{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.3333333333333333,
  "eval_steps": 500,
  "global_step": 500,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.0026666666666666666,
      "grad_norm": 0.31795796751976013,
      "learning_rate": 5e-06,
      "loss": 0.9198,
      "step": 1
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 0.2965499460697174,
      "learning_rate": 1e-05,
      "loss": 0.7987,
      "step": 2
    },
    {
      "epoch": 0.008,
      "grad_norm": 0.3073004186153412,
      "learning_rate": 1.5e-05,
      "loss": 0.8705,
      "step": 3
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 0.31582117080688477,
      "learning_rate": 2e-05,
      "loss": 0.897,
      "step": 4
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 0.32552069425582886,
      "learning_rate": 2.5e-05,
      "loss": 0.8281,
      "step": 5
    },
    {
      "epoch": 0.016,
      "grad_norm": 0.3633013069629669,
      "learning_rate": 3e-05,
      "loss": 0.8817,
      "step": 6
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 0.30820131301879883,
      "learning_rate": 3.5e-05,
      "loss": 0.7883,
      "step": 7
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 0.2991103529930115,
      "learning_rate": 4e-05,
      "loss": 0.8451,
      "step": 8
    },
    {
      "epoch": 0.024,
      "grad_norm": 0.26918885111808777,
      "learning_rate": 4.5e-05,
      "loss": 0.703,
      "step": 9
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 0.2952805161476135,
      "learning_rate": 5e-05,
      "loss": 0.8525,
      "step": 10
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 0.158904567360878,
      "learning_rate": 5.500000000000001e-05,
      "loss": 0.4532,
      "step": 11
    },
    {
      "epoch": 0.032,
      "grad_norm": 0.24053733050823212,
      "learning_rate": 6e-05,
      "loss": 0.7278,
      "step": 12
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 0.27588018774986267,
      "learning_rate": 6.500000000000001e-05,
      "loss": 0.809,
      "step": 13
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 0.23301595449447632,
      "learning_rate": 7e-05,
      "loss": 0.6729,
      "step": 14
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.28395819664001465,
      "learning_rate": 7.500000000000001e-05,
      "loss": 0.6929,
      "step": 15
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 0.22508470714092255,
      "learning_rate": 8e-05,
      "loss": 0.5131,
      "step": 16
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 0.24023814499378204,
      "learning_rate": 8.5e-05,
      "loss": 0.5204,
      "step": 17
    },
    {
      "epoch": 0.048,
      "grad_norm": 0.2793164551258087,
      "learning_rate": 9e-05,
      "loss": 0.6796,
      "step": 18
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 0.2434774488210678,
      "learning_rate": 9.5e-05,
      "loss": 0.5698,
      "step": 19
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 0.2483493834733963,
      "learning_rate": 0.0001,
      "loss": 0.6554,
      "step": 20
    },
    {
      "epoch": 0.056,
      "grad_norm": 0.18770429491996765,
      "learning_rate": 0.000105,
      "loss": 0.5123,
      "step": 21
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 0.1788586527109146,
      "learning_rate": 0.00011000000000000002,
      "loss": 0.4737,
      "step": 22
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 0.19754257798194885,
      "learning_rate": 0.00011499999999999999,
      "loss": 0.4892,
      "step": 23
    },
    {
      "epoch": 0.064,
      "grad_norm": 0.1977739930152893,
      "learning_rate": 0.00012,
      "loss": 0.5444,
      "step": 24
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.17434217035770416,
      "learning_rate": 0.000125,
      "loss": 0.4982,
      "step": 25
    },
    {
      "epoch": 0.06933333333333333,
      "grad_norm": 0.18169911205768585,
      "learning_rate": 0.00013000000000000002,
      "loss": 0.5444,
      "step": 26
    },
    {
      "epoch": 0.072,
      "grad_norm": 0.13374541699886322,
      "learning_rate": 0.00013500000000000003,
      "loss": 0.3858,
      "step": 27
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 0.23194445669651031,
      "learning_rate": 0.00014,
      "loss": 0.5971,
      "step": 28
    },
    {
      "epoch": 0.07733333333333334,
      "grad_norm": 0.226721853017807,
      "learning_rate": 0.000145,
      "loss": 0.5912,
      "step": 29
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.20221616327762604,
      "learning_rate": 0.00015000000000000001,
      "loss": 0.5778,
      "step": 30
    },
    {
      "epoch": 0.08266666666666667,
      "grad_norm": 0.20439280569553375,
      "learning_rate": 0.000155,
      "loss": 0.5955,
      "step": 31
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 0.1792367696762085,
      "learning_rate": 0.00016,
      "loss": 0.4539,
      "step": 32
    },
    {
      "epoch": 0.088,
      "grad_norm": 0.15801019966602325,
      "learning_rate": 0.000165,
      "loss": 0.4281,
      "step": 33
    },
    {
      "epoch": 0.09066666666666667,
      "grad_norm": 0.18995234370231628,
      "learning_rate": 0.00017,
      "loss": 0.4919,
      "step": 34
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 0.18301232159137726,
      "learning_rate": 0.000175,
      "loss": 0.4698,
      "step": 35
    },
    {
      "epoch": 0.096,
      "grad_norm": 0.1516425907611847,
      "learning_rate": 0.00018,
      "loss": 0.4706,
      "step": 36
    },
    {
      "epoch": 0.09866666666666667,
      "grad_norm": 0.15232552587985992,
      "learning_rate": 0.00018500000000000002,
      "loss": 0.4412,
      "step": 37
    },
    {
      "epoch": 0.10133333333333333,
      "grad_norm": 0.18981625139713287,
      "learning_rate": 0.00019,
      "loss": 0.5323,
      "step": 38
    },
    {
      "epoch": 0.104,
      "grad_norm": 0.19589070975780487,
      "learning_rate": 0.000195,
      "loss": 0.5426,
      "step": 39
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 0.14144787192344666,
      "learning_rate": 0.0002,
      "loss": 0.3534,
      "step": 40
    },
    {
      "epoch": 0.10933333333333334,
      "grad_norm": 0.15018980205059052,
      "learning_rate": 0.00019981566820276498,
      "loss": 0.4385,
      "step": 41
    },
    {
      "epoch": 0.112,
      "grad_norm": 0.18116328120231628,
      "learning_rate": 0.00019963133640552995,
      "loss": 0.4677,
      "step": 42
    },
    {
      "epoch": 0.11466666666666667,
      "grad_norm": 0.21125923097133636,
      "learning_rate": 0.00019944700460829492,
      "loss": 0.5415,
      "step": 43
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 0.194460928440094,
      "learning_rate": 0.00019926267281105992,
      "loss": 0.5013,
      "step": 44
    },
    {
      "epoch": 0.12,
      "grad_norm": 0.17403055727481842,
      "learning_rate": 0.0001990783410138249,
      "loss": 0.5035,
      "step": 45
    },
    {
      "epoch": 0.12266666666666666,
      "grad_norm": 0.18710163235664368,
      "learning_rate": 0.00019889400921658986,
      "loss": 0.5231,
      "step": 46
    },
    {
      "epoch": 0.12533333333333332,
      "grad_norm": 0.17051705718040466,
      "learning_rate": 0.00019870967741935483,
      "loss": 0.4854,
      "step": 47
    },
    {
      "epoch": 0.128,
      "grad_norm": 0.17382238805294037,
      "learning_rate": 0.0001985253456221198,
      "loss": 0.5179,
      "step": 48
    },
    {
      "epoch": 0.13066666666666665,
      "grad_norm": 0.15307123959064484,
      "learning_rate": 0.0001983410138248848,
      "loss": 0.4356,
      "step": 49
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.16687354445457458,
      "learning_rate": 0.00019815668202764977,
      "loss": 0.4648,
      "step": 50
    },
    {
      "epoch": 0.136,
      "grad_norm": 0.17127734422683716,
      "learning_rate": 0.00019797235023041477,
      "loss": 0.4643,
      "step": 51
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 0.19123542308807373,
      "learning_rate": 0.00019778801843317974,
      "loss": 0.4997,
      "step": 52
    },
    {
      "epoch": 0.14133333333333334,
      "grad_norm": 0.1482383906841278,
      "learning_rate": 0.00019760368663594472,
      "loss": 0.4334,
      "step": 53
    },
    {
      "epoch": 0.144,
      "grad_norm": 0.19939680397510529,
      "learning_rate": 0.00019741935483870969,
      "loss": 0.5257,
      "step": 54
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 0.17752857506275177,
      "learning_rate": 0.00019723502304147466,
      "loss": 0.4896,
      "step": 55
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 0.17946895956993103,
      "learning_rate": 0.00019705069124423966,
      "loss": 0.4847,
      "step": 56
    },
    {
      "epoch": 0.152,
      "grad_norm": 0.15529927611351013,
      "learning_rate": 0.00019686635944700463,
      "loss": 0.4338,
      "step": 57
    },
    {
      "epoch": 0.15466666666666667,
      "grad_norm": 0.18879836797714233,
      "learning_rate": 0.0001966820276497696,
      "loss": 0.5359,
      "step": 58
    },
    {
      "epoch": 0.15733333333333333,
      "grad_norm": 0.12355278432369232,
      "learning_rate": 0.00019649769585253457,
      "loss": 0.3539,
      "step": 59
    },
    {
      "epoch": 0.16,
      "grad_norm": 0.1591000109910965,
      "learning_rate": 0.00019631336405529954,
      "loss": 0.436,
      "step": 60
    },
    {
      "epoch": 0.16266666666666665,
      "grad_norm": 0.19238081574440002,
      "learning_rate": 0.0001961290322580645,
      "loss": 0.5082,
      "step": 61
    },
    {
      "epoch": 0.16533333333333333,
      "grad_norm": 0.12826350331306458,
      "learning_rate": 0.0001959447004608295,
      "loss": 0.3597,
      "step": 62
    },
    {
      "epoch": 0.168,
      "grad_norm": 0.16202542185783386,
      "learning_rate": 0.00019576036866359448,
      "loss": 0.4477,
      "step": 63
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 0.1811097115278244,
      "learning_rate": 0.00019557603686635945,
      "loss": 0.486,
      "step": 64
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 0.1537872850894928,
      "learning_rate": 0.00019539170506912442,
      "loss": 0.3969,
      "step": 65
    },
    {
      "epoch": 0.176,
      "grad_norm": 0.16730304062366486,
      "learning_rate": 0.0001952073732718894,
      "loss": 0.4754,
