{
  "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": 0.1123046875,
      "learning_rate": 0.00019800000000000002,
      "loss": 1.4516,
      "step": 50
    },
    {
      "epoch": 0.0016666666666666668,
      "grad_norm": 0.0,
      "learning_rate": 0.000196,
      "loss": 1.2996,
      "step": 100
    },
    {
      "epoch": 0.0025,
      "grad_norm": 1.484375,
      "learning_rate": 0.000194,
      "loss": 1.0623,
      "step": 150
    },
    {
      "epoch": 0.0033333333333333335,
      "grad_norm": 17.625,
      "learning_rate": 0.000192,
      "loss": 0.9999,
      "step": 200
    },
    {
      "epoch": 0.004166666666666667,
      "grad_norm": 15.4375,
      "learning_rate": 0.00019,
      "loss": 0.8962,
      "step": 250
    },
    {
      "epoch": 0.005,
      "grad_norm": 22.125,
      "learning_rate": 0.000188,
      "loss": 1.187,
      "step": 300
    },
    {
      "epoch": 0.005833333333333334,
      "grad_norm": 10.5625,
      "learning_rate": 0.00018600000000000002,
      "loss": 0.9388,
      "step": 350
    },
    {
      "epoch": 0.006666666666666667,
      "grad_norm": 14.875,
      "learning_rate": 0.00018400000000000003,
      "loss": 1.0297,
      "step": 400
    },
    {
      "epoch": 0.0075,
      "grad_norm": 0.984375,
      "learning_rate": 0.000182,
      "loss": 1.0917,
      "step": 450
    },
    {
      "epoch": 0.008333333333333333,
      "grad_norm": 24.75,
      "learning_rate": 0.00018,
      "loss": 1.1014,
      "step": 500
    },
    {
      "epoch": 0.009166666666666667,
      "grad_norm": 0.0,
      "learning_rate": 0.00017800000000000002,
      "loss": 0.9601,
      "step": 550
    },
    {
      "epoch": 0.01,
      "grad_norm": 16.75,
      "learning_rate": 0.00017600000000000002,
      "loss": 0.9769,
      "step": 600
    },
    {
      "epoch": 0.010833333333333334,
      "grad_norm": 0.1396484375,
      "learning_rate": 0.000174,
      "loss": 0.9321,
      "step": 650
    },
    {
      "epoch": 0.011666666666666667,
      "grad_norm": 0.0322265625,
      "learning_rate": 0.000172,
      "loss": 1.0749,
      "step": 700
    },
    {
      "epoch": 0.0125,
      "grad_norm": 0.0,
      "learning_rate": 0.00017,
      "loss": 0.9121,
      "step": 750
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 24.75,
      "learning_rate": 0.000168,
      "loss": 0.9772,
      "step": 800
    },
    {
      "epoch": 0.014166666666666666,
      "grad_norm": 1.875,
      "learning_rate": 0.000166,
      "loss": 0.9027,
      "step": 850
    },
    {
      "epoch": 0.015,
      "grad_norm": 83.0,
      "learning_rate": 0.000164,
      "loss": 1.0092,
      "step": 900
    },
    {
      "epoch": 0.015833333333333335,
      "grad_norm": 36.75,
      "learning_rate": 0.000162,
      "loss": 1.0521,
      "step": 950
    },
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 0.330078125,
      "learning_rate": 0.00016,
      "loss": 0.7417,
      "step": 1000
    },
    {
      "epoch": 0.0175,
      "grad_norm": 3.375,
      "learning_rate": 0.00015800000000000002,
      "loss": 0.7505,
      "step": 1050
    },
    {
      "epoch": 0.018333333333333333,
      "grad_norm": 0.01446533203125,
      "learning_rate": 0.00015600000000000002,
      "loss": 0.8712,
      "step": 1100
    },
    {
      "epoch": 0.019166666666666665,
      "grad_norm": 13.4375,
      "learning_rate": 0.000154,
      "loss": 0.6782,
      "step": 1150
    },
    {
      "epoch": 0.02,
      "grad_norm": 0.1611328125,
      "learning_rate": 0.000152,
      "loss": 1.0318,
      "step": 1200
    },
    {
      "epoch": 0.020833333333333332,
      "grad_norm": 1.125,
      "learning_rate": 0.00015000000000000001,
      "loss": 0.9665,
      "step": 1250
    },
    {
      "epoch": 0.021666666666666667,
