| { |
| "best_metric": null, |
| "best_model_checkpoint": null, |
| "epoch": 0.08333333333333333, |
| "eval_steps": 500, |
| "global_step": 5000, |
| "is_hyper_param_search": false, |
| "is_local_process_zero": true, |
| "is_world_process_zero": true, |
| "log_history": [ |
| { |
| "epoch": 0.0008333333333333334, |
| "grad_norm": 11.0, |
| "learning_rate": 0.00019800000000000002, |
| "loss": 2.5703, |
| "step": 50 |
| }, |
| { |
| "epoch": 0.0016666666666666668, |
| "grad_norm": 5.65625, |
| "learning_rate": 0.000196, |
| "loss": 1.9563, |
| "step": 100 |
| }, |
| { |
| "epoch": 0.0025, |
| "grad_norm": 5.75, |
| "learning_rate": 0.000194, |
| "loss": 1.8735, |
| "step": 150 |
| }, |
| { |
| "epoch": 0.0033333333333333335, |
| "grad_norm": 5.46875, |
| "learning_rate": 0.000192, |
| "loss": 1.8925, |
| "step": 200 |
| }, |
| { |
| "epoch": 0.004166666666666667, |
| "grad_norm": 4.5, |
| "learning_rate": 0.00019, |
| "loss": 1.8772, |
| "step": 250 |
| }, |
| { |
| "epoch": 0.005, |
| "grad_norm": 6.8125, |
| "learning_rate": 0.000188, |
| "loss": 1.7631, |
| "step": 300 |
| }, |
| { |
| "epoch": 0.005833333333333334, |
| "grad_norm": 6.03125, |
| "learning_rate": 0.00018600000000000002, |
| "loss": 1.861, |
| "step": 350 |
| }, |
| { |
| "epoch": 0.006666666666666667, |
| "grad_norm": 4.03125, |
| "learning_rate": 0.00018400000000000003, |
| "loss": 1.6767, |
| "step": 400 |
| }, |
| { |
| "epoch": 0.0075, |
| "grad_norm": 5.90625, |
| "learning_rate": 0.000182, |
| "loss": 1.6833, |
| "step": 450 |
| }, |
| { |
| "epoch": 0.008333333333333333, |
| "grad_norm": 2.609375, |
| "learning_rate": 0.00018, |
| "loss": 1.6852, |
| "step": 500 |
| }, |
| { |
| "epoch": 0.009166666666666667, |
| "grad_norm": 4.78125, |
| "learning_rate": 0.00017800000000000002, |
| "loss": 1.4023, |
| "step": 550 |
| }, |
| { |
| "epoch": 0.01, |
| "grad_norm": 5.90625, |
| "learning_rate": 0.00017600000000000002, |
| "loss": 1.7061, |
| "step": 600 |
| }, |
| { |
| "epoch": 0.010833333333333334, |
| "grad_norm": 10.0625, |
| "learning_rate": 0.000174, |
| "loss": 1.5202, |
| "step": 650 |
| }, |
| { |
| "epoch": 0.011666666666666667, |
| "grad_norm": 7.53125, |
| "learning_rate": 0.000172, |
| "loss": 1.7478, |
| "step": 700 |
| }, |
| { |
| "epoch": 0.0125, |
| "grad_norm": 6.65625, |
| "learning_rate": 0.00017, |
| "loss": 1.9334, |
| "step": 750 |
| }, |
| { |
| "epoch": 0.013333333333333334, |
| "grad_norm": 2.90625, |
| "learning_rate": 0.000168, |
| "loss": 1.6904, |
| "step": 800 |
| }, |
| { |
| "epoch": 0.014166666666666666, |
| "grad_norm": 3.5625, |
| "learning_rate": 0.000166, |
| "loss": 1.5796, |
| "step": 850 |
| }, |
| { |
| "epoch": 0.015, |
| "grad_norm": 6.3125, |
| "learning_rate": 0.000164, |
| "loss": 1.738, |
| "step": 900 |
| }, |
| { |
| "epoch": 0.015833333333333335, |
| "grad_norm": 3.78125, |
| "learning_rate": 0.000162, |
| "loss": 1.8938, |
| "step": 950 |
| }, |
| { |
| "epoch": 0.016666666666666666, |
