{
  "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": 13.5625,
      "learning_rate": 0.00019800000000000002,
      "loss": 1.2607,
      "step": 50
    },
    {
      "epoch": 0.0016666666666666668,
      "grad_norm": 28.125,
      "learning_rate": 0.000196,
      "loss": 0.6638,
      "step": 100
    },
    {
      "epoch": 0.0025,
      "grad_norm": 56.25,
      "learning_rate": 0.000194,
      "loss": 0.6657,
      "step": 150
    },
    {
      "epoch": 0.0033333333333333335,
      "grad_norm": 37.75,
      "learning_rate": 0.000192,
      "loss": 0.8187,
      "step": 200
    },
    {
      "epoch": 0.004166666666666667,
      "grad_norm": 14.0,
      "learning_rate": 0.00019,
      "loss": 0.7563,
      "step": 250
    },
    {
      "epoch": 0.005,
      "grad_norm": 1.71875,
      "learning_rate": 0.000188,
      "loss": 0.7718,
      "step": 300
    },
    {
      "epoch": 0.005833333333333334,
      "grad_norm": 0.302734375,
      "learning_rate": 0.00018600000000000002,
      "loss": 0.636,
      "step": 350
    },
    {
      "epoch": 0.006666666666666667,
      "grad_norm": 29.625,
      "learning_rate": 0.00018400000000000003,
      "loss": 0.9392,
      "step": 400
    },
    {
      "epoch": 0.0075,
      "grad_norm": 76.0,
      "learning_rate": 0.000182,
      "loss": 0.458,
      "step": 450
    },
    {
      "epoch": 0.008333333333333333,
      "grad_norm": 1.390625,
      "learning_rate": 0.00018,
      "loss": 0.6543,
      "step": 500
    },
    {
      "epoch": 0.009166666666666667,
      "grad_norm": 22.375,
      "learning_rate": 0.00017800000000000002,
      "loss": 0.6353,
      "step": 550
    },
    {
      "epoch": 0.01,
      "grad_norm": 0.03076171875,
      "learning_rate": 0.00017600000000000002,
      "loss": 0.8237,
      "step": 600
    },
    {
      "epoch": 0.010833333333333334,
      "grad_norm": 0.06591796875,
      "learning_rate": 0.000174,
      "loss": 0.578,
      "step": 650
    },
    {
      "epoch": 0.011666666666666667,
      "grad_norm": 0.2001953125,
      "learning_rate": 0.000172,
      "loss": 0.6739,
      "step": 700
    },
    {
      "epoch": 0.0125,
      "grad_norm": 0.322265625,
      "learning_rate": 0.00017,
      "loss": 0.7761,
      "step": 750
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 0.01080322265625,
      "learning_rate": 0.000168,
      "loss": 0.8068,
      "step": 800
    },
    {
      "epoch": 0.014166666666666666,
      "grad_norm": 18.625,
      "learning_rate": 0.000166,
      "loss": 0.6739,
      "step": 850
    },
    {
      "epoch": 0.015,
      "grad_norm": 26.125,
      "learning_rate": 0.000164,
      "loss": 0.6821,
      "step": 900
    },
    {
      "epoch": 0.015833333333333335,
      "grad_norm": 0.1298828125,
      "learning_rate": 0.000162,
      "loss": 0.8475,
      "step": 950
    },
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 25.75,
      "learning_rate": 0.00016,
      "loss": 0.9896,
      "step": 1000
    },
    {
      "epoch": 0.0175,
      "grad_norm": 8.25,
      "learning_rate": 0.00015800000000000002,
      "loss": 0.6266,
      "step": 1050
    },
    {
      "epoch": 0.018333333333333333,
      "grad_norm": 49.25,
      "learning_rate": 0.00015600000000000002,
      "loss": 0.8616,
      "step": 1100
    },
    {
      "epoch": 0.019166666666666665,
      "grad_norm": 1.875,
      "learning_rate": 0.000154,
      "loss": 0.7978,
      "step": 1150
    },
    {
      "epoch": 0.02,
      "grad_norm": 0.31640625,
      "learning_rate": 0.000152,
      "loss": 0.4696,
      "step": 1200
    },
    {
      "epoch": 0.020833333333333332,
      "grad_norm": 7.84375,
      "learning_rate": 0.00015000000000000001,
      "loss": 0.7754,
      "step": 1250
    },
    {
      "epoch": 0.021666666666666667,
