nohup: ignoring input
The following values were not passed to `accelerate launch` and had defaults used instead:
		More than one GPU was found, enabling multi-GPU training.
		If this was unintended please pass in `--num_processes=1`.
	`--num_machines` was set to a value of `1`
	`--mixed_precision` was set to a value of `'no'`
	`--dynamo_backend` was set to a value of `'no'`
To avoid this warning pass in values for each of the problematic parameters or run `accelerate config`.
07:42:46  INFO      Loaded 34002 PRMTrainRecord rows from /workspace/fms4navigation/datasets/Faithfulness-Critic-Dataset/train_dataset.jsonl
07:42:46  INFO      Loaded 512 PRMTrainRecord rows from /workspace/fms4navigation/datasets/Faithfulness-Critic-Dataset/val_dataset_512.jsonl
07:42:46  INFO      Label balance (train, n=34002):
07:42:46  INFO        overall                 CONSISTENT=14006  INCONSISTENT=19996  (41.2% pos)
07:42:46  INFO        image_to_mj             CONSISTENT=27995  INCONSISTENT= 6007  (82.3% pos)
07:42:46  INFO        mj_to_action            CONSISTENT=24708  INCONSISTENT= 9294  (72.7% pos)
07:42:46  INFO        action_to_waypoints     CONSISTENT=22682  INCONSISTENT=11320  (66.7% pos)
07:42:46  INFO        mj_to_waypoints         CONSISTENT=21033  INCONSISTENT=12969  (61.9% pos)
07:42:46  INFO      Label balance (val, n=512):
07:42:46  INFO        overall                 CONSISTENT=  209  INCONSISTENT=  303  (40.8% pos)
07:42:46  INFO        image_to_mj             CONSISTENT=  432  INCONSISTENT=   80  (84.4% pos)
07:42:46  INFO        mj_to_action            CONSISTENT=  364  INCONSISTENT=  148  (71.1% pos)
07:42:46  INFO        action_to_waypoints     CONSISTENT=  324  INCONSISTENT=  188  (63.3% pos)
07:42:46  INFO        mj_to_waypoints         CONSISTENT=  321  INCONSISTENT=  191  (62.7% pos)
07:42:46  INFO      Loading processor: Qwen/Qwen3-VL-4B-Instruct

Loading checkpoint shards:   0%|                                                                                                    | 0/2 [00:00<?, ?it/s]07:42:51  INFO      Loading base model: Qwen/Qwen3-VL-4B-Instruct (dtype=bfloat16, attn=sdpa)

Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 27.34it/s]

Loading checkpoint shards:   0%|                                                                                                    | 0/2 [00:00<?, ?it/s]
Loading checkpoint shards:   0%|                                                                                                    | 0/2 [00:00<?, ?it/s]
Loading checkpoint shards:   0%|                                                                                                    | 0/2 [00:00<?, ?it/s]
Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 26.79it/s]

Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 26.74it/s]

Loading checkpoint shards:   0%|                                                                                                    | 0/2 [00:00<?, ?it/s]
Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 24.14it/s]

Loading checkpoint shards:   0%|                                                                                                    | 0/2 [00:00<?, ?it/s]
Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 27.16it/s]

Loading checkpoint shards:   0%|                                                                                                    | 0/2 [00:00<?, ?it/s]
Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 27.70it/s]

Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 27.45it/s]

Loading checkpoint shards:   0%|                                                                                                    | 0/2 [00:00<?, ?it/s]
Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 27.34it/s]
07:42:53  INFO      LoRA enabled (r=256, alpha=256, dropout=0.05, targets=['q_proj', 'k_proj', 'v_proj', 'o_proj']).
trainable params: 188,743,680 || all params: 4,626,559,488 || trainable%: 4.0796
07:42:53  INFO      CameraStore dataset_dir: /workspace/fms4navigation/datasets/Faithfulness-Critic-Dataset
07:42:53  INFO      CameraStore: dataset_dir=/workspace/fms4navigation/datasets/Faithfulness-Critic-Dataset
The tokenizer has new PAD/BOS/EOS tokens that differ from the model config and generation config. The model config and generation config were aligned accordingly, being updated with the tokenizer's values. Updated tokens: {'eos_token_id': 151645, 'bos_token_id': None, 'pad_token_id': 151643}.
The tokenizer has new PAD/BOS/EOS tokens that differ from the model config and generation config. The model config and generation config were aligned accordingly, being updated with the tokenizer's values. Updated tokens: {'eos_token_id': 151645, 'bos_token_id': None, 'pad_token_id': 151643}.
The tokenizer has new PAD/BOS/EOS tokens that differ from the model config and generation config. The model config and generation config were aligned accordingly, being updated with the tokenizer's values. Updated tokens: {'eos_token_id': 151645, 'bos_token_id': None, 'pad_token_id': 151643}.
07:42:56  INFO      Train config → /workspace/fms4navigation/results/PRM-v2-r256/train_config.json
The tokenizer has new PAD/BOS/EOS tokens that differ from the model config and generation config. The model config and generation config were aligned accordingly, being updated with the tokenizer's values. Updated tokens: {'eos_token_id': 151645, 'bos_token_id': None, 'pad_token_id': 151643}.
The tokenizer has new PAD/BOS/EOS tokens that differ from the model config and generation config. The model config and generation config were aligned accordingly, being updated with the tokenizer's values. Updated tokens: {'eos_token_id': 151645, 'bos_token_id': None, 'pad_token_id': 151643}.
The tokenizer has new PAD/BOS/EOS tokens that differ from the model config and generation config. The model config and generation config were aligned accordingly, being updated with the tokenizer's values. Updated tokens: {'eos_token_id': 151645, 'bos_token_id': None, 'pad_token_id': 151643}.
The tokenizer has new PAD/BOS/EOS tokens that differ from the model config and generation config. The model config and generation config were aligned accordingly, being updated with the tokenizer's values. Updated tokens: {'eos_token_id': 151645, 'bos_token_id': None, 'pad_token_id': 151643}.
The tokenizer has new PAD/BOS/EOS tokens that differ from the model config and generation config. The model config and generation config were aligned accordingly, being updated with the tokenizer's values. Updated tokens: {'eos_token_id': 151645, 'bos_token_id': None, 'pad_token_id': 151643}.
wandb: [wandb.login()] Loaded credentials for https://api.wandb.ai from /root/.netrc.
The following generation flags are not valid and may be ignored: ['temperature', 'top_p', 'top_k']. Set `TRANSFORMERS_VERBOSITY=info` for more details.
The following generation flags are not valid and may be ignored: ['temperature', 'top_p', 'top_k']. Set `TRANSFORMERS_VERBOSITY=info` for more details.
The following generation flags are not valid and may be ignored: ['temperature', 'top_p', 'top_k']. Set `TRANSFORMERS_VERBOSITY=info` for more details.
The following generation flags are not valid and may be ignored: ['temperature', 'top_p', 'top_k']. Set `TRANSFORMERS_VERBOSITY=info` for more details.
The following generation flags are not valid and may be ignored: ['temperature', 'top_p', 'top_k']. Set `TRANSFORMERS_VERBOSITY=info` for more details.
The following generation flags are not valid and may be ignored: ['temperature', 'top_p', 'top_k']. Set `TRANSFORMERS_VERBOSITY=info` for more details.
The following generation flags are not valid and may be ignored: ['temperature', 'top_p', 'top_k']. Set `TRANSFORMERS_VERBOSITY=info` for more details.
wandb: Currently logged in as: mjf-su (mjf-su-stanford-university) to https://api.wandb.ai. Use `wandb login --relogin` to force relogin
wandb: Tracking run with wandb version 0.27.0
wandb: Run data is saved locally in /workspace/fms4navigation/wandb/run-20260515_074304-ciao5cei
wandb: Run `wandb offline` to turn off syncing.
wandb: Syncing run ruby-bird-20
wandb: ⭐️ View project at https://wandb.ai/mjf-su-stanford-university/huggingface
wandb: 🚀 View run at https://wandb.ai/mjf-su-stanford-university/huggingface/runs/ciao5cei
The following generation flags are not valid and may be ignored: ['temperature', 'top_p', 'top_k']. Set `TRANSFORMERS_VERBOSITY=info` for more details.
07:47:54  INFO        eval generation: 50/64  (0.17 rec/s, 288.4s elapsed, ~81s left)
07:49:16  INFO        eval generation: 64/64  (0.17 rec/s, 369.9s elapsed, ~0s left)
07:49:29  INFO      Eval @ start — n=512
07:49:29  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
07:49:29  INFO        overall         0.605    0.081    0.967    0.604    0.967    0.744
07:49:29  INFO        E1              0.293    0.164    0.988    0.180    0.988    0.304
07:49:29  INFO        E2              0.760    0.679    0.959    0.548    0.959    0.698
07:49:29  INFO        E3              0.400    0.071    0.968    0.377    0.968    0.542
07:49:29  INFO        E4              0.387    0.053    0.948    0.373    0.948    0.536
07:49:29  INFO        exact_match=0.064  edge_macro_acc=0.460  malformed=0.000

  0%|                                                                                                                            | 0/1063 [00:00<?, ?it/s]
  0%|                                                                                                                  | 1/1063 [00:04<1:22:01,  4.63s/it]
  0%|▏                                                                                                                 | 2/1063 [00:07<1:03:53,  3.61s/it]
  0%|▎                                                                                                                   | 3/1063 [00:09<54:08,  3.06s/it]
  0%|▍                                                                                                                   | 4/1063 [00:12<49:51,  2.82s/it]
  0%|▌                                                                                                                   | 5/1063 [00:15<50:27,  2.86s/it]
  1%|▋                                                                                                                   | 6/1063 [00:17<48:34,  2.76s/it]
  1%|▊                                                                                                                   | 7/1063 [00:20<45:54,  2.61s/it]
  1%|▊                                                                                                                   | 8/1063 [00:22<44:07,  2.51s/it]
  1%|▉                                                                                                                   | 9/1063 [00:24<44:07,  2.51s/it]
  1%|█                                                                                                                  | 10/1063 [00:27<42:45,  2.44s/it]
  1%|█▏                                                                                                                 | 11/1063 [00:29<42:01,  2.40s/it]
  1%|█▎                                                                                                                 | 12/1063 [00:31<41:18,  2.36s/it]
  1%|█▍                                                                                                                 | 13/1063 [00:34<40:39,  2.32s/it]
  1%|█▌                                                                                                                 | 14/1063 [00:36<40:24,  2.31s/it]
  1%|█▌                                                                                                                 | 15/1063 [00:38<39:59,  2.29s/it]
  2%|█▋                                                                                                                 | 16/1063 [00:40<39:57,  2.29s/it]
  2%|█▊                                                                                                                 | 17/1063 [00:43<39:45,  2.28s/it]
  2%|█▉                                                                                                                 | 18/1063 [00:45<39:30,  2.27s/it]
  2%|██                                                                                                                 | 19/1063 [00:47<38:53,  2.24s/it]
  2%|██▏                                                                                                                | 20/1063 [00:49<39:00,  2.24s/it]
                                                                                                                                                          
{'loss': 0.0936, 'grad_norm': 0.13588111102581024, 'learning_rate': 5.9375e-05, 'epoch': 0.02}

  2%|██▏                                                                                                                | 20/1063 [00:49<39:00,  2.24s/it]
  2%|██▎                                                                                                                | 21/1063 [00:52<39:16,  2.26s/it]
  2%|██▍                                                                                                                | 22/1063 [00:54<38:56,  2.24s/it]
  2%|██▍                                                                                                                | 23/1063 [00:56<39:13,  2.26s/it]
  2%|██▌                                                                                                                | 24/1063 [00:59<40:44,  2.35s/it]
  2%|██▋                                                                                                                | 25/1063 [01:01<40:02,  2.31s/it]
  2%|██▊                                                                                                                | 26/1063 [01:03<39:42,  2.30s/it]
  3%|██▉                                                                                                                | 27/1063 [01:05<39:20,  2.28s/it]
  3%|███                                                                                                                | 28/1063 [01:08<38:50,  2.25s/it]
  3%|███▏                                                                                                               | 29/1063 [01:10<38:37,  2.24s/it]
  3%|███▏                                                                                                               | 30/1063 [01:12<38:29,  2.24s/it]
  3%|███▎                                                                                                               | 31/1063 [01:15<40:42,  2.37s/it]
  3%|███▍                                                                                                               | 32/1063 [01:17<40:04,  2.33s/it]
  3%|███▌                                                                                                               | 33/1063 [01:19<39:25,  2.30s/it]
  3%|███▋                                                                                                               | 34/1063 [01:21<39:28,  2.30s/it]
  3%|███▊                                                                                                               | 35/1063 [01:24<39:06,  2.28s/it]
  3%|███▉                                                                                                               | 36/1063 [01:26<38:59,  2.28s/it]
  3%|████                                                                                                               | 37/1063 [01:28<38:38,  2.26s/it]
  4%|████                                                                                                               | 38/1063 [01:31<38:52,  2.28s/it]
  4%|████▏                                                                                                              | 39/1063 [01:33<38:56,  2.28s/it]
  4%|████▎                                                                                                              | 40/1063 [01:35<38:49,  2.28s/it]
                                                                                                                                                          
{'loss': 0.0348, 'grad_norm': 0.15987196564674377, 'learning_rate': 9.932104752667314e-05, 'epoch': 0.04}

  4%|████▎                                                                                                              | 40/1063 [01:35<38:49,  2.28s/it]
  4%|████▍                                                                                                              | 41/1063 [01:38<40:10,  2.36s/it]
  4%|████▌                                                                                                              | 42/1063 [01:40<39:24,  2.32s/it]
  4%|████▋                                                                                                              | 43/1063 [01:43<41:04,  2.42s/it]
  4%|████▊                                                                                                              | 44/1063 [01:45<40:19,  2.37s/it]
  4%|████▊                                                                                                              | 45/1063 [01:47<39:15,  2.31s/it]
  4%|████▉                                                                                                              | 46/1063 [01:50<40:42,  2.40s/it]
  4%|█████                                                                                                              | 47/1063 [01:52<39:32,  2.33s/it]
  5%|█████▏                                                                                                             | 48/1063 [01:54<39:05,  2.31s/it]
  5%|█████▎                                                                                                             | 49/1063 [01:56<38:37,  2.29s/it]
  5%|█████▍                                                                                                             | 50/1063 [01:58<38:09,  2.26s/it]
  5%|█████▌                                                                                                             | 51/1063 [02:01<38:04,  2.26s/it]
  5%|█████▋                                                                                                             | 52/1063 [02:03<38:06,  2.26s/it]
  5%|█████▋                                                                                                             | 53/1063 [02:05<38:10,  2.27s/it]
  5%|█████▊                                                                                                             | 54/1063 [02:07<37:47,  2.25s/it]
  5%|█████▉                                                                                                             | 55/1063 [02:10<37:50,  2.25s/it]
  5%|██████                                                                                                             | 56/1063 [02:12<37:55,  2.26s/it]
  5%|██████▏                                                                                                            | 57/1063 [02:14<37:45,  2.25s/it]
  5%|██████▎                                                                                                            | 58/1063 [02:16<37:39,  2.25s/it]
  6%|██████▍                                                                                                            | 59/1063 [02:19<37:25,  2.24s/it]
  6%|██████▍                                                                                                            | 60/1063 [02:21<37:14,  2.23s/it]
                                                                                                                                                          
{'loss': 0.0273, 'grad_norm': 0.14962074160575867, 'learning_rate': 9.73811833171678e-05, 'epoch': 0.06}

  6%|██████▍                                                                                                            | 60/1063 [02:21<37:14,  2.23s/it]
  6%|██████▌                                                                                                            | 61/1063 [02:23<37:21,  2.24s/it]
  6%|██████▋                                                                                                            | 62/1063 [02:25<37:33,  2.25s/it]
  6%|██████▊                                                                                                            | 63/1063 [02:28<37:12,  2.23s/it]
  6%|██████▉                                                                                                            | 64/1063 [02:30<37:18,  2.24s/it]
  6%|███████                                                                                                            | 65/1063 [02:32<37:19,  2.24s/it]
  6%|███████▏                                                                                                           | 66/1063 [02:34<37:16,  2.24s/it]
  6%|███████▏                                                                                                           | 67/1063 [02:37<37:07,  2.24s/it]
  6%|███████▎                                                                                                           | 68/1063 [02:39<37:20,  2.25s/it]
  6%|███████▍                                                                                                           | 69/1063 [02:41<37:22,  2.26s/it]
  7%|███████▌                                                                                                           | 70/1063 [02:43<37:35,  2.27s/it]
  7%|███████▋                                                                                                           | 71/1063 [02:46<37:40,  2.28s/it]
  7%|███████▊                                                                                                           | 72/1063 [02:48<37:19,  2.26s/it]
  7%|███████▉                                                                                                           | 73/1063 [02:50<36:56,  2.24s/it]
  7%|████████                                                                                                           | 74/1063 [02:52<37:08,  2.25s/it]
  7%|████████                                                                                                           | 75/1063 [02:55<37:10,  2.26s/it]
  7%|████████▏                                                                                                          | 76/1063 [02:57<36:55,  2.24s/it]
  7%|████████▎                                                                                                          | 77/1063 [02:59<37:08,  2.26s/it]
  7%|████████▍                                                                                                          | 78/1063 [03:01<36:46,  2.24s/it]
  7%|████████▌                                                                                                          | 79/1063 [03:04<36:49,  2.25s/it]
  8%|████████▋                                                                                                          | 80/1063 [03:06<36:36,  2.23s/it]
                                                                                                                                                          
{'loss': 0.0248, 'grad_norm': 0.1912640929222107, 'learning_rate': 9.544131910766246e-05, 'epoch': 0.08}

  8%|████████▋                                                                                                          | 80/1063 [03:06<36:36,  2.23s/it]
  8%|████████▊                                                                                                          | 81/1063 [03:08<36:42,  2.24s/it]
  8%|████████▊                                                                                                          | 82/1063 [03:10<36:43,  2.25s/it]
  8%|████████▉                                                                                                          | 83/1063 [03:13<36:49,  2.25s/it]
  8%|█████████                                                                                                          | 84/1063 [03:15<36:48,  2.26s/it]
  8%|█████████▏                                                                                                         | 85/1063 [03:17<36:47,  2.26s/it]
  8%|█████████▎                                                                                                         | 86/1063 [03:19<36:24,  2.24s/it]
  8%|█████████▍                                                                                                         | 87/1063 [03:22<36:36,  2.25s/it]
  8%|█████████▌                                                                                                         | 88/1063 [03:24<36:25,  2.24s/it]
  8%|█████████▋                                                                                                         | 89/1063 [03:26<36:35,  2.25s/it]
  8%|█████████▋                                                                                                         | 90/1063 [03:28<36:31,  2.25s/it]
  9%|█████████▊                                                                                                         | 91/1063 [03:31<36:24,  2.25s/it]
  9%|█████████▉                                                                                                         | 92/1063 [03:33<36:25,  2.25s/it]
  9%|██████████                                                                                                         | 93/1063 [03:35<36:31,  2.26s/it]
  9%|██████████▏                                                                                                        | 94/1063 [03:37<36:27,  2.26s/it]
  9%|██████████▎                                                                                                        | 95/1063 [03:40<36:24,  2.26s/it]
  9%|██████████▍                                                                                                        | 96/1063 [03:42<36:09,  2.24s/it]
  9%|██████████▍                                                                                                        | 97/1063 [03:44<35:55,  2.23s/it]
  9%|██████████▌                                                                                                        | 98/1063 [03:46<35:52,  2.23s/it]
  9%|██████████▋                                                                                                        | 99/1063 [03:49<35:43,  2.22s/it]07:58:07  INFO        eval generation: 50/64  (0.17 rec/s, 286.9s elapsed, ~80s left)
07:59:28  INFO        eval generation: 64/64  (0.17 rec/s, 367.4s elapsed, ~0s left)
07:59:43  INFO      Eval @ step_100 — n=512
07:59:43  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
07:59:43  INFO        overall         0.807    0.833    0.789    0.872    0.789    0.828
07:59:43  INFO        E1              0.816    0.882    0.463    0.420    0.463    0.440
07:59:43  INFO        E2              0.932    0.975    0.824    0.931    0.824    0.875
07:59:43  INFO        E3              0.773    0.818    0.697    0.689    0.697    0.693
07:59:43  INFO        E4              0.805    0.863    0.707    0.754    0.707    0.730
07:59:43  INFO        exact_match=0.576  edge_macro_acc=0.832  malformed=0.000

