{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 2.7472527472527473,
  "eval_steps": 500,
  "global_step": 500,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.054945054945054944,
      "grad_norm": 7.214223861694336,
      "learning_rate": 6.666666666666667e-06,
      "loss": 1.2206,
      "step": 10
    },
    {
      "epoch": 0.10989010989010989,
      "grad_norm": 1.9139518737792969,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 0.9332,
      "step": 20
    },
    {
      "epoch": 0.16483516483516483,
      "grad_norm": 1.8469916582107544,
      "learning_rate": 2e-05,
      "loss": 0.6775,
      "step": 30
    },
    {
      "epoch": 0.21978021978021978,
      "grad_norm": 1.5840134620666504,
      "learning_rate": 2.6666666666666667e-05,
      "loss": 0.4775,
      "step": 40
    },
    {
      "epoch": 0.27472527472527475,
      "grad_norm": 1.324249029159546,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 0.3462,
      "step": 50
    },
    {
      "epoch": 0.32967032967032966,
      "grad_norm": 9.703359603881836,
      "learning_rate": 4e-05,
      "loss": 0.2783,
      "step": 60
    },
    {
      "epoch": 0.38461538461538464,
      "grad_norm": 0.7924676537513733,
      "learning_rate": 4.666666666666667e-05,
      "loss": 0.2422,
      "step": 70
    },
    {
      "epoch": 0.43956043956043955,
      "grad_norm": 0.7410662770271301,
      "learning_rate": 5.333333333333333e-05,
      "loss": 0.1935,
      "step": 80
    },
    {
      "epoch": 0.4945054945054945,
      "grad_norm": 0.8206967711448669,
      "learning_rate": 6e-05,
      "loss": 0.1737,
      "step": 90
    },
    {
      "epoch": 0.5494505494505495,
      "grad_norm": 0.7770851254463196,
      "learning_rate": 6.666666666666667e-05,
      "loss": 0.1686,
      "step": 100
    },
    {
      "epoch": 0.6043956043956044,
      "grad_norm": 0.77186119556427,
      "learning_rate": 7.333333333333333e-05,
      "loss": 0.1791,
      "step": 110
    },
    {
      "epoch": 0.6593406593406593,
      "grad_norm": 0.6624640822410583,
      "learning_rate": 8e-05,
      "loss": 0.1631,
      "step": 120
    },
    {
      "epoch": 0.7142857142857143,
      "grad_norm": 0.6289125084877014,
      "learning_rate": 8.666666666666667e-05,
      "loss": 0.1695,
      "step": 130
    },
    {
      "epoch": 0.7692307692307693,
      "grad_norm": 0.7366447448730469,
      "learning_rate": 9.333333333333334e-05,
      "loss": 0.1596,
      "step": 140
    },
    {
      "epoch": 0.8241758241758241,
      "grad_norm": 0.6936759948730469,
      "learning_rate": 0.0001,
      "loss": 0.1742,
      "step": 150
    },
    {
      "epoch": 0.8791208791208791,
      "grad_norm": 0.7598293423652649,
      "learning_rate": 0.00010666666666666667,
      "loss": 0.1555,
      "step": 160
    },
    {
      "epoch": 0.9340659340659341,
      "grad_norm": 0.5829370021820068,
      "learning_rate": 0.00011333333333333334,
      "loss": 0.1495,
      "step": 170
    },
    {
      "epoch": 0.989010989010989,
      "grad_norm": 0.7476902604103088,
      "learning_rate": 0.00012,
      "loss": 0.1413,
      "step": 180
    },
    {
      "epoch": 1.043956043956044,
      "grad_norm": 0.611395537853241,
      "learning_rate": 0.00012666666666666666,
      "loss": 0.1584,
      "step": 190
    },
    {
      "epoch": 1.098901098901099,
      "grad_norm": 0.38252344727516174,
      "learning_rate": 0.00013333333333333334,
      "loss": 0.1274,
      "step": 200
    },
    {
      "epoch": 1.1538461538461537,
      "grad_norm": 0.6068706512451172,
      "learning_rate": 0.00014,
      "loss": 0.119,
      "step": 210
    },
    {
      "epoch": 1.2087912087912087,
      "grad_norm": 0.601772665977478,
      "learning_rate": 0.00014666666666666666,
      "loss": 0.1451,
      "step": 220
    },
    {
      "epoch": 1.2637362637362637,
      "grad_norm": 0.4933900833129883,
      "learning_rate": 0.00015333333333333334,
      "loss": 0.1405,
      "step": 230
    },
    {
      "epoch": 1.3186813186813187,
      "grad_norm": 0.37198406457901,
      "learning_rate": 0.00016,
      "loss": 0.1435,
      "step": 240
    },
    {
      "epoch": 1.3736263736263736,
      "grad_norm": 0.2324627786874771,
      "learning_rate": 0.0001666666666666667,
      "loss": 0.1405,
      "step": 250
    },
    {
      "epoch": 1.4285714285714286,
      "grad_norm": 0.6498947739601135,