      "step": 66
    },
    {
      "epoch": 0.17866666666666667,
      "grad_norm": 0.15688396990299225,
      "learning_rate": 0.00019502304147465436,
      "loss": 0.4211,
      "step": 67
    },
    {
      "epoch": 0.18133333333333335,
      "grad_norm": 0.15763093531131744,
      "learning_rate": 0.00019483870967741936,
      "loss": 0.4411,
      "step": 68
    },
    {
      "epoch": 0.184,
      "grad_norm": 0.17456284165382385,
      "learning_rate": 0.00019465437788018433,
      "loss": 0.5103,
      "step": 69
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 0.13075074553489685,
      "learning_rate": 0.00019447004608294933,
      "loss": 0.3768,
      "step": 70
    },
    {
      "epoch": 0.18933333333333333,
      "grad_norm": 0.14194084703922272,
      "learning_rate": 0.0001942857142857143,
      "loss": 0.4023,
      "step": 71
    },
    {
      "epoch": 0.192,
      "grad_norm": 0.1684679538011551,
      "learning_rate": 0.00019410138248847927,
      "loss": 0.4368,
      "step": 72
    },
    {
      "epoch": 0.19466666666666665,
      "grad_norm": 0.1637965440750122,
      "learning_rate": 0.00019391705069124425,
      "loss": 0.4172,
      "step": 73
    },
    {
      "epoch": 0.19733333333333333,
      "grad_norm": 0.13393600285053253,
      "learning_rate": 0.00019373271889400924,
      "loss": 0.3464,
      "step": 74
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.160029336810112,
      "learning_rate": 0.00019354838709677422,
      "loss": 0.4253,
      "step": 75
    },
    {
      "epoch": 0.20266666666666666,
      "grad_norm": 0.14201787114143372,
      "learning_rate": 0.00019336405529953919,
      "loss": 0.3711,
      "step": 76
    },
    {
      "epoch": 0.20533333333333334,
      "grad_norm": 0.1976029872894287,
      "learning_rate": 0.00019317972350230416,
      "loss": 0.5179,
      "step": 77
    },
    {
      "epoch": 0.208,
      "grad_norm": 0.1669568419456482,
      "learning_rate": 0.00019299539170506913,
      "loss": 0.435,
      "step": 78
    },
    {
      "epoch": 0.21066666666666667,
      "grad_norm": 0.15705814957618713,
      "learning_rate": 0.0001928110599078341,
      "loss": 0.4277,
      "step": 79
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 0.171238973736763,
      "learning_rate": 0.0001926267281105991,
      "loss": 0.4447,
      "step": 80
    },
    {
      "epoch": 0.216,
      "grad_norm": 0.18211324512958527,
      "learning_rate": 0.00019244239631336407,
      "loss": 0.4871,
      "step": 81
    },
    {
      "epoch": 0.21866666666666668,
      "grad_norm": 0.17166893184185028,
      "learning_rate": 0.00019225806451612904,
      "loss": 0.4585,
      "step": 82
    },
    {
      "epoch": 0.22133333333333333,
      "grad_norm": 0.13666407763957977,
      "learning_rate": 0.000192073732718894,
      "loss": 0.3296,
      "step": 83
    },
    {
      "epoch": 0.224,
      "grad_norm": 0.14897605776786804,
      "learning_rate": 0.00019188940092165898,
      "loss": 0.419,
      "step": 84
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 0.18019717931747437,
      "learning_rate": 0.00019170506912442395,
      "loss": 0.4178,
      "step": 85
    },
    {
      "epoch": 0.22933333333333333,
      "grad_norm": 0.11701514571905136,
      "learning_rate": 0.00019152073732718895,
      "loss": 0.2964,
      "step": 86
    },
    {
      "epoch": 0.232,
      "grad_norm": 0.178730309009552,
      "learning_rate": 0.00019133640552995392,
      "loss": 0.44,
      "step": 87
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 0.19901369512081146,
      "learning_rate": 0.0001911520737327189,
      "loss": 0.4994,
      "step": 88
    },
    {
      "epoch": 0.23733333333333334,
      "grad_norm": 0.17634202539920807,
      "learning_rate": 0.0001909677419354839,
      "loss": 0.4579,
      "step": 89
    },
    {
      "epoch": 0.24,
      "grad_norm": 0.1528671830892563,
      "learning_rate": 0.00019078341013824886,
      "loss": 0.4276,
      "step": 90
    },
    {
      "epoch": 0.24266666666666667,
      "grad_norm": 0.17885848879814148,
      "learning_rate": 0.00019059907834101383,
      "loss": 0.4692,
      "step": 91
    },
    {
      "epoch": 0.24533333333333332,
      "grad_norm": 0.18216568231582642,
      "learning_rate": 0.00019041474654377883,
      "loss": 0.4661,
      "step": 92
    },
    {
      "epoch": 0.248,
      "grad_norm": 0.14913441240787506,
      "learning_rate": 0.0001902304147465438,
      "loss": 0.4069,
      "step": 93
    },
    {
      "epoch": 0.25066666666666665,
      "grad_norm": 0.14006248116493225,
      "learning_rate": 0.00019004608294930877,
      "loss": 0.3241,
      "step": 94
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 0.17819872498512268,
      "learning_rate": 0.00018986175115207375,
      "loss": 0.4391,
      "step": 95
    },
    {
      "epoch": 0.256,
      "grad_norm": 0.14914186298847198,
      "learning_rate": 0.00018967741935483872,
      "loss": 0.3717,
      "step": 96
    },
    {
      "epoch": 0.25866666666666666,
      "grad_norm": 0.16637903451919556,
      "learning_rate": 0.0001894930875576037,
      "loss": 0.4084,
      "step": 97
    },
    {
      "epoch": 0.2613333333333333,
      "grad_norm": 0.17099635303020477,
      "learning_rate": 0.00018930875576036869,
      "loss": 0.4276,
      "step": 98
    },
    {
      "epoch": 0.264,
      "grad_norm": 0.16819758713245392,
      "learning_rate": 0.00018912442396313366,
      "loss": 0.4467,
      "step": 99
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.16596156358718872,
      "learning_rate": 0.00018894009216589863,
      "loss": 0.4514,
      "step": 100
    },
    {
      "epoch": 0.2693333333333333,
      "grad_norm": 0.16137051582336426,
      "learning_rate": 0.0001887557603686636,
      "loss": 0.4481,
      "step": 101
    },
    {
      "epoch": 0.272,
      "grad_norm": 0.17070400714874268,
      "learning_rate": 0.00018857142857142857,
      "loss": 0.4799,
      "step": 102
    },
    {
      "epoch": 0.27466666666666667,
      "grad_norm": 0.1253652125597,
      "learning_rate": 0.00018838709677419354,
      "loss": 0.3078,
      "step": 103
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 0.16735614836215973,
      "learning_rate": 0.0001882027649769585,
      "loss": 0.4204,
      "step": 104
    },
    {
      "epoch": 0.28,
      "grad_norm": 0.16524048149585724,
      "learning_rate": 0.0001880184331797235,
      "loss": 0.4001,
      "step": 105
    },
    {
      "epoch": 0.2826666666666667,
      "grad_norm": 0.1721852570772171,
      "learning_rate": 0.00018783410138248848,
      "loss": 0.4256,
      "step": 106
    },
    {
      "epoch": 0.2853333333333333,
      "grad_norm": 0.18015016615390778,
      "learning_rate": 0.00018764976958525345,
      "loss": 0.4357,
      "step": 107
    },
    {
      "epoch": 0.288,
      "grad_norm": 0.11961845308542252,
      "learning_rate": 0.00018746543778801845,
      "loss": 0.3225,
      "step": 108
    },
    {
      "epoch": 0.2906666666666667,
      "grad_norm": 0.15067099034786224,
      "learning_rate": 0.00018728110599078342,
      "loss": 0.3627,
      "step": 109
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 0.15339131653308868,
      "learning_rate": 0.0001870967741935484,
      "loss": 0.3721,
      "step": 110
    },
    {
      "epoch": 0.296,
      "grad_norm": 0.18400989472866058,
      "learning_rate": 0.0001869124423963134,
      "loss": 0.4597,
      "step": 111
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 0.16479958593845367,
      "learning_rate": 0.00018672811059907836,
      "loss": 0.4118,
      "step": 112
    },
    {
      "epoch": 0.30133333333333334,
      "grad_norm": 0.17011751234531403,
      "learning_rate": 0.00018654377880184333,
      "loss": 0.4262,
      "step": 113
    },
    {
      "epoch": 0.304,
      "grad_norm": 0.1493382602930069,
      "learning_rate": 0.0001863594470046083,
      "loss": 0.3703,
      "step": 114
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 0.1860666126012802,
      "learning_rate": 0.00018617511520737328,
      "loss": 0.4457,
      "step": 115
    },
    {
      "epoch": 0.30933333333333335,
      "grad_norm": 0.1524077206850052,
      "learning_rate": 0.00018599078341013825,
      "loss": 0.3729,
      "step": 116
    },
    {
      "epoch": 0.312,
      "grad_norm": 0.17037904262542725,
      "learning_rate": 0.00018580645161290325,
      "loss": 0.4107,
      "step": 117
    },
    {
      "epoch": 0.31466666666666665,
      "grad_norm": 0.18302559852600098,
      "learning_rate": 0.00018562211981566822,
      "loss": 0.4487,
      "step": 118
    },
    {
      "epoch": 0.31733333333333336,
      "grad_norm": 0.17528630793094635,
      "learning_rate": 0.0001854377880184332,
      "loss": 0.4688,
      "step": 119
    },
    {
      "epoch": 0.32,
      "grad_norm": 0.14254267513751984,
      "learning_rate": 0.00018525345622119816,
      "loss": 0.3642,
      "step": 120
    },
    {
      "epoch": 0.32266666666666666,
      "grad_norm": 0.15180109441280365,
      "learning_rate": 0.00018506912442396313,
      "loss": 0.4103,
      "step": 121
    },
    {
      "epoch": 0.3253333333333333,
      "grad_norm": 0.17394393682479858,
      "learning_rate": 0.0001848847926267281,
      "loss": 0.431,
      "step": 122
    },
    {
      "epoch": 0.328,
      "grad_norm": 0.17153407633304596,
      "learning_rate": 0.0001847004608294931,
      "loss": 0.4114,
      "step": 123
    },
    {
      "epoch": 0.33066666666666666,
      "grad_norm": 0.1269201636314392,
      "learning_rate": 0.00018451612903225807,
      "loss": 0.3106,
      "step": 124
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.17708918452262878,
      "learning_rate": 0.00018433179723502304,
      "loss": 0.425,
      "step": 125
    },
    {
      "epoch": 0.336,
      "grad_norm": 0.14768198132514954,
      "learning_rate": 0.000184147465437788,
      "loss": 0.3671,
      "step": 126
    },
    {
      "epoch": 0.33866666666666667,
      "grad_norm": 0.14497029781341553,
      "learning_rate": 0.000183963133640553,
      "loss": 0.3541,
      "step": 127
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 0.16288724541664124,
      "learning_rate": 0.00018377880184331798,
      "loss": 0.401,
      "step": 128
    },
    {
      "epoch": 0.344,
      "grad_norm": 0.16115567088127136,