  9%|██████████▎                                                                                                   | 100/1063 [10:14<31:19:35, 117.11s/it]
                                                                                                                                                          
{'loss': 0.0248, 'grad_norm': 0.10156096518039703, 'learning_rate': 9.350145489815713e-05, 'epoch': 0.09}

  9%|██████████▎                                                                                                   | 100/1063 [10:14<31:19:35, 117.11s/it]
 10%|██████████▌                                                                                                    | 101/1063 [10:16<22:05:10, 82.65s/it]
 10%|██████████▋                                                                                                    | 102/1063 [10:18<15:37:32, 58.54s/it]
 10%|██████████▊                                                                                                    | 103/1063 [10:20<11:06:20, 41.65s/it]
 10%|██████████▉                                                                                                     | 104/1063 [10:23<7:56:29, 29.81s/it]
 10%|███████████                                                                                                     | 105/1063 [10:25<5:43:54, 21.54s/it]
 10%|███████████▏                                                                                                    | 106/1063 [10:27<4:11:00, 15.74s/it]
 10%|███████████▎                                                                                                    | 107/1063 [10:29<3:06:14, 11.69s/it]
 10%|███████████▍                                                                                                    | 108/1063 [10:32<2:20:52,  8.85s/it]
 10%|███████████▍                                                                                                    | 109/1063 [10:34<1:49:02,  6.86s/it]
 10%|███████████▌                                                                                                    | 110/1063 [10:36<1:26:56,  5.47s/it]
 10%|███████████▋                                                                                                    | 111/1063 [10:38<1:11:10,  4.49s/it]
 11%|███████████▊                                                                                                    | 112/1063 [10:40<1:00:31,  3.82s/it]
 11%|████████████                                                                                                      | 113/1063 [10:43<53:07,  3.36s/it]
 11%|████████████▏                                                                                                     | 114/1063 [10:45<47:47,  3.02s/it]
 11%|████████████▎                                                                                                     | 115/1063 [10:47<44:11,  2.80s/it]
 11%|████████████▍                                                                                                     | 116/1063 [10:50<41:53,  2.65s/it]
 11%|████████████▌                                                                                                     | 117/1063 [10:52<40:13,  2.55s/it]
 11%|████████████▋                                                                                                     | 118/1063 [10:54<40:29,  2.57s/it]
 11%|████████████▊                                                                                                     | 119/1063 [10:57<39:02,  2.48s/it]
 11%|████████████▊                                                                                                     | 120/1063 [10:59<38:04,  2.42s/it]
                                                                                                                                                          
{'loss': 0.0241, 'grad_norm': 0.15984299778938293, 'learning_rate': 9.15615906886518e-05, 'epoch': 0.11}

 11%|████████████▊                                                                                                     | 120/1063 [10:59<38:04,  2.42s/it]
 11%|████████████▉                                                                                                     | 121/1063 [11:01<37:12,  2.37s/it]
 11%|█████████████                                                                                                     | 122/1063 [11:04<36:35,  2.33s/it]
 12%|█████████████▏                                                                                                    | 123/1063 [11:06<36:12,  2.31s/it]
 12%|█████████████▎                                                                                                    | 124/1063 [11:08<36:01,  2.30s/it]
 12%|█████████████▍                                                                                                    | 125/1063 [11:10<35:53,  2.30s/it]
 12%|█████████████▌                                                                                                    | 126/1063 [11:13<35:40,  2.28s/it]
 12%|█████████████▌                                                                                                    | 127/1063 [11:15<35:30,  2.28s/it]
 12%|█████████████▋                                                                                                    | 128/1063 [11:17<35:30,  2.28s/it]
 12%|█████████████▊                                                                                                    | 129/1063 [11:19<35:12,  2.26s/it]
 12%|█████████████▉                                                                                                    | 130/1063 [11:22<35:27,  2.28s/it]
 12%|██████████████                                                                                                    | 131/1063 [11:24<35:19,  2.27s/it]
 12%|██████████████▏                                                                                                   | 132/1063 [11:26<35:19,  2.28s/it]
 13%|██████████████▎                                                                                                   | 133/1063 [11:29<35:24,  2.28s/it]
 13%|██████████████▎                                                                                                   | 134/1063 [11:31<35:19,  2.28s/it]
 13%|██████████████▍                                                                                                   | 135/1063 [11:33<35:11,  2.28s/it]
 13%|██████████████▌                                                                                                   | 136/1063 [11:35<35:09,  2.28s/it]
 13%|██████████████▋                                                                                                   | 137/1063 [11:38<35:00,  2.27s/it]
 13%|██████████████▊                                                                                                   | 138/1063 [11:40<34:54,  2.26s/it]
 13%|██████████████▉                                                                                                   | 139/1063 [11:42<34:39,  2.25s/it]
 13%|███████████████                                                                                                   | 140/1063 [11:44<34:43,  2.26s/it]
                                                                                                                                                          
{'loss': 0.0222, 'grad_norm': 0.14268864691257477, 'learning_rate': 8.962172647914647e-05, 'epoch': 0.13}

 13%|███████████████                                                                                                   | 140/1063 [11:44<34:43,  2.26s/it]
 13%|███████████████                                                                                                   | 141/1063 [11:47<34:44,  2.26s/it]
 13%|███████████████▏                                                                                                  | 142/1063 [11:49<34:49,  2.27s/it]
 13%|███████████████▎                                                                                                  | 143/1063 [11:51<35:00,  2.28s/it]
 14%|███████████████▍                                                                                                  | 144/1063 [11:54<34:54,  2.28s/it]
 14%|███████████████▌                                                                                                  | 145/1063 [11:56<34:44,  2.27s/it]
 14%|███████████████▋                                                                                                  | 146/1063 [11:58<34:58,  2.29s/it]
 14%|███████████████▊                                                                                                  | 147/1063 [12:00<35:04,  2.30s/it]
 14%|███████████████▊                                                                                                  | 148/1063 [12:03<34:37,  2.27s/it]
 14%|███████████████▉                                                                                                  | 149/1063 [12:05<34:36,  2.27s/it]
 14%|████████████████                                                                                                  | 150/1063 [12:07<34:42,  2.28s/it]
 14%|████████████████▏                                                                                                 | 151/1063 [12:09<34:33,  2.27s/it]
 14%|████████████████▎                                                                                                 | 152/1063 [12:12<34:33,  2.28s/it]
 14%|████████████████▍                                                                                                 | 153/1063 [12:14<34:27,  2.27s/it]
 14%|████████████████▌                                                                                                 | 154/1063 [12:16<34:25,  2.27s/it]
 15%|████████████████▌                                                                                                 | 155/1063 [12:19<34:24,  2.27s/it]
 15%|████████████████▋                                                                                                 | 156/1063 [12:21<34:16,  2.27s/it]
 15%|████████████████▊                                                                                                 | 157/1063 [12:23<34:22,  2.28s/it]
 15%|████████████████▉                                                                                                 | 158/1063 [12:25<34:06,  2.26s/it]
 15%|█████████████████                                                                                                 | 159/1063 [12:28<34:23,  2.28s/it]
 15%|█████████████████▏                                                                                                | 160/1063 [12:30<34:31,  2.29s/it]
                                                                                                                                                          
{'loss': 0.022, 'grad_norm': 0.09480800479650497, 'learning_rate': 8.768186226964112e-05, 'epoch': 0.15}

 15%|█████████████████▏                                                                                                | 160/1063 [12:30<34:31,  2.29s/it]
 15%|█████████████████▎                                                                                                | 161/1063 [12:32<34:40,  2.31s/it]
 15%|█████████████████▎                                                                                                | 162/1063 [12:35<34:32,  2.30s/it]
 15%|█████████████████▍                                                                                                | 163/1063 [12:37<34:14,  2.28s/it]
 15%|█████████████████▌                                                                                                | 164/1063 [12:39<33:49,  2.26s/it]
 16%|█████████████████▋                                                                                                | 165/1063 [12:41<34:06,  2.28s/it]
 16%|█████████████████▊                                                                                                | 166/1063 [12:44<33:48,  2.26s/it]
 16%|█████████████████▉                                                                                                | 167/1063 [12:46<33:45,  2.26s/it]
 16%|██████████████████                                                                                                | 168/1063 [12:48<33:40,  2.26s/it]
 16%|██████████████████                                                                                                | 169/1063 [12:50<33:29,  2.25s/it]
 16%|██████████████████▏                                                                                               | 170/1063 [12:53<33:21,  2.24s/it]
 16%|██████████████████▎                                                                                               | 171/1063 [12:55<33:26,  2.25s/it]
 16%|██████████████████▍                                                                                               | 172/1063 [12:57<33:22,  2.25s/it]
 16%|██████████████████▌                                                                                               | 173/1063 [12:59<33:20,  2.25s/it]
 16%|██████████████████▋                                                                                               | 174/1063 [13:02<33:25,  2.26s/it]
 16%|██████████████████▊                                                                                               | 175/1063 [13:04<33:05,  2.24s/it]
 17%|██████████████████▊                                                                                               | 176/1063 [13:06<33:12,  2.25s/it]
 17%|██████████████████▉                                                                                               | 177/1063 [13:08<33:04,  2.24s/it]
 17%|███████████████████                                                                                               | 178/1063 [13:11<33:14,  2.25s/it]
 17%|███████████████████▏                                                                                              | 179/1063 [13:13<33:14,  2.26s/it]
 17%|███████████████████▎                                                                                              | 180/1063 [13:15<33:04,  2.25s/it]
                                                                                                                                                          
{'loss': 0.0205, 'grad_norm': 0.09908359497785568, 'learning_rate': 8.57419980601358e-05, 'epoch': 0.17}

 17%|███████████████████▎                                                                                              | 180/1063 [13:15<33:04,  2.25s/it]
 17%|███████████████████▍                                                                                              | 181/1063 [13:17<33:09,  2.26s/it]
 17%|███████████████████▌                                                                                              | 182/1063 [13:20<33:05,  2.25s/it]
 17%|███████████████████▋                                                                                              | 183/1063 [13:22<32:54,  2.24s/it]
 17%|███████████████████▋                                                                                              | 184/1063 [13:24<33:03,  2.26s/it]
 17%|███████████████████▊                                                                                              | 185/1063 [13:26<33:09,  2.27s/it]
 17%|███████████████████▉                                                                                              | 186/1063 [13:29<33:03,  2.26s/it]
 18%|████████████████████                                                                                              | 187/1063 [13:31<33:11,  2.27s/it]
 18%|████████████████████▏                                                                                             | 188/1063 [13:33<33:10,  2.28s/it]
 18%|████████████████████▎                                                                                             | 189/1063 [13:35<32:56,  2.26s/it]
 18%|████████████████████▍                                                                                             | 190/1063 [13:38<32:52,  2.26s/it]
 18%|████████████████████▍                                                                                             | 191/1063 [13:40<32:46,  2.26s/it]
 18%|████████████████████▌                                                                                             | 192/1063 [13:42<32:46,  2.26s/it]
 18%|████████████████████▋                                                                                             | 193/1063 [13:44<32:39,  2.25s/it]
 18%|████████████████████▊                                                                                             | 194/1063 [13:47<32:22,  2.24s/it]
 18%|████████████████████▉                                                                                             | 195/1063 [13:49<32:20,  2.24s/it]
 18%|█████████████████████                                                                                             | 196/1063 [13:51<32:23,  2.24s/it]
 19%|█████████████████████▏                                                                                            | 197/1063 [13:53<32:33,  2.26s/it]
 19%|█████████████████████▏                                                                                            | 198/1063 [13:56<32:40,  2.27s/it]
 19%|█████████████████████▎                                                                                            | 199/1063 [13:58<32:44,  2.27s/it]08:08:09  INFO        eval generation: 50/64  (0.18 rec/s, 279.7s elapsed, ~78s left)
08:09:27  INFO        eval generation: 64/64  (0.18 rec/s, 357.4s elapsed, ~0s left)
08:09:48  INFO      Eval @ step_200 — n=512
08:09:48  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
08:09:48  INFO        overall         0.824    0.756    0.871    0.838    0.871    0.854
08:09:48  INFO        E1              0.844    0.924    0.412    0.500    0.412    0.452
08:09:48  INFO        E2              0.943    0.945    0.939    0.874    0.939    0.906
08:09:48  INFO        E3              0.852    0.870    0.819    0.786    0.819    0.802
08:09:48  INFO        E4              0.822    0.841    0.791    0.748    0.791    0.768
08:09:48  INFO        exact_match=0.637  edge_macro_acc=0.865  malformed=0.000

 19%|████████████████████▋                                                                                         | 200/1063 [20:18<27:44:27, 115.72s/it]
                                                                                                                                                          
{'loss': 0.0211, 'grad_norm': 0.1302443891763687, 'learning_rate': 8.380213385063046e-05, 'epoch': 0.19}

 19%|████████████████████▋                                                                                         | 200/1063 [20:18<27:44:27, 115.72s/it]
 19%|████████████████████▉                                                                                          | 201/1063 [20:21<19:33:43, 81.70s/it]
 19%|█████████████████████                                                                                          | 202/1063 [20:23<13:50:23, 57.87s/it]
 19%|█████████████████████▍                                                                                          | 203/1063 [20:25<9:50:12, 41.18s/it]
 19%|█████████████████████▍                                                                                          | 204/1063 [20:27<7:02:12, 29.49s/it]
 19%|█████████████████████▌                                                                                          | 205/1063 [20:30<5:04:34, 21.30s/it]
 19%|█████████████████████▋                                                                                          | 206/1063 [20:32<3:42:22, 15.57s/it]
 19%|█████████████████████▊                                                                                          | 207/1063 [20:34<2:45:15, 11.58s/it]
 20%|█████████████████████▉                                                                                          | 208/1063 [20:36<2:05:16,  8.79s/it]
 20%|██████████████████████                                                                                          | 209/1063 [20:39<1:37:17,  6.84s/it]
 20%|██████████████████████▏                                                                                         | 210/1063 [20:41<1:17:35,  5.46s/it]
 20%|██████████████████████▏                                                                                         | 211/1063 [20:43<1:03:31,  4.47s/it]
 20%|██████████████████████▋                                                                                           | 212/1063 [20:45<53:53,  3.80s/it]
 20%|██████████████████████▊                                                                                           | 213/1063 [20:48<47:13,  3.33s/it]
 20%|██████████████████████▉                                                                                           | 214/1063 [20:50<42:21,  2.99s/it]
 20%|███████████████████████                                                                                           | 215/1063 [20:52<39:20,  2.78s/it]
 20%|███████████████████████▏                                                                                          | 216/1063 [20:54<37:12,  2.64s/it]
 20%|███████████████████████▎                                                                                          | 217/1063 [20:57<35:37,  2.53s/it]
 21%|███████████████████████▍                                                                                          | 218/1063 [20:59<34:42,  2.46s/it]
 21%|███████████████████████▍                                                                                          | 219/1063 [21:01<33:46,  2.40s/it]
 21%|███████████████████████▌                                                                                          | 220/1063 [21:03<33:20,  2.37s/it]
                                                                                                                                                          
{'loss': 0.0187, 'grad_norm': 0.14304408431053162, 'learning_rate': 8.186226964112513e-05, 'epoch': 0.21}

 21%|███████████████████████▌                                                                                          | 220/1063 [21:03<33:20,  2.37s/it]
 21%|███████████████████████▋                                                                                          | 221/1063 [21:06<32:54,  2.35s/it]
 21%|███████████████████████▊                                                                                          | 222/1063 [21:08<32:38,  2.33s/it]
 21%|███████████████████████▉                                                                                          | 223/1063 [21:10<32:27,  2.32s/it]
 21%|████████████████████████                                                                                          | 224/1063 [21:13<32:17,  2.31s/it]
 21%|████████████████████████▏                                                                                         | 225/1063 [21:15<32:09,  2.30s/it]
 21%|████████████████████████▏                                                                                         | 226/1063 [21:17<31:57,  2.29s/it]
 21%|████████████████████████▎                                                                                         | 227/1063 [21:20<32:10,  2.31s/it]
 21%|████████████████████████▍                                                                                         | 228/1063 [21:22<31:44,  2.28s/it]
 22%|████████████████████████▌                                                                                         | 229/1063 [21:24<31:40,  2.28s/it]
 22%|████████████████████████▋                                                                                         | 230/1063 [21:26<31:38,  2.28s/it]
 22%|████████████████████████▊                                                                                         | 231/1063 [21:29<31:27,  2.27s/it]
 22%|████████████████████████▉                                                                                         | 232/1063 [21:31<31:26,  2.27s/it]
 22%|████████████████████████▉                                                                                         | 233/1063 [21:33<31:29,  2.28s/it]
 22%|█████████████████████████                                                                                         | 234/1063 [21:35<31:19,  2.27s/it]
 22%|█████████████████████████▏                                                                                        | 235/1063 [21:38<31:30,  2.28s/it]
 22%|█████████████████████████▎                                                                                        | 236/1063 [21:40<31:35,  2.29s/it]
 22%|█████████████████████████▍                                                                                        | 237/1063 [21:42<31:38,  2.30s/it]
 22%|█████████████████████████▌                                                                                        | 238/1063 [21:45<31:37,  2.30s/it]
 22%|█████████████████████████▋                                                                                        | 239/1063 [21:47<31:24,  2.29s/it]
 23%|█████████████████████████▋                                                                                        | 240/1063 [21:49<31:11,  2.27s/it]
                                                                                                                                                          
{'loss': 0.0208, 'grad_norm': 0.20394913852214813, 'learning_rate': 7.99224054316198e-05, 'epoch': 0.23}

 23%|█████████████████████████▋                                                                                        | 240/1063 [21:49<31:11,  2.27s/it]
 23%|█████████████████████████▊                                                                                        | 241/1063 [21:51<31:08,  2.27s/it]
 23%|█████████████████████████▉                                                                                        | 242/1063 [21:54<31:10,  2.28s/it]
 23%|██████████████████████████                                                                                        | 243/1063 [21:56<31:07,  2.28s/it]
 23%|██████████████████████████▏                                                                                       | 244/1063 [21:58<31:06,  2.28s/it]
 23%|██████████████████████████▎                                                                                       | 245/1063 [22:00<30:50,  2.26s/it]
 23%|██████████████████████████▍                                                                                       | 246/1063 [22:03<30:57,  2.27s/it]
 23%|██████████████████████████▍                                                                                       | 247/1063 [22:05<30:56,  2.27s/it]
 23%|██████████████████████████▌                                                                                       | 248/1063 [22:07<30:38,  2.26s/it]
 23%|██████████████████████████▋                                                                                       | 249/1063 [22:09<30:30,  2.25s/it]
 24%|██████████████████████████▊                                                                                       | 250/1063 [22:12<30:47,  2.27s/it]
 24%|██████████████████████████▉                                                                                       | 251/1063 [22:14<30:51,  2.28s/it]
 24%|███████████████████████████                                                                                       | 252/1063 [22:16<30:31,  2.26s/it]
 24%|███████████████████████████▏                                                                                      | 253/1063 [22:19<30:16,  2.24s/it]
 24%|███████████████████████████▏                                                                                      | 254/1063 [22:21<30:11,  2.24s/it]
 24%|███████████████████████████▎                                                                                      | 255/1063 [22:23<30:27,  2.26s/it]
 24%|███████████████████████████▍                                                                                      | 256/1063 [22:25<30:31,  2.27s/it]
 24%|███████████████████████████▌                                                                                      | 257/1063 [22:28<30:23,  2.26s/it]
 24%|███████████████████████████▋                                                                                      | 258/1063 [22:30<30:20,  2.26s/it]
 24%|███████████████████████████▊                                                                                      | 259/1063 [22:32<30:21,  2.27s/it]
 24%|███████████████████████████▉                                                                                      | 260/1063 [22:34<30:18,  2.26s/it]
                                                                                                                                                          
