| { |
| "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": 8.125, |
| "learning_rate": 0.00019800000000000002, |
| "loss": 1.3509, |
| "step": 50 |
| }, |
| { |
| "epoch": 0.0016666666666666668, |
| "grad_norm": 2.03125, |
| "learning_rate": 0.000196, |
| "loss": 0.9595, |
| "step": 100 |
| }, |
| { |
| "epoch": 0.0025, |
| "grad_norm": 2.296875, |
| "learning_rate": 0.000194, |
| "loss": 1.1921, |
| "step": 150 |
| }, |
| { |
| "epoch": 0.0033333333333333335, |
| "grad_norm": 3.234375, |
| "learning_rate": 0.000192, |
| "loss": 1.0242, |
| "step": 200 |
| }, |
| { |
| "epoch": 0.004166666666666667, |
| "grad_norm": 3.0625, |
| "learning_rate": 0.00019, |
| "loss": 0.9935, |
| "step": 250 |
| }, |
| { |
| "epoch": 0.005, |
| "grad_norm": 10.5, |
| "learning_rate": 0.000188, |
| "loss": 1.3662, |
| "step": 300 |
| }, |
| { |
| "epoch": 0.005833333333333334, |
| "grad_norm": 3.421875, |
| "learning_rate": 0.00018600000000000002, |
| "loss": 1.205, |
| "step": 350 |
| }, |
| { |
| "epoch": 0.006666666666666667, |
| "grad_norm": 4.21875, |
| "learning_rate": 0.00018400000000000003, |
| "loss": 1.1953, |
| "step": 400 |
| }, |
| { |
| "epoch": 0.0075, |
| "grad_norm": 4.375, |
| "learning_rate": 0.000182, |
| "loss": 0.9678, |
| "step": 450 |
| }, |
| { |
| "epoch": 0.008333333333333333, |
| "grad_norm": 6.5, |
| "learning_rate": 0.00018, |
| "loss": 0.9857, |
| "step": 500 |
| }, |
| { |
| "epoch": 0.009166666666666667, |
| "grad_norm": 1.4375, |
| "learning_rate": 0.00017800000000000002, |
| "loss": 1.1102, |
| "step": 550 |
| }, |
| { |
| "epoch": 0.01, |
| "grad_norm": 4.34375, |
| "learning_rate": 0.00017600000000000002, |
| "loss": 1.0427, |
| "step": 600 |
| }, |
| { |
| "epoch": 0.010833333333333334, |
| "grad_norm": 3.875, |
| "learning_rate": 0.000174, |
| "loss": 0.8634, |
| "step": 650 |
| }, |
| { |
| "epoch": 0.011666666666666667, |
| "grad_norm": 3.65625, |
| "learning_rate": 0.000172, |
| "loss": 0.9881, |
| "step": 700 |
| }, |
| { |
| "epoch": 0.0125, |
| "grad_norm": 2.046875, |
| "learning_rate": 0.00017, |
| "loss": 1.0039, |
| "step": 750 |
| }, |
| { |
| "epoch": 0.013333333333333334, |
| "grad_norm": 1.203125, |
| "learning_rate": 0.000168, |
| "loss": 0.9627, |
| "step": 800 |
| }, |
| { |
| "epoch": 0.014166666666666666, |
| "grad_norm": 4.0, |
| "learning_rate": 0.000166, |
| "loss": 0.9181, |
| "step": 850 |
| }, |
| { |
| "epoch": 0.015, |
| "grad_norm": 2.828125, |
| "learning_rate": 0.000164, |
| "loss": 0.974, |
| "step": 900 |
| }, |
| { |
| "epoch": 0.015833333333333335, |
| "grad_norm": 1.890625, |
| "learning_rate": 0.000162, |
| "loss": 1.0271, |
| "step": 950 |
| }, |
| { |
| "epoch": 0.016666666666666666, |
| "grad_norm": 1.8203125, |
| "learning_rate": 0.00016, |
| "loss": 0.9513, |
| "step": 1000 |
| }, |
| { |
| "epoch": 0.0175, |
| "grad_norm": 2.4375, |