      "grad_norm": 30.375,
      "learning_rate": 0.000148,
      "loss": 0.7249,
      "step": 1300
    },
    {
      "epoch": 0.0225,
      "grad_norm": 13.125,
      "learning_rate": 0.000146,
      "loss": 0.8226,
      "step": 1350
    },
    {
      "epoch": 0.023333333333333334,
      "grad_norm": 0.0,
      "learning_rate": 0.000144,
      "loss": 0.798,
      "step": 1400
    },
    {
      "epoch": 0.024166666666666666,
      "grad_norm": 37.0,
      "learning_rate": 0.000142,
      "loss": 0.8537,
      "step": 1450
    },
    {
      "epoch": 0.025,
      "grad_norm": 15.625,
      "learning_rate": 0.00014,
      "loss": 0.6732,
      "step": 1500
    },
    {
      "epoch": 0.025833333333333333,
      "grad_norm": 0.0,
      "learning_rate": 0.000138,
      "loss": 0.7943,
      "step": 1550
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 0.0166015625,
      "learning_rate": 0.00013600000000000003,
      "loss": 0.5591,
      "step": 1600
    },
    {
      "epoch": 0.0275,
      "grad_norm": 30.625,
      "learning_rate": 0.000134,
      "loss": 0.8637,
      "step": 1650
    },
    {
      "epoch": 0.028333333333333332,
      "grad_norm": 3.78125,
      "learning_rate": 0.000132,
      "loss": 1.0605,
      "step": 1700
    },
    {
      "epoch": 0.029166666666666667,
      "grad_norm": 46.75,
      "learning_rate": 0.00013000000000000002,
      "loss": 0.8667,
      "step": 1750
    },
    {
      "epoch": 0.03,
      "grad_norm": 0.0184326171875,
      "learning_rate": 0.00012800000000000002,
      "loss": 0.6487,
      "step": 1800
    },
    {
      "epoch": 0.030833333333333334,
      "grad_norm": 9.5625,
      "learning_rate": 0.000126,
      "loss": 0.6479,
      "step": 1850
    },
    {
      "epoch": 0.03166666666666667,
      "grad_norm": 0.0,
      "learning_rate": 0.000124,
      "loss": 0.8994,
      "step": 1900
    },
    {
      "epoch": 0.0325,
      "grad_norm": 8.9375,
      "learning_rate": 0.000122,
      "loss": 0.7855,
      "step": 1950
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 0.0,
      "learning_rate": 0.00012,
      "loss": 0.8477,
      "step": 2000
    },
    {
      "epoch": 0.034166666666666665,
      "grad_norm": 15.375,
      "learning_rate": 0.000118,
      "loss": 0.6404,
      "step": 2050
    },
    {
      "epoch": 0.035,
      "grad_norm": 1.390625,
      "learning_rate": 0.000116,
      "loss": 0.8103,
      "step": 2100
    },
    {
      "epoch": 0.035833333333333335,
      "grad_norm": 20.75,
      "learning_rate": 0.00011399999999999999,
      "loss": 0.8054,
      "step": 2150
    },
    {
      "epoch": 0.03666666666666667,
      "grad_norm": 20.125,
      "learning_rate": 0.00011200000000000001,
      "loss": 0.783,
      "step": 2200
    },
    {
      "epoch": 0.0375,
      "grad_norm": 3.734375,
      "learning_rate": 0.00011000000000000002,
      "loss": 1.0472,
      "step": 2250
    },
    {
      "epoch": 0.03833333333333333,
      "grad_norm": 5.3125,
      "learning_rate": 0.00010800000000000001,
      "loss": 0.5957,
      "step": 2300
    },
    {
      "epoch": 0.03916666666666667,
      "grad_norm": 4.3125,
      "learning_rate": 0.00010600000000000002,
      "loss": 0.5919,
      "step": 2350
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.28515625,
      "learning_rate": 0.00010400000000000001,
      "loss": 0.6999,
      "step": 2400
    },
    {
      "epoch": 0.04083333333333333,
      "grad_norm": 1.0625,
      "learning_rate": 0.00010200000000000001,
      "loss": 0.7676,
      "step": 2450
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 0.0,
      "learning_rate": 0.0001,
      "loss": 0.6055,
      "step": 2500
    },
    {
      "epoch": 0.0425,
      "grad_norm": 18.375,