{'loss': 0.019, 'grad_norm': 0.11161988973617554, 'learning_rate': 7.798254122211446e-05, 'epoch': 0.24}

 24%|███████████████████████████▉                                                                                      | 260/1063 [22:34<30:18,  2.26s/it]
 25%|███████████████████████████▉                                                                                      | 261/1063 [22:37<30:13,  2.26s/it]
 25%|████████████████████████████                                                                                      | 262/1063 [22:39<30:09,  2.26s/it]
 25%|████████████████████████████▏                                                                                     | 263/1063 [22:41<29:59,  2.25s/it]
 25%|████████████████████████████▎                                                                                     | 264/1063 [22:43<30:06,  2.26s/it]
 25%|████████████████████████████▍                                                                                     | 265/1063 [22:46<30:01,  2.26s/it]
 25%|████████████████████████████▌                                                                                     | 266/1063 [22:48<29:42,  2.24s/it]
 25%|████████████████████████████▋                                                                                     | 267/1063 [22:50<29:53,  2.25s/it]
 25%|████████████████████████████▋                                                                                     | 268/1063 [22:52<30:04,  2.27s/it]
 25%|████████████████████████████▊                                                                                     | 269/1063 [22:55<29:52,  2.26s/it]
 25%|████████████████████████████▉                                                                                     | 270/1063 [22:57<29:58,  2.27s/it]
 25%|█████████████████████████████                                                                                     | 271/1063 [22:59<29:45,  2.25s/it]
 26%|█████████████████████████████▏                                                                                    | 272/1063 [23:01<29:42,  2.25s/it]
 26%|█████████████████████████████▎                                                                                    | 273/1063 [23:04<29:30,  2.24s/it]
 26%|█████████████████████████████▍                                                                                    | 274/1063 [23:06<29:28,  2.24s/it]
 26%|█████████████████████████████▍                                                                                    | 275/1063 [23:08<30:52,  2.35s/it]
 26%|█████████████████████████████▌                                                                                    | 276/1063 [23:11<30:24,  2.32s/it]
 26%|█████████████████████████████▋                                                                                    | 277/1063 [23:13<30:07,  2.30s/it]
 26%|█████████████████████████████▊                                                                                    | 278/1063 [23:15<30:00,  2.29s/it]
 26%|█████████████████████████████▉                                                                                    | 279/1063 [23:18<29:46,  2.28s/it]
 26%|██████████████████████████████                                                                                    | 280/1063 [23:20<29:40,  2.27s/it]
                                                                                                                                                          
{'loss': 0.0204, 'grad_norm': 0.11904545873403549, 'learning_rate': 7.604267701260912e-05, 'epoch': 0.26}

 26%|██████████████████████████████                                                                                    | 280/1063 [23:20<29:40,  2.27s/it]
 26%|██████████████████████████████▏                                                                                   | 281/1063 [23:22<29:31,  2.26s/it]
 27%|██████████████████████████████▏                                                                                   | 282/1063 [23:24<29:30,  2.27s/it]
 27%|██████████████████████████████▎                                                                                   | 283/1063 [23:27<29:24,  2.26s/it]
 27%|██████████████████████████████▍                                                                                   | 284/1063 [23:29<29:10,  2.25s/it]
 27%|██████████████████████████████▌                                                                                   | 285/1063 [23:31<29:16,  2.26s/it]
 27%|██████████████████████████████▋                                                                                   | 286/1063 [23:33<29:23,  2.27s/it]
 27%|██████████████████████████████▊                                                                                   | 287/1063 [23:36<29:11,  2.26s/it]
 27%|██████████████████████████████▉                                                                                   | 288/1063 [23:38<29:09,  2.26s/it]
 27%|██████████████████████████████▉                                                                                   | 289/1063 [23:40<29:14,  2.27s/it]
 27%|███████████████████████████████                                                                                   | 290/1063 [23:42<29:19,  2.28s/it]
 27%|███████████████████████████████▏                                                                                  | 291/1063 [23:45<29:05,  2.26s/it]
 27%|███████████████████████████████▎                                                                                  | 292/1063 [23:47<29:09,  2.27s/it]
 28%|███████████████████████████████▍                                                                                  | 293/1063 [23:49<29:12,  2.28s/it]
 28%|███████████████████████████████▌                                                                                  | 294/1063 [23:52<29:12,  2.28s/it]
 28%|███████████████████████████████▋                                                                                  | 295/1063 [23:54<29:13,  2.28s/it]
 28%|███████████████████████████████▋                                                                                  | 296/1063 [23:56<28:59,  2.27s/it]
 28%|███████████████████████████████▊                                                                                  | 297/1063 [23:58<28:44,  2.25s/it]
 28%|███████████████████████████████▉                                                                                  | 298/1063 [24:00<28:34,  2.24s/it]
 28%|████████████████████████████████                                                                                  | 299/1063 [24:03<28:30,  2.24s/it]08:18:12  INFO        eval generation: 50/64  (0.18 rec/s, 277.8s elapsed, ~78s left)
08:19:31  INFO        eval generation: 64/64  (0.18 rec/s, 356.5s elapsed, ~0s left)
08:19:50  INFO      Eval @ step_300 — n=512
08:19:50  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
08:19:50  INFO        overall         0.861    0.885    0.845    0.914    0.845    0.878
08:19:50  INFO        E1              0.867    0.965    0.338    0.643    0.338    0.443
08:19:50  INFO        E2              0.957    0.967    0.932    0.920    0.932    0.926
08:19:50  INFO        E3              0.893    0.938    0.814    0.884    0.814    0.848
08:19:50  INFO        E4              0.859    0.894    0.801    0.818    0.801    0.810
08:19:50  INFO        exact_match=0.697  edge_macro_acc=0.894  malformed=0.000

 28%|███████████████████████████████                                                                               | 300/1063 [30:21<24:23:06, 115.05s/it]
                                                                                                                                                          
{'loss': 0.0212, 'grad_norm': 0.1075235903263092, 'learning_rate': 7.410281280310378e-05, 'epoch': 0.28}

 28%|███████████████████████████████                                                                               | 300/1063 [30:21<24:23:06, 115.05s/it]
 28%|███████████████████████████████▍                                                                               | 301/1063 [30:25<17:19:46, 81.87s/it]
 28%|███████████████████████████████▌                                                                               | 302/1063 [30:28<12:15:31, 57.99s/it]
 29%|███████████████████████████████▉                                                                                | 303/1063 [30:30<8:42:51, 41.28s/it]
 29%|████████████████████████████████                                                                                | 304/1063 [30:32<6:14:02, 29.57s/it]
 29%|████████████████████████████████▏                                                                               | 305/1063 [30:34<4:29:59, 21.37s/it]
 29%|████████████████████████████████▏                                                                               | 306/1063 [30:37<3:17:13, 15.63s/it]
 29%|████████████████████████████████▎                                                                               | 307/1063 [30:39<2:26:19, 11.61s/it]
 29%|████████████████████████████████▍                                                                               | 308/1063 [30:41<1:50:42,  8.80s/it]
 29%|████████████████████████████████▌                                                                               | 309/1063 [30:43<1:25:53,  6.84s/it]
 29%|████████████████████████████████▋                                                                               | 310/1063 [30:46<1:08:16,  5.44s/it]
 29%|█████████████████████████████████▎                                                                                | 311/1063 [30:48<56:15,  4.49s/it]
 29%|█████████████████████████████████▍                                                                                | 312/1063 [30:50<47:45,  3.82s/it]
 29%|█████████████████████████████████▌                                                                                | 313/1063 [30:52<41:38,  3.33s/it]
 30%|█████████████████████████████████▋                                                                                | 314/1063 [30:55<37:42,  3.02s/it]
 30%|█████████████████████████████████▊                                                                                | 315/1063 [30:57<34:41,  2.78s/it]
 30%|█████████████████████████████████▉                                                                                | 316/1063 [30:59<32:40,  2.62s/it]
 30%|█████████████████████████████████▉                                                                                | 317/1063 [31:01<31:12,  2.51s/it]
 30%|██████████████████████████████████                                                                                | 318/1063 [31:04<30:11,  2.43s/it]
 30%|██████████████████████████████████▏                                                                               | 319/1063 [31:06<29:23,  2.37s/it]
 30%|██████████████████████████████████▎                                                                               | 320/1063 [31:08<28:58,  2.34s/it]
                                                                                                                                                          
{'loss': 0.0177, 'grad_norm': 0.08106118440628052, 'learning_rate': 7.216294859359845e-05, 'epoch': 0.3}

 30%|██████████████████████████████████▎                                                                               | 320/1063 [31:08<28:58,  2.34s/it]
 30%|██████████████████████████████████▍                                                                               | 321/1063 [31:10<28:25,  2.30s/it]
 30%|██████████████████████████████████▌                                                                               | 322/1063 [31:13<28:15,  2.29s/it]
 30%|██████████████████████████████████▋                                                                               | 323/1063 [31:15<28:18,  2.30s/it]
 30%|██████████████████████████████████▋                                                                               | 324/1063 [31:17<28:04,  2.28s/it]
 31%|██████████████████████████████████▊                                                                               | 325/1063 [31:19<27:57,  2.27s/it]
 31%|██████████████████████████████████▉                                                                               | 326/1063 [31:22<27:34,  2.25s/it]
 31%|███████████████████████████████████                                                                               | 327/1063 [31:24<27:32,  2.25s/it]
 31%|███████████████████████████████████▏                                                                              | 328/1063 [31:26<27:42,  2.26s/it]
 31%|███████████████████████████████████▎                                                                              | 329/1063 [31:28<27:39,  2.26s/it]
 31%|███████████████████████████████████▍                                                                              | 330/1063 [31:31<27:43,  2.27s/it]
 31%|███████████████████████████████████▍                                                                              | 331/1063 [31:33<27:45,  2.28s/it]
 31%|███████████████████████████████████▌                                                                              | 332/1063 [31:35<27:29,  2.26s/it]
 31%|███████████████████████████████████▋                                                                              | 333/1063 [31:37<27:32,  2.26s/it]
 31%|███████████████████████████████████▊                                                                              | 334/1063 [31:40<27:26,  2.26s/it]
 32%|███████████████████████████████████▉                                                                              | 335/1063 [31:42<27:32,  2.27s/it]
 32%|████████████████████████████████████                                                                              | 336/1063 [31:44<27:35,  2.28s/it]
 32%|████████████████████████████████████▏                                                                             | 337/1063 [31:47<27:37,  2.28s/it]
 32%|████████████████████████████████████▏                                                                             | 338/1063 [31:49<27:36,  2.29s/it]
 32%|████████████████████████████████████▎                                                                             | 339/1063 [31:51<27:38,  2.29s/it]
 32%|████████████████████████████████████▍                                                                             | 340/1063 [31:53<27:38,  2.29s/it]
                                                                                                                                                          
{'loss': 0.0182, 'grad_norm': 0.07731106132268906, 'learning_rate': 7.022308438409312e-05, 'epoch': 0.32}

 32%|████████████████████████████████████▍                                                                             | 340/1063 [31:53<27:38,  2.29s/it]
 32%|████████████████████████████████████▌                                                                             | 341/1063 [31:56<27:37,  2.30s/it]
 32%|████████████████████████████████████▋                                                                             | 342/1063 [31:58<27:37,  2.30s/it]
 32%|████████████████████████████████████▊                                                                             | 343/1063 [32:00<27:28,  2.29s/it]
 32%|████████████████████████████████████▉                                                                             | 344/1063 [32:03<27:32,  2.30s/it]
 32%|████████████████████████████████████▉                                                                             | 345/1063 [32:05<27:28,  2.30s/it]
 33%|█████████████████████████████████████                                                                             | 346/1063 [32:07<27:11,  2.28s/it]
 33%|█████████████████████████████████████▏                                                                            | 347/1063 [32:09<26:55,  2.26s/it]
 33%|█████████████████████████████████████▎                                                                            | 348/1063 [32:12<26:50,  2.25s/it]
 33%|█████████████████████████████████████▍                                                                            | 349/1063 [32:14<26:49,  2.25s/it]
 33%|█████████████████████████████████████▌                                                                            | 350/1063 [32:16<26:46,  2.25s/it]
 33%|█████████████████████████████████████▋                                                                            | 351/1063 [32:18<26:33,  2.24s/it]
 33%|█████████████████████████████████████▋                                                                            | 352/1063 [32:21<26:28,  2.23s/it]
 33%|█████████████████████████████████████▊                                                                            | 353/1063 [32:23<26:27,  2.24s/it]
 33%|█████████████████████████████████████▉                                                                            | 354/1063 [32:25<26:36,  2.25s/it]
 33%|██████████████████████████████████████                                                                            | 355/1063 [32:27<26:35,  2.25s/it]
 33%|██████████████████████████████████████▏                                                                           | 356/1063 [32:30<26:40,  2.26s/it]
 34%|██████████████████████████████████████▎                                                                           | 357/1063 [32:32<26:27,  2.25s/it]
 34%|██████████████████████████████████████▍                                                                           | 358/1063 [32:34<26:13,  2.23s/it]
 34%|██████████████████████████████████████▌                                                                           | 359/1063 [32:36<26:04,  2.22s/it]
 34%|██████████████████████████████████████▌                                                                           | 360/1063 [32:38<26:08,  2.23s/it]
                                                                                                                                                          
{'loss': 0.0178, 'grad_norm': 0.1482355296611786, 'learning_rate': 6.828322017458779e-05, 'epoch': 0.34}

 34%|██████████████████████████████████████▌                                                                           | 360/1063 [32:39<26:08,  2.23s/it]
 34%|██████████████████████████████████████▋                                                                           | 361/1063 [32:41<26:17,  2.25s/it]
 34%|██████████████████████████████████████▊                                                                           | 362/1063 [32:43<26:04,  2.23s/it]
 34%|██████████████████████████████████████▉                                                                           | 363/1063 [32:45<26:12,  2.25s/it]
 34%|███████████████████████████████████████                                                                           | 364/1063 [32:48<26:11,  2.25s/it]
 34%|███████████████████████████████████████▏                                                                          | 365/1063 [32:50<26:13,  2.25s/it]
 34%|███████████████████████████████████████▎                                                                          | 366/1063 [32:52<26:06,  2.25s/it]
 35%|███████████████████████████████████████▎                                                                          | 367/1063 [32:54<26:04,  2.25s/it]
 35%|███████████████████████████████████████▍                                                                          | 368/1063 [32:57<26:04,  2.25s/it]
 35%|███████████████████████████████████████▌                                                                          | 369/1063 [32:59<26:05,  2.26s/it]
 35%|███████████████████████████████████████▋                                                                          | 370/1063 [33:01<25:55,  2.24s/it]
 35%|███████████████████████████████████████▊                                                                          | 371/1063 [33:03<25:41,  2.23s/it]
 35%|███████████████████████████████████████▉                                                                          | 372/1063 [33:05<25:46,  2.24s/it]
 35%|████████████████████████████████████████                                                                          | 373/1063 [33:08<25:43,  2.24s/it]
 35%|████████████████████████████████████████                                                                          | 374/1063 [33:10<25:40,  2.24s/it]
 35%|████████████████████████████████████████▏                                                                         | 375/1063 [33:12<25:44,  2.25s/it]
 35%|████████████████████████████████████████▎                                                                         | 376/1063 [33:14<25:46,  2.25s/it]
 35%|████████████████████████████████████████▍                                                                         | 377/1063 [33:17<25:43,  2.25s/it]
 36%|████████████████████████████████████████▌                                                                         | 378/1063 [33:19<25:39,  2.25s/it]
 36%|████████████████████████████████████████▋                                                                         | 379/1063 [33:21<25:32,  2.24s/it]
 36%|████████████████████████████████████████▊                                                                         | 380/1063 [33:23<25:22,  2.23s/it]
                                                                                                                                                          
{'loss': 0.018, 'grad_norm': 0.07897721230983734, 'learning_rate': 6.634335596508244e-05, 'epoch': 0.36}

 36%|████████████████████████████████████████▊                                                                         | 380/1063 [33:23<25:22,  2.23s/it]
 36%|████████████████████████████████████████▊                                                                         | 381/1063 [33:26<25:25,  2.24s/it]
 36%|████████████████████████████████████████▉                                                                         | 382/1063 [33:28<25:27,  2.24s/it]
 36%|█████████████████████████████████████████                                                                         | 383/1063 [33:30<25:18,  2.23s/it]
 36%|█████████████████████████████████████████▏                                                                        | 384/1063 [33:32<25:20,  2.24s/it]
 36%|█████████████████████████████████████████▎                                                                        | 385/1063 [33:35<25:24,  2.25s/it]
 36%|█████████████████████████████████████████▍                                                                        | 386/1063 [33:37<25:23,  2.25s/it]
 36%|█████████████████████████████████████████▌                                                                        | 387/1063 [33:39<25:21,  2.25s/it]
 37%|█████████████████████████████████████████▌                                                                        | 388/1063 [33:41<25:23,  2.26s/it]
 37%|█████████████████████████████████████████▋                                                                        | 389/1063 [33:44<25:23,  2.26s/it]
 37%|█████████████████████████████████████████▊                                                                        | 390/1063 [33:46<25:19,  2.26s/it]
 37%|█████████████████████████████████████████▉                                                                        | 391/1063 [33:48<25:18,  2.26s/it]
 37%|██████████████████████████████████████████                                                                        | 392/1063 [33:50<25:21,  2.27s/it]
 37%|██████████████████████████████████████████▏                                                                       | 393/1063 [33:53<25:21,  2.27s/it]
 37%|██████████████████████████████████████████▎                                                                       | 394/1063 [33:55<25:11,  2.26s/it]
 37%|██████████████████████████████████████████▎                                                                       | 395/1063 [33:57<25:15,  2.27s/it]
 37%|██████████████████████████████████████████▍                                                                       | 396/1063 [34:00<25:14,  2.27s/it]
 37%|██████████████████████████████████████████▌                                                                       | 397/1063 [34:02<24:55,  2.25s/it]
 37%|██████████████████████████████████████████▋                                                                       | 398/1063 [34:04<24:56,  2.25s/it]
 38%|██████████████████████████████████████████▊                                                                       | 399/1063 [34:06<25:00,  2.26s/it]08:28:10  INFO        eval generation: 50/64  (0.18 rec/s, 271.7s elapsed, ~76s left)
08:29:25  INFO        eval generation: 64/64  (0.18 rec/s, 347.0s elapsed, ~0s left)
08:29:55  INFO      Eval @ step_400 — n=512
08:29:55  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
08:29:55  INFO        overall         0.881    0.928    0.848    0.945    0.848    0.894
08:29:55  INFO        E1              0.891    0.972    0.450    0.750    0.450    0.563
08:29:55  INFO        E2              0.959    0.970    0.932    0.926    0.932    0.929
08:29:55  INFO        E3              0.906    0.960    0.814    0.922    0.814    0.864
08:29:55  INFO        E4              0.871    0.910    0.806    0.842    0.806    0.824
08:29:55  INFO        exact_match=0.729  edge_macro_acc=0.907  malformed=0.000

