{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.06666666666666667,
  "eval_steps": 500,
  "global_step": 10000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 6.666666666666667e-05,
      "grad_norm": 6.0625,
      "learning_rate": 6.000000000000001e-07,
      "loss": 0.5081,
      "step": 10
    },
    {
      "epoch": 0.00013333333333333334,
      "grad_norm": 7.0,
      "learning_rate": 1.2666666666666669e-06,
      "loss": 0.5007,
      "step": 20
    },
    {
      "epoch": 0.0002,
      "grad_norm": 6.40625,
      "learning_rate": 1.9333333333333336e-06,
      "loss": 0.431,
      "step": 30
    },
    {
      "epoch": 0.0002666666666666667,
      "grad_norm": 6.34375,
      "learning_rate": 2.6e-06,
      "loss": 0.4767,
      "step": 40
    },
    {
      "epoch": 0.0003333333333333333,
      "grad_norm": 6.4375,
      "learning_rate": 3.266666666666667e-06,
      "loss": 0.519,
      "step": 50
    },
    {
      "epoch": 0.0004,
      "grad_norm": 5.40625,
      "learning_rate": 3.9333333333333335e-06,
      "loss": 0.4734,
      "step": 60
    },
    {
      "epoch": 0.00046666666666666666,
      "grad_norm": 5.8125,
      "learning_rate": 4.600000000000001e-06,
      "loss": 0.5168,
      "step": 70
    },
    {
      "epoch": 0.0005333333333333334,
      "grad_norm": 5.71875,
      "learning_rate": 5.2666666666666665e-06,
      "loss": 0.4655,
      "step": 80
    },
    {
      "epoch": 0.0006,
      "grad_norm": 5.09375,
      "learning_rate": 5.933333333333335e-06,
      "loss": 0.4957,
      "step": 90
    },
    {
      "epoch": 0.0006666666666666666,
      "grad_norm": 6.625,
      "learning_rate": 6.600000000000001e-06,
      "loss": 0.502,
      "step": 100
    },
    {
      "epoch": 0.0007333333333333333,
      "grad_norm": 6.8125,
      "learning_rate": 7.266666666666668e-06,
      "loss": 0.5158,
      "step": 110
    },
    {
      "epoch": 0.0008,
      "grad_norm": 5.5625,
      "learning_rate": 7.933333333333334e-06,
      "loss": 0.4354,
      "step": 120
    },
    {
      "epoch": 0.0008666666666666666,
      "grad_norm": 5.53125,
      "learning_rate": 8.6e-06,
      "loss": 0.4331,
      "step": 130
    },
    {
      "epoch": 0.0009333333333333333,
      "grad_norm": 8.375,
      "learning_rate": 9.266666666666667e-06,
      "loss": 0.5064,
      "step": 140
    },
    {
      "epoch": 0.001,
      "grad_norm": 5.78125,
      "learning_rate": 9.933333333333334e-06,
      "loss": 0.4452,
      "step": 150
    },
    {
      "epoch": 0.0010666666666666667,
      "grad_norm": 5.03125,
      "learning_rate": 1.0600000000000002e-05,
      "loss": 0.5262,
      "step": 160
    },
    {
      "epoch": 0.0011333333333333334,
      "grad_norm": 5.40625,
      "learning_rate": 1.1266666666666668e-05,
      "loss": 0.5014,
      "step": 170
    },
    {
      "epoch": 0.0012,
      "grad_norm": 7.0625,
      "learning_rate": 1.1933333333333335e-05,
      "loss": 0.4929,
      "step": 180
    },
    {
      "epoch": 0.0012666666666666666,
      "grad_norm": 8.5,
      "learning_rate": 1.2600000000000001e-05,
      "loss": 0.5083,
      "step": 190
    },
    {
      "epoch": 0.0013333333333333333,
      "grad_norm": 8.8125,
      "learning_rate": 1.3266666666666668e-05,
      "loss": 0.4826,
      "step": 200
    },
    {
      "epoch": 0.0014,
      "grad_norm": 7.28125,
      "learning_rate": 1.3933333333333334e-05,
      "loss": 0.4915,
      "step": 210
    },
    {
      "epoch": 0.0014666666666666667,
      "grad_norm": 5.53125,
      "learning_rate": 1.46e-05,
      "loss": 0.4559,
      "step": 220
    },
    {
      "epoch": 0.0015333333333333334,
      "grad_norm": 5.65625,
      "learning_rate": 1.5266666666666667e-05,
      "loss": 0.4847,
      "step": 230
    },
    {
      "epoch": 0.0016,
      "grad_norm": 5.40625,
      "learning_rate": 1.5933333333333336e-05,
      "loss": 0.4826,
      "step": 240
    },
    {
      "epoch": 0.0016666666666666668,
      "grad_norm": 4.3125,
      "learning_rate": 1.66e-05,
      "loss": 0.5438,
      "step": 250
    },
    {
      "epoch": 0.0017333333333333333,
      "grad_norm": 4.53125,
      "learning_rate": 1.726666666666667e-05,
      "loss": 0.4098,
      "step": 260
    },
    {
      "epoch": 0.0018,
      "grad_norm": 5.96875,
      "learning_rate": 1.7933333333333333e-05,
      "loss": 0.4681,
      "step": 270
    },
    {
      "epoch": 0.0018666666666666666,
      "grad_norm": 6.75,
      "learning_rate": 1.86e-05,
      "loss": 0.4841,
      "step": 280
    },
    {
      "epoch": 0.0019333333333333333,
      "grad_norm": 5.71875,
      "learning_rate": 1.926666666666667e-05,
      "loss": 0.4808,
      "step": 290
    },
    {
      "epoch": 0.002,
      "grad_norm": 5.3125,
      "learning_rate": 1.9933333333333334e-05,
      "loss": 0.469,
      "step": 300
    },
    {
      "epoch": 0.0020666666666666667,
      "grad_norm": 5.9375,
      "learning_rate": 1.9999999821634372e-05,
      "loss": 0.4593,
      "step": 310
    },
    {
      "epoch": 0.0021333333333333334,
      "grad_norm": 7.40625,
      "learning_rate": 1.999999920506184e-05,
      "loss": 0.4364,
      "step": 320
    },
    {
      "epoch": 0.0022,
      "grad_norm": 5.65625,
      "learning_rate": 1.999999814808039e-05,
      "loss": 0.4905,
      "step": 330
    },
    {
      "epoch": 0.002266666666666667,
      "grad_norm": 5.28125,
      "learning_rate": 1.9999996650690057e-05,
      "loss": 0.4296,
      "step": 340
    },
    {
      "epoch": 0.0023333333333333335,
      "grad_norm": 6.21875,
      "learning_rate": 1.9999994712890916e-05,
      "loss": 0.4234,
      "step": 350
    },
    {
      "epoch": 0.0024,
      "grad_norm": 5.78125,
      "learning_rate": 1.9999992334683056e-05,
      "loss": 0.4044,
      "step": 360
    },
    {
      "epoch": 0.0024666666666666665,
      "grad_norm": 5.625,
      "learning_rate": 1.999998951606657e-05,
      "loss": 0.4884,
      "step": 370
    },
    {
      "epoch": 0.002533333333333333,
      "grad_norm": 6.03125,
      "learning_rate": 1.9999986257041594e-05,
      "loss": 0.4963,
      "step": 380
    },
    {
      "epoch": 0.0026,
      "grad_norm": 6.09375,
      "learning_rate": 1.9999982557608263e-05,
      "loss": 0.5,
      "step": 390
    },
    {
      "epoch": 0.0026666666666666666,
      "grad_norm": 6.03125,
      "learning_rate": 1.9999978417766744e-05,
      "loss": 0.47,
      "step": 400
    },
    {
      "epoch": 0.0027333333333333333,
      "grad_norm": 5.21875,
      "learning_rate": 1.9999973837517218e-05,
      "loss": 0.4541,
      "step": 410
    },
    {
      "epoch": 0.0028,
      "grad_norm": 5.875,
      "learning_rate": 1.9999968816859886e-05,
      "loss": 0.4665,
      "step": 420
    },
    {
      "epoch": 0.0028666666666666667,
      "grad_norm": 7.78125,
      "learning_rate": 1.9999963355794974e-05,
      "loss": 0.4715,
      "step": 430
    },
    {
      "epoch": 0.0029333333333333334,
      "grad_norm": 4.40625,
      "learning_rate": 1.9999957454322717e-05,
      "loss": 0.4819,
      "step": 440
    },
    {
      "epoch": 0.003,
      "grad_norm": 4.40625,
      "learning_rate": 1.9999951112443377e-05,
      "loss": 0.415,
      "step": 450
    },
    {
      "epoch": 0.0030666666666666668,
      "grad_norm": 5.3125,
      "learning_rate": 1.999994433015723e-05,
      "loss": 0.4869,
      "step": 460
    },
    {
      "epoch": 0.0031333333333333335,
      "grad_norm": 7.5,
      "learning_rate": 1.999993710746458e-05,
      "loss": 0.4207,
      "step": 470
    },
    {
      "epoch": 0.0032,
      "grad_norm": 5.75,
      "learning_rate": 1.9999929444365743e-05,
      "loss": 0.4473,
      "step": 480
    },
    {
      "epoch": 0.003266666666666667,
      "grad_norm": 5.28125,
      "learning_rate": 1.9999921340861056e-05,
      "loss": 0.4305,
      "step": 490
    },
    {
      "epoch": 0.0033333333333333335,
      "grad_norm": 8.0,
      "learning_rate": 1.9999912796950875e-05,
      "loss": 0.4864,
      "step": 500
    },
    {
      "epoch": 0.0034,
      "grad_norm": 5.21875,
      "learning_rate": 1.999990381263558e-05,
      "loss": 0.519,
      "step": 510
    },
    {
      "epoch": 0.0034666666666666665,
      "grad_norm": 5.25,
      "learning_rate": 1.9999894387915562e-05,
      "loss": 0.5032,
      "step": 520
    },
    {
      "epoch": 0.003533333333333333,
      "grad_norm": 6.375,
      "learning_rate": 1.9999884522791236e-05,
      "loss": 0.4517,
      "step": 530
    },
    {
      "epoch": 0.0036,
      "grad_norm": 4.8125,
      "learning_rate": 1.9999874217263043e-05,
      "loss": 0.5044,
      "step": 540
    },
    {
      "epoch": 0.0036666666666666666,
      "grad_norm": 5.34375,
      "learning_rate": 1.999986347133143e-05,
      "loss": 0.4577,
      "step": 550
    },
    {
      "epoch": 0.0037333333333333333,
      "grad_norm": 6.875,
      "learning_rate": 1.9999852284996873e-05,
      "loss": 0.4712,
      "step": 560
    },
    {
      "epoch": 0.0038,
      "grad_norm": 6.84375,
      "learning_rate": 1.9999840658259865e-05,
      "loss": 0.4787,
      "step": 570
    },
    {
      "epoch": 0.0038666666666666667,
      "grad_norm": 7.03125,
      "learning_rate": 1.999982859112092e-05,
      "loss": 0.4751,
      "step": 580
    },
    {
      "epoch": 0.003933333333333333,
      "grad_norm": 4.65625,
      "learning_rate": 1.9999816083580564e-05,
      "loss": 0.4584,
      "step": 590
    },
    {
      "epoch": 0.004,
      "grad_norm": 13.8125,
      "learning_rate": 1.9999803135639353e-05,
      "loss": 0.4817,
      "step": 600
    },
    {
      "epoch": 0.004066666666666666,
      "grad_norm": 6.09375,
      "learning_rate": 1.999978974729785e-05,
      "loss": 0.4273,
      "step": 610
    },
    {
      "epoch": 0.0041333333333333335,
      "grad_norm": 4.3125,
      "learning_rate": 1.9999775918556653e-05,
      "loss": 0.4567,
      "step": 620
    },
    {
      "epoch": 0.0042,
      "grad_norm": 4.84375,
      "learning_rate": 1.999976164941637e-05,
      "loss": 0.3799,
      "step": 630
    },
    {
      "epoch": 0.004266666666666667,
      "grad_norm": 6.34375,
      "learning_rate": 1.9999746939877625e-05,
      "loss": 0.4258,
      "step": 640
    },
    {
      "epoch": 0.004333333333333333,
      "grad_norm": 7.375,
      "learning_rate": 1.9999731789941066e-05,
      "loss": 0.4301,
      "step": 650
    },
    {
      "epoch": 0.0044,
      "grad_norm": 8.0625,
      "learning_rate": 1.9999716199607364e-05,
      "loss": 0.4472,
      "step": 660
    },
    {
      "epoch": 0.0044666666666666665,
      "grad_norm": 5.8125,
      "learning_rate": 1.99997001688772e-05,
      "loss": 0.4257,
      "step": 670
    },
    {
      "epoch": 0.004533333333333334,
      "grad_norm": 5.25,
      "learning_rate": 1.999968369775129e-05,
      "loss": 0.4464,
      "step": 680
    },
    {
      "epoch": 0.0046,
      "grad_norm": 6.90625,
      "learning_rate": 1.999966678623035e-05,
      "loss": 0.4524,
      "step": 690
    },
    {
      "epoch": 0.004666666666666667,
      "grad_norm": 4.71875,
      "learning_rate": 1.999964943431513e-05,
      "loss": 0.4295,
      "step": 700
    },
    {
      "epoch": 0.004733333333333333,
      "grad_norm": 4.34375,
      "learning_rate": 1.999963164200639e-05,
      "loss": 0.4285,
      "step": 710
    },
    {
      "epoch": 0.0048,
      "grad_norm": 6.84375,
      "learning_rate": 1.9999613409304914e-05,
      "loss": 0.4348,
      "step": 720
    },
    {
      "epoch": 0.004866666666666667,
      "grad_norm": 5.71875,
      "learning_rate": 1.9999594736211508e-05,
      "loss": 0.4151,
      "step": 730
    },
    {
      "epoch": 0.004933333333333333,
      "grad_norm": 5.15625,
      "learning_rate": 1.9999575622726997e-05,
      "loss": 0.4576,
      "step": 740
    },
    {
      "epoch": 0.005,
      "grad_norm": 5.59375,
      "learning_rate": 1.9999556068852215e-05,
      "loss": 0.4333,
      "step": 750
    },
    {
      "epoch": 0.005066666666666666,
      "grad_norm": 4.15625,
      "learning_rate": 1.999953607458803e-05,
      "loss": 0.4252,
      "step": 760
    },
    {
      "epoch": 0.0051333333333333335,
      "grad_norm": 10.1875,
      "learning_rate": 1.9999515639935318e-05,
      "loss": 0.4748,
      "step": 770
    },
    {
      "epoch": 0.0052,
      "grad_norm": 5.09375,
      "learning_rate": 1.9999494764894977e-05,
      "loss": 0.4643,
      "step": 780
    },
    {
      "epoch": 0.005266666666666667,
      "grad_norm": 3.078125,
      "learning_rate": 1.9999473449467933e-05,
      "loss": 0.4133,
      "step": 790
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 6.78125,
      "learning_rate": 1.9999451693655125e-05,
      "loss": 0.5265,
      "step": 800
    },
    {
      "epoch": 0.0054,
      "grad_norm": 9.9375,
      "learning_rate": 1.99994294974575e-05,
      "loss": 0.4844,
      "step": 810
    },
    {
      "epoch": 0.0054666666666666665,
      "grad_norm": 4.59375,
      "learning_rate": 1.999940686087605e-05,
      "loss": 0.4152,
      "step": 820
    },
    {
      "epoch": 0.005533333333333334,
      "grad_norm": 5.09375,
      "learning_rate": 1.9999383783911765e-05,
      "loss": 0.456,
      "step": 830
    },
    {
      "epoch": 0.0056,
      "grad_norm": 4.78125,
      "learning_rate": 1.999936026656566e-05,
      "loss": 0.4073,
      "step": 840
    },
    {
      "epoch": 0.005666666666666667,
      "grad_norm": 4.46875,
      "learning_rate": 1.9999336308838772e-05,
      "loss": 0.4423,
      "step": 850
    },
    {
      "epoch": 0.005733333333333333,
      "grad_norm": 4.59375,
      "learning_rate": 1.9999311910732156e-05,
      "loss": 0.4666,
      "step": 860
    },
    {
      "epoch": 0.0058,
      "grad_norm": 5.0625,
      "learning_rate": 1.9999287072246887e-05,
      "loss": 0.3996,
      "step": 870
    },
    {
      "epoch": 0.005866666666666667,
      "grad_norm": 4.9375,
      "learning_rate": 1.999926179338406e-05,
      "loss": 0.4236,
      "step": 880
    },
    {
      "epoch": 0.005933333333333333,
      "grad_norm": 4.8125,
      "learning_rate": 1.9999236074144787e-05,
      "loss": 0.4652,
      "step": 890
    },
    {
      "epoch": 0.006,
      "grad_norm": 5.0625,
      "learning_rate": 1.9999209914530202e-05,
      "loss": 0.3841,
      "step": 900
    },
    {
      "epoch": 0.006066666666666666,
      "grad_norm": 4.53125,
      "learning_rate": 1.9999183314541453e-05,
      "loss": 0.4118,
      "step": 910
    },
    {
      "epoch": 0.0061333333333333335,
      "grad_norm": 5.46875,
      "learning_rate": 1.9999156274179716e-05,
      "loss": 0.4518,
      "step": 920
    },
    {
      "epoch": 0.0062,
      "grad_norm": 8.1875,
      "learning_rate": 1.999912879344618e-05,
      "loss": 0.4219,
      "step": 930
    },
    {
      "epoch": 0.006266666666666667,
      "grad_norm": 4.875,
      "learning_rate": 1.9999100872342058e-05,
      "loss": 0.471,
      "step": 940
    },
    {
      "epoch": 0.006333333333333333,
      "grad_norm": 4.875,
      "learning_rate": 1.9999072510868576e-05,
      "loss": 0.4279,
      "step": 950
    },
    {
      "epoch": 0.0064,
      "grad_norm": 4.1875,
      "learning_rate": 1.9999043709026984e-05,
      "loss": 0.4724,
      "step": 960
    },
    {
      "epoch": 0.006466666666666667,
      "grad_norm": 3.734375,
      "learning_rate": 1.999901446681855e-05,
      "loss": 0.4871,
      "step": 970
    },
    {
      "epoch": 0.006533333333333334,
      "grad_norm": 5.15625,
      "learning_rate": 1.9998984784244562e-05,
      "loss": 0.4683,
      "step": 980
    },
    {
      "epoch": 0.0066,
      "grad_norm": 7.5,
      "learning_rate": 1.999895466130633e-05,
      "loss": 0.446,
      "step": 990
    },
    {
      "epoch": 0.006666666666666667,
      "grad_norm": 5.125,
      "learning_rate": 1.9998924098005176e-05,
      "loss": 0.3888,
      "step": 1000
    },
    {
      "epoch": 0.006733333333333333,
      "grad_norm": 5.0,
      "learning_rate": 1.9998893094342452e-05,
      "loss": 0.4693,
      "step": 1010
    },
    {
      "epoch": 0.0068,
      "grad_norm": 7.34375,
      "learning_rate": 1.999886165031952e-05,
      "loss": 0.4352,
      "step": 1020
    },
    {
      "epoch": 0.006866666666666667,
      "grad_norm": 5.5,
      "learning_rate": 1.999882976593776e-05,
      "loss": 0.3809,
      "step": 1030
    },
    {
      "epoch": 0.006933333333333333,
      "grad_norm": 5.875,
      "learning_rate": 1.999879744119859e-05,
      "loss": 0.4478,
      "step": 1040
    },
    {
      "epoch": 0.007,
      "grad_norm": 6.40625,
      "learning_rate": 1.9998764676103417e-05,
      "loss": 0.4317,
      "step": 1050
    },
    {
      "epoch": 0.007066666666666666,
      "grad_norm": 4.65625,
      "learning_rate": 1.9998731470653695e-05,
      "loss": 0.463,
      "step": 1060
    },
    {
      "epoch": 0.0071333333333333335,
      "grad_norm": 8.5,
      "learning_rate": 1.999869782485088e-05,
      "loss": 0.4447,
      "step": 1070
    },
    {
      "epoch": 0.0072,
      "grad_norm": 5.40625,
      "learning_rate": 1.999866373869646e-05,
      "loss": 0.4313,
      "step": 1080
    },
    {
      "epoch": 0.007266666666666667,
      "grad_norm": 4.65625,
      "learning_rate": 1.9998629212191933e-05,
      "loss": 0.4417,
      "step": 1090
    },
    {
      "epoch": 0.007333333333333333,
      "grad_norm": 5.40625,
      "learning_rate": 1.999859424533882e-05,
      "loss": 0.4643,
      "step": 1100
    },
    {
      "epoch": 0.0074,
      "grad_norm": 5.5625,
      "learning_rate": 1.9998558838138654e-05,
      "loss": 0.4348,
      "step": 1110
    },
    {
      "epoch": 0.007466666666666667,
      "grad_norm": 4.90625,
      "learning_rate": 1.999852299059301e-05,
      "loss": 0.4641,
      "step": 1120
    },
    {
      "epoch": 0.007533333333333334,
      "grad_norm": 5.15625,
      "learning_rate": 1.9998486702703453e-05,
      "loss": 0.4406,
      "step": 1130
    },
    {
      "epoch": 0.0076,
      "grad_norm": 6.1875,
      "learning_rate": 1.9998449974471587e-05,
      "loss": 0.4341,
      "step": 1140
    },
    {
      "epoch": 0.007666666666666666,
      "grad_norm": 6.65625,
      "learning_rate": 1.999841280589903e-05,
      "loss": 0.4646,
      "step": 1150
    },
    {
      "epoch": 0.007733333333333333,
      "grad_norm": 4.3125,
      "learning_rate": 1.9998375196987415e-05,
      "loss": 0.4471,
      "step": 1160
    },
    {
      "epoch": 0.0078,
      "grad_norm": 5.0625,
      "learning_rate": 1.99983371477384e-05,
      "loss": 0.4143,
      "step": 1170
    },
    {
      "epoch": 0.007866666666666666,
      "grad_norm": 5.96875,
      "learning_rate": 1.9998298658153662e-05,
      "loss": 0.3822,
      "step": 1180
    },
    {
      "epoch": 0.007933333333333334,
      "grad_norm": 6.21875,
      "learning_rate": 1.99982597282349e-05,
      "loss": 0.4334,
      "step": 1190
    },
    {
      "epoch": 0.008,
      "grad_norm": 2.90625,
      "learning_rate": 1.9998220357983817e-05,
      "loss": 0.3927,
      "step": 1200
    },
    {
      "epoch": 0.008066666666666666,
      "grad_norm": 4.625,
      "learning_rate": 1.9998180547402157e-05,
      "loss": 0.4697,
      "step": 1210
    },
    {
      "epoch": 0.008133333333333333,
      "grad_norm": 5.46875,
      "learning_rate": 1.999814029649167e-05,
      "loss": 0.4509,
      "step": 1220
    },
    {
      "epoch": 0.0082,
      "grad_norm": 5.1875,
      "learning_rate": 1.999809960525413e-05,
      "loss": 0.4562,
      "step": 1230
    },
    {
      "epoch": 0.008266666666666667,
      "grad_norm": 9.5,
      "learning_rate": 1.9998058473691327e-05,
      "loss": 0.4009,
      "step": 1240
    },
    {
      "epoch": 0.008333333333333333,
      "grad_norm": 4.6875,
      "learning_rate": 1.9998016901805073e-05,
