Hugging Face's logo

smiled0g
/
preflop

Text Classification
Transformers
Safetensors
llama
Generated from Trainer
Model card Files
xet
 Community
smiled0g commited on
Commit
d3b9a18
·
verified ·
1 Parent(s): fb41304

Upload folder using huggingface_hub

Browse files
Files changed (7) hide show
  1. config.json +1 -1
  2. model.safetensors +1 -1
  3. optimizer.pt +3 -0
  4. rng_state.pth +3 -0
  5. scheduler.pt +3 -0
  6. trainer_state.json +3813 -0
  7. training_args.bin +2 -2
config.json CHANGED
@@ -38,7 +38,7 @@
38
  "rope_theta": 10000.0,
39
  "tie_word_embeddings": false,
40
  "torch_dtype": "float32",
41
- "transformers_version": "4.46.0",
42
  "use_cache": true,
43
  "vocab_size": 53
44
  }
 
38
  "rope_theta": 10000.0,
39
  "tie_word_embeddings": false,
40
  "torch_dtype": "float32",
41
+ "transformers_version": "4.45.2",
42
  "use_cache": true,
43
  "vocab_size": 53
44
  }
model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:6a2a6beab37ccf7a39cc3c031242e6477acc1a4b9974cbba1dcad0d02cd9d156
3
  size 1074131104
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:15aed2d8f5033cb61f0914ed9211628aa778c48f824407f704cfd630265d1f56
3
  size 1074131104
optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1929395525d23ba461b252f479e75a2ab66c1d1ebc773f71d3e64095208c5035
3
+ size 2148353146
rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1ff264f99d31b522cc7e2a4eac9d38606d0c58a34c0adc74d71e0ca8b371dc36
3
+ size 14244
scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b1f0cdd49e8c373d9dd35fbba38597acc84769952210007edf042c12685f9364
3
+ size 1064
trainer_state.json ADDED
@@ -0,0 +1,3813 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.0,
5
+ "eval_steps": 500,
6
+ "global_step": 10818,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0036975411351451285,
13
+ "grad_norm": 589585.4375,
14
+ "learning_rate": 9.981512294324275e-06,
15
+ "loss": 1.1475,
16
+ "step": 20
17
+ },
18
+ {
19
+ "epoch": 0.007395082270290257,
20
+ "grad_norm": 156054.1875,
21
+ "learning_rate": 9.96302458864855e-06,
22
+ "loss": 0.8189,
23
+ "step": 40
24
+ },
25
+ {
26
+ "epoch": 0.011092623405435386,
27
+ "grad_norm": 473015.4375,
28
+ "learning_rate": 9.944536882972824e-06,
29
+ "loss": 0.8013,
30
+ "step": 60
31
+ },
32
+ {
33
+ "epoch": 0.014790164540580514,
34
+ "grad_norm": 591414.4375,
35
+ "learning_rate": 9.926049177297098e-06,
36
+ "loss": 0.7376,
37
+ "step": 80
38
+ },
39
+ {
40
+ "epoch": 0.018487705675725642,
41
+ "grad_norm": 277118.34375,
42
+ "learning_rate": 9.907561471621374e-06,
43
+ "loss": 0.6362,
44
+ "step": 100
45
+ },
46
+ {
47
+ "epoch": 0.022185246810870772,
48
+ "grad_norm": 380905.34375,
49
+ "learning_rate": 9.889073765945647e-06,
50
