step": 855
+    },
+    {
+      "epoch": 1.9022222222222223,
+      "grad_norm": 0.19370391964912415,
+      "learning_rate": 0.00012197530864197531,
+      "loss": 0.5304,
+      "step": 856
+    },
+    {
+      "epoch": 1.9044444444444446,
+      "grad_norm": 0.23615752160549164,
+      "learning_rate": 0.00012172839506172839,
+      "loss": 0.4368,
+      "step": 857
+    },
+    {
+      "epoch": 1.9066666666666667,
+      "grad_norm": 0.17469893395900726,
+      "learning_rate": 0.00012148148148148147,
+      "loss": 0.4681,
+      "step": 858
+    },
+    {
+      "epoch": 1.9088888888888889,
+      "grad_norm": 0.1781235933303833,
+      "learning_rate": 0.00012123456790123455,
+      "loss": 0.4829,
+      "step": 859
+    },
+    {
+      "epoch": 1.911111111111111,
+      "grad_norm": 0.18554018437862396,
+      "learning_rate": 0.00012098765432098764,
+      "loss": 0.4468,
+      "step": 860
+    },
+    {
+      "epoch": 1.9133333333333333,
+      "grad_norm": 0.22353385388851166,
+      "learning_rate": 0.00012074074074074073,
+      "loss": 0.5095,
+      "step": 861
+    },
+    {
+      "epoch": 1.9155555555555557,
+      "grad_norm": 0.2333441525697708,
+      "learning_rate": 0.00012049382716049381,
+      "loss": 0.4968,
+      "step": 862
+    },
+    {
+      "epoch": 1.9177777777777778,
+      "grad_norm": 0.20324921607971191,
+      "learning_rate": 0.0001202469135802469,
+      "loss": 0.5194,
+      "step": 863
+    },
+    {
+      "epoch": 1.92,
+      "grad_norm": 0.16060517728328705,
+      "learning_rate": 0.00011999999999999999,
+      "loss": 0.4701,
+      "step": 864
+    },
+    {
+      "epoch": 1.9222222222222223,
+      "grad_norm": 0.22599969804286957,
+      "learning_rate": 0.00011975308641975308,
+      "loss": 0.4869,
+      "step": 865
+    },
+    {
+      "epoch": 1.9244444444444444,
+      "grad_norm": 0.1759766787290573,
+      "learning_rate": 0.00011950617283950617,
+      "loss": 0.5143,
+      "step": 866
+    },
+    {
+      "epoch": 1.9266666666666667,
+      "grad_norm": 0.17240673303604126,
+      "learning_rate": 0.00011925925925925925,
+      "loss": 0.4249,
+      "step": 867
+    },
+    {
+      "epoch": 1.9288888888888889,
+      "grad_norm": 0.18993405997753143,
+      "learning_rate": 0.00011901234567901233,
+      "loss": 0.4549,
+      "step": 868
+    },
+    {
+      "epoch": 1.931111111111111,
+      "grad_norm": 0.23247094452381134,
+      "learning_rate": 0.00011876543209876541,
+      "loss": 0.4951,
+      "step": 869
+    },
+    {
+      "epoch": 1.9333333333333333,
+      "grad_norm": 0.1876572072505951,
+      "learning_rate": 0.0001185185185185185,
+      "loss": 0.4515,
+      "step": 870
+    },
+    {
+      "epoch": 1.9355555555555557,
+      "grad_norm": 0.18355309963226318,
+      "learning_rate": 0.0001182716049382716,
+      "loss": 0.4013,
+      "step": 871
+    },
+    {
+      "epoch": 1.9377777777777778,
+      "grad_norm": 0.14535872638225555,
+      "learning_rate": 0.00011802469135802468,
+      "loss": 0.5282,
+      "step": 872
+    },
+    {
+      "epoch": 1.94,
+      "grad_norm": 0.20540978014469147,
+      "learning_rate": 0.00011777777777777776,
+      "loss": 0.4743,
+      "step": 873
+    },
+    {
+      "epoch": 1.942222222222222,
+      "grad_norm": 0.21471437811851501,
+      "learning_rate": 0.00011753086419753086,
+      "loss": 0.5149,
+      "step": 874
+    },
+    {
+      "epoch": 1.9444444444444444,
+      "grad_norm": 0.17426244914531708,
+      "learning_rate": 0.00011728395061728394,
+      "loss": 0.4874,
+      "step": 875
+    },
+    {
+      "epoch": 1.9466666666666668,
+      "grad_norm": 0.18514637649059296,
+      "learning_rate": 0.00011703703703703702,
+      "loss": 0.4725,
+      "step": 876
+    },
+    {
+      "epoch": 1.948888888888889,
+      "grad_norm": 0.18219704926013947,
+      "learning_rate": 0.0001167901234567901,
+      "loss": 0.4573,
+      "step": 877
+    },
+    {
+      "epoch": 1.951111111111111,
+      "grad_norm": 0.1740552932024002,
+      "learning_rate": 0.00011654320987654319,
+      "loss": 0.4537,
+      "step": 878
+    },
+    {
+      "epoch": 1.9533333333333334,
+      "grad_norm": 0.20307578146457672,
+      "learning_rate": 0.0001162962962962963,
+      "loss": 0.5837,
+      "step": 879
+    },
+    {
+      "epoch": 1.9555555555555557,
+      "grad_norm": 0.21196050941944122,
+      "learning_rate": 0.00011604938271604938,
+      "loss": 0.4758,
+      "step": 880
+    },
+    {
+      "epoch": 1.9577777777777778,
+      "grad_norm": 0.18597066402435303,
+      "learning_rate": 0.00011580246913580246,
+      "loss": 0.5342,
+      "step": 881
+    },
+    {
+      "epoch": 1.96,
+      "grad_norm": 0.19975154101848602,
+      "learning_rate": 0.00011555555555555554,
+      "loss": 0.5093,
+      "step": 882
+    },
+    {
+      "epoch": 1.962222222222222,
+      "grad_norm": 0.16883786022663116,
+      "learning_rate": 0.00011530864197530863,
+      "loss": 0.5046,
+      "step": 883
+    },
+    {
+      "epoch": 1.9644444444444444,
+      "grad_norm": 0.19684910774230957,
+      "learning_rate": 0.00011506172839506172,
+      "loss": 0.5143,
+      "step": 884
+    },
+    {
+      "epoch": 1.9666666666666668,
+      "grad_norm": 0.17863331735134125,
+      "learning_rate": 0.0001148148148148148,
+      "loss": 0.4796,
+      "step": 885
+    },
+    {
+      "epoch": 1.968888888888889,
+      "grad_norm": 0.252346396446228,
+      "learning_rate": 0.00011456790123456789,
+      "loss": 0.4926,
+      "step": 886
+    },
+    {
+      "epoch": 1.971111111111111,
+      "grad_norm": 0.17805711925029755,
+      "learning_rate": 0.00011432098765432099,
+      "loss": 0.5864,
+      "step": 887
+    },
+    {
+      "epoch": 1.9733333333333334,
+      "grad_norm": 0.2277565598487854,
+      "learning_rate": 0.00011407407407407407,
+      "loss": 0.582,
+      "step": 888
+    },
+    {
+      "epoch": 1.9755555555555555,
+      "grad_norm": 0.23421330749988556,
+      "learning_rate": 0.00011382716049382715,
+      "loss": 0.6081,
+      "step": 889
+    },
+    {
+      "epoch": 1.9777777777777779,
+      "grad_norm": 0.23326914012432098,
+      "learning_rate": 0.00011358024691358023,
+      "loss": 0.5049,
+      "step": 890
+    },
+    {
+      "epoch": 1.98,
+      "grad_norm": 0.17574244737625122,
+      "learning_rate": 0.00011333333333333331,
+      "loss": 0.5323,
+      "step": 891
+    },
+    {
+      "epoch": 1.982222222222222,
+      "grad_norm": 0.22068263590335846,
+      "learning_rate": 0.00011308641975308641,
+      "loss": 0.4082,
+      "step": 892
+    },
+    {
+      "epoch": 1.9844444444444445,
+      "grad_norm": 0.19230858981609344,
+      "learning_rate": 0.00011283950617283949,
+      "loss": 0.5426,
+      "step": 893
+    },
+    {
+      "epoch": 1.9866666666666668,
+      "grad_norm": 0.2325981706380844,
+      "learning_rate": 0.00011259259259259259,
+      "loss": 0.6252,
+      "step": 894
+    },
+    {
+      "epoch": 1.988888888888889,
+      "grad_norm": 0.22357137501239777,
+      "learning_rate": 0.00011234567901234567,
+      "loss": 0.4211,
+      "step": 895
+    },
+    {
+      "epoch": 1.991111111111111,
+      "grad_norm": 0.2307082563638687,
+      "learning_rate": 0.00011209876543209876,
+      "loss": 0.5304,
+      "step": 896
+    },
+    {
+      "epoch": 1.9933333333333332,
+      "grad_norm": 0.2556259334087372,
+      "learning_rate": 0.00011185185185185184,
+      "loss": 0.5676,
+      "step": 897
+    },
+    {
+      "epoch": 1.9955555555555555,
+      "grad_norm": 0.18439683318138123,
+      "learning_rate": 0.00011160493827160493,
+      "loss": 0.4426,
+      "step": 898
+    },
+    {
+      "epoch": 1.9977777777777779,
+      "grad_norm": 0.2009860873222351,
+      "learning_rate": 0.00011135802469135801,
+      "loss": 0.5774,
+      "step": 899
+    },
+    {
+      "epoch": 2.0,
+      "grad_norm": 0.14363819360733032,
+      "learning_rate": 0.00011111111111111109,
+      "loss": 0.4286,
+      "step": 900
+    },
+    {
+      "epoch": 2.002222222222222,
+      "grad_norm": 0.161085844039917,
+      "learning_rate": 0.0001108641975308642,
+      "loss": 0.4121,
+      "step": 901
+    },
+    {
+      "epoch": 2.0044444444444443,
+      "grad_norm": 0.15874294936656952,
+      "learning_rate": 0.00011061728395061728,
+      "loss": 0.4661,
+      "step": 902
+    },
+    {
+      "epoch": 2.006666666666667,
+      "grad_norm": 0.17735889554023743,
+      "learning_rate": 0.00011037037037037036,
+      "loss": 0.5782,
+      "step": 903
+    },
+    {
+      "epoch": 2.008888888888889,
+      "grad_norm": 0.17721158266067505,
+      "learning_rate": 0.00011012345679012344,
+      "loss": 0.4644,
+      "step": 904
+    },
+    {
+      "epoch": 2.011111111111111,
+      "grad_norm": 0.16406133770942688,
+      "learning_rate": 0.00010987654320987654,
+      "loss": 0.422,
+      "step": 905
+    },
+    {
+      "epoch": 2.013333333333333,
+      "grad_norm": 0.2074761539697647,
+      "learning_rate": 0.00010962962962962962,
+      "loss": 0.4846,
+      "step": 906
+    },
+    {
+      "epoch": 2.0155555555555558,
+      "grad_norm": 0.22118505835533142,
+      "learning_rate": 0.0001093827160493827,
+      "loss": 0.5174,
+      "step": 907
+    },
+    {
+      "epoch": 2.017777777777778,
+      "grad_norm": 0.1525031179189682,
+      "learning_rate": 0.00010913580246913578,
+      "loss": 0.519,
+      "step": 908
+    },
+    {
+      "epoch": 2.02,
+      "grad_norm": 0.17472517490386963,
+      "learning_rate": 0.00010888888888888889,
+      "loss": 0.416,
+      "step": 909
+    },
+    {
+      "epoch": 2.022222222222222,
+      "grad_norm": 0.18598146736621857,
+      "learning_rate": 0.00010864197530864197,
+      "loss": 0.6634,
+      "step": 910
+    },
+    {
+      "epoch": 2.0244444444444443,
+      "grad_norm": 0.15725669264793396,
+      "learning_rate": 0.00010839506172839505,
+      "loss": 0.4202,
+      "step": 911
+    },
+    {
+      "epoch": 2.026666666666667,
+      "grad_norm": 0.17347405850887299,
+      "learning_rate": 0.00010814814814814814,
+      "loss": 0.4054,
+      "step": 912
+    },
+    {
+      "epoch": 2.028888888888889,
+      "grad_norm": 0.1937365084886551,
+      "learning_rate": 0.00010790123456790122,
+      "loss": 0.5662,
+      "step": 913
+    },
+    {
+      "epoch": 2.031111111111111,
+      "grad_norm": 0.17436783015727997,
+      "learning_rate": 0.00010765432098765431,
+      "loss": 0.4425,
+      "step": 914
+    },
+    {
+      "epoch": 2.033333333333333,
+      "grad_norm": 0.2667844593524933,
+      "learning_rate": 0.0001074074074074074,
+      "loss": 0.5084,
+      "step": 915
+    },
+    {
+      "epoch": 2.0355555555555553,
+      "grad_norm": 0.17061366140842438,
+      "learning_rate": 0.00010716049382716048,
+      "loss": 0.5198,
+      "step": 916
+    },
+    {
+      "epoch": 2.037777777777778,
+      "grad_norm": 0.19045591354370117,
+      "learning_rate": 0.00010691358024691357,
+      "loss": 0.455,
+      "step": 917
+    },
+    {
+      "epoch": 2.04,
+      "grad_norm": 0.15703974664211273,
