{
  "best_metric": 0.663003663003663,
  "best_model_checkpoint": "/home/grahama/workspace/experiments/complexity/model/checkpoint-1800",
  "epoch": 3.0,
  "eval_steps": 500,
  "global_step": 1800,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 2.3482773303985596,
      "learning_rate": 2.3809523809523811e-07,
      "loss": 0.7019,
      "step": 10
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 1.3639864921569824,
      "learning_rate": 4.7619047619047623e-07,
      "loss": 0.7018,
      "step": 20
    },
    {
      "epoch": 0.05,
      "grad_norm": 2.9051921367645264,
      "learning_rate": 7.142857142857143e-07,
      "loss": 0.7151,
      "step": 30
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 1.0235440731048584,
      "learning_rate": 9.523809523809525e-07,
      "loss": 0.7034,
      "step": 40
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 2.771768808364868,
      "learning_rate": 1.1904761904761906e-06,
      "loss": 0.7006,
      "step": 50
    },
    {
      "epoch": 0.1,
      "grad_norm": 1.2305303812026978,
      "learning_rate": 1.4285714285714286e-06,
      "loss": 0.6995,
      "step": 60
    },
    {
      "epoch": 0.11666666666666667,
      "grad_norm": 2.2383503913879395,
      "learning_rate": 1.6666666666666667e-06,
      "loss": 0.6994,
      "step": 70
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 1.0624160766601562,
      "learning_rate": 1.904761904761905e-06,
      "loss": 0.6998,
      "step": 80
    },
    {
      "epoch": 0.15,
      "grad_norm": 1.2018228769302368,
      "learning_rate": 2.1428571428571427e-06,
      "loss": 0.6974,
      "step": 90
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 1.0849791765213013,
      "learning_rate": 2.380952380952381e-06,
      "loss": 0.6875,
      "step": 100
    },
    {
      "epoch": 0.18333333333333332,
      "grad_norm": 1.291517972946167,
      "learning_rate": 2.6190476190476192e-06,
      "loss": 0.6865,
      "step": 110
    },
    {
      "epoch": 0.2,
      "grad_norm": 1.056863784790039,
      "learning_rate": 2.8571428571428573e-06,
      "loss": 0.6829,
      "step": 120
    },
    {
      "epoch": 0.21666666666666667,
      "grad_norm": 2.968041181564331,
      "learning_rate": 3.0952380952380957e-06,
      "loss": 0.6696,
      "step": 130
    },
    {
      "epoch": 0.23333333333333334,
      "grad_norm": 1.055704116821289,
      "learning_rate": 3.3333333333333333e-06,
      "loss": 0.6783,
      "step": 140
    },
    {
      "epoch": 0.25,
      "grad_norm": 1.6586881875991821,
      "learning_rate": 3.5714285714285718e-06,
      "loss": 0.6702,
      "step": 150
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 2.3964574337005615,
      "learning_rate": 3.80952380952381e-06,
      "loss": 0.709,
      "step": 160
    },
    {
      "epoch": 0.2833333333333333,
      "grad_norm": 1.0744259357452393,
      "learning_rate": 4.047619047619048e-06,
      "loss": 0.7022,
      "step": 170
    },
    {
      "epoch": 0.3,
      "grad_norm": 1.071405053138733,
      "learning_rate": 4.2857142857142855e-06,
      "loss": 0.6747,
      "step": 180
    },
    {
      "epoch": 0.31666666666666665,
      "grad_norm": 2.1431033611297607,
      "learning_rate": 4.523809523809524e-06,
      "loss": 0.6623,
      "step": 190
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 1.301439881324768,
      "learning_rate": 4.761904761904762e-06,
      "loss": 0.667,
      "step": 200
    },
    {
      "epoch": 0.35,
      "grad_norm": 1.5243868827819824,
      "learning_rate": 5e-06,
      "loss": 0.6584,
      "step": 210
    },
    {
      "epoch": 0.36666666666666664,
      "grad_norm": 1.2769250869750977,
      "learning_rate": 5.2380952380952384e-06,
      "loss": 0.6898,
      "step": 220
    },
    {
      "epoch": 0.38333333333333336,
      "grad_norm": 1.274899959564209,
      "learning_rate": 5.476190476190477e-06,