| "learning_rate": 0.00015800000000000002, |
| "loss": 0.9863, |
| "step": 1050 |
| }, |
| { |
| "epoch": 0.018333333333333333, |
| "grad_norm": 11.6875, |
| "learning_rate": 0.00015600000000000002, |
| "loss": 1.002, |
| "step": 1100 |
| }, |
| { |
| "epoch": 0.019166666666666665, |
| "grad_norm": 2.046875, |
| "learning_rate": 0.000154, |
| "loss": 0.8471, |
| "step": 1150 |
| }, |
| { |
| "epoch": 0.02, |
| "grad_norm": 2.015625, |
| "learning_rate": 0.000152, |
| "loss": 0.9362, |
| "step": 1200 |
| }, |
| { |
| "epoch": 0.020833333333333332, |
| "grad_norm": 3.15625, |
| "learning_rate": 0.00015000000000000001, |
| "loss": 0.9639, |
| "step": 1250 |
| }, |
| { |
| "epoch": 0.021666666666666667, |
| "grad_norm": 1.6796875, |
| "learning_rate": 0.000148, |
| "loss": 0.8909, |
| "step": 1300 |
| }, |
| { |
| "epoch": 0.0225, |
| "grad_norm": 2.78125, |
| "learning_rate": 0.000146, |
| "loss": 0.9531, |
| "step": 1350 |
| }, |
| { |
| "epoch": 0.023333333333333334, |
| "grad_norm": 2.6875, |
| "learning_rate": 0.000144, |
| "loss": 0.8851, |
| "step": 1400 |
| }, |
| { |
| "epoch": 0.024166666666666666, |
| "grad_norm": 2.90625, |
| "learning_rate": 0.000142, |
| "loss": 0.9175, |
| "step": 1450 |
| }, |
| { |
| "epoch": 0.025, |
| "grad_norm": 3.625, |
| "learning_rate": 0.00014, |
| "loss": 0.7855, |
| "step": 1500 |
| }, |
| { |
| "epoch": 0.025833333333333333, |
| "grad_norm": 2.59375, |
| "learning_rate": 0.000138, |
| "loss": 0.8076, |
| "step": 1550 |
| }, |
| { |
| "epoch": 0.02666666666666667, |
| "grad_norm": 2.015625, |
| "learning_rate": 0.00013600000000000003, |
| "loss": 0.9325, |
| "step": 1600 |
| }, |
| { |
| "epoch": 0.0275, |
| "grad_norm": 1.96875, |
| "learning_rate": 0.000134, |
| "loss": 0.881, |
| "step": 1650 |
| }, |
| { |
| "epoch": 0.028333333333333332, |
| "grad_norm": 2.9375, |
| "learning_rate": 0.000132, |
| "loss": 0.9413, |
| "step": 1700 |
| }, |
| { |
| "epoch": 0.029166666666666667, |
| "grad_norm": 1.71875, |
| "learning_rate": 0.00013000000000000002, |
| "loss": 0.9133, |
| "step": 1750 |
| }, |
| { |
| "epoch": 0.03, |
| "grad_norm": 1.546875, |
| "learning_rate": 0.00012800000000000002, |
| "loss": 0.8019, |
| "step": 1800 |
| }, |
| { |
| "epoch": 0.030833333333333334, |
| "grad_norm": 2.234375, |
| "learning_rate": 0.000126, |
| "loss": 0.8877, |
| "step": 1850 |
| }, |
| { |
| "epoch": 0.03166666666666667, |
| "grad_norm": 4.71875, |
| "learning_rate": 0.000124, |
| "loss": 0.7945, |
| "step": 1900 |
| }, |
| { |
| "epoch": 0.0325, |
| "grad_norm": 1.7890625, |
| "learning_rate": 0.000122, |
| "loss": 0.842, |
| "step": 1950 |
| }, |
| { |
| "epoch": 0.03333333333333333, |
| "grad_norm": 3.15625, |
| "learning_rate": 0.00012, |
| "loss": 0.8783, |
| "step": 2000 |
| }, |
| { |
| "epoch": 0.034166666666666665, |
| "grad_norm": 1.6484375, |
| "learning_rate": 0.000118, |