      "loss": 0.4088,
      "step": 1250
    },
    {
      "epoch": 0.0084,
      "grad_norm": 5.0,
      "learning_rate": 1.9997974889597203e-05,
      "loss": 0.4381,
      "step": 1260
    },
    {
      "epoch": 0.008466666666666667,
      "grad_norm": 5.03125,
      "learning_rate": 1.999793243706956e-05,
      "loss": 0.4337,
      "step": 1270
    },
    {
      "epoch": 0.008533333333333334,
      "grad_norm": 5.78125,
      "learning_rate": 1.999788954422402e-05,
      "loss": 0.486,
      "step": 1280
    },
    {
      "epoch": 0.0086,
      "grad_norm": 4.625,
      "learning_rate": 1.9997846211062466e-05,
      "loss": 0.4539,
      "step": 1290
    },
    {
      "epoch": 0.008666666666666666,
      "grad_norm": 4.09375,
      "learning_rate": 1.999780243758681e-05,
      "loss": 0.3915,
      "step": 1300
    },
    {
      "epoch": 0.008733333333333333,
      "grad_norm": 3.984375,
      "learning_rate": 1.999775822379898e-05,
      "loss": 0.4344,
      "step": 1310
    },
    {
      "epoch": 0.0088,
      "grad_norm": 4.28125,
      "learning_rate": 1.9997713569700925e-05,
      "loss": 0.4657,
      "step": 1320
    },
    {
      "epoch": 0.008866666666666667,
      "grad_norm": 5.46875,
      "learning_rate": 1.9997668475294607e-05,
      "loss": 0.4478,
      "step": 1330
    },
    {
      "epoch": 0.008933333333333333,
      "grad_norm": 8.5625,
      "learning_rate": 1.9997622940582017e-05,
      "loss": 0.4775,
      "step": 1340
    },
    {
      "epoch": 0.009,
      "grad_norm": 4.875,
      "learning_rate": 1.9997576965565156e-05,
      "loss": 0.4351,
      "step": 1350
    },
    {
      "epoch": 0.009066666666666667,
      "grad_norm": 4.78125,
      "learning_rate": 1.999753055024605e-05,
      "loss": 0.4188,
      "step": 1360
    },
    {
      "epoch": 0.009133333333333334,
      "grad_norm": 2.765625,
      "learning_rate": 1.9997483694626746e-05,
      "loss": 0.4538,
      "step": 1370
    },
    {
      "epoch": 0.0092,
      "grad_norm": 6.0625,
      "learning_rate": 1.9997436398709302e-05,
      "loss": 0.4215,
      "step": 1380
    },
    {
      "epoch": 0.009266666666666666,
      "grad_norm": 5.5,
      "learning_rate": 1.9997388662495805e-05,
      "loss": 0.4401,
      "step": 1390
    },
    {
      "epoch": 0.009333333333333334,
      "grad_norm": 4.84375,
      "learning_rate": 1.999734048598836e-05,
      "loss": 0.493,
      "step": 1400
    },
    {
      "epoch": 0.0094,
      "grad_norm": 5.375,
      "learning_rate": 1.999729186918908e-05,
      "loss": 0.4497,
      "step": 1410
    },
    {
      "epoch": 0.009466666666666667,
      "grad_norm": 4.5,
      "learning_rate": 1.9997242812100116e-05,
      "loss": 0.4359,
      "step": 1420
    },
    {
      "epoch": 0.009533333333333333,
      "grad_norm": 5.15625,
      "learning_rate": 1.999719331472362e-05,
      "loss": 0.4722,
      "step": 1430
    },
    {
      "epoch": 0.0096,
      "grad_norm": 4.28125,
      "learning_rate": 1.9997143377061778e-05,
      "loss": 0.4447,
      "step": 1440
    },
    {
      "epoch": 0.009666666666666667,
      "grad_norm": 4.46875,
      "learning_rate": 1.9997092999116788e-05,
      "loss": 0.4293,
      "step": 1450
    },
    {
      "epoch": 0.009733333333333333,
      "grad_norm": 6.125,
      "learning_rate": 1.9997042180890865e-05,
      "loss": 0.4453,
      "step": 1460
    },
    {
      "epoch": 0.0098,
      "grad_norm": 6.09375,
      "learning_rate": 1.9996990922386253e-05,
      "loss": 0.4556,
      "step": 1470
    },
    {
      "epoch": 0.009866666666666666,
      "grad_norm": 8.8125,
      "learning_rate": 1.9996939223605204e-05,
      "loss": 0.5062,
      "step": 1480
    },
    {
      "epoch": 0.009933333333333334,
      "grad_norm": 5.53125,
      "learning_rate": 1.999688708455e-05,
      "loss": 0.4096,
      "step": 1490
    },
    {
      "epoch": 0.01,
      "grad_norm": 2.375,
      "learning_rate": 1.999683450522293e-05,
      "loss": 0.4412,
      "step": 1500
    },
    {
      "epoch": 0.010066666666666666,
      "grad_norm": 1.921875,
      "learning_rate": 1.999678148562632e-05,
      "loss": 0.4047,
      "step": 1510
    },
    {
      "epoch": 0.010133333333333333,
      "grad_norm": 4.9375,
      "learning_rate": 1.9996728025762495e-05,
      "loss": 0.4525,
      "step": 1520
    },
    {
      "epoch": 0.0102,
      "grad_norm": 5.15625,
      "learning_rate": 1.9996674125633814e-05,
      "loss": 0.4113,
      "step": 1530
    },
    {
      "epoch": 0.010266666666666667,
      "grad_norm": 5.3125,
      "learning_rate": 1.9996619785242652e-05,
      "loss": 0.4322,
      "step": 1540
    },
    {
      "epoch": 0.010333333333333333,
      "grad_norm": 5.40625,
      "learning_rate": 1.9996565004591398e-05,
      "loss": 0.4335,
      "step": 1550
    },
    {
      "epoch": 0.0104,
      "grad_norm": 7.0,
      "learning_rate": 1.999650978368247e-05,
      "loss": 0.4106,
      "step": 1560
    },
    {
      "epoch": 0.010466666666666668,
      "grad_norm": 5.15625,
      "learning_rate": 1.99964541225183e-05,
      "loss": 0.4413,
      "step": 1570
    },
    {
      "epoch": 0.010533333333333334,
      "grad_norm": 4.46875,
      "learning_rate": 1.999639802110133e-05,
      "loss": 0.4379,
      "step": 1580
    },
    {
      "epoch": 0.0106,
      "grad_norm": 11.5,
      "learning_rate": 1.999634147943404e-05,
      "loss": 0.4387,
      "step": 1590
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 10.0625,
      "learning_rate": 1.999628449751892e-05,
      "loss": 0.4736,
      "step": 1600
    },
    {
      "epoch": 0.010733333333333333,
      "grad_norm": 9.6875,
      "learning_rate": 1.9996227075358475e-05,
      "loss": 0.4301,
      "step": 1610
    },
    {
      "epoch": 0.0108,
      "grad_norm": 4.4375,
      "learning_rate": 1.9996169212955232e-05,
      "loss": 0.4393,
      "step": 1620
    },
    {
      "epoch": 0.010866666666666667,
      "grad_norm": 2.65625,
      "learning_rate": 1.9996110910311747e-05,
      "loss": 0.4427,
      "step": 1630
    },
    {
      "epoch": 0.010933333333333333,
      "grad_norm": 5.1875,
      "learning_rate": 1.9996052167430585e-05,
      "loss": 0.4381,
      "step": 1640
    },
    {
      "epoch": 0.011,
      "grad_norm": 4.71875,
      "learning_rate": 1.999599298431433e-05,
      "loss": 0.4488,
      "step": 1650
    },
    {
      "epoch": 0.011066666666666667,
      "grad_norm": 5.53125,
      "learning_rate": 1.999593336096559e-05,
      "loss": 0.4238,
      "step": 1660
    },
    {
      "epoch": 0.011133333333333334,
      "grad_norm": 5.09375,
      "learning_rate": 1.9995873297386995e-05,
      "loss": 0.4707,
      "step": 1670
    },
    {
      "epoch": 0.0112,
      "grad_norm": 5.1875,
      "learning_rate": 1.9995812793581183e-05,
      "loss": 0.4238,
      "step": 1680
    },
    {
      "epoch": 0.011266666666666666,
      "grad_norm": 5.15625,
      "learning_rate": 1.9995751849550822e-05,
      "loss": 0.478,
      "step": 1690
    },
    {
      "epoch": 0.011333333333333334,
      "grad_norm": 4.84375,
      "learning_rate": 1.9995690465298598e-05,
      "loss": 0.4476,
      "step": 1700
    },
    {
      "epoch": 0.0114,
      "grad_norm": 5.0,
      "learning_rate": 1.999562864082721e-05,
      "loss": 0.418,
      "step": 1710
    },
    {
      "epoch": 0.011466666666666667,
      "grad_norm": 6.4375,
      "learning_rate": 1.999556637613939e-05,
      "loss": 0.4113,
      "step": 1720
    },
    {
      "epoch": 0.011533333333333333,
      "grad_norm": 4.78125,
      "learning_rate": 1.999550367123787e-05,
      "loss": 0.4528,
      "step": 1730
    },
    {
      "epoch": 0.0116,
      "grad_norm": 6.0625,
      "learning_rate": 1.9995440526125412e-05,
      "loss": 0.4677,
      "step": 1740
    },
    {
      "epoch": 0.011666666666666667,
      "grad_norm": 3.96875,
      "learning_rate": 1.9995376940804806e-05,
      "loss": 0.4606,
      "step": 1750
    },
    {
      "epoch": 0.011733333333333333,
      "grad_norm": 5.46875,
      "learning_rate": 1.999531291527884e-05,
      "loss": 0.4393,
      "step": 1760
    },
    {
      "epoch": 0.0118,
      "grad_norm": 4.6875,
      "learning_rate": 1.9995248449550346e-05,
      "loss": 0.4392,
      "step": 1770
    },
    {
      "epoch": 0.011866666666666666,
      "grad_norm": 4.3125,
      "learning_rate": 1.9995183543622156e-05,
      "loss": 0.4587,
      "step": 1780
    },
    {
      "epoch": 0.011933333333333334,
      "grad_norm": 4.0625,
      "learning_rate": 1.9995118197497126e-05,
      "loss": 0.4077,
      "step": 1790
    },
    {
      "epoch": 0.012,
      "grad_norm": 4.875,
      "learning_rate": 1.999505241117814e-05,
      "loss": 0.4145,
      "step": 1800
    },
    {
      "epoch": 0.012066666666666667,
      "grad_norm": 6.875,
      "learning_rate": 1.9994986184668096e-05,
      "loss": 0.4507,
      "step": 1810
    },
    {
      "epoch": 0.012133333333333333,
      "grad_norm": 6.625,
      "learning_rate": 1.9994919517969906e-05,
      "loss": 0.4328,
      "step": 1820
    },
    {
      "epoch": 0.0122,
      "grad_norm": 6.21875,
      "learning_rate": 1.999485241108651e-05,
      "loss": 0.3966,
      "step": 1830
    },
    {
      "epoch": 0.012266666666666667,
      "grad_norm": 5.09375,
      "learning_rate": 1.9994784864020857e-05,
      "loss": 0.3812,
      "step": 1840
    },
    {
      "epoch": 0.012333333333333333,
      "grad_norm": 4.84375,
      "learning_rate": 1.999471687677593e-05,
      "loss": 0.4478,
      "step": 1850
    },
    {
      "epoch": 0.0124,
      "grad_norm": 5.34375,
      "learning_rate": 1.9994648449354717e-05,
      "loss": 0.4281,
      "step": 1860
    },
    {
      "epoch": 0.012466666666666666,
      "grad_norm": 4.8125,
      "learning_rate": 1.9994579581760235e-05,
      "loss": 0.4332,
      "step": 1870
    },
    {
      "epoch": 0.012533333333333334,
      "grad_norm": 4.46875,
      "learning_rate": 1.9994510273995518e-05,
      "loss": 0.439,
      "step": 1880
    },
    {
      "epoch": 0.0126,
      "grad_norm": 5.9375,
      "learning_rate": 1.999444052606361e-05,
      "loss": 0.4544,
      "step": 1890
    },
    {
      "epoch": 0.012666666666666666,
      "grad_norm": 6.09375,
      "learning_rate": 1.9994370337967597e-05,
      "loss": 0.4633,
      "step": 1900
    },
    {
      "epoch": 0.012733333333333333,
      "grad_norm": 5.21875,
      "learning_rate": 1.999429970971056e-05,
      "loss": 0.4088,
      "step": 1910
    },
    {
      "epoch": 0.0128,
      "grad_norm": 4.78125,
      "learning_rate": 1.999422864129561e-05,
      "loss": 0.4633,
      "step": 1920
    },
    {
      "epoch": 0.012866666666666667,
      "grad_norm": 4.6875,
      "learning_rate": 1.9994157132725877e-05,
      "loss": 0.4628,
      "step": 1930
    },
    {
      "epoch": 0.012933333333333333,
      "grad_norm": 5.21875,
      "learning_rate": 1.9994085184004516e-05,
      "loss": 0.4375,
      "step": 1940
    },
    {
      "epoch": 0.013,
      "grad_norm": 5.46875,
      "learning_rate": 1.999401279513469e-05,
      "loss": 0.4637,
      "step": 1950
    },
    {
      "epoch": 0.013066666666666667,
      "grad_norm": 4.625,
      "learning_rate": 1.9993939966119588e-05,
      "loss": 0.4509,
      "step": 1960
    },
    {
      "epoch": 0.013133333333333334,
      "grad_norm": 4.6875,
      "learning_rate": 1.999386669696242e-05,
      "loss": 0.3891,
      "step": 1970
    },
    {
      "epoch": 0.0132,
      "grad_norm": 5.65625,
      "learning_rate": 1.9993792987666413e-05,
      "loss": 0.4187,
      "step": 1980
    },
    {
      "epoch": 0.013266666666666666,
      "grad_norm": 6.84375,
      "learning_rate": 1.9993718838234806e-05,
      "loss": 0.4513,
      "step": 1990
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 4.53125,
      "learning_rate": 1.9993644248670874e-05,
      "loss": 0.427,
      "step": 2000
    },
    {
      "epoch": 0.0134,
      "grad_norm": 4.59375,
      "learning_rate": 1.9993569218977895e-05,
      "loss": 0.4348,
      "step": 2010
    },
    {
      "epoch": 0.013466666666666667,
      "grad_norm": 5.0,
      "learning_rate": 1.9993493749159176e-05,
      "loss": 0.4134,
      "step": 2020
    },
    {
      "epoch": 0.013533333333333333,
      "grad_norm": 5.6875,
      "learning_rate": 1.9993417839218042e-05,
      "loss": 0.4469,
      "step": 2030
    },
    {
      "epoch": 0.0136,
      "grad_norm": 6.21875,
      "learning_rate": 1.9993341489157837e-05,
      "loss": 0.4303,
      "step": 2040
    },
    {
      "epoch": 0.013666666666666667,
      "grad_norm": 5.28125,
      "learning_rate": 1.9993264698981924e-05,
      "loss": 0.3944,
      "step": 2050
    },
    {
      "epoch": 0.013733333333333334,
      "grad_norm": 5.0,
      "learning_rate": 1.9993187468693675e-05,
      "loss": 0.4015,
      "step": 2060
    },
    {
      "epoch": 0.0138,
      "grad_norm": 4.5625,
      "learning_rate": 1.9993109798296502e-05,
      "loss": 0.4423,
      "step": 2070
    },
    {
      "epoch": 0.013866666666666666,
      "grad_norm": 5.09375,
      "learning_rate": 1.9993031687793828e-05,
      "loss": 0.4692,
      "step": 2080
    },
    {
      "epoch": 0.013933333333333334,
      "grad_norm": 4.625,
      "learning_rate": 1.9992953137189083e-05,
      "loss": 0.4413,
      "step": 2090
    },
    {
      "epoch": 0.014,
      "grad_norm": 4.59375,
      "learning_rate": 1.999287414648573e-05,
      "loss": 0.4138,
      "step": 2100
    },
    {
      "epoch": 0.014066666666666667,
      "grad_norm": 7.625,
      "learning_rate": 1.999279471568725e-05,
      "loss": 0.4869,
      "step": 2110
    },
    {
      "epoch": 0.014133333333333333,
      "grad_norm": 6.21875,
      "learning_rate": 1.999271484479714e-05,
      "loss": 0.4106,
      "step": 2120
    },
    {
      "epoch": 0.0142,
      "grad_norm": 5.375,
      "learning_rate": 1.999263453381892e-05,
      "loss": 0.3893,
      "step": 2130
    },
    {
      "epoch": 0.014266666666666667,
      "grad_norm": 4.90625,
      "learning_rate": 1.999255378275612e-05,
      "loss": 0.4348,
      "step": 2140
    },
    {
      "epoch": 0.014333333333333333,
      "grad_norm": 5.375,
      "learning_rate": 1.9992472591612306e-05,
      "loss": 0.4558,
      "step": 2150
    },
    {
      "epoch": 0.0144,
      "grad_norm": 6.0625,
      "learning_rate": 1.9992390960391046e-05,
      "loss": 0.4327,
      "step": 2160
    },
    {
      "epoch": 0.014466666666666666,
      "grad_norm": 6.5625,
      "learning_rate": 1.999230888909594e-05,
      "loss": 0.4611,
      "step": 2170
    },
    {
      "epoch": 0.014533333333333334,
      "grad_norm": 2.671875,
      "learning_rate": 1.9992226377730598e-05,
      "loss": 0.3917,
      "step": 2180
    },
    {
      "epoch": 0.0146,
      "grad_norm": 5.09375,
      "learning_rate": 1.9992143426298657e-05,
      "loss": 0.4574,
      "step": 2190
    },
    {
      "epoch": 0.014666666666666666,
      "grad_norm": 8.0,
      "learning_rate": 1.999206003480377e-05,
      "loss": 0.4064,
      "step": 2200
    },
    {
      "epoch": 0.014733333333333333,
      "grad_norm": 4.78125,
      "learning_rate": 1.9991976203249607e-05,
      "loss": 0.4147,
      "step": 2210
    },
    {
      "epoch": 0.0148,
      "grad_norm": 8.125,
      "learning_rate": 1.9991891931639863e-05,
      "loss": 0.4491,
      "step": 2220
    },
    {
      "epoch": 0.014866666666666667,
      "grad_norm": 7.34375,
      "learning_rate": 1.9991807219978247e-05,
      "loss": 0.4763,
      "step": 2230
    },
    {
      "epoch": 0.014933333333333333,
      "grad_norm": 5.71875,
      "learning_rate": 1.9991722068268495e-05,
      "loss": 0.4469,
      "step": 2240
    },
    {
      "epoch": 0.015,
      "grad_norm": 7.375,
      "learning_rate": 1.999163647651435e-05,
      "loss": 0.4554,
      "step": 2250
    },
    {
      "epoch": 0.015066666666666667,
      "grad_norm": 5.53125,
      "learning_rate": 1.999155044471959e-05,
      "loss": 0.4186,
      "step": 2260
    },
    {
      "epoch": 0.015133333333333334,
      "grad_norm": 5.5625,
      "learning_rate": 1.9991463972887995e-05,
      "loss": 0.4131,
      "step": 2270
    },
    {
      "epoch": 0.0152,
      "grad_norm": 4.46875,
      "learning_rate": 1.9991377061023378e-05,
      "loss": 0.4552,
      "step": 2280
    },
    {
      "epoch": 0.015266666666666666,
      "grad_norm": 5.125,
      "learning_rate": 1.9991289709129566e-05,
      "loss": 0.4836,
      "step": 2290
    },
    {
      "epoch": 0.015333333333333332,
      "grad_norm": 5.0625,
      "learning_rate": 1.9991201917210405e-05,
      "loss": 0.4291,
      "step": 2300
    },
    {
      "epoch": 0.0154,
      "grad_norm": 4.3125,
      "learning_rate": 1.9991113685269764e-05,
      "loss": 0.4194,
      "step": 2310
    },
    {
      "epoch": 0.015466666666666667,
      "grad_norm": 5.40625,
      "learning_rate": 1.9991025013311523e-05,
      "loss": 0.4703,
      "step": 2320
    },
    {
      "epoch": 0.015533333333333333,
      "grad_norm": 5.46875,
      "learning_rate": 1.99909359013396e-05,
      "loss": 0.4126,
      "step": 2330
    },
    {
      "epoch": 0.0156,
      "grad_norm": 5.0,
      "learning_rate": 1.9990846349357903e-05,
      "loss": 0.4575,
      "step": 2340
    },
    {
      "epoch": 0.015666666666666666,
      "grad_norm": 5.75,
      "learning_rate": 1.9990756357370388e-05,
      "loss": 0.4484,
      "step": 2350
    },
    {
      "epoch": 0.015733333333333332,
      "grad_norm": 2.4375,
      "learning_rate": 1.999066592538101e-05,
      "loss": 0.4387,
      "step": 2360
    },
    {
      "epoch": 0.0158,
      "grad_norm": 5.125,
      "learning_rate": 1.9990575053393758e-05,
      "loss": 0.5309,
      "step": 2370
    },
    {
      "epoch": 0.015866666666666668,
      "grad_norm": 4.71875,
      "learning_rate": 1.9990483741412633e-05,
      "loss": 0.4065,
      "step": 2380
    },
    {
      "epoch": 0.015933333333333334,
      "grad_norm": 4.0625,
      "learning_rate": 1.9990391989441655e-05,
      "loss": 0.4493,
      "step": 2390
    },
    {
      "epoch": 0.016,
      "grad_norm": 4.25,
      "learning_rate": 1.9990299797484865e-05,
      "loss": 0.4479,
      "step": 2400
    },
    {
      "epoch": 0.016066666666666667,
      "grad_norm": 2.25,
      "learning_rate": 1.9990207165546324e-05,
      "loss": 0.4163,
      "step": 2410
    },
    {
      "epoch": 0.016133333333333333,
      "grad_norm": 5.09375,
      "learning_rate": 1.9990114093630112e-05,
      "loss": 0.4495,
      "step": 2420
    },
    {
      "epoch": 0.0162,
      "grad_norm": 4.6875,
      "learning_rate": 1.999002058174033e-05,
      "loss": 0.4505,
      "step": 2430
    },
    {
      "epoch": 0.016266666666666665,
      "grad_norm": 4.84375,
      "learning_rate": 1.9989926629881087e-05,
      "loss": 0.4333,
      "step": 2440
    },
    {
      "epoch": 0.01633333333333333,
      "grad_norm": 6.8125,
      "learning_rate": 1.998983223805653e-05,
      "loss": 0.4792,
      "step": 2450
    },
    {
      "epoch": 0.0164,
      "grad_norm": 4.4375,
      "learning_rate": 1.9989737406270812e-05,
      "loss": 0.4926,
      "step": 2460
    },
    {
      "epoch": 0.016466666666666668,
      "grad_norm": 5.3125,
      "learning_rate": 1.998964213452811e-05,
      "loss": 0.3976,
      "step": 2470
    },
    {
      "epoch": 0.016533333333333334,
      "grad_norm": 4.90625,
      "learning_rate": 1.9989546422832625e-05,
      "loss": 0.4582,
      "step": 2480
    },
    {
      "epoch": 0.0166,
      "grad_norm": 5.28125,
      "learning_rate": 1.9989450271188568e-05,
      "loss": 0.5292,
      "step": 2490
    },
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 4.5,
      "learning_rate": 1.998935367960017e-05,
      "loss": 0.391,