      "learning_rate": 0.00018359447004608298,
      "loss": 0.3901,
      "step": 129
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 0.1626514345407486,
      "learning_rate": 0.00018341013824884795,
      "loss": 0.3974,
      "step": 130
    },
    {
      "epoch": 0.34933333333333333,
      "grad_norm": 0.17566069960594177,
      "learning_rate": 0.00018322580645161292,
      "loss": 0.4441,
      "step": 131
    },
    {
      "epoch": 0.352,
      "grad_norm": 0.15314380824565887,
      "learning_rate": 0.0001830414746543779,
      "loss": 0.3879,
      "step": 132
    },
    {
      "epoch": 0.3546666666666667,
      "grad_norm": 0.17474164068698883,
      "learning_rate": 0.00018285714285714286,
      "loss": 0.4216,
      "step": 133
    },
    {
      "epoch": 0.35733333333333334,
      "grad_norm": 0.16597336530685425,
      "learning_rate": 0.00018267281105990784,
      "loss": 0.4064,
      "step": 134
    },
    {
      "epoch": 0.36,
      "grad_norm": 0.1585386097431183,
      "learning_rate": 0.00018248847926267283,
      "loss": 0.3648,
      "step": 135
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 0.15614689886569977,
      "learning_rate": 0.0001823041474654378,
      "loss": 0.3763,
      "step": 136
    },
    {
      "epoch": 0.36533333333333334,
      "grad_norm": 0.17746753990650177,
      "learning_rate": 0.00018211981566820278,
      "loss": 0.4342,
      "step": 137
    },
    {
      "epoch": 0.368,
      "grad_norm": 0.14107246696949005,
      "learning_rate": 0.00018193548387096775,
      "loss": 0.3201,
      "step": 138
    },
    {
      "epoch": 0.37066666666666664,
      "grad_norm": 0.18644823133945465,
      "learning_rate": 0.00018175115207373272,
      "loss": 0.4427,
      "step": 139
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 0.1781357079744339,
      "learning_rate": 0.0001815668202764977,
      "loss": 0.4406,
      "step": 140
    },
    {
      "epoch": 0.376,
      "grad_norm": 0.19284285604953766,
      "learning_rate": 0.0001813824884792627,
      "loss": 0.4717,
      "step": 141
    },
    {
      "epoch": 0.37866666666666665,
      "grad_norm": 0.17701680958271027,
      "learning_rate": 0.00018119815668202766,
      "loss": 0.4465,
      "step": 142
    },
    {
      "epoch": 0.38133333333333336,
      "grad_norm": 0.15814925730228424,
      "learning_rate": 0.00018101382488479263,
      "loss": 0.3935,
      "step": 143
    },
    {
      "epoch": 0.384,
      "grad_norm": 0.18513131141662598,
      "learning_rate": 0.0001808294930875576,
      "loss": 0.4571,
      "step": 144
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 0.1542840451002121,
      "learning_rate": 0.00018064516129032257,
      "loss": 0.3723,
      "step": 145
    },
    {
      "epoch": 0.3893333333333333,
      "grad_norm": 0.18084360659122467,
      "learning_rate": 0.00018046082949308757,
      "loss": 0.4772,
      "step": 146
    },
    {
      "epoch": 0.392,
      "grad_norm": 0.16495780646800995,
      "learning_rate": 0.00018027649769585254,
      "loss": 0.4235,
      "step": 147
    },
    {
      "epoch": 0.39466666666666667,
      "grad_norm": 0.17143410444259644,
      "learning_rate": 0.00018009216589861754,
      "loss": 0.412,
      "step": 148
    },
    {
      "epoch": 0.3973333333333333,
      "grad_norm": 0.15966279804706573,
      "learning_rate": 0.0001799078341013825,
      "loss": 0.3773,
      "step": 149
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.17885254323482513,
      "learning_rate": 0.00017972350230414748,
      "loss": 0.4526,
      "step": 150
    },
    {
      "epoch": 0.4026666666666667,
      "grad_norm": 0.14771834015846252,
      "learning_rate": 0.00017953917050691245,
      "loss": 0.3577,
      "step": 151
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 0.19173817336559296,
      "learning_rate": 0.00017935483870967742,
      "loss": 0.4465,
      "step": 152
    },
    {
      "epoch": 0.408,
      "grad_norm": 0.15796253085136414,
      "learning_rate": 0.00017917050691244242,
      "loss": 0.389,
      "step": 153
    },
    {
      "epoch": 0.4106666666666667,
      "grad_norm": 0.19969353079795837,
      "learning_rate": 0.0001789861751152074,
      "loss": 0.4537,
      "step": 154
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 0.17320533096790314,
      "learning_rate": 0.00017880184331797236,
      "loss": 0.4191,
      "step": 155
    },
    {
      "epoch": 0.416,
      "grad_norm": 0.13411633670330048,
      "learning_rate": 0.00017861751152073734,
      "loss": 0.3375,
      "step": 156
    },
    {
      "epoch": 0.4186666666666667,
      "grad_norm": 0.15305060148239136,
      "learning_rate": 0.0001784331797235023,
      "loss": 0.3905,
      "step": 157
    },
    {
      "epoch": 0.42133333333333334,
      "grad_norm": 0.1757674217224121,
      "learning_rate": 0.00017824884792626728,
      "loss": 0.4461,
      "step": 158
    },
    {
      "epoch": 0.424,
      "grad_norm": 0.17182041704654694,
      "learning_rate": 0.00017806451612903228,
      "loss": 0.4341,
      "step": 159
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.16976647078990936,
      "learning_rate": 0.00017788018433179725,
      "loss": 0.4369,
      "step": 160
    },
    {
      "epoch": 0.42933333333333334,
      "grad_norm": 0.15003015100955963,
      "learning_rate": 0.00017769585253456222,
      "loss": 0.3677,
      "step": 161
    },
    {
      "epoch": 0.432,
      "grad_norm": 0.15240909159183502,
      "learning_rate": 0.0001775115207373272,
      "loss": 0.3564,
      "step": 162
    },
    {
      "epoch": 0.43466666666666665,
      "grad_norm": 0.12969525158405304,
      "learning_rate": 0.00017732718894009216,
      "loss": 0.306,
      "step": 163
    },
    {
      "epoch": 0.43733333333333335,
      "grad_norm": 0.18351611495018005,
      "learning_rate": 0.00017714285714285713,
      "loss": 0.4116,
      "step": 164
    },
    {
      "epoch": 0.44,
      "grad_norm": 0.1526956856250763,
      "learning_rate": 0.00017695852534562213,
      "loss": 0.3528,
      "step": 165
    },
    {
      "epoch": 0.44266666666666665,
      "grad_norm": 0.15024355053901672,
      "learning_rate": 0.0001767741935483871,
      "loss": 0.3712,
      "step": 166
    },
    {
      "epoch": 0.44533333333333336,
      "grad_norm": 0.15281909704208374,
      "learning_rate": 0.0001765898617511521,
      "loss": 0.3551,
      "step": 167
    },
    {
      "epoch": 0.448,
      "grad_norm": 0.1667689085006714,
      "learning_rate": 0.00017640552995391707,
      "loss": 0.3865,
      "step": 168
    },
    {
      "epoch": 0.45066666666666666,
      "grad_norm": 0.103152796626091,
      "learning_rate": 0.00017622119815668204,
      "loss": 0.2435,
      "step": 169
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 0.1343197375535965,
      "learning_rate": 0.000176036866359447,
      "loss": 0.3289,
      "step": 170
    },
    {
      "epoch": 0.456,
      "grad_norm": 0.1691158562898636,
      "learning_rate": 0.00017585253456221198,
      "loss": 0.3897,
      "step": 171
    },
    {
      "epoch": 0.45866666666666667,
      "grad_norm": 0.16926874220371246,
      "learning_rate": 0.00017566820276497698,
      "loss": 0.4109,
      "step": 172
    },
    {
      "epoch": 0.4613333333333333,
      "grad_norm": 0.14672289788722992,
      "learning_rate": 0.00017548387096774195,
      "loss": 0.3582,
      "step": 173
    },
    {
      "epoch": 0.464,
      "grad_norm": 0.17479246854782104,
      "learning_rate": 0.00017529953917050692,
      "loss": 0.4371,
      "step": 174
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.15855465829372406,
      "learning_rate": 0.0001751152073732719,
      "loss": 0.3856,
      "step": 175
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 0.14391499757766724,
      "learning_rate": 0.00017493087557603687,
      "loss": 0.3245,
      "step": 176
    },
    {
      "epoch": 0.472,
      "grad_norm": 0.16085828840732574,
      "learning_rate": 0.00017474654377880184,
      "loss": 0.366,
      "step": 177
    },
    {
      "epoch": 0.4746666666666667,
      "grad_norm": 0.19197571277618408,
      "learning_rate": 0.00017456221198156684,
      "loss": 0.4311,
      "step": 178
    },
    {
      "epoch": 0.47733333333333333,
      "grad_norm": 0.17153812944889069,
      "learning_rate": 0.0001743778801843318,
      "loss": 0.4236,
      "step": 179
    },
    {
      "epoch": 0.48,
      "grad_norm": 0.17264418303966522,
      "learning_rate": 0.00017419354838709678,
      "loss": 0.4349,
      "step": 180
    },
    {
      "epoch": 0.4826666666666667,
      "grad_norm": 0.1292308270931244,
      "learning_rate": 0.00017400921658986175,
      "loss": 0.3148,
      "step": 181
    },
    {
      "epoch": 0.48533333333333334,
      "grad_norm": 0.16159938275814056,
      "learning_rate": 0.00017382488479262672,
      "loss": 0.418,
      "step": 182
    },
    {
      "epoch": 0.488,
      "grad_norm": 0.16956357657909393,
      "learning_rate": 0.0001736405529953917,
      "loss": 0.4,
      "step": 183
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 0.18391053378582,
      "learning_rate": 0.0001734562211981567,
      "loss": 0.4406,
      "step": 184
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 0.1496499478816986,
      "learning_rate": 0.00017327188940092166,
      "loss": 0.378,
      "step": 185
    },
    {
      "epoch": 0.496,
      "grad_norm": 0.1665787696838379,
      "learning_rate": 0.00017308755760368666,
      "loss": 0.3853,
      "step": 186
    },
    {
      "epoch": 0.49866666666666665,
      "grad_norm": 0.20489759743213654,
      "learning_rate": 0.00017290322580645163,
      "loss": 0.4377,
      "step": 187
    },
    {
      "epoch": 0.5013333333333333,
      "grad_norm": 0.14827361702919006,
      "learning_rate": 0.0001727188940092166,
      "loss": 0.3546,
      "step": 188
    },
    {
      "epoch": 0.504,
      "grad_norm": 0.15462061762809753,
      "learning_rate": 0.00017253456221198157,
      "loss": 0.349,
      "step": 189
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 0.15933746099472046,
      "learning_rate": 0.00017235023041474657,
      "loss": 0.3949,
      "step": 190
    },
    {
      "epoch": 0.5093333333333333,
      "grad_norm": 0.1423114538192749,
      "learning_rate": 0.00017216589861751154,