      "grad_norm": 0.034912109375,
      "learning_rate": 0.000148,
      "loss": 0.6183,
      "step": 1300
    },
    {
      "epoch": 0.0225,
      "grad_norm": 15.875,
      "learning_rate": 0.000146,
      "loss": 0.8154,
      "step": 1350
    },
    {
      "epoch": 0.023333333333333334,
      "grad_norm": 0.1328125,
      "learning_rate": 0.000144,
      "loss": 0.5698,
      "step": 1400
    },
    {
      "epoch": 0.024166666666666666,
      "grad_norm": 0.52734375,
      "learning_rate": 0.000142,
      "loss": 0.492,
      "step": 1450
    },
    {
      "epoch": 0.025,
      "grad_norm": 4.28125,
      "learning_rate": 0.00014,
      "loss": 0.9117,
      "step": 1500
    },
    {
      "epoch": 0.025833333333333333,
      "grad_norm": 1.2421875,
      "learning_rate": 0.000138,
      "loss": 0.359,
      "step": 1550
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 0.0220947265625,
      "learning_rate": 0.00013600000000000003,
      "loss": 0.6458,
      "step": 1600
    },
    {
      "epoch": 0.0275,
      "grad_norm": 0.030517578125,
      "learning_rate": 0.000134,
      "loss": 0.7243,
      "step": 1650
    },
    {
      "epoch": 0.028333333333333332,
      "grad_norm": 0.0113525390625,
      "learning_rate": 0.000132,
      "loss": 0.6891,
      "step": 1700
    },
    {
      "epoch": 0.029166666666666667,
      "grad_norm": 13.4375,
      "learning_rate": 0.00013000000000000002,
      "loss": 0.9589,
      "step": 1750
    },
    {
      "epoch": 0.03,
      "grad_norm": 5.34375,
      "learning_rate": 0.00012800000000000002,
      "loss": 0.5385,
      "step": 1800
    },
    {
      "epoch": 0.030833333333333334,
      "grad_norm": 0.068359375,
      "learning_rate": 0.000126,
      "loss": 0.5747,
      "step": 1850
    },
    {
      "epoch": 0.03166666666666667,
      "grad_norm": 0.10595703125,
      "learning_rate": 0.000124,
      "loss": 0.6705,
      "step": 1900
    },
    {
      "epoch": 0.0325,
      "grad_norm": 28.875,
      "learning_rate": 0.000122,
      "loss": 0.6086,
      "step": 1950
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 1.0234375,
      "learning_rate": 0.00012,
      "loss": 0.7759,
      "step": 2000
    },
    {
      "epoch": 0.034166666666666665,
      "grad_norm": 21.375,
      "learning_rate": 0.000118,
      "loss": 0.7259,
      "step": 2050
    },
    {
      "epoch": 0.035,
      "grad_norm": 22.25,
      "learning_rate": 0.000116,
      "loss": 0.5081,
      "step": 2100
    },
    {
      "epoch": 0.035833333333333335,
      "grad_norm": 0.006378173828125,
      "learning_rate": 0.00011399999999999999,
      "loss": 0.5082,
      "step": 2150
    },
    {
      "epoch": 0.03666666666666667,
      "grad_norm": 14.375,
      "learning_rate": 0.00011200000000000001,
      "loss": 0.7479,
      "step": 2200
    },
    {
      "epoch": 0.0375,
      "grad_norm": 2.375,
      "learning_rate": 0.00011000000000000002,
      "loss": 0.488,
      "step": 2250
    },
    {
      "epoch": 0.03833333333333333,
      "grad_norm": 0.004547119140625,
      "learning_rate": 0.00010800000000000001,
      "loss": 0.6451,
      "step": 2300
    },
    {
      "epoch": 0.03916666666666667,
      "grad_norm": 0.185546875,
      "learning_rate": 0.00010600000000000002,
      "loss": 0.4638,
      "step": 2350
    },
    {
      "epoch": 0.04,
      "grad_norm": 13.8125,
      "learning_rate": 0.00010400000000000001,
      "loss": 0.5558,
      "step": 2400
    },
    {
      "epoch": 0.04083333333333333,
      "grad_norm": 10.1875,
      "learning_rate": 0.00010200000000000001,
      "loss": 0.4917,
      "step": 2450
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 3.0,
      "learning_rate": 0.0001,
      "loss": 0.552,
      "step": 2500
    },
    {
      "epoch": 0.0425,
