{
  "best_global_step": 750,
  "best_metric": 0.9994999999861112,
  "best_model_checkpoint": "./results/checkpoint-750",
  "epoch": 1.0,
  "eval_steps": 500,
  "global_step": 750,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 4.2009477615356445,
      "learning_rate": 1.9920000000000002e-05,
      "loss": 0.5793,
      "step": 10
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 5.8630290031433105,
      "learning_rate": 1.9831111111111113e-05,
      "loss": 0.3539,
      "step": 20
    },
    {
      "epoch": 0.04,
      "grad_norm": 2.211989402770996,
      "learning_rate": 1.9742222222222223e-05,
      "loss": 0.1573,
      "step": 30
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 1.2404732704162598,
      "learning_rate": 1.9653333333333334e-05,
      "loss": 0.0594,
      "step": 40
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.19655780494213104,
      "learning_rate": 1.9564444444444444e-05,
      "loss": 0.0144,
      "step": 50
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.09529717266559601,
      "learning_rate": 1.9475555555555558e-05,
      "loss": 0.023,
      "step": 60
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 0.06829739362001419,
      "learning_rate": 1.938666666666667e-05,
      "loss": 0.0116,
      "step": 70
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 12.565340995788574,
      "learning_rate": 1.929777777777778e-05,
      "loss": 0.0297,
      "step": 80
    },
    {
      "epoch": 0.12,
      "grad_norm": 5.317912578582764,
      "learning_rate": 1.920888888888889e-05,
      "loss": 0.0085,
      "step": 90
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.029530808329582214,
      "learning_rate": 1.912e-05,
      "loss": 0.019,
      "step": 100
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 0.03396850824356079,
      "learning_rate": 1.9031111111111114e-05,
      "loss": 0.0189,
      "step": 110
    },
    {
      "epoch": 0.16,
      "grad_norm": 0.033129382878541946,
      "learning_rate": 1.8942222222222224e-05,
      "loss": 0.0235,
      "step": 120
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 1.7287143468856812,
      "learning_rate": 1.8853333333333335e-05,
      "loss": 0.0063,
      "step": 130
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 15.222946166992188,
      "learning_rate": 1.8764444444444445e-05,
      "loss": 0.0143,
      "step": 140
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.05714699253439903,
      "learning_rate": 1.867555555555556e-05,
      "loss": 0.0011,
      "step": 150
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 0.016429800540208817,
      "learning_rate": 1.858666666666667e-05,
      "loss": 0.0121,
      "step": 160
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 0.019843479618430138,
      "learning_rate": 1.849777777777778e-05,
      "loss": 0.0017,
      "step": 170
    },
    {
      "epoch": 0.24,
      "grad_norm": 7.414809226989746,
      "learning_rate": 1.840888888888889e-05,
      "loss": 0.0237,
      "step": 180
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 0.015916986390948296,
      "learning_rate": 1.832e-05,
      "loss": 0.0008,
      "step": 190
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.0964478999376297,
      "learning_rate": 1.823111111111111e-05,
      "loss": 0.0008,
      "step": 200
    },
    {
      "epoch": 0.28,
      "grad_norm": 0.010824169963598251,
      "learning_rate": 1.814222222222222e-05,
      "loss": 0.0006,
      "step": 210
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 0.01576155610382557,
      "learning_rate": 1.8053333333333332e-05,
      "loss": 0.0006,
      "step": 220
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 0.07949530333280563,
      "learning_rate": 1.7964444444444446e-05,
      "loss": 0.0005,
      "step": 230
    },
    {
      "epoch": 0.32,
      "grad_norm": 0.008866013959050179,
      "learning_rate": 1.7875555555555556e-05,
      "loss": 0.0005,
      "step": 240
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.009053224697709084,
      "learning_rate": 1.7786666666666667e-05,
      "loss": 0.0004,
      "step": 250
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 0.007565929088741541,
      "learning_rate": 1.7697777777777777e-05,
      "loss": 0.0004,
      "step": 260