      "loss": 0.6995,
      "step": 230
    },
    {
      "epoch": 0.4,
      "grad_norm": 1.658318281173706,
      "learning_rate": 5.7142857142857145e-06,
      "loss": 0.6705,
      "step": 240
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 2.4139277935028076,
      "learning_rate": 5.9523809523809525e-06,
      "loss": 0.6849,
      "step": 250
    },
    {
      "epoch": 0.43333333333333335,
      "grad_norm": 1.5813899040222168,
      "learning_rate": 6.1904761904761914e-06,
      "loss": 0.6663,
      "step": 260
    },
    {
      "epoch": 0.45,
      "grad_norm": 1.4048871994018555,
      "learning_rate": 6.4285714285714295e-06,
      "loss": 0.6542,
      "step": 270
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 1.7416518926620483,
      "learning_rate": 6.666666666666667e-06,
      "loss": 0.6793,
      "step": 280
    },
    {
      "epoch": 0.48333333333333334,
      "grad_norm": 1.7340086698532104,
      "learning_rate": 6.9047619047619055e-06,
      "loss": 0.6681,
      "step": 290
    },
    {
      "epoch": 0.5,
      "grad_norm": 1.4946725368499756,
      "learning_rate": 7.1428571428571436e-06,
      "loss": 0.6758,
      "step": 300
    },
    {
      "epoch": 0.5166666666666667,
      "grad_norm": 1.9904041290283203,
      "learning_rate": 7.380952380952382e-06,
      "loss": 0.6432,
      "step": 310
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 2.4469521045684814,
      "learning_rate": 7.61904761904762e-06,
      "loss": 0.6688,
      "step": 320
    },
    {
      "epoch": 0.55,
      "grad_norm": 2.104259967803955,
      "learning_rate": 7.857142857142858e-06,
      "loss": 0.6312,
      "step": 330
    },
    {
      "epoch": 0.5666666666666667,
      "grad_norm": 2.125582218170166,
      "learning_rate": 8.095238095238097e-06,
      "loss": 0.6712,
      "step": 340
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 1.9155024290084839,
      "learning_rate": 8.333333333333334e-06,
      "loss": 0.6766,
      "step": 350
    },
    {
      "epoch": 0.6,
      "grad_norm": 3.6578118801116943,
      "learning_rate": 8.571428571428571e-06,
      "loss": 0.6561,
      "step": 360
    },
    {
      "epoch": 0.6166666666666667,
      "grad_norm": 2.083104133605957,
      "learning_rate": 8.80952380952381e-06,
      "loss": 0.6374,
      "step": 370
    },
    {
      "epoch": 0.6333333333333333,
      "grad_norm": 4.414960861206055,
      "learning_rate": 9.047619047619049e-06,
      "loss": 0.6512,
      "step": 380
    },
    {
      "epoch": 0.65,
      "grad_norm": 2.075925588607788,
      "learning_rate": 9.285714285714288e-06,
      "loss": 0.6316,
      "step": 390
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 3.132584571838379,
      "learning_rate": 9.523809523809525e-06,
      "loss": 0.6424,
      "step": 400
    },
    {
      "epoch": 0.6833333333333333,
      "grad_norm": 2.2723052501678467,
      "learning_rate": 9.761904761904762e-06,
      "loss": 0.6395,
      "step": 410
    },
    {
      "epoch": 0.7,
      "grad_norm": 4.37326192855835,
      "learning_rate": 1e-05,
      "loss": 0.6519,
      "step": 420
    },
    {
      "epoch": 0.7166666666666667,
      "grad_norm": 3.2006280422210693,
      "learning_rate": 1.0238095238095238e-05,
      "loss": 0.6429,
      "step": 430
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 3.0944504737854004,
      "learning_rate": 1.0476190476190477e-05,
      "loss": 0.6756,
      "step": 440
    },
    {
      "epoch": 0.75,
      "grad_norm": 5.158036708831787,
      "learning_rate": 1.0714285714285714e-05,
      "loss": 0.6863,
      "step": 450
    },
    {
      "epoch": 0.7666666666666667,
      "grad_norm": 3.744805335998535,
      "learning_rate": 1.0952380952380955e-05,
      "loss": 0.6826,
      "step": 460
    },
    {
      "epoch": 0.7833333333333333,
      "grad_norm": 2.350935220718384,
      "learning_rate": 1.1190476190476192e-05,