      "learning_rate": 9.8e-05,
      "loss": 0.96,
      "step": 2550
    },
    {
      "epoch": 0.043333333333333335,
      "grad_norm": 0.19140625,
      "learning_rate": 9.6e-05,
      "loss": 0.6625,
      "step": 2600
    },
    {
      "epoch": 0.04416666666666667,
      "grad_norm": 2.84375,
      "learning_rate": 9.4e-05,
      "loss": 0.7974,
      "step": 2650
    },
    {
      "epoch": 0.045,
      "grad_norm": 10.8125,
      "learning_rate": 9.200000000000001e-05,
      "loss": 0.7577,
      "step": 2700
    },
    {
      "epoch": 0.04583333333333333,
      "grad_norm": 0.04736328125,
      "learning_rate": 9e-05,
      "loss": 1.0903,
      "step": 2750
    },
    {
      "epoch": 0.04666666666666667,
      "grad_norm": 0.029541015625,
      "learning_rate": 8.800000000000001e-05,
      "loss": 0.7055,
      "step": 2800
    },
    {
      "epoch": 0.0475,
      "grad_norm": 5.875,
      "learning_rate": 8.6e-05,
      "loss": 0.6875,
      "step": 2850
    },
    {
      "epoch": 0.04833333333333333,
      "grad_norm": 1.015625,
      "learning_rate": 8.4e-05,
      "loss": 0.9887,
      "step": 2900
    },
    {
      "epoch": 0.049166666666666664,
      "grad_norm": 5.1875,
      "learning_rate": 8.2e-05,
      "loss": 0.8508,
      "step": 2950
    },
    {
      "epoch": 0.05,
      "grad_norm": 0.10693359375,
      "learning_rate": 8e-05,
      "loss": 0.7898,
      "step": 3000
    },
    {
      "epoch": 0.050833333333333335,
      "grad_norm": 5.8125,
      "learning_rate": 7.800000000000001e-05,
      "loss": 0.5506,
      "step": 3050
    },
    {
      "epoch": 0.051666666666666666,
      "grad_norm": 23.375,
      "learning_rate": 7.6e-05,
      "loss": 0.903,
      "step": 3100
    },
    {
      "epoch": 0.0525,
      "grad_norm": 0.2412109375,
      "learning_rate": 7.4e-05,
      "loss": 0.7488,
      "step": 3150
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 0.11767578125,
      "learning_rate": 7.2e-05,
      "loss": 0.6075,
      "step": 3200
    },
    {
      "epoch": 0.05416666666666667,
      "grad_norm": 6.34375,
      "learning_rate": 7e-05,
      "loss": 0.7244,
      "step": 3250
    },
    {
      "epoch": 0.055,
      "grad_norm": 37.5,
      "learning_rate": 6.800000000000001e-05,
      "loss": 0.9318,
      "step": 3300
    },
    {
      "epoch": 0.05583333333333333,
      "grad_norm": 0.027587890625,
      "learning_rate": 6.6e-05,
      "loss": 0.7272,
      "step": 3350
    },
    {
      "epoch": 0.056666666666666664,
      "grad_norm": 27.25,
      "learning_rate": 6.400000000000001e-05,
      "loss": 0.6864,
      "step": 3400
    },
    {
      "epoch": 0.0575,
      "grad_norm": 3.6875,
      "learning_rate": 6.2e-05,
      "loss": 0.8282,
      "step": 3450
    },
    {
      "epoch": 0.058333333333333334,
      "grad_norm": 1.6328125,
      "learning_rate": 6e-05,
      "loss": 0.4837,
      "step": 3500
    },
    {
      "epoch": 0.059166666666666666,
      "grad_norm": 0.07763671875,
      "learning_rate": 5.8e-05,
      "loss": 0.7418,
      "step": 3550
    },
    {
      "epoch": 0.06,
      "grad_norm": 1.5390625,
      "learning_rate": 5.6000000000000006e-05,
      "loss": 0.718,
      "step": 3600
    },
    {
      "epoch": 0.060833333333333336,
      "grad_norm": 0.380859375,
      "learning_rate": 5.4000000000000005e-05,
      "loss": 1.0253,
      "step": 3650
    },
    {
      "epoch": 0.06166666666666667,
      "grad_norm": 0.0,
      "learning_rate": 5.2000000000000004e-05,
      "loss": 0.7159,
      "step": 3700
    },
    {
      "epoch": 0.0625,
      "grad_norm": 1.265625,
      "learning_rate": 5e-05,
      "loss": 0.6099,
      "step": 3750
    },
    {
      "epoch": 0.06333333333333334,
      "grad_norm": 0.01220703125,