 38%|█████████████████████████████████████████▍                                                                    | 400/1063 [40:26<21:15:25, 115.42s/it]
                                                                                                                                                          
{'loss': 0.0168, 'grad_norm': 0.1120094284415245, 'learning_rate': 6.440349175557712e-05, 'epoch': 0.38}

 38%|█████████████████████████████████████████▍                                                                    | 400/1063 [40:26<21:15:25, 115.42s/it]
 38%|█████████████████████████████████████████▊                                                                     | 401/1063 [40:28<14:58:53, 81.47s/it]
 38%|█████████████████████████████████████████▉                                                                     | 402/1063 [40:30<10:35:41, 57.70s/it]
 38%|██████████████████████████████████████████▍                                                                     | 403/1063 [40:33<7:31:47, 41.07s/it]
 38%|██████████████████████████████████████████▌                                                                     | 404/1063 [40:35<5:23:04, 29.41s/it]
 38%|██████████████████████████████████████████▋                                                                     | 405/1063 [40:37<3:52:59, 21.24s/it]
 38%|██████████████████████████████████████████▊                                                                     | 406/1063 [40:39<2:50:11, 15.54s/it]
 38%|██████████████████████████████████████████▉                                                                     | 407/1063 [40:41<2:06:20, 11.56s/it]
 38%|██████████████████████████████████████████▉                                                                     | 408/1063 [40:44<1:35:40,  8.76s/it]
 38%|███████████████████████████████████████████                                                                     | 409/1063 [40:46<1:14:13,  6.81s/it]
 39%|███████████████████████████████████████████▉                                                                      | 410/1063 [40:48<59:07,  5.43s/it]
 39%|████████████████████████████████████████████                                                                      | 411/1063 [40:50<48:40,  4.48s/it]
 39%|████████████████████████████████████████████▏                                                                     | 412/1063 [40:53<41:19,  3.81s/it]
 39%|████████████████████████████████████████████▎                                                                     | 413/1063 [40:55<36:09,  3.34s/it]
 39%|████████████████████████████████████████████▍                                                                     | 414/1063 [40:57<32:25,  3.00s/it]
 39%|████████████████████████████████████████████▌                                                                     | 415/1063 [40:59<30:07,  2.79s/it]
 39%|████████████████████████████████████████████▌                                                                     | 416/1063 [41:02<28:26,  2.64s/it]
 39%|████████████████████████████████████████████▋                                                                     | 417/1063 [41:04<27:10,  2.52s/it]
 39%|████████████████████████████████████████████▊                                                                     | 418/1063 [41:06<26:22,  2.45s/it]
 39%|████████████████████████████████████████████▉                                                                     | 419/1063 [41:08<25:50,  2.41s/it]
 40%|█████████████████████████████████████████████                                                                     | 420/1063 [41:11<25:20,  2.36s/it]
                                                                                                                                                          
{'loss': 0.016, 'grad_norm': 0.16071178019046783, 'learning_rate': 6.246362754607178e-05, 'epoch': 0.4}

 40%|█████████████████████████████████████████████                                                                     | 420/1063 [41:11<25:20,  2.36s/it]
 40%|█████████████████████████████████████████████▏                                                                    | 421/1063 [41:13<26:18,  2.46s/it]
 40%|█████████████████████████████████████████████▎                                                                    | 422/1063 [41:16<25:47,  2.41s/it]
 40%|█████████████████████████████████████████████▎                                                                    | 423/1063 [41:18<25:12,  2.36s/it]
 40%|█████████████████████████████████████████████▍                                                                    | 424/1063 [41:20<24:57,  2.34s/it]
 40%|█████████████████████████████████████████████▌                                                                    | 425/1063 [41:23<24:50,  2.34s/it]
 40%|█████████████████████████████████████████████▋                                                                    | 426/1063 [41:25<24:27,  2.30s/it]
 40%|█████████████████████████████████████████████▊                                                                    | 427/1063 [41:27<24:24,  2.30s/it]
 40%|█████████████████████████████████████████████▉                                                                    | 428/1063 [41:29<24:25,  2.31s/it]
 40%|██████████████████████████████████████████████                                                                    | 429/1063 [41:32<24:03,  2.28s/it]
 40%|██████████████████████████████████████████████                                                                    | 430/1063 [41:34<23:55,  2.27s/it]
 41%|██████████████████████████████████████████████▏                                                                   | 431/1063 [41:36<23:59,  2.28s/it]
 41%|██████████████████████████████████████████████▎                                                                   | 432/1063 [41:38<23:45,  2.26s/it]
 41%|██████████████████████████████████████████████▍                                                                   | 433/1063 [41:41<23:40,  2.26s/it]
 41%|██████████████████████████████████████████████▌                                                                   | 434/1063 [41:43<23:49,  2.27s/it]
 41%|██████████████████████████████████████████████▋                                                                   | 435/1063 [41:45<23:49,  2.28s/it]
 41%|██████████████████████████████████████████████▊                                                                   | 436/1063 [41:48<23:55,  2.29s/it]
 41%|██████████████████████████████████████████████▊                                                                   | 437/1063 [41:50<23:46,  2.28s/it]
 41%|██████████████████████████████████████████████▉                                                                   | 438/1063 [41:52<23:46,  2.28s/it]
 41%|███████████████████████████████████████████████                                                                   | 439/1063 [41:54<23:47,  2.29s/it]
 41%|███████████████████████████████████████████████▏                                                                  | 440/1063 [41:57<23:49,  2.29s/it]
                                                                                                                                                          
{'loss': 0.0159, 'grad_norm': 0.10165177285671234, 'learning_rate': 6.0523763336566445e-05, 'epoch': 0.41}

 41%|███████████████████████████████████████████████▏                                                                  | 440/1063 [41:57<23:49,  2.29s/it]
 41%|███████████████████████████████████████████████▎                                                                  | 441/1063 [41:59<23:45,  2.29s/it]
 42%|███████████████████████████████████████████████▍                                                                  | 442/1063 [42:01<23:46,  2.30s/it]
 42%|███████████████████████████████████████████████▌                                                                  | 443/1063 [42:04<23:43,  2.30s/it]
 42%|███████████████████████████████████████████████▌                                                                  | 444/1063 [42:06<23:42,  2.30s/it]
 42%|███████████████████████████████████████████████▋                                                                  | 445/1063 [42:08<23:39,  2.30s/it]
 42%|███████████████████████████████████████████████▊                                                                  | 446/1063 [42:11<23:35,  2.29s/it]
 42%|███████████████████████████████████████████████▉                                                                  | 447/1063 [42:13<23:34,  2.30s/it]
 42%|████████████████████████████████████████████████                                                                  | 448/1063 [42:15<23:17,  2.27s/it]
 42%|████████████████████████████████████████████████▏                                                                 | 449/1063 [42:17<23:21,  2.28s/it]
 42%|████████████████████████████████████████████████▎                                                                 | 450/1063 [42:20<23:13,  2.27s/it]
 42%|████████████████████████████████████████████████▎                                                                 | 451/1063 [42:22<23:16,  2.28s/it]
 43%|████████████████████████████████████████████████▍                                                                 | 452/1063 [42:24<23:16,  2.29s/it]
 43%|████████████████████████████████████████████████▌                                                                 | 453/1063 [42:26<23:13,  2.28s/it]
 43%|████████████████████████████████████████████████▋                                                                 | 454/1063 [42:29<23:13,  2.29s/it]
 43%|████████████████████████████████████████████████▊                                                                 | 455/1063 [42:31<23:20,  2.30s/it]
 43%|████████████████████████████████████████████████▉                                                                 | 456/1063 [42:33<23:17,  2.30s/it]
 43%|█████████████████████████████████████████████████                                                                 | 457/1063 [42:36<23:15,  2.30s/it]
 43%|█████████████████████████████████████████████████                                                                 | 458/1063 [42:38<23:03,  2.29s/it]
 43%|█████████████████████████████████████████████████▏                                                                | 459/1063 [42:40<23:00,  2.29s/it]
 43%|█████████████████████████████████████████████████▎                                                                | 460/1063 [42:42<22:52,  2.28s/it]
                                                                                                                                                          
{'loss': 0.0167, 'grad_norm': 0.08946932107210159, 'learning_rate': 5.8583899127061106e-05, 'epoch': 0.43}

 43%|█████████████████████████████████████████████████▎                                                                | 460/1063 [42:42<22:52,  2.28s/it]
 43%|█████████████████████████████████████████████████▍                                                                | 461/1063 [42:45<22:49,  2.28s/it]
 43%|█████████████████████████████████████████████████▌                                                                | 462/1063 [42:47<22:31,  2.25s/it]
 44%|█████████████████████████████████████████████████▋                                                                | 463/1063 [42:49<22:28,  2.25s/it]
 44%|█████████████████████████████████████████████████▊                                                                | 464/1063 [42:51<22:36,  2.26s/it]
 44%|█████████████████████████████████████████████████▊                                                                | 465/1063 [42:54<22:41,  2.28s/it]
 44%|█████████████████████████████████████████████████▉                                                                | 466/1063 [42:56<22:36,  2.27s/it]
 44%|██████████████████████████████████████████████████                                                                | 467/1063 [42:58<22:30,  2.27s/it]
 44%|██████████████████████████████████████████████████▏                                                               | 468/1063 [43:01<22:15,  2.25s/it]
 44%|██████████████████████████████████████████████████▎                                                               | 469/1063 [43:03<22:05,  2.23s/it]
 44%|██████████████████████████████████████████████████▍                                                               | 470/1063 [43:05<21:59,  2.22s/it]
 44%|██████████████████████████████████████████████████▌                                                               | 471/1063 [43:07<22:01,  2.23s/it]
 44%|██████████████████████████████████████████████████▌                                                               | 472/1063 [43:09<21:57,  2.23s/it]
 44%|██████████████████████████████████████████████████▋                                                               | 473/1063 [43:12<22:05,  2.25s/it]
 45%|██████████████████████████████████████████████████▊                                                               | 474/1063 [43:14<22:08,  2.26s/it]
 45%|██████████████████████████████████████████████████▉                                                               | 475/1063 [43:16<22:12,  2.27s/it]
 45%|███████████████████████████████████████████████████                                                               | 476/1063 [43:19<22:13,  2.27s/it]
 45%|███████████████████████████████████████████████████▏                                                              | 477/1063 [43:21<22:11,  2.27s/it]
 45%|███████████████████████████████████████████████████▎                                                              | 478/1063 [43:23<22:09,  2.27s/it]
 45%|███████████████████████████████████████████████████▎                                                              | 479/1063 [43:25<22:06,  2.27s/it]
 45%|███████████████████████████████████████████████████▍                                                              | 480/1063 [43:28<22:05,  2.27s/it]
                                                                                                                                                          
{'loss': 0.016, 'grad_norm': 0.07830841839313507, 'learning_rate': 5.664403491755578e-05, 'epoch': 0.45}

 45%|███████████████████████████████████████████████████▍                                                              | 480/1063 [43:28<22:05,  2.27s/it]
 45%|███████████████████████████████████████████████████▌                                                              | 481/1063 [43:30<22:10,  2.29s/it]
 45%|███████████████████████████████████████████████████▋                                                              | 482/1063 [43:32<22:01,  2.28s/it]
 45%|███████████████████████████████████████████████████▊                                                              | 483/1063 [43:34<21:47,  2.25s/it]
 46%|███████████████████████████████████████████████████▉                                                              | 484/1063 [43:37<21:38,  2.24s/it]
 46%|████████████████████████████████████████████████████                                                              | 485/1063 [43:39<21:50,  2.27s/it]
 46%|████████████████████████████████████████████████████                                                              | 486/1063 [43:41<21:45,  2.26s/it]
 46%|████████████████████████████████████████████████████▏                                                             | 487/1063 [43:44<21:55,  2.28s/it]
 46%|████████████████████████████████████████████████████▎                                                             | 488/1063 [43:46<21:48,  2.28s/it]
 46%|████████████████████████████████████████████████████▍                                                             | 489/1063 [43:48<21:51,  2.29s/it]
 46%|████████████████████████████████████████████████████▌                                                             | 490/1063 [43:50<21:43,  2.27s/it]
 46%|████████████████████████████████████████████████████▋                                                             | 491/1063 [43:53<21:42,  2.28s/it]
 46%|████████████████████████████████████████████████████▊                                                             | 492/1063 [43:55<21:38,  2.27s/it]
 46%|████████████████████████████████████████████████████▊                                                             | 493/1063 [43:57<21:38,  2.28s/it]
 46%|████████████████████████████████████████████████████▉                                                             | 494/1063 [43:59<21:41,  2.29s/it]
 47%|█████████████████████████████████████████████████████                                                             | 495/1063 [44:02<21:41,  2.29s/it]
 47%|█████████████████████████████████████████████████████▏                                                            | 496/1063 [44:04<21:43,  2.30s/it]
 47%|█████████████████████████████████████████████████████▎                                                            | 497/1063 [44:06<21:30,  2.28s/it]
 47%|█████████████████████████████████████████████████████▍                                                            | 498/1063 [44:09<21:22,  2.27s/it]
 47%|█████████████████████████████████████████████████████▌                                                            | 499/1063 [44:11<21:24,  2.28s/it]08:38:17  INFO        eval generation: 50/64  (0.18 rec/s, 274.6s elapsed, ~77s left)
08:39:34  INFO        eval generation: 64/64  (0.18 rec/s, 351.7s elapsed, ~0s left)
08:40:00  INFO      Eval @ step_500 — n=512
08:40:00  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
08:40:00  INFO        overall         0.871    0.833    0.898    0.886    0.898    0.892
08:40:00  INFO        E1              0.887    0.944    0.575    0.657    0.575    0.613
08:40:00  INFO        E2              0.938    0.929    0.959    0.845    0.959    0.899
08:40:00  INFO        E3              0.891    0.892    0.888    0.827    0.888    0.856
08:40:00  INFO        E4              0.877    0.885    0.864    0.817    0.864    0.840
08:40:00  INFO        exact_match=0.715  edge_macro_acc=0.898  malformed=0.000

 47%|███████████████████████████████████████████████████▋                                                          | 500/1063 [50:31<18:05:03, 115.64s/it]
                                                                                                                                                          
{'loss': 0.0168, 'grad_norm': 0.23986610770225525, 'learning_rate': 5.470417070805044e-05, 'epoch': 0.47}

 47%|███████████████████████████████████████████████████▋                                                          | 500/1063 [50:31<18:05:03, 115.64s/it]
 47%|████████████████████████████████████████████████████▎                                                          | 501/1063 [50:33<12:44:30, 81.62s/it]
 47%|████████████████████████████████████████████████████▉                                                           | 502/1063 [50:35<9:00:26, 57.80s/it]
 47%|████████████████████████████████████████████████████▉                                                           | 503/1063 [50:38<6:24:01, 41.15s/it]
 47%|█████████████████████████████████████████████████████                                                           | 504/1063 [50:40<4:34:39, 29.48s/it]
 48%|█████████████████████████████████████████████████████▏                                                          | 505/1063 [50:42<3:18:17, 21.32s/it]
 48%|█████████████████████████████████████████████████████▎                                                          | 506/1063 [50:45<2:24:51, 15.60s/it]
 48%|█████████████████████████████████████████████████████▍                                                          | 507/1063 [50:47<1:47:34, 11.61s/it]
 48%|█████████████████████████████████████████████████████▌                                                          | 508/1063 [50:49<1:21:29,  8.81s/it]
 48%|█████████████████████████████████████████████████████▋                                                          | 509/1063 [50:51<1:03:19,  6.86s/it]
 48%|██████████████████████████████████████████████████████▋                                                           | 510/1063 [50:54<50:27,  5.47s/it]
 48%|██████████████████████████████████████████████████████▊                                                           | 511/1063 [50:56<41:31,  4.51s/it]
 48%|██████████████████████████████████████████████████████▉                                                           | 512/1063 [50:58<35:10,  3.83s/it]
 48%|███████████████████████████████████████████████████████                                                           | 513/1063 [51:00<30:50,  3.36s/it]
 48%|███████████████████████████████████████████████████████                                                           | 514/1063 [51:03<27:34,  3.01s/it]
 48%|███████████████████████████████████████████████████████▏                                                          | 515/1063 [51:05<25:22,  2.78s/it]
 49%|███████████████████████████████████████████████████████▎                                                          | 516/1063 [51:07<23:46,  2.61s/it]
 49%|███████████████████████████████████████████████████████▍                                                          | 517/1063 [51:09<22:39,  2.49s/it]
 49%|███████████████████████████████████████████████████████▌                                                          | 518/1063 [51:12<22:03,  2.43s/it]
 49%|███████████████████████████████████████████████████████▋                                                          | 519/1063 [51:14<21:31,  2.37s/it]
 49%|███████████████████████████████████████████████████████▊                                                          | 520/1063 [51:16<21:05,  2.33s/it]
                                                                                                                                                          
{'loss': 0.0169, 'grad_norm': 0.07184334099292755, 'learning_rate': 5.27643064985451e-05, 'epoch': 0.49}

 49%|███████████████████████████████████████████████████████▊                                                          | 520/1063 [51:16<21:05,  2.33s/it]
 49%|███████████████████████████████████████████████████████▊                                                          | 521/1063 [51:18<20:47,  2.30s/it]
 49%|███████████████████████████████████████████████████████▉                                                          | 522/1063 [51:21<20:30,  2.28s/it]
 49%|████████████████████████████████████████████████████████                                                          | 523/1063 [51:23<20:17,  2.26s/it]
 49%|████████████████████████████████████████████████████████▏                                                         | 524/1063 [51:25<20:12,  2.25s/it]
 49%|████████████████████████████████████████████████████████▎                                                         | 525/1063 [51:27<20:19,  2.27s/it]
 49%|████████████████████████████████████████████████████████▍                                                         | 526/1063 [51:30<20:21,  2.27s/it]
 50%|████████████████████████████████████████████████████████▌                                                         | 527/1063 [51:32<20:21,  2.28s/it]
 50%|████████████████████████████████████████████████████████▌                                                         | 528/1063 [51:34<20:03,  2.25s/it]
 50%|████████████████████████████████████████████████████████▋                                                         | 529/1063 [51:36<19:55,  2.24s/it]
 50%|████████████████████████████████████████████████████████▊                                                         | 530/1063 [51:38<19:48,  2.23s/it]
 50%|████████████████████████████████████████████████████████▉                                                         | 531/1063 [51:41<19:48,  2.23s/it]
 50%|█████████████████████████████████████████████████████████                                                         | 532/1063 [51:43<19:40,  2.22s/it]
 50%|█████████████████████████████████████████████████████████▏                                                        | 533/1063 [51:45<19:41,  2.23s/it]
 50%|█████████████████████████████████████████████████████████▎                                                        | 534/1063 [51:47<19:32,  2.22s/it]
 50%|█████████████████████████████████████████████████████████▍                                                        | 535/1063 [51:50<19:37,  2.23s/it]
 50%|█████████████████████████████████████████████████████████▍                                                        | 536/1063 [51:52<19:44,  2.25s/it]
 51%|█████████████████████████████████████████████████████████▌                                                        | 537/1063 [51:54<19:49,  2.26s/it]
 51%|█████████████████████████████████████████████████████████▋                                                        | 538/1063 [51:56<19:43,  2.25s/it]
 51%|█████████████████████████████████████████████████████████▊                                                        | 539/1063 [51:59<19:40,  2.25s/it]
 51%|█████████████████████████████████████████████████████████▉                                                        | 540/1063 [52:01<19:37,  2.25s/it]
                                                                                                                                                          
{'loss': 0.0148, 'grad_norm': 0.0486169196665287, 'learning_rate': 5.0824442289039763e-05, 'epoch': 0.51}