+ "loss": 0.6071,
51
+ "step": 120
52
+ },
53
+ {
54
+ "epoch": 0.0258827879460159,
55
+ "grad_norm": 484594.5625,
56
+ "learning_rate": 9.870586060269921e-06,
57
+ "loss": 0.6172,
58
+ "step": 140
59
+ },
60
+ {
61
+ "epoch": 0.029580329081161028,
62
+ "grad_norm": 651200.875,
63
+ "learning_rate": 9.852098354594197e-06,
64
+ "loss": 0.5612,
65
+ "step": 160
66
+ },
67
+ {
68
+ "epoch": 0.033277870216306155,
69
+ "grad_norm": 385674.75,
70
+ "learning_rate": 9.83361064891847e-06,
71
+ "loss": 0.5435,
72
+ "step": 180
73
+ },
74
+ {
75
+ "epoch": 0.036975411351451284,
76
+ "grad_norm": 248445.234375,
77
+ "learning_rate": 9.815122943242745e-06,
78
+ "loss": 0.5084,
79
+ "step": 200
80
+ },
81
+ {
82
+ "epoch": 0.040672952486596414,
83
+ "grad_norm": 375588.0,
84
+ "learning_rate": 9.79663523756702e-06,
85
+ "loss": 0.5284,
86
+ "step": 220
87
+ },
88
+ {
89
+ "epoch": 0.044370493621741544,
90
+ "grad_norm": 255991.15625,
91
+ "learning_rate": 9.778147531891294e-06,
92
+ "loss": 0.5286,
93
+ "step": 240
94
+ },
95
+ {
96
+ "epoch": 0.04806803475688667,
97
+ "grad_norm": 428790.03125,
98
+ "learning_rate": 9.759659826215568e-06,
99
+ "loss": 0.5246,
100
+ "step": 260
101
+ },
102
+ {
103
+ "epoch": 0.0517655758920318,
104
+ "grad_norm": 374524.40625,
105
+ "learning_rate": 9.741172120539842e-06,
106
+ "loss": 0.5035,
107
+ "step": 280
108
+ },
109
+ {
110
+ "epoch": 0.05546311702717693,
111
+ "grad_norm": 545644.125,
112
+ "learning_rate": 9.722684414864116e-06,
113
+ "loss": 0.5088,
114
+ "step": 300
115
+ },
116
+ {
117
+ "epoch": 0.059160658162322056,
118
+ "grad_norm": 433521.78125,
119
+ "learning_rate": 9.704196709188391e-06,
120
+ "loss": 0.4777,
121
+ "step": 320
122
+ },
123
+ {
124
+ "epoch": 0.06285819929746718,
125
+ "grad_norm": 1164997.25,
126
+ "learning_rate": 9.685709003512665e-06,
127
+ "loss": 0.4866,
128
+ "step": 340
129
+ },
130
+ {
131
+ "epoch": 0.06655574043261231,
132
+ "grad_norm": 393447.1875,
133
+ "learning_rate": 9.667221297836939e-06,
134
+ "loss": 0.4095,
135
+ "step": 360
136
+ },
137
+ {
138
+ "epoch": 0.07025328156775744,
139
+ "grad_norm": 1360361.75,
140
+ "learning_rate": 9.648733592161213e-06,
141
+ "loss": 0.4031,
142
+ "step": 380
143
+ },
144
+ {
145
+ "epoch": 0.07395082270290257,
146
+ "grad_norm": 533357.375,
147
+ "learning_rate": 9.630245886485488e-06,
148
+ "loss": 0.3758,
149
+ "step": 400
150
+ },
151
+ {
152
+ "epoch": 0.0776483638380477,
153
+ "grad_norm": 980064.375,
154
+ "learning_rate": 9.611758180809762e-06,
155
+ "loss": 0.344,
156
+ "step": 420
157
+ },
158
+ {
159
+ "epoch": 0.08134590497319283,
160
+ "grad_norm": 656362.5625,
161
+ "learning_rate": 9.593270475134036e-06,
162
+ "loss": 0.3117,
163
+ "step": 440