| "grad_norm": 5.0625, |
| "learning_rate": 0.00016, |
| "loss": 1.5257, |
| "step": 1000 |
| }, |
| { |
| "epoch": 0.0175, |
| "grad_norm": 5.0, |
| "learning_rate": 0.00015800000000000002, |
| "loss": 1.7847, |
| "step": 1050 |
| }, |
| { |
| "epoch": 0.018333333333333333, |
| "grad_norm": 12.75, |
| "learning_rate": 0.00015600000000000002, |
| "loss": 1.757, |
| "step": 1100 |
| }, |
| { |
| "epoch": 0.019166666666666665, |
| "grad_norm": 5.65625, |
| "learning_rate": 0.000154, |
| "loss": 1.6847, |
| "step": 1150 |
| }, |
| { |
| "epoch": 0.02, |
| "grad_norm": 6.0625, |
| "learning_rate": 0.000152, |
| "loss": 1.6148, |
| "step": 1200 |
| }, |
| { |
| "epoch": 0.020833333333333332, |
| "grad_norm": 9.6875, |
| "learning_rate": 0.00015000000000000001, |
| "loss": 1.6194, |
| "step": 1250 |
| }, |
| { |
| "epoch": 0.021666666666666667, |
| "grad_norm": 6.1875, |
| "learning_rate": 0.000148, |
| "loss": 1.3102, |
| "step": 1300 |
| }, |
| { |
| "epoch": 0.0225, |
| "grad_norm": 5.1875, |
| "learning_rate": 0.000146, |
| "loss": 1.5911, |
| "step": 1350 |
| }, |
| { |
| "epoch": 0.023333333333333334, |
| "grad_norm": 6.9375, |
| "learning_rate": 0.000144, |
| "loss": 1.6723, |
| "step": 1400 |
| }, |
| { |
| "epoch": 0.024166666666666666, |
| "grad_norm": 3.078125, |
| "learning_rate": 0.000142, |
| "loss": 1.7487, |
| "step": 1450 |
| }, |
| { |
| "epoch": 0.025, |
| "grad_norm": 5.71875, |
| "learning_rate": 0.00014, |
| "loss": 1.7177, |
| "step": 1500 |
| }, |
| { |
| "epoch": 0.025833333333333333, |
| "grad_norm": 4.25, |
| "learning_rate": 0.000138, |
| "loss": 1.6954, |
| "step": 1550 |
| }, |
| { |
| "epoch": 0.02666666666666667, |
| "grad_norm": 6.0625, |
| "learning_rate": 0.00013600000000000003, |
| "loss": 1.7661, |
| "step": 1600 |
| }, |
| { |
| "epoch": 0.0275, |
| "grad_norm": 1.6640625, |
| "learning_rate": 0.000134, |
| "loss": 1.5823, |
| "step": 1650 |
| }, |
| { |
| "epoch": 0.028333333333333332, |
| "grad_norm": 5.78125, |
| "learning_rate": 0.000132, |
| "loss": 1.511, |
| "step": 1700 |
| }, |
| { |
| "epoch": 0.029166666666666667, |
| "grad_norm": 9.5625, |
| "learning_rate": 0.00013000000000000002, |
| "loss": 1.5646, |
| "step": 1750 |
| }, |
| { |
| "epoch": 0.03, |
| "grad_norm": 5.71875, |
| "learning_rate": 0.00012800000000000002, |
| "loss": 1.7253, |
| "step": 1800 |
| }, |
| { |
| "epoch": 0.030833333333333334, |
| "grad_norm": 4.46875, |
| "learning_rate": 0.000126, |
| "loss": 1.6729, |
| "step": 1850 |
| }, |
| { |
| "epoch": 0.03166666666666667, |
| "grad_norm": 6.0, |
| "learning_rate": 0.000124, |
| "loss": 1.5451, |
| "step": 1900 |
| }, |
| { |
| "epoch": 0.0325, |
| "grad_norm": 5.15625, |
| "learning_rate": 0.000122, |
| "loss": 1.4465, |
| "step": 1950 |
| }, |
| { |
| "epoch": 0.03333333333333333, |
| "grad_norm": 5.96875, |
| "learning_rate": 0.00012, |
| "loss": 1.5177, |
| "step": 2000 |
| }, |
| { |
| "epoch": 0.034166666666666665, |
| "grad_norm": 5.15625, |