 51%|█████████████████████████████████████████████████████████▉                                                        | 540/1063 [52:01<19:37,  2.25s/it]
 51%|██████████████████████████████████████████████████████████                                                        | 541/1063 [52:03<19:30,  2.24s/it]
 51%|██████████████████████████████████████████████████████████▏                                                       | 542/1063 [52:05<19:20,  2.23s/it]
 51%|██████████████████████████████████████████████████████████▏                                                       | 543/1063 [52:08<19:30,  2.25s/it]
 51%|██████████████████████████████████████████████████████████▎                                                       | 544/1063 [52:10<19:27,  2.25s/it]
 51%|██████████████████████████████████████████████████████████▍                                                       | 545/1063 [52:12<19:30,  2.26s/it]
 51%|██████████████████████████████████████████████████████████▌                                                       | 546/1063 [52:14<19:22,  2.25s/it]
 51%|██████████████████████████████████████████████████████████▋                                                       | 547/1063 [52:17<19:11,  2.23s/it]
 52%|██████████████████████████████████████████████████████████▊                                                       | 548/1063 [52:19<19:15,  2.24s/it]
 52%|██████████████████████████████████████████████████████████▉                                                       | 549/1063 [52:21<19:09,  2.24s/it]
 52%|██████████████████████████████████████████████████████████▉                                                       | 550/1063 [52:23<19:12,  2.25s/it]
 52%|███████████████████████████████████████████████████████████                                                       | 551/1063 [52:26<19:03,  2.23s/it]
 52%|███████████████████████████████████████████████████████████▏                                                      | 552/1063 [52:28<19:02,  2.24s/it]
 52%|███████████████████████████████████████████████████████████▎                                                      | 553/1063 [52:30<18:57,  2.23s/it]
 52%|███████████████████████████████████████████████████████████▍                                                      | 554/1063 [52:32<18:55,  2.23s/it]
 52%|███████████████████████████████████████████████████████████▌                                                      | 555/1063 [52:34<18:44,  2.21s/it]
 52%|███████████████████████████████████████████████████████████▋                                                      | 556/1063 [52:37<18:48,  2.23s/it]
 52%|███████████████████████████████████████████████████████████▋                                                      | 557/1063 [52:39<18:47,  2.23s/it]
 52%|███████████████████████████████████████████████████████████▊                                                      | 558/1063 [52:41<18:42,  2.22s/it]
 53%|███████████████████████████████████████████████████████████▉                                                      | 559/1063 [52:43<18:45,  2.23s/it]
 53%|████████████████████████████████████████████████████████████                                                      | 560/1063 [52:46<18:44,  2.24s/it]
                                                                                                                                                          
{'loss': 0.0173, 'grad_norm': 0.11095824092626572, 'learning_rate': 4.888457807953444e-05, 'epoch': 0.53}

 53%|████████████████████████████████████████████████████████████                                                      | 560/1063 [52:46<18:44,  2.24s/it]
 53%|████████████████████████████████████████████████████████████▏                                                     | 561/1063 [52:48<18:46,  2.24s/it]
 53%|████████████████████████████████████████████████████████████▎                                                     | 562/1063 [52:50<18:45,  2.25s/it]
 53%|████████████████████████████████████████████████████████████▍                                                     | 563/1063 [52:52<18:45,  2.25s/it]
 53%|████████████████████████████████████████████████████████████▍                                                     | 564/1063 [52:55<18:41,  2.25s/it]
 53%|████████████████████████████████████████████████████████████▌                                                     | 565/1063 [52:57<18:36,  2.24s/it]
 53%|████████████████████████████████████████████████████████████▋                                                     | 566/1063 [52:59<18:35,  2.24s/it]
 53%|████████████████████████████████████████████████████████████▊                                                     | 567/1063 [53:01<18:35,  2.25s/it]
 53%|████████████████████████████████████████████████████████████▉                                                     | 568/1063 [53:04<18:33,  2.25s/it]
 54%|█████████████████████████████████████████████████████████████                                                     | 569/1063 [53:06<18:34,  2.26s/it]
 54%|█████████████████████████████████████████████████████████████▏                                                    | 570/1063 [53:08<18:27,  2.25s/it]
 54%|█████████████████████████████████████████████████████████████▏                                                    | 571/1063 [53:10<18:21,  2.24s/it]
 54%|█████████████████████████████████████████████████████████████▎                                                    | 572/1063 [53:13<18:20,  2.24s/it]
 54%|█████████████████████████████████████████████████████████████▍                                                    | 573/1063 [53:15<18:15,  2.24s/it]
 54%|█████████████████████████████████████████████████████████████▌                                                    | 574/1063 [53:17<18:19,  2.25s/it]
 54%|█████████████████████████████████████████████████████████████▋                                                    | 575/1063 [53:19<18:09,  2.23s/it]
 54%|█████████████████████████████████████████████████████████████▊                                                    | 576/1063 [53:22<18:11,  2.24s/it]
 54%|█████████████████████████████████████████████████████████████▉                                                    | 577/1063 [53:24<18:04,  2.23s/it]
 54%|█████████████████████████████████████████████████████████████▉                                                    | 578/1063 [53:26<17:52,  2.21s/it]
 54%|██████████████████████████████████████████████████████████████                                                    | 579/1063 [53:28<17:58,  2.23s/it]
 55%|██████████████████████████████████████████████████████████████▏                                                   | 580/1063 [53:30<18:00,  2.24s/it]
                                                                                                                                                          
{'loss': 0.0149, 'grad_norm': 0.11410392075777054, 'learning_rate': 4.69447138700291e-05, 'epoch': 0.55}

 55%|██████████████████████████████████████████████████████████████▏                                                   | 580/1063 [53:30<18:00,  2.24s/it]
 55%|██████████████████████████████████████████████████████████████▎                                                   | 581/1063 [53:33<17:49,  2.22s/it]
 55%|██████████████████████████████████████████████████████████████▍                                                   | 582/1063 [53:35<17:53,  2.23s/it]
 55%|██████████████████████████████████████████████████████████████▌                                                   | 583/1063 [53:37<17:46,  2.22s/it]
 55%|██████████████████████████████████████████████████████████████▋                                                   | 584/1063 [53:39<17:55,  2.24s/it]
 55%|██████████████████████████████████████████████████████████████▋                                                   | 585/1063 [53:42<17:57,  2.25s/it]
 55%|██████████████████████████████████████████████████████████████▊                                                   | 586/1063 [53:44<17:56,  2.26s/it]
 55%|██████████████████████████████████████████████████████████████▉                                                   | 587/1063 [53:46<17:53,  2.26s/it]
 55%|███████████████████████████████████████████████████████████████                                                   | 588/1063 [53:48<17:53,  2.26s/it]
 55%|███████████████████████████████████████████████████████████████▏                                                  | 589/1063 [53:51<17:53,  2.26s/it]
 56%|███████████████████████████████████████████████████████████████▎                                                  | 590/1063 [53:53<17:57,  2.28s/it]
 56%|███████████████████████████████████████████████████████████████▍                                                  | 591/1063 [53:55<17:50,  2.27s/it]
 56%|███████████████████████████████████████████████████████████████▍                                                  | 592/1063 [53:58<17:51,  2.27s/it]
 56%|███████████████████████████████████████████████████████████████▌                                                  | 593/1063 [54:00<17:41,  2.26s/it]
 56%|███████████████████████████████████████████████████████████████▋                                                  | 594/1063 [54:02<17:40,  2.26s/it]
 56%|███████████████████████████████████████████████████████████████▊                                                  | 595/1063 [54:04<17:42,  2.27s/it]
 56%|███████████████████████████████████████████████████████████████▉                                                  | 596/1063 [54:07<18:15,  2.35s/it]
 56%|████████████████████████████████████████████████████████████████                                                  | 597/1063 [54:09<18:08,  2.34s/it]
 56%|████████████████████████████████████████████████████████████████▏                                                 | 598/1063 [54:11<17:55,  2.31s/it]
 56%|████████████████████████████████████████████████████████████████▏                                                 | 599/1063 [54:14<17:48,  2.30s/it]08:48:21  INFO        eval generation: 50/64  (0.18 rec/s, 276.0s elapsed, ~77s left)
08:49:40  INFO        eval generation: 64/64  (0.18 rec/s, 355.0s elapsed, ~0s left)
08:50:08  INFO      Eval @ step_600 — n=512
08:50:08  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
08:50:08  INFO        overall         0.867    0.947    0.812    0.957    0.812    0.879
08:50:08  INFO        E1              0.889    0.972    0.438    0.745    0.438    0.551
08:50:08  INFO        E2              0.967    0.978    0.939    0.946    0.939    0.942
08:50:08  INFO        E3              0.889    0.969    0.750    0.934    0.750    0.832
08:50:08  INFO        E4              0.891    0.956    0.780    0.914    0.780    0.842
08:50:08  INFO        exact_match=0.729  edge_macro_acc=0.909  malformed=0.000

 56%|████████████████████████████████████████████████████████████▉                                               | 600/1063 [1:00:39<15:03:35, 117.10s/it]
                                                                                                                                                          
{'loss': 0.0159, 'grad_norm': 0.13476960361003876, 'learning_rate': 4.500484966052377e-05, 'epoch': 0.56}

 56%|████████████████████████████████████████████████████████████▉                                               | 600/1063 [1:00:39<15:03:35, 117.10s/it]
 57%|█████████████████████████████████████████████████████████████▋                                               | 601/1063 [1:00:43<10:41:12, 83.27s/it]
 57%|██████████████████████████████████████████████████████████████▎                                               | 602/1063 [1:00:45<7:33:02, 58.96s/it]
 57%|██████████████████████████████████████████████████████████████▍                                               | 603/1063 [1:00:48<5:21:42, 41.96s/it]
 57%|██████████████████████████████████████████████████████████████▌                                               | 604/1063 [1:00:50<3:49:48, 30.04s/it]
 57%|██████████████████████████████████████████████████████████████▌                                               | 605/1063 [1:00:52<2:45:37, 21.70s/it]
 57%|██████████████████████████████████████████████████████████████▋                                               | 606/1063 [1:00:54<2:00:53, 15.87s/it]
 57%|██████████████████████████████████████████████████████████████▊                                               | 607/1063 [1:00:57<1:29:34, 11.79s/it]
 57%|██████████████████████████████████████████████████████████████▉                                               | 608/1063 [1:00:59<1:07:40,  8.92s/it]
 57%|████████████████████████████████████████████████████████████████▏                                               | 609/1063 [1:01:01<52:17,  6.91s/it]
 57%|████████████████████████████████████████████████████████████████▎                                               | 610/1063 [1:01:03<41:29,  5.50s/it]
 57%|████████████████████████████████████████████████████████████████▍                                               | 611/1063 [1:01:06<34:13,  4.54s/it]
 58%|████████████████████████████████████████████████████████████████▍                                               | 612/1063 [1:01:08<29:05,  3.87s/it]
 58%|████████████████████████████████████████████████████████████████▌                                               | 613/1063 [1:01:10<25:24,  3.39s/it]
 58%|████████████████████████████████████████████████████████████████▋                                               | 614/1063 [1:01:12<22:45,  3.04s/it]
 58%|████████████████████████████████████████████████████████████████▊                                               | 615/1063 [1:01:15<20:50,  2.79s/it]
 58%|████████████████████████████████████████████████████████████████▉                                               | 616/1063 [1:01:17<19:30,  2.62s/it]
 58%|█████████████████████████████████████████████████████████████████                                               | 617/1063 [1:01:19<18:35,  2.50s/it]
 58%|█████████████████████████████████████████████████████████████████                                               | 618/1063 [1:01:21<17:57,  2.42s/it]
 58%|█████████████████████████████████████████████████████████████████▏                                              | 619/1063 [1:01:23<17:26,  2.36s/it]
 58%|█████████████████████████████████████████████████████████████████▎                                              | 620/1063 [1:01:26<17:09,  2.32s/it]
                                                                                                                                                          
{'loss': 0.0158, 'grad_norm': 0.22448623180389404, 'learning_rate': 4.306498545101843e-05, 'epoch': 0.58}

 58%|█████████████████████████████████████████████████████████████████▎                                              | 620/1063 [1:01:26<17:09,  2.32s/it]
 58%|█████████████████████████████████████████████████████████████████▍                                              | 621/1063 [1:01:28<17:02,  2.31s/it]
 59%|█████████████████████████████████████████████████████████████████▌                                              | 622/1063 [1:01:30<17:00,  2.31s/it]
 59%|█████████████████████████████████████████████████████████████████▋                                              | 623/1063 [1:01:33<16:51,  2.30s/it]
 59%|█████████████████████████████████████████████████████████████████▋                                              | 624/1063 [1:01:35<16:44,  2.29s/it]
 59%|█████████████████████████████████████████████████████████████████▊                                              | 625/1063 [1:01:37<16:42,  2.29s/it]
 59%|█████████████████████████████████████████████████████████████████▉                                              | 626/1063 [1:01:39<16:30,  2.27s/it]
 59%|██████████████████████████████████████████████████████████████████                                              | 627/1063 [1:01:41<16:21,  2.25s/it]
 59%|██████████████████████████████████████████████████████████████████▏                                             | 628/1063 [1:01:44<16:21,  2.26s/it]
 59%|██████████████████████████████████████████████████████████████████▎                                             | 629/1063 [1:01:46<16:15,  2.25s/it]
 59%|██████████████████████████████████████████████████████████████████▍                                             | 630/1063 [1:01:48<16:15,  2.25s/it]
 59%|██████████████████████████████████████████████████████████████████▍                                             | 631/1063 [1:01:50<16:12,  2.25s/it]
 59%|██████████████████████████████████████████████████████████████████▌                                             | 632/1063 [1:01:53<16:12,  2.26s/it]
 60%|██████████████████████████████████████████████████████████████████▋                                             | 633/1063 [1:01:55<16:16,  2.27s/it]
 60%|██████████████████████████████████████████████████████████████████▊                                             | 634/1063 [1:01:57<16:19,  2.28s/it]
 60%|██████████████████████████████████████████████████████████████████▉                                             | 635/1063 [1:02:00<16:16,  2.28s/it]
 60%|███████████████████████████████████████████████████████████████████                                             | 636/1063 [1:02:02<16:13,  2.28s/it]
 60%|███████████████████████████████████████████████████████████████████                                             | 637/1063 [1:02:04<16:11,  2.28s/it]
 60%|███████████████████████████████████████████████████████████████████▏                                            | 638/1063 [1:02:07<16:09,  2.28s/it]
 60%|███████████████████████████████████████████████████████████████████▎                                            | 639/1063 [1:02:09<16:06,  2.28s/it]
 60%|███████████████████████████████████████████████████████████████████▍                                            | 640/1063 [1:02:11<16:04,  2.28s/it]
                                                                                                                                                          
{'loss': 0.0163, 'grad_norm': 0.3091525435447693, 'learning_rate': 4.1125121241513096e-05, 'epoch': 0.6}

 60%|███████████████████████████████████████████████████████████████████▍                                            | 640/1063 [1:02:11<16:04,  2.28s/it]
 60%|███████████████████████████████████████████████████████████████████▌                                            | 641/1063 [1:02:13<15:55,  2.26s/it]
 60%|███████████████████████████████████████████████████████████████████▋                                            | 642/1063 [1:02:16<15:58,  2.28s/it]
 60%|███████████████████████████████████████████████████████████████████▋                                            | 643/1063 [1:02:18<15:57,  2.28s/it]
 61%|███████████████████████████████████████████████████████████████████▊                                            | 644/1063 [1:02:20<15:49,  2.27s/it]
 61%|███████████████████████████████████████████████████████████████████▉                                            | 645/1063 [1:02:22<15:44,  2.26s/it]
 61%|████████████████████████████████████████████████████████████████████                                            | 646/1063 [1:02:25<15:43,  2.26s/it]
 61%|████████████████████████████████████████████████████████████████████▏                                           | 647/1063 [1:02:27<15:37,  2.25s/it]
 61%|████████████████████████████████████████████████████████████████████▎                                           | 648/1063 [1:02:29<15:28,  2.24s/it]
 61%|████████████████████████████████████████████████████████████████████▍                                           | 649/1063 [1:02:31<15:31,  2.25s/it]
 61%|████████████████████████████████████████████████████████████████████▍                                           | 650/1063 [1:02:34<15:26,  2.24s/it]
 61%|████████████████████████████████████████████████████████████████████▌                                           | 651/1063 [1:02:36<15:31,  2.26s/it]
 61%|████████████████████████████████████████████████████████████████████▋                                           | 652/1063 [1:02:38<15:33,  2.27s/it]
 61%|████████████████████████████████████████████████████████████████████▊                                           | 653/1063 [1:02:40<15:32,  2.27s/it]
 62%|████████████████████████████████████████████████████████████████████▉                                           | 654/1063 [1:02:43<15:28,  2.27s/it]
 62%|█████████████████████████████████████████████████████████████████████                                           | 655/1063 [1:02:45<15:24,  2.26s/it]
 62%|█████████████████████████████████████████████████████████████████████                                           | 656/1063 [1:02:47<15:24,  2.27s/it]
 62%|█████████████████████████████████████████████████████████████████████▏                                          | 657/1063 [1:02:49<15:16,  2.26s/it]
 62%|█████████████████████████████████████████████████████████████████████▎                                          | 658/1063 [1:02:52<15:21,  2.27s/it]
 62%|█████████████████████████████████████████████████████████████████████▍                                          | 659/1063 [1:02:54<15:15,  2.27s/it]
 62%|█████████████████████████████████████████████████████████████████████▌                                          | 660/1063 [1:02:56<15:02,  2.24s/it]
                                                                                                                                                          
{'loss': 0.0153, 'grad_norm': 0.06753229349851608, 'learning_rate': 3.9185257032007764e-05, 'epoch': 0.62}

 62%|█████████████████████████████████████████████████████████████████████▌                                          | 660/1063 [1:02:56<15:02,  2.24s/it]
 62%|█████████████████████████████████████████████████████████████████████▋                                          | 661/1063 [1:02:58<15:01,  2.24s/it]
 62%|█████████████████████████████████████████████████████████████████████▋                                          | 662/1063 [1:03:01<14:59,  2.24s/it]
 62%|█████████████████████████████████████████████████████████████████████▊                                          | 663/1063 [1:03:03<14:55,  2.24s/it]
 62%|█████████████████████████████████████████████████████████████████████▉                                          | 664/1063 [1:03:05<14:58,  2.25s/it]
 63%|██████████████████████████████████████████████████████████████████████                                          | 665/1063 [1:03:07<14:59,  2.26s/it]
 63%|██████████████████████████████████████████████████████████████████████▏                                         | 666/1063 [1:03:10<15:00,  2.27s/it]
 63%|██████████████████████████████████████████████████████████████████████▎                                         | 667/1063 [1:03:12<15:02,  2.28s/it]
 63%|██████████████████████████████████████████████████████████████████████▍                                         | 668/1063 [1:03:14<15:04,  2.29s/it]
 63%|██████████████████████████████████████████████████████████████████████▍                                         | 669/1063 [1:03:17<15:03,  2.29s/it]
 63%|██████████████████████████████████████████████████████████████████████▌                                         | 670/1063 [1:03:19<15:00,  2.29s/it]
 63%|██████████████████████████████████████████████████████████████████████▋                                         | 671/1063 [1:03:21<14:54,  2.28s/it]
 63%|██████████████████████████████████████████████████████████████████████▊                                         | 672/1063 [1:03:24<14:50,  2.28s/it]
 63%|██████████████████████████████████████████████████████████████████████▉                                         | 673/1063 [1:03:26<14:51,  2.28s/it]
 63%|███████████████████████████████████████████████████████████████████████                                         | 674/1063 [1:03:28<14:45,  2.28s/it]
 63%|███████████████████████████████████████████████████████████████████████                                         | 675/1063 [1:03:30<14:38,  2.27s/it]
 64%|███████████████████████████████████████████████████████████████████████▏                                        | 676/1063 [1:03:33<14:34,  2.26s/it]
 64%|███████████████████████████████████████████████████████████████████████▎                                        | 677/1063 [1:03:35<14:32,  2.26s/it]
 64%|███████████████████████████████████████████████████████████████████████▍                                        | 678/1063 [1:03:37<14:30,  2.26s/it]
 64%|███████████████████████████████████████████████████████████████████████▌                                        | 679/1063 [1:03:39<14:28,  2.26s/it]
 64%|███████████████████████████████████████████████████████████████████████▋                                        | 680/1063 [1:03:42<14:20,  2.25s/it]
                                                                                                                                                          