      "step": 2500
    },
    {
      "epoch": 0.016733333333333333,
      "grad_norm": 4.8125,
      "learning_rate": 1.998925664807169e-05,
      "loss": 0.4215,
      "step": 2510
    },
    {
      "epoch": 0.0168,
      "grad_norm": 4.5,
      "learning_rate": 1.9989159176607396e-05,
      "loss": 0.3911,
      "step": 2520
    },
    {
      "epoch": 0.016866666666666665,
      "grad_norm": 5.03125,
      "learning_rate": 1.9989061265211587e-05,
      "loss": 0.4937,
      "step": 2530
    },
    {
      "epoch": 0.016933333333333335,
      "grad_norm": 5.46875,
      "learning_rate": 1.9988962913888574e-05,
      "loss": 0.4464,
      "step": 2540
    },
    {
      "epoch": 0.017,
      "grad_norm": 4.9375,
      "learning_rate": 1.9988864122642682e-05,
      "loss": 0.3856,
      "step": 2550
    },
    {
      "epoch": 0.017066666666666667,
      "grad_norm": 5.78125,
      "learning_rate": 1.9988764891478273e-05,
      "loss": 0.4265,
      "step": 2560
    },
    {
      "epoch": 0.017133333333333334,
      "grad_norm": 4.6875,
      "learning_rate": 1.998866522039971e-05,
      "loss": 0.4603,
      "step": 2570
    },
    {
      "epoch": 0.0172,
      "grad_norm": 7.3125,
      "learning_rate": 1.9988565109411383e-05,
      "loss": 0.4252,
      "step": 2580
    },
    {
      "epoch": 0.017266666666666666,
      "grad_norm": 5.65625,
      "learning_rate": 1.99884645585177e-05,
      "loss": 0.4559,
      "step": 2590
    },
    {
      "epoch": 0.017333333333333333,
      "grad_norm": 4.6875,
      "learning_rate": 1.9988363567723096e-05,
      "loss": 0.4391,
      "step": 2600
    },
    {
      "epoch": 0.0174,
      "grad_norm": 5.3125,
      "learning_rate": 1.998826213703201e-05,
      "loss": 0.4386,
      "step": 2610
    },
    {
      "epoch": 0.017466666666666665,
      "grad_norm": 5.03125,
      "learning_rate": 1.998816026644891e-05,
      "loss": 0.4304,
      "step": 2620
    },
    {
      "epoch": 0.017533333333333335,
      "grad_norm": 4.71875,
      "learning_rate": 1.998805795597829e-05,
      "loss": 0.4511,
      "step": 2630
    },
    {
      "epoch": 0.0176,
      "grad_norm": 5.46875,
      "learning_rate": 1.998795520562465e-05,
      "loss": 0.4948,
      "step": 2640
    },
    {
      "epoch": 0.017666666666666667,
      "grad_norm": 1.1484375,
      "learning_rate": 1.998785201539252e-05,
      "loss": 0.4396,
      "step": 2650
    },
    {
      "epoch": 0.017733333333333334,
      "grad_norm": 4.40625,
      "learning_rate": 1.9987748385286437e-05,
      "loss": 0.4101,
      "step": 2660
    },
    {
      "epoch": 0.0178,
      "grad_norm": 7.625,
      "learning_rate": 1.9987644315310968e-05,
      "loss": 0.3816,
      "step": 2670
    },
    {
      "epoch": 0.017866666666666666,
      "grad_norm": 6.09375,
      "learning_rate": 1.9987539805470702e-05,
      "loss": 0.4639,
      "step": 2680
    },
    {
      "epoch": 0.017933333333333332,
      "grad_norm": 4.25,
      "learning_rate": 1.9987434855770235e-05,
      "loss": 0.4413,
      "step": 2690
    },
    {
      "epoch": 0.018,
      "grad_norm": 5.34375,
      "learning_rate": 1.998732946621419e-05,
      "loss": 0.4075,
      "step": 2700
    },
    {
      "epoch": 0.01806666666666667,
      "grad_norm": 4.6875,
      "learning_rate": 1.9987223636807207e-05,
      "loss": 0.4466,
      "step": 2710
    },
    {
      "epoch": 0.018133333333333335,
      "grad_norm": 5.0,
      "learning_rate": 1.9987117367553952e-05,
      "loss": 0.4315,
      "step": 2720
    },
    {
      "epoch": 0.0182,
      "grad_norm": 6.28125,
      "learning_rate": 1.9987010658459104e-05,
      "loss": 0.4293,
      "step": 2730
    },
    {
      "epoch": 0.018266666666666667,
      "grad_norm": 6.03125,
      "learning_rate": 1.998690350952736e-05,
      "loss": 0.4085,
      "step": 2740
    },
    {
      "epoch": 0.018333333333333333,
      "grad_norm": 4.46875,
      "learning_rate": 1.9986795920763438e-05,
      "loss": 0.3814,
      "step": 2750
    },
    {
      "epoch": 0.0184,
      "grad_norm": 5.21875,
      "learning_rate": 1.9986687892172082e-05,
      "loss": 0.4117,
      "step": 2760
    },
    {
      "epoch": 0.018466666666666666,
      "grad_norm": 6.3125,
      "learning_rate": 1.9986579423758043e-05,
      "loss": 0.4284,
      "step": 2770
    },
    {
      "epoch": 0.018533333333333332,
      "grad_norm": 5.25,
      "learning_rate": 1.9986470515526106e-05,
      "loss": 0.4303,
      "step": 2780
    },
    {
      "epoch": 0.0186,
      "grad_norm": 4.21875,
      "learning_rate": 1.9986361167481055e-05,
      "loss": 0.4362,
      "step": 2790
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 4.90625,
      "learning_rate": 1.998625137962772e-05,
      "loss": 0.4241,
      "step": 2800
    },
    {
      "epoch": 0.018733333333333334,
      "grad_norm": 5.28125,
      "learning_rate": 1.9986141151970928e-05,
      "loss": 0.4931,
      "step": 2810
    },
    {
      "epoch": 0.0188,
      "grad_norm": 5.21875,
      "learning_rate": 1.9986030484515535e-05,
      "loss": 0.4396,
      "step": 2820
    },
    {
      "epoch": 0.018866666666666667,
      "grad_norm": 4.5625,
      "learning_rate": 1.998591937726641e-05,
      "loss": 0.3608,
      "step": 2830
    },
    {
      "epoch": 0.018933333333333333,
      "grad_norm": 4.875,
      "learning_rate": 1.9985807830228457e-05,
      "loss": 0.4174,
      "step": 2840
    },
    {
      "epoch": 0.019,
      "grad_norm": 11.125,
      "learning_rate": 1.998569584340658e-05,
      "loss": 0.4618,
      "step": 2850
    },
    {
      "epoch": 0.019066666666666666,
      "grad_norm": 5.875,
      "learning_rate": 1.9985583416805717e-05,
      "loss": 0.3587,
      "step": 2860
    },
    {
      "epoch": 0.019133333333333332,
      "grad_norm": 5.8125,
      "learning_rate": 1.9985470550430813e-05,
      "loss": 0.4353,
      "step": 2870
    },
    {
      "epoch": 0.0192,
      "grad_norm": 5.21875,
      "learning_rate": 1.9985357244286842e-05,
      "loss": 0.4251,
      "step": 2880
    },
    {
      "epoch": 0.019266666666666668,
      "grad_norm": 6.40625,
      "learning_rate": 1.9985243498378795e-05,
      "loss": 0.4807,
      "step": 2890
    },
    {
      "epoch": 0.019333333333333334,
      "grad_norm": 7.9375,
      "learning_rate": 1.998512931271168e-05,
      "loss": 0.4034,
      "step": 2900
    },
    {
      "epoch": 0.0194,
      "grad_norm": 4.84375,
      "learning_rate": 1.9985014687290527e-05,
      "loss": 0.4647,
      "step": 2910
    },
    {
      "epoch": 0.019466666666666667,
      "grad_norm": 8.875,
      "learning_rate": 1.9984899622120383e-05,
      "loss": 0.4587,
      "step": 2920
    },
    {
      "epoch": 0.019533333333333333,
      "grad_norm": 5.125,
      "learning_rate": 1.9984784117206316e-05,
      "loss": 0.4097,
      "step": 2930
    },
    {
      "epoch": 0.0196,
      "grad_norm": 9.0,
      "learning_rate": 1.9984668172553413e-05,
      "loss": 0.4532,
      "step": 2940
    },
    {
      "epoch": 0.019666666666666666,
      "grad_norm": 5.1875,
      "learning_rate": 1.998455178816678e-05,
      "loss": 0.4124,
      "step": 2950
    },
    {
      "epoch": 0.019733333333333332,
      "grad_norm": 5.15625,
      "learning_rate": 1.9984434964051546e-05,
      "loss": 0.4123,
      "step": 2960
    },
    {
      "epoch": 0.0198,
      "grad_norm": 5.75,
      "learning_rate": 1.9984317700212848e-05,
      "loss": 0.4221,
      "step": 2970
    },
    {
      "epoch": 0.019866666666666668,
      "grad_norm": 3.4375,
      "learning_rate": 1.9984199996655857e-05,
      "loss": 0.389,
      "step": 2980
    },
    {
      "epoch": 0.019933333333333334,
      "grad_norm": 6.1875,
      "learning_rate": 1.9984081853385757e-05,
      "loss": 0.437,
      "step": 2990
    },
    {
      "epoch": 0.02,
      "grad_norm": 5.46875,
      "learning_rate": 1.9983963270407746e-05,
      "loss": 0.4321,
      "step": 3000
    },
    {
      "epoch": 0.020066666666666667,
      "grad_norm": 5.5,
      "learning_rate": 1.9983844247727054e-05,
      "loss": 0.3849,
      "step": 3010
    },
    {
      "epoch": 0.020133333333333333,
      "grad_norm": 9.25,
      "learning_rate": 1.9983724785348917e-05,
      "loss": 0.4401,
      "step": 3020
    },
    {
      "epoch": 0.0202,
      "grad_norm": 5.21875,
      "learning_rate": 1.99836048832786e-05,
      "loss": 0.461,
      "step": 3030
    },
    {
      "epoch": 0.020266666666666665,
      "grad_norm": 5.3125,
      "learning_rate": 1.998348454152138e-05,
      "loss": 0.4511,
      "step": 3040
    },
    {
      "epoch": 0.02033333333333333,
      "grad_norm": 5.1875,
      "learning_rate": 1.9983363760082557e-05,
      "loss": 0.4525,
      "step": 3050
    },
    {
      "epoch": 0.0204,
      "grad_norm": 5.125,
      "learning_rate": 1.9983242538967454e-05,
      "loss": 0.4087,
      "step": 3060
    },
    {
      "epoch": 0.020466666666666668,
      "grad_norm": 6.03125,
      "learning_rate": 1.9983120878181405e-05,
      "loss": 0.4612,
      "step": 3070
    },
    {
      "epoch": 0.020533333333333334,
      "grad_norm": 4.8125,
      "learning_rate": 1.9982998777729775e-05,
      "loss": 0.4444,
      "step": 3080
    },
    {
      "epoch": 0.0206,
      "grad_norm": 6.28125,
      "learning_rate": 1.998287623761793e-05,
      "loss": 0.4417,
      "step": 3090
    },
    {
      "epoch": 0.020666666666666667,
      "grad_norm": 5.375,
      "learning_rate": 1.998275325785128e-05,
      "loss": 0.3898,
      "step": 3100
    },
    {
      "epoch": 0.020733333333333333,
      "grad_norm": 4.09375,
      "learning_rate": 1.998262983843523e-05,
      "loss": 0.441,
      "step": 3110
    },
    {
      "epoch": 0.0208,
      "grad_norm": 5.5,
      "learning_rate": 1.9982505979375226e-05,
      "loss": 0.4243,
      "step": 3120
    },
    {
      "epoch": 0.020866666666666665,
      "grad_norm": 5.59375,
      "learning_rate": 1.998238168067671e-05,
      "loss": 0.4003,
      "step": 3130
    },
    {
      "epoch": 0.020933333333333335,
      "grad_norm": 5.6875,
      "learning_rate": 1.9982256942345174e-05,
      "loss": 0.4108,
      "step": 3140
    },
    {
      "epoch": 0.021,
      "grad_norm": 5.40625,
      "learning_rate": 1.9982131764386094e-05,
      "loss": 0.4191,
      "step": 3150
    },
    {
      "epoch": 0.021066666666666668,
      "grad_norm": 4.78125,
      "learning_rate": 1.9982006146804988e-05,
      "loss": 0.4361,
      "step": 3160
    },
    {
      "epoch": 0.021133333333333334,
      "grad_norm": 3.875,
      "learning_rate": 1.9981880089607396e-05,
      "loss": 0.4147,
      "step": 3170
    },
    {
      "epoch": 0.0212,
      "grad_norm": 6.71875,
      "learning_rate": 1.998175359279886e-05,
      "loss": 0.4381,
      "step": 3180
    },
    {
      "epoch": 0.021266666666666666,
      "grad_norm": 5.75,
      "learning_rate": 1.9981626656384957e-05,
      "loss": 0.4007,
      "step": 3190
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 4.53125,
      "learning_rate": 1.9981499280371276e-05,
      "loss": 0.4562,
      "step": 3200
    },
    {
      "epoch": 0.0214,
      "grad_norm": 4.625,
      "learning_rate": 1.9981371464763423e-05,
      "loss": 0.4021,
      "step": 3210
    },
    {
      "epoch": 0.021466666666666665,
      "grad_norm": 4.875,
      "learning_rate": 1.9981243209567032e-05,
      "loss": 0.415,
      "step": 3220
    },
    {
      "epoch": 0.021533333333333335,
      "grad_norm": 5.46875,
      "learning_rate": 1.9981114514787752e-05,
      "loss": 0.3879,
      "step": 3230
    },
    {
      "epoch": 0.0216,
      "grad_norm": 5.46875,
      "learning_rate": 1.9980985380431244e-05,
      "loss": 0.4044,
      "step": 3240
    },
    {
      "epoch": 0.021666666666666667,
      "grad_norm": 4.6875,
      "learning_rate": 1.9980855806503204e-05,
      "loss": 0.432,
      "step": 3250
    },
    {
      "epoch": 0.021733333333333334,
      "grad_norm": 5.875,
      "learning_rate": 1.9980725793009333e-05,
      "loss": 0.4527,
      "step": 3260
    },
    {
      "epoch": 0.0218,
      "grad_norm": 6.46875,
      "learning_rate": 1.9980595339955358e-05,
      "loss": 0.4214,
      "step": 3270
    },
    {
      "epoch": 0.021866666666666666,
      "grad_norm": 2.03125,
      "learning_rate": 1.9980464447347025e-05,
      "loss": 0.406,
      "step": 3280
    },
    {
      "epoch": 0.021933333333333332,
      "grad_norm": 5.4375,
      "learning_rate": 1.9980333115190097e-05,
      "loss": 0.4478,
      "step": 3290
    },
    {
      "epoch": 0.022,
      "grad_norm": 5.8125,
      "learning_rate": 1.998020134349036e-05,
      "loss": 0.401,
      "step": 3300
    },
    {
      "epoch": 0.022066666666666665,
      "grad_norm": 3.84375,
      "learning_rate": 1.9980069132253618e-05,
      "loss": 0.4573,
      "step": 3310
    },
    {
      "epoch": 0.022133333333333335,
      "grad_norm": 4.59375,
      "learning_rate": 1.9979936481485687e-05,
      "loss": 0.4483,
      "step": 3320
    },
    {
      "epoch": 0.0222,
      "grad_norm": 5.1875,
      "learning_rate": 1.997980339119242e-05,
      "loss": 0.3932,
      "step": 3330
    },
    {
      "epoch": 0.022266666666666667,
      "grad_norm": 5.75,
      "learning_rate": 1.997966986137967e-05,
      "loss": 0.4053,
      "step": 3340
    },
    {
      "epoch": 0.022333333333333334,
      "grad_norm": 4.4375,
      "learning_rate": 1.997953589205332e-05,
      "loss": 0.4519,
      "step": 3350
    },
    {
      "epoch": 0.0224,
      "grad_norm": 5.3125,
      "learning_rate": 1.9979401483219272e-05,
      "loss": 0.415,
      "step": 3360
    },
    {
      "epoch": 0.022466666666666666,
      "grad_norm": 5.8125,
      "learning_rate": 1.9979266634883446e-05,
      "loss": 0.4244,
      "step": 3370
    },
    {
      "epoch": 0.022533333333333332,
      "grad_norm": 6.15625,
      "learning_rate": 1.9979131347051775e-05,
      "loss": 0.4361,
      "step": 3380
    },
    {
      "epoch": 0.0226,
      "grad_norm": 5.34375,
      "learning_rate": 1.9978995619730225e-05,
      "loss": 0.4393,
      "step": 3390
    },
    {
      "epoch": 0.02266666666666667,
      "grad_norm": 6.59375,
      "learning_rate": 1.9978859452924767e-05,
      "loss": 0.4522,
      "step": 3400
    },
    {
      "epoch": 0.022733333333333335,
      "grad_norm": 5.28125,
      "learning_rate": 1.9978722846641397e-05,
      "loss": 0.4754,
      "step": 3410
    },
    {
      "epoch": 0.0228,
      "grad_norm": 5.96875,
      "learning_rate": 1.9978585800886143e-05,
      "loss": 0.4367,
      "step": 3420
    },
    {
      "epoch": 0.022866666666666667,
      "grad_norm": 5.21875,
      "learning_rate": 1.9978448315665025e-05,
      "loss": 0.4351,
      "step": 3430
    },
    {
      "epoch": 0.022933333333333333,
      "grad_norm": 5.71875,
      "learning_rate": 1.997831039098411e-05,
      "loss": 0.4219,
      "step": 3440
    },
    {
      "epoch": 0.023,
      "grad_norm": 4.84375,
      "learning_rate": 1.9978172026849465e-05,
      "loss": 0.4386,
      "step": 3450
    },
    {
      "epoch": 0.023066666666666666,
      "grad_norm": 4.25,
      "learning_rate": 1.9978033223267186e-05,
      "loss": 0.4445,
      "step": 3460
    },
    {
      "epoch": 0.023133333333333332,
      "grad_norm": 5.3125,
      "learning_rate": 1.997789398024339e-05,
      "loss": 0.427,
      "step": 3470
    },
    {
      "epoch": 0.0232,
      "grad_norm": 6.84375,
      "learning_rate": 1.9977754297784205e-05,
      "loss": 0.4307,
      "step": 3480
    },
    {
      "epoch": 0.023266666666666668,
      "grad_norm": 3.96875,
      "learning_rate": 1.997761417589578e-05,
      "loss": 0.4265,
      "step": 3490
    },
    {
      "epoch": 0.023333333333333334,
      "grad_norm": 6.09375,
      "learning_rate": 1.9977473614584293e-05,
      "loss": 0.489,
      "step": 3500
    },
    {
      "epoch": 0.0234,
      "grad_norm": 5.0625,
      "learning_rate": 1.997733261385593e-05,
      "loss": 0.4466,
      "step": 3510
    },
    {
      "epoch": 0.023466666666666667,
      "grad_norm": 7.375,
      "learning_rate": 1.9977191173716904e-05,
      "loss": 0.442,
      "step": 3520
    },
    {
      "epoch": 0.023533333333333333,
      "grad_norm": 5.5625,
      "learning_rate": 1.9977049294173437e-05,
      "loss": 0.4192,
      "step": 3530
    },
    {
      "epoch": 0.0236,
      "grad_norm": 6.71875,
      "learning_rate": 1.9976906975231785e-05,
      "loss": 0.4412,
      "step": 3540
    },
    {
      "epoch": 0.023666666666666666,
      "grad_norm": 6.0,
      "learning_rate": 1.9976764216898215e-05,
      "loss": 0.4163,
      "step": 3550
    },
    {
      "epoch": 0.023733333333333332,
      "grad_norm": 6.90625,
      "learning_rate": 1.9976621019179013e-05,
      "loss": 0.4323,
      "step": 3560
    },
    {
      "epoch": 0.0238,
      "grad_norm": 5.96875,
      "learning_rate": 1.9976477382080484e-05,
      "loss": 0.4114,
      "step": 3570
    },
    {
      "epoch": 0.023866666666666668,
      "grad_norm": 5.59375,
      "learning_rate": 1.9976333305608956e-05,
      "loss": 0.4455,
      "step": 3580
    },
    {
      "epoch": 0.023933333333333334,
      "grad_norm": 5.65625,
      "learning_rate": 1.9976188789770773e-05,
      "loss": 0.4315,
      "step": 3590
    },
    {
      "epoch": 0.024,
      "grad_norm": 5.28125,
      "learning_rate": 1.9976043834572297e-05,
      "loss": 0.3824,
      "step": 3600
    },
    {
      "epoch": 0.024066666666666667,
      "grad_norm": 2.71875,
      "learning_rate": 1.997589844001992e-05,
      "loss": 0.4076,
      "step": 3610
    },
    {
      "epoch": 0.024133333333333333,
      "grad_norm": 5.25,
      "learning_rate": 1.9975752606120034e-05,
      "loss": 0.5039,
      "step": 3620
    },
    {
      "epoch": 0.0242,
      "grad_norm": 9.0625,
      "learning_rate": 1.997560633287907e-05,
      "loss": 0.4289,
      "step": 3630
    },
    {
      "epoch": 0.024266666666666666,
      "grad_norm": 6.1875,
      "learning_rate": 1.997545962030347e-05,
      "loss": 0.4056,
      "step": 3640
    },
    {
      "epoch": 0.024333333333333332,
      "grad_norm": 4.96875,
      "learning_rate": 1.9975312468399694e-05,
      "loss": 0.4314,
      "step": 3650
    },
    {
      "epoch": 0.0244,
      "grad_norm": 5.8125,
      "learning_rate": 1.997516487717422e-05,
      "loss": 0.4121,
      "step": 3660
    },
    {
      "epoch": 0.024466666666666668,
      "grad_norm": 7.0625,
      "learning_rate": 1.9975016846633552e-05,
      "loss": 0.3931,
      "step": 3670
    },
    {
      "epoch": 0.024533333333333334,
      "grad_norm": 2.5625,
      "learning_rate": 1.9974868376784206e-05,
      "loss": 0.4603,
      "step": 3680
    },
    {
      "epoch": 0.0246,
      "grad_norm": 4.875,
      "learning_rate": 1.997471946763272e-05,
      "loss": 0.4511,
      "step": 3690
    },
    {
      "epoch": 0.024666666666666667,
      "grad_norm": 4.84375,
      "learning_rate": 1.9974570119185655e-05,
      "loss": 0.4059,
      "step": 3700
    },
    {
      "epoch": 0.024733333333333333,
      "grad_norm": 5.1875,
      "learning_rate": 1.997442033144959e-05,
      "loss": 0.4507,
      "step": 3710
    },
    {
      "epoch": 0.0248,
      "grad_norm": 3.171875,
      "learning_rate": 1.997427010443112e-05,
      "loss": 0.4019,
      "step": 3720
    },
    {
      "epoch": 0.024866666666666665,
      "grad_norm": 6.03125,
      "learning_rate": 1.9974119438136856e-05,
      "loss": 0.4177,
      "step": 3730
    },
    {
      "epoch": 0.02493333333333333,
      "grad_norm": 4.59375,
      "learning_rate": 1.9973968332573444e-05,
      "loss": 0.4672,
      "step": 3740
    },
    {
      "epoch": 0.025,
      "grad_norm": 5.28125,
      "learning_rate": 1.9973816787747528e-05,