      "loss": 0.3282,
      "step": 191
    },
    {
      "epoch": 0.512,
      "grad_norm": 0.15322059392929077,
      "learning_rate": 0.0001719815668202765,
      "loss": 0.3708,
      "step": 192
    },
    {
      "epoch": 0.5146666666666667,
      "grad_norm": 0.14829488098621368,
      "learning_rate": 0.00017179723502304148,
      "loss": 0.3686,
      "step": 193
    },
    {
      "epoch": 0.5173333333333333,
      "grad_norm": 0.18233701586723328,
      "learning_rate": 0.00017161290322580645,
      "loss": 0.4355,
      "step": 194
    },
    {
      "epoch": 0.52,
      "grad_norm": 0.1339682787656784,
      "learning_rate": 0.00017142857142857143,
      "loss": 0.3366,
      "step": 195
    },
    {
      "epoch": 0.5226666666666666,
      "grad_norm": 0.19841143488883972,
      "learning_rate": 0.00017124423963133642,
      "loss": 0.4227,
      "step": 196
    },
    {
      "epoch": 0.5253333333333333,
      "grad_norm": 0.14212489128112793,
      "learning_rate": 0.0001710599078341014,
      "loss": 0.3427,
      "step": 197
    },
    {
      "epoch": 0.528,
      "grad_norm": 0.173259899020195,
      "learning_rate": 0.00017087557603686637,
      "loss": 0.3791,
      "step": 198
    },
    {
      "epoch": 0.5306666666666666,
      "grad_norm": 0.15233451128005981,
      "learning_rate": 0.00017069124423963134,
      "loss": 0.3414,
      "step": 199
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.17846983671188354,
      "learning_rate": 0.0001705069124423963,
      "loss": 0.4373,
      "step": 200
    },
    {
      "epoch": 0.536,
      "grad_norm": 0.1585446149110794,
      "learning_rate": 0.00017032258064516128,
      "loss": 0.3765,
      "step": 201
    },
    {
      "epoch": 0.5386666666666666,
      "grad_norm": 0.13464581966400146,
      "learning_rate": 0.00017013824884792628,
      "loss": 0.3006,
      "step": 202
    },
    {
      "epoch": 0.5413333333333333,
      "grad_norm": 0.14662134647369385,
      "learning_rate": 0.00016995391705069125,
      "loss": 0.3567,
      "step": 203
    },
    {
      "epoch": 0.544,
      "grad_norm": 0.15118283033370972,
      "learning_rate": 0.00016976958525345622,
      "loss": 0.3475,
      "step": 204
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 0.17972949147224426,
      "learning_rate": 0.00016958525345622122,
      "loss": 0.4418,
      "step": 205
    },
    {
      "epoch": 0.5493333333333333,
      "grad_norm": 0.14408893883228302,
      "learning_rate": 0.0001694009216589862,
      "loss": 0.3507,
      "step": 206
    },
    {
      "epoch": 0.552,
      "grad_norm": 0.13158614933490753,
      "learning_rate": 0.00016921658986175116,
      "loss": 0.3166,
      "step": 207
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 0.15383560955524445,
      "learning_rate": 0.00016903225806451616,
      "loss": 0.329,
      "step": 208
    },
    {
      "epoch": 0.5573333333333333,
      "grad_norm": 0.15465512871742249,
      "learning_rate": 0.00016884792626728113,
      "loss": 0.3615,
      "step": 209
    },
    {
      "epoch": 0.56,
      "grad_norm": 0.15681861340999603,
      "learning_rate": 0.0001686635944700461,
      "loss": 0.3466,
      "step": 210
    },
    {
      "epoch": 0.5626666666666666,
      "grad_norm": 0.1434970200061798,
      "learning_rate": 0.00016847926267281107,
      "loss": 0.3278,
      "step": 211
    },
    {
      "epoch": 0.5653333333333334,
      "grad_norm": 0.15641628205776215,
      "learning_rate": 0.00016829493087557604,
      "loss": 0.3569,
      "step": 212
    },
    {
      "epoch": 0.568,
      "grad_norm": 0.1346403956413269,
      "learning_rate": 0.000168110599078341,
      "loss": 0.3148,
      "step": 213
    },
    {
      "epoch": 0.5706666666666667,
      "grad_norm": 0.15052050352096558,
      "learning_rate": 0.000167926267281106,
      "loss": 0.366,
      "step": 214
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 0.1652543991804123,
      "learning_rate": 0.00016774193548387098,
      "loss": 0.378,
      "step": 215
    },
    {
      "epoch": 0.576,
      "grad_norm": 0.1317535787820816,
      "learning_rate": 0.00016755760368663595,
      "loss": 0.3063,
      "step": 216
    },
    {
      "epoch": 0.5786666666666667,
      "grad_norm": 0.16040165722370148,
      "learning_rate": 0.00016737327188940092,
      "loss": 0.3696,
      "step": 217
    },
    {
      "epoch": 0.5813333333333334,
      "grad_norm": 0.16351503133773804,
      "learning_rate": 0.0001671889400921659,
      "loss": 0.3619,
      "step": 218
    },
    {
      "epoch": 0.584,
      "grad_norm": 0.1512780487537384,
      "learning_rate": 0.00016700460829493087,
      "loss": 0.3553,
      "step": 219
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 0.1684075891971588,
      "learning_rate": 0.00016682027649769587,
      "loss": 0.4111,
      "step": 220
    },
    {
      "epoch": 0.5893333333333334,
      "grad_norm": 0.17556628584861755,
      "learning_rate": 0.00016663594470046084,
      "loss": 0.3937,
      "step": 221
    },
    {
      "epoch": 0.592,
      "grad_norm": 0.1315503865480423,
      "learning_rate": 0.0001664516129032258,
      "loss": 0.2994,
      "step": 222
    },
    {
      "epoch": 0.5946666666666667,
      "grad_norm": 0.1683577597141266,
      "learning_rate": 0.00016626728110599078,
      "loss": 0.3825,
      "step": 223
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 0.13307073712348938,
      "learning_rate": 0.00016608294930875578,
      "loss": 0.3101,
      "step": 224
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.182749941945076,
      "learning_rate": 0.00016589861751152075,
      "loss": 0.4399,
      "step": 225
    },
    {
      "epoch": 0.6026666666666667,
      "grad_norm": 0.13908226788043976,
      "learning_rate": 0.00016571428571428575,
      "loss": 0.2907,
      "step": 226
    },
    {
      "epoch": 0.6053333333333333,
      "grad_norm": 0.1431780457496643,
      "learning_rate": 0.00016552995391705072,
      "loss": 0.3256,
      "step": 227
    },
    {
      "epoch": 0.608,
      "grad_norm": 0.1415647268295288,
      "learning_rate": 0.0001653456221198157,
      "loss": 0.3539,
      "step": 228
    },
    {
      "epoch": 0.6106666666666667,
      "grad_norm": 0.16500137746334076,
      "learning_rate": 0.00016516129032258066,
      "loss": 0.3995,
      "step": 229
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.14294126629829407,
      "learning_rate": 0.00016497695852534563,
      "loss": 0.3516,
      "step": 230
    },
    {
      "epoch": 0.616,
      "grad_norm": 0.16912704706192017,
      "learning_rate": 0.0001647926267281106,
      "loss": 0.3701,
      "step": 231
    },
    {
      "epoch": 0.6186666666666667,
      "grad_norm": 0.171602264046669,
      "learning_rate": 0.00016460829493087557,
      "loss": 0.3902,
      "step": 232
    },
    {
      "epoch": 0.6213333333333333,
      "grad_norm": 0.139840230345726,
      "learning_rate": 0.00016442396313364057,
      "loss": 0.3207,
      "step": 233
    },
    {
      "epoch": 0.624,
      "grad_norm": 0.1817532330751419,
      "learning_rate": 0.00016423963133640554,
      "loss": 0.3992,
      "step": 234
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 0.15684981644153595,
      "learning_rate": 0.0001640552995391705,
      "loss": 0.3728,
      "step": 235
    },
    {
      "epoch": 0.6293333333333333,
      "grad_norm": 0.1692310869693756,
      "learning_rate": 0.00016387096774193548,
      "loss": 0.3749,
      "step": 236
    },
    {
      "epoch": 0.632,
      "grad_norm": 0.15905971825122833,
      "learning_rate": 0.00016368663594470046,
      "loss": 0.3447,
      "step": 237
    },
    {
      "epoch": 0.6346666666666667,
      "grad_norm": 0.1193050667643547,
      "learning_rate": 0.00016350230414746543,
      "loss": 0.2671,
      "step": 238
    },
    {
      "epoch": 0.6373333333333333,
      "grad_norm": 0.15694352984428406,
      "learning_rate": 0.00016331797235023042,
      "loss": 0.3459,
      "step": 239
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.17581601440906525,
      "learning_rate": 0.0001631336405529954,
      "loss": 0.3871,
      "step": 240
    },
    {
      "epoch": 0.6426666666666667,
      "grad_norm": 0.15232494473457336,
      "learning_rate": 0.00016294930875576037,
      "loss": 0.3693,
      "step": 241
    },
    {
      "epoch": 0.6453333333333333,
      "grad_norm": 0.1606399416923523,
      "learning_rate": 0.00016276497695852534,
      "loss": 0.381,
      "step": 242
    },
    {
      "epoch": 0.648,
      "grad_norm": 0.1719520092010498,
      "learning_rate": 0.00016258064516129034,
      "loss": 0.3592,
      "step": 243
    },
    {
      "epoch": 0.6506666666666666,
      "grad_norm": 0.16019819676876068,
      "learning_rate": 0.0001623963133640553,
      "loss": 0.3744,
      "step": 244
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 0.17567366361618042,
      "learning_rate": 0.0001622119815668203,
      "loss": 0.3805,
      "step": 245
    },
    {
      "epoch": 0.656,
      "grad_norm": 0.14169426262378693,
      "learning_rate": 0.00016202764976958528,
      "loss": 0.3137,
      "step": 246
    },
    {
      "epoch": 0.6586666666666666,
      "grad_norm": 0.14895136654376984,
      "learning_rate": 0.00016184331797235025,
      "loss": 0.3569,
      "step": 247
    },
    {
      "epoch": 0.6613333333333333,
      "grad_norm": 0.16148167848587036,
      "learning_rate": 0.00016165898617511522,
      "loss": 0.3638,
      "step": 248
    },
    {
      "epoch": 0.664,
      "grad_norm": 0.16838644444942474,
      "learning_rate": 0.0001614746543778802,
      "loss": 0.388,
      "step": 249
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.15224848687648773,
      "learning_rate": 0.00016129032258064516,
      "loss": 0.3545,
      "step": 250
    },
    {
      "epoch": 0.6693333333333333,
      "grad_norm": 0.16191022098064423,
      "learning_rate": 0.00016110599078341016,
      "loss": 0.3816,
      "step": 251
    },
    {
      "epoch": 0.672,
      "grad_norm": 0.1257759928703308,
      "learning_rate": 0.00016092165898617513,
      "loss": 0.2883,
      "step": 252
    },
    {
      "epoch": 0.6746666666666666,
      "grad_norm": 0.15058423578739166,
      "learning_rate": 0.0001607373271889401,
      "loss": 0.3538,
      "step": 253
    },
    {
      "epoch": 0.6773333333333333,