{'loss': 0.0137, 'grad_norm': 0.16454404592514038, 'learning_rate': 3.724539282250243e-05, 'epoch': 0.64}

 64%|███████████████████████████████████████████████████████████████████████▋                                        | 680/1063 [1:03:42<14:20,  2.25s/it]
 64%|███████████████████████████████████████████████████████████████████████▊                                        | 681/1063 [1:03:44<14:16,  2.24s/it]
 64%|███████████████████████████████████████████████████████████████████████▊                                        | 682/1063 [1:03:46<14:16,  2.25s/it]
 64%|███████████████████████████████████████████████████████████████████████▉                                        | 683/1063 [1:03:48<14:17,  2.26s/it]
 64%|████████████████████████████████████████████████████████████████████████                                        | 684/1063 [1:03:51<14:15,  2.26s/it]
 64%|████████████████████████████████████████████████████████████████████████▏                                       | 685/1063 [1:03:53<14:13,  2.26s/it]
 65%|████████████████████████████████████████████████████████████████████████▎                                       | 686/1063 [1:03:55<14:13,  2.26s/it]
 65%|████████████████████████████████████████████████████████████████████████▍                                       | 687/1063 [1:03:57<14:13,  2.27s/it]
 65%|████████████████████████████████████████████████████████████████████████▍                                       | 688/1063 [1:04:00<14:03,  2.25s/it]
 65%|████████████████████████████████████████████████████████████████████████▌                                       | 689/1063 [1:04:02<14:06,  2.26s/it]
 65%|████████████████████████████████████████████████████████████████████████▋                                       | 690/1063 [1:04:04<14:09,  2.28s/it]
 65%|████████████████████████████████████████████████████████████████████████▊                                       | 691/1063 [1:04:06<14:02,  2.26s/it]
 65%|████████████████████████████████████████████████████████████████████████▉                                       | 692/1063 [1:04:09<14:01,  2.27s/it]
 65%|█████████████████████████████████████████████████████████████████████████                                       | 693/1063 [1:04:11<14:00,  2.27s/it]
 65%|█████████████████████████████████████████████████████████████████████████                                       | 694/1063 [1:04:13<14:04,  2.29s/it]
 65%|█████████████████████████████████████████████████████████████████████████▏                                      | 695/1063 [1:04:16<14:05,  2.30s/it]
 65%|█████████████████████████████████████████████████████████████████████████▎                                      | 696/1063 [1:04:18<14:04,  2.30s/it]
 66%|█████████████████████████████████████████████████████████████████████████▍                                      | 697/1063 [1:04:20<14:03,  2.30s/it]
 66%|█████████████████████████████████████████████████████████████████████████▌                                      | 698/1063 [1:04:23<13:57,  2.29s/it]
 66%|█████████████████████████████████████████████████████████████████████████▋                                      | 699/1063 [1:04:25<13:54,  2.29s/it]08:58:26  INFO        eval generation: 50/64  (0.19 rec/s, 269.3s elapsed, ~75s left)
08:59:41  INFO        eval generation: 64/64  (0.19 rec/s, 344.9s elapsed, ~0s left)
09:00:10  INFO      Eval @ step_700 — n=512
09:00:10  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
09:00:10  INFO        overall         0.891    0.885    0.894    0.919    0.894    0.906
09:00:10  INFO        E1              0.865    0.896    0.700    0.554    0.700    0.619
09:00:10  INFO        E2              0.971    0.984    0.939    0.959    0.939    0.949
09:00:10  INFO        E3              0.912    0.944    0.856    0.899    0.856    0.877
09:00:10  INFO        E4              0.891    0.903    0.869    0.843    0.869    0.856
09:00:10  INFO        exact_match=0.736  edge_macro_acc=0.910  malformed=0.000

 66%|███████████████████████████████████████████████████████████████████████                                     | 700/1063 [1:10:41<11:31:41, 114.33s/it]
                                                                                                                                                          
{'loss': 0.0159, 'grad_norm': 0.10377257317304611, 'learning_rate': 3.530552861299709e-05, 'epoch': 0.66}

 66%|███████████████████████████████████████████████████████████████████████                                     | 700/1063 [1:10:41<11:31:41, 114.33s/it]
 66%|████████████████████████████████████████████████████████████████████████▌                                     | 701/1063 [1:10:43<8:06:50, 80.69s/it]
 66%|████████████████████████████████████████████████████████████████████████▋                                     | 702/1063 [1:10:45<5:43:49, 57.15s/it]
 66%|████████████████████████████████████████████████████████████████████████▋                                     | 703/1063 [1:10:47<4:04:08, 40.69s/it]
 66%|████████████████████████████████████████████████████████████████████████▊                                     | 704/1063 [1:10:49<2:54:22, 29.14s/it]
 66%|████████████████████████████████████████████████████████████████████████▉                                     | 705/1063 [1:10:52<2:05:41, 21.07s/it]
 66%|█████████████████████████████████████████████████████████████████████████                                     | 706/1063 [1:10:54<1:31:42, 15.41s/it]
 67%|█████████████████████████████████████████████████████████████████████████▏                                    | 707/1063 [1:10:56<1:08:01, 11.46s/it]
 67%|██████████████████████████████████████████████████████████████████████████▌                                     | 708/1063 [1:10:58<51:32,  8.71s/it]
 67%|██████████████████████████████████████████████████████████████████████████▋                                     | 709/1063 [1:11:01<39:54,  6.76s/it]
 67%|██████████████████████████████████████████████████████████████████████████▊                                     | 710/1063 [1:11:03<31:43,  5.39s/it]
 67%|██████████████████████████████████████████████████████████████████████████▉                                     | 711/1063 [1:11:05<26:03,  4.44s/it]
 67%|███████████████████████████████████████████████████████████████████████████                                     | 712/1063 [1:11:07<22:07,  3.78s/it]
 67%|███████████████████████████████████████████████████████████████████████████                                     | 713/1063 [1:11:10<19:21,  3.32s/it]
 67%|███████████████████████████████████████████████████████████████████████████▏                                    | 714/1063 [1:11:12<17:20,  2.98s/it]
 67%|███████████████████████████████████████████████████████████████████████████▎                                    | 715/1063 [1:11:14<16:04,  2.77s/it]
 67%|███████████████████████████████████████████████████████████████████████████▍                                    | 716/1063 [1:11:16<15:07,  2.61s/it]
 67%|███████████████████████████████████████████████████████████████████████████▌                                    | 717/1063 [1:11:18<14:21,  2.49s/it]
 68%|███████████████████████████████████████████████████████████████████████████▋                                    | 718/1063 [1:11:21<13:51,  2.41s/it]
 68%|███████████████████████████████████████████████████████████████████████████▊                                    | 719/1063 [1:11:23<13:30,  2.35s/it]
 68%|███████████████████████████████████████████████████████████████████████████▊                                    | 720/1063 [1:11:25<13:10,  2.31s/it]
                                                                                                                                                          
{'loss': 0.0154, 'grad_norm': 0.08269070833921432, 'learning_rate': 3.336566440349176e-05, 'epoch': 0.68}

 68%|███████████████████████████████████████████████████████████████████████████▊                                    | 720/1063 [1:11:25<13:10,  2.31s/it]
 68%|███████████████████████████████████████████████████████████████████████████▉                                    | 721/1063 [1:11:27<13:03,  2.29s/it]
 68%|████████████████████████████████████████████████████████████████████████████                                    | 722/1063 [1:11:30<13:02,  2.29s/it]
 68%|████████████████████████████████████████████████████████████████████████████▏                                   | 723/1063 [1:11:32<12:57,  2.29s/it]
 68%|████████████████████████████████████████████████████████████████████████████▎                                   | 724/1063 [1:11:34<12:53,  2.28s/it]
 68%|████████████████████████████████████████████████████████████████████████████▍                                   | 725/1063 [1:11:36<12:39,  2.25s/it]
 68%|████████████████████████████████████████████████████████████████████████████▍                                   | 726/1063 [1:11:39<12:36,  2.25s/it]
 68%|████████████████████████████████████████████████████████████████████████████▌                                   | 727/1063 [1:11:41<12:38,  2.26s/it]
 68%|████████████████████████████████████████████████████████████████████████████▋                                   | 728/1063 [1:11:43<12:37,  2.26s/it]
 69%|████████████████████████████████████████████████████████████████████████████▊                                   | 729/1063 [1:11:45<12:37,  2.27s/it]
 69%|████████████████████████████████████████████████████████████████████████████▉                                   | 730/1063 [1:11:48<12:32,  2.26s/it]
 69%|█████████████████████████████████████████████████████████████████████████████                                   | 731/1063 [1:11:50<12:32,  2.27s/it]
 69%|█████████████████████████████████████████████████████████████████████████████▏                                  | 732/1063 [1:11:52<12:29,  2.26s/it]
 69%|█████████████████████████████████████████████████████████████████████████████▏                                  | 733/1063 [1:11:55<12:29,  2.27s/it]
 69%|█████████████████████████████████████████████████████████████████████████████▎                                  | 734/1063 [1:11:57<12:23,  2.26s/it]
 69%|█████████████████████████████████████████████████████████████████████████████▍                                  | 735/1063 [1:11:59<12:23,  2.27s/it]
 69%|█████████████████████████████████████████████████████████████████████████████▌                                  | 736/1063 [1:12:01<12:19,  2.26s/it]
 69%|█████████████████████████████████████████████████████████████████████████████▋                                  | 737/1063 [1:12:04<12:18,  2.27s/it]
 69%|█████████████████████████████████████████████████████████████████████████████▊                                  | 738/1063 [1:12:06<12:18,  2.27s/it]
 70%|█████████████████████████████████████████████████████████████████████████████▊                                  | 739/1063 [1:12:08<12:16,  2.27s/it]
 70%|█████████████████████████████████████████████████████████████████████████████▉                                  | 740/1063 [1:12:10<12:10,  2.26s/it]
                                                                                                                                                          
{'loss': 0.0164, 'grad_norm': 0.13774652779102325, 'learning_rate': 3.142580019398642e-05, 'epoch': 0.7}

 70%|█████████████████████████████████████████████████████████████████████████████▉                                  | 740/1063 [1:12:10<12:10,  2.26s/it]
 70%|██████████████████████████████████████████████████████████████████████████████                                  | 741/1063 [1:12:13<12:09,  2.27s/it]
 70%|██████████████████████████████████████████████████████████████████████████████▏                                 | 742/1063 [1:12:15<12:02,  2.25s/it]
 70%|██████████████████████████████████████████████████████████████████████████████▎                                 | 743/1063 [1:12:17<11:56,  2.24s/it]
 70%|██████████████████████████████████████████████████████████████████████████████▍                                 | 744/1063 [1:12:19<11:57,  2.25s/it]
 70%|██████████████████████████████████████████████████████████████████████████████▍                                 | 745/1063 [1:12:22<11:54,  2.25s/it]
 70%|██████████████████████████████████████████████████████████████████████████████▌                                 | 746/1063 [1:12:24<11:56,  2.26s/it]
 70%|██████████████████████████████████████████████████████████████████████████████▋                                 | 747/1063 [1:12:26<11:56,  2.27s/it]
 70%|██████████████████████████████████████████████████████████████████████████████▊                                 | 748/1063 [1:12:28<11:49,  2.25s/it]
 70%|██████████████████████████████████████████████████████████████████████████████▉                                 | 749/1063 [1:12:31<11:49,  2.26s/it]
 71%|███████████████████████████████████████████████████████████████████████████████                                 | 750/1063 [1:12:33<11:48,  2.26s/it]
 71%|███████████████████████████████████████████████████████████████████████████████▏                                | 751/1063 [1:12:35<11:51,  2.28s/it]
 71%|███████████████████████████████████████████████████████████████████████████████▏                                | 752/1063 [1:12:38<11:48,  2.28s/it]
 71%|███████████████████████████████████████████████████████████████████████████████▎                                | 753/1063 [1:12:40<11:43,  2.27s/it]
 71%|███████████████████████████████████████████████████████████████████████████████▍                                | 754/1063 [1:12:42<11:37,  2.26s/it]
 71%|███████████████████████████████████████████████████████████████████████████████▌                                | 755/1063 [1:12:44<11:35,  2.26s/it]
 71%|███████████████████████████████████████████████████████████████████████████████▋                                | 756/1063 [1:12:47<11:32,  2.26s/it]
 71%|███████████████████████████████████████████████████████████████████████████████▊                                | 757/1063 [1:12:49<11:31,  2.26s/it]
 71%|███████████████████████████████████████████████████████████████████████████████▊                                | 758/1063 [1:12:51<11:24,  2.24s/it]
 71%|███████████████████████████████████████████████████████████████████████████████▉                                | 759/1063 [1:12:53<11:25,  2.25s/it]
 71%|████████████████████████████████████████████████████████████████████████████████                                | 760/1063 [1:12:55<11:19,  2.24s/it]
                                                                                                                                                          
{'loss': 0.0289, 'grad_norm': 0.0529085136950016, 'learning_rate': 2.948593598448109e-05, 'epoch': 0.71}

 71%|████████████████████████████████████████████████████████████████████████████████                                | 760/1063 [1:12:55<11:19,  2.24s/it]
 72%|████████████████████████████████████████████████████████████████████████████████▏                               | 761/1063 [1:12:58<11:19,  2.25s/it]
 72%|████████████████████████████████████████████████████████████████████████████████▎                               | 762/1063 [1:13:00<11:18,  2.25s/it]
 72%|████████████████████████████████████████████████████████████████████████████████▍                               | 763/1063 [1:13:02<11:18,  2.26s/it]
 72%|████████████████████████████████████████████████████████████████████████████████▍                               | 764/1063 [1:13:05<11:20,  2.27s/it]
 72%|████████████████████████████████████████████████████████████████████████████████▌                               | 765/1063 [1:13:07<11:16,  2.27s/it]
 72%|████████████████████████████████████████████████████████████████████████████████▋                               | 766/1063 [1:13:09<11:14,  2.27s/it]
 72%|████████████████████████████████████████████████████████████████████████████████▊                               | 767/1063 [1:13:11<11:13,  2.28s/it]
 72%|████████████████████████████████████████████████████████████████████████████████▉                               | 768/1063 [1:13:14<11:08,  2.27s/it]
 72%|█████████████████████████████████████████████████████████████████████████████████                               | 769/1063 [1:13:16<11:06,  2.27s/it]
 72%|█████████████████████████████████████████████████████████████████████████████████▏                              | 770/1063 [1:13:18<11:05,  2.27s/it]
 73%|█████████████████████████████████████████████████████████████████████████████████▏                              | 771/1063 [1:13:21<11:06,  2.28s/it]
 73%|█████████████████████████████████████████████████████████████████████████████████▎                              | 772/1063 [1:13:23<11:02,  2.28s/it]
 73%|█████████████████████████████████████████████████████████████████████████████████▍                              | 773/1063 [1:13:25<11:00,  2.28s/it]
 73%|█████████████████████████████████████████████████████████████████████████████████▌                              | 774/1063 [1:13:27<10:59,  2.28s/it]
 73%|█████████████████████████████████████████████████████████████████████████████████▋                              | 775/1063 [1:13:30<10:53,  2.27s/it]
 73%|█████████████████████████████████████████████████████████████████████████████████▊                              | 776/1063 [1:13:32<10:52,  2.27s/it]
 73%|█████████████████████████████████████████████████████████████████████████████████▊                              | 777/1063 [1:13:34<10:52,  2.28s/it]
 73%|█████████████████████████████████████████████████████████████████████████████████▉                              | 778/1063 [1:13:37<10:52,  2.29s/it]
 73%|██████████████████████████████████████████████████████████████████████████████████                              | 779/1063 [1:13:39<10:42,  2.26s/it]
 73%|██████████████████████████████████████████████████████████████████████████████████▏                             | 780/1063 [1:13:41<10:44,  2.28s/it]
                                                                                                                                                          
{'loss': 0.015, 'grad_norm': 0.07344073057174683, 'learning_rate': 2.754607177497575e-05, 'epoch': 0.73}

 73%|██████████████████████████████████████████████████████████████████████████████████▏                             | 780/1063 [1:13:41<10:44,  2.28s/it]
 73%|██████████████████████████████████████████████████████████████████████████████████▎                             | 781/1063 [1:13:43<10:44,  2.29s/it]
 74%|██████████████████████████████████████████████████████████████████████████████████▍                             | 782/1063 [1:13:46<10:45,  2.30s/it]
 74%|██████████████████████████████████████████████████████████████████████████████████▍                             | 783/1063 [1:13:48<10:37,  2.28s/it]
 74%|██████████████████████████████████████████████████████████████████████████████████▌                             | 784/1063 [1:13:50<10:36,  2.28s/it]
 74%|██████████████████████████████████████████████████████████████████████████████████▋                             | 785/1063 [1:13:52<10:35,  2.29s/it]
 74%|██████████████████████████████████████████████████████████████████████████████████▊                             | 786/1063 [1:13:55<10:32,  2.28s/it]
 74%|██████████████████████████████████████████████████████████████████████████████████▉                             | 787/1063 [1:13:57<10:26,  2.27s/it]
 74%|███████████████████████████████████████████████████████████████████████████████████                             | 788/1063 [1:13:59<10:25,  2.28s/it]
 74%|███████████████████████████████████████████████████████████████████████████████████▏                            | 789/1063 [1:14:02<10:24,  2.28s/it]
 74%|███████████████████████████████████████████████████████████████████████████████████▏                            | 790/1063 [1:14:04<10:24,  2.29s/it]
 74%|███████████████████████████████████████████████████████████████████████████████████▎                            | 791/1063 [1:14:06<10:23,  2.29s/it]
 75%|███████████████████████████████████████████████████████████████████████████████████▍                            | 792/1063 [1:14:08<10:19,  2.29s/it]
 75%|███████████████████████████████████████████████████████████████████████████████████▌                            | 793/1063 [1:14:11<10:16,  2.28s/it]
 75%|███████████████████████████████████████████████████████████████████████████████████▋                            | 794/1063 [1:14:13<10:13,  2.28s/it]
 75%|███████████████████████████████████████████████████████████████████████████████████▊                            | 795/1063 [1:14:15<10:07,  2.27s/it]
 75%|███████████████████████████████████████████████████████████████████████████████████▊                            | 796/1063 [1:14:17<10:01,  2.25s/it]
 75%|███████████████████████████████████████████████████████████████████████████████████▉                            | 797/1063 [1:14:20<09:57,  2.25s/it]
 75%|████████████████████████████████████████████████████████████████████████████████████                            | 798/1063 [1:14:22<09:57,  2.25s/it]
 75%|████████████████████████████████████████████████████████████████████████████████████▏                           | 799/1063 [1:14:24<09:58,  2.27s/it]09:08:28  INFO        eval generation: 50/64  (0.18 rec/s, 272.0s elapsed, ~76s left)
09:09:44  INFO        eval generation: 64/64  (0.18 rec/s, 348.4s elapsed, ~0s left)
09:10:05  INFO      Eval @ step_800 — n=512
09:10:05  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
09:10:05  INFO        overall         0.885    0.928    0.855    0.945    0.855    0.898
09:10:05  INFO        E1              0.891    0.972    0.450    0.750    0.450    0.563
09:10:05  INFO        E2              0.955    0.959    0.946    0.903    0.946    0.924
09:10:05  INFO        E3              0.916    0.960    0.840    0.924    0.840    0.880
09:10:05  INFO        E4              0.898    0.935    0.838    0.884    0.838    0.860
09:10:05  INFO        exact_match=0.752  edge_macro_acc=0.915  malformed=0.000