+      "learning_rate": 0.00010666666666666667,
+      "loss": 0.4895,
+      "step": 918
+    },
+    {
+      "epoch": 2.042222222222222,
+      "grad_norm": 0.304848849773407,
+      "learning_rate": 0.00010641975308641975,
+      "loss": 0.5071,
+      "step": 919
+    },
+    {
+      "epoch": 2.0444444444444443,
+      "grad_norm": 0.1720246821641922,
+      "learning_rate": 0.00010617283950617283,
+      "loss": 0.4152,
+      "step": 920
+    },
+    {
+      "epoch": 2.046666666666667,
+      "grad_norm": 0.1733669489622116,
+      "learning_rate": 0.00010592592592592591,
+      "loss": 0.4133,
+      "step": 921
+    },
+    {
+      "epoch": 2.048888888888889,
+      "grad_norm": 0.18830733001232147,
+      "learning_rate": 0.00010567901234567899,
+      "loss": 0.3884,
+      "step": 922
+    },
+    {
+      "epoch": 2.051111111111111,
+      "grad_norm": 0.29931190609931946,
+      "learning_rate": 0.00010543209876543209,
+      "loss": 0.6018,
+      "step": 923
+    },
+    {
+      "epoch": 2.0533333333333332,
+      "grad_norm": 0.18850049376487732,
+      "learning_rate": 0.00010518518518518518,
+      "loss": 0.4683,
+      "step": 924
+    },
+    {
+      "epoch": 2.0555555555555554,
+      "grad_norm": 0.1913931965827942,
+      "learning_rate": 0.00010493827160493826,
+      "loss": 0.4012,
+      "step": 925
+    },
+    {
+      "epoch": 2.057777777777778,
+      "grad_norm": 0.21711386740207672,
+      "learning_rate": 0.00010469135802469135,
+      "loss": 0.4996,
+      "step": 926
+    },
+    {
+      "epoch": 2.06,
+      "grad_norm": 0.2386695295572281,
+      "learning_rate": 0.00010444444444444444,
+      "loss": 0.4909,
+      "step": 927
+    },
+    {
+      "epoch": 2.062222222222222,
+      "grad_norm": 0.17317090928554535,
+      "learning_rate": 0.00010419753086419752,
+      "loss": 0.4022,
+      "step": 928
+    },
+    {
+      "epoch": 2.0644444444444443,
+      "grad_norm": 0.1801401972770691,
+      "learning_rate": 0.0001039506172839506,
+      "loss": 0.5695,
+      "step": 929
+    },
+    {
+      "epoch": 2.066666666666667,
+      "grad_norm": 0.25198373198509216,
+      "learning_rate": 0.00010370370370370369,
+      "loss": 0.5501,
+      "step": 930
+    },
+    {
+      "epoch": 2.068888888888889,
+      "grad_norm": 0.3184848427772522,
+      "learning_rate": 0.00010345679012345677,
+      "loss": 0.5924,
+      "step": 931
+    },
+    {
+      "epoch": 2.071111111111111,
+      "grad_norm": 0.20114697515964508,
+      "learning_rate": 0.00010320987654320988,
+      "loss": 0.5352,
+      "step": 932
+    },
+    {
+      "epoch": 2.0733333333333333,
+      "grad_norm": 0.18714340031147003,
+      "learning_rate": 0.00010296296296296296,
+      "loss": 0.4235,
+      "step": 933
+    },
+    {
+      "epoch": 2.0755555555555554,
+      "grad_norm": 0.23173195123672485,
+      "learning_rate": 0.00010271604938271604,
+      "loss": 0.3959,
+      "step": 934
+    },
+    {
+      "epoch": 2.077777777777778,
+      "grad_norm": 0.21912041306495667,
+      "learning_rate": 0.00010246913580246912,
+      "loss": 0.56,
+      "step": 935
+    },
+    {
+      "epoch": 2.08,
+      "grad_norm": 0.17358708381652832,
+      "learning_rate": 0.00010222222222222222,
+      "loss": 0.403,
+      "step": 936
+    },
+    {
+      "epoch": 2.082222222222222,
+      "grad_norm": 0.18150022625923157,
+      "learning_rate": 0.0001019753086419753,
+      "loss": 0.4763,
+      "step": 937
+    },
+    {
+      "epoch": 2.0844444444444443,
+      "grad_norm": 0.24984142184257507,
+      "learning_rate": 0.00010172839506172838,
+      "loss": 0.5316,
+      "step": 938
+    },
+    {
+      "epoch": 2.086666666666667,
+      "grad_norm": 0.18395419418811798,
+      "learning_rate": 0.00010148148148148147,
+      "loss": 0.4465,
+      "step": 939
+    },
+    {
+      "epoch": 2.088888888888889,
+      "grad_norm": 0.2704440951347351,
+      "learning_rate": 0.00010123456790123457,
+      "loss": 0.4491,
+      "step": 940
+    },
+    {
+      "epoch": 2.091111111111111,
+      "grad_norm": 0.2826973497867584,
+      "learning_rate": 0.00010098765432098765,
+      "loss": 0.3804,
+      "step": 941
+    },
+    {
+      "epoch": 2.0933333333333333,
+      "grad_norm": 0.27621716260910034,
+      "learning_rate": 0.00010074074074074073,
+      "loss": 0.3984,
+      "step": 942
+    },
+    {
+      "epoch": 2.0955555555555554,
+      "grad_norm": 0.2091452181339264,
+      "learning_rate": 0.00010049382716049381,
+      "loss": 0.3938,
+      "step": 943
+    },
+    {
+      "epoch": 2.097777777777778,
+      "grad_norm": 0.2692224979400635,
+      "learning_rate": 0.0001002469135802469,
+      "loss": 0.5258,
+      "step": 944
+    },
+    {
+      "epoch": 2.1,
+      "grad_norm": 0.1720598340034485,
+      "learning_rate": 9.999999999999999e-05,
+      "loss": 0.421,
+      "step": 945
+    },
+    {
+      "epoch": 2.102222222222222,
+      "grad_norm": 0.23547446727752686,
+      "learning_rate": 9.975308641975307e-05,
+      "loss": 0.5601,
+      "step": 946
+    },
+    {
+      "epoch": 2.1044444444444443,
+      "grad_norm": 0.20717960596084595,
+      "learning_rate": 9.950617283950617e-05,
+      "loss": 0.4045,
+      "step": 947
+    },
+    {
+      "epoch": 2.1066666666666665,
+      "grad_norm": 0.21972191333770752,
+      "learning_rate": 9.925925925925925e-05,
+      "loss": 0.6487,
+      "step": 948
+    },
+    {
+      "epoch": 2.108888888888889,
+      "grad_norm": 0.20680764317512512,
+      "learning_rate": 9.901234567901234e-05,
+      "loss": 0.4511,
+      "step": 949
+    },
+    {
+      "epoch": 2.111111111111111,
+      "grad_norm": 0.16888514161109924,
+      "learning_rate": 9.876543209876543e-05,
+      "loss": 0.3545,
+      "step": 950
+    },
+    {
+      "epoch": 2.1133333333333333,
+      "grad_norm": 0.23663461208343506,
+      "learning_rate": 9.851851851851851e-05,
+      "loss": 0.3841,
+      "step": 951
+    },
+    {
+      "epoch": 2.1155555555555554,
+      "grad_norm": 0.22071480751037598,
+      "learning_rate": 9.827160493827159e-05,
+      "loss": 0.4487,
+      "step": 952
+    },
+    {
+      "epoch": 2.117777777777778,
+      "grad_norm": 0.21643605828285217,
+      "learning_rate": 9.802469135802467e-05,
+      "loss": 0.616,
+      "step": 953
+    },
+    {
+      "epoch": 2.12,
+      "grad_norm": 0.25067830085754395,
+      "learning_rate": 9.777777777777778e-05,
+      "loss": 0.4673,
+      "step": 954
+    },
+    {
+      "epoch": 2.1222222222222222,
+      "grad_norm": 0.3261134624481201,
+      "learning_rate": 9.753086419753086e-05,
+      "loss": 0.5496,
+      "step": 955
+    },
+    {
+      "epoch": 2.1244444444444444,
+      "grad_norm": 0.30298173427581787,
+      "learning_rate": 9.728395061728394e-05,
+      "loss": 0.5964,
+      "step": 956
+    },
+    {
+      "epoch": 2.1266666666666665,
+      "grad_norm": 0.2082533985376358,
+      "learning_rate": 9.703703703703702e-05,
+      "loss": 0.4617,
+      "step": 957
+    },
+    {
+      "epoch": 2.128888888888889,
+      "grad_norm": 0.2543969750404358,
+      "learning_rate": 9.679012345679012e-05,
+      "loss": 0.5521,
+      "step": 958
+    },
+    {
+      "epoch": 2.131111111111111,
+      "grad_norm": 0.227843776345253,
+      "learning_rate": 9.65432098765432e-05,
+      "loss": 0.3569,
+      "step": 959
+    },
+    {
+      "epoch": 2.1333333333333333,
+      "grad_norm": 0.29863792657852173,
+      "learning_rate": 9.629629629629628e-05,
+      "loss": 0.5587,
+      "step": 960
+    },
+    {
+      "epoch": 2.1355555555555554,
+      "grad_norm": 0.22359107434749603,
+      "learning_rate": 9.604938271604936e-05,
+      "loss": 0.3963,
+      "step": 961
+    },
+    {
+      "epoch": 2.137777777777778,
+      "grad_norm": 0.20687472820281982,
+      "learning_rate": 9.580246913580247e-05,
+      "loss": 0.4206,
+      "step": 962
+    },
+    {
+      "epoch": 2.14,
+      "grad_norm": 0.21215292811393738,
+      "learning_rate": 9.555555555555555e-05,
+      "loss": 0.5411,
+      "step": 963
+    },
+    {
+      "epoch": 2.1422222222222222,
+      "grad_norm": 0.23551730811595917,
+      "learning_rate": 9.530864197530864e-05,
+      "loss": 0.4963,
+      "step": 964
+    },
+    {
+      "epoch": 2.1444444444444444,
+      "grad_norm": 0.24306513369083405,
+      "learning_rate": 9.506172839506172e-05,
+      "loss": 0.5604,
+      "step": 965
+    },
+    {
+      "epoch": 2.1466666666666665,
+      "grad_norm": 0.18296387791633606,
+      "learning_rate": 9.48148148148148e-05,
+      "loss": 0.3915,
+      "step": 966
+    },
+    {
+      "epoch": 2.148888888888889,
+      "grad_norm": 0.17923778295516968,
+      "learning_rate": 9.45679012345679e-05,
+      "loss": 0.4397,
+      "step": 967
+    },
+    {
+      "epoch": 2.151111111111111,
+      "grad_norm": 0.27194756269454956,
+      "learning_rate": 9.432098765432098e-05,
+      "loss": 0.464,
+      "step": 968
+    },
+    {
+      "epoch": 2.1533333333333333,
+      "grad_norm": 0.2555384039878845,
+      "learning_rate": 9.407407407407407e-05,
+      "loss": 0.487,
+      "step": 969
+    },
+    {
+      "epoch": 2.1555555555555554,
+      "grad_norm": 0.19348587095737457,
+      "learning_rate": 9.382716049382715e-05,
+      "loss": 0.447,
+      "step": 970
+    },
+    {
+      "epoch": 2.1577777777777776,
+      "grad_norm": 0.34053802490234375,
+      "learning_rate": 9.358024691358025e-05,
+      "loss": 0.4894,
+      "step": 971
+    },
+    {
+      "epoch": 2.16,
+      "grad_norm": 0.20440658926963806,
+      "learning_rate": 9.333333333333333e-05,
+      "loss": 0.4568,
+      "step": 972
+    },
+    {
+      "epoch": 2.1622222222222223,
+      "grad_norm": 0.2978667616844177,
+      "learning_rate": 9.308641975308641e-05,
+      "loss": 0.5573,
+      "step": 973
+    },
+    {
+      "epoch": 2.1644444444444444,
+      "grad_norm": 0.21186195313930511,
+      "learning_rate": 9.283950617283949e-05,
+      "loss": 0.4004,
+      "step": 974
+    },
+    {
+      "epoch": 2.1666666666666665,
+      "grad_norm": 0.22105668485164642,
+      "learning_rate": 9.259259259259257e-05,
+      "loss": 0.4684,
+      "step": 975
+    },
+    {
+      "epoch": 2.168888888888889,
+      "grad_norm": 0.2607153058052063,
+      "learning_rate": 9.234567901234567e-05,
+      "loss": 0.4474,
+      "step": 976
+    },
+    {
+      "epoch": 2.171111111111111,
+      "grad_norm": 0.17750707268714905,
+      "learning_rate": 9.209876543209876e-05,
+      "loss": 0.4148,
+      "step": 977
+    },
+    {
+      "epoch": 2.1733333333333333,
+      "grad_norm": 0.22568461298942566,
+      "learning_rate": 9.185185185185185e-05,
+      "loss": 0.4474,
+      "step": 978
+    },
+    {
+      "epoch": 2.1755555555555555,
+      "grad_norm": 0.20598728954792023,
+      "learning_rate": 9.160493827160493e-05,
+      "loss": 0.3738,
+      "step": 979
+    },
+    {
+      "epoch": 2.1777777777777776,
+      "grad_norm": 0.27934280037879944,
+      "learning_rate": 9.135802469135802e-05,
+      "loss": 0.4491,
+      "step": 980