      "grad_norm": 0.16297395527362823,
      "learning_rate": 0.00016055299539170507,
      "loss": 0.3149,
      "step": 254
    },
    {
      "epoch": 0.68,
      "grad_norm": 0.13175536692142487,
      "learning_rate": 0.00016036866359447004,
      "loss": 0.2967,
      "step": 255
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 0.1673828512430191,
      "learning_rate": 0.00016018433179723501,
      "loss": 0.3832,
      "step": 256
    },
    {
      "epoch": 0.6853333333333333,
      "grad_norm": 0.1622629463672638,
      "learning_rate": 0.00016,
      "loss": 0.3682,
      "step": 257
    },
    {
      "epoch": 0.688,
      "grad_norm": 0.16801975667476654,
      "learning_rate": 0.00015981566820276498,
      "loss": 0.3816,
      "step": 258
    },
    {
      "epoch": 0.6906666666666667,
      "grad_norm": 0.16025444865226746,
      "learning_rate": 0.00015963133640552996,
      "loss": 0.4015,
      "step": 259
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.15624813735485077,
      "learning_rate": 0.00015944700460829493,
      "loss": 0.3423,
      "step": 260
    },
    {
      "epoch": 0.696,
      "grad_norm": 0.15024392306804657,
      "learning_rate": 0.0001592626728110599,
      "loss": 0.3559,
      "step": 261
    },
    {
      "epoch": 0.6986666666666667,
      "grad_norm": 0.13429264724254608,
      "learning_rate": 0.0001590783410138249,
      "loss": 0.3287,
      "step": 262
    },
    {
      "epoch": 0.7013333333333334,
      "grad_norm": 0.15059643983840942,
      "learning_rate": 0.00015889400921658987,
      "loss": 0.3721,
      "step": 263
    },
    {
      "epoch": 0.704,
      "grad_norm": 0.16725251078605652,
      "learning_rate": 0.00015870967741935487,
      "loss": 0.4083,
      "step": 264
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 0.17089051008224487,
      "learning_rate": 0.00015852534562211984,
      "loss": 0.3818,
      "step": 265
    },
    {
      "epoch": 0.7093333333333334,
      "grad_norm": 0.16191141307353973,
      "learning_rate": 0.0001583410138248848,
      "loss": 0.3877,
      "step": 266
    },
    {
      "epoch": 0.712,
      "grad_norm": 0.10652066022157669,
      "learning_rate": 0.00015815668202764978,
      "loss": 0.2472,
      "step": 267
    },
    {
      "epoch": 0.7146666666666667,
      "grad_norm": 0.14809884130954742,
      "learning_rate": 0.00015797235023041475,
      "loss": 0.3437,
      "step": 268
    },
    {
      "epoch": 0.7173333333333334,
      "grad_norm": 0.15298527479171753,
      "learning_rate": 0.00015778801843317975,
      "loss": 0.3451,
      "step": 269
    },
    {
      "epoch": 0.72,
      "grad_norm": 0.16368281841278076,
      "learning_rate": 0.00015760368663594472,
      "loss": 0.3707,
      "step": 270
    },
    {
      "epoch": 0.7226666666666667,
      "grad_norm": 0.16910625994205475,
      "learning_rate": 0.0001574193548387097,
      "loss": 0.3814,
      "step": 271
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 0.13161355257034302,
      "learning_rate": 0.00015723502304147466,
      "loss": 0.2906,
      "step": 272
    },
    {
      "epoch": 0.728,
      "grad_norm": 0.15623870491981506,
      "learning_rate": 0.00015705069124423963,
      "loss": 0.3569,
      "step": 273
    },
    {
      "epoch": 0.7306666666666667,
      "grad_norm": 0.1901761293411255,
      "learning_rate": 0.0001568663594470046,
      "loss": 0.4412,
      "step": 274
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.17372649908065796,
      "learning_rate": 0.0001566820276497696,
      "loss": 0.3818,
      "step": 275
    },
    {
      "epoch": 0.736,
      "grad_norm": 0.1698993593454361,
      "learning_rate": 0.00015649769585253457,
      "loss": 0.3946,
      "step": 276
    },
    {
      "epoch": 0.7386666666666667,
      "grad_norm": 0.1353125125169754,
      "learning_rate": 0.00015631336405529954,
      "loss": 0.3024,
      "step": 277
    },
    {
      "epoch": 0.7413333333333333,
      "grad_norm": 0.15039609372615814,
      "learning_rate": 0.00015612903225806451,
      "loss": 0.344,
      "step": 278
    },
    {
      "epoch": 0.744,
      "grad_norm": 0.14630864560604095,
      "learning_rate": 0.00015594470046082949,
      "loss": 0.3164,
      "step": 279
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.1768413931131363,
      "learning_rate": 0.00015576036866359446,
      "loss": 0.4039,
      "step": 280
    },
    {
      "epoch": 0.7493333333333333,
      "grad_norm": 0.18967677652835846,
      "learning_rate": 0.00015557603686635946,
      "loss": 0.3934,
      "step": 281
    },
    {
      "epoch": 0.752,
      "grad_norm": 0.1499478965997696,
      "learning_rate": 0.00015539170506912443,
      "loss": 0.3396,
      "step": 282
    },
    {
      "epoch": 0.7546666666666667,
      "grad_norm": 0.1615721583366394,
      "learning_rate": 0.00015520737327188942,
      "loss": 0.3923,
      "step": 283
    },
    {
      "epoch": 0.7573333333333333,
      "grad_norm": 0.18911497294902802,
      "learning_rate": 0.0001550230414746544,
      "loss": 0.4161,
      "step": 284
    },
    {
      "epoch": 0.76,
      "grad_norm": 0.1700778603553772,
      "learning_rate": 0.00015483870967741937,
      "loss": 0.3802,
      "step": 285
    },
    {
      "epoch": 0.7626666666666667,
      "grad_norm": 0.16611550748348236,
      "learning_rate": 0.00015465437788018434,
      "loss": 0.4055,
      "step": 286
    },
    {
      "epoch": 0.7653333333333333,
      "grad_norm": 0.11968239396810532,
      "learning_rate": 0.00015447004608294934,
      "loss": 0.2623,
      "step": 287
    },
    {
      "epoch": 0.768,
      "grad_norm": 0.14020052552223206,
      "learning_rate": 0.0001542857142857143,
      "loss": 0.3312,
      "step": 288
    },
    {
      "epoch": 0.7706666666666667,
      "grad_norm": 0.1645808219909668,
      "learning_rate": 0.00015410138248847928,
      "loss": 0.3723,
      "step": 289
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 0.14945979416370392,
      "learning_rate": 0.00015391705069124425,
      "loss": 0.3437,
      "step": 290
    },
    {
      "epoch": 0.776,
      "grad_norm": 0.15359844267368317,
      "learning_rate": 0.00015373271889400922,
      "loss": 0.3416,
      "step": 291
    },
    {
      "epoch": 0.7786666666666666,
      "grad_norm": 0.15382947027683258,
      "learning_rate": 0.0001535483870967742,
      "loss": 0.35,
      "step": 292
    },
    {
      "epoch": 0.7813333333333333,
      "grad_norm": 0.1751420497894287,
      "learning_rate": 0.0001533640552995392,
      "loss": 0.3934,
      "step": 293
    },
    {
      "epoch": 0.784,
      "grad_norm": 0.17973610758781433,
      "learning_rate": 0.00015317972350230416,
      "loss": 0.4028,
      "step": 294
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 0.13859035074710846,
      "learning_rate": 0.00015299539170506913,
      "loss": 0.2822,
      "step": 295
    },
    {
      "epoch": 0.7893333333333333,
      "grad_norm": 0.159519225358963,
      "learning_rate": 0.0001528110599078341,
      "loss": 0.3618,
      "step": 296
    },
    {
      "epoch": 0.792,
      "grad_norm": 0.1519719660282135,
      "learning_rate": 0.00015262672811059907,
      "loss": 0.3135,
      "step": 297
    },
    {
      "epoch": 0.7946666666666666,
      "grad_norm": 0.1638742834329605,
      "learning_rate": 0.00015244239631336405,
      "loss": 0.3436,
      "step": 298
    },
    {
      "epoch": 0.7973333333333333,
      "grad_norm": 0.16452346742153168,
      "learning_rate": 0.00015225806451612902,
      "loss": 0.3554,
      "step": 299
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.1377478837966919,
      "learning_rate": 0.00015207373271889401,
      "loss": 0.316,
      "step": 300
    },
    {
      "epoch": 0.8026666666666666,
      "grad_norm": 0.14339123666286469,
      "learning_rate": 0.00015188940092165899,
      "loss": 0.3205,
      "step": 301
    },
    {
      "epoch": 0.8053333333333333,
      "grad_norm": 0.1550448089838028,
      "learning_rate": 0.00015170506912442398,
      "loss": 0.3596,
      "step": 302
    },
    {
      "epoch": 0.808,
      "grad_norm": 0.17551767826080322,
      "learning_rate": 0.00015152073732718895,
      "loss": 0.3962,
      "step": 303
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 0.12701982259750366,
      "learning_rate": 0.00015133640552995393,
      "loss": 0.3008,
      "step": 304
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 0.16174665093421936,
      "learning_rate": 0.0001511520737327189,
      "loss": 0.3806,
      "step": 305
    },
    {
      "epoch": 0.816,
      "grad_norm": 0.1501130908727646,
      "learning_rate": 0.0001509677419354839,
      "loss": 0.3329,
      "step": 306
    },
    {
      "epoch": 0.8186666666666667,
      "grad_norm": 0.1546219438314438,
      "learning_rate": 0.00015078341013824887,
      "loss": 0.35,
      "step": 307
    },
    {
      "epoch": 0.8213333333333334,
      "grad_norm": 0.15842264890670776,
      "learning_rate": 0.00015059907834101384,
      "loss": 0.3464,
      "step": 308
    },
    {
      "epoch": 0.824,
      "grad_norm": 0.15754717588424683,
      "learning_rate": 0.0001504147465437788,
      "loss": 0.3328,
      "step": 309
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 0.2010168433189392,
      "learning_rate": 0.00015023041474654378,
      "loss": 0.376,
      "step": 310
    },
    {
      "epoch": 0.8293333333333334,
      "grad_norm": 0.15599404275417328,
      "learning_rate": 0.00015004608294930875,
      "loss": 0.3522,
      "step": 311
    },
    {
      "epoch": 0.832,
      "grad_norm": 0.2657049298286438,
      "learning_rate": 0.00014986175115207375,
      "loss": 0.3294,
      "step": 312
    },
    {
      "epoch": 0.8346666666666667,
      "grad_norm": 0.16477878391742706,
      "learning_rate": 0.00014967741935483872,
      "loss": 0.3409,
      "step": 313
    },
    {
      "epoch": 0.8373333333333334,
      "grad_norm": 0.16392506659030914,
      "learning_rate": 0.0001494930875576037,
      "loss": 0.3374,
      "step": 314
    },
    {
      "epoch": 0.84,
      "grad_norm": 0.1208295077085495,
      "learning_rate": 0.00014930875576036866,
      "loss": 0.2801,
      "step": 315
    },
    {
      "epoch": 0.8426666666666667,
      "grad_norm": 0.12793493270874023,
      "learning_rate": 0.00014912442396313363,