    },
    {
      "epoch": 0.36,
      "grad_norm": 5.090193271636963,
      "learning_rate": 1.760888888888889e-05,
      "loss": 0.0127,
      "step": 270
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 0.07115495949983597,
      "learning_rate": 1.752e-05,
      "loss": 0.002,
      "step": 280
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 6.205690860748291,
      "learning_rate": 1.7431111111111112e-05,
      "loss": 0.0014,
      "step": 290
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.0062888432294130325,
      "learning_rate": 1.7342222222222226e-05,
      "loss": 0.0051,
      "step": 300
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 0.006533649750053883,
      "learning_rate": 1.7253333333333336e-05,
      "loss": 0.0328,
      "step": 310
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.006772203836590052,
      "learning_rate": 1.7164444444444447e-05,
      "loss": 0.0003,
      "step": 320
    },
    {
      "epoch": 0.44,
      "grad_norm": 0.011663462966680527,
      "learning_rate": 1.7075555555555557e-05,
      "loss": 0.0249,
      "step": 330
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 0.010735326446592808,
      "learning_rate": 1.6986666666666668e-05,
      "loss": 0.0068,
      "step": 340
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.10516713559627533,
      "learning_rate": 1.6897777777777778e-05,
      "loss": 0.0308,
      "step": 350
    },
    {
      "epoch": 0.48,
      "grad_norm": 0.01908380538225174,
      "learning_rate": 1.680888888888889e-05,
      "loss": 0.0015,
      "step": 360
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 0.007610603701323271,
      "learning_rate": 1.672e-05,
      "loss": 0.0203,
      "step": 370
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 0.006722429767251015,
      "learning_rate": 1.6631111111111113e-05,
      "loss": 0.0003,
      "step": 380
    },
    {
      "epoch": 0.52,
      "grad_norm": 0.0061662993393838406,
      "learning_rate": 1.6542222222222223e-05,
      "loss": 0.0003,
      "step": 390
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 7.585030555725098,
      "learning_rate": 1.6453333333333334e-05,
      "loss": 0.0334,
      "step": 400
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 0.008586220443248749,
      "learning_rate": 1.6364444444444444e-05,
      "loss": 0.0004,
      "step": 410
    },
    {
      "epoch": 0.56,
      "grad_norm": 0.006108617875725031,
      "learning_rate": 1.6275555555555558e-05,
      "loss": 0.0017,
      "step": 420
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 0.2832947373390198,
      "learning_rate": 1.618666666666667e-05,
      "loss": 0.0004,
      "step": 430
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 0.004175846930593252,
      "learning_rate": 1.609777777777778e-05,
      "loss": 0.0004,
      "step": 440
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.004677283577620983,
      "learning_rate": 1.600888888888889e-05,
      "loss": 0.0038,
      "step": 450
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.004427958279848099,
      "learning_rate": 1.5920000000000003e-05,
      "loss": 0.0002,
      "step": 460
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 0.24659259617328644,
      "learning_rate": 1.5831111111111114e-05,
      "loss": 0.0125,
      "step": 470
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.003993011079728603,
      "learning_rate": 1.5742222222222224e-05,
      "loss": 0.0068,
      "step": 480
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 5.769199371337891,
      "learning_rate": 1.5653333333333335e-05,
      "loss": 0.0013,
      "step": 490
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.0035064038820564747,
      "learning_rate": 1.5564444444444445e-05,
      "loss": 0.0012,
      "step": 500
    },
    {
      "epoch": 0.68,
      "grad_norm": 0.027934523299336433,
      "learning_rate": 1.5475555555555556e-05,
      "loss": 0.0001,
      "step": 510
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.015728602185845375,
      "learning_rate": 1.5386666666666666e-05,
      "loss": 0.0271,
      "step": 520
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 0.019892141222953796,
      "learning_rate": 1.5297777777777777e-05,
      "loss": 0.0029,
