| { |
| "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": 4.09375, |
| "learning_rate": 0.00019800000000000002, |
| "loss": 0.9058, |
| "step": 50 |
| }, |
| { |
| "epoch": 0.0016666666666666668, |
| "grad_norm": 5.28125, |
| "learning_rate": 0.000196, |
| "loss": 0.3736, |
| "step": 100 |
| }, |
| { |
| "epoch": 0.0025, |
| "grad_norm": 0.0218505859375, |
| "learning_rate": 0.000194, |
| "loss": 0.4404, |
| "step": 150 |
| }, |
| { |
| "epoch": 0.0033333333333333335, |
| "grad_norm": 0.1259765625, |
| "learning_rate": 0.000192, |
| "loss": 0.284, |
| "step": 200 |
| }, |
| { |
| "epoch": 0.004166666666666667, |
| "grad_norm": 5.78125, |
| "learning_rate": 0.00019, |
| "loss": 0.5001, |
| "step": 250 |
| }, |
| { |
| "epoch": 0.005, |
| "grad_norm": 13.1875, |
| "learning_rate": 0.000188, |
| "loss": 0.3276, |
| "step": 300 |
| }, |
| { |
| "epoch": 0.005833333333333334, |
| "grad_norm": 19.75, |
| "learning_rate": 0.00018600000000000002, |
| "loss": 0.3996, |
| "step": 350 |
| }, |
| { |
| "epoch": 0.006666666666666667, |
| "grad_norm": 17.75, |
| "learning_rate": 0.00018400000000000003, |
| "loss": 0.3957, |
| "step": 400 |
| }, |
| { |
| "epoch": 0.0075, |
| "grad_norm": 0.54296875, |
| "learning_rate": 0.000182, |
| "loss": 0.4081, |
| "step": 450 |
| }, |
| { |
| "epoch": 0.008333333333333333, |
| "grad_norm": 0.1259765625, |
| "learning_rate": 0.00018, |
| "loss": 0.4085, |
| "step": 500 |
| }, |
| { |
| "epoch": 0.009166666666666667, |
| "grad_norm": 0.00732421875, |
| "learning_rate": 0.00017800000000000002, |
| "loss": 0.2859, |
| "step": 550 |
| }, |
| { |
| "epoch": 0.01, |
| "grad_norm": 7.53125, |
| "learning_rate": 0.00017600000000000002, |
| "loss": 0.2673, |
| "step": 600 |
| }, |
| { |
| "epoch": 0.010833333333333334, |
| "grad_norm": 9.25, |
| "learning_rate": 0.000174, |
| "loss": 0.3739, |
| "step": 650 |
| }, |
| { |
| "epoch": 0.011666666666666667, |
| "grad_norm": 74.0, |
| "learning_rate": 0.000172, |
| "loss": 0.3111, |
| "step": 700 |
| }, |
| { |
| "epoch": 0.0125, |
| "grad_norm": 3.90625, |
| "learning_rate": 0.00017, |
| "loss": 0.3762, |
| "step": 750 |
| }, |
| { |
| "epoch": 0.013333333333333334, |
| "grad_norm": 0.0142822265625, |
| "learning_rate": 0.000168, |
| "loss": 0.4485, |
| "step": 800 |
| }, |
| { |
| "epoch": 0.014166666666666666, |
| "grad_norm": 0.0035552978515625, |
| "learning_rate": 0.000166, |
| "loss": 0.3335, |
| "step": 850 |
| }, |
| { |
| "epoch": 0.015, |
| "grad_norm": 7.5, |
| "learning_rate": 0.000164, |
| "loss": 0.4379, |
| "step": 900 |
| }, |
| { |
| "epoch": 0.015833333333333335, |
| "grad_norm": 0.77734375, |
| "learning_rate": 0.000162, |
| "loss": 0.3889, |
| "step": 950 |
| }, |
| { |
| "epoch": 0.016666666666666666, |
| "grad_norm": 42.75, |
| "learning_rate": 0.00016, |
| "loss": 0.2857, |
| "step": 1000 |
| }, |
| { |
| "epoch": 0.0175, |
| "grad_norm": 3.078125, |