| "loss": 0.8158, |
| "step": 2050 |
| }, |
| { |
| "epoch": 0.035, |
| "grad_norm": 1.9375, |
| "learning_rate": 0.000116, |
| "loss": 0.9078, |
| "step": 2100 |
| }, |
| { |
| "epoch": 0.035833333333333335, |
| "grad_norm": 4.65625, |
| "learning_rate": 0.00011399999999999999, |
| "loss": 0.7682, |
| "step": 2150 |
| }, |
| { |
| "epoch": 0.03666666666666667, |
| "grad_norm": 1.7890625, |
| "learning_rate": 0.00011200000000000001, |
| "loss": 0.9148, |
| "step": 2200 |
| }, |
| { |
| "epoch": 0.0375, |
| "grad_norm": 3.328125, |
| "learning_rate": 0.00011000000000000002, |
| "loss": 0.8423, |
| "step": 2250 |
| }, |
| { |
| "epoch": 0.03833333333333333, |
| "grad_norm": 0.63671875, |
| "learning_rate": 0.00010800000000000001, |
| "loss": 0.7774, |
| "step": 2300 |
| }, |
| { |
| "epoch": 0.03916666666666667, |
| "grad_norm": 1.71875, |
| "learning_rate": 0.00010600000000000002, |
| "loss": 0.8988, |
| "step": 2350 |
| }, |
| { |
| "epoch": 0.04, |
| "grad_norm": 1.859375, |
| "learning_rate": 0.00010400000000000001, |
| "loss": 0.8033, |
| "step": 2400 |
| }, |
| { |
| "epoch": 0.04083333333333333, |
| "grad_norm": 2.171875, |
| "learning_rate": 0.00010200000000000001, |
| "loss": 0.9283, |
| "step": 2450 |
| }, |
| { |
| "epoch": 0.041666666666666664, |
| "grad_norm": 2.34375, |
| "learning_rate": 0.0001, |
| "loss": 0.8743, |
| "step": 2500 |
| }, |
| { |
| "epoch": 0.0425, |
| "grad_norm": 4.40625, |
| "learning_rate": 9.8e-05, |
| "loss": 0.819, |
| "step": 2550 |
| }, |
| { |
| "epoch": 0.043333333333333335, |
| "grad_norm": 1.171875, |
| "learning_rate": 9.6e-05, |
| "loss": 0.9378, |
| "step": 2600 |
| }, |
| { |
| "epoch": 0.04416666666666667, |
| "grad_norm": 4.0625, |
| "learning_rate": 9.4e-05, |
| "loss": 0.8368, |
| "step": 2650 |
| }, |
| { |
| "epoch": 0.045, |
| "grad_norm": 2.34375, |
| "learning_rate": 9.200000000000001e-05, |
| "loss": 0.8957, |
| "step": 2700 |
| }, |
| { |
| "epoch": 0.04583333333333333, |
| "grad_norm": 1.6796875, |
| "learning_rate": 9e-05, |
| "loss": 0.9611, |
| "step": 2750 |
| }, |
| { |
| "epoch": 0.04666666666666667, |
| "grad_norm": 2.25, |
| "learning_rate": 8.800000000000001e-05, |
| "loss": 0.8804, |
| "step": 2800 |
| }, |
| { |
| "epoch": 0.0475, |
| "grad_norm": 2.09375, |
| "learning_rate": 8.6e-05, |
| "loss": 0.9686, |
| "step": 2850 |
| }, |
| { |
| "epoch": 0.04833333333333333, |
| "grad_norm": 1.71875, |
| "learning_rate": 8.4e-05, |
| "loss": 0.8116, |
| "step": 2900 |
| }, |
| { |
| "epoch": 0.049166666666666664, |
| "grad_norm": 0.07568359375, |
| "learning_rate": 8.2e-05, |
| "loss": 0.9102, |
| "step": 2950 |
| }, |
| { |
| "epoch": 0.05, |
| "grad_norm": 3.421875, |
| "learning_rate": 8e-05, |
| "loss": 0.8814, |
| "step": 3000 |
| }, |
| { |
| "epoch": 0.050833333333333335, |
| "grad_norm": 1.5859375, |
| "learning_rate": 7.800000000000001e-05, |