+    },
+    {
+      "epoch": 2.18,
+      "grad_norm": 0.20362699031829834,
+      "learning_rate": 9.11111111111111e-05,
+      "loss": 0.4158,
+      "step": 981
+    },
+    {
+      "epoch": 2.1822222222222223,
+      "grad_norm": 0.3080417215824127,
+      "learning_rate": 9.086419753086419e-05,
+      "loss": 0.5944,
+      "step": 982
+    },
+    {
+      "epoch": 2.1844444444444444,
+      "grad_norm": 0.24677591025829315,
+      "learning_rate": 9.061728395061727e-05,
+      "loss": 0.4922,
+      "step": 983
+    },
+    {
+      "epoch": 2.1866666666666665,
+      "grad_norm": 0.2841777205467224,
+      "learning_rate": 9.037037037037038e-05,
+      "loss": 0.4315,
+      "step": 984
+    },
+    {
+      "epoch": 2.188888888888889,
+      "grad_norm": 0.3089623749256134,
+      "learning_rate": 9.012345679012346e-05,
+      "loss": 0.5598,
+      "step": 985
+    },
+    {
+      "epoch": 2.1911111111111112,
+      "grad_norm": 0.24291516840457916,
+      "learning_rate": 8.987654320987654e-05,
+      "loss": 0.3336,
+      "step": 986
+    },
+    {
+      "epoch": 2.1933333333333334,
+      "grad_norm": 0.20366284251213074,
+      "learning_rate": 8.962962962962962e-05,
+      "loss": 0.4383,
+      "step": 987
+    },
+    {
+      "epoch": 2.1955555555555555,
+      "grad_norm": 0.23388588428497314,
+      "learning_rate": 8.93827160493827e-05,
+      "loss": 0.3058,
+      "step": 988
+    },
+    {
+      "epoch": 2.1977777777777776,
+      "grad_norm": 0.2930527329444885,
+      "learning_rate": 8.91358024691358e-05,
+      "loss": 0.4341,
+      "step": 989
+    },
+    {
+      "epoch": 2.2,
+      "grad_norm": 0.2246478796005249,
+      "learning_rate": 8.888888888888888e-05,
+      "loss": 0.4823,
+      "step": 990
+    },
+    {
+      "epoch": 2.2022222222222223,
+      "grad_norm": 0.3022997975349426,
+      "learning_rate": 8.864197530864196e-05,
+      "loss": 0.5476,
+      "step": 991
+    },
+    {
+      "epoch": 2.2044444444444444,
+      "grad_norm": 0.2257053703069687,
+      "learning_rate": 8.839506172839506e-05,
+      "loss": 0.3951,
+      "step": 992
+    },
+    {
+      "epoch": 2.2066666666666666,
+      "grad_norm": 0.5187708139419556,
+      "learning_rate": 8.814814814814815e-05,
+      "loss": 0.5601,
+      "step": 993
+    },
+    {
+      "epoch": 2.2088888888888887,
+      "grad_norm": 0.26322057843208313,
+      "learning_rate": 8.790123456790123e-05,
+      "loss": 0.4814,
+      "step": 994
+    },
+    {
+      "epoch": 2.2111111111111112,
+      "grad_norm": 0.26765871047973633,
+      "learning_rate": 8.765432098765431e-05,
+      "loss": 0.4855,
+      "step": 995
+    },
+    {
+      "epoch": 2.2133333333333334,
+      "grad_norm": 0.2329784631729126,
+      "learning_rate": 8.74074074074074e-05,
+      "loss": 0.3676,
+      "step": 996
+    },
+    {
+      "epoch": 2.2155555555555555,
+      "grad_norm": 0.22700552642345428,
+      "learning_rate": 8.716049382716048e-05,
+      "loss": 0.4376,
+      "step": 997
+    },
+    {
+      "epoch": 2.2177777777777776,
+      "grad_norm": 0.25210490822792053,
+      "learning_rate": 8.691358024691357e-05,
+      "loss": 0.4916,
+      "step": 998
+    },
+    {
+      "epoch": 2.22,
+      "grad_norm": 0.23448699712753296,
+      "learning_rate": 8.666666666666665e-05,
+      "loss": 0.4765,
+      "step": 999
+    },
+    {
+      "epoch": 2.2222222222222223,
+      "grad_norm": 0.23905183374881744,
+      "learning_rate": 8.641975308641975e-05,
+      "loss": 0.4787,
+      "step": 1000
+    },
+    {
+      "epoch": 2.2244444444444444,
+      "grad_norm": 0.24907182157039642,
+      "learning_rate": 8.617283950617283e-05,
+      "loss": 0.3769,
+      "step": 1001
+    },
+    {
+      "epoch": 2.2266666666666666,
+      "grad_norm": 0.1960950791835785,
+      "learning_rate": 8.592592592592593e-05,
+      "loss": 0.4282,
+      "step": 1002
+    },
+    {
+      "epoch": 2.2288888888888887,
+      "grad_norm": 0.2484542727470398,
+      "learning_rate": 8.567901234567901e-05,
+      "loss": 0.4188,
+      "step": 1003
+    },
+    {
+      "epoch": 2.2311111111111113,
+      "grad_norm": 0.22238413989543915,
+      "learning_rate": 8.543209876543209e-05,
+      "loss": 0.5108,
+      "step": 1004
+    },
+    {
+      "epoch": 2.2333333333333334,
+      "grad_norm": 0.20457886159420013,
+      "learning_rate": 8.518518518518517e-05,
+      "loss": 0.4057,
+      "step": 1005
+    },
+    {
+      "epoch": 2.2355555555555555,
+      "grad_norm": 0.2082635909318924,
+      "learning_rate": 8.493827160493825e-05,
+      "loss": 0.4503,
+      "step": 1006
+    },
+    {
+      "epoch": 2.2377777777777776,
+      "grad_norm": 0.2857392430305481,
+      "learning_rate": 8.469135802469136e-05,
+      "loss": 0.5822,
+      "step": 1007
+    },
+    {
+      "epoch": 2.24,
+      "grad_norm": 0.22663135826587677,
+      "learning_rate": 8.444444444444444e-05,
+      "loss": 0.3647,
+      "step": 1008
+    },
+    {
+      "epoch": 2.2422222222222223,
+      "grad_norm": 0.22252953052520752,
+      "learning_rate": 8.419753086419752e-05,
+      "loss": 0.4524,
+      "step": 1009
+    },
+    {
+      "epoch": 2.2444444444444445,
+      "grad_norm": 0.22072190046310425,
+      "learning_rate": 8.39506172839506e-05,
+      "loss": 0.4237,
+      "step": 1010
+    },
+    {
+      "epoch": 2.2466666666666666,
+      "grad_norm": 0.23063765466213226,
+      "learning_rate": 8.37037037037037e-05,
+      "loss": 0.3466,
+      "step": 1011
+    },
+    {
+      "epoch": 2.2488888888888887,
+      "grad_norm": 0.23797385394573212,
+      "learning_rate": 8.345679012345678e-05,
+      "loss": 0.3931,
+      "step": 1012
+    },
+    {
+      "epoch": 2.2511111111111113,
+      "grad_norm": 0.2844562530517578,
+      "learning_rate": 8.320987654320986e-05,
+      "loss": 0.4543,
+      "step": 1013
+    },
+    {
+      "epoch": 2.2533333333333334,
+      "grad_norm": 0.3510430157184601,
+      "learning_rate": 8.296296296296295e-05,
+      "loss": 0.4259,
+      "step": 1014
+    },
+    {
+      "epoch": 2.2555555555555555,
+      "grad_norm": 0.21694698929786682,
+      "learning_rate": 8.271604938271605e-05,
+      "loss": 0.3798,
+      "step": 1015
+    },
+    {
+      "epoch": 2.2577777777777777,
+      "grad_norm": 0.24299605190753937,
+      "learning_rate": 8.246913580246914e-05,
+      "loss": 0.6,
+      "step": 1016
+    },
+    {
+      "epoch": 2.26,
+      "grad_norm": 0.2540102005004883,
+      "learning_rate": 8.222222222222222e-05,
+      "loss": 0.4493,
+      "step": 1017
+    },
+    {
+      "epoch": 2.2622222222222224,
+      "grad_norm": 0.27778634428977966,
+      "learning_rate": 8.19753086419753e-05,
+      "loss": 0.5292,
+      "step": 1018
+    },
+    {
+      "epoch": 2.2644444444444445,
+      "grad_norm": 0.24594548344612122,
+      "learning_rate": 8.172839506172838e-05,
+      "loss": 0.4239,
+      "step": 1019
+    },
+    {
+      "epoch": 2.2666666666666666,
+      "grad_norm": 0.27180740237236023,
+      "learning_rate": 8.148148148148148e-05,
+      "loss": 0.5964,
+      "step": 1020
+    },
+    {
+      "epoch": 2.2688888888888887,
+      "grad_norm": 0.2825404703617096,
+      "learning_rate": 8.123456790123456e-05,
+      "loss": 0.5642,
+      "step": 1021
+    },
+    {
+      "epoch": 2.2711111111111113,
+      "grad_norm": 0.24407710134983063,
+      "learning_rate": 8.098765432098765e-05,
+      "loss": 0.5249,
+      "step": 1022
+    },
+    {
+      "epoch": 2.2733333333333334,
+      "grad_norm": 0.25856301188468933,
+      "learning_rate": 8.074074074074073e-05,
+      "loss": 0.5028,
+      "step": 1023
+    },
+    {
+      "epoch": 2.2755555555555556,
+      "grad_norm": 0.2732691168785095,
+      "learning_rate": 8.049382716049383e-05,
+      "loss": 0.4674,
+      "step": 1024
+    },
+    {
+      "epoch": 2.2777777777777777,
+      "grad_norm": 0.2448354810476303,
+      "learning_rate": 8.024691358024691e-05,
+      "loss": 0.3741,
+      "step": 1025
+    },
+    {
+      "epoch": 2.2800000000000002,
+      "grad_norm": 0.2410421073436737,
+      "learning_rate": 7.999999999999999e-05,
+      "loss": 0.3923,
+      "step": 1026
+    },
+    {
+      "epoch": 2.2822222222222224,
+      "grad_norm": 0.23940524458885193,
+      "learning_rate": 7.975308641975307e-05,
+      "loss": 0.4602,
+      "step": 1027
+    },
+    {
+      "epoch": 2.2844444444444445,
+      "grad_norm": 0.2394387274980545,
+      "learning_rate": 7.950617283950616e-05,
+      "loss": 0.5353,
+      "step": 1028
+    },
+    {
+      "epoch": 2.2866666666666666,
+      "grad_norm": 0.35966625809669495,
+      "learning_rate": 7.925925925925925e-05,
+      "loss": 0.5002,
+      "step": 1029
+    },
+    {
+      "epoch": 2.2888888888888888,
+      "grad_norm": 0.23209857940673828,
+      "learning_rate": 7.901234567901235e-05,
+      "loss": 0.4076,
+      "step": 1030
+    },
+    {
+      "epoch": 2.2911111111111113,
+      "grad_norm": 0.28689658641815186,
+      "learning_rate": 7.876543209876543e-05,
+      "loss": 0.5033,
+      "step": 1031
+    },
+    {
+      "epoch": 2.2933333333333334,
+      "grad_norm": 0.2399093359708786,
+      "learning_rate": 7.851851851851851e-05,
+      "loss": 0.5123,
+      "step": 1032
+    },
+    {
+      "epoch": 2.2955555555555556,
+      "grad_norm": 0.23205643892288208,
+      "learning_rate": 7.82716049382716e-05,
+      "loss": 0.4899,
+      "step": 1033
+    },
+    {
+      "epoch": 2.2977777777777777,
+      "grad_norm": 0.25627297163009644,
+      "learning_rate": 7.802469135802469e-05,
+      "loss": 0.4907,
+      "step": 1034
+    },
+    {
+      "epoch": 2.3,
+      "grad_norm": 0.19083629548549652,
+      "learning_rate": 7.777777777777777e-05,
+      "loss": 0.4588,
+      "step": 1035
+    },
+    {
+      "epoch": 2.3022222222222224,
+      "grad_norm": 0.270696759223938,
+      "learning_rate": 7.753086419753085e-05,
+      "loss": 0.4741,
+      "step": 1036
+    },
+    {
+      "epoch": 2.3044444444444445,
+      "grad_norm": 0.2945954203605652,
+      "learning_rate": 7.728395061728396e-05,
+      "loss": 0.5246,
+      "step": 1037
+    },
+    {
+      "epoch": 2.3066666666666666,
+      "grad_norm": 0.2649891972541809,
+      "learning_rate": 7.703703703703704e-05,
+      "loss": 0.3741,
+      "step": 1038
+    },
+    {
+      "epoch": 2.3088888888888888,
+      "grad_norm": 0.208853617310524,
+      "learning_rate": 7.679012345679012e-05,
+      "loss": 0.4936,
+      "step": 1039
+    },
+    {
+      "epoch": 2.311111111111111,
+      "grad_norm": 0.23785865306854248,
+      "learning_rate": 7.65432098765432e-05,
+      "loss": 0.518,
+      "step": 1040
+    },
+    {
+      "epoch": 2.3133333333333335,
+      "grad_norm": 0.24360238015651703,
+      "learning_rate": 7.629629629629628e-05,
+      "loss": 0.5891,
+      "step": 1041
+    },
+    {
+      "epoch": 2.3155555555555556,
+      "grad_norm": 0.2558804452419281,
+      "learning_rate": 7.604938271604937e-05,
+      "loss": 0.4153,
+      "step": 1042
+    },
+    {
+      "epoch": 2.3177777777777777,
+      "grad_norm": 0.20021018385887146,