      "loss": 0.2754,
      "step": 316
    },
    {
      "epoch": 0.8453333333333334,
      "grad_norm": 0.14537736773490906,
      "learning_rate": 0.0001489400921658986,
      "loss": 0.3408,
      "step": 317
    },
    {
      "epoch": 0.848,
      "grad_norm": 0.15252535045146942,
      "learning_rate": 0.0001487557603686636,
      "loss": 0.3493,
      "step": 318
    },
    {
      "epoch": 0.8506666666666667,
      "grad_norm": 0.14754997193813324,
      "learning_rate": 0.00014857142857142857,
      "loss": 0.324,
      "step": 319
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.15408839285373688,
      "learning_rate": 0.00014838709677419355,
      "loss": 0.3557,
      "step": 320
    },
    {
      "epoch": 0.856,
      "grad_norm": 0.15192221105098724,
      "learning_rate": 0.00014820276497695854,
      "loss": 0.335,
      "step": 321
    },
    {
      "epoch": 0.8586666666666667,
      "grad_norm": 0.12445574253797531,
      "learning_rate": 0.00014801843317972351,
      "loss": 0.2915,
      "step": 322
    },
    {
      "epoch": 0.8613333333333333,
      "grad_norm": 0.15413238108158112,
      "learning_rate": 0.00014783410138248849,
      "loss": 0.3332,
      "step": 323
    },
    {
      "epoch": 0.864,
      "grad_norm": 0.14998595416545868,
      "learning_rate": 0.00014764976958525348,
      "loss": 0.335,
      "step": 324
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.1280187964439392,
      "learning_rate": 0.00014746543778801845,
      "loss": 0.2979,
      "step": 325
    },
    {
      "epoch": 0.8693333333333333,
      "grad_norm": 0.16464708745479584,
      "learning_rate": 0.00014728110599078343,
      "loss": 0.3571,
      "step": 326
    },
    {
      "epoch": 0.872,
      "grad_norm": 0.15211057662963867,
      "learning_rate": 0.0001470967741935484,
      "loss": 0.3678,
      "step": 327
    },
    {
      "epoch": 0.8746666666666667,
      "grad_norm": 0.15790687501430511,
      "learning_rate": 0.00014691244239631337,
      "loss": 0.3479,
      "step": 328
    },
    {
      "epoch": 0.8773333333333333,
      "grad_norm": 0.17375443875789642,
      "learning_rate": 0.00014672811059907834,
      "loss": 0.404,
      "step": 329
    },
    {
      "epoch": 0.88,
      "grad_norm": 0.14624124765396118,
      "learning_rate": 0.00014654377880184334,
      "loss": 0.3035,
      "step": 330
    },
    {
      "epoch": 0.8826666666666667,
      "grad_norm": 0.12936308979988098,
      "learning_rate": 0.0001463594470046083,
      "loss": 0.2838,
      "step": 331
    },
    {
      "epoch": 0.8853333333333333,
      "grad_norm": 0.13163194060325623,
      "learning_rate": 0.00014617511520737328,
      "loss": 0.3032,
      "step": 332
    },
    {
      "epoch": 0.888,
      "grad_norm": 0.12900876998901367,
      "learning_rate": 0.00014599078341013825,
      "loss": 0.2964,
      "step": 333
    },
    {
      "epoch": 0.8906666666666667,
      "grad_norm": 0.1418975293636322,
      "learning_rate": 0.00014580645161290322,
      "loss": 0.325,
      "step": 334
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 0.15901930630207062,
      "learning_rate": 0.0001456221198156682,
      "loss": 0.3485,
      "step": 335
    },
    {
      "epoch": 0.896,
      "grad_norm": 0.12917467951774597,
      "learning_rate": 0.0001454377880184332,
      "loss": 0.3101,
      "step": 336
    },
    {
      "epoch": 0.8986666666666666,
      "grad_norm": 0.1307375133037567,
      "learning_rate": 0.00014525345622119816,
      "loss": 0.2692,
      "step": 337
    },
    {
      "epoch": 0.9013333333333333,
      "grad_norm": 0.15659134089946747,
      "learning_rate": 0.00014506912442396313,
      "loss": 0.3562,
      "step": 338
    },
    {
      "epoch": 0.904,
      "grad_norm": 0.1662200689315796,
      "learning_rate": 0.0001448847926267281,
      "loss": 0.3789,
      "step": 339
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.184801384806633,
      "learning_rate": 0.0001447004608294931,
      "loss": 0.4033,
      "step": 340
    },
    {
      "epoch": 0.9093333333333333,
      "grad_norm": 0.14836148917675018,
      "learning_rate": 0.00014451612903225807,
      "loss": 0.3323,
      "step": 341
    },
    {
      "epoch": 0.912,
      "grad_norm": 0.1291496455669403,
      "learning_rate": 0.00014433179723502307,
      "loss": 0.2878,
      "step": 342
    },
    {
      "epoch": 0.9146666666666666,
      "grad_norm": 0.1760437786579132,
      "learning_rate": 0.00014414746543778804,
      "loss": 0.4028,
      "step": 343
    },
    {
      "epoch": 0.9173333333333333,
      "grad_norm": 0.1543797254562378,
      "learning_rate": 0.00014396313364055301,
      "loss": 0.3523,
      "step": 344
    },
    {
      "epoch": 0.92,
      "grad_norm": 0.11840101331472397,
      "learning_rate": 0.00014377880184331799,
      "loss": 0.2498,
      "step": 345
    },
    {
      "epoch": 0.9226666666666666,
      "grad_norm": 0.17368434369564056,
      "learning_rate": 0.00014359447004608296,
      "loss": 0.4288,
      "step": 346
    },
    {
      "epoch": 0.9253333333333333,
      "grad_norm": 0.14866364002227783,
      "learning_rate": 0.00014341013824884793,
      "loss": 0.3427,
      "step": 347
    },
    {
      "epoch": 0.928,
      "grad_norm": 0.15044787526130676,
      "learning_rate": 0.00014322580645161293,
      "loss": 0.3048,
      "step": 348
    },
    {
      "epoch": 0.9306666666666666,
      "grad_norm": 0.17984692752361298,
      "learning_rate": 0.0001430414746543779,
      "loss": 0.3875,
      "step": 349
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.17136484384536743,
      "learning_rate": 0.00014285714285714287,
      "loss": 0.4113,
      "step": 350
    },
    {
      "epoch": 0.936,
      "grad_norm": 0.1462949514389038,
      "learning_rate": 0.00014267281105990784,
      "loss": 0.3223,
      "step": 351
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 0.13263173401355743,
      "learning_rate": 0.0001424884792626728,
      "loss": 0.2964,
      "step": 352
    },
    {
      "epoch": 0.9413333333333334,
      "grad_norm": 0.16512326896190643,
      "learning_rate": 0.00014230414746543778,
      "loss": 0.382,
      "step": 353
    },
    {
      "epoch": 0.944,
      "grad_norm": 0.15281005203723907,
      "learning_rate": 0.00014211981566820278,
      "loss": 0.3237,
      "step": 354
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 0.16622225940227509,
      "learning_rate": 0.00014193548387096775,
      "loss": 0.3476,
      "step": 355
    },
    {
      "epoch": 0.9493333333333334,
      "grad_norm": 0.14663656055927277,
      "learning_rate": 0.00014175115207373272,
      "loss": 0.3256,
      "step": 356
    },
    {
      "epoch": 0.952,
      "grad_norm": 0.14011381566524506,
      "learning_rate": 0.0001415668202764977,
      "loss": 0.2808,
      "step": 357
    },
    {
      "epoch": 0.9546666666666667,
      "grad_norm": 0.17868131399154663,
      "learning_rate": 0.00014138248847926266,
      "loss": 0.4023,
      "step": 358
    },
    {
      "epoch": 0.9573333333333334,
      "grad_norm": 0.14108337461948395,
      "learning_rate": 0.00014119815668202766,
      "loss": 0.2917,
      "step": 359
    },
    {
      "epoch": 0.96,
      "grad_norm": 0.14999185502529144,
      "learning_rate": 0.00014101382488479263,
      "loss": 0.3405,
      "step": 360
    },
    {
      "epoch": 0.9626666666666667,
      "grad_norm": 0.1410456895828247,
      "learning_rate": 0.00014082949308755763,
      "loss": 0.296,
      "step": 361
    },
    {
      "epoch": 0.9653333333333334,
      "grad_norm": 0.19141064584255219,
      "learning_rate": 0.0001406451612903226,
      "loss": 0.4072,
      "step": 362
    },
    {
      "epoch": 0.968,
      "grad_norm": 0.16611899435520172,
      "learning_rate": 0.00014046082949308757,
      "loss": 0.3783,
      "step": 363
    },
    {
      "epoch": 0.9706666666666667,
      "grad_norm": 0.16892562806606293,
      "learning_rate": 0.00014027649769585254,
      "loss": 0.392,
      "step": 364
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.14543844759464264,
      "learning_rate": 0.00014009216589861752,
      "loss": 0.3362,
      "step": 365
    },
    {
      "epoch": 0.976,
      "grad_norm": 0.1536979377269745,
      "learning_rate": 0.0001399078341013825,
      "loss": 0.3294,
      "step": 366
    },
    {
      "epoch": 0.9786666666666667,
      "grad_norm": 0.17454853653907776,
      "learning_rate": 0.00013972350230414749,
      "loss": 0.3937,
      "step": 367
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 0.13380491733551025,
      "learning_rate": 0.00013953917050691246,
      "loss": 0.3028,
      "step": 368
    },
    {
      "epoch": 0.984,
      "grad_norm": 0.18040022253990173,
      "learning_rate": 0.00013935483870967743,
      "loss": 0.3761,
      "step": 369
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.15009883046150208,
      "learning_rate": 0.0001391705069124424,
      "loss": 0.3319,
      "step": 370
    },
    {
      "epoch": 0.9893333333333333,
      "grad_norm": 0.18103910982608795,
      "learning_rate": 0.00013898617511520737,
      "loss": 0.402,
      "step": 371
    },
    {
      "epoch": 0.992,
      "grad_norm": 0.1751798838376999,
      "learning_rate": 0.00013880184331797234,
      "loss": 0.368,
      "step": 372
    },
    {
      "epoch": 0.9946666666666667,
      "grad_norm": 0.13354599475860596,
      "learning_rate": 0.00013861751152073734,
      "loss": 0.2981,
      "step": 373
    },
    {
      "epoch": 0.9973333333333333,
      "grad_norm": 0.1821356564760208,
      "learning_rate": 0.0001384331797235023,
      "loss": 0.3774,
      "step": 374
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.17267672717571259,
      "learning_rate": 0.00013824884792626728,
      "loss": 0.3519,
      "step": 375
    },
    {
      "epoch": 1.0026666666666666,
      "grad_norm": 0.16836708784103394,
      "learning_rate": 0.00013806451612903225,
      "loss": 0.3253,
      "step": 376
    },
    {
      "epoch": 1.0053333333333334,
      "grad_norm": 0.17477719485759735,
      "learning_rate": 0.00013788018433179722,
      "loss": 0.3608,
      "step": 377
    },
    {
      "epoch": 1.008,
      "grad_norm": 0.1772724837064743,
      "learning_rate": 0.00013769585253456222,
      "loss": 0.3447,
      "step": 378
    },