164
+ },
165
+ {
166
+ "epoch": 0.08504344610833796,
167
+ "grad_norm": 661492.875,
168
+ "learning_rate": 9.57478276945831e-06,
169
+ "loss": 0.3077,
170
+ "step": 460
171
+ },
172
+ {
173
+ "epoch": 0.08874098724348309,
174
+ "grad_norm": 553728.25,
175
+ "learning_rate": 9.556295063782585e-06,
176
+ "loss": 0.324,
177
+ "step": 480
178
+ },
179
+ {
180
+ "epoch": 0.09243852837862822,
181
+ "grad_norm": 1357614.375,
182
+ "learning_rate": 9.53780735810686e-06,
183
+ "loss": 0.2724,
184
+ "step": 500
185
+ },
186
+ {
187
+ "epoch": 0.09613606951377333,
188
+ "grad_norm": 519362.1875,
189
+ "learning_rate": 9.519319652431133e-06,
190
+ "loss": 0.2831,
191
+ "step": 520
192
+ },
193
+ {
194
+ "epoch": 0.09983361064891846,
195
+ "grad_norm": 637897.4375,
196
+ "learning_rate": 9.500831946755409e-06,
197
+ "loss": 0.2703,
198
+ "step": 540
199
+ },
200
+ {
201
+ "epoch": 0.1035311517840636,
202
+ "grad_norm": 823037.125,
203
+ "learning_rate": 9.482344241079683e-06,
204
+ "loss": 0.2425,
205
+ "step": 560
206
+ },
207
+ {
208
+ "epoch": 0.10722869291920872,
209
+ "grad_norm": 905703.5,
210
+ "learning_rate": 9.463856535403956e-06,
211
+ "loss": 0.2729,
212
+ "step": 580
213
+ },
214
+ {
215
+ "epoch": 0.11092623405435385,
216
+ "grad_norm": 1196128.75,
217
+ "learning_rate": 9.445368829728232e-06,
218
+ "loss": 0.2347,
219
+ "step": 600
220
+ },
221
+ {
222
+ "epoch": 0.11462377518949898,
223
+ "grad_norm": 968333.625,
224
+ "learning_rate": 9.426881124052506e-06,
225
+ "loss": 0.2454,
226
+ "step": 620
227
+ },
228
+ {
229
+ "epoch": 0.11832131632464411,
230
+ "grad_norm": 1234395.875,
231
+ "learning_rate": 9.40839341837678e-06,
232
+ "loss": 0.2284,
233
+ "step": 640
234
+ },
235
+ {
236
+ "epoch": 0.12201885745978924,
237
+ "grad_norm": 767672.9375,
238
+ "learning_rate": 9.389905712701055e-06,
239
+ "loss": 0.2095,
240
+ "step": 660
241
+ },
242
+ {
243
+ "epoch": 0.12571639859493436,
244
+ "grad_norm": 494605.09375,
245
+ "learning_rate": 9.37141800702533e-06,
246
+ "loss": 0.1952,
247
+ "step": 680
248
+ },
249
+ {
250
+ "epoch": 0.1294139397300795,
251
+ "grad_norm": 1483855.875,
252
+ "learning_rate": 9.352930301349603e-06,
253
+ "loss": 0.2304,
254
+ "step": 700
255
+ },
256
+ {
257
+ "epoch": 0.13311148086522462,
258
+ "grad_norm": 566157.4375,
259
+ "learning_rate": 9.334442595673877e-06,
260
+ "loss": 0.2251,
261
+ "step": 720
262
+ },
263
+ {
264
+ "epoch": 0.13680902200036976,
265
+ "grad_norm": 1291356.0,
266
+ "learning_rate": 9.315954889998153e-06,
267
+ "loss": 0.1878,
268
+ "step": 740
269
+ },
270
+ {
271
+ "epoch": 0.14050656313551488,
272
+ "grad_norm": 664807.3125,
273
+ "learning_rate": 9.297467184322426e-06,
274
+ "loss": 0.1692,
275
+ "step": 760