      "loss": 0.4421,
      "step": 3750
    },
    {
      "epoch": 0.025066666666666668,
      "grad_norm": 2.265625,
      "learning_rate": 1.997366480366579e-05,
      "loss": 0.5272,
      "step": 3760
    },
    {
      "epoch": 0.025133333333333334,
      "grad_norm": 6.375,
      "learning_rate": 1.9973512380334918e-05,
      "loss": 0.4391,
      "step": 3770
    },
    {
      "epoch": 0.0252,
      "grad_norm": 6.53125,
      "learning_rate": 1.997335951776163e-05,
      "loss": 0.408,
      "step": 3780
    },
    {
      "epoch": 0.025266666666666666,
      "grad_norm": 4.09375,
      "learning_rate": 1.9973206215952653e-05,
      "loss": 0.5097,
      "step": 3790
    },
    {
      "epoch": 0.025333333333333333,
      "grad_norm": 7.4375,
      "learning_rate": 1.9973052474914744e-05,
      "loss": 0.449,
      "step": 3800
    },
    {
      "epoch": 0.0254,
      "grad_norm": 4.46875,
      "learning_rate": 1.997289829465467e-05,
      "loss": 0.3891,
      "step": 3810
    },
    {
      "epoch": 0.025466666666666665,
      "grad_norm": 4.875,
      "learning_rate": 1.997274367517922e-05,
      "loss": 0.4488,
      "step": 3820
    },
    {
      "epoch": 0.025533333333333335,
      "grad_norm": 4.53125,
      "learning_rate": 1.9972588616495207e-05,
      "loss": 0.4097,
      "step": 3830
    },
    {
      "epoch": 0.0256,
      "grad_norm": 4.375,
      "learning_rate": 1.9972433118609464e-05,
      "loss": 0.4003,
      "step": 3840
    },
    {
      "epoch": 0.025666666666666667,
      "grad_norm": 5.1875,
      "learning_rate": 1.9972277181528826e-05,
      "loss": 0.4066,
      "step": 3850
    },
    {
      "epoch": 0.025733333333333334,
      "grad_norm": 4.71875,
      "learning_rate": 1.9972120805260172e-05,
      "loss": 0.4048,
      "step": 3860
    },
    {
      "epoch": 0.0258,
      "grad_norm": 6.78125,
      "learning_rate": 1.997196398981039e-05,
      "loss": 0.4544,
      "step": 3870
    },
    {
      "epoch": 0.025866666666666666,
      "grad_norm": 7.125,
      "learning_rate": 1.9971806735186374e-05,
      "loss": 0.4109,
      "step": 3880
    },
    {
      "epoch": 0.025933333333333333,
      "grad_norm": 5.40625,
      "learning_rate": 1.9971649041395064e-05,
      "loss": 0.4768,
      "step": 3890
    },
    {
      "epoch": 0.026,
      "grad_norm": 7.1875,
      "learning_rate": 1.9971490908443394e-05,
      "loss": 0.4166,
      "step": 3900
    },
    {
      "epoch": 0.026066666666666665,
      "grad_norm": 4.53125,
      "learning_rate": 1.9971332336338336e-05,
      "loss": 0.4584,
      "step": 3910
    },
    {
      "epoch": 0.026133333333333335,
      "grad_norm": 4.75,
      "learning_rate": 1.9971173325086867e-05,
      "loss": 0.4498,
      "step": 3920
    },
    {
      "epoch": 0.0262,
      "grad_norm": 4.3125,
      "learning_rate": 1.9971013874695998e-05,
      "loss": 0.4804,
      "step": 3930
    },
    {
      "epoch": 0.026266666666666667,
      "grad_norm": 6.1875,
      "learning_rate": 1.9970853985172742e-05,
      "loss": 0.4633,
      "step": 3940
    },
    {
      "epoch": 0.026333333333333334,
      "grad_norm": 8.4375,
      "learning_rate": 1.997069365652415e-05,
      "loss": 0.5188,
      "step": 3950
    },
    {
      "epoch": 0.0264,
      "grad_norm": 5.28125,
      "learning_rate": 1.9970532888757277e-05,
      "loss": 0.4207,
      "step": 3960
    },
    {
      "epoch": 0.026466666666666666,
      "grad_norm": 6.9375,
      "learning_rate": 1.9970371681879204e-05,
      "loss": 0.4619,
      "step": 3970
    },
    {
      "epoch": 0.026533333333333332,
      "grad_norm": 4.84375,
      "learning_rate": 1.997021003589703e-05,
      "loss": 0.4254,
      "step": 3980
    },
    {
      "epoch": 0.0266,
      "grad_norm": 5.65625,
      "learning_rate": 1.997004795081788e-05,
      "loss": 0.4722,
      "step": 3990
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 5.09375,
      "learning_rate": 1.996988542664889e-05,
      "loss": 0.4354,
      "step": 4000
    },
    {
      "epoch": 0.026733333333333335,
      "grad_norm": 5.21875,
      "learning_rate": 1.9969722463397207e-05,
      "loss": 0.448,
      "step": 4010
    },
    {
      "epoch": 0.0268,
      "grad_norm": 6.625,
      "learning_rate": 1.9969559061070022e-05,
      "loss": 0.436,
      "step": 4020
    },
    {
      "epoch": 0.026866666666666667,
      "grad_norm": 6.375,
      "learning_rate": 1.9969395219674524e-05,
      "loss": 0.4634,
      "step": 4030
    },
    {
      "epoch": 0.026933333333333333,
      "grad_norm": 4.0,
      "learning_rate": 1.9969230939217935e-05,
      "loss": 0.4397,
      "step": 4040
    },
    {
      "epoch": 0.027,
      "grad_norm": 5.0625,
      "learning_rate": 1.9969066219707484e-05,
      "loss": 0.4558,
      "step": 4050
    },
    {
      "epoch": 0.027066666666666666,
      "grad_norm": 2.28125,
      "learning_rate": 1.9968901061150423e-05,
      "loss": 0.4261,
      "step": 4060
    },
    {
      "epoch": 0.027133333333333332,
      "grad_norm": 5.40625,
      "learning_rate": 1.9968735463554037e-05,
      "loss": 0.4346,
      "step": 4070
    },
    {
      "epoch": 0.0272,
      "grad_norm": 2.734375,
      "learning_rate": 1.9968569426925608e-05,
      "loss": 0.5072,
      "step": 4080
    },
    {
      "epoch": 0.027266666666666668,
      "grad_norm": 5.84375,
      "learning_rate": 1.9968402951272453e-05,
      "loss": 0.4571,
      "step": 4090
    },
    {
      "epoch": 0.027333333333333334,
      "grad_norm": 4.84375,
      "learning_rate": 1.99682360366019e-05,
      "loss": 0.4443,
      "step": 4100
    },
    {
      "epoch": 0.0274,
      "grad_norm": 3.46875,
      "learning_rate": 1.9968068682921312e-05,
      "loss": 0.4076,
      "step": 4110
    },
    {
      "epoch": 0.027466666666666667,
      "grad_norm": 5.1875,
      "learning_rate": 1.9967900890238044e-05,
      "loss": 0.4276,
      "step": 4120
    },
    {
      "epoch": 0.027533333333333333,
      "grad_norm": 8.0625,
      "learning_rate": 1.9967732658559493e-05,
      "loss": 0.4797,
      "step": 4130
    },
    {
      "epoch": 0.0276,
      "grad_norm": 4.9375,
      "learning_rate": 1.9967563987893067e-05,
      "loss": 0.4782,
      "step": 4140
    },
    {
      "epoch": 0.027666666666666666,
      "grad_norm": 4.84375,
      "learning_rate": 1.9967394878246198e-05,
      "loss": 0.4518,
      "step": 4150
    },
    {
      "epoch": 0.027733333333333332,
      "grad_norm": 2.46875,
      "learning_rate": 1.996722532962633e-05,
      "loss": 0.4298,
      "step": 4160
    },
    {
      "epoch": 0.0278,
      "grad_norm": 5.125,
      "learning_rate": 1.996705534204093e-05,
      "loss": 0.3924,
      "step": 4170
    },
    {
      "epoch": 0.027866666666666668,
      "grad_norm": 4.4375,
      "learning_rate": 1.9966884915497485e-05,
      "loss": 0.4351,
      "step": 4180
    },
    {
      "epoch": 0.027933333333333334,
      "grad_norm": 4.6875,
      "learning_rate": 1.99667140500035e-05,
      "loss": 0.4265,
      "step": 4190
    },
    {
      "epoch": 0.028,
      "grad_norm": 5.0625,
      "learning_rate": 1.9966542745566505e-05,
      "loss": 0.3949,
      "step": 4200
    },
    {
      "epoch": 0.028066666666666667,
      "grad_norm": 5.53125,
      "learning_rate": 1.9966371002194035e-05,
      "loss": 0.4763,
      "step": 4210
    },
    {
      "epoch": 0.028133333333333333,
      "grad_norm": 4.40625,
      "learning_rate": 1.996619881989366e-05,
      "loss": 0.4372,
      "step": 4220
    },
    {
      "epoch": 0.0282,
      "grad_norm": 7.84375,
      "learning_rate": 1.9966026198672966e-05,
      "loss": 0.4162,
      "step": 4230
    },
    {
      "epoch": 0.028266666666666666,
      "grad_norm": 2.140625,
      "learning_rate": 1.996585313853955e-05,
      "loss": 0.4095,
      "step": 4240
    },
    {
      "epoch": 0.028333333333333332,
      "grad_norm": 4.28125,
      "learning_rate": 1.9965679639501032e-05,
      "loss": 0.42,
      "step": 4250
    },
    {
      "epoch": 0.0284,
      "grad_norm": 5.625,
      "learning_rate": 1.996550570156506e-05,
      "loss": 0.5131,
      "step": 4260
    },
    {
      "epoch": 0.028466666666666668,
      "grad_norm": 3.75,
      "learning_rate": 1.996533132473929e-05,
      "loss": 0.4292,
      "step": 4270
    },
    {
      "epoch": 0.028533333333333334,
      "grad_norm": 4.90625,
      "learning_rate": 1.99651565090314e-05,
      "loss": 0.4563,
      "step": 4280
    },
    {
      "epoch": 0.0286,
      "grad_norm": 4.90625,
      "learning_rate": 1.9964981254449095e-05,
      "loss": 0.4863,
      "step": 4290
    },
    {
      "epoch": 0.028666666666666667,
      "grad_norm": 5.375,
      "learning_rate": 1.9964805561000088e-05,
      "loss": 0.4375,
      "step": 4300
    },
    {
      "epoch": 0.028733333333333333,
      "grad_norm": 4.78125,
      "learning_rate": 1.996462942869212e-05,
      "loss": 0.4259,
      "step": 4310
    },
    {
      "epoch": 0.0288,
      "grad_norm": 4.09375,
      "learning_rate": 1.9964452857532944e-05,
      "loss": 0.4253,
      "step": 4320
    },
    {
      "epoch": 0.028866666666666665,
      "grad_norm": 5.125,
      "learning_rate": 1.996427584753034e-05,
      "loss": 0.4674,
      "step": 4330
    },
    {
      "epoch": 0.028933333333333332,
      "grad_norm": 5.4375,
      "learning_rate": 1.9964098398692105e-05,
      "loss": 0.4172,
      "step": 4340
    },
    {
      "epoch": 0.029,
      "grad_norm": 9.625,
      "learning_rate": 1.9963920511026048e-05,
      "loss": 0.4234,
      "step": 4350
    },
    {
      "epoch": 0.029066666666666668,
      "grad_norm": 5.375,
      "learning_rate": 1.996374218454001e-05,
      "loss": 0.3759,
      "step": 4360
    },
    {
      "epoch": 0.029133333333333334,
      "grad_norm": 6.15625,
      "learning_rate": 1.996356341924184e-05,
      "loss": 0.46,
      "step": 4370
    },
    {
      "epoch": 0.0292,
      "grad_norm": 5.125,
      "learning_rate": 1.996338421513941e-05,
      "loss": 0.4561,
      "step": 4380
    },
    {
      "epoch": 0.029266666666666667,
      "grad_norm": 4.40625,
      "learning_rate": 1.996320457224062e-05,
      "loss": 0.4022,
      "step": 4390
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 8.6875,
      "learning_rate": 1.9963024490553376e-05,
      "loss": 0.4113,
      "step": 4400
    },
    {
      "epoch": 0.0294,
      "grad_norm": 4.84375,
      "learning_rate": 1.9962843970085607e-05,
      "loss": 0.4281,
      "step": 4410
    },
    {
      "epoch": 0.029466666666666665,
      "grad_norm": 4.25,
      "learning_rate": 1.9962663010845264e-05,
      "loss": 0.4002,
      "step": 4420
    },
    {
      "epoch": 0.029533333333333335,
      "grad_norm": 4.78125,
      "learning_rate": 1.996248161284032e-05,
      "loss": 0.3932,
      "step": 4430
    },
    {
      "epoch": 0.0296,
      "grad_norm": 4.375,
      "learning_rate": 1.9962299776078767e-05,
      "loss": 0.4832,
      "step": 4440
    },
    {
      "epoch": 0.029666666666666668,
      "grad_norm": 6.03125,
      "learning_rate": 1.99621175005686e-05,
      "loss": 0.4203,
      "step": 4450
    },
    {
      "epoch": 0.029733333333333334,
      "grad_norm": 5.5,
      "learning_rate": 1.9961934786317862e-05,
      "loss": 0.4311,
      "step": 4460
    },
    {
      "epoch": 0.0298,
      "grad_norm": 4.09375,
      "learning_rate": 1.996175163333459e-05,
      "loss": 0.4416,
      "step": 4470
    },
    {
      "epoch": 0.029866666666666666,
      "grad_norm": 4.78125,
      "learning_rate": 1.9961568041626856e-05,
      "loss": 0.442,
      "step": 4480
    },
    {
      "epoch": 0.029933333333333333,
      "grad_norm": 5.09375,
      "learning_rate": 1.9961384011202737e-05,
      "loss": 0.4436,
      "step": 4490
    },
    {
      "epoch": 0.03,
      "grad_norm": 4.9375,
      "learning_rate": 1.996119954207035e-05,
      "loss": 0.4405,
      "step": 4500
    },
    {
      "epoch": 0.030066666666666665,
      "grad_norm": 2.796875,
      "learning_rate": 1.996101463423781e-05,
      "loss": 0.3465,
      "step": 4510
    },
    {
      "epoch": 0.030133333333333335,
      "grad_norm": 5.5625,
      "learning_rate": 1.9960829287713263e-05,
      "loss": 0.4126,
      "step": 4520
    },
    {
      "epoch": 0.0302,
      "grad_norm": 5.0,
      "learning_rate": 1.9960643502504875e-05,
      "loss": 0.4096,
      "step": 4530
    },
    {
      "epoch": 0.030266666666666667,
      "grad_norm": 4.75,
      "learning_rate": 1.996045727862082e-05,
      "loss": 0.4174,
      "step": 4540
    },
    {
      "epoch": 0.030333333333333334,
      "grad_norm": 4.625,
      "learning_rate": 1.996027061606931e-05,
      "loss": 0.4087,
      "step": 4550
    },
    {
      "epoch": 0.0304,
      "grad_norm": 5.375,
      "learning_rate": 1.996008351485856e-05,
      "loss": 0.4675,
      "step": 4560
    },
    {
      "epoch": 0.030466666666666666,
      "grad_norm": 4.25,
      "learning_rate": 1.9959895974996808e-05,
      "loss": 0.4358,
      "step": 4570
    },
    {
      "epoch": 0.030533333333333332,
      "grad_norm": 5.78125,
      "learning_rate": 1.9959707996492318e-05,
      "loss": 0.4162,
      "step": 4580
    },
    {
      "epoch": 0.0306,
      "grad_norm": 5.0625,
      "learning_rate": 1.9959519579353364e-05,
      "loss": 0.4771,
      "step": 4590
    },
    {
      "epoch": 0.030666666666666665,
      "grad_norm": 5.4375,
      "learning_rate": 1.9959330723588252e-05,
      "loss": 0.3916,
      "step": 4600
    },
    {
      "epoch": 0.030733333333333335,
      "grad_norm": 5.3125,
      "learning_rate": 1.9959141429205288e-05,
      "loss": 0.4228,
      "step": 4610
    },
    {
      "epoch": 0.0308,
      "grad_norm": 5.5,
      "learning_rate": 1.995895169621282e-05,
      "loss": 0.4582,
      "step": 4620
    },
    {
      "epoch": 0.030866666666666667,
      "grad_norm": 5.4375,
      "learning_rate": 1.9958761524619196e-05,
      "loss": 0.4626,
      "step": 4630
    },
    {
      "epoch": 0.030933333333333334,
      "grad_norm": 4.71875,
      "learning_rate": 1.99585709144328e-05,
      "loss": 0.4065,
      "step": 4640
    },
    {
      "epoch": 0.031,
      "grad_norm": 3.703125,
      "learning_rate": 1.995837986566201e-05,
      "loss": 0.4247,
      "step": 4650
    },
    {
      "epoch": 0.031066666666666666,
      "grad_norm": 6.71875,
      "learning_rate": 1.995818837831526e-05,
      "loss": 0.3991,
      "step": 4660
    },
    {
      "epoch": 0.031133333333333332,
      "grad_norm": 5.8125,
      "learning_rate": 1.9957996452400975e-05,
      "loss": 0.4342,
      "step": 4670
    },
    {
      "epoch": 0.0312,
      "grad_norm": 5.71875,
      "learning_rate": 1.9957804087927602e-05,
      "loss": 0.3992,
      "step": 4680
    },
    {
      "epoch": 0.031266666666666665,
      "grad_norm": 6.09375,
      "learning_rate": 1.9957611284903618e-05,
      "loss": 0.4354,
      "step": 4690
    },
    {
      "epoch": 0.03133333333333333,
      "grad_norm": 5.125,
      "learning_rate": 1.9957418043337515e-05,
      "loss": 0.4522,
      "step": 4700
    },
    {
      "epoch": 0.0314,
      "grad_norm": 6.6875,
      "learning_rate": 1.9957224363237802e-05,
      "loss": 0.3851,
      "step": 4710
    },
    {
      "epoch": 0.031466666666666664,
      "grad_norm": 5.375,
      "learning_rate": 1.995703024461301e-05,
      "loss": 0.4327,
      "step": 4720
    },
    {
      "epoch": 0.03153333333333333,
      "grad_norm": 6.21875,
      "learning_rate": 1.9956835687471687e-05,
      "loss": 0.4481,
      "step": 4730
    },
    {
      "epoch": 0.0316,
      "grad_norm": 6.125,
      "learning_rate": 1.99566406918224e-05,
      "loss": 0.3956,
      "step": 4740
    },
    {
      "epoch": 0.03166666666666667,
      "grad_norm": 5.0625,
      "learning_rate": 1.9956445257673745e-05,
      "loss": 0.4683,
      "step": 4750
    },
    {
      "epoch": 0.031733333333333336,
      "grad_norm": 1.9921875,
      "learning_rate": 1.9956249385034318e-05,
      "loss": 0.4437,
      "step": 4760
    },
    {
      "epoch": 0.0318,
      "grad_norm": 8.5,
      "learning_rate": 1.995605307391275e-05,
      "loss": 0.4148,
      "step": 4770
    },
    {
      "epoch": 0.03186666666666667,
      "grad_norm": 6.28125,
      "learning_rate": 1.995585632431769e-05,
      "loss": 0.4315,
      "step": 4780
    },
    {
      "epoch": 0.031933333333333334,
      "grad_norm": 4.8125,
      "learning_rate": 1.9955659136257796e-05,
      "loss": 0.4442,
      "step": 4790
    },
    {
      "epoch": 0.032,
      "grad_norm": 5.28125,
      "learning_rate": 1.9955461509741757e-05,
      "loss": 0.4462,
      "step": 4800
    },
    {
      "epoch": 0.03206666666666667,
      "grad_norm": 2.328125,
      "learning_rate": 1.9955263444778275e-05,
      "loss": 0.3937,
      "step": 4810
    },
    {
      "epoch": 0.03213333333333333,
      "grad_norm": 5.125,
      "learning_rate": 1.995506494137608e-05,
      "loss": 0.4374,
      "step": 4820
    },
    {
      "epoch": 0.0322,
      "grad_norm": 3.65625,
      "learning_rate": 1.9954865999543905e-05,
      "loss": 0.4045,
      "step": 4830
    },
    {
      "epoch": 0.032266666666666666,
      "grad_norm": 5.40625,
      "learning_rate": 1.9954666619290512e-05,
      "loss": 0.4458,
      "step": 4840
    },
    {
      "epoch": 0.03233333333333333,
      "grad_norm": 5.4375,
      "learning_rate": 1.9954466800624687e-05,
      "loss": 0.4473,
      "step": 4850
    },
    {
      "epoch": 0.0324,
      "grad_norm": 4.96875,
      "learning_rate": 1.9954266543555225e-05,
      "loss": 0.4381,
      "step": 4860
    },
    {
      "epoch": 0.032466666666666665,
      "grad_norm": 8.0625,
      "learning_rate": 1.9954065848090953e-05,
      "loss": 0.4389,
      "step": 4870
    },
    {
      "epoch": 0.03253333333333333,
      "grad_norm": 5.46875,
      "learning_rate": 1.99538647142407e-05,
      "loss": 0.3956,
      "step": 4880
    },
    {
      "epoch": 0.0326,
      "grad_norm": 9.5,
      "learning_rate": 1.9953663142013334e-05,
      "loss": 0.4443,
      "step": 4890
    },
    {
      "epoch": 0.03266666666666666,
      "grad_norm": 6.1875,
      "learning_rate": 1.9953461131417725e-05,
      "loss": 0.4306,
      "step": 4900
    },
    {
      "epoch": 0.032733333333333337,
      "grad_norm": 7.90625,
      "learning_rate": 1.995325868246277e-05,
      "loss": 0.4539,
      "step": 4910
    },
    {
      "epoch": 0.0328,
      "grad_norm": 7.125,
      "learning_rate": 1.995305579515739e-05,
      "loss": 0.4421,
      "step": 4920
    },
    {
      "epoch": 0.03286666666666667,
      "grad_norm": 4.40625,
      "learning_rate": 1.995285246951052e-05,
      "loss": 0.4152,
      "step": 4930
    },
    {
      "epoch": 0.032933333333333335,
      "grad_norm": 5.25,
      "learning_rate": 1.995264870553111e-05,
      "loss": 0.4601,
      "step": 4940
    },
    {
      "epoch": 0.033,
      "grad_norm": 3.609375,
      "learning_rate": 1.9952444503228138e-05,
      "loss": 0.4713,
      "step": 4950
    },
    {
      "epoch": 0.03306666666666667,
      "grad_norm": 5.5,
      "learning_rate": 1.9952239862610593e-05,
      "loss": 0.4009,
      "step": 4960
    },
    {
      "epoch": 0.033133333333333334,
      "grad_norm": 4.3125,
      "learning_rate": 1.995203478368749e-05,
      "loss": 0.4289,
      "step": 4970
    },
    {
      "epoch": 0.0332,
      "grad_norm": 4.5,
      "learning_rate": 1.9951829266467865e-05,
      "loss": 0.4108,
      "step": 4980
    },
    {
      "epoch": 0.03326666666666667,
      "grad_norm": 4.375,
      "learning_rate": 1.995162331096076e-05,
      "loss": 0.4233,
      "step": 4990
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 5.90625,
      "learning_rate": 1.9951416917175255e-05,
      "loss": 0.4246,
      "step": 5000