    {
      "epoch": 1.0106666666666666,
      "grad_norm": 0.12257684767246246,
      "learning_rate": 0.0001375115207373272,
      "loss": 0.2177,
      "step": 379
    },
    {
      "epoch": 1.0133333333333334,
      "grad_norm": 0.16612914204597473,
      "learning_rate": 0.0001373271889400922,
      "loss": 0.29,
      "step": 380
    },
    {
      "epoch": 1.016,
      "grad_norm": 0.1659669578075409,
      "learning_rate": 0.00013714285714285716,
      "loss": 0.2863,
      "step": 381
    },
    {
      "epoch": 1.0186666666666666,
      "grad_norm": 0.10684580355882645,
      "learning_rate": 0.00013695852534562213,
      "loss": 0.2036,
      "step": 382
    },
    {
      "epoch": 1.0213333333333334,
      "grad_norm": 0.18086634576320648,
      "learning_rate": 0.0001367741935483871,
      "loss": 0.3264,
      "step": 383
    },
    {
      "epoch": 1.024,
      "grad_norm": 0.18370379507541656,
      "learning_rate": 0.00013658986175115208,
      "loss": 0.3345,
      "step": 384
    },
    {
      "epoch": 1.0266666666666666,
      "grad_norm": 0.12735684216022491,
      "learning_rate": 0.00013640552995391707,
      "loss": 0.2282,
      "step": 385
    },
    {
      "epoch": 1.0293333333333334,
      "grad_norm": 0.19155777990818024,
      "learning_rate": 0.00013622119815668204,
      "loss": 0.3451,
      "step": 386
    },
    {
      "epoch": 1.032,
      "grad_norm": 0.15170736610889435,
      "learning_rate": 0.00013603686635944702,
      "loss": 0.3117,
      "step": 387
    },
    {
      "epoch": 1.0346666666666666,
      "grad_norm": 0.1189170852303505,
      "learning_rate": 0.000135852534562212,
      "loss": 0.2301,
      "step": 388
    },
    {
      "epoch": 1.0373333333333334,
      "grad_norm": 0.18579140305519104,
      "learning_rate": 0.00013566820276497696,
      "loss": 0.35,
      "step": 389
    },
    {
      "epoch": 1.04,
      "grad_norm": 0.17958171665668488,
      "learning_rate": 0.00013548387096774193,
      "loss": 0.3784,
      "step": 390
    },
    {
      "epoch": 1.0426666666666666,
      "grad_norm": 0.14446499943733215,
      "learning_rate": 0.00013529953917050693,
      "loss": 0.2612,
      "step": 391
    },
    {
      "epoch": 1.0453333333333332,
      "grad_norm": 0.14457960426807404,
      "learning_rate": 0.0001351152073732719,
      "loss": 0.2652,
      "step": 392
    },
    {
      "epoch": 1.048,
      "grad_norm": 0.15731191635131836,
      "learning_rate": 0.00013493087557603687,
      "loss": 0.2775,
      "step": 393
    },
    {
      "epoch": 1.0506666666666666,
      "grad_norm": 0.16172131896018982,
      "learning_rate": 0.00013474654377880184,
      "loss": 0.306,
      "step": 394
    },
    {
      "epoch": 1.0533333333333332,
      "grad_norm": 0.14943663775920868,
      "learning_rate": 0.0001345622119815668,
      "loss": 0.2754,
      "step": 395
    },
    {
      "epoch": 1.056,
      "grad_norm": 0.15502700209617615,
      "learning_rate": 0.00013437788018433178,
      "loss": 0.2944,
      "step": 396
    },
    {
      "epoch": 1.0586666666666666,
      "grad_norm": 0.12555833160877228,
      "learning_rate": 0.00013419354838709678,
      "loss": 0.2273,
      "step": 397
    },
    {
      "epoch": 1.0613333333333332,
      "grad_norm": 0.18065771460533142,
      "learning_rate": 0.00013400921658986175,
      "loss": 0.3267,
      "step": 398
    },
    {
      "epoch": 1.064,
      "grad_norm": 0.18832246959209442,
      "learning_rate": 0.00013382488479262675,
      "loss": 0.3257,
      "step": 399
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 0.1641506552696228,
      "learning_rate": 0.00013364055299539172,
      "loss": 0.2909,
      "step": 400
    },
    {
      "epoch": 1.0693333333333332,
      "grad_norm": 0.1466669887304306,
      "learning_rate": 0.0001334562211981567,
      "loss": 0.2769,
      "step": 401
    },
    {
      "epoch": 1.072,
      "grad_norm": 0.19785748422145844,
      "learning_rate": 0.00013327188940092166,
      "loss": 0.3788,
      "step": 402
    },
    {
      "epoch": 1.0746666666666667,
      "grad_norm": 0.1749541014432907,
      "learning_rate": 0.00013308755760368666,
      "loss": 0.3467,
      "step": 403
    },
    {
      "epoch": 1.0773333333333333,
      "grad_norm": 0.1550755649805069,
      "learning_rate": 0.00013290322580645163,
      "loss": 0.3002,
      "step": 404
    },
    {
      "epoch": 1.08,
      "grad_norm": 0.1549319177865982,
      "learning_rate": 0.0001327188940092166,
      "loss": 0.265,
      "step": 405
    },
    {
      "epoch": 1.0826666666666667,
      "grad_norm": 0.1888841986656189,
      "learning_rate": 0.00013253456221198157,
      "loss": 0.3656,
      "step": 406
    },
    {
      "epoch": 1.0853333333333333,
      "grad_norm": 0.19269292056560516,
      "learning_rate": 0.00013235023041474655,
      "loss": 0.3399,
      "step": 407
    },
    {
      "epoch": 1.088,
      "grad_norm": 0.17310786247253418,
      "learning_rate": 0.00013216589861751152,
      "loss": 0.3404,
      "step": 408
    },
    {
      "epoch": 1.0906666666666667,
      "grad_norm": 0.17707963287830353,
      "learning_rate": 0.00013198156682027652,
      "loss": 0.3144,
      "step": 409
    },
    {
      "epoch": 1.0933333333333333,
      "grad_norm": 0.18884608149528503,
      "learning_rate": 0.0001317972350230415,
      "loss": 0.3545,
      "step": 410
    },
    {
      "epoch": 1.096,
      "grad_norm": 0.17003734409809113,
      "learning_rate": 0.00013161290322580646,
      "loss": 0.3041,
      "step": 411
    },
    {
      "epoch": 1.0986666666666667,
      "grad_norm": 0.15582703053951263,
      "learning_rate": 0.00013142857142857143,
      "loss": 0.2777,
      "step": 412
    },
    {
      "epoch": 1.1013333333333333,
      "grad_norm": 0.19669969379901886,
      "learning_rate": 0.0001312442396313364,
      "loss": 0.3497,
      "step": 413
    },
    {
      "epoch": 1.104,
      "grad_norm": 0.1748334765434265,
      "learning_rate": 0.00013105990783410137,
      "loss": 0.3194,
      "step": 414
    },
    {
      "epoch": 1.1066666666666667,
      "grad_norm": 0.13625746965408325,
      "learning_rate": 0.00013087557603686637,
      "loss": 0.2262,
      "step": 415
    },
    {
      "epoch": 1.1093333333333333,
      "grad_norm": 0.1757451295852661,
      "learning_rate": 0.00013069124423963134,
      "loss": 0.3111,
      "step": 416
    },
    {
      "epoch": 1.112,
      "grad_norm": 0.18365788459777832,
      "learning_rate": 0.0001305069124423963,
      "loss": 0.3498,
      "step": 417
    },
    {
      "epoch": 1.1146666666666667,
      "grad_norm": 0.15181052684783936,
      "learning_rate": 0.0001303225806451613,
      "loss": 0.2915,
      "step": 418
    },
    {
      "epoch": 1.1173333333333333,
      "grad_norm": 0.12344007194042206,
      "learning_rate": 0.00013013824884792628,
      "loss": 0.2209,
      "step": 419
    },
    {
      "epoch": 1.12,
      "grad_norm": 0.15274471044540405,
      "learning_rate": 0.00012995391705069125,
      "loss": 0.3069,
      "step": 420
    },
    {
      "epoch": 1.1226666666666667,
      "grad_norm": 0.18239013850688934,
      "learning_rate": 0.00012976958525345625,
      "loss": 0.3499,
      "step": 421
    },
    {
      "epoch": 1.1253333333333333,
      "grad_norm": 0.1746266633272171,
      "learning_rate": 0.00012958525345622122,
      "loss": 0.3441,
      "step": 422
    },
    {
      "epoch": 1.1280000000000001,
      "grad_norm": 0.18905861675739288,
      "learning_rate": 0.0001294009216589862,
      "loss": 0.3507,
      "step": 423
    },
    {
      "epoch": 1.1306666666666667,
      "grad_norm": 0.18351832032203674,
      "learning_rate": 0.00012921658986175116,
      "loss": 0.3473,
      "step": 424
    },
    {
      "epoch": 1.1333333333333333,
      "grad_norm": 0.1772531270980835,
      "learning_rate": 0.00012903225806451613,
      "loss": 0.3138,
      "step": 425
    },
    {
      "epoch": 1.1360000000000001,
      "grad_norm": 0.17047764360904694,
      "learning_rate": 0.0001288479262672811,
      "loss": 0.3033,
      "step": 426
    },
    {
      "epoch": 1.1386666666666667,
      "grad_norm": 0.16869769990444183,
      "learning_rate": 0.00012866359447004608,
      "loss": 0.31,
      "step": 427
    },
    {
      "epoch": 1.1413333333333333,
      "grad_norm": 0.17232246696949005,
      "learning_rate": 0.00012847926267281107,
      "loss": 0.3352,
      "step": 428
    },
    {
      "epoch": 1.144,
      "grad_norm": 0.18078351020812988,
      "learning_rate": 0.00012829493087557605,
      "loss": 0.3201,
      "step": 429
    },
    {
      "epoch": 1.1466666666666667,
      "grad_norm": 0.16152624785900116,
      "learning_rate": 0.00012811059907834102,
      "loss": 0.289,
      "step": 430
    },
    {
      "epoch": 1.1493333333333333,
      "grad_norm": 0.18361586332321167,
      "learning_rate": 0.000127926267281106,
      "loss": 0.3131,
      "step": 431
    },
    {
      "epoch": 1.152,
      "grad_norm": 0.1870482712984085,
      "learning_rate": 0.00012774193548387096,
      "loss": 0.3364,
      "step": 432
    },
    {
      "epoch": 1.1546666666666667,
      "grad_norm": 0.16466543078422546,
      "learning_rate": 0.00012755760368663593,
      "loss": 0.2986,
      "step": 433
    },
    {
      "epoch": 1.1573333333333333,
      "grad_norm": 0.16390617191791534,
      "learning_rate": 0.00012737327188940093,
      "loss": 0.2853,
      "step": 434
    },
    {
      "epoch": 1.16,
      "grad_norm": 0.1582307517528534,
      "learning_rate": 0.0001271889400921659,
      "loss": 0.3015,
      "step": 435
    },
    {
      "epoch": 1.1626666666666667,
      "grad_norm": 0.18881578743457794,
      "learning_rate": 0.00012700460829493087,
      "loss": 0.35,
      "step": 436
    },
    {
      "epoch": 1.1653333333333333,
      "grad_norm": 0.17530585825443268,
      "learning_rate": 0.00012682027649769587,
      "loss": 0.3165,
      "step": 437
    },
    {
      "epoch": 1.168,
      "grad_norm": 0.1683303713798523,
      "learning_rate": 0.00012663594470046084,
      "loss": 0.3147,
      "step": 438
    },
    {
      "epoch": 1.1706666666666667,
      "grad_norm": 0.15983852744102478,
      "learning_rate": 0.0001264516129032258,
      "loss": 0.2814,
      "step": 439
    },
    {
      "epoch": 1.1733333333333333,
      "grad_norm": 0.12463359534740448,