      "grad_norm": 16.25,
      "learning_rate": 9.8e-05,
      "loss": 0.5239,
      "step": 2550
    },
    {
      "epoch": 0.043333333333333335,
      "grad_norm": 0.00274658203125,
      "learning_rate": 9.6e-05,
      "loss": 0.7435,
      "step": 2600
    },
    {
      "epoch": 0.04416666666666667,
      "grad_norm": 0.00970458984375,
      "learning_rate": 9.4e-05,
      "loss": 0.4436,
      "step": 2650
    },
    {
      "epoch": 0.045,
      "grad_norm": 19.125,
      "learning_rate": 9.200000000000001e-05,
      "loss": 0.6534,
      "step": 2700
    },
    {
      "epoch": 0.04583333333333333,
      "grad_norm": 0.349609375,
      "learning_rate": 9e-05,
      "loss": 0.7615,
      "step": 2750
    },
    {
      "epoch": 0.04666666666666667,
      "grad_norm": 38.25,
      "learning_rate": 8.800000000000001e-05,
      "loss": 0.4638,
      "step": 2800
    },
    {
      "epoch": 0.0475,
      "grad_norm": 8.5625,
      "learning_rate": 8.6e-05,
      "loss": 0.5256,
      "step": 2850
    },
    {
      "epoch": 0.04833333333333333,
      "grad_norm": 2.9375,
      "learning_rate": 8.4e-05,
      "loss": 0.63,
      "step": 2900
    },
    {
      "epoch": 0.049166666666666664,
      "grad_norm": 0.2294921875,
      "learning_rate": 8.2e-05,
      "loss": 0.4022,
      "step": 2950
    },
    {
      "epoch": 0.05,
      "grad_norm": 7.0,
      "learning_rate": 8e-05,
      "loss": 0.5011,
      "step": 3000
    },
    {
      "epoch": 0.050833333333333335,
      "grad_norm": 0.2041015625,
      "learning_rate": 7.800000000000001e-05,
      "loss": 0.7788,
      "step": 3050
    },
    {
      "epoch": 0.051666666666666666,
      "grad_norm": 21.625,
      "learning_rate": 7.6e-05,
      "loss": 0.6405,
      "step": 3100
    },
    {
      "epoch": 0.0525,
      "grad_norm": 10.3125,
      "learning_rate": 7.4e-05,
      "loss": 0.5515,
      "step": 3150
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 26.875,
      "learning_rate": 7.2e-05,
      "loss": 0.5192,
      "step": 3200
    },
    {
      "epoch": 0.05416666666666667,
      "grad_norm": 0.38671875,
      "learning_rate": 7e-05,
      "loss": 0.4878,
      "step": 3250
    },
    {
      "epoch": 0.055,
      "grad_norm": 35.5,
      "learning_rate": 6.800000000000001e-05,
      "loss": 0.5288,
      "step": 3300
    },
    {
      "epoch": 0.05583333333333333,
      "grad_norm": 0.0029144287109375,
      "learning_rate": 6.6e-05,
      "loss": 0.4894,
      "step": 3350
    },
    {
      "epoch": 0.056666666666666664,
      "grad_norm": 0.1865234375,
      "learning_rate": 6.400000000000001e-05,
      "loss": 0.5612,
      "step": 3400
    },
    {
      "epoch": 0.0575,
      "grad_norm": 4.9375,
      "learning_rate": 6.2e-05,
      "loss": 0.4287,
      "step": 3450
    },
    {
      "epoch": 0.058333333333333334,
      "grad_norm": 0.00689697265625,
      "learning_rate": 6e-05,
      "loss": 0.8378,
      "step": 3500
    },
    {
      "epoch": 0.059166666666666666,
      "grad_norm": 20.5,
      "learning_rate": 5.8e-05,
      "loss": 0.5621,
      "step": 3550
    },
    {
      "epoch": 0.06,
      "grad_norm": 0.00091552734375,
      "learning_rate": 5.6000000000000006e-05,
      "loss": 0.8638,
      "step": 3600
    },
    {
      "epoch": 0.060833333333333336,
      "grad_norm": 0.55078125,
      "learning_rate": 5.4000000000000005e-05,
      "loss": 0.4878,
      "step": 3650
    },
    {
      "epoch": 0.06166666666666667,
      "grad_norm": 0.12158203125,
      "learning_rate": 5.2000000000000004e-05,
      "loss": 0.7143,
      "step": 3700
    },
    {
      "epoch": 0.0625,
      "grad_norm": 5.46875,
      "learning_rate": 5e-05,
      "loss": 0.5431,
      "step": 3750
    },
    {
      "epoch": 0.06333333333333334,
      "grad_norm": 4.5625,