    },
    {
      "epoch": 0.0334,
      "grad_norm": 4.0,
      "learning_rate": 1.9951210085120435e-05,
      "loss": 0.4227,
      "step": 5010
    },
    {
      "epoch": 0.033466666666666665,
      "grad_norm": 5.125,
      "learning_rate": 1.995100281480541e-05,
      "loss": 0.4265,
      "step": 5020
    },
    {
      "epoch": 0.03353333333333333,
      "grad_norm": 4.8125,
      "learning_rate": 1.9950795106239306e-05,
      "loss": 0.4525,
      "step": 5030
    },
    {
      "epoch": 0.0336,
      "grad_norm": 5.5,
      "learning_rate": 1.9950586959431272e-05,
      "loss": 0.4924,
      "step": 5040
    },
    {
      "epoch": 0.033666666666666664,
      "grad_norm": 4.65625,
      "learning_rate": 1.9950378374390475e-05,
      "loss": 0.4321,
      "step": 5050
    },
    {
      "epoch": 0.03373333333333333,
      "grad_norm": 5.21875,
      "learning_rate": 1.9950169351126103e-05,
      "loss": 0.4232,
      "step": 5060
    },
    {
      "epoch": 0.0338,
      "grad_norm": 8.0625,
      "learning_rate": 1.994995988964736e-05,
      "loss": 0.4471,
      "step": 5070
    },
    {
      "epoch": 0.03386666666666667,
      "grad_norm": 4.9375,
      "learning_rate": 1.994974998996347e-05,
      "loss": 0.4216,
      "step": 5080
    },
    {
      "epoch": 0.033933333333333336,
      "grad_norm": 4.3125,
      "learning_rate": 1.994953965208368e-05,
      "loss": 0.4272,
      "step": 5090
    },
    {
      "epoch": 0.034,
      "grad_norm": 3.328125,
      "learning_rate": 1.994932887601725e-05,
      "loss": 0.3787,
      "step": 5100
    },
    {
      "epoch": 0.03406666666666667,
      "grad_norm": 4.4375,
      "learning_rate": 1.9949117661773467e-05,
      "loss": 0.4176,
      "step": 5110
    },
    {
      "epoch": 0.034133333333333335,
      "grad_norm": 5.21875,
      "learning_rate": 1.994890600936163e-05,
      "loss": 0.4499,
      "step": 5120
    },
    {
      "epoch": 0.0342,
      "grad_norm": 8.1875,
      "learning_rate": 1.9948693918791063e-05,
      "loss": 0.4169,
      "step": 5130
    },
    {
      "epoch": 0.03426666666666667,
      "grad_norm": 6.0,
      "learning_rate": 1.9948481390071102e-05,
      "loss": 0.4287,
      "step": 5140
    },
    {
      "epoch": 0.034333333333333334,
      "grad_norm": 5.15625,
      "learning_rate": 1.994826842321111e-05,
      "loss": 0.4167,
      "step": 5150
    },
    {
      "epoch": 0.0344,
      "grad_norm": 4.4375,
      "learning_rate": 1.9948055018220465e-05,
      "loss": 0.4002,
      "step": 5160
    },
    {
      "epoch": 0.034466666666666666,
      "grad_norm": 6.8125,
      "learning_rate": 1.994784117510857e-05,
      "loss": 0.418,
      "step": 5170
    },
    {
      "epoch": 0.03453333333333333,
      "grad_norm": 5.28125,
      "learning_rate": 1.9947626893884836e-05,
      "loss": 0.4277,
      "step": 5180
    },
    {
      "epoch": 0.0346,
      "grad_norm": 5.15625,
      "learning_rate": 1.9947412174558702e-05,
      "loss": 0.4325,
      "step": 5190
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 5.375,
      "learning_rate": 1.994719701713963e-05,
      "loss": 0.4275,
      "step": 5200
    },
    {
      "epoch": 0.03473333333333333,
      "grad_norm": 5.03125,
      "learning_rate": 1.994698142163709e-05,
      "loss": 0.4546,
      "step": 5210
    },
    {
      "epoch": 0.0348,
      "grad_norm": 4.84375,
      "learning_rate": 1.9946765388060577e-05,
      "loss": 0.4672,
      "step": 5220
    },
    {
      "epoch": 0.034866666666666664,
      "grad_norm": 4.84375,
      "learning_rate": 1.994654891641961e-05,
      "loss": 0.4503,
      "step": 5230
    },
    {
      "epoch": 0.03493333333333333,
      "grad_norm": 4.40625,
      "learning_rate": 1.9946332006723717e-05,
      "loss": 0.4465,
      "step": 5240
    },
    {
      "epoch": 0.035,
      "grad_norm": 4.34375,
      "learning_rate": 1.9946114658982455e-05,
      "loss": 0.4506,
      "step": 5250
    },
    {
      "epoch": 0.03506666666666667,
      "grad_norm": 4.875,
      "learning_rate": 1.9945896873205392e-05,
      "loss": 0.4819,
      "step": 5260
    },
    {
      "epoch": 0.035133333333333336,
      "grad_norm": 5.125,
      "learning_rate": 1.9945678649402123e-05,
      "loss": 0.3887,
      "step": 5270
    },
    {
      "epoch": 0.0352,
      "grad_norm": 6.5,
      "learning_rate": 1.994545998758226e-05,
      "loss": 0.4691,
      "step": 5280
    },
    {
      "epoch": 0.03526666666666667,
      "grad_norm": 5.8125,
      "learning_rate": 1.9945240887755428e-05,
      "loss": 0.4176,
      "step": 5290
    },
    {
      "epoch": 0.035333333333333335,
      "grad_norm": 6.125,
      "learning_rate": 1.9945021349931283e-05,
      "loss": 0.4186,
      "step": 5300
    },
    {
      "epoch": 0.0354,
      "grad_norm": 8.125,
      "learning_rate": 1.994480137411949e-05,
      "loss": 0.4661,
      "step": 5310
    },
    {
      "epoch": 0.03546666666666667,
      "grad_norm": 4.78125,
      "learning_rate": 1.994458096032973e-05,
      "loss": 0.4237,
      "step": 5320
    },
    {
      "epoch": 0.03553333333333333,
      "grad_norm": 4.6875,
      "learning_rate": 1.9944360108571727e-05,
      "loss": 0.4644,
      "step": 5330
    },
    {
      "epoch": 0.0356,
      "grad_norm": 4.0625,
      "learning_rate": 1.994413881885519e-05,
      "loss": 0.4584,
      "step": 5340
    },
    {
      "epoch": 0.035666666666666666,
      "grad_norm": 2.96875,
      "learning_rate": 1.9943917091189873e-05,
      "loss": 0.4374,
      "step": 5350
    },
    {
      "epoch": 0.03573333333333333,
      "grad_norm": 4.84375,
      "learning_rate": 1.9943694925585543e-05,
      "loss": 0.4114,
      "step": 5360
    },
    {
      "epoch": 0.0358,
      "grad_norm": 5.1875,
      "learning_rate": 1.9943472322051982e-05,
      "loss": 0.4738,
      "step": 5370
    },
    {
      "epoch": 0.035866666666666665,
      "grad_norm": 7.0,
      "learning_rate": 1.994324928059899e-05,
      "loss": 0.4193,
      "step": 5380
    },
    {
      "epoch": 0.03593333333333333,
      "grad_norm": 4.5625,
      "learning_rate": 1.9943025801236397e-05,
      "loss": 0.4365,
      "step": 5390
    },
    {
      "epoch": 0.036,
      "grad_norm": 4.3125,
      "learning_rate": 1.9942801883974044e-05,
      "loss": 0.4401,
      "step": 5400
    },
    {
      "epoch": 0.036066666666666664,
      "grad_norm": 3.0,
      "learning_rate": 1.9942577528821786e-05,
      "loss": 0.4355,
      "step": 5410
    },
    {
      "epoch": 0.03613333333333334,
      "grad_norm": 5.875,
      "learning_rate": 1.9942352735789508e-05,
      "loss": 0.4218,
      "step": 5420
    },
    {
      "epoch": 0.0362,
      "grad_norm": 5.125,
      "learning_rate": 1.994212750488711e-05,
      "loss": 0.4209,
      "step": 5430
    },
    {
      "epoch": 0.03626666666666667,
      "grad_norm": 6.125,
      "learning_rate": 1.9941901836124514e-05,
      "loss": 0.4314,
      "step": 5440
    },
    {
      "epoch": 0.036333333333333336,
      "grad_norm": 6.125,
      "learning_rate": 1.9941675729511653e-05,
      "loss": 0.4326,
      "step": 5450
    },
    {
      "epoch": 0.0364,
      "grad_norm": 4.96875,
      "learning_rate": 1.994144918505849e-05,
      "loss": 0.4362,
      "step": 5460
    },
    {
      "epoch": 0.03646666666666667,
      "grad_norm": 7.09375,
      "learning_rate": 1.9941222202775e-05,
      "loss": 0.481,
      "step": 5470
    },
    {
      "epoch": 0.036533333333333334,
      "grad_norm": 5.90625,
      "learning_rate": 1.994099478267118e-05,
      "loss": 0.424,
      "step": 5480
    },
    {
      "epoch": 0.0366,
      "grad_norm": 5.375,
      "learning_rate": 1.9940766924757044e-05,
      "loss": 0.4353,
      "step": 5490
    },
    {
      "epoch": 0.03666666666666667,
      "grad_norm": 5.5,
      "learning_rate": 1.994053862904263e-05,
      "loss": 0.4338,
      "step": 5500
    },
    {
      "epoch": 0.03673333333333333,
      "grad_norm": 4.96875,
      "learning_rate": 1.994030989553799e-05,
      "loss": 0.4378,
      "step": 5510
    },
    {
      "epoch": 0.0368,
      "grad_norm": 9.0625,
      "learning_rate": 1.9940080724253202e-05,
      "loss": 0.4241,
      "step": 5520
    },
    {
      "epoch": 0.036866666666666666,
      "grad_norm": 2.875,
      "learning_rate": 1.9939851115198352e-05,
      "loss": 0.4793,
      "step": 5530
    },
    {
      "epoch": 0.03693333333333333,
      "grad_norm": 5.59375,
      "learning_rate": 1.9939621068383554e-05,
      "loss": 0.4182,
      "step": 5540
    },
    {
      "epoch": 0.037,
      "grad_norm": 2.484375,
      "learning_rate": 1.9939390583818946e-05,
      "loss": 0.4812,
      "step": 5550
    },
    {
      "epoch": 0.037066666666666664,
      "grad_norm": 5.53125,
      "learning_rate": 1.9939159661514668e-05,
      "loss": 0.4293,
      "step": 5560
    },
    {
      "epoch": 0.03713333333333333,
      "grad_norm": 4.78125,
      "learning_rate": 1.9938928301480903e-05,
      "loss": 0.3846,
      "step": 5570
    },
    {
      "epoch": 0.0372,
      "grad_norm": 4.40625,
      "learning_rate": 1.993869650372783e-05,
      "loss": 0.4431,
      "step": 5580
    },
    {
      "epoch": 0.03726666666666666,
      "grad_norm": 5.78125,
      "learning_rate": 1.993846426826566e-05,
      "loss": 0.3922,
      "step": 5590
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 9.8125,
      "learning_rate": 1.9938231595104623e-05,
      "loss": 0.3999,
      "step": 5600
    },
    {
      "epoch": 0.0374,
      "grad_norm": 4.96875,
      "learning_rate": 1.9937998484254962e-05,
      "loss": 0.3958,
      "step": 5610
    },
    {
      "epoch": 0.03746666666666667,
      "grad_norm": 4.75,
      "learning_rate": 1.993776493572695e-05,
      "loss": 0.4391,
      "step": 5620
    },
    {
      "epoch": 0.037533333333333335,
      "grad_norm": 4.4375,
      "learning_rate": 1.9937530949530865e-05,
      "loss": 0.4501,
      "step": 5630
    },
    {
      "epoch": 0.0376,
      "grad_norm": 6.03125,
      "learning_rate": 1.9937296525677018e-05,
      "loss": 0.4191,
      "step": 5640
    },
    {
      "epoch": 0.03766666666666667,
      "grad_norm": 5.6875,
      "learning_rate": 1.993706166417573e-05,
      "loss": 0.407,
      "step": 5650
    },
    {
      "epoch": 0.037733333333333334,
      "grad_norm": 4.09375,
      "learning_rate": 1.9936826365037346e-05,
      "loss": 0.4571,
      "step": 5660
    },
    {
      "epoch": 0.0378,
      "grad_norm": 4.0,
      "learning_rate": 1.9936590628272232e-05,
      "loss": 0.3593,
      "step": 5670
    },
    {
      "epoch": 0.037866666666666667,
      "grad_norm": 4.96875,
      "learning_rate": 1.9936354453890762e-05,
      "loss": 0.429,
      "step": 5680
    },
    {
      "epoch": 0.03793333333333333,
      "grad_norm": 5.375,
      "learning_rate": 1.9936117841903343e-05,
      "loss": 0.4408,
      "step": 5690
    },
    {
      "epoch": 0.038,
      "grad_norm": 5.875,
      "learning_rate": 1.9935880792320394e-05,
      "loss": 0.4666,
      "step": 5700
    },
    {
      "epoch": 0.038066666666666665,
      "grad_norm": 3.84375,
      "learning_rate": 1.9935643305152358e-05,
      "loss": 0.4369,
      "step": 5710
    },
    {
      "epoch": 0.03813333333333333,
      "grad_norm": 4.21875,
      "learning_rate": 1.9935405380409685e-05,
      "loss": 0.4744,
      "step": 5720
    },
    {
      "epoch": 0.0382,
      "grad_norm": 4.75,
      "learning_rate": 1.9935167018102864e-05,
      "loss": 0.4843,
      "step": 5730
    },
    {
      "epoch": 0.038266666666666664,
      "grad_norm": 6.375,
      "learning_rate": 1.9934928218242394e-05,
      "loss": 0.3738,
      "step": 5740
    },
    {
      "epoch": 0.03833333333333333,
      "grad_norm": 5.84375,
      "learning_rate": 1.993468898083878e-05,
      "loss": 0.4716,
      "step": 5750
    },
    {
      "epoch": 0.0384,
      "grad_norm": 6.15625,
      "learning_rate": 1.9934449305902565e-05,
      "loss": 0.4085,
      "step": 5760
    },
    {
      "epoch": 0.03846666666666667,
      "grad_norm": 5.0625,
      "learning_rate": 1.9934209193444305e-05,
      "loss": 0.4833,
      "step": 5770
    },
    {
      "epoch": 0.038533333333333336,
      "grad_norm": 4.1875,
      "learning_rate": 1.9933968643474574e-05,
      "loss": 0.4204,
      "step": 5780
    },
    {
      "epoch": 0.0386,
      "grad_norm": 4.84375,
      "learning_rate": 1.9933727656003964e-05,
      "loss": 0.4538,
      "step": 5790
    },
    {
      "epoch": 0.03866666666666667,
      "grad_norm": 4.0,
      "learning_rate": 1.9933486231043093e-05,
      "loss": 0.4442,
      "step": 5800
    },
    {
      "epoch": 0.038733333333333335,
      "grad_norm": 5.875,
      "learning_rate": 1.993324436860259e-05,
      "loss": 0.4383,
      "step": 5810
    },
    {
      "epoch": 0.0388,
      "grad_norm": 5.6875,
      "learning_rate": 1.9933002068693107e-05,
      "loss": 0.4245,
      "step": 5820
    },
    {
      "epoch": 0.03886666666666667,
      "grad_norm": 4.5,
      "learning_rate": 1.993275933132532e-05,
      "loss": 0.4503,
      "step": 5830
    },
    {
      "epoch": 0.038933333333333334,
      "grad_norm": 5.15625,
      "learning_rate": 1.9932516156509913e-05,
      "loss": 0.4329,
      "step": 5840
    },
    {
      "epoch": 0.039,
      "grad_norm": 2.171875,
      "learning_rate": 1.9932272544257594e-05,
      "loss": 0.3962,
      "step": 5850
    },
    {
      "epoch": 0.039066666666666666,
      "grad_norm": 5.59375,
      "learning_rate": 1.99320284945791e-05,
      "loss": 0.4394,
      "step": 5860
    },
    {
      "epoch": 0.03913333333333333,
      "grad_norm": 5.21875,
      "learning_rate": 1.9931784007485173e-05,
      "loss": 0.4561,
      "step": 5870
    },
    {
      "epoch": 0.0392,
      "grad_norm": 4.71875,
      "learning_rate": 1.9931539082986583e-05,
      "loss": 0.4577,
      "step": 5880
    },
    {
      "epoch": 0.039266666666666665,
      "grad_norm": 5.0625,
      "learning_rate": 1.9931293721094114e-05,
      "loss": 0.4452,
      "step": 5890
    },
    {
      "epoch": 0.03933333333333333,
      "grad_norm": 5.15625,
      "learning_rate": 1.993104792181858e-05,
      "loss": 0.4869,
      "step": 5900
    },
    {
      "epoch": 0.0394,
      "grad_norm": 4.28125,
      "learning_rate": 1.9930801685170794e-05,
      "loss": 0.4051,
      "step": 5910
    },
    {
      "epoch": 0.039466666666666664,
      "grad_norm": 4.71875,
      "learning_rate": 1.9930555011161606e-05,
      "loss": 0.4807,
      "step": 5920
    },
    {
      "epoch": 0.03953333333333333,
      "grad_norm": 4.9375,
      "learning_rate": 1.9930307899801887e-05,
      "loss": 0.4633,
      "step": 5930
    },
    {
      "epoch": 0.0396,
      "grad_norm": 2.859375,
      "learning_rate": 1.9930060351102507e-05,
      "loss": 0.481,
      "step": 5940
    },
    {
      "epoch": 0.03966666666666667,
      "grad_norm": 8.3125,
      "learning_rate": 1.9929812365074378e-05,
      "loss": 0.4976,
      "step": 5950
    },
    {
      "epoch": 0.039733333333333336,
      "grad_norm": 5.4375,
      "learning_rate": 1.9929563941728417e-05,
      "loss": 0.4701,
      "step": 5960
    },
    {
      "epoch": 0.0398,
      "grad_norm": 5.34375,
      "learning_rate": 1.9929315081075568e-05,
      "loss": 0.4303,
      "step": 5970
    },
    {
      "epoch": 0.03986666666666667,
      "grad_norm": 4.90625,
      "learning_rate": 1.9929065783126788e-05,
      "loss": 0.3845,
      "step": 5980
    },
    {
      "epoch": 0.039933333333333335,
      "grad_norm": 4.71875,
      "learning_rate": 1.9928816047893057e-05,
      "loss": 0.458,
      "step": 5990
    },
    {
      "epoch": 0.04,
      "grad_norm": 5.3125,
      "learning_rate": 1.992856587538537e-05,
      "loss": 0.4624,
      "step": 6000
    },
    {
      "epoch": 0.04006666666666667,
      "grad_norm": 5.0625,
      "learning_rate": 1.9928315265614758e-05,
      "loss": 0.4674,
      "step": 6010
    },
    {
      "epoch": 0.04013333333333333,
      "grad_norm": 5.15625,
      "learning_rate": 1.992806421859224e-05,
      "loss": 0.4365,
      "step": 6020
    },
    {
      "epoch": 0.0402,
      "grad_norm": 4.34375,
      "learning_rate": 1.9927812734328883e-05,
      "loss": 0.4391,
      "step": 6030
    },
    {
      "epoch": 0.040266666666666666,
      "grad_norm": 4.40625,
      "learning_rate": 1.9927560812835763e-05,
      "loss": 0.4525,
      "step": 6040
    },
    {
      "epoch": 0.04033333333333333,
      "grad_norm": 5.0,
      "learning_rate": 1.9927308454123975e-05,
      "loss": 0.4681,
      "step": 6050
    },
    {
      "epoch": 0.0404,
      "grad_norm": 5.6875,
      "learning_rate": 1.9927055658204625e-05,
      "loss": 0.5101,
      "step": 6060
    },
    {
      "epoch": 0.040466666666666665,
      "grad_norm": 5.125,
      "learning_rate": 1.9926802425088857e-05,
      "loss": 0.4326,
      "step": 6070
    },
    {
      "epoch": 0.04053333333333333,
      "grad_norm": 5.09375,
      "learning_rate": 1.9926548754787815e-05,
      "loss": 0.4198,
      "step": 6080
    },
    {
      "epoch": 0.0406,
      "grad_norm": 4.8125,
      "learning_rate": 1.9926294647312678e-05,
      "loss": 0.4425,
      "step": 6090
    },
    {
      "epoch": 0.04066666666666666,
      "grad_norm": 4.15625,
      "learning_rate": 1.992604010267463e-05,
      "loss": 0.4278,
      "step": 6100
    },
    {
      "epoch": 0.04073333333333334,
      "grad_norm": 3.1875,
      "learning_rate": 1.9925785120884887e-05,
      "loss": 0.4324,
      "step": 6110
    },
    {
      "epoch": 0.0408,
      "grad_norm": 5.53125,
      "learning_rate": 1.992552970195468e-05,
      "loss": 0.4543,
      "step": 6120
    },
    {
      "epoch": 0.04086666666666667,
      "grad_norm": 5.03125,
      "learning_rate": 1.9925273845895246e-05,
      "loss": 0.4607,
      "step": 6130
    },
    {
      "epoch": 0.040933333333333335,
      "grad_norm": 6.0625,
      "learning_rate": 1.9925017552717868e-05,
      "loss": 0.4536,
      "step": 6140
    },
    {
      "epoch": 0.041,
      "grad_norm": 4.875,
      "learning_rate": 1.992476082243383e-05,
      "loss": 0.4485,
      "step": 6150
    },
    {
      "epoch": 0.04106666666666667,
      "grad_norm": 4.15625,
      "learning_rate": 1.9924503655054428e-05,
      "loss": 0.43,
      "step": 6160
    },
    {
      "epoch": 0.041133333333333334,
      "grad_norm": 4.78125,
      "learning_rate": 1.9924246050591002e-05,
      "loss": 0.4062,
      "step": 6170
    },
    {
      "epoch": 0.0412,
      "grad_norm": 6.09375,
      "learning_rate": 1.9923988009054885e-05,
      "loss": 0.4551,
      "step": 6180
    },
    {
      "epoch": 0.04126666666666667,
      "grad_norm": 5.8125,
      "learning_rate": 1.9923729530457453e-05,
      "loss": 0.4116,
      "step": 6190
    },
    {
      "epoch": 0.04133333333333333,
      "grad_norm": 7.0625,
      "learning_rate": 1.9923470614810077e-05,
      "loss": 0.4912,
      "step": 6200
    },
    {
      "epoch": 0.0414,
      "grad_norm": 4.34375,
      "learning_rate": 1.992321126212417e-05,
      "loss": 0.4044,
      "step": 6210
    },
    {
      "epoch": 0.041466666666666666,
      "grad_norm": 10.0,
      "learning_rate": 1.992295147241115e-05,
      "loss": 0.4379,
      "step": 6220
    },
    {
      "epoch": 0.04153333333333333,
      "grad_norm": 4.78125,
      "learning_rate": 1.9922691245682462e-05,
      "loss": 0.4304,
      "step": 6230
    },
    {
      "epoch": 0.0416,
      "grad_norm": 5.3125,
      "learning_rate": 1.9922430581949564e-05,
      "loss": 0.385,
      "step": 6240
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 4.65625,
      "learning_rate": 1.9922169481223933e-05,
      "loss": 0.4059,
      "step": 6250
    },
    {
      "epoch": 0.04173333333333333,