      "learning_rate": 4.8e-05,
      "loss": 0.6903,
      "step": 3800
    },
    {
      "epoch": 0.06416666666666666,
      "grad_norm": 0.00885009765625,
      "learning_rate": 4.600000000000001e-05,
      "loss": 0.5552,
      "step": 3850
    },
    {
      "epoch": 0.065,
      "grad_norm": 22.625,
      "learning_rate": 4.4000000000000006e-05,
      "loss": 0.6319,
      "step": 3900
    },
    {
      "epoch": 0.06583333333333333,
      "grad_norm": 0.0,
      "learning_rate": 4.2e-05,
      "loss": 0.6253,
      "step": 3950
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 16.75,
      "learning_rate": 4e-05,
      "loss": 0.5983,
      "step": 4000
    },
    {
      "epoch": 0.0675,
      "grad_norm": 15.0,
      "learning_rate": 3.8e-05,
      "loss": 0.8113,
      "step": 4050
    },
    {
      "epoch": 0.06833333333333333,
      "grad_norm": 2.765625,
      "learning_rate": 3.6e-05,
      "loss": 0.8772,
      "step": 4100
    },
    {
      "epoch": 0.06916666666666667,
      "grad_norm": 5.3125,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 0.6207,
      "step": 4150
    },
    {
      "epoch": 0.07,
      "grad_norm": 18.875,
      "learning_rate": 3.2000000000000005e-05,
      "loss": 0.6393,
      "step": 4200
    },
    {
      "epoch": 0.07083333333333333,
      "grad_norm": 0.0,
      "learning_rate": 3e-05,
      "loss": 0.6778,
      "step": 4250
    },
    {
      "epoch": 0.07166666666666667,
      "grad_norm": 0.0830078125,
      "learning_rate": 2.8000000000000003e-05,
      "loss": 0.612,
      "step": 4300
    },
    {
      "epoch": 0.0725,
      "grad_norm": 19.25,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 0.562,
      "step": 4350
    },
    {
      "epoch": 0.07333333333333333,
      "grad_norm": 4.78125,
      "learning_rate": 2.4e-05,
      "loss": 0.7917,
      "step": 4400
    },
    {
      "epoch": 0.07416666666666667,
      "grad_norm": 0.006683349609375,
      "learning_rate": 2.2000000000000003e-05,
      "loss": 0.7187,
      "step": 4450
    },
    {
      "epoch": 0.075,
      "grad_norm": 5.03125,
      "learning_rate": 2e-05,
      "loss": 0.8202,
      "step": 4500
    },
    {
      "epoch": 0.07583333333333334,
      "grad_norm": 1.6171875,
      "learning_rate": 1.8e-05,
      "loss": 0.7938,
      "step": 4550
    },
    {
      "epoch": 0.07666666666666666,
      "grad_norm": 2.875,
      "learning_rate": 1.6000000000000003e-05,
      "loss": 0.7071,
      "step": 4600
    },
    {
      "epoch": 0.0775,
      "grad_norm": 1.828125,
      "learning_rate": 1.4000000000000001e-05,
      "loss": 0.9711,
      "step": 4650
    },
    {
      "epoch": 0.07833333333333334,
      "grad_norm": 18.375,
      "learning_rate": 1.2e-05,
      "loss": 0.8532,
      "step": 4700
    },
    {
      "epoch": 0.07916666666666666,
      "grad_norm": 0.02001953125,
      "learning_rate": 1e-05,
      "loss": 0.664,
      "step": 4750
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.0,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.7068,
      "step": 4800
    },
    {
      "epoch": 0.08083333333333333,
      "grad_norm": 0.0,
      "learning_rate": 6e-06,
      "loss": 0.731,
      "step": 4850
    },
    {
      "epoch": 0.08166666666666667,
      "grad_norm": 0.0098876953125,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.7941,
      "step": 4900
    },
    {
      "epoch": 0.0825,
      "grad_norm": 10.6875,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.7831,
      "step": 4950
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 5.09375,
      "learning_rate": 0.0,
      "loss": 0.8273,
      "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": 7.439762064642048e+16,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}