| "learning_rate": 0.00015800000000000002, |
| "loss": 0.4564, |
| "step": 1050 |
| }, |
| { |
| "epoch": 0.018333333333333333, |
| "grad_norm": 0.010009765625, |
| "learning_rate": 0.00015600000000000002, |
| "loss": 0.3002, |
| "step": 1100 |
| }, |
| { |
| "epoch": 0.019166666666666665, |
| "grad_norm": 16.625, |
| "learning_rate": 0.000154, |
| "loss": 0.4278, |
| "step": 1150 |
| }, |
| { |
| "epoch": 0.02, |
| "grad_norm": 0.059814453125, |
| "learning_rate": 0.000152, |
| "loss": 0.4664, |
| "step": 1200 |
| }, |
| { |
| "epoch": 0.020833333333333332, |
| "grad_norm": 6.53125, |
| "learning_rate": 0.00015000000000000001, |
| "loss": 0.4828, |
| "step": 1250 |
| }, |
| { |
| "epoch": 0.021666666666666667, |
| "grad_norm": 11.75, |
| "learning_rate": 0.000148, |
| "loss": 0.1616, |
| "step": 1300 |
| }, |
| { |
| "epoch": 0.0225, |
| "grad_norm": 0.59375, |
| "learning_rate": 0.000146, |
| "loss": 0.2803, |
| "step": 1350 |
| }, |
| { |
| "epoch": 0.023333333333333334, |
| "grad_norm": 15.5625, |
| "learning_rate": 0.000144, |
| "loss": 0.3353, |
| "step": 1400 |
| }, |
| { |
| "epoch": 0.024166666666666666, |
| "grad_norm": 4.5, |
| "learning_rate": 0.000142, |
| "loss": 0.2172, |
| "step": 1450 |
| }, |
| { |
| "epoch": 0.025, |
| "grad_norm": 0.0125732421875, |
| "learning_rate": 0.00014, |
| "loss": 0.4423, |
| "step": 1500 |
| }, |
| { |
| "epoch": 0.025833333333333333, |
| "grad_norm": 0.703125, |
| "learning_rate": 0.000138, |
| "loss": 0.3955, |
| "step": 1550 |
| }, |
| { |
| "epoch": 0.02666666666666667, |
| "grad_norm": 12.8125, |
| "learning_rate": 0.00013600000000000003, |
| "loss": 0.294, |
| "step": 1600 |
| }, |
| { |
| "epoch": 0.0275, |
| "grad_norm": 9.6875, |
| "learning_rate": 0.000134, |
| "loss": 0.3339, |
| "step": 1650 |
| }, |
| { |
| "epoch": 0.028333333333333332, |
| "grad_norm": 0.0107421875, |
| "learning_rate": 0.000132, |
| "loss": 0.2258, |
| "step": 1700 |
| }, |
| { |
| "epoch": 0.029166666666666667, |
| "grad_norm": 0.04248046875, |
| "learning_rate": 0.00013000000000000002, |
| "loss": 0.2836, |
| "step": 1750 |
| }, |
| { |
| "epoch": 0.03, |
| "grad_norm": 0.01190185546875, |
| "learning_rate": 0.00012800000000000002, |
| "loss": 0.1699, |
| "step": 1800 |
| }, |
| { |
| "epoch": 0.030833333333333334, |
| "grad_norm": 2.34375, |
| "learning_rate": 0.000126, |
| "loss": 0.4675, |
| "step": 1850 |
| }, |
| { |
| "epoch": 0.03166666666666667, |
| "grad_norm": 9.0625, |
| "learning_rate": 0.000124, |
| "loss": 0.3601, |
| "step": 1900 |
| }, |
| { |
| "epoch": 0.0325, |
| "grad_norm": 0.0205078125, |
| "learning_rate": 0.000122, |
| "loss": 0.3616, |
| "step": 1950 |
| }, |
| { |
| "epoch": 0.03333333333333333, |
| "grad_norm": 0.34765625, |
| "learning_rate": 0.00012, |
| "loss": 0.1859, |
| "step": 2000 |
| }, |
| { |
| "epoch": 0.034166666666666665, |
| "grad_norm": 2.03125, |
| "learning_rate": 0.000118, |