 75%|██████████████████████████████████████████████████████████████████████████████████                           | 800/1063 [1:20:35<8:15:06, 112.95s/it]
                                                                                                                                                          
{'loss': 0.0146, 'grad_norm': 0.07503994554281235, 'learning_rate': 2.560620756547042e-05, 'epoch': 0.75}

 75%|██████████████████████████████████████████████████████████████████████████████████                           | 800/1063 [1:20:35<8:15:06, 112.95s/it]
 75%|██████████████████████████████████████████████████████████████████████████████████▉                           | 801/1063 [1:20:38<5:48:09, 79.73s/it]
 75%|██████████████████████████████████████████████████████████████████████████████████▉                           | 802/1063 [1:20:40<4:05:45, 56.50s/it]
 76%|███████████████████████████████████████████████████████████████████████████████████                           | 803/1063 [1:20:42<2:54:21, 40.24s/it]
 76%|███████████████████████████████████████████████████████████████████████████████████▏                          | 804/1063 [1:20:45<2:04:34, 28.86s/it]
 76%|███████████████████████████████████████████████████████████████████████████████████▎                          | 805/1063 [1:20:47<1:29:45, 20.87s/it]
 76%|███████████████████████████████████████████████████████████████████████████████████▍                          | 806/1063 [1:20:49<1:05:29, 15.29s/it]
 76%|█████████████████████████████████████████████████████████████████████████████████████                           | 807/1063 [1:20:51<48:36, 11.39s/it]
 76%|█████████████████████████████████████████████████████████████████████████████████████▏                          | 808/1063 [1:20:54<36:44,  8.65s/it]
 76%|█████████████████████████████████████████████████████████████████████████████████████▏                          | 809/1063 [1:20:56<28:32,  6.74s/it]
 76%|█████████████████████████████████████████████████████████████████████████████████████▎                          | 810/1063 [1:20:58<22:48,  5.41s/it]
 76%|█████████████████████████████████████████████████████████████████████████████████████▍                          | 811/1063 [1:21:01<18:48,  4.48s/it]
 76%|█████████████████████████████████████████████████████████████████████████████████████▌                          | 812/1063 [1:21:03<16:00,  3.83s/it]
 76%|█████████████████████████████████████████████████████████████████████████████████████▋                          | 813/1063 [1:21:05<14:02,  3.37s/it]
 77%|█████████████████████████████████████████████████████████████████████████████████████▊                          | 814/1063 [1:21:07<12:40,  3.05s/it]
 77%|█████████████████████████████████████████████████████████████████████████████████████▊                          | 815/1063 [1:21:10<11:41,  2.83s/it]
 77%|█████████████████████████████████████████████████████████████████████████████████████▉                          | 816/1063 [1:21:12<10:58,  2.66s/it]
 77%|██████████████████████████████████████████████████████████████████████████████████████                          | 817/1063 [1:21:14<10:28,  2.55s/it]
 77%|██████████████████████████████████████████████████████████████████████████████████████▏                         | 818/1063 [1:21:17<10:03,  2.46s/it]
 77%|██████████████████████████████████████████████████████████████████████████████████████▎                         | 819/1063 [1:21:19<09:44,  2.39s/it]
 77%|██████████████████████████████████████████████████████████████████████████████████████▍                         | 820/1063 [1:21:21<09:33,  2.36s/it]
                                                                                                                                                          
{'loss': 0.0142, 'grad_norm': 0.05603089556097984, 'learning_rate': 2.3666343355965083e-05, 'epoch': 0.77}

 77%|██████████████████████████████████████████████████████████████████████████████████████▍                         | 820/1063 [1:21:21<09:33,  2.36s/it]
 77%|██████████████████████████████████████████████████████████████████████████████████████▌                         | 821/1063 [1:21:23<09:26,  2.34s/it]
 77%|██████████████████████████████████████████████████████████████████████████████████████▌                         | 822/1063 [1:21:26<09:14,  2.30s/it]
 77%|██████████████████████████████████████████████████████████████████████████████████████▋                         | 823/1063 [1:21:28<09:08,  2.28s/it]
 78%|██████████████████████████████████████████████████████████████████████████████████████▊                         | 824/1063 [1:21:30<09:02,  2.27s/it]
 78%|██████████████████████████████████████████████████████████████████████████████████████▉                         | 825/1063 [1:21:32<08:56,  2.25s/it]
 78%|███████████████████████████████████████████████████████████████████████████████████████                         | 826/1063 [1:21:35<08:55,  2.26s/it]
 78%|███████████████████████████████████████████████████████████████████████████████████████▏                        | 827/1063 [1:21:37<08:49,  2.25s/it]
 78%|███████████████████████████████████████████████████████████████████████████████████████▏                        | 828/1063 [1:21:39<08:51,  2.26s/it]
 78%|███████████████████████████████████████████████████████████████████████████████████████▎                        | 829/1063 [1:21:41<08:48,  2.26s/it]
 78%|███████████████████████████████████████████████████████████████████████████████████████▍                        | 830/1063 [1:21:44<08:46,  2.26s/it]
 78%|███████████████████████████████████████████████████████████████████████████████████████▌                        | 831/1063 [1:21:46<08:43,  2.26s/it]
 78%|███████████████████████████████████████████████████████████████████████████████████████▋                        | 832/1063 [1:21:48<08:41,  2.26s/it]
 78%|███████████████████████████████████████████████████████████████████████████████████████▊                        | 833/1063 [1:21:50<08:35,  2.24s/it]
 78%|███████████████████████████████████████████████████████████████████████████████████████▊                        | 834/1063 [1:21:53<08:35,  2.25s/it]
 79%|███████████████████████████████████████████████████████████████████████████████████████▉                        | 835/1063 [1:21:55<08:33,  2.25s/it]
 79%|████████████████████████████████████████████████████████████████████████████████████████                        | 836/1063 [1:21:57<08:29,  2.24s/it]
 79%|████████████████████████████████████████████████████████████████████████████████████████▏                       | 837/1063 [1:21:59<08:29,  2.25s/it]
 79%|████████████████████████████████████████████████████████████████████████████████████████▎                       | 838/1063 [1:22:02<08:29,  2.27s/it]
 79%|████████████████████████████████████████████████████████████████████████████████████████▍                       | 839/1063 [1:22:04<08:27,  2.27s/it]
 79%|████████████████████████████████████████████████████████████████████████████████████████▌                       | 840/1063 [1:22:06<08:26,  2.27s/it]
                                                                                                                                                          
{'loss': 0.0151, 'grad_norm': 0.09725795686244965, 'learning_rate': 2.172647914645975e-05, 'epoch': 0.79}

 79%|████████████████████████████████████████████████████████████████████████████████████████▌                       | 840/1063 [1:22:06<08:26,  2.27s/it]
 79%|████████████████████████████████████████████████████████████████████████████████████████▌                       | 841/1063 [1:22:08<08:21,  2.26s/it]
 79%|████████████████████████████████████████████████████████████████████████████████████████▋                       | 842/1063 [1:22:11<08:16,  2.25s/it]
 79%|████████████████████████████████████████████████████████████████████████████████████████▊                       | 843/1063 [1:22:13<08:14,  2.25s/it]
 79%|████████████████████████████████████████████████████████████████████████████████████████▉                       | 844/1063 [1:22:15<08:12,  2.25s/it]
 79%|█████████████████████████████████████████████████████████████████████████████████████████                       | 845/1063 [1:22:17<08:06,  2.23s/it]
 80%|█████████████████████████████████████████████████████████████████████████████████████████▏                      | 846/1063 [1:22:20<08:05,  2.24s/it]
 80%|█████████████████████████████████████████████████████████████████████████████████████████▏                      | 847/1063 [1:22:22<08:04,  2.24s/it]
 80%|█████████████████████████████████████████████████████████████████████████████████████████▎                      | 848/1063 [1:22:24<08:00,  2.23s/it]
 80%|█████████████████████████████████████████████████████████████████████████████████████████▍                      | 849/1063 [1:22:26<07:59,  2.24s/it]
 80%|█████████████████████████████████████████████████████████████████████████████████████████▌                      | 850/1063 [1:22:29<08:02,  2.26s/it]
 80%|█████████████████████████████████████████████████████████████████████████████████████████▋                      | 851/1063 [1:22:31<08:00,  2.27s/it]
 80%|█████████████████████████████████████████████████████████████████████████████████████████▊                      | 852/1063 [1:22:33<07:59,  2.27s/it]
 80%|█████████████████████████████████████████████████████████████████████████████████████████▊                      | 853/1063 [1:22:35<07:52,  2.25s/it]
 80%|█████████████████████████████████████████████████████████████████████████████████████████▉                      | 854/1063 [1:22:38<07:52,  2.26s/it]
 80%|██████████████████████████████████████████████████████████████████████████████████████████                      | 855/1063 [1:22:40<07:49,  2.26s/it]
 81%|██████████████████████████████████████████████████████████████████████████████████████████▏                     | 856/1063 [1:22:42<07:43,  2.24s/it]
 81%|██████████████████████████████████████████████████████████████████████████████████████████▎                     | 857/1063 [1:22:44<07:43,  2.25s/it]
 81%|██████████████████████████████████████████████████████████████████████████████████████████▍                     | 858/1063 [1:22:47<07:43,  2.26s/it]
 81%|██████████████████████████████████████████████████████████████████████████████████████████▌                     | 859/1063 [1:22:49<07:42,  2.26s/it]
 81%|██████████████████████████████████████████████████████████████████████████████████████████▌                     | 860/1063 [1:22:51<07:35,  2.24s/it]
                                                                                                                                                          
{'loss': 0.0136, 'grad_norm': 0.13120990991592407, 'learning_rate': 1.9786614936954415e-05, 'epoch': 0.81}

 81%|██████████████████████████████████████████████████████████████████████████████████████████▌                     | 860/1063 [1:22:51<07:35,  2.24s/it]
 81%|██████████████████████████████████████████████████████████████████████████████████████████▋                     | 861/1063 [1:22:53<07:34,  2.25s/it]
 81%|██████████████████████████████████████████████████████████████████████████████████████████▊                     | 862/1063 [1:22:56<07:34,  2.26s/it]
 81%|██████████████████████████████████████████████████████████████████████████████████████████▉                     | 863/1063 [1:22:58<07:27,  2.24s/it]
 81%|███████████████████████████████████████████████████████████████████████████████████████████                     | 864/1063 [1:23:00<07:25,  2.24s/it]
 81%|███████████████████████████████████████████████████████████████████████████████████████████▏                    | 865/1063 [1:23:02<07:23,  2.24s/it]
 81%|███████████████████████████████████████████████████████████████████████████████████████████▏                    | 866/1063 [1:23:05<07:22,  2.25s/it]
 82%|███████████████████████████████████████████████████████████████████████████████████████████▎                    | 867/1063 [1:23:07<07:23,  2.26s/it]
 82%|███████████████████████████████████████████████████████████████████████████████████████████▍                    | 868/1063 [1:23:09<07:20,  2.26s/it]
 82%|███████████████████████████████████████████████████████████████████████████████████████████▌                    | 869/1063 [1:23:11<07:13,  2.23s/it]
 82%|███████████████████████████████████████████████████████████████████████████████████████████▋                    | 870/1063 [1:23:14<07:10,  2.23s/it]
 82%|███████████████████████████████████████████████████████████████████████████████████████████▊                    | 871/1063 [1:23:16<07:14,  2.26s/it]
 82%|███████████████████████████████████████████████████████████████████████████████████████████▉                    | 872/1063 [1:23:18<07:11,  2.26s/it]
 82%|███████████████████████████████████████████████████████████████████████████████████████████▉                    | 873/1063 [1:23:20<07:09,  2.26s/it]
 82%|████████████████████████████████████████████████████████████████████████████████████████████                    | 874/1063 [1:23:23<07:06,  2.26s/it]
 82%|████████████████████████████████████████████████████████████████████████████████████████████▏                   | 875/1063 [1:23:25<07:03,  2.25s/it]
 82%|████████████████████████████████████████████████████████████████████████████████████████████▎                   | 876/1063 [1:23:27<07:03,  2.27s/it]
 83%|████████████████████████████████████████████████████████████████████████████████████████████▍                   | 877/1063 [1:23:29<07:01,  2.26s/it]
 83%|████████████████████████████████████████████████████████████████████████████████████████████▌                   | 878/1063 [1:23:32<06:59,  2.27s/it]
 83%|████████████████████████████████████████████████████████████████████████████████████████████▌                   | 879/1063 [1:23:34<06:54,  2.25s/it]
 83%|████████████████████████████████████████████████████████████████████████████████████████████▋                   | 880/1063 [1:23:36<06:53,  2.26s/it]
                                                                                                                                                          
{'loss': 0.0121, 'grad_norm': 0.09627928584814072, 'learning_rate': 1.784675072744908e-05, 'epoch': 0.83}

 83%|████████████████████████████████████████████████████████████████████████████████████████████▋                   | 880/1063 [1:23:36<06:53,  2.26s/it]
 83%|████████████████████████████████████████████████████████████████████████████████████████████▊                   | 881/1063 [1:23:39<06:53,  2.27s/it]
 83%|████████████████████████████████████████████████████████████████████████████████████████████▉                   | 882/1063 [1:23:41<06:52,  2.28s/it]
 83%|█████████████████████████████████████████████████████████████████████████████████████████████                   | 883/1063 [1:23:43<06:52,  2.29s/it]
 83%|█████████████████████████████████████████████████████████████████████████████████████████████▏                  | 884/1063 [1:23:45<06:49,  2.29s/it]
 83%|█████████████████████████████████████████████████████████████████████████████████████████████▏                  | 885/1063 [1:23:48<06:45,  2.28s/it]
 83%|█████████████████████████████████████████████████████████████████████████████████████████████▎                  | 886/1063 [1:23:50<06:44,  2.28s/it]
 83%|█████████████████████████████████████████████████████████████████████████████████████████████▍                  | 887/1063 [1:23:52<06:41,  2.28s/it]
 84%|█████████████████████████████████████████████████████████████████████████████████████████████▌                  | 888/1063 [1:23:54<06:35,  2.26s/it]
 84%|█████████████████████████████████████████████████████████████████████████████████████████████▋                  | 889/1063 [1:23:57<06:35,  2.27s/it]
 84%|█████████████████████████████████████████████████████████████████████████████████████████████▊                  | 890/1063 [1:23:59<06:34,  2.28s/it]
 84%|█████████████████████████████████████████████████████████████████████████████████████████████▉                  | 891/1063 [1:24:01<06:30,  2.27s/it]
 84%|█████████████████████████████████████████████████████████████████████████████████████████████▉                  | 892/1063 [1:24:04<06:29,  2.28s/it]
 84%|██████████████████████████████████████████████████████████████████████████████████████████████                  | 893/1063 [1:24:06<06:24,  2.26s/it]
 84%|██████████████████████████████████████████████████████████████████████████████████████████████▏                 | 894/1063 [1:24:08<06:19,  2.25s/it]
 84%|██████████████████████████████████████████████████████████████████████████████████████████████▎                 | 895/1063 [1:24:10<06:17,  2.25s/it]
 84%|██████████████████████████████████████████████████████████████████████████████████████████████▍                 | 896/1063 [1:24:12<06:12,  2.23s/it]
 84%|██████████████████████████████████████████████████████████████████████████████████████████████▌                 | 897/1063 [1:24:15<06:13,  2.25s/it]
 84%|██████████████████████████████████████████████████████████████████████████████████████████████▌                 | 898/1063 [1:24:17<06:12,  2.26s/it]
 85%|██████████████████████████████████████████████████████████████████████████████████████████████▋                 | 899/1063 [1:24:19<06:10,  2.26s/it]09:18:15  INFO        eval generation: 50/64  (0.19 rec/s, 264.2s elapsed, ~74s left)
09:19:30  INFO        eval generation: 64/64  (0.19 rec/s, 339.0s elapsed, ~0s left)
09:19:56  INFO      Eval @ step_900 — n=512
09:19:56  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
09:19:56  INFO        overall         0.889    0.890    0.888    0.921    0.888    0.904
09:19:56  INFO        E1              0.889    0.947    0.575    0.667    0.575    0.617
09:19:56  INFO        E2              0.965    0.975    0.939    0.939    0.939    0.939
09:19:56  INFO        E3              0.900    0.941    0.830    0.891    0.830    0.860
09:19:56  INFO        E4              0.895    0.913    0.864    0.855    0.864    0.859
09:19:56  INFO        exact_match=0.748  edge_macro_acc=0.912  malformed=0.000

 85%|████████████████████████████████████████████████████████████████████████████████████████████▎                | 900/1063 [1:30:27<5:03:48, 111.83s/it]
                                                                                                                                                          
{'loss': 0.0151, 'grad_norm': 0.07019995152950287, 'learning_rate': 1.5906886517943744e-05, 'epoch': 0.85}

 85%|████████████████████████████████████████████████████████████████████████████████████████████▎                | 900/1063 [1:30:27<5:03:48, 111.83s/it]
 85%|█████████████████████████████████████████████████████████████████████████████████████████████▏                | 901/1063 [1:30:31<3:34:54, 79.60s/it]
 85%|█████████████████████████████████████████████████████████████████████████████████████████████▎                | 902/1063 [1:30:33<2:31:18, 56.39s/it]
 85%|█████████████████████████████████████████████████████████████████████████████████████████████▍                | 903/1063 [1:30:36<1:47:02, 40.14s/it]
 85%|█████████████████████████████████████████████████████████████████████████████████████████████▌                | 904/1063 [1:30:38<1:16:12, 28.76s/it]
 85%|███████████████████████████████████████████████████████████████████████████████████████████████▎                | 905/1063 [1:30:40<54:43, 20.78s/it]
 85%|███████████████████████████████████████████████████████████████████████████████████████████████▍                | 906/1063 [1:30:42<39:49, 15.22s/it]
 85%|███████████████████████████████████████████████████████████████████████████████████████████████▌                | 907/1063 [1:30:45<29:26, 11.33s/it]
 85%|███████████████████████████████████████████████████████████████████████████████████████████████▋                | 908/1063 [1:30:47<22:15,  8.61s/it]
 86%|███████████████████████████████████████████████████████████████████████████████████████████████▊                | 909/1063 [1:30:49<17:12,  6.71s/it]
 86%|███████████████████████████████████████████████████████████████████████████████████████████████▉                | 910/1063 [1:30:51<13:41,  5.37s/it]
 86%|███████████████████████████████████████████████████████████████████████████████████████████████▉                | 911/1063 [1:30:54<11:14,  4.44s/it]
 86%|████████████████████████████████████████████████████████████████████████████████████████████████                | 912/1063 [1:30:56<09:32,  3.79s/it]
 86%|████████████████████████████████████████████████████████████████████████████████████████████████▏               | 913/1063 [1:30:58<08:17,  3.32s/it]
 86%|████████████████████████████████████████████████████████████████████████████████████████████████▎               | 914/1063 [1:31:00<07:25,  2.99s/it]
 86%|████████████████████████████████████████████████████████████████████████████████████████████████▍               | 915/1063 [1:31:03<06:50,  2.78s/it]
 86%|████████████████████████████████████████████████████████████████████████████████████████████████▌               | 916/1063 [1:31:05<06:24,  2.62s/it]
 86%|████████████████████████████████████████████████████████████████████████████████████████████████▌               | 917/1063 [1:31:07<06:05,  2.50s/it]
 86%|████████████████████████████████████████████████████████████████████████████████████████████████▋               | 918/1063 [1:31:09<05:51,  2.42s/it]
 86%|████████████████████████████████████████████████████████████████████████████████████████████████▊               | 919/1063 [1:31:12<05:42,  2.38s/it]
 87%|████████████████████████████████████████████████████████████████████████████████████████████████▉               | 920/1063 [1:31:14<05:36,  2.35s/it]
                                                                                                                                                          