| "learning_rate": 0.000118, |
| "loss": 1.6092, |
| "step": 2050 |
| }, |
| { |
| "epoch": 0.035, |
| "grad_norm": 1.328125, |
| "learning_rate": 0.000116, |
| "loss": 1.421, |
| "step": 2100 |
| }, |
| { |
| "epoch": 0.035833333333333335, |
| "grad_norm": 5.03125, |
| "learning_rate": 0.00011399999999999999, |
| "loss": 1.7807, |
| "step": 2150 |
| }, |
| { |
| "epoch": 0.03666666666666667, |
| "grad_norm": 5.28125, |
| "learning_rate": 0.00011200000000000001, |
| "loss": 1.4986, |
| "step": 2200 |
| }, |
| { |
| "epoch": 0.0375, |
| "grad_norm": 4.6875, |
| "learning_rate": 0.00011000000000000002, |
| "loss": 1.7381, |
| "step": 2250 |
| }, |
| { |
| "epoch": 0.03833333333333333, |
| "grad_norm": 4.96875, |
| "learning_rate": 0.00010800000000000001, |
| "loss": 1.5906, |
| "step": 2300 |
| }, |
| { |
| "epoch": 0.03916666666666667, |
| "grad_norm": 7.09375, |
| "learning_rate": 0.00010600000000000002, |
| "loss": 1.5377, |
| "step": 2350 |
| }, |
| { |
| "epoch": 0.04, |
| "grad_norm": 4.84375, |
| "learning_rate": 0.00010400000000000001, |
| "loss": 1.1658, |
| "step": 2400 |
| }, |
| { |
| "epoch": 0.04083333333333333, |
| "grad_norm": 6.65625, |
| "learning_rate": 0.00010200000000000001, |
| "loss": 1.8022, |
| "step": 2450 |
| }, |
| { |
| "epoch": 0.041666666666666664, |
| "grad_norm": 2.890625, |
| "learning_rate": 0.0001, |
| "loss": 1.395, |
| "step": 2500 |
| }, |
| { |
| "epoch": 0.0425, |
| "grad_norm": 3.28125, |
| "learning_rate": 9.8e-05, |
| "loss": 1.5464, |
| "step": 2550 |
| }, |
| { |
| "epoch": 0.043333333333333335, |
| "grad_norm": 3.34375, |
| "learning_rate": 9.6e-05, |
| "loss": 1.3654, |
| "step": 2600 |
| }, |
| { |
| "epoch": 0.04416666666666667, |
| "grad_norm": 5.875, |
| "learning_rate": 9.4e-05, |
| "loss": 1.6015, |
| "step": 2650 |
| }, |
| { |
| "epoch": 0.045, |
| "grad_norm": 3.8125, |
| "learning_rate": 9.200000000000001e-05, |
| "loss": 1.6692, |
| "step": 2700 |
| }, |
| { |
| "epoch": 0.04583333333333333, |
| "grad_norm": 6.125, |
| "learning_rate": 9e-05, |
| "loss": 1.6811, |
| "step": 2750 |
| }, |
| { |
| "epoch": 0.04666666666666667, |
| "grad_norm": 7.21875, |
| "learning_rate": 8.800000000000001e-05, |
| "loss": 1.7264, |
| "step": 2800 |
| }, |
| { |
| "epoch": 0.0475, |
| "grad_norm": 0.28125, |
| "learning_rate": 8.6e-05, |
| "loss": 1.3119, |
| "step": 2850 |
| }, |
| { |
| "epoch": 0.04833333333333333, |
| "grad_norm": 6.4375, |
| "learning_rate": 8.4e-05, |
| "loss": 1.4293, |
| "step": 2900 |
| }, |
| { |
| "epoch": 0.049166666666666664, |
| "grad_norm": 8.375, |
| "learning_rate": 8.2e-05, |
| "loss": 1.4387, |
| "step": 2950 |
| }, |
| { |
| "epoch": 0.05, |
| "grad_norm": 3.734375, |
| "learning_rate": 8e-05, |
| "loss": 1.4859, |
| "step": 3000 |
| }, |
| { |
| "epoch": 0.050833333333333335, |
| "grad_norm": 2.40625, |
| "learning_rate": 7.800000000000001e-05, |
| "loss": 1.5409, |
| "step": 3050 |
| }, |
| { |
| "epoch": 0.051666666666666666, |
| "grad_norm": 9.1875, |