+      "learning_rate": 7.580246913580246e-05,
+      "loss": 0.4733,
+      "step": 1043
+    },
+    {
+      "epoch": 2.32,
+      "grad_norm": 0.2404988557100296,
+      "learning_rate": 7.555555555555554e-05,
+      "loss": 0.4339,
+      "step": 1044
+    },
+    {
+      "epoch": 2.3222222222222224,
+      "grad_norm": 0.31835708022117615,
+      "learning_rate": 7.530864197530864e-05,
+      "loss": 0.4806,
+      "step": 1045
+    },
+    {
+      "epoch": 2.3244444444444445,
+      "grad_norm": 0.24206705391407013,
+      "learning_rate": 7.506172839506173e-05,
+      "loss": 0.4553,
+      "step": 1046
+    },
+    {
+      "epoch": 2.3266666666666667,
+      "grad_norm": 0.2239079475402832,
+      "learning_rate": 7.481481481481481e-05,
+      "loss": 0.338,
+      "step": 1047
+    },
+    {
+      "epoch": 2.328888888888889,
+      "grad_norm": 0.23047927021980286,
+      "learning_rate": 7.45679012345679e-05,
+      "loss": 0.4626,
+      "step": 1048
+    },
+    {
+      "epoch": 2.3311111111111114,
+      "grad_norm": 0.22697985172271729,
+      "learning_rate": 7.432098765432098e-05,
+      "loss": 0.4999,
+      "step": 1049
+    },
+    {
+      "epoch": 2.3333333333333335,
+      "grad_norm": 0.21413327753543854,
+      "learning_rate": 7.407407407407406e-05,
+      "loss": 0.4192,
+      "step": 1050
+    },
+    {
+      "epoch": 2.3355555555555556,
+      "grad_norm": 0.3700278401374817,
+      "learning_rate": 7.382716049382715e-05,
+      "loss": 0.5033,
+      "step": 1051
+    },
+    {
+      "epoch": 2.3377777777777777,
+      "grad_norm": 0.24023550748825073,
+      "learning_rate": 7.358024691358024e-05,
+      "loss": 0.4166,
+      "step": 1052
+    },
+    {
+      "epoch": 2.34,
+      "grad_norm": 0.2508622109889984,
+      "learning_rate": 7.333333333333332e-05,
+      "loss": 0.3588,
+      "step": 1053
+    },
+    {
+      "epoch": 2.3422222222222224,
+      "grad_norm": 0.23471470177173615,
+      "learning_rate": 7.308641975308641e-05,
+      "loss": 0.4104,
+      "step": 1054
+    },
+    {
+      "epoch": 2.3444444444444446,
+      "grad_norm": 0.22947955131530762,
+      "learning_rate": 7.28395061728395e-05,
+      "loss": 0.4542,
+      "step": 1055
+    },
+    {
+      "epoch": 2.3466666666666667,
+      "grad_norm": 0.24685367941856384,
+      "learning_rate": 7.259259259259259e-05,
+      "loss": 0.3989,
+      "step": 1056
+    },
+    {
+      "epoch": 2.348888888888889,
+      "grad_norm": 0.2971036434173584,
+      "learning_rate": 7.234567901234567e-05,
+      "loss": 0.3552,
+      "step": 1057
+    },
+    {
+      "epoch": 2.351111111111111,
+      "grad_norm": 0.22053156793117523,
+      "learning_rate": 7.209876543209877e-05,
+      "loss": 0.3645,
+      "step": 1058
+    },
+    {
+      "epoch": 2.3533333333333335,
+      "grad_norm": 0.21114762127399445,
+      "learning_rate": 7.185185185185185e-05,
+      "loss": 0.475,
+      "step": 1059
+    },
+    {
+      "epoch": 2.3555555555555556,
+      "grad_norm": 0.2340921312570572,
+      "learning_rate": 7.160493827160493e-05,
+      "loss": 0.4075,
+      "step": 1060
+    },
+    {
+      "epoch": 2.3577777777777778,
+      "grad_norm": 0.20541034638881683,
+      "learning_rate": 7.135802469135801e-05,
+      "loss": 0.4127,
+      "step": 1061
+    },
+    {
+      "epoch": 2.36,
+      "grad_norm": 0.2008386254310608,
+      "learning_rate": 7.11111111111111e-05,
+      "loss": 0.4776,
+      "step": 1062
+    },
+    {
+      "epoch": 2.362222222222222,
+      "grad_norm": 0.23569215834140778,
+      "learning_rate": 7.086419753086419e-05,
+      "loss": 0.4918,
+      "step": 1063
+    },
+    {
+      "epoch": 2.3644444444444446,
+      "grad_norm": 0.2960083484649658,
+      "learning_rate": 7.061728395061727e-05,
+      "loss": 0.4651,
+      "step": 1064
+    },
+    {
+      "epoch": 2.3666666666666667,
+      "grad_norm": 0.23241014778614044,
+      "learning_rate": 7.037037037037036e-05,
+      "loss": 0.434,
+      "step": 1065
+    },
+    {
+      "epoch": 2.368888888888889,
+      "grad_norm": 0.23682597279548645,
+      "learning_rate": 7.012345679012345e-05,
+      "loss": 0.5068,
+      "step": 1066
+    },
+    {
+      "epoch": 2.371111111111111,
+      "grad_norm": 0.25459370017051697,
+      "learning_rate": 6.987654320987654e-05,
+      "loss": 0.4596,
+      "step": 1067
+    },
+    {
+      "epoch": 2.3733333333333335,
+      "grad_norm": 0.27613893151283264,
+      "learning_rate": 6.962962962962962e-05,
+      "loss": 0.5186,
+      "step": 1068
+    },
+    {
+      "epoch": 2.3755555555555556,
+      "grad_norm": 0.2263878583908081,
+      "learning_rate": 6.938271604938272e-05,
+      "loss": 0.3455,
+      "step": 1069
+    },
+    {
+      "epoch": 2.3777777777777778,
+      "grad_norm": 0.2196212112903595,
+      "learning_rate": 6.91358024691358e-05,
+      "loss": 0.3736,
+      "step": 1070
+    },
+    {
+      "epoch": 2.38,
+      "grad_norm": 0.2080947309732437,
+      "learning_rate": 6.888888888888888e-05,
+      "loss": 0.4641,
+      "step": 1071
+    },
+    {
+      "epoch": 2.3822222222222225,
+      "grad_norm": 0.30166974663734436,
+      "learning_rate": 6.864197530864196e-05,
+      "loss": 0.4638,
+      "step": 1072
+    },
+    {
+      "epoch": 2.3844444444444446,
+      "grad_norm": 0.26328030228614807,
+      "learning_rate": 6.839506172839506e-05,
+      "loss": 0.4308,
+      "step": 1073
+    },
+    {
+      "epoch": 2.3866666666666667,
+      "grad_norm": 0.3249216675758362,
+      "learning_rate": 6.814814814814814e-05,
+      "loss": 0.464,
+      "step": 1074
+    },
+    {
+      "epoch": 2.388888888888889,
+      "grad_norm": 0.2710109353065491,
+      "learning_rate": 6.790123456790122e-05,
+      "loss": 0.4386,
+      "step": 1075
+    },
+    {
+      "epoch": 2.391111111111111,
+      "grad_norm": 0.23786287009716034,
+      "learning_rate": 6.765432098765432e-05,
+      "loss": 0.4537,
+      "step": 1076
+    },
+    {
+      "epoch": 2.3933333333333335,
+      "grad_norm": 0.34233614802360535,
+      "learning_rate": 6.74074074074074e-05,
+      "loss": 0.6262,
+      "step": 1077
+    },
+    {
+      "epoch": 2.3955555555555557,
+      "grad_norm": 0.2548952102661133,
+      "learning_rate": 6.716049382716049e-05,
+      "loss": 0.327,
+      "step": 1078
+    },
+    {
+      "epoch": 2.397777777777778,
+      "grad_norm": 0.3713803291320801,
+      "learning_rate": 6.691358024691357e-05,
+      "loss": 0.5425,
+      "step": 1079
+    },
+    {
+      "epoch": 2.4,
+      "grad_norm": 0.21818594634532928,
+      "learning_rate": 6.666666666666666e-05,
+      "loss": 0.4152,
+      "step": 1080
+    },
+    {
+      "epoch": 2.402222222222222,
+      "grad_norm": 0.23173841834068298,
+      "learning_rate": 6.641975308641975e-05,
+      "loss": 0.4905,
+      "step": 1081
+    },
+    {
+      "epoch": 2.4044444444444446,
+      "grad_norm": 0.2621210515499115,
+      "learning_rate": 6.617283950617283e-05,
+      "loss": 0.5208,
+      "step": 1082
+    },
+    {
+      "epoch": 2.4066666666666667,
+      "grad_norm": 0.3177223801612854,
+      "learning_rate": 6.592592592592591e-05,
+      "loss": 0.489,
+      "step": 1083
+    },
+    {
+      "epoch": 2.408888888888889,
+      "grad_norm": 0.2511189579963684,
+      "learning_rate": 6.567901234567901e-05,
+      "loss": 0.4022,
+      "step": 1084
+    },
+    {
+      "epoch": 2.411111111111111,
+      "grad_norm": 0.20931217074394226,
+      "learning_rate": 6.543209876543209e-05,
+      "loss": 0.4887,
+      "step": 1085
+    },
+    {
+      "epoch": 2.413333333333333,
+      "grad_norm": 0.2349865883588791,
+      "learning_rate": 6.518518518518517e-05,
+      "loss": 0.3361,
+      "step": 1086
+    },
+    {
+      "epoch": 2.4155555555555557,
+      "grad_norm": 0.2636266052722931,
+      "learning_rate": 6.493827160493827e-05,
+      "loss": 0.397,
+      "step": 1087
+    },
+    {
+      "epoch": 2.417777777777778,
+      "grad_norm": 0.23005585372447968,
+      "learning_rate": 6.469135802469135e-05,
+      "loss": 0.4901,
+      "step": 1088
+    },
+    {
+      "epoch": 2.42,
+      "grad_norm": 0.22328707575798035,
+      "learning_rate": 6.444444444444444e-05,
+      "loss": 0.4861,
+      "step": 1089
+    },
+    {
+      "epoch": 2.422222222222222,
+      "grad_norm": 0.26818522810935974,
+      "learning_rate": 6.419753086419753e-05,
+      "loss": 0.4856,
+      "step": 1090
+    },
+    {
+      "epoch": 2.4244444444444446,
+      "grad_norm": 0.25317078828811646,
+      "learning_rate": 6.395061728395061e-05,
+      "loss": 0.5472,
+      "step": 1091
+    },
+    {
+      "epoch": 2.4266666666666667,
+      "grad_norm": 0.23745451867580414,
+      "learning_rate": 6.37037037037037e-05,
+      "loss": 0.4735,
+      "step": 1092
+    },
+    {
+      "epoch": 2.428888888888889,
+      "grad_norm": 0.282027006149292,
+      "learning_rate": 6.345679012345678e-05,
+      "loss": 0.4989,
+      "step": 1093
+    },
+    {
+      "epoch": 2.431111111111111,
+      "grad_norm": 0.25692251324653625,
+      "learning_rate": 6.320987654320987e-05,
+      "loss": 0.3712,
+      "step": 1094
+    },
+    {
+      "epoch": 2.4333333333333336,
+      "grad_norm": 0.29228779673576355,
+      "learning_rate": 6.296296296296295e-05,
+      "loss": 0.4607,
+      "step": 1095
+    },
+    {
+      "epoch": 2.4355555555555557,
+      "grad_norm": 0.281011700630188,
+      "learning_rate": 6.271604938271604e-05,
+      "loss": 0.5867,
+      "step": 1096
+    },
+    {
+      "epoch": 2.437777777777778,
+      "grad_norm": 0.2752225399017334,
+      "learning_rate": 6.246913580246912e-05,
+      "loss": 0.6769,
+      "step": 1097
+    },
+    {
+      "epoch": 2.44,
+      "grad_norm": 0.2541247010231018,
+      "learning_rate": 6.222222222222222e-05,
+      "loss": 0.4304,
+      "step": 1098
+    },
+    {
+      "epoch": 2.442222222222222,
+      "grad_norm": 0.335610032081604,
+      "learning_rate": 6.19753086419753e-05,
+      "loss": 0.581,
+      "step": 1099
+    },
+    {
+      "epoch": 2.4444444444444446,
+      "grad_norm": 0.24239715933799744,
+      "learning_rate": 6.17283950617284e-05,
+      "loss": 0.6073,
+      "step": 1100
+    },
+    {
+      "epoch": 2.4466666666666668,
+      "grad_norm": 0.21203555166721344,
+      "learning_rate": 6.148148148148148e-05,
+      "loss": 0.3798,
+      "step": 1101
+    },
+    {
+      "epoch": 2.448888888888889,
+      "grad_norm": 0.24926935136318207,
+      "learning_rate": 6.123456790123456e-05,
+      "loss": 0.4079,
+      "step": 1102
+    },
+    {
+      "epoch": 2.451111111111111,
+      "grad_norm": 0.2610824704170227,
+      "learning_rate": 6.0987654320987655e-05,
+      "loss": 0.4797,
+      "step": 1103
+    },
+    {
+      "epoch": 2.453333333333333,
+      "grad_norm": 0.32437193393707275,
+      "learning_rate": 6.0740740740740736e-05,
+      "loss": 0.603,
+      "step": 1104
+    },
+    {
+      "epoch": 2.4555555555555557,
+      "grad_norm": 0.26519477367401123,
+      "learning_rate": 6.049382716049382e-05,
+      "loss": 0.4826,