      "grad_norm": 5.21875,
      "learning_rate": 1.992190794351707e-05,
      "loss": 0.371,
      "step": 6260
    },
    {
      "epoch": 0.0418,
      "grad_norm": 5.125,
      "learning_rate": 1.9921645968840492e-05,
      "loss": 0.4448,
      "step": 6270
    },
    {
      "epoch": 0.04186666666666667,
      "grad_norm": 5.5625,
      "learning_rate": 1.9921383557205743e-05,
      "loss": 0.4459,
      "step": 6280
    },
    {
      "epoch": 0.041933333333333336,
      "grad_norm": 5.21875,
      "learning_rate": 1.9921120708624375e-05,
      "loss": 0.4245,
      "step": 6290
    },
    {
      "epoch": 0.042,
      "grad_norm": 4.625,
      "learning_rate": 1.9920857423107963e-05,
      "loss": 0.4074,
      "step": 6300
    },
    {
      "epoch": 0.04206666666666667,
      "grad_norm": 4.375,
      "learning_rate": 1.9920593700668105e-05,
      "loss": 0.418,
      "step": 6310
    },
    {
      "epoch": 0.042133333333333335,
      "grad_norm": 6.34375,
      "learning_rate": 1.9920329541316414e-05,
      "loss": 0.4167,
      "step": 6320
    },
    {
      "epoch": 0.0422,
      "grad_norm": 3.375,
      "learning_rate": 1.9920064945064523e-05,
      "loss": 0.3876,
      "step": 6330
    },
    {
      "epoch": 0.04226666666666667,
      "grad_norm": 5.125,
      "learning_rate": 1.991979991192409e-05,
      "loss": 0.4643,
      "step": 6340
    },
    {
      "epoch": 0.042333333333333334,
      "grad_norm": 2.484375,
      "learning_rate": 1.991953444190678e-05,
      "loss": 0.3921,
      "step": 6350
    },
    {
      "epoch": 0.0424,
      "grad_norm": 4.3125,
      "learning_rate": 1.991926853502429e-05,
      "loss": 0.444,
      "step": 6360
    },
    {
      "epoch": 0.042466666666666666,
      "grad_norm": 5.375,
      "learning_rate": 1.991900219128833e-05,
      "loss": 0.3673,
      "step": 6370
    },
    {
      "epoch": 0.04253333333333333,
      "grad_norm": 8.3125,
      "learning_rate": 1.991873541071063e-05,
      "loss": 0.4166,
      "step": 6380
    },
    {
      "epoch": 0.0426,
      "grad_norm": 5.5625,
      "learning_rate": 1.9918468193302932e-05,
      "loss": 0.3951,
      "step": 6390
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 5.625,
      "learning_rate": 1.9918200539077014e-05,
      "loss": 0.3823,
      "step": 6400
    },
    {
      "epoch": 0.04273333333333333,
      "grad_norm": 6.53125,
      "learning_rate": 1.9917932448044663e-05,
      "loss": 0.4482,
      "step": 6410
    },
    {
      "epoch": 0.0428,
      "grad_norm": 4.875,
      "learning_rate": 1.9917663920217678e-05,
      "loss": 0.4333,
      "step": 6420
    },
    {
      "epoch": 0.042866666666666664,
      "grad_norm": 7.125,
      "learning_rate": 1.9917394955607894e-05,
      "loss": 0.3869,
      "step": 6430
    },
    {
      "epoch": 0.04293333333333333,
      "grad_norm": 5.21875,
      "learning_rate": 1.9917125554227153e-05,
      "loss": 0.4387,
      "step": 6440
    },
    {
      "epoch": 0.043,
      "grad_norm": 4.53125,
      "learning_rate": 1.991685571608732e-05,
      "loss": 0.4247,
      "step": 6450
    },
    {
      "epoch": 0.04306666666666667,
      "grad_norm": 8.5,
      "learning_rate": 1.991658544120028e-05,
      "loss": 0.4368,
      "step": 6460
    },
    {
      "epoch": 0.043133333333333336,
      "grad_norm": 5.0625,
      "learning_rate": 1.9916314729577934e-05,
      "loss": 0.4262,
      "step": 6470
    },
    {
      "epoch": 0.0432,
      "grad_norm": 5.125,
      "learning_rate": 1.9916043581232204e-05,
      "loss": 0.4448,
      "step": 6480
    },
    {
      "epoch": 0.04326666666666667,
      "grad_norm": 4.5625,
      "learning_rate": 1.991577199617503e-05,
      "loss": 0.4043,
      "step": 6490
    },
    {
      "epoch": 0.043333333333333335,
      "grad_norm": 6.09375,
      "learning_rate": 1.991549997441838e-05,
      "loss": 0.4149,
      "step": 6500
    },
    {
      "epoch": 0.0434,
      "grad_norm": 6.3125,
      "learning_rate": 1.991522751597423e-05,
      "loss": 0.482,
      "step": 6510
    },
    {
      "epoch": 0.04346666666666667,
      "grad_norm": 6.3125,
      "learning_rate": 1.9914954620854577e-05,
      "loss": 0.4187,
      "step": 6520
    },
    {
      "epoch": 0.043533333333333334,
      "grad_norm": 5.84375,
      "learning_rate": 1.9914681289071442e-05,
      "loss": 0.4166,
      "step": 6530
    },
    {
      "epoch": 0.0436,
      "grad_norm": 5.125,
      "learning_rate": 1.9914407520636864e-05,
      "loss": 0.425,
      "step": 6540
    },
    {
      "epoch": 0.043666666666666666,
      "grad_norm": 5.28125,
      "learning_rate": 1.9914133315562897e-05,
      "loss": 0.44,
      "step": 6550
    },
    {
      "epoch": 0.04373333333333333,
      "grad_norm": 4.53125,
      "learning_rate": 1.991385867386162e-05,
      "loss": 0.4416,
      "step": 6560
    },
    {
      "epoch": 0.0438,
      "grad_norm": 4.25,
      "learning_rate": 1.9913583595545123e-05,
      "loss": 0.4351,
      "step": 6570
    },
    {
      "epoch": 0.043866666666666665,
      "grad_norm": 4.5,
      "learning_rate": 1.9913308080625525e-05,
      "loss": 0.4224,
      "step": 6580
    },
    {
      "epoch": 0.04393333333333333,
      "grad_norm": 4.21875,
      "learning_rate": 1.9913032129114965e-05,
      "loss": 0.5226,
      "step": 6590
    },
    {
      "epoch": 0.044,
      "grad_norm": 5.09375,
      "learning_rate": 1.991275574102559e-05,
      "loss": 0.4389,
      "step": 6600
    },
    {
      "epoch": 0.044066666666666664,
      "grad_norm": 5.25,
      "learning_rate": 1.991247891636957e-05,
      "loss": 0.4468,
      "step": 6610
    },
    {
      "epoch": 0.04413333333333333,
      "grad_norm": 5.3125,
      "learning_rate": 1.9912201655159102e-05,
      "loss": 0.4169,
      "step": 6620
    },
    {
      "epoch": 0.0442,
      "grad_norm": 4.59375,
      "learning_rate": 1.9911923957406393e-05,
      "loss": 0.4129,
      "step": 6630
    },
    {
      "epoch": 0.04426666666666667,
      "grad_norm": 4.1875,
      "learning_rate": 1.9911645823123674e-05,
      "loss": 0.4356,
      "step": 6640
    },
    {
      "epoch": 0.044333333333333336,
      "grad_norm": 2.546875,
      "learning_rate": 1.9911367252323197e-05,
      "loss": 0.4296,
      "step": 6650
    },
    {
      "epoch": 0.0444,
      "grad_norm": 7.03125,
      "learning_rate": 1.9911088245017226e-05,
      "loss": 0.4536,
      "step": 6660
    },
    {
      "epoch": 0.04446666666666667,
      "grad_norm": 5.03125,
      "learning_rate": 1.9910808801218054e-05,
      "loss": 0.4398,
      "step": 6670
    },
    {
      "epoch": 0.044533333333333334,
      "grad_norm": 4.84375,
      "learning_rate": 1.9910528920937987e-05,
      "loss": 0.4358,
      "step": 6680
    },
    {
      "epoch": 0.0446,
      "grad_norm": 5.125,
      "learning_rate": 1.9910248604189346e-05,
      "loss": 0.4119,
      "step": 6690
    },
    {
      "epoch": 0.04466666666666667,
      "grad_norm": 5.09375,
      "learning_rate": 1.9909967850984482e-05,
      "loss": 0.4267,
      "step": 6700
    },
    {
      "epoch": 0.04473333333333333,
      "grad_norm": 3.453125,
      "learning_rate": 1.9909686661335754e-05,
      "loss": 0.4696,
      "step": 6710
    },
    {
      "epoch": 0.0448,
      "grad_norm": 5.21875,
      "learning_rate": 1.9909405035255554e-05,
      "loss": 0.4221,
      "step": 6720
    },
    {
      "epoch": 0.044866666666666666,
      "grad_norm": 5.84375,
      "learning_rate": 1.9909122972756275e-05,
      "loss": 0.4478,
      "step": 6730
    },
    {
      "epoch": 0.04493333333333333,
      "grad_norm": 4.46875,
      "learning_rate": 1.9908840473850347e-05,
      "loss": 0.4561,
      "step": 6740
    },
    {
      "epoch": 0.045,
      "grad_norm": 5.03125,
      "learning_rate": 1.990855753855021e-05,
      "loss": 0.4372,
      "step": 6750
    },
    {
      "epoch": 0.045066666666666665,
      "grad_norm": 4.9375,
      "learning_rate": 1.9908274166868322e-05,
      "loss": 0.4306,
      "step": 6760
    },
    {
      "epoch": 0.04513333333333333,
      "grad_norm": 5.5625,
      "learning_rate": 1.990799035881717e-05,
      "loss": 0.4011,
      "step": 6770
    },
    {
      "epoch": 0.0452,
      "grad_norm": 8.0625,
      "learning_rate": 1.990770611440924e-05,
      "loss": 0.431,
      "step": 6780
    },
    {
      "epoch": 0.04526666666666666,
      "grad_norm": 5.03125,
      "learning_rate": 1.9907421433657063e-05,
      "loss": 0.43,
      "step": 6790
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 4.65625,
      "learning_rate": 1.9907136316573173e-05,
      "loss": 0.505,
      "step": 6800
    },
    {
      "epoch": 0.0454,
      "grad_norm": 4.78125,
      "learning_rate": 1.9906850763170123e-05,
      "loss": 0.4373,
      "step": 6810
    },
    {
      "epoch": 0.04546666666666667,
      "grad_norm": 3.28125,
      "learning_rate": 1.990656477346049e-05,
      "loss": 0.4454,
      "step": 6820
    },
    {
      "epoch": 0.045533333333333335,
      "grad_norm": 5.375,
      "learning_rate": 1.9906278347456875e-05,
      "loss": 0.4459,
      "step": 6830
    },
    {
      "epoch": 0.0456,
      "grad_norm": 4.71875,
      "learning_rate": 1.990599148517189e-05,
      "loss": 0.4545,
      "step": 6840
    },
    {
      "epoch": 0.04566666666666667,
      "grad_norm": 6.5,
      "learning_rate": 1.9905704186618163e-05,
      "loss": 0.4947,
      "step": 6850
    },
    {
      "epoch": 0.045733333333333334,
      "grad_norm": 4.125,
      "learning_rate": 1.990541645180835e-05,
      "loss": 0.4254,
      "step": 6860
    },
    {
      "epoch": 0.0458,
      "grad_norm": 3.96875,
      "learning_rate": 1.9905128280755125e-05,
      "loss": 0.4268,
      "step": 6870
    },
    {
      "epoch": 0.04586666666666667,
      "grad_norm": 7.03125,
      "learning_rate": 1.9904839673471183e-05,
      "loss": 0.4424,
      "step": 6880
    },
    {
      "epoch": 0.04593333333333333,
      "grad_norm": 4.5,
      "learning_rate": 1.9904550629969227e-05,
      "loss": 0.3876,
      "step": 6890
    },
    {
      "epoch": 0.046,
      "grad_norm": 5.5625,
      "learning_rate": 1.9904261150261986e-05,
      "loss": 0.4038,
      "step": 6900
    },
    {
      "epoch": 0.046066666666666665,
      "grad_norm": 4.5,
      "learning_rate": 1.9903971234362218e-05,
      "loss": 0.4042,
      "step": 6910
    },
    {
      "epoch": 0.04613333333333333,
      "grad_norm": 5.75,
      "learning_rate": 1.9903680882282683e-05,
      "loss": 0.4674,
      "step": 6920
    },
    {
      "epoch": 0.0462,
      "grad_norm": 4.28125,
      "learning_rate": 1.9903390094036174e-05,
      "loss": 0.4351,
      "step": 6930
    },
    {
      "epoch": 0.046266666666666664,
      "grad_norm": 5.71875,
      "learning_rate": 1.990309886963549e-05,
      "loss": 0.4837,
      "step": 6940
    },
    {
      "epoch": 0.04633333333333333,
      "grad_norm": 5.21875,
      "learning_rate": 1.9902807209093465e-05,
      "loss": 0.407,
      "step": 6950
    },
    {
      "epoch": 0.0464,
      "grad_norm": 6.0625,
      "learning_rate": 1.990251511242294e-05,
      "loss": 0.4311,
      "step": 6960
    },
    {
      "epoch": 0.04646666666666667,
      "grad_norm": 5.25,
      "learning_rate": 1.990222257963678e-05,
      "loss": 0.4996,
      "step": 6970
    },
    {
      "epoch": 0.046533333333333336,
      "grad_norm": 4.84375,
      "learning_rate": 1.9901929610747864e-05,
      "loss": 0.4673,
      "step": 6980
    },
    {
      "epoch": 0.0466,
      "grad_norm": 5.21875,
      "learning_rate": 1.9901636205769105e-05,
      "loss": 0.4204,
      "step": 6990
    },
    {
      "epoch": 0.04666666666666667,
      "grad_norm": 3.9375,
      "learning_rate": 1.9901342364713417e-05,
      "loss": 0.4321,
      "step": 7000
    },
    {
      "epoch": 0.046733333333333335,
      "grad_norm": 7.6875,
      "learning_rate": 1.990104808759374e-05,
      "loss": 0.4319,
      "step": 7010
    },
    {
      "epoch": 0.0468,
      "grad_norm": 6.40625,
      "learning_rate": 1.9900753374423036e-05,
      "loss": 0.429,
      "step": 7020
    },
    {
      "epoch": 0.04686666666666667,
      "grad_norm": 4.78125,
      "learning_rate": 1.990045822521429e-05,
      "loss": 0.3885,
      "step": 7030
    },
    {
      "epoch": 0.046933333333333334,
      "grad_norm": 5.5,
      "learning_rate": 1.9900162639980492e-05,
      "loss": 0.3706,
      "step": 7040
    },
    {
      "epoch": 0.047,
      "grad_norm": 5.3125,
      "learning_rate": 1.9899866618734664e-05,
      "loss": 0.4368,
      "step": 7050
    },
    {
      "epoch": 0.047066666666666666,
      "grad_norm": 5.28125,
      "learning_rate": 1.9899570161489843e-05,
      "loss": 0.4202,
      "step": 7060
    },
    {
      "epoch": 0.04713333333333333,
      "grad_norm": 7.0,
      "learning_rate": 1.9899273268259086e-05,
      "loss": 0.4308,
      "step": 7070
    },
    {
      "epoch": 0.0472,
      "grad_norm": 6.1875,
      "learning_rate": 1.9898975939055466e-05,
      "loss": 0.4234,
      "step": 7080
    },
    {
      "epoch": 0.047266666666666665,
      "grad_norm": 5.3125,
      "learning_rate": 1.9898678173892082e-05,
      "loss": 0.4471,
      "step": 7090
    },
    {
      "epoch": 0.04733333333333333,
      "grad_norm": 4.875,
      "learning_rate": 1.9898379972782044e-05,
      "loss": 0.4632,
      "step": 7100
    },
    {
      "epoch": 0.0474,
      "grad_norm": 6.34375,
      "learning_rate": 1.9898081335738483e-05,
      "loss": 0.4356,
      "step": 7110
    },
    {
      "epoch": 0.047466666666666664,
      "grad_norm": 6.1875,
      "learning_rate": 1.9897782262774555e-05,
      "loss": 0.4372,
      "step": 7120
    },
    {
      "epoch": 0.04753333333333333,
      "grad_norm": 5.5625,
      "learning_rate": 1.989748275390343e-05,
      "loss": 0.4774,
      "step": 7130
    },
    {
      "epoch": 0.0476,
      "grad_norm": 5.09375,
      "learning_rate": 1.9897182809138303e-05,
      "loss": 0.4669,
      "step": 7140
    },
    {
      "epoch": 0.04766666666666667,
      "grad_norm": 2.3125,
      "learning_rate": 1.9896882428492375e-05,
      "loss": 0.436,
      "step": 7150
    },
    {
      "epoch": 0.047733333333333336,
      "grad_norm": 4.125,
      "learning_rate": 1.9896581611978885e-05,
      "loss": 0.4626,
      "step": 7160
    },
    {
      "epoch": 0.0478,
      "grad_norm": 4.6875,
      "learning_rate": 1.9896280359611073e-05,
      "loss": 0.44,
      "step": 7170
    },
    {
      "epoch": 0.04786666666666667,
      "grad_norm": 7.5,
      "learning_rate": 1.989597867140221e-05,
      "loss": 0.4047,
      "step": 7180
    },
    {
      "epoch": 0.047933333333333335,
      "grad_norm": 4.875,
      "learning_rate": 1.9895676547365587e-05,
      "loss": 0.4314,
      "step": 7190
    },
    {
      "epoch": 0.048,
      "grad_norm": 6.09375,
      "learning_rate": 1.9895373987514502e-05,
      "loss": 0.4414,
      "step": 7200
    },
    {
      "epoch": 0.04806666666666667,
      "grad_norm": 4.53125,
      "learning_rate": 1.9895070991862283e-05,
      "loss": 0.4488,
      "step": 7210
    },
    {
      "epoch": 0.048133333333333334,
      "grad_norm": 4.34375,
      "learning_rate": 1.9894767560422274e-05,
      "loss": 0.4133,
      "step": 7220
    },
    {
      "epoch": 0.0482,
      "grad_norm": 4.71875,
      "learning_rate": 1.989446369320784e-05,
      "loss": 0.4653,
      "step": 7230
    },
    {
      "epoch": 0.048266666666666666,
      "grad_norm": 3.40625,
      "learning_rate": 1.989415939023236e-05,
      "loss": 0.4295,
      "step": 7240
    },
    {
      "epoch": 0.04833333333333333,
      "grad_norm": 5.3125,
      "learning_rate": 1.9893854651509242e-05,
      "loss": 0.4759,
      "step": 7250
    },
    {
      "epoch": 0.0484,
      "grad_norm": 6.6875,
      "learning_rate": 1.98935494770519e-05,
      "loss": 0.4783,
      "step": 7260
    },
    {
      "epoch": 0.048466666666666665,
      "grad_norm": 0.6015625,
      "learning_rate": 1.9893243866873778e-05,
      "loss": 0.4009,
      "step": 7270
    },
    {
      "epoch": 0.04853333333333333,
      "grad_norm": 3.90625,
      "learning_rate": 1.9892937820988333e-05,
      "loss": 0.4322,
      "step": 7280
    },
    {
      "epoch": 0.0486,
      "grad_norm": 6.5625,
      "learning_rate": 1.989263133940905e-05,
      "loss": 0.3858,
      "step": 7290
    },
    {
      "epoch": 0.048666666666666664,
      "grad_norm": 4.4375,
      "learning_rate": 1.9892324422149415e-05,
      "loss": 0.3912,
      "step": 7300
    },
    {
      "epoch": 0.04873333333333333,
      "grad_norm": 5.15625,
      "learning_rate": 1.989201706922296e-05,
      "loss": 0.4745,
      "step": 7310
    },
    {
      "epoch": 0.0488,
      "grad_norm": 5.03125,
      "learning_rate": 1.9891709280643207e-05,
      "loss": 0.4205,
      "step": 7320
    },
    {
      "epoch": 0.04886666666666667,
      "grad_norm": 4.625,
      "learning_rate": 1.9891401056423717e-05,
      "loss": 0.4084,
      "step": 7330
    },
    {
      "epoch": 0.048933333333333336,
      "grad_norm": 5.40625,
      "learning_rate": 1.989109239657807e-05,
      "loss": 0.4218,
      "step": 7340
    },
    {
      "epoch": 0.049,
      "grad_norm": 6.28125,
      "learning_rate": 1.989078330111985e-05,
      "loss": 0.4403,
      "step": 7350
    },
    {
      "epoch": 0.04906666666666667,
      "grad_norm": 5.1875,
      "learning_rate": 1.9890473770062675e-05,
      "loss": 0.4548,
      "step": 7360
    },
    {
      "epoch": 0.049133333333333334,
      "grad_norm": 4.9375,
      "learning_rate": 1.9890163803420176e-05,
      "loss": 0.4323,
      "step": 7370
    },
    {
      "epoch": 0.0492,
      "grad_norm": 5.59375,
      "learning_rate": 1.9889853401206004e-05,
      "loss": 0.4327,
      "step": 7380
    },
    {
      "epoch": 0.04926666666666667,
      "grad_norm": 5.15625,
      "learning_rate": 1.9889542563433833e-05,
      "loss": 0.4266,
      "step": 7390
    },
    {
      "epoch": 0.04933333333333333,
      "grad_norm": 5.6875,
      "learning_rate": 1.9889231290117347e-05,
      "loss": 0.4617,
      "step": 7400
    },
    {
      "epoch": 0.0494,
      "grad_norm": 4.3125,
      "learning_rate": 1.9888919581270255e-05,
      "loss": 0.4358,
      "step": 7410
    },
    {
      "epoch": 0.049466666666666666,
      "grad_norm": 6.0,
      "learning_rate": 1.988860743690629e-05,
      "loss": 0.4498,
      "step": 7420
    },
    {
      "epoch": 0.04953333333333333,
      "grad_norm": 6.40625,
      "learning_rate": 1.9888294857039196e-05,
      "loss": 0.4447,
      "step": 7430
    },
    {
      "epoch": 0.0496,
      "grad_norm": 5.375,
      "learning_rate": 1.9887981841682736e-05,
      "loss": 0.4471,
      "step": 7440
    },
    {
      "epoch": 0.049666666666666665,
      "grad_norm": 8.625,
      "learning_rate": 1.9887668390850704e-05,
      "loss": 0.4438,
      "step": 7450
    },
    {
      "epoch": 0.04973333333333333,
      "grad_norm": 5.21875,
      "learning_rate": 1.9887354504556896e-05,
      "loss": 0.5144,
      "step": 7460
    },
    {
      "epoch": 0.0498,
      "grad_norm": 4.5625,
      "learning_rate": 1.9887040182815142e-05,
      "loss": 0.4157,
      "step": 7470
    },
    {
      "epoch": 0.04986666666666666,
      "grad_norm": 5.0,
      "learning_rate": 1.988672542563928e-05,
      "loss": 0.4445,
      "step": 7480
    },
    {
      "epoch": 0.049933333333333337,
      "grad_norm": 5.8125,
      "learning_rate": 1.9886410233043176e-05,
      "loss": 0.4238,
      "step": 7490
    },
    {
      "epoch": 0.05,
      "grad_norm": 6.4375,
      "learning_rate": 1.988609460504071e-05,
      "loss": 0.3896,
      "step": 7500
    },
    {
      "epoch": 0.05006666666666667,
      "grad_norm": 4.375,
      "learning_rate": 1.988577854164578e-05,