| "learning_rate": 7.6e-05, |
| "loss": 1.5051, |
| "step": 3100 |
| }, |
| { |
| "epoch": 0.0525, |
| "grad_norm": 3.671875, |
| "learning_rate": 7.4e-05, |
| "loss": 1.7349, |
| "step": 3150 |
| }, |
| { |
| "epoch": 0.05333333333333334, |
| "grad_norm": 5.90625, |
| "learning_rate": 7.2e-05, |
| "loss": 1.6635, |
| "step": 3200 |
| }, |
| { |
| "epoch": 0.05416666666666667, |
| "grad_norm": 3.921875, |
| "learning_rate": 7e-05, |
| "loss": 1.6827, |
| "step": 3250 |
| }, |
| { |
| "epoch": 0.055, |
| "grad_norm": 3.21875, |
| "learning_rate": 6.800000000000001e-05, |
| "loss": 1.321, |
| "step": 3300 |
| }, |
| { |
| "epoch": 0.05583333333333333, |
| "grad_norm": 5.75, |
| "learning_rate": 6.6e-05, |
| "loss": 1.3166, |
| "step": 3350 |
| }, |
| { |
| "epoch": 0.056666666666666664, |
| "grad_norm": 4.40625, |
| "learning_rate": 6.400000000000001e-05, |
| "loss": 1.6485, |
| "step": 3400 |
| }, |
| { |
| "epoch": 0.0575, |
| "grad_norm": 2.546875, |
| "learning_rate": 6.2e-05, |
| "loss": 1.6088, |
| "step": 3450 |
| }, |
| { |
| "epoch": 0.058333333333333334, |
| "grad_norm": 6.90625, |
| "learning_rate": 6e-05, |
| "loss": 1.4708, |
| "step": 3500 |
| }, |
| { |
| "epoch": 0.059166666666666666, |
| "grad_norm": 7.46875, |
| "learning_rate": 5.8e-05, |
| "loss": 1.3104, |
| "step": 3550 |
| }, |
| { |
| "epoch": 0.06, |
| "grad_norm": 4.0625, |
| "learning_rate": 5.6000000000000006e-05, |
| "loss": 1.614, |
| "step": 3600 |
| }, |
| { |
| "epoch": 0.060833333333333336, |
| "grad_norm": 8.75, |
| "learning_rate": 5.4000000000000005e-05, |
| "loss": 1.648, |
| "step": 3650 |
| }, |
| { |
| "epoch": 0.06166666666666667, |
| "grad_norm": 5.53125, |
| "learning_rate": 5.2000000000000004e-05, |
| "loss": 1.4109, |
| "step": 3700 |
| }, |
| { |
| "epoch": 0.0625, |
| "grad_norm": 0.228515625, |
| "learning_rate": 5e-05, |
| "loss": 1.4648, |
| "step": 3750 |
| }, |
| { |
| "epoch": 0.06333333333333334, |
| "grad_norm": 4.96875, |
| "learning_rate": 4.8e-05, |
| "loss": 1.2614, |
| "step": 3800 |
| }, |
| { |
| "epoch": 0.06416666666666666, |
| "grad_norm": 4.1875, |
| "learning_rate": 4.600000000000001e-05, |
| "loss": 1.6692, |
| "step": 3850 |
| }, |
| { |
| "epoch": 0.065, |
| "grad_norm": 4.375, |
| "learning_rate": 4.4000000000000006e-05, |
| "loss": 1.3698, |
| "step": 3900 |
| }, |
| { |
| "epoch": 0.06583333333333333, |
| "grad_norm": 8.375, |
| "learning_rate": 4.2e-05, |
| "loss": 1.4664, |
| "step": 3950 |
| }, |
| { |
| "epoch": 0.06666666666666667, |
| "grad_norm": 2.390625, |
| "learning_rate": 4e-05, |
| "loss": 1.3288, |
| "step": 4000 |
| }, |
| { |
| "epoch": 0.0675, |
| "grad_norm": 7.78125, |
| "learning_rate": 3.8e-05, |
| "loss": 1.4391, |
| "step": 4050 |
| }, |
| { |
| "epoch": 0.06833333333333333, |
| "grad_norm": 5.71875, |
| "learning_rate": 3.6e-05, |
| "loss": 1.2927, |
| "step": 4100 |
| }, |
| { |
| "epoch": 0.06916666666666667, |
| "grad_norm": 5.34375, |
| "learning_rate": 3.4000000000000007e-05, |