| "loss": 0.389, |
| "step": 2050 |
| }, |
| { |
| "epoch": 0.035, |
| "grad_norm": 0.6953125, |
| "learning_rate": 0.000116, |
| "loss": 0.1806, |
| "step": 2100 |
| }, |
| { |
| "epoch": 0.035833333333333335, |
| "grad_norm": 12.3125, |
| "learning_rate": 0.00011399999999999999, |
| "loss": 0.4361, |
| "step": 2150 |
| }, |
| { |
| "epoch": 0.03666666666666667, |
| "grad_norm": 35.0, |
| "learning_rate": 0.00011200000000000001, |
| "loss": 0.3233, |
| "step": 2200 |
| }, |
| { |
| "epoch": 0.0375, |
| "grad_norm": 0.002655029296875, |
| "learning_rate": 0.00011000000000000002, |
| "loss": 0.2391, |
| "step": 2250 |
| }, |
| { |
| "epoch": 0.03833333333333333, |
| "grad_norm": 0.2001953125, |
| "learning_rate": 0.00010800000000000001, |
| "loss": 0.4056, |
| "step": 2300 |
| }, |
| { |
| "epoch": 0.03916666666666667, |
| "grad_norm": 4.96875, |
| "learning_rate": 0.00010600000000000002, |
| "loss": 0.2412, |
| "step": 2350 |
| }, |
| { |
| "epoch": 0.04, |
| "grad_norm": 0.053955078125, |
| "learning_rate": 0.00010400000000000001, |
| "loss": 0.4464, |
| "step": 2400 |
| }, |
| { |
| "epoch": 0.04083333333333333, |
| "grad_norm": 1.375, |
| "learning_rate": 0.00010200000000000001, |
| "loss": 0.2579, |
| "step": 2450 |
| }, |
| { |
| "epoch": 0.041666666666666664, |
| "grad_norm": 0.0247802734375, |
| "learning_rate": 0.0001, |
| "loss": 0.2107, |
| "step": 2500 |
| }, |
| { |
| "epoch": 0.0425, |
| "grad_norm": 4.5625, |
| "learning_rate": 9.8e-05, |
| "loss": 0.3514, |
| "step": 2550 |
| }, |
| { |
| "epoch": 0.043333333333333335, |
| "grad_norm": 0.208984375, |
| "learning_rate": 9.6e-05, |
| "loss": 0.2379, |
| "step": 2600 |
| }, |
| { |
| "epoch": 0.04416666666666667, |
| "grad_norm": 3.390625, |
| "learning_rate": 9.4e-05, |
| "loss": 0.2407, |
| "step": 2650 |
| }, |
| { |
| "epoch": 0.045, |
| "grad_norm": 0.0189208984375, |
| "learning_rate": 9.200000000000001e-05, |
| "loss": 0.24, |
| "step": 2700 |
| }, |
| { |
| "epoch": 0.04583333333333333, |
| "grad_norm": 5.125, |
| "learning_rate": 9e-05, |
| "loss": 0.199, |
| "step": 2750 |
| }, |
| { |
| "epoch": 0.04666666666666667, |
| "grad_norm": 0.0157470703125, |
| "learning_rate": 8.800000000000001e-05, |
| "loss": 0.3042, |
| "step": 2800 |
| }, |
| { |
| "epoch": 0.0475, |
| "grad_norm": 4.8125, |
| "learning_rate": 8.6e-05, |
| "loss": 0.1765, |
| "step": 2850 |
| }, |
| { |
| "epoch": 0.04833333333333333, |
| "grad_norm": 1.28125, |
| "learning_rate": 8.4e-05, |
| "loss": 0.2693, |
| "step": 2900 |
| }, |
| { |
| "epoch": 0.049166666666666664, |
| "grad_norm": 0.4765625, |
| "learning_rate": 8.2e-05, |
| "loss": 0.3652, |
| "step": 2950 |
| }, |
| { |
| "epoch": 0.05, |
| "grad_norm": 4.125, |
| "learning_rate": 8e-05, |
| "loss": 0.2199, |
| "step": 3000 |
| }, |
| { |
| "epoch": 0.050833333333333335, |
| "grad_norm": 0.2236328125, |
| "learning_rate": 7.800000000000001e-05, |