{'loss': 0.0146, 'grad_norm': 0.09808464348316193, 'learning_rate': 1.396702230843841e-05, 'epoch': 0.87}

 87%|████████████████████████████████████████████████████████████████████████████████████████████████▉               | 920/1063 [1:31:14<05:36,  2.35s/it]
 87%|█████████████████████████████████████████████████████████████████████████████████████████████████               | 921/1063 [1:31:16<05:28,  2.32s/it]
 87%|█████████████████████████████████████████████████████████████████████████████████████████████████▏              | 922/1063 [1:31:18<05:24,  2.30s/it]
 87%|█████████████████████████████████████████████████████████████████████████████████████████████████▏              | 923/1063 [1:31:21<05:20,  2.29s/it]
 87%|█████████████████████████████████████████████████████████████████████████████████████████████████▎              | 924/1063 [1:31:23<05:17,  2.28s/it]
 87%|█████████████████████████████████████████████████████████████████████████████████████████████████▍              | 925/1063 [1:31:25<05:12,  2.27s/it]
 87%|█████████████████████████████████████████████████████████████████████████████████████████████████▌              | 926/1063 [1:31:27<05:09,  2.26s/it]
 87%|█████████████████████████████████████████████████████████████████████████████████████████████████▋              | 927/1063 [1:31:30<05:04,  2.24s/it]
 87%|█████████████████████████████████████████████████████████████████████████████████████████████████▊              | 928/1063 [1:31:32<05:00,  2.22s/it]
 87%|█████████████████████████████████████████████████████████████████████████████████████████████████▉              | 929/1063 [1:31:34<04:57,  2.22s/it]
 87%|█████████████████████████████████████████████████████████████████████████████████████████████████▉              | 930/1063 [1:31:36<04:56,  2.23s/it]
 88%|██████████████████████████████████████████████████████████████████████████████████████████████████              | 931/1063 [1:31:38<04:54,  2.23s/it]
 88%|██████████████████████████████████████████████████████████████████████████████████████████████████▏             | 932/1063 [1:31:41<04:52,  2.23s/it]
 88%|██████████████████████████████████████████████████████████████████████████████████████████████████▎             | 933/1063 [1:31:43<04:49,  2.22s/it]
 88%|██████████████████████████████████████████████████████████████████████████████████████████████████▍             | 934/1063 [1:31:45<04:49,  2.24s/it]
 88%|██████████████████████████████████████████████████████████████████████████████████████████████████▌             | 935/1063 [1:31:47<04:44,  2.23s/it]
 88%|██████████████████████████████████████████████████████████████████████████████████████████████████▌             | 936/1063 [1:31:50<04:43,  2.23s/it]
 88%|██████████████████████████████████████████████████████████████████████████████████████████████████▋             | 937/1063 [1:31:52<04:42,  2.24s/it]
 88%|██████████████████████████████████████████████████████████████████████████████████████████████████▊             | 938/1063 [1:31:54<04:40,  2.25s/it]
 88%|██████████████████████████████████████████████████████████████████████████████████████████████████▉             | 939/1063 [1:31:56<04:38,  2.25s/it]
 88%|███████████████████████████████████████████████████████████████████████████████████████████████████             | 940/1063 [1:31:59<04:36,  2.25s/it]
                                                                                                                                                          
{'loss': 0.0143, 'grad_norm': 0.07016833871603012, 'learning_rate': 1.2027158098933075e-05, 'epoch': 0.88}

 88%|███████████████████████████████████████████████████████████████████████████████████████████████████             | 940/1063 [1:31:59<04:36,  2.25s/it]
 89%|███████████████████████████████████████████████████████████████████████████████████████████████████▏            | 941/1063 [1:32:01<04:36,  2.26s/it]
 89%|███████████████████████████████████████████████████████████████████████████████████████████████████▎            | 942/1063 [1:32:03<04:34,  2.27s/it]
 89%|███████████████████████████████████████████████████████████████████████████████████████████████████▎            | 943/1063 [1:32:06<04:33,  2.28s/it]
 89%|███████████████████████████████████████████████████████████████████████████████████████████████████▍            | 944/1063 [1:32:08<04:31,  2.28s/it]
 89%|███████████████████████████████████████████████████████████████████████████████████████████████████▌            | 945/1063 [1:32:10<04:27,  2.27s/it]
 89%|███████████████████████████████████████████████████████████████████████████████████████████████████▋            | 946/1063 [1:32:12<04:24,  2.26s/it]
 89%|███████████████████████████████████████████████████████████████████████████████████████████████████▊            | 947/1063 [1:32:14<04:20,  2.25s/it]
 89%|███████████████████████████████████████████████████████████████████████████████████████████████████▉            | 948/1063 [1:32:17<04:19,  2.26s/it]
 89%|███████████████████████████████████████████████████████████████████████████████████████████████████▉            | 949/1063 [1:32:19<04:18,  2.26s/it]
 89%|████████████████████████████████████████████████████████████████████████████████████████████████████            | 950/1063 [1:32:21<04:15,  2.26s/it]
 89%|████████████████████████████████████████████████████████████████████████████████████████████████████▏           | 951/1063 [1:32:24<04:14,  2.27s/it]
 90%|████████████████████████████████████████████████████████████████████████████████████████████████████▎           | 952/1063 [1:32:26<04:11,  2.27s/it]
 90%|████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 953/1063 [1:32:28<04:08,  2.26s/it]
 90%|████████████████████████████████████████████████████████████████████████████████████████████████████▌           | 954/1063 [1:32:30<04:06,  2.26s/it]
 90%|████████████████████████████████████████████████████████████████████████████████████████████████████▌           | 955/1063 [1:32:33<04:04,  2.26s/it]
 90%|████████████████████████████████████████████████████████████████████████████████████████████████████▋           | 956/1063 [1:32:35<04:02,  2.26s/it]
 90%|████████████████████████████████████████████████████████████████████████████████████████████████████▊           | 957/1063 [1:32:37<03:59,  2.26s/it]
 90%|████████████████████████████████████████████████████████████████████████████████████████████████████▉           | 958/1063 [1:32:39<03:58,  2.27s/it]
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████           | 959/1063 [1:32:42<03:57,  2.28s/it]
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████▏          | 960/1063 [1:32:44<03:55,  2.29s/it]
                                                                                                                                                          
{'loss': 0.0147, 'grad_norm': 0.060904502868652344, 'learning_rate': 1.008729388942774e-05, 'epoch': 0.9}

 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████▏          | 960/1063 [1:32:44<03:55,  2.29s/it]
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████▎          | 961/1063 [1:32:46<03:51,  2.27s/it]
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████▎          | 962/1063 [1:32:49<03:48,  2.26s/it]
 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍          | 963/1063 [1:32:51<03:47,  2.27s/it]
 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████▌          | 964/1063 [1:32:53<03:44,  2.26s/it]
 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████▋          | 965/1063 [1:32:55<03:41,  2.26s/it]
 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████▊          | 966/1063 [1:32:58<03:39,  2.26s/it]
 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████▉          | 967/1063 [1:33:00<03:37,  2.26s/it]
 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████▉          | 968/1063 [1:33:02<03:33,  2.24s/it]
 91%|██████████████████████████████████████████████████████████████████████████████████████████████████████          | 969/1063 [1:33:04<03:31,  2.25s/it]
 91%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏         | 970/1063 [1:33:07<03:29,  2.26s/it]
 91%|██████████████████████████████████████████████████████████████████████████████████████████████████████▎         | 971/1063 [1:33:09<03:26,  2.25s/it]
 91%|██████████████████████████████████████████████████████████████████████████████████████████████████████▍         | 972/1063 [1:33:11<03:24,  2.25s/it]
 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▌         | 973/1063 [1:33:13<03:23,  2.26s/it]
 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▌         | 974/1063 [1:33:16<03:20,  2.25s/it]
 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▋         | 975/1063 [1:33:18<03:17,  2.25s/it]
 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▊         | 976/1063 [1:33:20<03:15,  2.25s/it]
 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████▉         | 977/1063 [1:33:22<03:12,  2.24s/it]
 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████         | 978/1063 [1:33:25<03:10,  2.25s/it]
 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████▏        | 979/1063 [1:33:27<03:11,  2.28s/it]
 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████▎        | 980/1063 [1:33:29<03:07,  2.26s/it]
                                                                                                                                                          
{'loss': 0.0152, 'grad_norm': 0.08607947826385498, 'learning_rate': 8.147429679922405e-06, 'epoch': 0.92}

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████▎        | 980/1063 [1:33:29<03:07,  2.26s/it]
 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████▎        | 981/1063 [1:33:31<03:04,  2.25s/it]
 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████▍        | 982/1063 [1:33:34<03:01,  2.24s/it]
 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████▌        | 983/1063 [1:33:36<02:59,  2.24s/it]
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▋        | 984/1063 [1:33:38<02:58,  2.25s/it]
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊        | 985/1063 [1:33:40<02:54,  2.24s/it]
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▉        | 986/1063 [1:33:43<02:54,  2.27s/it]
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████▉        | 987/1063 [1:33:45<02:50,  2.24s/it]
 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████        | 988/1063 [1:33:47<02:48,  2.25s/it]
 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████▏       | 989/1063 [1:33:49<02:46,  2.25s/it]
 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████▎       | 990/1063 [1:33:52<02:45,  2.26s/it]
 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████▍       | 991/1063 [1:33:54<02:42,  2.25s/it]
 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████▌       | 992/1063 [1:33:56<02:41,  2.27s/it]
 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████▌       | 993/1063 [1:33:58<02:38,  2.26s/it]
 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▋       | 994/1063 [1:34:01<02:35,  2.26s/it]
 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▊       | 995/1063 [1:34:03<02:34,  2.28s/it]
 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▉       | 996/1063 [1:34:05<02:32,  2.28s/it]
 94%|█████████████████████████████████████████████████████████████████████████████████████████████████████████       | 997/1063 [1:34:08<02:30,  2.28s/it]
 94%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▏      | 998/1063 [1:34:10<02:27,  2.27s/it]
 94%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▎      | 999/1063 [1:34:12<02:24,  2.26s/it]09:28:14  INFO        eval generation: 50/64  (0.18 rec/s, 270.4s elapsed, ~76s left)
09:29:27  INFO        eval generation: 64/64  (0.19 rec/s, 343.2s elapsed, ~0s left)
09:29:50  INFO      Eval @ step_1000 — n=512
09:29:50  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
09:29:50  INFO        overall         0.891    0.919    0.871    0.940    0.871    0.904
09:29:50  INFO        E1              0.896    0.979    0.450    0.800    0.450    0.576
09:29:50  INFO        E2              0.969    0.984    0.932    0.958    0.932    0.945
09:29:50  INFO        E3              0.908    0.960    0.819    0.922    0.819    0.868
09:29:50  INFO        E4              0.902    0.925    0.864    0.873    0.864    0.868
09:29:50  INFO        exact_match=0.752  edge_macro_acc=0.919  malformed=0.000

 94%|█████████████████████████████████████████████████████████████████████████████████████████████████████▌      | 1000/1063 [1:40:20<1:57:43, 112.13s/it]
                                                                                                                                                          
{'loss': 0.0151, 'grad_norm': 0.05431496351957321, 'learning_rate': 6.207565470417071e-06, 'epoch': 0.94}

 94%|█████████████████████████████████████████████████████████████████████████████████████████████████████▌      | 1000/1063 [1:40:20<1:57:43, 112.13s/it]
 94%|██████████████████████████████████████████████████████████████████████████████████████████████████████▋      | 1001/1063 [1:40:23<1:21:48, 79.17s/it]
 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▋      | 1002/1063 [1:40:25<57:00, 56.08s/it]
 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▋      | 1003/1063 [1:40:27<39:56, 39.94s/it]
 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████▊      | 1004/1063 [1:40:30<28:10, 28.65s/it]
 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████▉      | 1005/1063 [1:40:32<20:00, 20.71s/it]
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████      | 1006/1063 [1:40:34<14:23, 15.15s/it]
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▏     | 1007/1063 [1:40:36<10:31, 11.28s/it]
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▎     | 1008/1063 [1:40:38<07:50,  8.56s/it]
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▎     | 1009/1063 [1:40:41<06:00,  6.68s/it]
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▍     | 1010/1063 [1:40:43<04:43,  5.36s/it]
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▌     | 1011/1063 [1:40:45<03:50,  4.43s/it]
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▋     | 1012/1063 [1:40:47<03:12,  3.77s/it]
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▊     | 1013/1063 [1:40:50<02:45,  3.31s/it]
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▉     | 1014/1063 [1:40:52<02:27,  3.00s/it]
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▉     | 1015/1063 [1:40:54<02:13,  2.79s/it]
 96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████     | 1016/1063 [1:40:56<02:02,  2.61s/it]
 96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▏    | 1017/1063 [1:40:59<01:54,  2.50s/it]
 96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▎    | 1018/1063 [1:41:01<01:49,  2.44s/it]
 96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▍    | 1019/1063 [1:41:03<01:45,  2.39s/it]
 96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌    | 1020/1063 [1:41:05<01:40,  2.33s/it]
                                                                                                                                                          
{'loss': 0.0137, 'grad_norm': 0.11394680291414261, 'learning_rate': 4.267701260911737e-06, 'epoch': 0.96}

 96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌    | 1020/1063 [1:41:05<01:40,  2.33s/it]
 96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌    | 1021/1063 [1:41:08<01:37,  2.31s/it]
 96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▋    | 1022/1063 [1:41:10<01:34,  2.30s/it]
 96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊    | 1023/1063 [1:41:12<01:31,  2.28s/it]
 96%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▉    | 1024/1063 [1:41:14<01:28,  2.27s/it]
 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████    | 1025/1063 [1:41:17<01:25,  2.26s/it]
 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▏   | 1026/1063 [1:41:19<01:23,  2.25s/it]
 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▏   | 1027/1063 [1:41:21<01:20,  2.25s/it]
 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▎   | 1028/1063 [1:41:23<01:18,  2.24s/it]
 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▍   | 1029/1063 [1:41:26<01:16,  2.25s/it]
 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▌   | 1030/1063 [1:41:28<01:14,  2.26s/it]
 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▋   | 1031/1063 [1:41:30<01:12,  2.25s/it]
 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▊   | 1032/1063 [1:41:32<01:09,  2.24s/it]
 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▊   | 1033/1063 [1:41:35<01:07,  2.25s/it]
 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▉   | 1034/1063 [1:41:37<01:05,  2.24s/it]
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████   | 1035/1063 [1:41:39<01:03,  2.26s/it]
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▏  | 1036/1063 [1:41:41<01:00,  2.26s/it]
 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▎  | 1037/1063 [1:41:44<00:58,  2.25s/it]
 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍  | 1038/1063 [1:41:46<00:56,  2.25s/it]
 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍  | 1039/1063 [1:41:48<00:53,  2.23s/it]
 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▌  | 1040/1063 [1:41:50<00:51,  2.24s/it]
                                                                                                                                                          
{'loss': 0.0135, 'grad_norm': 0.06685776263475418, 'learning_rate': 2.327837051406402e-06, 'epoch': 0.98}

 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▌  | 1040/1063 [1:41:50<00:51,  2.24s/it]
 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▋  | 1041/1063 [1:41:53<00:49,  2.24s/it]
 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▊  | 1042/1063 [1:41:55<00:47,  2.24s/it]
 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▉  | 1043/1063 [1:41:57<00:44,  2.23s/it]
 98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████  | 1044/1063 [1:41:59<00:42,  2.23s/it]
 98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████  | 1045/1063 [1:42:02<00:40,  2.24s/it]
 98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 1046/1063 [1:42:04<00:38,  2.24s/it]
 98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 1047/1063 [1:42:06<00:36,  2.25s/it]
 99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 1048/1063 [1:42:08<00:33,  2.24s/it]
 99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 1049/1063 [1:42:11<00:31,  2.23s/it]
 99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1050/1063 [1:42:13<00:28,  2.23s/it]
 99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 1051/1063 [1:42:15<00:26,  2.23s/it]
 99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 1052/1063 [1:42:17<00:24,  2.24s/it]
 99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 1053/1063 [1:42:19<00:22,  2.24s/it]
 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 1054/1063 [1:42:22<00:20,  2.25s/it]
 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▏| 1055/1063 [1:42:24<00:17,  2.25s/it]
 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▎| 1056/1063 [1:42:26<00:15,  2.26s/it]
 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▎| 1057/1063 [1:42:29<00:13,  2.26s/it]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▍| 1058/1063 [1:42:31<00:11,  2.26s/it]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▌| 1059/1063 [1:42:33<00:09,  2.26s/it]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋| 1060/1063 [1:42:35<00:06,  2.27s/it]
                                                                                                                                                          
{'loss': 0.0124, 'grad_norm': 0.07160358875989914, 'learning_rate': 3.8797284190106696e-07, 'epoch': 1.0}

100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋| 1060/1063 [1:42:35<00:06,  2.27s/it]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▊| 1061/1063 [1:42:38<00:04,  2.27s/it]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▉| 1062/1063 [1:42:40<00:02,  2.28s/it]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1063/1063 [1:42:42<00:00,  2.32s/it]09:36:44  INFO        eval generation: 50/64  (0.19 rec/s, 269.6s elapsed, ~75s left)
09:37:58  INFO        eval generation: 64/64  (0.19 rec/s, 343.8s elapsed, ~0s left)
09:38:18  INFO      Eval @ end_of_epoch_1 — n=512
09:38:18  INFO        slot              acc    acc|C    acc|I   P(INC)   R(INC)  F1(INC)
09:38:18  INFO        overall         0.893    0.914    0.878    0.937    0.878    0.906
09:38:18  INFO        E1              0.891    0.956    0.537    0.694    0.537    0.606
09:38:18  INFO        E2              0.969    0.978    0.946    0.946    0.946    0.946
09:38:18  INFO        E3              0.904    0.951    0.824    0.906    0.824    0.864
09:38:18  INFO        E4              0.896    0.925    0.848    0.871    0.848    0.859
09:38:18  INFO        exact_match=0.750  edge_macro_acc=0.915  malformed=0.000

                                                                                                                                                          
{'train_runtime': 6920.8766, 'train_samples_per_second': 4.913, 'train_steps_per_second': 0.154, 'train_loss': 0.0191556752912581, 'epoch': 1.0}

100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1063/1063 [1:48:49<00:00,  2.32s/it]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1063/1063 [1:48:49<00:00,  6.14s/it]
09:38:20  INFO      Saved final adapter + processor → /workspace/fms4navigation/results/PRM-v2-r256/final
wandb: 
wandb: 🚀 View run ruby-bird-20 at: https://wandb.ai/mjf-su-stanford-university/huggingface/runs/ciao5cei
wandb: Find logs at: wandb/run-20260515_074304-ciao5cei/logs
[rank0]:[W515 09:38:22.830496392 ProcessGroupNCCL.cpp:1553] Warning: WARNING: destroy_process_group() was not called before program exit, which can leak resources. For more info, please see https://pytorch.org/docs/stable/distributed.html#shutdown (function operator())