| "loss": 1.7141, |
| "step": 4150 |
| }, |
| { |
| "epoch": 0.07, |
| "grad_norm": 4.0625, |
| "learning_rate": 3.2000000000000005e-05, |
| "loss": 1.652, |
| "step": 4200 |
| }, |
| { |
| "epoch": 0.07083333333333333, |
| "grad_norm": 5.25, |
| "learning_rate": 3e-05, |
| "loss": 1.7473, |
| "step": 4250 |
| }, |
| { |
| "epoch": 0.07166666666666667, |
| "grad_norm": 8.875, |
| "learning_rate": 2.8000000000000003e-05, |
| "loss": 1.4916, |
| "step": 4300 |
| }, |
| { |
| "epoch": 0.0725, |
| "grad_norm": 9.3125, |
| "learning_rate": 2.6000000000000002e-05, |
| "loss": 1.635, |
| "step": 4350 |
| }, |
| { |
| "epoch": 0.07333333333333333, |
| "grad_norm": 8.4375, |
| "learning_rate": 2.4e-05, |
| "loss": 1.7116, |
| "step": 4400 |
| }, |
| { |
| "epoch": 0.07416666666666667, |
| "grad_norm": 4.78125, |
| "learning_rate": 2.2000000000000003e-05, |
| "loss": 1.3473, |
| "step": 4450 |
| }, |
| { |
| "epoch": 0.075, |
| "grad_norm": 7.25, |
| "learning_rate": 2e-05, |
| "loss": 1.7285, |
| "step": 4500 |
| }, |
| { |
| "epoch": 0.07583333333333334, |
| "grad_norm": 6.3125, |
| "learning_rate": 1.8e-05, |
| "loss": 1.6932, |
| "step": 4550 |
| }, |
| { |
| "epoch": 0.07666666666666666, |
| "grad_norm": 3.1875, |
| "learning_rate": 1.6000000000000003e-05, |
| "loss": 1.3652, |
| "step": 4600 |
| }, |
| { |
| "epoch": 0.0775, |
| "grad_norm": 6.03125, |
| "learning_rate": 1.4000000000000001e-05, |
| "loss": 1.6, |
| "step": 4650 |
| }, |
| { |
| "epoch": 0.07833333333333334, |
| "grad_norm": 5.6875, |
| "learning_rate": 1.2e-05, |
| "loss": 1.3271, |
| "step": 4700 |
| }, |
| { |
| "epoch": 0.07916666666666666, |
| "grad_norm": 6.5625, |
| "learning_rate": 1e-05, |
| "loss": 1.4195, |
| "step": 4750 |
| }, |
| { |
| "epoch": 0.08, |
| "grad_norm": 8.1875, |
| "learning_rate": 8.000000000000001e-06, |
| "loss": 1.414, |
| "step": 4800 |
| }, |
| { |
| "epoch": 0.08083333333333333, |
| "grad_norm": 4.5625, |
| "learning_rate": 6e-06, |
| "loss": 1.3807, |
| "step": 4850 |
| }, |
| { |
| "epoch": 0.08166666666666667, |
| "grad_norm": 4.21875, |
| "learning_rate": 4.000000000000001e-06, |
| "loss": 1.4859, |
| "step": 4900 |
| }, |
| { |
| "epoch": 0.0825, |
| "grad_norm": 6.3125, |
| "learning_rate": 2.0000000000000003e-06, |
| "loss": 1.4595, |
| "step": 4950 |
| }, |
| { |
| "epoch": 0.08333333333333333, |
| "grad_norm": 6.9375, |
| "learning_rate": 0.0, |
| "loss": 1.5689, |
| "step": 5000 |
| } |
| ], |
| "logging_steps": 50, |
| "max_steps": 5000, |
| "num_input_tokens_seen": 0, |
| "num_train_epochs": 1, |
| "save_steps": 1000, |
| "stateful_callbacks": { |
| "TrainerControl": { |
| "args": { |
| "should_epoch_stop": false, |
| "should_evaluate": false, |
| "should_log": false, |
| "should_save": true, |
| "should_training_stop": true |
| }, |
| "attributes": {} |
| } |
| }, |
| "total_flos": 1.661361258061824e+16, |
| "train_batch_size": 1, |
| "trial_name": null, |
| "trial_params": null |
| } |
|
|