      "learning_rate": 0.00017333333333333334,
      "loss": 0.1276,
      "step": 260
    },
    {
      "epoch": 1.4835164835164836,
      "grad_norm": 0.48399585485458374,
      "learning_rate": 0.00018,
      "loss": 0.1058,
      "step": 270
    },
    {
      "epoch": 1.5384615384615383,
      "grad_norm": 0.30425164103507996,
      "learning_rate": 0.0001866666666666667,
      "loss": 0.1046,
      "step": 280
    },
    {
      "epoch": 1.5934065934065935,
      "grad_norm": 0.44099316000938416,
      "learning_rate": 0.00019333333333333333,
      "loss": 0.1133,
      "step": 290
    },
    {
      "epoch": 1.6483516483516483,
      "grad_norm": 0.5143241286277771,
      "learning_rate": 0.0002,
      "loss": 0.1237,
      "step": 300
    },
    {
      "epoch": 1.7032967032967035,
      "grad_norm": 0.2673356831073761,
      "learning_rate": 0.000191869918699187,
      "loss": 0.1101,
      "step": 310
    },
    {
      "epoch": 1.7582417582417582,
      "grad_norm": 0.3179146349430084,
      "learning_rate": 0.000183739837398374,
      "loss": 0.113,
      "step": 320
    },
    {
      "epoch": 1.8131868131868132,
      "grad_norm": 0.37721434235572815,
      "learning_rate": 0.000175609756097561,
      "loss": 0.1113,
      "step": 330
    },
    {
      "epoch": 1.8681318681318682,
      "grad_norm": 0.4035661816596985,
      "learning_rate": 0.00016747967479674797,
      "loss": 0.1058,
      "step": 340
    },
    {
      "epoch": 1.9230769230769231,
      "grad_norm": 0.42484527826309204,
      "learning_rate": 0.00015934959349593497,
      "loss": 0.1142,
      "step": 350
    },
    {
      "epoch": 1.978021978021978,
      "grad_norm": 0.37304389476776123,
      "learning_rate": 0.00015121951219512197,
      "loss": 0.0937,
      "step": 360
    },
    {
      "epoch": 2.032967032967033,
      "grad_norm": 0.1278969645500183,
      "learning_rate": 0.00014308943089430895,
      "loss": 0.1039,
      "step": 370
    },
    {
      "epoch": 2.087912087912088,
      "grad_norm": 0.19862954318523407,
      "learning_rate": 0.00013495934959349595,
      "loss": 0.1006,
      "step": 380
    },
    {
      "epoch": 2.142857142857143,
      "grad_norm": 0.2047436237335205,
      "learning_rate": 0.00012682926829268293,
      "loss": 0.0709,
      "step": 390
    },
    {
      "epoch": 2.197802197802198,
      "grad_norm": 0.2357422411441803,
      "learning_rate": 0.00011869918699186993,
      "loss": 0.0909,
      "step": 400
    },
    {
      "epoch": 2.2527472527472527,
      "grad_norm": 0.19021956622600555,
      "learning_rate": 0.00011056910569105692,
      "loss": 0.0939,
      "step": 410
    },
    {
      "epoch": 2.3076923076923075,
      "grad_norm": 0.2202429175376892,
      "learning_rate": 0.0001024390243902439,
      "loss": 0.0972,
      "step": 420
    },
    {
      "epoch": 2.3626373626373627,
      "grad_norm": 0.24319039285182953,
      "learning_rate": 9.43089430894309e-05,
      "loss": 0.1028,
      "step": 430
    },
    {
      "epoch": 2.4175824175824174,
      "grad_norm": 0.26337578892707825,
      "learning_rate": 8.61788617886179e-05,
      "loss": 0.106,
      "step": 440
    },
    {
      "epoch": 2.4725274725274726,
      "grad_norm": 0.18105241656303406,
      "learning_rate": 7.804878048780489e-05,
      "loss": 0.08,
      "step": 450
    },
    {
      "epoch": 2.5274725274725274,
      "grad_norm": 0.3710761070251465,
      "learning_rate": 6.991869918699188e-05,
      "loss": 0.0843,
      "step": 460
    },
    {
      "epoch": 2.5824175824175826,
      "grad_norm": 0.16677603125572205,
      "learning_rate": 6.178861788617887e-05,
      "loss": 0.0929,
      "step": 470
    },
    {
      "epoch": 2.6373626373626373,
      "grad_norm": 0.06506508588790894,
      "learning_rate": 5.365853658536586e-05,
      "loss": 0.0956,
      "step": 480
    },
    {
      "epoch": 2.6923076923076925,
      "grad_norm": 0.13316453993320465,
      "learning_rate": 4.5528455284552844e-05,
      "loss": 0.0935,
      "step": 490
    },
    {
      "epoch": 2.7472527472527473,
      "grad_norm": 0.04071825370192528,
      "learning_rate": 3.739837398373984e-05,
      "loss": 0.0949,
      "step": 500
    }
  ],
  "logging_steps": 10,
  "max_steps": 546,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 50,
  "total_flos": 0.0,
  "train_batch_size": 128,
  "trial_name": null,
  "trial_params": null
}