      "step": 530
    },
    {
      "epoch": 0.72,
      "grad_norm": 0.013008343055844307,
      "learning_rate": 1.520888888888889e-05,
      "loss": 0.0148,
      "step": 540
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.00606475630775094,
      "learning_rate": 1.5120000000000001e-05,
      "loss": 0.0003,
      "step": 550
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.006063585169613361,
      "learning_rate": 1.5031111111111111e-05,
      "loss": 0.01,
      "step": 560
    },
    {
      "epoch": 0.76,
      "grad_norm": 0.06981518119573593,
      "learning_rate": 1.4942222222222222e-05,
      "loss": 0.0003,
      "step": 570
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 0.0042991722002625465,
      "learning_rate": 1.4853333333333336e-05,
      "loss": 0.0303,
      "step": 580
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 0.010419433005154133,
      "learning_rate": 1.4764444444444446e-05,
      "loss": 0.0092,
      "step": 590
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.009145410731434822,
      "learning_rate": 1.4675555555555557e-05,
      "loss": 0.0038,
      "step": 600
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 0.32218819856643677,
      "learning_rate": 1.4586666666666667e-05,
      "loss": 0.0181,
      "step": 610
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 0.018776364624500275,
      "learning_rate": 1.449777777777778e-05,
      "loss": 0.0034,
      "step": 620
    },
    {
      "epoch": 0.84,
      "grad_norm": 0.046578943729400635,
      "learning_rate": 1.440888888888889e-05,
      "loss": 0.0033,
      "step": 630
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.007687447592616081,
      "learning_rate": 1.432e-05,
      "loss": 0.0004,
      "step": 640
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.006212145555764437,
      "learning_rate": 1.4231111111111114e-05,
      "loss": 0.0005,
      "step": 650
    },
    {
      "epoch": 0.88,
      "grad_norm": 0.005200870335102081,
      "learning_rate": 1.4142222222222224e-05,
      "loss": 0.0002,
      "step": 660
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 0.004263885784894228,
      "learning_rate": 1.4053333333333335e-05,
      "loss": 0.0036,
      "step": 670
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.018244730308651924,
      "learning_rate": 1.3964444444444445e-05,
      "loss": 0.0218,
      "step": 680
    },
    {
      "epoch": 0.92,
      "grad_norm": 0.0318700410425663,
      "learning_rate": 1.3875555555555557e-05,
      "loss": 0.0005,
      "step": 690
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.008346239104866982,
      "learning_rate": 1.3786666666666668e-05,
      "loss": 0.003,
      "step": 700
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 0.004403337836265564,
      "learning_rate": 1.3697777777777778e-05,
      "loss": 0.0012,
      "step": 710
    },
    {
      "epoch": 0.96,
      "grad_norm": 24.84230613708496,
      "learning_rate": 1.3608888888888889e-05,
      "loss": 0.0068,
      "step": 720
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.0038202879950404167,
      "learning_rate": 1.3520000000000003e-05,
      "loss": 0.0002,
      "step": 730
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.0034862267784774303,
      "learning_rate": 1.3431111111111113e-05,
      "loss": 0.0004,
      "step": 740
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.005799445789307356,
      "learning_rate": 1.3342222222222224e-05,
      "loss": 0.0002,
      "step": 750
    },
    {
      "epoch": 1.0,
      "eval_accuracy": 0.9995,
      "eval_f1": 0.9994999999861112,
      "eval_loss": 0.002998237032443285,
      "eval_runtime": 31.8484,
      "eval_samples_per_second": 188.393,
      "eval_steps_per_second": 5.903,
      "step": 750
    }
  ],
  "logging_steps": 10,
  "max_steps": 2250,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 500,
  "stateful_callbacks": {
    "EarlyStoppingCallback": {
      "args": {
        "early_stopping_patience": 2,
        "early_stopping_threshold": 0.0
      },
      "attributes": {
        "early_stopping_patience_counter": 0
      }
    },
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 1578666332160000.0,
  "train_batch_size": 32,
  "trial_name": null,
  "trial_params": null
}