| "loss": 0.2713, |
| "step": 3050 |
| }, |
| { |
| "epoch": 0.051666666666666666, |
| "grad_norm": 1.453125, |
| "learning_rate": 7.6e-05, |
| "loss": 0.1326, |
| "step": 3100 |
| }, |
| { |
| "epoch": 0.0525, |
| "grad_norm": 0.337890625, |
| "learning_rate": 7.4e-05, |
| "loss": 0.2486, |
| "step": 3150 |
| }, |
| { |
| "epoch": 0.05333333333333334, |
| "grad_norm": 0.00775146484375, |
| "learning_rate": 7.2e-05, |
| "loss": 0.2337, |
| "step": 3200 |
| }, |
| { |
| "epoch": 0.05416666666666667, |
| "grad_norm": 0.004608154296875, |
| "learning_rate": 7e-05, |
| "loss": 0.2847, |
| "step": 3250 |
| }, |
| { |
| "epoch": 0.055, |
| "grad_norm": 1.1171875, |
| "learning_rate": 6.800000000000001e-05, |
| "loss": 0.2194, |
| "step": 3300 |
| }, |
| { |
| "epoch": 0.05583333333333333, |
| "grad_norm": 10.9375, |
| "learning_rate": 6.6e-05, |
| "loss": 0.1686, |
| "step": 3350 |
| }, |
| { |
| "epoch": 0.056666666666666664, |
| "grad_norm": 0.0277099609375, |
| "learning_rate": 6.400000000000001e-05, |
| "loss": 0.2626, |
| "step": 3400 |
| }, |
| { |
| "epoch": 0.0575, |
| "grad_norm": 0.33984375, |
| "learning_rate": 6.2e-05, |
| "loss": 0.3466, |
| "step": 3450 |
| }, |
| { |
| "epoch": 0.058333333333333334, |
| "grad_norm": 0.515625, |
| "learning_rate": 6e-05, |
| "loss": 0.1318, |
| "step": 3500 |
| }, |
| { |
| "epoch": 0.059166666666666666, |
| "grad_norm": 0.0128173828125, |
| "learning_rate": 5.8e-05, |
| "loss": 0.1785, |
| "step": 3550 |
| }, |
| { |
| "epoch": 0.06, |
| "grad_norm": 1.796875, |
| "learning_rate": 5.6000000000000006e-05, |
| "loss": 0.2554, |
| "step": 3600 |
| }, |
| { |
| "epoch": 0.060833333333333336, |
| "grad_norm": 0.12890625, |
| "learning_rate": 5.4000000000000005e-05, |
| "loss": 0.3813, |
| "step": 3650 |
| }, |
| { |
| "epoch": 0.06166666666666667, |
| "grad_norm": 4.9375, |
| "learning_rate": 5.2000000000000004e-05, |
| "loss": 0.2787, |
| "step": 3700 |
| }, |
| { |
| "epoch": 0.0625, |
| "grad_norm": 7.84375, |
| "learning_rate": 5e-05, |
| "loss": 0.193, |
| "step": 3750 |
| }, |
| { |
| "epoch": 0.06333333333333334, |
| "grad_norm": 7.75, |
| "learning_rate": 4.8e-05, |
| "loss": 0.2788, |
| "step": 3800 |
| }, |
| { |
| "epoch": 0.06416666666666666, |
| "grad_norm": 0.1162109375, |
| "learning_rate": 4.600000000000001e-05, |
| "loss": 0.4112, |
| "step": 3850 |
| }, |
| { |
| "epoch": 0.065, |
| "grad_norm": 14.8125, |
| "learning_rate": 4.4000000000000006e-05, |
| "loss": 0.1674, |
| "step": 3900 |
| }, |
| { |
| "epoch": 0.06583333333333333, |
| "grad_norm": 4.1875, |
| "learning_rate": 4.2e-05, |
| "loss": 0.207, |
| "step": 3950 |
| }, |
| { |
| "epoch": 0.06666666666666667, |
| "grad_norm": 0.181640625, |
| "learning_rate": 4e-05, |
| "loss": 0.1536, |
| "step": 4000 |
| }, |
| { |
| "epoch": 0.0675, |
| "grad_norm": 8.0625, |
| "learning_rate": 3.8e-05, |
| "loss": 0.2388, |
| "step": 4050 |
| }, |
| { |