276
+ },
277
+ {
278
+ "epoch": 0.14420410427066002,
279
+ "grad_norm": 450389.625,
280
+ "learning_rate": 9.2789794786467e-06,
281
+ "loss": 0.172,
282
+ "step": 780
283
+ },
284
+ {
285
+ "epoch": 0.14790164540580514,
286
+ "grad_norm": 776172.4375,
287
+ "learning_rate": 9.260491772970976e-06,
288
+ "loss": 0.195,
289
+ "step": 800
290
+ },
291
+ {
292
+ "epoch": 0.15159918654095028,
293
+ "grad_norm": 582122.625,
294
+ "learning_rate": 9.24200406729525e-06,
295
+ "loss": 0.183,
296
+ "step": 820
297
+ },
298
+ {
299
+ "epoch": 0.1552967276760954,
300
+ "grad_norm": 631486.0,
301
+ "learning_rate": 9.223516361619524e-06,
302
+ "loss": 0.1687,
303
+ "step": 840
304
+ },
305
+ {
306
+ "epoch": 0.1589942688112405,
307
+ "grad_norm": 502021.9375,
308
+ "learning_rate": 9.205028655943799e-06,
309
+ "loss": 0.174,
310
+ "step": 860
311
+ },
312
+ {
313
+ "epoch": 0.16269180994638566,
314
+ "grad_norm": 882197.1875,
315
+ "learning_rate": 9.186540950268073e-06,
316
+ "loss": 0.1805,
317
+ "step": 880
318
+ },
319
+ {
320
+ "epoch": 0.16638935108153077,
321
+ "grad_norm": 642990.0,
322
+ "learning_rate": 9.168053244592347e-06,
323
+ "loss": 0.1752,
324
+ "step": 900
325
+ },
326
+ {
327
+ "epoch": 0.17008689221667592,
328
+ "grad_norm": 711188.5625,
329
+ "learning_rate": 9.149565538916622e-06,
330
+ "loss": 0.1544,
331
+ "step": 920
332
+ },
333
+ {
334
+ "epoch": 0.17378443335182103,
335
+ "grad_norm": 333228.09375,
336
+ "learning_rate": 9.131077833240896e-06,
337
+ "loss": 0.1566,
338
+ "step": 940
339
+ },
340
+ {
341
+ "epoch": 0.17748197448696618,
342
+ "grad_norm": 890502.75,
343
+ "learning_rate": 9.11259012756517e-06,
344
+ "loss": 0.1611,
345
+ "step": 960
346
+ },
347
+ {
348
+ "epoch": 0.1811795156221113,
349
+ "grad_norm": 1566534.125,
350
+ "learning_rate": 9.094102421889444e-06,
351
+ "loss": 0.1774,
352
+ "step": 980
353
+ },
354
+ {
355
+ "epoch": 0.18487705675725644,
356
+ "grad_norm": 726765.6875,
357
+ "learning_rate": 9.07561471621372e-06,
358
+ "loss": 0.164,
359
+ "step": 1000
360
+ },
361
+ {
362
+ "epoch": 0.18857459789240155,
363
+ "grad_norm": 552103.1875,
364
+ "learning_rate": 9.057127010537993e-06,
365
+ "loss": 0.1604,
366
+ "step": 1020
367
+ },
368
+ {
369
+ "epoch": 0.19227213902754667,
370
+ "grad_norm": 454113.75,
371
+ "learning_rate": 9.038639304862267e-06,
372
+ "loss": 0.1568,
373
+ "step": 1040
374
+ },
375
+ {
376
+ "epoch": 0.1959696801626918,
377
+ "grad_norm": 1157071.125,
378
+ "learning_rate": 9.020151599186541e-06,
379
+ "loss": 0.1486,
380
+ "step": 1060
381
+ },
382
+ {
383
+ "epoch": 0.19966722129783693,
384
+ "grad_norm": 1144903.125,
385
+ "learning_rate": 9.001663893510815e-06,
386
+ "loss": 0.1451,
387