      "loss": 0.475,
      "step": 7510
    },
    {
      "epoch": 0.050133333333333335,
      "grad_norm": 5.03125,
      "learning_rate": 1.9885462042872312e-05,
      "loss": 0.4295,
      "step": 7520
    },
    {
      "epoch": 0.0502,
      "grad_norm": 4.25,
      "learning_rate": 1.988514510873424e-05,
      "loss": 0.4073,
      "step": 7530
    },
    {
      "epoch": 0.05026666666666667,
      "grad_norm": 4.75,
      "learning_rate": 1.9884827739245525e-05,
      "loss": 0.4776,
      "step": 7540
    },
    {
      "epoch": 0.050333333333333334,
      "grad_norm": 5.375,
      "learning_rate": 1.988450993442014e-05,
      "loss": 0.4294,
      "step": 7550
    },
    {
      "epoch": 0.0504,
      "grad_norm": 0.85546875,
      "learning_rate": 1.9884191694272084e-05,
      "loss": 0.4399,
      "step": 7560
    },
    {
      "epoch": 0.05046666666666667,
      "grad_norm": 4.96875,
      "learning_rate": 1.988387301881537e-05,
      "loss": 0.4217,
      "step": 7570
    },
    {
      "epoch": 0.05053333333333333,
      "grad_norm": 4.6875,
      "learning_rate": 1.988355390806404e-05,
      "loss": 0.3959,
      "step": 7580
    },
    {
      "epoch": 0.0506,
      "grad_norm": 4.84375,
      "learning_rate": 1.9883234362032144e-05,
      "loss": 0.4356,
      "step": 7590
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 5.03125,
      "learning_rate": 1.9882914380733748e-05,
      "loss": 0.4404,
      "step": 7600
    },
    {
      "epoch": 0.05073333333333333,
      "grad_norm": 5.90625,
      "learning_rate": 1.9882593964182956e-05,
      "loss": 0.4049,
      "step": 7610
    },
    {
      "epoch": 0.0508,
      "grad_norm": 6.625,
      "learning_rate": 1.988227311239387e-05,
      "loss": 0.4456,
      "step": 7620
    },
    {
      "epoch": 0.050866666666666664,
      "grad_norm": 5.21875,
      "learning_rate": 1.9881951825380627e-05,
      "loss": 0.4084,
      "step": 7630
    },
    {
      "epoch": 0.05093333333333333,
      "grad_norm": 8.25,
      "learning_rate": 1.9881630103157373e-05,
      "loss": 0.4752,
      "step": 7640
    },
    {
      "epoch": 0.051,
      "grad_norm": 4.3125,
      "learning_rate": 1.9881307945738277e-05,
      "loss": 0.3989,
      "step": 7650
    },
    {
      "epoch": 0.05106666666666667,
      "grad_norm": 5.5625,
      "learning_rate": 1.9880985353137533e-05,
      "loss": 0.4316,
      "step": 7660
    },
    {
      "epoch": 0.051133333333333336,
      "grad_norm": 4.375,
      "learning_rate": 1.9880662325369337e-05,
      "loss": 0.3848,
      "step": 7670
    },
    {
      "epoch": 0.0512,
      "grad_norm": 4.78125,
      "learning_rate": 1.9880338862447928e-05,
      "loss": 0.4337,
      "step": 7680
    },
    {
      "epoch": 0.05126666666666667,
      "grad_norm": 7.15625,
      "learning_rate": 1.9880014964387544e-05,
      "loss": 0.4668,
      "step": 7690
    },
    {
      "epoch": 0.051333333333333335,
      "grad_norm": 5.15625,
      "learning_rate": 1.987969063120245e-05,
      "loss": 0.4006,
      "step": 7700
    },
    {
      "epoch": 0.0514,
      "grad_norm": 2.5,
      "learning_rate": 1.987936586290693e-05,
      "loss": 0.4481,
      "step": 7710
    },
    {
      "epoch": 0.05146666666666667,
      "grad_norm": 4.5,
      "learning_rate": 1.9879040659515292e-05,
      "loss": 0.3978,
      "step": 7720
    },
    {
      "epoch": 0.051533333333333334,
      "grad_norm": 9.375,
      "learning_rate": 1.987871502104185e-05,
      "loss": 0.4658,
      "step": 7730
    },
    {
      "epoch": 0.0516,
      "grad_norm": 4.25,
      "learning_rate": 1.9878388947500955e-05,
      "loss": 0.4182,
      "step": 7740
    },
    {
      "epoch": 0.051666666666666666,
      "grad_norm": 6.75,
      "learning_rate": 1.987806243890696e-05,
      "loss": 0.4547,
      "step": 7750
    },
    {
      "epoch": 0.05173333333333333,
      "grad_norm": 4.59375,
      "learning_rate": 1.987773549527425e-05,
      "loss": 0.3977,
      "step": 7760
    },
    {
      "epoch": 0.0518,
      "grad_norm": 5.65625,
      "learning_rate": 1.9877408116617215e-05,
      "loss": 0.4632,
      "step": 7770
    },
    {
      "epoch": 0.051866666666666665,
      "grad_norm": 4.21875,
      "learning_rate": 1.9877080302950283e-05,
      "loss": 0.4813,
      "step": 7780
    },
    {
      "epoch": 0.05193333333333333,
      "grad_norm": 5.375,
      "learning_rate": 1.987675205428789e-05,
      "loss": 0.4721,
      "step": 7790
    },
    {
      "epoch": 0.052,
      "grad_norm": 6.03125,
      "learning_rate": 1.9876423370644485e-05,
      "loss": 0.489,
      "step": 7800
    },
    {
      "epoch": 0.052066666666666664,
      "grad_norm": 5.1875,
      "learning_rate": 1.9876094252034553e-05,
      "loss": 0.4176,
      "step": 7810
    },
    {
      "epoch": 0.05213333333333333,
      "grad_norm": 4.8125,
      "learning_rate": 1.9875764698472583e-05,
      "loss": 0.3902,
      "step": 7820
    },
    {
      "epoch": 0.0522,
      "grad_norm": 4.6875,
      "learning_rate": 1.9875434709973088e-05,
      "loss": 0.4499,
      "step": 7830
    },
    {
      "epoch": 0.05226666666666667,
      "grad_norm": 7.34375,
      "learning_rate": 1.9875104286550605e-05,
      "loss": 0.4882,
      "step": 7840
    },
    {
      "epoch": 0.052333333333333336,
      "grad_norm": 5.21875,
      "learning_rate": 1.9874773428219683e-05,
      "loss": 0.4544,
      "step": 7850
    },
    {
      "epoch": 0.0524,
      "grad_norm": 5.09375,
      "learning_rate": 1.9874442134994892e-05,
      "loss": 0.417,
      "step": 7860
    },
    {
      "epoch": 0.05246666666666667,
      "grad_norm": 4.625,
      "learning_rate": 1.9874110406890827e-05,
      "loss": 0.411,
      "step": 7870
    },
    {
      "epoch": 0.052533333333333335,
      "grad_norm": 6.34375,
      "learning_rate": 1.9873778243922096e-05,
      "loss": 0.4403,
      "step": 7880
    },
    {
      "epoch": 0.0526,
      "grad_norm": 7.59375,
      "learning_rate": 1.9873445646103327e-05,
      "loss": 0.4382,
      "step": 7890
    },
    {
      "epoch": 0.05266666666666667,
      "grad_norm": 5.03125,
      "learning_rate": 1.9873112613449166e-05,
      "loss": 0.4295,
      "step": 7900
    },
    {
      "epoch": 0.05273333333333333,
      "grad_norm": 4.21875,
      "learning_rate": 1.9872779145974283e-05,
      "loss": 0.3701,
      "step": 7910
    },
    {
      "epoch": 0.0528,
      "grad_norm": 4.0,
      "learning_rate": 1.9872445243693367e-05,
      "loss": 0.4192,
      "step": 7920
    },
    {
      "epoch": 0.052866666666666666,
      "grad_norm": 7.84375,
      "learning_rate": 1.9872110906621115e-05,
      "loss": 0.4978,
      "step": 7930
    },
    {
      "epoch": 0.05293333333333333,
      "grad_norm": 5.4375,
      "learning_rate": 1.9871776134772255e-05,
      "loss": 0.4889,
      "step": 7940
    },
    {
      "epoch": 0.053,
      "grad_norm": 5.625,
      "learning_rate": 1.9871440928161536e-05,
      "loss": 0.4081,
      "step": 7950
    },
    {
      "epoch": 0.053066666666666665,
      "grad_norm": 4.5625,
      "learning_rate": 1.9871105286803717e-05,
      "loss": 0.4237,
      "step": 7960
    },
    {
      "epoch": 0.05313333333333333,
      "grad_norm": 5.53125,
      "learning_rate": 1.9870769210713576e-05,
      "loss": 0.4473,
      "step": 7970
    },
    {
      "epoch": 0.0532,
      "grad_norm": 5.625,
      "learning_rate": 1.9870432699905916e-05,
      "loss": 0.4577,
      "step": 7980
    },
    {
      "epoch": 0.053266666666666664,
      "grad_norm": 3.609375,
      "learning_rate": 1.9870095754395564e-05,
      "loss": 0.3885,
      "step": 7990
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 1.5390625,
      "learning_rate": 1.9869758374197353e-05,
      "loss": 0.3824,
      "step": 8000
    },
    {
      "epoch": 0.0534,
      "grad_norm": 4.8125,
      "learning_rate": 1.9869420559326143e-05,
      "loss": 0.4568,
      "step": 8010
    },
    {
      "epoch": 0.05346666666666667,
      "grad_norm": 6.875,
      "learning_rate": 1.9869082309796808e-05,
      "loss": 0.4134,
      "step": 8020
    },
    {
      "epoch": 0.053533333333333336,
      "grad_norm": 5.0,
      "learning_rate": 1.9868743625624253e-05,
      "loss": 0.4368,
      "step": 8030
    },
    {
      "epoch": 0.0536,
      "grad_norm": 4.90625,
      "learning_rate": 1.9868404506823386e-05,
      "loss": 0.4503,
      "step": 8040
    },
    {
      "epoch": 0.05366666666666667,
      "grad_norm": 6.46875,
      "learning_rate": 1.9868064953409147e-05,
      "loss": 0.4446,
      "step": 8050
    },
    {
      "epoch": 0.053733333333333334,
      "grad_norm": 4.84375,
      "learning_rate": 1.986772496539649e-05,
      "loss": 0.4355,
      "step": 8060
    },
    {
      "epoch": 0.0538,
      "grad_norm": 5.125,
      "learning_rate": 1.986738454280038e-05,
      "loss": 0.4448,
      "step": 8070
    },
    {
      "epoch": 0.05386666666666667,
      "grad_norm": 5.9375,
      "learning_rate": 1.9867043685635822e-05,
      "loss": 0.4062,
      "step": 8080
    },
    {
      "epoch": 0.05393333333333333,
      "grad_norm": 4.59375,
      "learning_rate": 1.986670239391782e-05,
      "loss": 0.4498,
      "step": 8090
    },
    {
      "epoch": 0.054,
      "grad_norm": 4.5,
      "learning_rate": 1.9866360667661412e-05,
      "loss": 0.3943,
      "step": 8100
    },
    {
      "epoch": 0.054066666666666666,
      "grad_norm": 4.46875,
      "learning_rate": 1.9866018506881638e-05,
      "loss": 0.401,
      "step": 8110
    },
    {
      "epoch": 0.05413333333333333,
      "grad_norm": 5.8125,
      "learning_rate": 1.986567591159357e-05,
      "loss": 0.4024,
      "step": 8120
    },
    {
      "epoch": 0.0542,
      "grad_norm": 6.15625,
      "learning_rate": 1.98653328818123e-05,
      "loss": 0.4428,
      "step": 8130
    },
    {
      "epoch": 0.054266666666666664,
      "grad_norm": 10.0625,
      "learning_rate": 1.986498941755294e-05,
      "loss": 0.54,
      "step": 8140
    },
    {
      "epoch": 0.05433333333333333,
      "grad_norm": 5.6875,
      "learning_rate": 1.98646455188306e-05,
      "loss": 0.4425,
      "step": 8150
    },
    {
      "epoch": 0.0544,
      "grad_norm": 4.9375,
      "learning_rate": 1.9864301185660442e-05,
      "loss": 0.3887,
      "step": 8160
    },
    {
      "epoch": 0.05446666666666666,
      "grad_norm": 4.90625,
      "learning_rate": 1.9863956418057622e-05,
      "loss": 0.4304,
      "step": 8170
    },
    {
      "epoch": 0.054533333333333336,
      "grad_norm": 5.53125,
      "learning_rate": 1.9863611216037326e-05,
      "loss": 0.4175,
      "step": 8180
    },
    {
      "epoch": 0.0546,
      "grad_norm": 4.28125,
      "learning_rate": 1.986326557961476e-05,
      "loss": 0.4316,
      "step": 8190
    },
    {
      "epoch": 0.05466666666666667,
      "grad_norm": 5.9375,
      "learning_rate": 1.9862919508805137e-05,
      "loss": 0.4814,
      "step": 8200
    },
    {
      "epoch": 0.054733333333333335,
      "grad_norm": 6.0625,
      "learning_rate": 1.986257300362371e-05,
      "loss": 0.3978,
      "step": 8210
    },
    {
      "epoch": 0.0548,
      "grad_norm": 5.3125,
      "learning_rate": 1.986222606408573e-05,
      "loss": 0.4207,
      "step": 8220
    },
    {
      "epoch": 0.05486666666666667,
      "grad_norm": 5.15625,
      "learning_rate": 1.9861878690206485e-05,
      "loss": 0.4474,
      "step": 8230
    },
    {
      "epoch": 0.054933333333333334,
      "grad_norm": 2.5625,
      "learning_rate": 1.9861530882001268e-05,
      "loss": 0.4613,
      "step": 8240
    },
    {
      "epoch": 0.055,
      "grad_norm": 5.21875,
      "learning_rate": 1.9861182639485396e-05,
      "loss": 0.3849,
      "step": 8250
    },
    {
      "epoch": 0.05506666666666667,
      "grad_norm": 4.40625,
      "learning_rate": 1.9860833962674207e-05,
      "loss": 0.411,
      "step": 8260
    },
    {
      "epoch": 0.05513333333333333,
      "grad_norm": 4.96875,
      "learning_rate": 1.986048485158306e-05,
      "loss": 0.4119,
      "step": 8270
    },
    {
      "epoch": 0.0552,
      "grad_norm": 6.0,
      "learning_rate": 1.9860135306227326e-05,
      "loss": 0.4968,
      "step": 8280
    },
    {
      "epoch": 0.055266666666666665,
      "grad_norm": 4.125,
      "learning_rate": 1.9859785326622404e-05,
      "loss": 0.4658,
      "step": 8290
    },
    {
      "epoch": 0.05533333333333333,
      "grad_norm": 5.53125,
      "learning_rate": 1.9859434912783705e-05,
      "loss": 0.4327,
      "step": 8300
    },
    {
      "epoch": 0.0554,
      "grad_norm": 2.125,
      "learning_rate": 1.9859084064726657e-05,
      "loss": 0.4032,
      "step": 8310
    },
    {
      "epoch": 0.055466666666666664,
      "grad_norm": 6.65625,
      "learning_rate": 1.985873278246672e-05,
      "loss": 0.4266,
      "step": 8320
    },
    {
      "epoch": 0.05553333333333333,
      "grad_norm": 6.75,
      "learning_rate": 1.9858381066019358e-05,
      "loss": 0.4535,
      "step": 8330
    },
    {
      "epoch": 0.0556,
      "grad_norm": 4.15625,
      "learning_rate": 1.9858028915400065e-05,
      "loss": 0.4398,
      "step": 8340
    },
    {
      "epoch": 0.05566666666666667,
      "grad_norm": 4.4375,
      "learning_rate": 1.9857676330624348e-05,
      "loss": 0.4724,
      "step": 8350
    },
    {
      "epoch": 0.055733333333333336,
      "grad_norm": 5.5625,
      "learning_rate": 1.985732331170774e-05,
      "loss": 0.4033,
      "step": 8360
    },
    {
      "epoch": 0.0558,
      "grad_norm": 5.1875,
      "learning_rate": 1.9856969858665778e-05,
      "loss": 0.4031,
      "step": 8370
    },
    {
      "epoch": 0.05586666666666667,
      "grad_norm": 3.96875,
      "learning_rate": 1.9856615971514034e-05,
      "loss": 0.3885,
      "step": 8380
    },
    {
      "epoch": 0.055933333333333335,
      "grad_norm": 5.0,
      "learning_rate": 1.98562616502681e-05,
      "loss": 0.4209,
      "step": 8390
    },
    {
      "epoch": 0.056,
      "grad_norm": 9.0,
      "learning_rate": 1.985590689494357e-05,
      "loss": 0.4303,
      "step": 8400
    },
    {
      "epoch": 0.05606666666666667,
      "grad_norm": 4.71875,
      "learning_rate": 1.9855551705556073e-05,
      "loss": 0.4436,
      "step": 8410
    },
    {
      "epoch": 0.056133333333333334,
      "grad_norm": 5.0625,
      "learning_rate": 1.9855196082121252e-05,
      "loss": 0.4354,
      "step": 8420
    },
    {
      "epoch": 0.0562,
      "grad_norm": 6.5625,
      "learning_rate": 1.985484002465477e-05,
      "loss": 0.4663,
      "step": 8430
    },
    {
      "epoch": 0.056266666666666666,
      "grad_norm": 6.40625,
      "learning_rate": 1.9854483533172303e-05,
      "loss": 0.4596,
      "step": 8440
    },
    {
      "epoch": 0.05633333333333333,
      "grad_norm": 4.28125,
      "learning_rate": 1.9854126607689556e-05,
      "loss": 0.4292,
      "step": 8450
    },
    {
      "epoch": 0.0564,
      "grad_norm": 4.96875,
      "learning_rate": 1.9853769248222248e-05,
      "loss": 0.4481,
      "step": 8460
    },
    {
      "epoch": 0.056466666666666665,
      "grad_norm": 4.25,
      "learning_rate": 1.9853411454786117e-05,
      "loss": 0.4611,
      "step": 8470
    },
    {
      "epoch": 0.05653333333333333,
      "grad_norm": 6.59375,
      "learning_rate": 1.9853053227396914e-05,
      "loss": 0.4611,
      "step": 8480
    },
    {
      "epoch": 0.0566,
      "grad_norm": 4.25,
      "learning_rate": 1.985269456607043e-05,
      "loss": 0.3602,
      "step": 8490
    },
    {
      "epoch": 0.056666666666666664,
      "grad_norm": 9.6875,
      "learning_rate": 1.9852335470822443e-05,
      "loss": 0.5232,
      "step": 8500
    },
    {
      "epoch": 0.05673333333333333,
      "grad_norm": 5.0,
      "learning_rate": 1.985197594166878e-05,
      "loss": 0.4472,
      "step": 8510
    },
    {
      "epoch": 0.0568,
      "grad_norm": 5.6875,
      "learning_rate": 1.9851615978625275e-05,
      "loss": 0.4356,
      "step": 8520
    },
    {
      "epoch": 0.05686666666666667,
      "grad_norm": 4.6875,
      "learning_rate": 1.985125558170778e-05,
      "loss": 0.4294,
      "step": 8530
    },
    {
      "epoch": 0.056933333333333336,
      "grad_norm": 5.25,
      "learning_rate": 1.985089475093216e-05,
      "loss": 0.4827,
      "step": 8540
    },
    {
      "epoch": 0.057,
      "grad_norm": 7.625,
      "learning_rate": 1.9850533486314313e-05,
      "loss": 0.4533,
      "step": 8550
    },
    {
      "epoch": 0.05706666666666667,
      "grad_norm": 4.65625,
      "learning_rate": 1.9850171787870148e-05,
      "loss": 0.4492,
      "step": 8560
    },
    {
      "epoch": 0.057133333333333335,
      "grad_norm": 4.3125,
      "learning_rate": 1.9849809655615596e-05,
      "loss": 0.501,
      "step": 8570
    },
    {
      "epoch": 0.0572,
      "grad_norm": 6.34375,
      "learning_rate": 1.9849447089566604e-05,
      "loss": 0.4372,
      "step": 8580
    },
    {
      "epoch": 0.05726666666666667,
      "grad_norm": 5.59375,
      "learning_rate": 1.984908408973914e-05,
      "loss": 0.4158,
      "step": 8590
    },
    {
      "epoch": 0.05733333333333333,
      "grad_norm": 4.90625,
      "learning_rate": 1.9848720656149187e-05,
      "loss": 0.4627,
      "step": 8600
    },
    {
      "epoch": 0.0574,
      "grad_norm": 4.375,
      "learning_rate": 1.984835678881276e-05,
      "loss": 0.4121,
      "step": 8610
    },
    {
      "epoch": 0.057466666666666666,
      "grad_norm": 6.28125,
      "learning_rate": 1.9847992487745876e-05,
      "loss": 0.4665,
      "step": 8620
    },
    {
      "epoch": 0.05753333333333333,
      "grad_norm": 5.53125,
      "learning_rate": 1.9847627752964582e-05,
      "loss": 0.4722,
      "step": 8630
    },
    {
      "epoch": 0.0576,
      "grad_norm": 4.125,
      "learning_rate": 1.984726258448494e-05,
      "loss": 0.4978,
      "step": 8640
    },
    {
      "epoch": 0.057666666666666665,
      "grad_norm": 4.65625,
      "learning_rate": 1.9846896982323035e-05,
      "loss": 0.4367,
      "step": 8650
    },
    {
      "epoch": 0.05773333333333333,
      "grad_norm": 5.59375,
      "learning_rate": 1.9846530946494967e-05,
      "loss": 0.4724,
      "step": 8660
    },
    {
      "epoch": 0.0578,
      "grad_norm": 5.90625,
      "learning_rate": 1.9846164477016858e-05,
      "loss": 0.464,
      "step": 8670
    },
    {
      "epoch": 0.057866666666666663,
      "grad_norm": 4.09375,
      "learning_rate": 1.9845797573904843e-05,
      "loss": 0.4255,
      "step": 8680
    },
    {
      "epoch": 0.05793333333333334,
      "grad_norm": 5.6875,
      "learning_rate": 1.9845430237175087e-05,
      "loss": 0.4145,
      "step": 8690
    },
    {
      "epoch": 0.058,
      "grad_norm": 4.0625,
      "learning_rate": 1.9845062466843764e-05,
      "loss": 0.4051,
      "step": 8700
    },
    {
      "epoch": 0.05806666666666667,
      "grad_norm": 5.5625,
      "learning_rate": 1.984469426292707e-05,
      "loss": 0.4099,
      "step": 8710
    },
    {
      "epoch": 0.058133333333333335,
      "grad_norm": 1.8203125,
      "learning_rate": 1.9844325625441225e-05,
      "loss": 0.4104,
      "step": 8720
    },
    {
      "epoch": 0.0582,
      "grad_norm": 2.328125,
      "learning_rate": 1.984395655440246e-05,
      "loss": 0.4568,
      "step": 8730
    },
    {
      "epoch": 0.05826666666666667,
      "grad_norm": 5.15625,
      "learning_rate": 1.984358704982703e-05,
      "loss": 0.4137,
      "step": 8740
    },
    {
      "epoch": 0.058333333333333334,
      "grad_norm": 6.46875,
      "learning_rate": 1.984321711173121e-05,
      "loss": 0.4401,
      "step": 8750
    },
    {
      "epoch": 0.0584,
      "grad_norm": 5.84375,
      "learning_rate": 1.9842846740131296e-05,
      "loss": 0.4002,