+      "step": 1105
+    },
+    {
+      "epoch": 2.457777777777778,
+      "grad_norm": 0.20365409553050995,
+      "learning_rate": 6.0246913580246906e-05,
+      "loss": 0.561,
+      "step": 1106
+    },
+    {
+      "epoch": 2.46,
+      "grad_norm": 0.28684762120246887,
+      "learning_rate": 5.9999999999999995e-05,
+      "loss": 0.3947,
+      "step": 1107
+    },
+    {
+      "epoch": 2.462222222222222,
+      "grad_norm": 0.307925283908844,
+      "learning_rate": 5.975308641975308e-05,
+      "loss": 0.439,
+      "step": 1108
+    },
+    {
+      "epoch": 2.464444444444444,
+      "grad_norm": 0.544221818447113,
+      "learning_rate": 5.9506172839506165e-05,
+      "loss": 0.653,
+      "step": 1109
+    },
+    {
+      "epoch": 2.466666666666667,
+      "grad_norm": 0.23246723413467407,
+      "learning_rate": 5.925925925925925e-05,
+      "loss": 0.456,
+      "step": 1110
+    },
+    {
+      "epoch": 2.468888888888889,
+      "grad_norm": 0.2787330746650696,
+      "learning_rate": 5.901234567901234e-05,
+      "loss": 0.5098,
+      "step": 1111
+    },
+    {
+      "epoch": 2.471111111111111,
+      "grad_norm": 0.28684481978416443,
+      "learning_rate": 5.876543209876543e-05,
+      "loss": 0.4113,
+      "step": 1112
+    },
+    {
+      "epoch": 2.473333333333333,
+      "grad_norm": 0.23598532378673553,
+      "learning_rate": 5.851851851851851e-05,
+      "loss": 0.5585,
+      "step": 1113
+    },
+    {
+      "epoch": 2.4755555555555557,
+      "grad_norm": 0.2952817380428314,
+      "learning_rate": 5.827160493827159e-05,
+      "loss": 0.3541,
+      "step": 1114
+    },
+    {
+      "epoch": 2.477777777777778,
+      "grad_norm": 0.32788899540901184,
+      "learning_rate": 5.802469135802469e-05,
+      "loss": 0.4761,
+      "step": 1115
+    },
+    {
+      "epoch": 2.48,
+      "grad_norm": 0.3333885371685028,
+      "learning_rate": 5.777777777777777e-05,
+      "loss": 0.4581,
+      "step": 1116
+    },
+    {
+      "epoch": 2.482222222222222,
+      "grad_norm": 0.26001429557800293,
+      "learning_rate": 5.753086419753086e-05,
+      "loss": 0.4135,
+      "step": 1117
+    },
+    {
+      "epoch": 2.4844444444444447,
+      "grad_norm": 0.23974114656448364,
+      "learning_rate": 5.7283950617283946e-05,
+      "loss": 0.453,
+      "step": 1118
+    },
+    {
+      "epoch": 2.486666666666667,
+      "grad_norm": 0.22656071186065674,
+      "learning_rate": 5.7037037037037035e-05,
+      "loss": 0.4823,
+      "step": 1119
+    },
+    {
+      "epoch": 2.488888888888889,
+      "grad_norm": 0.23035010695457458,
+      "learning_rate": 5.6790123456790116e-05,
+      "loss": 0.4934,
+      "step": 1120
+    },
+    {
+      "epoch": 2.491111111111111,
+      "grad_norm": 0.2547858953475952,
+      "learning_rate": 5.6543209876543205e-05,
+      "loss": 0.4803,
+      "step": 1121
+    },
+    {
+      "epoch": 2.493333333333333,
+      "grad_norm": 0.2811505198478699,
+      "learning_rate": 5.629629629629629e-05,
+      "loss": 0.4191,
+      "step": 1122
+    },
+    {
+      "epoch": 2.4955555555555557,
+      "grad_norm": 0.21262358129024506,
+      "learning_rate": 5.604938271604938e-05,
+      "loss": 0.3076,
+      "step": 1123
+    },
+    {
+      "epoch": 2.497777777777778,
+      "grad_norm": 0.25532275438308716,
+      "learning_rate": 5.580246913580246e-05,
+      "loss": 0.483,
+      "step": 1124
+    },
+    {
+      "epoch": 2.5,
+      "grad_norm": 0.35907822847366333,
+      "learning_rate": 5.5555555555555545e-05,
+      "loss": 0.4565,
+      "step": 1125
+    },
+    {
+      "epoch": 2.502222222222222,
+      "grad_norm": 0.29786059260368347,
+      "learning_rate": 5.530864197530864e-05,
+      "loss": 0.5644,
+      "step": 1126
+    },
+    {
+      "epoch": 2.5044444444444443,
+      "grad_norm": 0.5043703317642212,
+      "learning_rate": 5.506172839506172e-05,
+      "loss": 0.4025,
+      "step": 1127
+    },
+    {
+      "epoch": 2.506666666666667,
+      "grad_norm": 0.28630611300468445,
+      "learning_rate": 5.481481481481481e-05,
+      "loss": 0.4528,
+      "step": 1128
+    },
+    {
+      "epoch": 2.508888888888889,
+      "grad_norm": 0.23132245242595673,
+      "learning_rate": 5.456790123456789e-05,
+      "loss": 0.5073,
+      "step": 1129
+    },
+    {
+      "epoch": 2.511111111111111,
+      "grad_norm": 0.2920343279838562,
+      "learning_rate": 5.4320987654320986e-05,
+      "loss": 0.4471,
+      "step": 1130
+    },
+    {
+      "epoch": 2.513333333333333,
+      "grad_norm": 0.22276970744132996,
+      "learning_rate": 5.407407407407407e-05,
+      "loss": 0.4888,
+      "step": 1131
+    },
+    {
+      "epoch": 2.5155555555555553,
+      "grad_norm": 0.21300071477890015,
+      "learning_rate": 5.3827160493827156e-05,
+      "loss": 0.4099,
+      "step": 1132
+    },
+    {
+      "epoch": 2.517777777777778,
+      "grad_norm": 0.2129749357700348,
+      "learning_rate": 5.358024691358024e-05,
+      "loss": 0.4451,
+      "step": 1133
+    },
+    {
+      "epoch": 2.52,
+      "grad_norm": 0.26365357637405396,
+      "learning_rate": 5.333333333333333e-05,
+      "loss": 0.3659,
+      "step": 1134
+    },
+    {
+      "epoch": 2.522222222222222,
+      "grad_norm": 0.2541384994983673,
+      "learning_rate": 5.3086419753086415e-05,
+      "loss": 0.3353,
+      "step": 1135
+    },
+    {
+      "epoch": 2.5244444444444447,
+      "grad_norm": 0.2970863878726959,
+      "learning_rate": 5.2839506172839496e-05,
+      "loss": 0.4897,
+      "step": 1136
+    },
+    {
+      "epoch": 2.5266666666666664,
+      "grad_norm": 0.24692222476005554,
+      "learning_rate": 5.259259259259259e-05,
+      "loss": 0.392,
+      "step": 1137
+    },
+    {
+      "epoch": 2.528888888888889,
+      "grad_norm": 0.29498088359832764,
+      "learning_rate": 5.234567901234567e-05,
+      "loss": 0.5025,
+      "step": 1138
+    },
+    {
+      "epoch": 2.531111111111111,
+      "grad_norm": 0.2868523895740509,
+      "learning_rate": 5.209876543209876e-05,
+      "loss": 0.402,
+      "step": 1139
+    },
+    {
+      "epoch": 2.533333333333333,
+      "grad_norm": 0.2951558828353882,
+      "learning_rate": 5.185185185185184e-05,
+      "loss": 0.464,
+      "step": 1140
+    },
+    {
+      "epoch": 2.535555555555556,
+      "grad_norm": 0.24855990707874298,
+      "learning_rate": 5.160493827160494e-05,
+      "loss": 0.4004,
+      "step": 1141
+    },
+    {
+      "epoch": 2.537777777777778,
+      "grad_norm": 0.2685883939266205,
+      "learning_rate": 5.135802469135802e-05,
+      "loss": 0.3987,
+      "step": 1142
+    },
+    {
+      "epoch": 2.54,
+      "grad_norm": 0.2569471001625061,
+      "learning_rate": 5.111111111111111e-05,
+      "loss": 0.5368,
+      "step": 1143
+    },
+    {
+      "epoch": 2.542222222222222,
+      "grad_norm": 0.2672557830810547,
+      "learning_rate": 5.086419753086419e-05,
+      "loss": 0.4106,
+      "step": 1144
+    },
+    {
+      "epoch": 2.5444444444444443,
+      "grad_norm": 0.2457388937473297,
+      "learning_rate": 5.0617283950617285e-05,
+      "loss": 0.4327,
+      "step": 1145
+    },
+    {
+      "epoch": 2.546666666666667,
+      "grad_norm": 0.26166629791259766,
+      "learning_rate": 5.0370370370370366e-05,
+      "loss": 0.4788,
+      "step": 1146
+    },
+    {
+      "epoch": 2.548888888888889,
+      "grad_norm": 0.25557467341423035,
+      "learning_rate": 5.012345679012345e-05,
+      "loss": 0.4385,
+      "step": 1147
+    },
+    {
+      "epoch": 2.551111111111111,
+      "grad_norm": 0.29093366861343384,
+      "learning_rate": 4.9876543209876536e-05,
+      "loss": 0.4746,
+      "step": 1148
+    },
+    {
+      "epoch": 2.5533333333333332,
+      "grad_norm": 0.2758121192455292,
+      "learning_rate": 4.9629629629629625e-05,
+      "loss": 0.4468,
+      "step": 1149
+    },
+    {
+      "epoch": 2.5555555555555554,
+      "grad_norm": 0.23853829503059387,
+      "learning_rate": 4.938271604938271e-05,
+      "loss": 0.5304,
+      "step": 1150
+    },
+    {
+      "epoch": 2.557777777777778,
+      "grad_norm": 0.27525413036346436,
+      "learning_rate": 4.9135802469135795e-05,
+      "loss": 0.464,
+      "step": 1151
+    },
+    {
+      "epoch": 2.56,
+      "grad_norm": 0.22877416014671326,
+      "learning_rate": 4.888888888888889e-05,
+      "loss": 0.489,
+      "step": 1152
+    },
+    {
+      "epoch": 2.562222222222222,
+      "grad_norm": 0.2996022403240204,
+      "learning_rate": 4.864197530864197e-05,
+      "loss": 0.4299,
+      "step": 1153
+    },
+    {
+      "epoch": 2.5644444444444443,
+      "grad_norm": 0.3242427706718445,
+      "learning_rate": 4.839506172839506e-05,
+      "loss": 0.4783,
+      "step": 1154
+    },
+    {
+      "epoch": 2.5666666666666664,
+      "grad_norm": 0.26138418912887573,
+      "learning_rate": 4.814814814814814e-05,
+      "loss": 0.402,
+      "step": 1155
+    },
+    {
+      "epoch": 2.568888888888889,
+      "grad_norm": 0.2434043437242508,
+      "learning_rate": 4.7901234567901237e-05,
+      "loss": 0.4271,
+      "step": 1156
+    },
+    {
+      "epoch": 2.571111111111111,
+      "grad_norm": 0.31792590022087097,
+      "learning_rate": 4.765432098765432e-05,
+      "loss": 0.5864,
+      "step": 1157
+    },
+    {
+      "epoch": 2.5733333333333333,
+      "grad_norm": 0.2542998790740967,
+      "learning_rate": 4.74074074074074e-05,
+      "loss": 0.4059,
+      "step": 1158
+    },
+    {
+      "epoch": 2.575555555555556,
+      "grad_norm": 0.2536453604698181,
+      "learning_rate": 4.716049382716049e-05,
+      "loss": 0.5285,
+      "step": 1159
+    },
+    {
+      "epoch": 2.5777777777777775,
+      "grad_norm": 0.2503916025161743,
+      "learning_rate": 4.6913580246913576e-05,
+      "loss": 0.3913,
+      "step": 1160
+    },
+    {
+      "epoch": 2.58,
+      "grad_norm": 0.279352068901062,
+      "learning_rate": 4.6666666666666665e-05,
+      "loss": 0.5062,
+      "step": 1161
+    },
+    {
+      "epoch": 2.582222222222222,
+      "grad_norm": 0.20147022604942322,
+      "learning_rate": 4.6419753086419746e-05,
+      "loss": 0.4216,
+      "step": 1162
+    },
+    {
+      "epoch": 2.5844444444444443,
+      "grad_norm": 0.2574199438095093,
+      "learning_rate": 4.6172839506172835e-05,
+      "loss": 0.5535,
+      "step": 1163
+    },
+    {
+      "epoch": 2.586666666666667,
+      "grad_norm": 0.255137175321579,
+      "learning_rate": 4.592592592592592e-05,
+      "loss": 0.4969,
+      "step": 1164
+    },
+    {
+      "epoch": 2.588888888888889,
+      "grad_norm": 0.32849064469337463,
+      "learning_rate": 4.567901234567901e-05,
+      "loss": 0.5328,
+      "step": 1165
+    },
+    {
+      "epoch": 2.591111111111111,
+      "grad_norm": 0.28691333532333374,
+      "learning_rate": 4.543209876543209e-05,
+      "loss": 0.5298,
+      "step": 1166
+    },
+    {
+      "epoch": 2.5933333333333333,
+      "grad_norm": 0.2443169355392456,
+      "learning_rate": 4.518518518518519e-05,
+      "loss": 0.7071,
+      "step": 1167
+    },
+    {
+      "epoch": 2.5955555555555554,
+      "grad_norm": 0.3008064925670624,