      "loss": 0.6465,
      "step": 470
    },
    {
      "epoch": 0.8,
      "grad_norm": 2.391106367111206,
      "learning_rate": 1.1428571428571429e-05,
      "loss": 0.6494,
      "step": 480
    },
    {
      "epoch": 0.8166666666666667,
      "grad_norm": 2.6871049404144287,
      "learning_rate": 1.1666666666666668e-05,
      "loss": 0.614,
      "step": 490
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 2.496380567550659,
      "learning_rate": 1.1904761904761905e-05,
      "loss": 0.639,
      "step": 500
    },
    {
      "epoch": 0.85,
      "grad_norm": 3.1409785747528076,
      "learning_rate": 1.2142857142857142e-05,
      "loss": 0.6906,
      "step": 510
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 2.4331531524658203,
      "learning_rate": 1.2380952380952383e-05,
      "loss": 0.5914,
      "step": 520
    },
    {
      "epoch": 0.8833333333333333,
      "grad_norm": 2.956902265548706,
      "learning_rate": 1.261904761904762e-05,
      "loss": 0.7081,
      "step": 530
    },
    {
      "epoch": 0.9,
      "grad_norm": 2.1885573863983154,
      "learning_rate": 1.2857142857142859e-05,
      "loss": 0.6466,
      "step": 540
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 2.6431517601013184,
      "learning_rate": 1.3095238095238096e-05,
      "loss": 0.6631,
      "step": 550
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 2.1615426540374756,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 0.6735,
      "step": 560
    },
    {
      "epoch": 0.95,
      "grad_norm": 2.0207862854003906,
      "learning_rate": 1.3571428571428574e-05,
      "loss": 0.6325,
      "step": 570
    },
    {
      "epoch": 0.9666666666666667,
      "grad_norm": 2.8899736404418945,
      "learning_rate": 1.3809523809523811e-05,
      "loss": 0.6519,
      "step": 580
    },
    {
      "epoch": 0.9833333333333333,
      "grad_norm": 2.453443765640259,
      "learning_rate": 1.4047619047619048e-05,
      "loss": 0.6532,
      "step": 590
    },
    {
      "epoch": 1.0,
      "grad_norm": 3.556234121322632,
      "learning_rate": 1.4285714285714287e-05,
      "loss": 0.5941,
      "step": 600
    },
    {
      "epoch": 1.0,
      "eval_accuracy": 0.6461538461538462,
      "eval_loss": 0.6432204246520996,
      "eval_runtime": 4.8353,
      "eval_samples_per_second": 282.297,
      "eval_steps_per_second": 17.786,
      "step": 600
    },
    {
      "epoch": 1.0166666666666666,
      "grad_norm": 2.244147539138794,
      "learning_rate": 1.4523809523809524e-05,
      "loss": 0.6154,
      "step": 610
    },
    {
      "epoch": 1.0333333333333334,
      "grad_norm": 2.3262217044830322,
      "learning_rate": 1.4761904761904763e-05,
      "loss": 0.5981,
      "step": 620
    },
    {
      "epoch": 1.05,
      "grad_norm": 2.543795347213745,
      "learning_rate": 1.5000000000000002e-05,
      "loss": 0.6061,
      "step": 630
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 3.5577542781829834,
      "learning_rate": 1.523809523809524e-05,
      "loss": 0.6432,
      "step": 640
    },
    {
      "epoch": 1.0833333333333333,
      "grad_norm": 3.3030037879943848,
      "learning_rate": 1.5476190476190476e-05,
      "loss": 0.5663,
      "step": 650
    },
    {
      "epoch": 1.1,
      "grad_norm": 2.2861194610595703,
      "learning_rate": 1.5714285714285715e-05,
      "loss": 0.6242,
      "step": 660
    },
    {
      "epoch": 1.1166666666666667,
      "grad_norm": 3.9813036918640137,
      "learning_rate": 1.5952380952380954e-05,
      "loss": 0.6192,
      "step": 670
    },
    {
      "epoch": 1.1333333333333333,
      "grad_norm": 5.103733062744141,
      "learning_rate": 1.6190476190476193e-05,
      "loss": 0.6288,
      "step": 680
    },
    {
      "epoch": 1.15,
      "grad_norm": 4.313375949859619,
      "learning_rate": 1.642857142857143e-05,
      "loss": 0.5938,