      "learning_rate": 0.0001262672811059908,
      "loss": 0.2101,
      "step": 440
    },
    {
      "epoch": 1.176,
      "grad_norm": 0.17620094120502472,
      "learning_rate": 0.00012608294930875578,
      "loss": 0.3078,
      "step": 441
    },
    {
      "epoch": 1.1786666666666668,
      "grad_norm": 0.15961304306983948,
      "learning_rate": 0.00012589861751152075,
      "loss": 0.2751,
      "step": 442
    },
    {
      "epoch": 1.1813333333333333,
      "grad_norm": 0.1611575037240982,
      "learning_rate": 0.00012571428571428572,
      "loss": 0.2848,
      "step": 443
    },
    {
      "epoch": 1.184,
      "grad_norm": 0.18253649771213531,
      "learning_rate": 0.0001255299539170507,
      "loss": 0.3026,
      "step": 444
    },
    {
      "epoch": 1.1866666666666668,
      "grad_norm": 0.16647040843963623,
      "learning_rate": 0.00012534562211981566,
      "loss": 0.2895,
      "step": 445
    },
    {
      "epoch": 1.1893333333333334,
      "grad_norm": 0.1810285449028015,
      "learning_rate": 0.00012516129032258066,
      "loss": 0.3118,
      "step": 446
    },
    {
      "epoch": 1.192,
      "grad_norm": 0.16052526235580444,
      "learning_rate": 0.00012497695852534563,
      "loss": 0.2812,
      "step": 447
    },
    {
      "epoch": 1.1946666666666665,
      "grad_norm": 0.14483848214149475,
      "learning_rate": 0.0001247926267281106,
      "loss": 0.2484,
      "step": 448
    },
    {
      "epoch": 1.1973333333333334,
      "grad_norm": 0.16969628632068634,
      "learning_rate": 0.00012460829493087558,
      "loss": 0.2916,
      "step": 449
    },
    {
      "epoch": 1.2,
      "grad_norm": 0.14120320975780487,
      "learning_rate": 0.00012442396313364055,
      "loss": 0.2576,
      "step": 450
    },
    {
      "epoch": 1.2026666666666666,
      "grad_norm": 0.19954310357570648,
      "learning_rate": 0.00012423963133640552,
      "loss": 0.3632,
      "step": 451
    },
    {
      "epoch": 1.2053333333333334,
      "grad_norm": 0.18150478601455688,
      "learning_rate": 0.00012405529953917052,
      "loss": 0.3408,
      "step": 452
    },
    {
      "epoch": 1.208,
      "grad_norm": 0.15250132977962494,
      "learning_rate": 0.0001238709677419355,
      "loss": 0.3005,
      "step": 453
    },
    {
      "epoch": 1.2106666666666666,
      "grad_norm": 0.17641334235668182,
      "learning_rate": 0.00012368663594470046,
      "loss": 0.3168,
      "step": 454
    },
    {
      "epoch": 1.2133333333333334,
      "grad_norm": 0.14669710397720337,
      "learning_rate": 0.00012350230414746543,
      "loss": 0.2718,
      "step": 455
    },
    {
      "epoch": 1.216,
      "grad_norm": 0.18148992955684662,
      "learning_rate": 0.00012331797235023043,
      "loss": 0.3446,
      "step": 456
    },
    {
      "epoch": 1.2186666666666666,
      "grad_norm": 0.19267897307872772,
      "learning_rate": 0.0001231336405529954,
      "loss": 0.3368,
      "step": 457
    },
    {
      "epoch": 1.2213333333333334,
      "grad_norm": 0.16317573189735413,
      "learning_rate": 0.00012294930875576037,
      "loss": 0.2787,
      "step": 458
    },
    {
      "epoch": 1.224,
      "grad_norm": 0.13813409209251404,
      "learning_rate": 0.00012276497695852537,
      "loss": 0.237,
      "step": 459
    },
    {
      "epoch": 1.2266666666666666,
      "grad_norm": 0.19543218612670898,
      "learning_rate": 0.00012258064516129034,
      "loss": 0.3286,
      "step": 460
    },
    {
      "epoch": 1.2293333333333334,
      "grad_norm": 0.16882073879241943,
      "learning_rate": 0.0001223963133640553,
      "loss": 0.2783,
      "step": 461
    },
    {
      "epoch": 1.232,
      "grad_norm": 0.16801773011684418,
      "learning_rate": 0.00012221198156682028,
      "loss": 0.3018,
      "step": 462
    },
    {
      "epoch": 1.2346666666666666,
      "grad_norm": 0.17224004864692688,
      "learning_rate": 0.00012202764976958525,
      "loss": 0.2982,
      "step": 463
    },
    {
      "epoch": 1.2373333333333334,
      "grad_norm": 0.15956328809261322,
      "learning_rate": 0.00012184331797235025,
      "loss": 0.3058,
      "step": 464
    },
    {
      "epoch": 1.24,
      "grad_norm": 0.17795439064502716,
      "learning_rate": 0.00012165898617511522,
      "loss": 0.3429,
      "step": 465
    },
    {
      "epoch": 1.2426666666666666,
      "grad_norm": 0.1681850105524063,
      "learning_rate": 0.0001214746543778802,
      "loss": 0.2932,
      "step": 466
    },
    {
      "epoch": 1.2453333333333334,
      "grad_norm": 0.14882837235927582,
      "learning_rate": 0.00012129032258064516,
      "loss": 0.2772,
      "step": 467
    },
    {
      "epoch": 1.248,
      "grad_norm": 0.1865171641111374,
      "learning_rate": 0.00012110599078341014,
      "loss": 0.3526,
      "step": 468
    },
    {
      "epoch": 1.2506666666666666,
      "grad_norm": 0.1419881284236908,
      "learning_rate": 0.00012092165898617511,
      "loss": 0.2556,
      "step": 469
    },
    {
      "epoch": 1.2533333333333334,
      "grad_norm": 0.1949879229068756,
      "learning_rate": 0.0001207373271889401,
      "loss": 0.3512,
      "step": 470
    },
    {
      "epoch": 1.256,
      "grad_norm": 0.1851123869419098,
      "learning_rate": 0.00012055299539170508,
      "loss": 0.3119,
      "step": 471
    },
    {
      "epoch": 1.2586666666666666,
      "grad_norm": 0.16903844475746155,
      "learning_rate": 0.00012036866359447006,
      "loss": 0.2964,
      "step": 472
    },
    {
      "epoch": 1.2613333333333334,
      "grad_norm": 0.15738247334957123,
      "learning_rate": 0.00012018433179723503,
      "loss": 0.3073,
      "step": 473
    },
    {
      "epoch": 1.264,
      "grad_norm": 0.18394124507904053,
      "learning_rate": 0.00012,
      "loss": 0.3529,
      "step": 474
    },
    {
      "epoch": 1.2666666666666666,
      "grad_norm": 0.16276584565639496,
      "learning_rate": 0.00011981566820276497,
      "loss": 0.2824,
      "step": 475
    },
    {
      "epoch": 1.2693333333333334,
      "grad_norm": 0.19218119978904724,
      "learning_rate": 0.00011963133640552997,
      "loss": 0.3145,
      "step": 476
    },
    {
      "epoch": 1.272,
      "grad_norm": 0.1617254912853241,
      "learning_rate": 0.00011944700460829494,
      "loss": 0.3048,
      "step": 477
    },
    {
      "epoch": 1.2746666666666666,
      "grad_norm": 0.18363742530345917,
      "learning_rate": 0.00011926267281105991,
      "loss": 0.3495,
      "step": 478
    },
    {
      "epoch": 1.2773333333333334,
      "grad_norm": 0.18322618305683136,
      "learning_rate": 0.00011907834101382489,
      "loss": 0.323,
      "step": 479
    },
    {
      "epoch": 1.28,
      "grad_norm": 0.19018413126468658,
      "learning_rate": 0.00011889400921658986,
      "loss": 0.3239,
      "step": 480
    },
    {
      "epoch": 1.2826666666666666,
      "grad_norm": 0.18414224684238434,
      "learning_rate": 0.00011870967741935484,
      "loss": 0.3221,
      "step": 481
    },
    {
      "epoch": 1.2853333333333334,
      "grad_norm": 0.1773815155029297,
      "learning_rate": 0.00011852534562211983,
      "loss": 0.2895,
      "step": 482
    },
    {
      "epoch": 1.288,
      "grad_norm": 0.1861986517906189,
      "learning_rate": 0.00011834101382488481,
      "loss": 0.3544,
      "step": 483
    },
    {
      "epoch": 1.2906666666666666,
      "grad_norm": 0.16993744671344757,
      "learning_rate": 0.00011815668202764978,
      "loss": 0.2809,
      "step": 484
    },
    {
      "epoch": 1.2933333333333334,
      "grad_norm": 0.19634485244750977,
      "learning_rate": 0.00011797235023041475,
      "loss": 0.351,
      "step": 485
    },
    {
      "epoch": 1.296,
      "grad_norm": 0.146186962723732,
      "learning_rate": 0.00011778801843317972,
      "loss": 0.2947,
      "step": 486
    },
    {
      "epoch": 1.2986666666666666,
      "grad_norm": 0.1496630311012268,
      "learning_rate": 0.0001176036866359447,
      "loss": 0.24,
      "step": 487
    },
    {
      "epoch": 1.3013333333333335,
      "grad_norm": 0.15881465375423431,
      "learning_rate": 0.00011741935483870967,
      "loss": 0.2679,
      "step": 488
    },
    {
      "epoch": 1.304,
      "grad_norm": 0.14850527048110962,
      "learning_rate": 0.00011723502304147466,
      "loss": 0.2729,
      "step": 489
    },
    {
      "epoch": 1.3066666666666666,
      "grad_norm": 0.18087144196033478,
      "learning_rate": 0.00011705069124423964,
      "loss": 0.3167,
      "step": 490
    },
    {
      "epoch": 1.3093333333333335,
      "grad_norm": 0.18573027849197388,
      "learning_rate": 0.00011686635944700462,
      "loss": 0.3389,
      "step": 491
    },
    {
      "epoch": 1.312,
      "grad_norm": 0.1348046511411667,
      "learning_rate": 0.00011668202764976959,
      "loss": 0.2417,
      "step": 492
    },
    {
      "epoch": 1.3146666666666667,
      "grad_norm": 0.1142662763595581,
      "learning_rate": 0.00011649769585253456,
      "loss": 0.2001,
      "step": 493
    },
    {
      "epoch": 1.3173333333333335,
      "grad_norm": 0.16688582301139832,
      "learning_rate": 0.00011631336405529953,
      "loss": 0.3011,
      "step": 494
    },
    {
      "epoch": 1.32,
      "grad_norm": 0.13561463356018066,
      "learning_rate": 0.00011612903225806453,
      "loss": 0.2247,
      "step": 495
    },
    {
      "epoch": 1.3226666666666667,
      "grad_norm": 0.1808239072561264,
      "learning_rate": 0.0001159447004608295,
      "loss": 0.3396,
      "step": 496
    },
    {
      "epoch": 1.3253333333333333,
      "grad_norm": 0.1843968629837036,
      "learning_rate": 0.00011576036866359447,
      "loss": 0.3445,
      "step": 497
    },
    {
      "epoch": 1.328,
      "grad_norm": 0.18581481277942657,
      "learning_rate": 0.00011557603686635945,
      "loss": 0.3435,
      "step": 498
    },
    {
      "epoch": 1.3306666666666667,
      "grad_norm": 0.12895582616329193,
      "learning_rate": 0.00011539170506912442,
      "loss": 0.2209,
      "step": 499
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 0.19537444412708282,
      "learning_rate": 0.0001152073732718894,
      "loss": 0.3652,
      "step": 500
    }
  ],
  "logging_steps": 1,
  "max_steps": 1125,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 9.854633244124938e+17,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}