+      "learning_rate": 4.493827160493827e-05,
+      "loss": 0.4355,
+      "step": 1168
+    },
+    {
+      "epoch": 2.597777777777778,
+      "grad_norm": 0.3086701035499573,
+      "learning_rate": 4.469135802469135e-05,
+      "loss": 0.4457,
+      "step": 1169
+    },
+    {
+      "epoch": 2.6,
+      "grad_norm": 0.2844820022583008,
+      "learning_rate": 4.444444444444444e-05,
+      "loss": 0.667,
+      "step": 1170
+    },
+    {
+      "epoch": 2.602222222222222,
+      "grad_norm": 0.22900676727294922,
+      "learning_rate": 4.419753086419753e-05,
+      "loss": 0.4843,
+      "step": 1171
+    },
+    {
+      "epoch": 2.6044444444444443,
+      "grad_norm": 0.26003748178482056,
+      "learning_rate": 4.3950617283950617e-05,
+      "loss": 0.426,
+      "step": 1172
+    },
+    {
+      "epoch": 2.6066666666666665,
+      "grad_norm": 0.2188059687614441,
+      "learning_rate": 4.37037037037037e-05,
+      "loss": 0.4291,
+      "step": 1173
+    },
+    {
+      "epoch": 2.608888888888889,
+      "grad_norm": 0.3383055627346039,
+      "learning_rate": 4.3456790123456786e-05,
+      "loss": 0.4128,
+      "step": 1174
+    },
+    {
+      "epoch": 2.611111111111111,
+      "grad_norm": 0.28404900431632996,
+      "learning_rate": 4.3209876543209875e-05,
+      "loss": 0.4426,
+      "step": 1175
+    },
+    {
+      "epoch": 2.6133333333333333,
+      "grad_norm": 0.35723522305488586,
+      "learning_rate": 4.296296296296296e-05,
+      "loss": 0.4899,
+      "step": 1176
+    },
+    {
+      "epoch": 2.6155555555555554,
+      "grad_norm": 0.29344046115875244,
+      "learning_rate": 4.2716049382716045e-05,
+      "loss": 0.4731,
+      "step": 1177
+    },
+    {
+      "epoch": 2.6177777777777775,
+      "grad_norm": 0.2865029275417328,
+      "learning_rate": 4.2469135802469126e-05,
+      "loss": 0.3514,
+      "step": 1178
+    },
+    {
+      "epoch": 2.62,
+      "grad_norm": 0.24901816248893738,
+      "learning_rate": 4.222222222222222e-05,
+      "loss": 0.4674,
+      "step": 1179
+    },
+    {
+      "epoch": 2.6222222222222222,
+      "grad_norm": 0.31357455253601074,
+      "learning_rate": 4.19753086419753e-05,
+      "loss": 0.5031,
+      "step": 1180
+    },
+    {
+      "epoch": 2.6244444444444444,
+      "grad_norm": 0.3531203866004944,
+      "learning_rate": 4.172839506172839e-05,
+      "loss": 0.5071,
+      "step": 1181
+    },
+    {
+      "epoch": 2.626666666666667,
+      "grad_norm": 0.2576693594455719,
+      "learning_rate": 4.148148148148147e-05,
+      "loss": 0.5263,
+      "step": 1182
+    },
+    {
+      "epoch": 2.628888888888889,
+      "grad_norm": 0.2875922918319702,
+      "learning_rate": 4.123456790123457e-05,
+      "loss": 0.4736,
+      "step": 1183
+    },
+    {
+      "epoch": 2.631111111111111,
+      "grad_norm": 0.2582704722881317,
+      "learning_rate": 4.098765432098765e-05,
+      "loss": 0.5004,
+      "step": 1184
+    },
+    {
+      "epoch": 2.6333333333333333,
+      "grad_norm": 0.28706392645835876,
+      "learning_rate": 4.074074074074074e-05,
+      "loss": 0.3561,
+      "step": 1185
+    },
+    {
+      "epoch": 2.6355555555555554,
+      "grad_norm": 0.23754924535751343,
+      "learning_rate": 4.0493827160493827e-05,
+      "loss": 0.414,
+      "step": 1186
+    },
+    {
+      "epoch": 2.637777777777778,
+      "grad_norm": 0.2732125222682953,
+      "learning_rate": 4.0246913580246915e-05,
+      "loss": 0.4151,
+      "step": 1187
+    },
+    {
+      "epoch": 2.64,
+      "grad_norm": 0.23749655485153198,
+      "learning_rate": 3.9999999999999996e-05,
+      "loss": 0.4638,
+      "step": 1188
+    },
+    {
+      "epoch": 2.6422222222222222,
+      "grad_norm": 0.21151944994926453,
+      "learning_rate": 3.975308641975308e-05,
+      "loss": 0.3444,
+      "step": 1189
+    },
+    {
+      "epoch": 2.6444444444444444,
+      "grad_norm": 0.2611617147922516,
+      "learning_rate": 3.950617283950617e-05,
+      "loss": 0.5069,
+      "step": 1190
+    },
+    {
+      "epoch": 2.6466666666666665,
+      "grad_norm": 0.2559826672077179,
+      "learning_rate": 3.9259259259259255e-05,
+      "loss": 0.498,
+      "step": 1191
+    },
+    {
+      "epoch": 2.648888888888889,
+      "grad_norm": 0.3297974765300751,
+      "learning_rate": 3.901234567901234e-05,
+      "loss": 0.3908,
+      "step": 1192
+    },
+    {
+      "epoch": 2.651111111111111,
+      "grad_norm": 0.3367217481136322,
+      "learning_rate": 3.8765432098765425e-05,
+      "loss": 0.4256,
+      "step": 1193
+    },
+    {
+      "epoch": 2.6533333333333333,
+      "grad_norm": 0.24523089826107025,
+      "learning_rate": 3.851851851851852e-05,
+      "loss": 0.454,
+      "step": 1194
+    },
+    {
+      "epoch": 2.6555555555555554,
+      "grad_norm": 0.2197115421295166,
+      "learning_rate": 3.82716049382716e-05,
+      "loss": 0.5067,
+      "step": 1195
+    },
+    {
+      "epoch": 2.6577777777777776,
+      "grad_norm": 0.3590328097343445,
+      "learning_rate": 3.802469135802468e-05,
+      "loss": 0.3838,
+      "step": 1196
+    },
+    {
+      "epoch": 2.66,
+      "grad_norm": 0.25822263956069946,
+      "learning_rate": 3.777777777777777e-05,
+      "loss": 0.4362,
+      "step": 1197
+    },
+    {
+      "epoch": 2.6622222222222223,
+      "grad_norm": 0.24154570698738098,
+      "learning_rate": 3.7530864197530867e-05,
+      "loss": 0.4231,
+      "step": 1198
+    },
+    {
+      "epoch": 2.6644444444444444,
+      "grad_norm": 0.3014829754829407,
+      "learning_rate": 3.728395061728395e-05,
+      "loss": 0.548,
+      "step": 1199
+    },
+    {
+      "epoch": 2.6666666666666665,
+      "grad_norm": 0.23438327014446259,
+      "learning_rate": 3.703703703703703e-05,
+      "loss": 0.2957,
+      "step": 1200
+    },
+    {
+      "epoch": 2.6688888888888886,
+      "grad_norm": 0.28357598185539246,
+      "learning_rate": 3.679012345679012e-05,
+      "loss": 0.7384,
+      "step": 1201
+    },
+    {
+      "epoch": 2.671111111111111,
+      "grad_norm": 0.25190889835357666,
+      "learning_rate": 3.6543209876543207e-05,
+      "loss": 0.3769,
+      "step": 1202
+    },
+    {
+      "epoch": 2.6733333333333333,
+      "grad_norm": 0.25062295794487,
+      "learning_rate": 3.6296296296296295e-05,
+      "loss": 0.4993,
+      "step": 1203
+    },
+    {
+      "epoch": 2.6755555555555555,
+      "grad_norm": 0.3105320632457733,
+      "learning_rate": 3.604938271604938e-05,
+      "loss": 0.5487,
+      "step": 1204
+    },
+    {
+      "epoch": 2.677777777777778,
+      "grad_norm": 0.3144405782222748,
+      "learning_rate": 3.5802469135802465e-05,
+      "loss": 0.4473,
+      "step": 1205
+    },
+    {
+      "epoch": 2.68,
+      "grad_norm": 0.3181323707103729,
+      "learning_rate": 3.555555555555555e-05,
+      "loss": 0.478,
+      "step": 1206
+    },
+    {
+      "epoch": 2.6822222222222223,
+      "grad_norm": 0.21852333843708038,
+      "learning_rate": 3.5308641975308635e-05,
+      "loss": 0.4886,
+      "step": 1207
+    },
+    {
+      "epoch": 2.6844444444444444,
+      "grad_norm": 0.24893473088741302,
+      "learning_rate": 3.506172839506172e-05,
+      "loss": 0.3401,
+      "step": 1208
+    },
+    {
+      "epoch": 2.6866666666666665,
+      "grad_norm": 0.6770753264427185,
+      "learning_rate": 3.481481481481481e-05,
+      "loss": 0.382,
+      "step": 1209
+    },
+    {
+      "epoch": 2.688888888888889,
+      "grad_norm": 0.292156457901001,
+      "learning_rate": 3.45679012345679e-05,
+      "loss": 0.379,
+      "step": 1210
+    },
+    {
+      "epoch": 2.6911111111111112,
+      "grad_norm": 0.31315043568611145,
+      "learning_rate": 3.432098765432098e-05,
+      "loss": 0.402,
+      "step": 1211
+    },
+    {
+      "epoch": 2.6933333333333334,
+      "grad_norm": 0.29110002517700195,
+      "learning_rate": 3.407407407407407e-05,
+      "loss": 0.5616,
+      "step": 1212
+    },
+    {
+      "epoch": 2.6955555555555555,
+      "grad_norm": 0.29066193103790283,
+      "learning_rate": 3.382716049382716e-05,
+      "loss": 0.5119,
+      "step": 1213
+    },
+    {
+      "epoch": 2.6977777777777776,
+      "grad_norm": 0.25643596053123474,
+      "learning_rate": 3.3580246913580247e-05,
+      "loss": 0.4585,
+      "step": 1214
+    },
+    {
+      "epoch": 2.7,
+      "grad_norm": 0.23805151879787445,
+      "learning_rate": 3.333333333333333e-05,
+      "loss": 0.47,
+      "step": 1215
+    },
+    {
+      "epoch": 2.7022222222222223,
+      "grad_norm": 0.300931453704834,
+      "learning_rate": 3.3086419753086417e-05,
+      "loss": 0.4589,
+      "step": 1216
+    },
+    {
+      "epoch": 2.7044444444444444,
+      "grad_norm": 0.2649901807308197,
+      "learning_rate": 3.2839506172839505e-05,
+      "loss": 0.4979,
+      "step": 1217
+    },
+    {
+      "epoch": 2.7066666666666666,
+      "grad_norm": 0.2810843884944916,
+      "learning_rate": 3.2592592592592586e-05,
+      "loss": 0.5062,
+      "step": 1218
+    },
+    {
+      "epoch": 2.7088888888888887,
+      "grad_norm": 0.27211225032806396,
+      "learning_rate": 3.2345679012345675e-05,
+      "loss": 0.4575,
+      "step": 1219
+    },
+    {
+      "epoch": 2.7111111111111112,
+      "grad_norm": 0.28907597064971924,
+      "learning_rate": 3.209876543209876e-05,
+      "loss": 0.376,
+      "step": 1220
+    },
+    {
+      "epoch": 2.7133333333333334,
+      "grad_norm": 0.31166574358940125,
+      "learning_rate": 3.185185185185185e-05,
+      "loss": 0.5869,
+      "step": 1221
+    },
+    {
+      "epoch": 2.7155555555555555,
+      "grad_norm": 0.27895674109458923,
+      "learning_rate": 3.160493827160493e-05,
+      "loss": 0.5236,
+      "step": 1222
+    },
+    {
+      "epoch": 2.7177777777777776,
+      "grad_norm": 0.41477781534194946,
+      "learning_rate": 3.135802469135802e-05,
+      "loss": 0.5468,
+      "step": 1223
+    },
+    {
+      "epoch": 2.7199999999999998,
+      "grad_norm": 0.2354549616575241,
+      "learning_rate": 3.111111111111111e-05,
+      "loss": 0.3541,
+      "step": 1224
+    },
+    {
+      "epoch": 2.7222222222222223,
+      "grad_norm": 0.2622091472148895,
+      "learning_rate": 3.08641975308642e-05,
+      "loss": 0.5945,
+      "step": 1225
+    },
+    {
+      "epoch": 2.7244444444444444,
+      "grad_norm": 0.2661958634853363,
+      "learning_rate": 3.061728395061728e-05,
+      "loss": 0.4496,
+      "step": 1226
+    },
+    {
+      "epoch": 2.7266666666666666,
+      "grad_norm": 0.1839124858379364,
+      "learning_rate": 3.0370370370370368e-05,
+      "loss": 0.4761,
+      "step": 1227
+    },
+    {
+      "epoch": 2.728888888888889,
+      "grad_norm": 0.21911154687404633,
+      "learning_rate": 3.0123456790123453e-05,
+      "loss": 0.4264,
+      "step": 1228
+    },
+    {
+      "epoch": 2.7311111111111113,
+      "grad_norm": 0.3091849386692047,
+      "learning_rate": 2.987654320987654e-05,
+      "loss": 0.4087,
+      "step": 1229
+    },
+    {
+      "epoch": 2.7333333333333334,
+      "grad_norm": 0.2811782956123352,
+      "learning_rate": 2.9629629629629627e-05,