      "step": 690
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 3.633436918258667,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 0.6003,
      "step": 700
    },
    {
      "epoch": 1.1833333333333333,
      "grad_norm": 3.060312509536743,
      "learning_rate": 1.6904761904761906e-05,
      "loss": 0.6214,
      "step": 710
    },
    {
      "epoch": 1.2,
      "grad_norm": 3.6623165607452393,
      "learning_rate": 1.7142857142857142e-05,
      "loss": 0.6283,
      "step": 720
    },
    {
      "epoch": 1.2166666666666668,
      "grad_norm": 2.556682586669922,
      "learning_rate": 1.7380952380952384e-05,
      "loss": 0.603,
      "step": 730
    },
    {
      "epoch": 1.2333333333333334,
      "grad_norm": 3.2409424781799316,
      "learning_rate": 1.761904761904762e-05,
      "loss": 0.6463,
      "step": 740
    },
    {
      "epoch": 1.25,
      "grad_norm": 3.6875534057617188,
      "learning_rate": 1.785714285714286e-05,
      "loss": 0.5864,
      "step": 750
    },
    {
      "epoch": 1.2666666666666666,
      "grad_norm": 2.9428772926330566,
      "learning_rate": 1.8095238095238097e-05,
      "loss": 0.6349,
      "step": 760
    },
    {
      "epoch": 1.2833333333333332,
      "grad_norm": 2.926853656768799,
      "learning_rate": 1.8333333333333333e-05,
      "loss": 0.6658,
      "step": 770
    },
    {
      "epoch": 1.3,
      "grad_norm": 3.1792550086975098,
      "learning_rate": 1.8571428571428575e-05,
      "loss": 0.6263,
      "step": 780
    },
    {
      "epoch": 1.3166666666666667,
      "grad_norm": 2.887868642807007,
      "learning_rate": 1.880952380952381e-05,
      "loss": 0.5737,
      "step": 790
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 3.9215023517608643,
      "learning_rate": 1.904761904761905e-05,
      "loss": 0.5895,
      "step": 800
    },
    {
      "epoch": 1.35,
      "grad_norm": 3.228184938430786,
      "learning_rate": 1.928571428571429e-05,
      "loss": 0.675,
      "step": 810
    },
    {
      "epoch": 1.3666666666666667,
      "grad_norm": 2.5528361797332764,
      "learning_rate": 1.9523809523809524e-05,
      "loss": 0.612,
      "step": 820
    },
    {
      "epoch": 1.3833333333333333,
      "grad_norm": 3.355010509490967,
      "learning_rate": 1.9761904761904763e-05,
      "loss": 0.6137,
      "step": 830
    },
    {
      "epoch": 1.4,
      "grad_norm": 5.365524768829346,
      "learning_rate": 2e-05,
      "loss": 0.6278,
      "step": 840
    },
    {
      "epoch": 1.4166666666666667,
      "grad_norm": 2.9840915203094482,
      "learning_rate": 1.999991365731819e-05,
      "loss": 0.6106,
      "step": 850
    },
    {
      "epoch": 1.4333333333333333,
      "grad_norm": 3.0227549076080322,
      "learning_rate": 1.999965463076377e-05,
      "loss": 0.6136,
      "step": 860
    },
    {
      "epoch": 1.45,
      "grad_norm": 4.935601711273193,
      "learning_rate": 1.999922292480975e-05,
      "loss": 0.6194,
      "step": 870
    },
    {
      "epoch": 1.4666666666666668,
      "grad_norm": 2.947390556335449,
      "learning_rate": 1.999861854691106e-05,
      "loss": 0.6737,
      "step": 880
    },
    {
      "epoch": 1.4833333333333334,
      "grad_norm": 3.2077040672302246,
      "learning_rate": 1.999784150750442e-05,
      "loss": 0.5906,
      "step": 890
    },
    {
      "epoch": 1.5,
      "grad_norm": 2.1263020038604736,
      "learning_rate": 1.9996891820008165e-05,
      "loss": 0.6731,
      "step": 900
    },
    {
      "epoch": 1.5166666666666666,
      "grad_norm": 3.1736927032470703,
      "learning_rate": 1.9995769500822007e-05,
      "loss": 0.5658,
      "step": 910
    },
    {
      "epoch": 1.5333333333333332,
      "grad_norm": 3.766897201538086,
      "learning_rate": 1.999447456932676e-05,
      "loss": 0.6082,
      "step": 920
    },
    {
      "epoch": 1.55,
      "grad_norm": 7.309018135070801,