      "learning_rate": 4.8e-05,
      "loss": 0.4733,
      "step": 3800
    },
    {
      "epoch": 0.06416666666666666,
      "grad_norm": 5.75,
      "learning_rate": 4.600000000000001e-05,
      "loss": 0.3908,
      "step": 3850
    },
    {
      "epoch": 0.065,
      "grad_norm": 23.875,
      "learning_rate": 4.4000000000000006e-05,
      "loss": 0.5428,
      "step": 3900
    },
    {
      "epoch": 0.06583333333333333,
      "grad_norm": 4.8125,
      "learning_rate": 4.2e-05,
      "loss": 0.4799,
      "step": 3950
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 22.75,
      "learning_rate": 4e-05,
      "loss": 0.6475,
      "step": 4000
    },
    {
      "epoch": 0.0675,
      "grad_norm": 27.375,
      "learning_rate": 3.8e-05,
      "loss": 0.4191,
      "step": 4050
    },
    {
      "epoch": 0.06833333333333333,
      "grad_norm": 1.9765625,
      "learning_rate": 3.6e-05,
      "loss": 0.5826,
      "step": 4100
    },
    {
      "epoch": 0.06916666666666667,
      "grad_norm": 91.5,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 0.6402,
      "step": 4150
    },
    {
      "epoch": 0.07,
      "grad_norm": 10.4375,
      "learning_rate": 3.2000000000000005e-05,
      "loss": 0.4715,
      "step": 4200
    },
    {
      "epoch": 0.07083333333333333,
      "grad_norm": 0.00872802734375,
      "learning_rate": 3e-05,
      "loss": 0.8909,
      "step": 4250
    },
    {
      "epoch": 0.07166666666666667,
      "grad_norm": 18.125,
      "learning_rate": 2.8000000000000003e-05,
      "loss": 0.5153,
      "step": 4300
    },
    {
      "epoch": 0.0725,
      "grad_norm": 0.06982421875,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 0.9463,
      "step": 4350
    },
    {
      "epoch": 0.07333333333333333,
      "grad_norm": 0.2138671875,
      "learning_rate": 2.4e-05,
      "loss": 0.6591,
      "step": 4400
    },
    {
      "epoch": 0.07416666666666667,
      "grad_norm": 1.90625,
      "learning_rate": 2.2000000000000003e-05,
      "loss": 0.547,
      "step": 4450
    },
    {
      "epoch": 0.075,
      "grad_norm": 0.053955078125,
      "learning_rate": 2e-05,
      "loss": 0.599,
      "step": 4500
    },
    {
      "epoch": 0.07583333333333334,
      "grad_norm": 11.8125,
      "learning_rate": 1.8e-05,
      "loss": 0.3956,
      "step": 4550
    },
    {
      "epoch": 0.07666666666666666,
      "grad_norm": 0.74609375,
      "learning_rate": 1.6000000000000003e-05,
      "loss": 0.6211,
      "step": 4600
    },
    {
      "epoch": 0.0775,
      "grad_norm": 16.375,
      "learning_rate": 1.4000000000000001e-05,
      "loss": 0.5095,
      "step": 4650
    },
    {
      "epoch": 0.07833333333333334,
      "grad_norm": 0.00604248046875,
      "learning_rate": 1.2e-05,
      "loss": 0.3909,
      "step": 4700
    },
    {
      "epoch": 0.07916666666666666,
      "grad_norm": 0.0206298828125,
      "learning_rate": 1e-05,
      "loss": 0.2979,
      "step": 4750
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.76953125,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.6892,
      "step": 4800
    },
    {
      "epoch": 0.08083333333333333,
      "grad_norm": 0.17578125,
      "learning_rate": 6e-06,
      "loss": 0.6303,
      "step": 4850
    },
    {
      "epoch": 0.08166666666666667,
      "grad_norm": 17.75,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.4267,
      "step": 4900
    },
    {
      "epoch": 0.0825,
      "grad_norm": 0.546875,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.4017,
      "step": 4950
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 20.25,
      "learning_rate": 0.0,
      "loss": 0.6078,
      "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": 1.602553166401536e+16,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}