      "step": 8760
    },
    {
      "epoch": 0.05846666666666667,
      "grad_norm": 4.4375,
      "learning_rate": 1.984247593504359e-05,
      "loss": 0.4351,
      "step": 8770
    },
    {
      "epoch": 0.05853333333333333,
      "grad_norm": 6.65625,
      "learning_rate": 1.984210469648443e-05,
      "loss": 0.4013,
      "step": 8780
    },
    {
      "epoch": 0.0586,
      "grad_norm": 5.625,
      "learning_rate": 1.9841733024470166e-05,
      "loss": 0.4658,
      "step": 8790
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 2.46875,
      "learning_rate": 1.984136091901716e-05,
      "loss": 0.4969,
      "step": 8800
    },
    {
      "epoch": 0.05873333333333333,
      "grad_norm": 6.65625,
      "learning_rate": 1.9840988380141806e-05,
      "loss": 0.4447,
      "step": 8810
    },
    {
      "epoch": 0.0588,
      "grad_norm": 5.1875,
      "learning_rate": 1.984061540786051e-05,
      "loss": 0.4351,
      "step": 8820
    },
    {
      "epoch": 0.058866666666666664,
      "grad_norm": 5.625,
      "learning_rate": 1.9840242002189694e-05,
      "loss": 0.4163,
      "step": 8830
    },
    {
      "epoch": 0.05893333333333333,
      "grad_norm": 10.4375,
      "learning_rate": 1.983986816314581e-05,
      "loss": 0.4738,
      "step": 8840
    },
    {
      "epoch": 0.059,
      "grad_norm": 5.6875,
      "learning_rate": 1.9839493890745315e-05,
      "loss": 0.4625,
      "step": 8850
    },
    {
      "epoch": 0.05906666666666667,
      "grad_norm": 5.375,
      "learning_rate": 1.9839119185004698e-05,
      "loss": 0.4197,
      "step": 8860
    },
    {
      "epoch": 0.059133333333333336,
      "grad_norm": 5.625,
      "learning_rate": 1.9838744045940455e-05,
      "loss": 0.413,
      "step": 8870
    },
    {
      "epoch": 0.0592,
      "grad_norm": 4.0,
      "learning_rate": 1.983836847356912e-05,
      "loss": 0.4657,
      "step": 8880
    },
    {
      "epoch": 0.05926666666666667,
      "grad_norm": 5.59375,
      "learning_rate": 1.9837992467907218e-05,
      "loss": 0.4854,
      "step": 8890
    },
    {
      "epoch": 0.059333333333333335,
      "grad_norm": 4.15625,
      "learning_rate": 1.9837616028971317e-05,
      "loss": 0.434,
      "step": 8900
    },
    {
      "epoch": 0.0594,
      "grad_norm": 4.46875,
      "learning_rate": 1.9837239156778e-05,
      "loss": 0.4261,
      "step": 8910
    },
    {
      "epoch": 0.05946666666666667,
      "grad_norm": 5.5,
      "learning_rate": 1.983686185134385e-05,
      "loss": 0.4764,
      "step": 8920
    },
    {
      "epoch": 0.059533333333333334,
      "grad_norm": 5.34375,
      "learning_rate": 1.98364841126855e-05,
      "loss": 0.5023,
      "step": 8930
    },
    {
      "epoch": 0.0596,
      "grad_norm": 4.53125,
      "learning_rate": 1.9836105940819578e-05,
      "loss": 0.4272,
      "step": 8940
    },
    {
      "epoch": 0.059666666666666666,
      "grad_norm": 5.6875,
      "learning_rate": 1.9835727335762736e-05,
      "loss": 0.4441,
      "step": 8950
    },
    {
      "epoch": 0.05973333333333333,
      "grad_norm": 7.5625,
      "learning_rate": 1.9835348297531657e-05,
      "loss": 0.443,
      "step": 8960
    },
    {
      "epoch": 0.0598,
      "grad_norm": 4.75,
      "learning_rate": 1.983496882614303e-05,
      "loss": 0.4133,
      "step": 8970
    },
    {
      "epoch": 0.059866666666666665,
      "grad_norm": 5.9375,
      "learning_rate": 1.9834588921613563e-05,
      "loss": 0.4663,
      "step": 8980
    },
    {
      "epoch": 0.05993333333333333,
      "grad_norm": 5.34375,
      "learning_rate": 1.983420858395999e-05,
      "loss": 0.4307,
      "step": 8990
    },
    {
      "epoch": 0.06,
      "grad_norm": 3.8125,
      "learning_rate": 1.9833827813199063e-05,
      "loss": 0.4555,
      "step": 9000
    },
    {
      "epoch": 0.060066666666666664,
      "grad_norm": 5.03125,
      "learning_rate": 1.9833446609347552e-05,
      "loss": 0.4374,
      "step": 9010
    },
    {
      "epoch": 0.06013333333333333,
      "grad_norm": 8.0625,
      "learning_rate": 1.9833064972422246e-05,
      "loss": 0.446,
      "step": 9020
    },
    {
      "epoch": 0.0602,
      "grad_norm": 5.59375,
      "learning_rate": 1.983268290243995e-05,
      "loss": 0.4309,
      "step": 9030
    },
    {
      "epoch": 0.06026666666666667,
      "grad_norm": 4.625,
      "learning_rate": 1.9832300399417495e-05,
      "loss": 0.4155,
      "step": 9040
    },
    {
      "epoch": 0.060333333333333336,
      "grad_norm": 5.34375,
      "learning_rate": 1.983191746337172e-05,
      "loss": 0.4289,
      "step": 9050
    },
    {
      "epoch": 0.0604,
      "grad_norm": 4.875,
      "learning_rate": 1.983153409431949e-05,
      "loss": 0.4446,
      "step": 9060
    },
    {
      "epoch": 0.06046666666666667,
      "grad_norm": 5.375,
      "learning_rate": 1.9831150292277698e-05,
      "loss": 0.4069,
      "step": 9070
    },
    {
      "epoch": 0.060533333333333335,
      "grad_norm": 5.09375,
      "learning_rate": 1.983076605726324e-05,
      "loss": 0.431,
      "step": 9080
    },
    {
      "epoch": 0.0606,
      "grad_norm": 6.09375,
      "learning_rate": 1.983038138929304e-05,
      "loss": 0.4575,
      "step": 9090
    },
    {
      "epoch": 0.06066666666666667,
      "grad_norm": 5.75,
      "learning_rate": 1.9829996288384036e-05,
      "loss": 0.4308,
      "step": 9100
    },
    {
      "epoch": 0.060733333333333334,
      "grad_norm": 5.0,
      "learning_rate": 1.982961075455319e-05,
      "loss": 0.4385,
      "step": 9110
    },
    {
      "epoch": 0.0608,
      "grad_norm": 5.125,
      "learning_rate": 1.9829224787817486e-05,
      "loss": 0.423,
      "step": 9120
    },
    {
      "epoch": 0.060866666666666666,
      "grad_norm": 4.09375,
      "learning_rate": 1.9828838388193915e-05,
      "loss": 0.4783,
      "step": 9130
    },
    {
      "epoch": 0.06093333333333333,
      "grad_norm": 4.59375,
      "learning_rate": 1.9828451555699496e-05,
      "loss": 0.44,
      "step": 9140
    },
    {
      "epoch": 0.061,
      "grad_norm": 7.75,
      "learning_rate": 1.9828064290351272e-05,
      "loss": 0.4496,
      "step": 9150
    },
    {
      "epoch": 0.061066666666666665,
      "grad_norm": 4.0,
      "learning_rate": 1.982767659216629e-05,
      "loss": 0.4103,
      "step": 9160
    },
    {
      "epoch": 0.06113333333333333,
      "grad_norm": 9.25,
      "learning_rate": 1.982728846116163e-05,
      "loss": 0.4828,
      "step": 9170
    },
    {
      "epoch": 0.0612,
      "grad_norm": 4.375,
      "learning_rate": 1.9826899897354384e-05,
      "loss": 0.4381,
      "step": 9180
    },
    {
      "epoch": 0.061266666666666664,
      "grad_norm": 4.84375,
      "learning_rate": 1.982651090076166e-05,
      "loss": 0.4494,
      "step": 9190
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 4.8125,
      "learning_rate": 1.98261214714006e-05,
      "loss": 0.4344,
      "step": 9200
    },
    {
      "epoch": 0.0614,
      "grad_norm": 5.0625,
      "learning_rate": 1.9825731609288347e-05,
      "loss": 0.432,
      "step": 9210
    },
    {
      "epoch": 0.06146666666666667,
      "grad_norm": 5.59375,
      "learning_rate": 1.9825341314442073e-05,
      "loss": 0.4447,
      "step": 9220
    },
    {
      "epoch": 0.061533333333333336,
      "grad_norm": 5.0625,
      "learning_rate": 1.9824950586878965e-05,
      "loss": 0.3859,
      "step": 9230
    },
    {
      "epoch": 0.0616,
      "grad_norm": 5.21875,
      "learning_rate": 1.9824559426616236e-05,
      "loss": 0.3842,
      "step": 9240
    },
    {
      "epoch": 0.06166666666666667,
      "grad_norm": 4.6875,
      "learning_rate": 1.9824167833671106e-05,
      "loss": 0.4193,
      "step": 9250
    },
    {
      "epoch": 0.061733333333333335,
      "grad_norm": 5.375,
      "learning_rate": 1.982377580806083e-05,
      "loss": 0.3919,
      "step": 9260
    },
    {
      "epoch": 0.0618,
      "grad_norm": 4.84375,
      "learning_rate": 1.9823383349802666e-05,
      "loss": 0.4569,
      "step": 9270
    },
    {
      "epoch": 0.06186666666666667,
      "grad_norm": 4.5,
      "learning_rate": 1.9822990458913898e-05,
      "loss": 0.4671,
      "step": 9280
    },
    {
      "epoch": 0.06193333333333333,
      "grad_norm": 6.34375,
      "learning_rate": 1.9822597135411838e-05,
      "loss": 0.4556,
      "step": 9290
    },
    {
      "epoch": 0.062,
      "grad_norm": 5.0,
      "learning_rate": 1.9822203379313795e-05,
      "loss": 0.4357,
      "step": 9300
    },
    {
      "epoch": 0.062066666666666666,
      "grad_norm": 5.8125,
      "learning_rate": 1.982180919063712e-05,
      "loss": 0.447,
      "step": 9310
    },
    {
      "epoch": 0.06213333333333333,
      "grad_norm": 5.1875,
      "learning_rate": 1.982141456939917e-05,
      "loss": 0.4101,
      "step": 9320
    },
    {
      "epoch": 0.0622,
      "grad_norm": 6.40625,
      "learning_rate": 1.9821019515617328e-05,
      "loss": 0.4065,
      "step": 9330
    },
    {
      "epoch": 0.062266666666666665,
      "grad_norm": 8.0,
      "learning_rate": 1.9820624029308987e-05,
      "loss": 0.4354,
      "step": 9340
    },
    {
      "epoch": 0.06233333333333333,
      "grad_norm": 3.609375,
      "learning_rate": 1.982022811049157e-05,
      "loss": 0.4557,
      "step": 9350
    },
    {
      "epoch": 0.0624,
      "grad_norm": 4.75,
      "learning_rate": 1.981983175918251e-05,
      "loss": 0.4331,
      "step": 9360
    },
    {
      "epoch": 0.06246666666666666,
      "grad_norm": 5.3125,
      "learning_rate": 1.981943497539926e-05,
      "loss": 0.411,
      "step": 9370
    },
    {
      "epoch": 0.06253333333333333,
      "grad_norm": 5.0625,
      "learning_rate": 1.9819037759159302e-05,
      "loss": 0.4849,
      "step": 9380
    },
    {
      "epoch": 0.0626,
      "grad_norm": 4.96875,
      "learning_rate": 1.9818640110480123e-05,
      "loss": 0.4735,
      "step": 9390
    },
    {
      "epoch": 0.06266666666666666,
      "grad_norm": 5.59375,
      "learning_rate": 1.981824202937924e-05,
      "loss": 0.4211,
      "step": 9400
    },
    {
      "epoch": 0.06273333333333334,
      "grad_norm": 4.65625,
      "learning_rate": 1.9817843515874188e-05,
      "loss": 0.4207,
      "step": 9410
    },
    {
      "epoch": 0.0628,
      "grad_norm": 4.53125,
      "learning_rate": 1.981744456998251e-05,
      "loss": 0.4729,
      "step": 9420
    },
    {
      "epoch": 0.06286666666666667,
      "grad_norm": 6.21875,
      "learning_rate": 1.981704519172178e-05,
      "loss": 0.4338,
      "step": 9430
    },
    {
      "epoch": 0.06293333333333333,
      "grad_norm": 2.828125,
      "learning_rate": 1.981664538110959e-05,
      "loss": 0.4071,
      "step": 9440
    },
    {
      "epoch": 0.063,
      "grad_norm": 4.71875,
      "learning_rate": 1.9816245138163537e-05,
      "loss": 0.448,
      "step": 9450
    },
    {
      "epoch": 0.06306666666666666,
      "grad_norm": 4.75,
      "learning_rate": 1.981584446290126e-05,
      "loss": 0.4176,
      "step": 9460
    },
    {
      "epoch": 0.06313333333333333,
      "grad_norm": 5.53125,
      "learning_rate": 1.9815443355340402e-05,
      "loss": 0.4351,
      "step": 9470
    },
    {
      "epoch": 0.0632,
      "grad_norm": 5.46875,
      "learning_rate": 1.9815041815498627e-05,
      "loss": 0.4599,
      "step": 9480
    },
    {
      "epoch": 0.06326666666666667,
      "grad_norm": 5.53125,
      "learning_rate": 1.9814639843393614e-05,
      "loss": 0.3828,
      "step": 9490
    },
    {
      "epoch": 0.06333333333333334,
      "grad_norm": 4.0625,
      "learning_rate": 1.9814237439043077e-05,
      "loss": 0.4047,
      "step": 9500
    },
    {
      "epoch": 0.0634,
      "grad_norm": 5.21875,
      "learning_rate": 1.981383460246473e-05,
      "loss": 0.4189,
      "step": 9510
    },
    {
      "epoch": 0.06346666666666667,
      "grad_norm": 5.375,
      "learning_rate": 1.9813431333676318e-05,
      "loss": 0.4077,
      "step": 9520
    },
    {
      "epoch": 0.06353333333333333,
      "grad_norm": 5.46875,
      "learning_rate": 1.9813027632695595e-05,
      "loss": 0.5023,
      "step": 9530
    },
    {
      "epoch": 0.0636,
      "grad_norm": 5.71875,
      "learning_rate": 1.9812623499540354e-05,
      "loss": 0.461,
      "step": 9540
    },
    {
      "epoch": 0.06366666666666666,
      "grad_norm": 5.6875,
      "learning_rate": 1.9812218934228378e-05,
      "loss": 0.4165,
      "step": 9550
    },
    {
      "epoch": 0.06373333333333334,
      "grad_norm": 5.09375,
      "learning_rate": 1.9811813936777495e-05,
      "loss": 0.4149,
      "step": 9560
    },
    {
      "epoch": 0.0638,
      "grad_norm": 7.0625,
      "learning_rate": 1.9811408507205538e-05,
      "loss": 0.4178,
      "step": 9570
    },
    {
      "epoch": 0.06386666666666667,
      "grad_norm": 5.1875,
      "learning_rate": 1.9811002645530358e-05,
      "loss": 0.4713,
      "step": 9580
    },
    {
      "epoch": 0.06393333333333333,
      "grad_norm": 8.125,
      "learning_rate": 1.9810596351769837e-05,
      "loss": 0.4419,
      "step": 9590
    },
    {
      "epoch": 0.064,
      "grad_norm": 6.0,
      "learning_rate": 1.9810189625941866e-05,
      "loss": 0.4445,
      "step": 9600
    },
    {
      "epoch": 0.06406666666666666,
      "grad_norm": 5.34375,
      "learning_rate": 1.9809782468064354e-05,
      "loss": 0.4406,
      "step": 9610
    },
    {
      "epoch": 0.06413333333333333,
      "grad_norm": 7.75,
      "learning_rate": 1.9809374878155238e-05,
      "loss": 0.4473,
      "step": 9620
    },
    {
      "epoch": 0.0642,
      "grad_norm": 5.6875,
      "learning_rate": 1.9808966856232464e-05,
      "loss": 0.4608,
      "step": 9630
    },
    {
      "epoch": 0.06426666666666667,
      "grad_norm": 5.03125,
      "learning_rate": 1.9808558402314003e-05,
      "loss": 0.439,
      "step": 9640
    },
    {
      "epoch": 0.06433333333333334,
      "grad_norm": 4.25,
      "learning_rate": 1.9808149516417846e-05,
      "loss": 0.4365,
      "step": 9650
    },
    {
      "epoch": 0.0644,
      "grad_norm": 4.96875,
      "learning_rate": 1.9807740198562e-05,
      "loss": 0.4222,
      "step": 9660
    },
    {
      "epoch": 0.06446666666666667,
      "grad_norm": 6.96875,
      "learning_rate": 1.9807330448764487e-05,
      "loss": 0.4138,
      "step": 9670
    },
    {
      "epoch": 0.06453333333333333,
      "grad_norm": 5.03125,
      "learning_rate": 1.9806920267043362e-05,
      "loss": 0.4194,
      "step": 9680
    },
    {
      "epoch": 0.0646,
      "grad_norm": 4.8125,
      "learning_rate": 1.980650965341668e-05,
      "loss": 0.3999,
      "step": 9690
    },
    {
      "epoch": 0.06466666666666666,
      "grad_norm": 9.9375,
      "learning_rate": 1.9806098607902534e-05,
      "loss": 0.4789,
      "step": 9700
    },
    {
      "epoch": 0.06473333333333334,
      "grad_norm": 7.375,
      "learning_rate": 1.9805687130519016e-05,
      "loss": 0.4607,
      "step": 9710
    },
    {
      "epoch": 0.0648,
      "grad_norm": 4.25,
      "learning_rate": 1.9805275221284257e-05,
      "loss": 0.4559,
      "step": 9720
    },
    {
      "epoch": 0.06486666666666667,
      "grad_norm": 5.125,
      "learning_rate": 1.9804862880216395e-05,
      "loss": 0.4323,
      "step": 9730
    },
    {
      "epoch": 0.06493333333333333,
      "grad_norm": 4.53125,
      "learning_rate": 1.980445010733359e-05,
      "loss": 0.4521,
      "step": 9740
    },
    {
      "epoch": 0.065,
      "grad_norm": 4.9375,
      "learning_rate": 1.9804036902654017e-05,
      "loss": 0.4508,
      "step": 9750
    },
    {
      "epoch": 0.06506666666666666,
      "grad_norm": 4.1875,
      "learning_rate": 1.9803623266195876e-05,
      "loss": 0.4309,
      "step": 9760
    },
    {
      "epoch": 0.06513333333333333,
      "grad_norm": 5.09375,
      "learning_rate": 1.980320919797739e-05,
      "loss": 0.4717,
      "step": 9770
    },
    {
      "epoch": 0.0652,
      "grad_norm": 6.03125,
      "learning_rate": 1.980279469801679e-05,
      "loss": 0.4392,
      "step": 9780
    },
    {
      "epoch": 0.06526666666666667,
      "grad_norm": 5.28125,
      "learning_rate": 1.9802379766332328e-05,
      "loss": 0.443,
      "step": 9790
    },
    {
      "epoch": 0.06533333333333333,
      "grad_norm": 4.78125,
      "learning_rate": 1.9801964402942283e-05,
      "loss": 0.4153,
      "step": 9800
    },
    {
      "epoch": 0.0654,
      "grad_norm": 6.96875,
      "learning_rate": 1.9801548607864946e-05,
      "loss": 0.4391,
      "step": 9810
    },
    {
      "epoch": 0.06546666666666667,
      "grad_norm": 4.65625,
      "learning_rate": 1.9801132381118626e-05,
      "loss": 0.4529,
      "step": 9820
    },
    {
      "epoch": 0.06553333333333333,
      "grad_norm": 3.703125,
      "learning_rate": 1.980071572272166e-05,
      "loss": 0.4831,
      "step": 9830
    },
    {
      "epoch": 0.0656,
      "grad_norm": 4.71875,
      "learning_rate": 1.9800298632692394e-05,
      "loss": 0.4194,
      "step": 9840
    },
    {
      "epoch": 0.06566666666666666,
      "grad_norm": 5.5625,
      "learning_rate": 1.97998811110492e-05,
      "loss": 0.4201,
      "step": 9850
    },
    {
      "epoch": 0.06573333333333334,
      "grad_norm": 2.140625,
      "learning_rate": 1.979946315781046e-05,
      "loss": 0.3781,
      "step": 9860
    },
    {
      "epoch": 0.0658,
      "grad_norm": 4.4375,
      "learning_rate": 1.9799044772994585e-05,
      "loss": 0.4431,
      "step": 9870
    },
    {
      "epoch": 0.06586666666666667,
      "grad_norm": 4.65625,
      "learning_rate": 1.9798625956620005e-05,
      "loss": 0.4121,
      "step": 9880
    },
    {
      "epoch": 0.06593333333333333,
      "grad_norm": 4.5,
      "learning_rate": 1.979820670870516e-05,
      "loss": 0.4284,
      "step": 9890
    },
    {
      "epoch": 0.066,
      "grad_norm": 5.25,
      "learning_rate": 1.9797787029268515e-05,
      "loss": 0.453,
      "step": 9900
    },
    {
      "epoch": 0.06606666666666666,
      "grad_norm": 6.09375,
      "learning_rate": 1.9797366918328556e-05,
      "loss": 0.4403,
      "step": 9910
    },
    {
      "epoch": 0.06613333333333334,
      "grad_norm": 5.90625,
      "learning_rate": 1.979694637590378e-05,
      "loss": 0.4087,
      "step": 9920
    },
    {
      "epoch": 0.0662,
      "grad_norm": 6.46875,
      "learning_rate": 1.9796525402012707e-05,
      "loss": 0.4437,
      "step": 9930
    },
    {
      "epoch": 0.06626666666666667,
      "grad_norm": 7.25,
      "learning_rate": 1.9796103996673884e-05,
      "loss": 0.4251,
      "step": 9940
    },
    {
      "epoch": 0.06633333333333333,
      "grad_norm": 5.21875,
      "learning_rate": 1.9795682159905866e-05,
      "loss": 0.3842,
      "step": 9950
    },
    {
      "epoch": 0.0664,
      "grad_norm": 5.40625,
      "learning_rate": 1.979525989172723e-05,
      "loss": 0.4032,
      "step": 9960
    },
    {
      "epoch": 0.06646666666666666,
      "grad_norm": 3.75,
      "learning_rate": 1.979483719215658e-05,
      "loss": 0.417,
      "step": 9970
    },
    {
      "epoch": 0.06653333333333333,
      "grad_norm": 6.03125,
      "learning_rate": 1.9794414061212523e-05,
      "loss": 0.4191,
      "step": 9980
    },
    {
      "epoch": 0.0666,
      "grad_norm": 6.15625,
      "learning_rate": 1.97939904989137e-05,
      "loss": 0.4256,
      "step": 9990
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 4.65625,
      "learning_rate": 1.9793566505278758e-05,
      "loss": 0.4712,
      "step": 10000
    }
  ],
  "logging_steps": 10,
  "max_steps": 150000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 10000,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 1.339457760395264e+18,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}