      "learning_rate": 1.9993007047883988e-05,
      "loss": 0.5453,
      "step": 930
    },
    {
      "epoch": 1.5666666666666667,
      "grad_norm": 6.418699264526367,
      "learning_rate": 1.9991366961835643e-05,
      "loss": 0.6428,
      "step": 940
    },
    {
      "epoch": 1.5833333333333335,
      "grad_norm": 2.967588424682617,
      "learning_rate": 1.9989554339503612e-05,
      "loss": 0.6075,
      "step": 950
    },
    {
      "epoch": 1.6,
      "grad_norm": 3.2338814735412598,
      "learning_rate": 1.9987569212189224e-05,
      "loss": 0.6513,
      "step": 960
    },
    {
      "epoch": 1.6166666666666667,
      "grad_norm": 2.6137988567352295,
      "learning_rate": 1.9985411614172728e-05,
      "loss": 0.6457,
      "step": 970
    },
    {
      "epoch": 1.6333333333333333,
      "grad_norm": 2.2644853591918945,
      "learning_rate": 1.9983081582712684e-05,
      "loss": 0.6146,
      "step": 980
    },
    {
      "epoch": 1.65,
      "grad_norm": 3.580810785293579,
      "learning_rate": 1.9980579158045322e-05,
      "loss": 0.6434,
      "step": 990
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 3.8415021896362305,
      "learning_rate": 1.997790438338385e-05,
      "loss": 0.6149,
      "step": 1000
    },
    {
      "epoch": 1.6833333333333333,
      "grad_norm": 3.2889180183410645,
      "learning_rate": 1.997505730491772e-05,
      "loss": 0.6029,
      "step": 1010
    },
    {
      "epoch": 1.7,
      "grad_norm": 3.0964486598968506,
      "learning_rate": 1.9972037971811802e-05,
      "loss": 0.6128,
      "step": 1020
    },
    {
      "epoch": 1.7166666666666668,
      "grad_norm": 3.3787407875061035,
      "learning_rate": 1.9968846436205566e-05,
      "loss": 0.6478,
      "step": 1030
    },
    {
      "epoch": 1.7333333333333334,
      "grad_norm": 3.098156452178955,
      "learning_rate": 1.9965482753212154e-05,
      "loss": 0.617,
      "step": 1040
    },
    {
      "epoch": 1.75,
      "grad_norm": 3.4448206424713135,
      "learning_rate": 1.9961946980917457e-05,
      "loss": 0.6047,
      "step": 1050
    },
    {
      "epoch": 1.7666666666666666,
      "grad_norm": 2.8418798446655273,
      "learning_rate": 1.995823918037908e-05,
      "loss": 0.6228,
      "step": 1060
    },
    {
      "epoch": 1.7833333333333332,
      "grad_norm": 2.9955010414123535,
      "learning_rate": 1.9954359415625313e-05,
      "loss": 0.6033,
      "step": 1070
    },
    {
      "epoch": 1.8,
      "grad_norm": 3.4788753986358643,
      "learning_rate": 1.9950307753654016e-05,
      "loss": 0.5801,
      "step": 1080
    },
    {
      "epoch": 1.8166666666666667,
      "grad_norm": 2.713418483734131,
      "learning_rate": 1.994608426443146e-05,
      "loss": 0.5789,
      "step": 1090
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 3.982531785964966,
      "learning_rate": 1.994168902089112e-05,
      "loss": 0.6497,
      "step": 1100
    },
    {
      "epoch": 1.85,
      "grad_norm": 2.0478599071502686,
      "learning_rate": 1.9937122098932428e-05,
      "loss": 0.6031,
      "step": 1110
    },
    {
      "epoch": 1.8666666666666667,
      "grad_norm": 5.567689418792725,
      "learning_rate": 1.9932383577419432e-05,
      "loss": 0.6487,
      "step": 1120
    },
    {
      "epoch": 1.8833333333333333,
      "grad_norm": 2.5129470825195312,
      "learning_rate": 1.9927473538179467e-05,
      "loss": 0.5877,
      "step": 1130
    },
    {
      "epoch": 1.9,
      "grad_norm": 2.4075396060943604,
      "learning_rate": 1.9922392066001724e-05,
      "loss": 0.6478,
      "step": 1140
    },
    {
      "epoch": 1.9166666666666665,
      "grad_norm": 3.643559217453003,
      "learning_rate": 1.9917139248635788e-05,
      "loss": 0.625,
      "step": 1150
    },
    {
      "epoch": 1.9333333333333333,
      "grad_norm": 3.3517959117889404,
      "learning_rate": 1.991171517679013e-05,