| "epoch": 0.06833333333333333, |
| "grad_norm": 0.0030670166015625, |
| "learning_rate": 3.6e-05, |
| "loss": 0.3407, |
| "step": 4100 |
| }, |
| { |
| "epoch": 0.06916666666666667, |
| "grad_norm": 13.3125, |
| "learning_rate": 3.4000000000000007e-05, |
| "loss": 0.3231, |
| "step": 4150 |
| }, |
| { |
| "epoch": 0.07, |
| "grad_norm": 20.625, |
| "learning_rate": 3.2000000000000005e-05, |
| "loss": 0.2262, |
| "step": 4200 |
| }, |
| { |
| "epoch": 0.07083333333333333, |
| "grad_norm": 4.28125, |
| "learning_rate": 3e-05, |
| "loss": 0.2622, |
| "step": 4250 |
| }, |
| { |
| "epoch": 0.07166666666666667, |
| "grad_norm": 94.0, |
| "learning_rate": 2.8000000000000003e-05, |
| "loss": 0.1197, |
| "step": 4300 |
| }, |
| { |
| "epoch": 0.0725, |
| "grad_norm": 0.53125, |
| "learning_rate": 2.6000000000000002e-05, |
| "loss": 0.3342, |
| "step": 4350 |
| }, |
| { |
| "epoch": 0.07333333333333333, |
| "grad_norm": 8.625, |
| "learning_rate": 2.4e-05, |
| "loss": 0.141, |
| "step": 4400 |
| }, |
| { |
| "epoch": 0.07416666666666667, |
| "grad_norm": 0.006103515625, |
| "learning_rate": 2.2000000000000003e-05, |
| "loss": 0.4034, |
| "step": 4450 |
| }, |
| { |
| "epoch": 0.075, |
| "grad_norm": 0.007232666015625, |
| "learning_rate": 2e-05, |
| "loss": 0.3431, |
| "step": 4500 |
| }, |
| { |
| "epoch": 0.07583333333333334, |
| "grad_norm": 0.005767822265625, |
| "learning_rate": 1.8e-05, |
| "loss": 0.2262, |
| "step": 4550 |
| }, |
| { |
| "epoch": 0.07666666666666666, |
| "grad_norm": 14.5, |
| "learning_rate": 1.6000000000000003e-05, |
| "loss": 0.224, |
| "step": 4600 |
| }, |
| { |
| "epoch": 0.0775, |
| "grad_norm": 2.03125, |
| "learning_rate": 1.4000000000000001e-05, |
| "loss": 0.3882, |
| "step": 4650 |
| }, |
| { |
| "epoch": 0.07833333333333334, |
| "grad_norm": 0.75, |
| "learning_rate": 1.2e-05, |
| "loss": 0.2537, |
| "step": 4700 |
| }, |
| { |
| "epoch": 0.07916666666666666, |
| "grad_norm": 0.16015625, |
| "learning_rate": 1e-05, |
| "loss": 0.1687, |
| "step": 4750 |
| }, |
| { |
| "epoch": 0.08, |
| "grad_norm": 0.00946044921875, |
| "learning_rate": 8.000000000000001e-06, |
| "loss": 0.2877, |
| "step": 4800 |
| }, |
| { |
| "epoch": 0.08083333333333333, |
| "grad_norm": 2.96875, |
| "learning_rate": 6e-06, |
| "loss": 0.2114, |
| "step": 4850 |
| }, |
| { |
| "epoch": 0.08166666666666667, |
| "grad_norm": 7.09375, |
| "learning_rate": 4.000000000000001e-06, |
| "loss": 0.2539, |
| "step": 4900 |
| }, |
| { |
| "epoch": 0.0825, |
| "grad_norm": 0.00335693359375, |
| "learning_rate": 2.0000000000000003e-06, |
| "loss": 0.2599, |
| "step": 4950 |
| }, |
| { |
| "epoch": 0.08333333333333333, |
| "grad_norm": 0.0050048828125, |
| "learning_rate": 0.0, |
| "loss": 0.2662, |
| "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": 5.43058998908928e+16, |
| "train_batch_size": 1, |
| "trial_name": null, |
| "trial_params": null |
| } |
|
|