+      "loss": 0.4906,
+      "step": 1230
+    },
+    {
+      "epoch": 2.7355555555555555,
+      "grad_norm": 0.27253296971321106,
+      "learning_rate": 2.9382716049382715e-05,
+      "loss": 0.5261,
+      "step": 1231
+    },
+    {
+      "epoch": 2.7377777777777776,
+      "grad_norm": 0.29757750034332275,
+      "learning_rate": 2.9135802469135796e-05,
+      "loss": 0.6007,
+      "step": 1232
+    },
+    {
+      "epoch": 2.74,
+      "grad_norm": 0.3162846565246582,
+      "learning_rate": 2.8888888888888885e-05,
+      "loss": 0.4949,
+      "step": 1233
+    },
+    {
+      "epoch": 2.7422222222222223,
+      "grad_norm": 0.2618942856788635,
+      "learning_rate": 2.8641975308641973e-05,
+      "loss": 0.4121,
+      "step": 1234
+    },
+    {
+      "epoch": 2.7444444444444445,
+      "grad_norm": 0.24067893624305725,
+      "learning_rate": 2.8395061728395058e-05,
+      "loss": 0.4042,
+      "step": 1235
+    },
+    {
+      "epoch": 2.7466666666666666,
+      "grad_norm": 0.3019217252731323,
+      "learning_rate": 2.8148148148148147e-05,
+      "loss": 0.4992,
+      "step": 1236
+    },
+    {
+      "epoch": 2.7488888888888887,
+      "grad_norm": 0.21723076701164246,
+      "learning_rate": 2.790123456790123e-05,
+      "loss": 0.4366,
+      "step": 1237
+    },
+    {
+      "epoch": 2.7511111111111113,
+      "grad_norm": 0.34433475136756897,
+      "learning_rate": 2.765432098765432e-05,
+      "loss": 0.3907,
+      "step": 1238
+    },
+    {
+      "epoch": 2.7533333333333334,
+      "grad_norm": 0.23262938857078552,
+      "learning_rate": 2.7407407407407405e-05,
+      "loss": 0.4287,
+      "step": 1239
+    },
+    {
+      "epoch": 2.7555555555555555,
+      "grad_norm": 0.2457321286201477,
+      "learning_rate": 2.7160493827160493e-05,
+      "loss": 0.2756,
+      "step": 1240
+    },
+    {
+      "epoch": 2.7577777777777777,
+      "grad_norm": 0.27166110277175903,
+      "learning_rate": 2.6913580246913578e-05,
+      "loss": 0.4958,
+      "step": 1241
+    },
+    {
+      "epoch": 2.76,
+      "grad_norm": 0.41035521030426025,
+      "learning_rate": 2.6666666666666667e-05,
+      "loss": 0.3064,
+      "step": 1242
+    },
+    {
+      "epoch": 2.7622222222222224,
+      "grad_norm": 0.23718339204788208,
+      "learning_rate": 2.6419753086419748e-05,
+      "loss": 0.4731,
+      "step": 1243
+    },
+    {
+      "epoch": 2.7644444444444445,
+      "grad_norm": 0.4064386188983917,
+      "learning_rate": 2.6172839506172837e-05,
+      "loss": 0.3994,
+      "step": 1244
+    },
+    {
+      "epoch": 2.7666666666666666,
+      "grad_norm": 0.1951911300420761,
+      "learning_rate": 2.592592592592592e-05,
+      "loss": 0.4474,
+      "step": 1245
+    },
+    {
+      "epoch": 2.7688888888888887,
+      "grad_norm": 0.21489310264587402,
+      "learning_rate": 2.567901234567901e-05,
+      "loss": 0.4107,
+      "step": 1246
+    },
+    {
+      "epoch": 2.771111111111111,
+      "grad_norm": 0.20124374330043793,
+      "learning_rate": 2.5432098765432095e-05,
+      "loss": 0.4534,
+      "step": 1247
+    },
+    {
+      "epoch": 2.7733333333333334,
+      "grad_norm": 0.33558300137519836,
+      "learning_rate": 2.5185185185185183e-05,
+      "loss": 0.451,
+      "step": 1248
+    },
+    {
+      "epoch": 2.7755555555555556,
+      "grad_norm": 0.24915766716003418,
+      "learning_rate": 2.4938271604938268e-05,
+      "loss": 0.3313,
+      "step": 1249
+    },
+    {
+      "epoch": 2.7777777777777777,
+      "grad_norm": 0.18676912784576416,
+      "learning_rate": 2.4691358024691357e-05,
+      "loss": 0.5069,
+      "step": 1250
+    },
+    {
+      "epoch": 2.7800000000000002,
+      "grad_norm": 0.3069996237754822,
+      "learning_rate": 2.4444444444444445e-05,
+      "loss": 0.4469,
+      "step": 1251
+    },
+    {
+      "epoch": 2.7822222222222224,
+      "grad_norm": 0.35303255915641785,
+      "learning_rate": 2.419753086419753e-05,
+      "loss": 0.6305,
+      "step": 1252
+    },
+    {
+      "epoch": 2.7844444444444445,
+      "grad_norm": 0.24550585448741913,
+      "learning_rate": 2.3950617283950618e-05,
+      "loss": 0.3975,
+      "step": 1253
+    },
+    {
+      "epoch": 2.7866666666666666,
+      "grad_norm": 0.2411435842514038,
+      "learning_rate": 2.37037037037037e-05,
+      "loss": 0.4139,
+      "step": 1254
+    },
+    {
+      "epoch": 2.7888888888888888,
+      "grad_norm": 0.34191983938217163,
+      "learning_rate": 2.3456790123456788e-05,
+      "loss": 0.5396,
+      "step": 1255
+    },
+    {
+      "epoch": 2.7911111111111113,
+      "grad_norm": 0.23888371884822845,
+      "learning_rate": 2.3209876543209873e-05,
+      "loss": 0.4926,
+      "step": 1256
+    },
+    {
+      "epoch": 2.7933333333333334,
+      "grad_norm": 0.19129949808120728,
+      "learning_rate": 2.296296296296296e-05,
+      "loss": 0.4754,
+      "step": 1257
+    },
+    {
+      "epoch": 2.7955555555555556,
+      "grad_norm": 0.2999621033668518,
+      "learning_rate": 2.2716049382716047e-05,
+      "loss": 0.6211,
+      "step": 1258
+    },
+    {
+      "epoch": 2.7977777777777777,
+      "grad_norm": 0.31490370631217957,
+      "learning_rate": 2.2469135802469135e-05,
+      "loss": 0.4823,
+      "step": 1259
+    },
+    {
+      "epoch": 2.8,
+      "grad_norm": 0.2625960409641266,
+      "learning_rate": 2.222222222222222e-05,
+      "loss": 0.5804,
+      "step": 1260
+    },
+    {
+      "epoch": 2.8022222222222224,
+      "grad_norm": 0.2711751163005829,
+      "learning_rate": 2.1975308641975308e-05,
+      "loss": 0.4685,
+      "step": 1261
+    },
+    {
+      "epoch": 2.8044444444444445,
+      "grad_norm": 0.2509281039237976,
+      "learning_rate": 2.1728395061728393e-05,
+      "loss": 0.54,
+      "step": 1262
+    },
+    {
+      "epoch": 2.8066666666666666,
+      "grad_norm": 0.24419257044792175,
+      "learning_rate": 2.148148148148148e-05,
+      "loss": 0.6527,
+      "step": 1263
+    },
+    {
+      "epoch": 2.8088888888888888,
+      "grad_norm": 0.26806503534317017,
+      "learning_rate": 2.1234567901234563e-05,
+      "loss": 0.4227,
+      "step": 1264
+    },
+    {
+      "epoch": 2.811111111111111,
+      "grad_norm": 0.24897365272045135,
+      "learning_rate": 2.098765432098765e-05,
+      "loss": 0.3335,
+      "step": 1265
+    },
+    {
+      "epoch": 2.8133333333333335,
+      "grad_norm": 0.21197307109832764,
+      "learning_rate": 2.0740740740740737e-05,
+      "loss": 0.3434,
+      "step": 1266
+    },
+    {
+      "epoch": 2.8155555555555556,
+      "grad_norm": 0.25956013798713684,
+      "learning_rate": 2.0493827160493825e-05,
+      "loss": 0.4276,
+      "step": 1267
+    },
+    {
+      "epoch": 2.8177777777777777,
+      "grad_norm": 0.25997549295425415,
+      "learning_rate": 2.0246913580246913e-05,
+      "loss": 0.3793,
+      "step": 1268
+    },
+    {
+      "epoch": 2.82,
+      "grad_norm": 0.3059636056423187,
+      "learning_rate": 1.9999999999999998e-05,
+      "loss": 0.381,
+      "step": 1269
+    },
+    {
+      "epoch": 2.822222222222222,
+      "grad_norm": 0.22168779373168945,
+      "learning_rate": 1.9753086419753087e-05,
+      "loss": 0.4418,
+      "step": 1270
+    },
+    {
+      "epoch": 2.8244444444444445,
+      "grad_norm": 0.26615574955940247,
+      "learning_rate": 1.950617283950617e-05,
+      "loss": 0.4083,
+      "step": 1271
+    },
+    {
+      "epoch": 2.8266666666666667,
+      "grad_norm": 0.2455672025680542,
+      "learning_rate": 1.925925925925926e-05,
+      "loss": 0.4181,
+      "step": 1272
+    },
+    {
+      "epoch": 2.828888888888889,
+      "grad_norm": 0.2567649483680725,
+      "learning_rate": 1.901234567901234e-05,
+      "loss": 0.5391,
+      "step": 1273
+    },
+    {
+      "epoch": 2.8311111111111114,
+      "grad_norm": 0.2008361965417862,
+      "learning_rate": 1.8765432098765433e-05,
+      "loss": 0.3542,
+      "step": 1274
+    },
+    {
+      "epoch": 2.8333333333333335,
+      "grad_norm": 0.29503872990608215,
+      "learning_rate": 1.8518518518518515e-05,
+      "loss": 0.3966,
+      "step": 1275
+    },
+    {
+      "epoch": 2.8355555555555556,
+      "grad_norm": 0.29749149084091187,
+      "learning_rate": 1.8271604938271603e-05,
+      "loss": 0.5504,
+      "step": 1276
+    },
+    {
+      "epoch": 2.8377777777777777,
+      "grad_norm": 0.78473299741745,
+      "learning_rate": 1.802469135802469e-05,
+      "loss": 0.3548,
+      "step": 1277
+    },
+    {
+      "epoch": 2.84,
+      "grad_norm": 0.3943696618080139,
+      "learning_rate": 1.7777777777777777e-05,
+      "loss": 0.4358,
+      "step": 1278
+    },
+    {
+      "epoch": 2.8422222222222224,
+      "grad_norm": 0.3001830279827118,
+      "learning_rate": 1.753086419753086e-05,
+      "loss": 0.4179,
+      "step": 1279
+    },
+    {
+      "epoch": 2.8444444444444446,
+      "grad_norm": 0.33909693360328674,
+      "learning_rate": 1.728395061728395e-05,
+      "loss": 0.4276,
+      "step": 1280
+    },
+    {
+      "epoch": 2.8466666666666667,
+      "grad_norm": 0.33997949957847595,
+      "learning_rate": 1.7037037037037035e-05,
+      "loss": 0.4834,
+      "step": 1281
+    },
+    {
+      "epoch": 2.848888888888889,
+      "grad_norm": 0.24325981736183167,
+      "learning_rate": 1.6790123456790123e-05,
+      "loss": 0.4327,
+      "step": 1282
+    },
+    {
+      "epoch": 2.851111111111111,
+      "grad_norm": 0.26005110144615173,
+      "learning_rate": 1.6543209876543208e-05,
+      "loss": 0.4714,
+      "step": 1283
+    },
+    {
+      "epoch": 2.8533333333333335,
+      "grad_norm": 0.34214770793914795,
+      "learning_rate": 1.6296296296296293e-05,
+      "loss": 0.4656,
+      "step": 1284
+    },
+    {
+      "epoch": 2.8555555555555556,
+      "grad_norm": 0.32353708148002625,
+      "learning_rate": 1.604938271604938e-05,
+      "loss": 0.4362,
+      "step": 1285
+    },
+    {
+      "epoch": 2.8577777777777778,
+      "grad_norm": 0.27080851793289185,
+      "learning_rate": 1.5802469135802467e-05,
+      "loss": 0.3997,
+      "step": 1286
+    },
+    {
+      "epoch": 2.86,
+      "grad_norm": 0.2615989148616791,
+      "learning_rate": 1.5555555555555555e-05,
+      "loss": 0.3359,
+      "step": 1287
+    },
+    {
+      "epoch": 2.862222222222222,
+      "grad_norm": 0.22018349170684814,
+      "learning_rate": 1.530864197530864e-05,
+      "loss": 0.3581,
+      "step": 1288
+    },
+    {
+      "epoch": 2.8644444444444446,
+      "grad_norm": 0.280860960483551,
+      "learning_rate": 1.5061728395061727e-05,
+      "loss": 0.4006,
+      "step": 1289
+    },
+    {
+      "epoch": 2.8666666666666667,
+      "grad_norm": 0.2675721049308777,
+      "learning_rate": 1.4814814814814813e-05,
+      "loss": 0.4196,
+      "step": 1290
+    },
+    {
+      "epoch": 2.868888888888889,
+      "grad_norm": 0.22121883928775787,
+      "learning_rate": 1.4567901234567898e-05,
+      "loss": 0.4088,
+      "step": 1291
+    },
+    {
+      "epoch": 2.871111111111111,
+      "grad_norm": 0.2731737196445465,
+      "learning_rate": 1.4320987654320987e-05,