      "loss": 0.6502,
      "step": 1160
    },
    {
      "epoch": 1.95,
      "grad_norm": 2.3340976238250732,
      "learning_rate": 1.9906119944130527e-05,
      "loss": 0.6354,
      "step": 1170
    },
    {
      "epoch": 1.9666666666666668,
      "grad_norm": 2.662628173828125,
      "learning_rate": 1.9900353647278466e-05,
      "loss": 0.6282,
      "step": 1180
    },
    {
      "epoch": 1.9833333333333334,
      "grad_norm": 3.3780112266540527,
      "learning_rate": 1.9894416385809444e-05,
      "loss": 0.6428,
      "step": 1190
    },
    {
      "epoch": 2.0,
      "grad_norm": 1.9971626996994019,
      "learning_rate": 1.9888308262251286e-05,
      "loss": 0.6028,
      "step": 1200
    },
    {
      "epoch": 2.0,
      "eval_accuracy": 0.6571428571428571,
      "eval_loss": 0.6266757845878601,
      "eval_runtime": 1.9428,
      "eval_samples_per_second": 702.601,
      "eval_steps_per_second": 44.266,
      "step": 1200
    },
    {
      "epoch": 2.0166666666666666,
      "grad_norm": 2.3505845069885254,
      "learning_rate": 1.9882029382082342e-05,
      "loss": 0.5231,
      "step": 1210
    },
    {
      "epoch": 2.033333333333333,
      "grad_norm": 3.543018102645874,
      "learning_rate": 1.9875579853729677e-05,
      "loss": 0.6002,
      "step": 1220
    },
    {
      "epoch": 2.05,
      "grad_norm": 2.687847852706909,
      "learning_rate": 1.9868959788567213e-05,
      "loss": 0.5469,
      "step": 1230
    },
    {
      "epoch": 2.066666666666667,
      "grad_norm": 4.663837909698486,
      "learning_rate": 1.9862169300913784e-05,
      "loss": 0.5582,
      "step": 1240
    },
    {
      "epoch": 2.0833333333333335,
      "grad_norm": 4.063023090362549,
      "learning_rate": 1.9855208508031173e-05,
      "loss": 0.549,
      "step": 1250
    },
    {
      "epoch": 2.1,
      "grad_norm": 5.092895984649658,
      "learning_rate": 1.9848077530122083e-05,
      "loss": 0.607,
      "step": 1260
    },
    {
      "epoch": 2.1166666666666667,
      "grad_norm": 3.7984111309051514,
      "learning_rate": 1.9840776490328067e-05,
      "loss": 0.592,
      "step": 1270
    },
    {
      "epoch": 2.1333333333333333,
      "grad_norm": 3.775224447250366,
      "learning_rate": 1.9833305514727396e-05,
      "loss": 0.5196,
      "step": 1280
    },
    {
      "epoch": 2.15,
      "grad_norm": 5.623272895812988,
      "learning_rate": 1.9825664732332886e-05,
      "loss": 0.5283,
      "step": 1290
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 4.856538772583008,
      "learning_rate": 1.981785427508966e-05,
      "loss": 0.518,
      "step": 1300
    },
    {
      "epoch": 2.183333333333333,
      "grad_norm": 5.726941108703613,
      "learning_rate": 1.9809874277872886e-05,
      "loss": 0.5532,
      "step": 1310
    },
    {
      "epoch": 2.2,
      "grad_norm": 5.120604515075684,
      "learning_rate": 1.9801724878485438e-05,
      "loss": 0.5172,
      "step": 1320
    },
    {
      "epoch": 2.216666666666667,
      "grad_norm": 7.325108051300049,
      "learning_rate": 1.9793406217655516e-05,
      "loss": 0.5383,
      "step": 1330
    },
    {
      "epoch": 2.2333333333333334,
      "grad_norm": 5.705660820007324,
      "learning_rate": 1.9784918439034216e-05,
      "loss": 0.4953,
      "step": 1340
    },
    {
      "epoch": 2.25,
      "grad_norm": 6.060757637023926,
      "learning_rate": 1.977626168919305e-05,
      "loss": 0.5214,
      "step": 1350
    },
    {
      "epoch": 2.2666666666666666,
      "grad_norm": 3.8743319511413574,
      "learning_rate": 1.9767436117621416e-05,
      "loss": 0.5362,
      "step": 1360
    },
    {
      "epoch": 2.283333333333333,
      "grad_norm": 4.374029636383057,
      "learning_rate": 1.975844187672402e-05,
      "loss": 0.5604,
      "step": 1370
    },
    {
      "epoch": 2.3,
      "grad_norm": 6.106194019317627,
      "learning_rate": 1.9749279121818235e-05,