| "loss": 0.7487, |
| "step": 3050 |
| }, |
| { |
| "epoch": 0.051666666666666666, |
| "grad_norm": 4.53125, |
| "learning_rate": 7.6e-05, |
| "loss": 0.7546, |
| "step": 3100 |
| }, |
| { |
| "epoch": 0.0525, |
| "grad_norm": 4.03125, |
| "learning_rate": 7.4e-05, |
| "loss": 0.9248, |
| "step": 3150 |
| }, |
| { |
| "epoch": 0.05333333333333334, |
| "grad_norm": 6.1875, |
| "learning_rate": 7.2e-05, |
| "loss": 0.9089, |
| "step": 3200 |
| }, |
| { |
| "epoch": 0.05416666666666667, |
| "grad_norm": 1.46875, |
| "learning_rate": 7e-05, |
| "loss": 0.8565, |
| "step": 3250 |
| }, |
| { |
| "epoch": 0.055, |
| "grad_norm": 2.234375, |
| "learning_rate": 6.800000000000001e-05, |
| "loss": 0.8389, |
| "step": 3300 |
| }, |
| { |
| "epoch": 0.05583333333333333, |
| "grad_norm": 2.671875, |
| "learning_rate": 6.6e-05, |
| "loss": 0.7939, |
| "step": 3350 |
| }, |
| { |
| "epoch": 0.056666666666666664, |
| "grad_norm": 1.4453125, |
| "learning_rate": 6.400000000000001e-05, |
| "loss": 0.7343, |
| "step": 3400 |
| }, |
| { |
| "epoch": 0.0575, |
| "grad_norm": 1.9453125, |
| "learning_rate": 6.2e-05, |
| "loss": 0.8104, |
| "step": 3450 |
| }, |
| { |
| "epoch": 0.058333333333333334, |
| "grad_norm": 2.21875, |
| "learning_rate": 6e-05, |
| "loss": 0.8094, |
| "step": 3500 |
| }, |
| { |
| "epoch": 0.059166666666666666, |
| "grad_norm": 2.515625, |
| "learning_rate": 5.8e-05, |
| "loss": 0.8254, |
| "step": 3550 |
| }, |
| { |
| "epoch": 0.06, |
| "grad_norm": 1.984375, |
| "learning_rate": 5.6000000000000006e-05, |
| "loss": 0.892, |
| "step": 3600 |
| }, |
| { |
| "epoch": 0.060833333333333336, |
| "grad_norm": 5.0625, |
| "learning_rate": 5.4000000000000005e-05, |
| "loss": 0.7148, |
| "step": 3650 |
| }, |
| { |
| "epoch": 0.06166666666666667, |
| "grad_norm": 1.7109375, |
| "learning_rate": 5.2000000000000004e-05, |
| "loss": 0.8655, |
| "step": 3700 |
| }, |
| { |
| "epoch": 0.0625, |
| "grad_norm": 2.234375, |
| "learning_rate": 5e-05, |
| "loss": 0.8258, |
| "step": 3750 |
| }, |
| { |
| "epoch": 0.06333333333333334, |
| "grad_norm": 1.6328125, |
| "learning_rate": 4.8e-05, |
| "loss": 0.8282, |
| "step": 3800 |
| }, |
| { |
| "epoch": 0.06416666666666666, |
| "grad_norm": 1.0546875, |
| "learning_rate": 4.600000000000001e-05, |
| "loss": 0.8776, |
| "step": 3850 |
| }, |
| { |
| "epoch": 0.065, |
| "grad_norm": 0.0235595703125, |
| "learning_rate": 4.4000000000000006e-05, |
| "loss": 0.8278, |
| "step": 3900 |
| }, |
| { |
| "epoch": 0.06583333333333333, |
| "grad_norm": 2.203125, |
| "learning_rate": 4.2e-05, |
| "loss": 0.6777, |
| "step": 3950 |
| }, |
| { |
| "epoch": 0.06666666666666667, |
| "grad_norm": 2.9375, |
| "learning_rate": 4e-05, |
| "loss": 0.7761, |
| "step": 4000 |
| }, |
| { |
| "epoch": 0.0675, |
| "grad_norm": 1.8125, |
| "learning_rate": 3.8e-05, |
| "loss": 0.7533, |
| "step": 4050 |