+      "loss": 0.3216,
+      "step": 1292
+    },
+    {
+      "epoch": 2.873333333333333,
+      "grad_norm": 0.24813485145568848,
+      "learning_rate": 1.4074074074074073e-05,
+      "loss": 0.3485,
+      "step": 1293
+    },
+    {
+      "epoch": 2.8755555555555556,
+      "grad_norm": 0.2645670473575592,
+      "learning_rate": 1.382716049382716e-05,
+      "loss": 0.4655,
+      "step": 1294
+    },
+    {
+      "epoch": 2.8777777777777778,
+      "grad_norm": 0.2540053725242615,
+      "learning_rate": 1.3580246913580247e-05,
+      "loss": 0.368,
+      "step": 1295
+    },
+    {
+      "epoch": 2.88,
+      "grad_norm": 0.3078966736793518,
+      "learning_rate": 1.3333333333333333e-05,
+      "loss": 0.498,
+      "step": 1296
+    },
+    {
+      "epoch": 2.8822222222222225,
+      "grad_norm": 0.2583654224872589,
+      "learning_rate": 1.3086419753086418e-05,
+      "loss": 0.5326,
+      "step": 1297
+    },
+    {
+      "epoch": 2.8844444444444446,
+      "grad_norm": 0.2601797878742218,
+      "learning_rate": 1.2839506172839505e-05,
+      "loss": 0.4029,
+      "step": 1298
+    },
+    {
+      "epoch": 2.8866666666666667,
+      "grad_norm": 0.24041469395160675,
+      "learning_rate": 1.2592592592592592e-05,
+      "loss": 0.4195,
+      "step": 1299
+    },
+    {
+      "epoch": 2.888888888888889,
+      "grad_norm": 0.3383660316467285,
+      "learning_rate": 1.2345679012345678e-05,
+      "loss": 0.4559,
+      "step": 1300
+    },
+    {
+      "epoch": 2.891111111111111,
+      "grad_norm": 0.2917707860469818,
+      "learning_rate": 1.2098765432098765e-05,
+      "loss": 0.4998,
+      "step": 1301
+    },
+    {
+      "epoch": 2.8933333333333335,
+      "grad_norm": 0.29064223170280457,
+      "learning_rate": 1.185185185185185e-05,
+      "loss": 0.4735,
+      "step": 1302
+    },
+    {
+      "epoch": 2.8955555555555557,
+      "grad_norm": 0.28389549255371094,
+      "learning_rate": 1.1604938271604937e-05,
+      "loss": 0.5133,
+      "step": 1303
+    },
+    {
+      "epoch": 2.897777777777778,
+      "grad_norm": 0.2980717718601227,
+      "learning_rate": 1.1358024691358023e-05,
+      "loss": 0.5401,
+      "step": 1304
+    },
+    {
+      "epoch": 2.9,
+      "grad_norm": 0.24981656670570374,
+      "learning_rate": 1.111111111111111e-05,
+      "loss": 0.5033,
+      "step": 1305
+    },
+    {
+      "epoch": 2.902222222222222,
+      "grad_norm": 0.2664763331413269,
+      "learning_rate": 1.0864197530864197e-05,
+      "loss": 0.4684,
+      "step": 1306
+    },
+    {
+      "epoch": 2.9044444444444446,
+      "grad_norm": 0.277413547039032,
+      "learning_rate": 1.0617283950617282e-05,
+      "loss": 0.4596,
+      "step": 1307
+    },
+    {
+      "epoch": 2.9066666666666667,
+      "grad_norm": 0.2499413788318634,
+      "learning_rate": 1.0370370370370368e-05,
+      "loss": 0.3985,
+      "step": 1308
+    },
+    {
+      "epoch": 2.908888888888889,
+      "grad_norm": 0.2742132842540741,
+      "learning_rate": 1.0123456790123457e-05,
+      "loss": 0.5249,
+      "step": 1309
+    },
+    {
+      "epoch": 2.911111111111111,
+      "grad_norm": 0.24763798713684082,
+      "learning_rate": 9.876543209876543e-06,
+      "loss": 0.5399,
+      "step": 1310
+    },
+    {
+      "epoch": 2.913333333333333,
+      "grad_norm": 0.3568689823150635,
+      "learning_rate": 9.62962962962963e-06,
+      "loss": 0.4471,
+      "step": 1311
+    },
+    {
+      "epoch": 2.9155555555555557,
+      "grad_norm": 0.26705747842788696,
+      "learning_rate": 9.382716049382717e-06,
+      "loss": 0.3619,
+      "step": 1312
+    },
+    {
+      "epoch": 2.917777777777778,
+      "grad_norm": 0.2750731110572815,
+      "learning_rate": 9.135802469135802e-06,
+      "loss": 0.3774,
+      "step": 1313
+    },
+    {
+      "epoch": 2.92,
+      "grad_norm": 0.29260754585266113,
+      "learning_rate": 8.888888888888888e-06,
+      "loss": 0.4241,
+      "step": 1314
+    },
+    {
+      "epoch": 2.9222222222222225,
+      "grad_norm": 0.28297215700149536,
+      "learning_rate": 8.641975308641975e-06,
+      "loss": 0.4242,
+      "step": 1315
+    },
+    {
+      "epoch": 2.924444444444444,
+      "grad_norm": 0.30213314294815063,
+      "learning_rate": 8.395061728395062e-06,
+      "loss": 0.511,
+      "step": 1316
+    },
+    {
+      "epoch": 2.9266666666666667,
+      "grad_norm": 0.29815974831581116,
+      "learning_rate": 8.148148148148147e-06,
+      "loss": 0.5409,
+      "step": 1317
+    },
+    {
+      "epoch": 2.928888888888889,
+      "grad_norm": 0.28545916080474854,
+      "learning_rate": 7.901234567901233e-06,
+      "loss": 0.4803,
+      "step": 1318
+    },
+    {
+      "epoch": 2.931111111111111,
+      "grad_norm": 0.2818659543991089,
+      "learning_rate": 7.65432098765432e-06,
+      "loss": 0.4151,
+      "step": 1319
+    },
+    {
+      "epoch": 2.9333333333333336,
+      "grad_norm": 0.26690900325775146,
+      "learning_rate": 7.407407407407407e-06,
+      "loss": 0.4973,
+      "step": 1320
+    },
+    {
+      "epoch": 2.9355555555555557,
+      "grad_norm": 0.2489357590675354,
+      "learning_rate": 7.160493827160493e-06,
+      "loss": 0.4027,
+      "step": 1321
+    },
+    {
+      "epoch": 2.937777777777778,
+      "grad_norm": 0.2781828045845032,
+      "learning_rate": 6.91358024691358e-06,
+      "loss": 0.6148,
+      "step": 1322
+    },
+    {
+      "epoch": 2.94,
+      "grad_norm": 0.32088056206703186,
+      "learning_rate": 6.666666666666667e-06,
+      "loss": 0.6265,
+      "step": 1323
+    },
+    {
+      "epoch": 2.942222222222222,
+      "grad_norm": 0.2306426763534546,
+      "learning_rate": 6.4197530864197525e-06,
+      "loss": 0.4634,
+      "step": 1324
+    },
+    {
+      "epoch": 2.9444444444444446,
+      "grad_norm": 0.2687436044216156,
+      "learning_rate": 6.172839506172839e-06,
+      "loss": 0.4067,
+      "step": 1325
+    },
+    {
+      "epoch": 2.9466666666666668,
+      "grad_norm": 0.3024968206882477,
+      "learning_rate": 5.925925925925925e-06,
+      "loss": 0.4939,
+      "step": 1326
+    },
+    {
+      "epoch": 2.948888888888889,
+      "grad_norm": 0.25185179710388184,
+      "learning_rate": 5.679012345679012e-06,
+      "loss": 0.5607,
+      "step": 1327
+    },
+    {
+      "epoch": 2.951111111111111,
+      "grad_norm": 0.31656819581985474,
+      "learning_rate": 5.432098765432098e-06,
+      "loss": 0.56,
+      "step": 1328
+    },
+    {
+      "epoch": 2.953333333333333,
+      "grad_norm": 0.33628830313682556,
+      "learning_rate": 5.185185185185184e-06,
+      "loss": 0.4529,
+      "step": 1329
+    },
+    {
+      "epoch": 2.9555555555555557,
+      "grad_norm": 0.2628391683101654,
+      "learning_rate": 4.938271604938272e-06,
+      "loss": 0.4202,
+      "step": 1330
+    },
+    {
+      "epoch": 2.957777777777778,
+      "grad_norm": 0.3400716483592987,
+      "learning_rate": 4.691358024691358e-06,
+      "loss": 0.5591,
+      "step": 1331
+    },
+    {
+      "epoch": 2.96,
+      "grad_norm": 0.33360472321510315,
+      "learning_rate": 4.444444444444444e-06,
+      "loss": 0.4352,
+      "step": 1332
+    },
+    {
+      "epoch": 2.962222222222222,
+      "grad_norm": 0.270183801651001,
+      "learning_rate": 4.197530864197531e-06,
+      "loss": 0.4192,
+      "step": 1333
+    },
+    {
+      "epoch": 2.964444444444444,
+      "grad_norm": 0.3092866539955139,
+      "learning_rate": 3.950617283950617e-06,
+      "loss": 0.4532,
+      "step": 1334
+    },
+    {
+      "epoch": 2.966666666666667,
+      "grad_norm": 0.4208994209766388,
+      "learning_rate": 3.7037037037037033e-06,
+      "loss": 0.5659,
+      "step": 1335
+    },
+    {
+      "epoch": 2.968888888888889,
+      "grad_norm": 0.2298194020986557,
+      "learning_rate": 3.45679012345679e-06,
+      "loss": 0.3772,
+      "step": 1336
+    },
+    {
+      "epoch": 2.971111111111111,
+      "grad_norm": 0.22611771523952484,
+      "learning_rate": 3.2098765432098762e-06,
+      "loss": 0.3389,
+      "step": 1337
+    },
+    {
+      "epoch": 2.9733333333333336,
+      "grad_norm": 0.328031450510025,
+      "learning_rate": 2.9629629629629625e-06,
+      "loss": 0.3958,
+      "step": 1338
+    },
+    {
+      "epoch": 2.9755555555555553,
+      "grad_norm": 0.2716084122657776,
+      "learning_rate": 2.716049382716049e-06,
+      "loss": 0.5908,
+      "step": 1339
+    },
+    {
+      "epoch": 2.977777777777778,
+      "grad_norm": 0.2897849678993225,
+      "learning_rate": 2.469135802469136e-06,
+      "loss": 0.5129,
+      "step": 1340
+    },
+    {
+      "epoch": 2.98,
+      "grad_norm": 0.33624279499053955,
+      "learning_rate": 2.222222222222222e-06,
+      "loss": 0.4486,
+      "step": 1341
+    },
+    {
+      "epoch": 2.982222222222222,
+      "grad_norm": 0.2882382571697235,
+      "learning_rate": 1.9753086419753083e-06,
+      "loss": 0.3876,
+      "step": 1342
+    },
+    {
+      "epoch": 2.9844444444444447,
+      "grad_norm": 0.22958910465240479,
+      "learning_rate": 1.728395061728395e-06,
+      "loss": 0.3783,
+      "step": 1343
+    },
+    {
+      "epoch": 2.986666666666667,
+      "grad_norm": 0.2548253536224365,
+      "learning_rate": 1.4814814814814812e-06,
+      "loss": 0.3439,
+      "step": 1344
+    },
+    {
+      "epoch": 2.988888888888889,
+      "grad_norm": 0.31680935621261597,
+      "learning_rate": 1.234567901234568e-06,
+      "loss": 0.4421,
+      "step": 1345
+    },
+    {
+      "epoch": 2.991111111111111,
+      "grad_norm": 0.3343510627746582,
+      "learning_rate": 9.876543209876542e-07,
+      "loss": 0.6147,
+      "step": 1346
+    },
+    {
+      "epoch": 2.993333333333333,
+      "grad_norm": 0.2711341381072998,
+      "learning_rate": 7.407407407407406e-07,
+      "loss": 0.456,
+      "step": 1347
+    },
+    {
+      "epoch": 2.9955555555555557,
+      "grad_norm": 0.25026512145996094,
+      "learning_rate": 4.938271604938271e-07,
+      "loss": 0.5292,
+      "step": 1348
+    },
+    {
+      "epoch": 2.997777777777778,
+      "grad_norm": 0.2671927511692047,
+      "learning_rate": 2.4691358024691354e-07,
+      "loss": 0.2949,
+      "step": 1349
+    },
+    {
+      "epoch": 3.0,
+      "grad_norm": 0.2514517605304718,
+      "learning_rate": 0.0,
+      "loss": 0.3747,
+      "step": 1350
+    },
+    {
+      "epoch": 3.0,
+      "step": 1350,
+      "total_flos": 5.0942943348496794e+17,
+      "train_loss": 0.5073228121245349,
+      "train_runtime": 3670.8069,
+      "train_samples_per_second": 5.883,
+      "train_steps_per_second": 0.368
+    }
+  ],
+  "logging_steps": 1.0,
+  "max_steps": 1350,
+  "num_input_tokens_seen": 0,
+  "num_train_epochs": 3,
+  "save_steps": 500,
+  "stateful_callbacks": {
+    "TrainerControl": {
+      "args": {
+        "should_epoch_stop": false,
+        "should_evaluate": false,
+        "should_log": false,
+        "should_save": true,
+        "should_training_stop": true
+      },
+      "attributes": {}
+    }
+  },
+  "total_flos": 5.0942943348496794e+17,
+  "train_batch_size": 1,
+  "trial_name": null,
+  "trial_params": null
+}