      "loss": 0.5306,
      "step": 1380
    },
    {
      "epoch": 2.3166666666666664,
      "grad_norm": 5.56414270401001,
      "learning_rate": 1.9739948011131438e-05,
      "loss": 0.5369,
      "step": 1390
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 3.9365651607513428,
      "learning_rate": 1.973044870579824e-05,
      "loss": 0.526,
      "step": 1400
    },
    {
      "epoch": 2.35,
      "grad_norm": 4.8061394691467285,
      "learning_rate": 1.9720781369857747e-05,
      "loss": 0.5264,
      "step": 1410
    },
    {
      "epoch": 2.3666666666666667,
      "grad_norm": 5.648602485656738,
      "learning_rate": 1.9710946170250702e-05,
      "loss": 0.5488,
      "step": 1420
    },
    {
      "epoch": 2.3833333333333333,
      "grad_norm": 4.482698917388916,
      "learning_rate": 1.9700943276816602e-05,
      "loss": 0.5014,
      "step": 1430
    },
    {
      "epoch": 2.4,
      "grad_norm": 5.18354606628418,
      "learning_rate": 1.969077286229078e-05,
      "loss": 0.5383,
      "step": 1440
    },
    {
      "epoch": 2.4166666666666665,
      "grad_norm": 5.076839923858643,
      "learning_rate": 1.9680435102301412e-05,
      "loss": 0.5387,
      "step": 1450
    },
    {
      "epoch": 2.4333333333333336,
      "grad_norm": 5.83772611618042,
      "learning_rate": 1.9669930175366474e-05,
      "loss": 0.4779,
      "step": 1460
    },
    {
      "epoch": 2.45,
      "grad_norm": 5.16604471206665,
      "learning_rate": 1.9659258262890683e-05,
      "loss": 0.5521,
      "step": 1470
    },
    {
      "epoch": 2.466666666666667,
      "grad_norm": 4.944518089294434,
      "learning_rate": 1.964841954916235e-05,
      "loss": 0.4844,
      "step": 1480
    },
    {
      "epoch": 2.4833333333333334,
      "grad_norm": 6.394619941711426,
      "learning_rate": 1.9637414221350198e-05,
      "loss": 0.567,
      "step": 1490
    },
    {
      "epoch": 2.5,
      "grad_norm": 5.958597183227539,
      "learning_rate": 1.962624246950012e-05,
      "loss": 0.4951,
      "step": 1500
    },
    {
      "epoch": 2.5166666666666666,
      "grad_norm": 4.636740207672119,
      "learning_rate": 1.9614904486531935e-05,
      "loss": 0.5123,
      "step": 1510
    },
    {
      "epoch": 2.533333333333333,
      "grad_norm": 4.756173610687256,
      "learning_rate": 1.9603400468236e-05,
      "loss": 0.58,
      "step": 1520
    },
    {
      "epoch": 2.55,
      "grad_norm": 3.969093084335327,
      "learning_rate": 1.9591730613269878e-05,
      "loss": 0.5517,
      "step": 1530
    },
    {
      "epoch": 2.5666666666666664,
      "grad_norm": 4.5238237380981445,
      "learning_rate": 1.957989512315489e-05,
      "loss": 0.5167,
      "step": 1540
    },
    {
      "epoch": 2.5833333333333335,
      "grad_norm": 5.810571670532227,
      "learning_rate": 1.9567894202272623e-05,
      "loss": 0.4826,
      "step": 1550
    },
    {
      "epoch": 2.6,
      "grad_norm": 4.773239612579346,
      "learning_rate": 1.955572805786141e-05,
      "loss": 0.5443,
      "step": 1560
    },
    {
      "epoch": 2.6166666666666667,
      "grad_norm": 4.351752281188965,
      "learning_rate": 1.9543396900012763e-05,
      "loss": 0.526,
      "step": 1570
    },
    {
      "epoch": 2.6333333333333333,
      "grad_norm": 5.192873954772949,
      "learning_rate": 1.9530900941667733e-05,
      "loss": 0.5179,
      "step": 1580
    },
    {
      "epoch": 2.65,
      "grad_norm": 5.123302936553955,
      "learning_rate": 1.9518240398613226e-05,
      "loss": 0.528,
      "step": 1590
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 4.081309795379639,
      "learning_rate": 1.9505415489478293e-05,
      "loss": 0.592,
      "step": 1600
    },
    {
      "epoch": 2.6833333333333336,
      "grad_norm": 6.409515857696533,
      "learning_rate": 1.949242643573034e-05,
      "loss": 0.5388,
      "step": 1610
    },