| }, |
| { |
| "epoch": 0.06833333333333333, |
| "grad_norm": 3.328125, |
| "learning_rate": 3.6e-05, |
| "loss": 0.6807, |
| "step": 4100 |
| }, |
| { |
| "epoch": 0.06916666666666667, |
| "grad_norm": 2.09375, |
| "learning_rate": 3.4000000000000007e-05, |
| "loss": 0.7608, |
| "step": 4150 |
| }, |
| { |
| "epoch": 0.07, |
| "grad_norm": 2.1875, |
| "learning_rate": 3.2000000000000005e-05, |
| "loss": 0.8655, |
| "step": 4200 |
| }, |
| { |
| "epoch": 0.07083333333333333, |
| "grad_norm": 5.375, |
| "learning_rate": 3e-05, |
| "loss": 0.922, |
| "step": 4250 |
| }, |
| { |
| "epoch": 0.07166666666666667, |
| "grad_norm": 1.515625, |
| "learning_rate": 2.8000000000000003e-05, |
| "loss": 0.8742, |
| "step": 4300 |
| }, |
| { |
| "epoch": 0.0725, |
| "grad_norm": 3.3125, |
| "learning_rate": 2.6000000000000002e-05, |
| "loss": 0.7071, |
| "step": 4350 |
| }, |
| { |
| "epoch": 0.07333333333333333, |
| "grad_norm": 7.78125, |
| "learning_rate": 2.4e-05, |
| "loss": 0.8613, |
| "step": 4400 |
| }, |
| { |
| "epoch": 0.07416666666666667, |
| "grad_norm": 0.1005859375, |
| "learning_rate": 2.2000000000000003e-05, |
| "loss": 0.9172, |
| "step": 4450 |
| }, |
| { |
| "epoch": 0.075, |
| "grad_norm": 3.65625, |
| "learning_rate": 2e-05, |
| "loss": 0.883, |
| "step": 4500 |
| }, |
| { |
| "epoch": 0.07583333333333334, |
| "grad_norm": 1.6640625, |
| "learning_rate": 1.8e-05, |
| "loss": 0.7829, |
| "step": 4550 |
| }, |
| { |
| "epoch": 0.07666666666666666, |
| "grad_norm": 1.5703125, |
| "learning_rate": 1.6000000000000003e-05, |
| "loss": 0.8361, |
| "step": 4600 |
| }, |
| { |
| "epoch": 0.0775, |
| "grad_norm": 3.21875, |
| "learning_rate": 1.4000000000000001e-05, |
| "loss": 0.7913, |
| "step": 4650 |
| }, |
| { |
| "epoch": 0.07833333333333334, |
| "grad_norm": 3.09375, |
| "learning_rate": 1.2e-05, |
| "loss": 0.812, |
| "step": 4700 |
| }, |
| { |
| "epoch": 0.07916666666666666, |
| "grad_norm": 2.046875, |
| "learning_rate": 1e-05, |
| "loss": 0.7327, |
| "step": 4750 |
| }, |
| { |
| "epoch": 0.08, |
| "grad_norm": 4.65625, |
| "learning_rate": 8.000000000000001e-06, |
| "loss": 0.8677, |
| "step": 4800 |
| }, |
| { |
| "epoch": 0.08083333333333333, |
| "grad_norm": 8.3125, |
| "learning_rate": 6e-06, |
| "loss": 0.738, |
| "step": 4850 |
| }, |
| { |
| "epoch": 0.08166666666666667, |
| "grad_norm": 2.0, |
| "learning_rate": 4.000000000000001e-06, |
| "loss": 0.688, |
| "step": 4900 |
| }, |
| { |
| "epoch": 0.0825, |
| "grad_norm": 2.0625, |
| "learning_rate": 2.0000000000000003e-06, |
| "loss": 0.8768, |
| "step": 4950 |
| }, |
| { |
| "epoch": 0.08333333333333333, |
| "grad_norm": 2.296875, |
| "learning_rate": 0.0, |
| "loss": 0.7787, |
| "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": 2.498737835618304e+16, |
| "train_batch_size": 1, |
| "trial_name": null, |
| "trial_params": null |
| } |
|
|