    {
      "epoch": 2.7,
      "grad_norm": 5.410388469696045,
      "learning_rate": 1.947927346167132e-05,
      "loss": 0.5233,
      "step": 1620
    },
    {
      "epoch": 2.716666666666667,
      "grad_norm": 3.5235464572906494,
      "learning_rate": 1.9465956794433837e-05,
      "loss": 0.5285,
      "step": 1630
    },
    {
      "epoch": 2.7333333333333334,
      "grad_norm": 5.431538105010986,
      "learning_rate": 1.945247666397725e-05,
      "loss": 0.4719,
      "step": 1640
    },
    {
      "epoch": 2.75,
      "grad_norm": 6.913374900817871,
      "learning_rate": 1.9438833303083677e-05,
      "loss": 0.4603,
      "step": 1650
    },
    {
      "epoch": 2.7666666666666666,
      "grad_norm": 6.34077262878418,
      "learning_rate": 1.9425026947353994e-05,
      "loss": 0.5288,
      "step": 1660
    },
    {
      "epoch": 2.783333333333333,
      "grad_norm": 4.550387382507324,
      "learning_rate": 1.9411057835203756e-05,
      "loss": 0.4983,
      "step": 1670
    },
    {
      "epoch": 2.8,
      "grad_norm": 4.740011692047119,
      "learning_rate": 1.9396926207859085e-05,
      "loss": 0.4939,
      "step": 1680
    },
    {
      "epoch": 2.8166666666666664,
      "grad_norm": 5.84373664855957,
      "learning_rate": 1.9382632309352503e-05,
      "loss": 0.5498,
      "step": 1690
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 4.3570027351379395,
      "learning_rate": 1.936817638651871e-05,
      "loss": 0.4716,
      "step": 1700
    },
    {
      "epoch": 2.85,
      "grad_norm": 5.5916666984558105,
      "learning_rate": 1.935355868899034e-05,
      "loss": 0.5037,
      "step": 1710
    },
    {
      "epoch": 2.8666666666666667,
      "grad_norm": 4.379909038543701,
      "learning_rate": 1.9338779469193638e-05,
      "loss": 0.5789,
      "step": 1720
    },
    {
      "epoch": 2.8833333333333333,
      "grad_norm": 5.084365367889404,
      "learning_rate": 1.9323838982344092e-05,
      "loss": 0.5584,
      "step": 1730
    },
    {
      "epoch": 2.9,
      "grad_norm": 6.741174221038818,
      "learning_rate": 1.9308737486442045e-05,
      "loss": 0.5089,
      "step": 1740
    },
    {
      "epoch": 2.9166666666666665,
      "grad_norm": 6.0026469230651855,
      "learning_rate": 1.9293475242268224e-05,
      "loss": 0.4928,
      "step": 1750
    },
    {
      "epoch": 2.9333333333333336,
      "grad_norm": 6.163332939147949,
      "learning_rate": 1.9278052513379256e-05,
      "loss": 0.5397,
      "step": 1760
    },
    {
      "epoch": 2.95,
      "grad_norm": 5.151211738586426,
      "learning_rate": 1.926246956610309e-05,
      "loss": 0.5085,
      "step": 1770
    },
    {
      "epoch": 2.966666666666667,
      "grad_norm": 5.902535915374756,
      "learning_rate": 1.9246726669534416e-05,
      "loss": 0.5619,
      "step": 1780
    },
    {
      "epoch": 2.9833333333333334,
      "grad_norm": 4.26236629486084,
      "learning_rate": 1.923082409553002e-05,
      "loss": 0.4873,
      "step": 1790
    },
    {
      "epoch": 3.0,
      "grad_norm": 9.270946502685547,
      "learning_rate": 1.921476211870408e-05,
      "loss": 0.5346,
      "step": 1800
    },
    {
      "epoch": 3.0,
      "eval_accuracy": 0.663003663003663,
      "eval_loss": 0.6800894737243652,
      "eval_runtime": 2.0234,
      "eval_samples_per_second": 674.621,
      "eval_steps_per_second": 42.504,
      "step": 1800
    }
  ],
  "logging_steps": 10,
  "max_steps": 8400,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 14,
  "save_steps": 500,
  "stateful_callbacks": {
    "EarlyStoppingCallback": {
      "args": {
        "early_stopping_patience": 9,
        "early_stopping_threshold": 0.0
      },
      "attributes": {
        "early_stopping_patience_counter": 0
      }
    },
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 953665919774208.0,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}