+ "step": 1080
388
+ },
389
+ {
390
+ "epoch": 0.20336476243298207,
391
+ "grad_norm": 953759.0,
392
+ "learning_rate": 8.98317618783509e-06,
393
+ "loss": 0.1497,
394
+ "step": 1100
395
+ },
396
+ {
397
+ "epoch": 0.2070623035681272,
398
+ "grad_norm": 280053.78125,
399
+ "learning_rate": 8.964688482159364e-06,
400
+ "loss": 0.1532,
401
+ "step": 1120
402
+ },
403
+ {
404
+ "epoch": 0.21075984470327233,
405
+ "grad_norm": 725245.9375,
406
+ "learning_rate": 8.946200776483638e-06,
407
+ "loss": 0.1367,
408
+ "step": 1140
409
+ },
410
+ {
411
+ "epoch": 0.21445738583841745,
412
+ "grad_norm": 453623.09375,
413
+ "learning_rate": 8.927713070807912e-06,
414
+ "loss": 0.1498,
415
+ "step": 1160
416
+ },
417
+ {
418
+ "epoch": 0.2181549269735626,
419
+ "grad_norm": 675041.0625,
420
+ "learning_rate": 8.909225365132188e-06,
421
+ "loss": 0.1409,
422
+ "step": 1180
423
+ },
424
+ {
425
+ "epoch": 0.2218524681087077,
426
+ "grad_norm": 652479.5,
427
+ "learning_rate": 8.890737659456462e-06,
428
+ "loss": 0.1494,
429
+ "step": 1200
430
+ },
431
+ {
432
+ "epoch": 0.22555000924385285,
433
+ "grad_norm": 393038.4375,
434
+ "learning_rate": 8.872249953780735e-06,
435
+ "loss": 0.146,
436
+ "step": 1220
437
+ },
438
+ {
439
+ "epoch": 0.22924755037899797,
440
+ "grad_norm": 616304.6875,
441
+ "learning_rate": 8.853762248105011e-06,
442
+ "loss": 0.1346,
443
+ "step": 1240
444
+ },
445
+ {
446
+ "epoch": 0.23294509151414308,
447
+ "grad_norm": 736962.0625,
448
+ "learning_rate": 8.835274542429285e-06,
449
+ "loss": 0.1457,
450
+ "step": 1260
451
+ },
452
+ {
453
+ "epoch": 0.23664263264928823,
454
+ "grad_norm": 527761.5625,
455
+ "learning_rate": 8.816786836753559e-06,
456
+ "loss": 0.1432,
457
+ "step": 1280
458
+ },
459
+ {
460
+ "epoch": 0.24034017378443334,
461
+ "grad_norm": 593494.5,
462
+ "learning_rate": 8.798299131077834e-06,
463
+ "loss": 0.1282,
464
+ "step": 1300
465
+ },
466
+ {
467
+ "epoch": 0.24403771491957849,
468
+ "grad_norm": 515513.5,
469
+ "learning_rate": 8.779811425402108e-06,
470
+ "loss": 0.1369,
471
+ "step": 1320
472
+ },
473
+ {
474
+ "epoch": 0.2477352560547236,
475
+ "grad_norm": 733587.375,
476
+ "learning_rate": 8.761323719726382e-06,
477
+ "loss": 0.1309,
478
+ "step": 1340
479
+ },
480
+ {
481
+ "epoch": 0.2514327971898687,
482
+ "grad_norm": 660185.4375,
483
+ "learning_rate": 8.742836014050658e-06,
484
+ "loss": 0.1367,
485
+ "step": 1360
486
+ },
487
+ {
488
+ "epoch": 0.25513033832501386,
489
+ "grad_norm": 692261.375,
490
+ "learning_rate": 8.724348308374931e-06,
491
+ "loss": 0.1438,
492
+ "step": 1380
493
+ },
494
+ {
495
+ "epoch": 0.258827879460159,
496
+ "grad_norm": 733542.75,
497
+ "learning_rate": 8.705860602699205e-06,
498
+ "loss": 0.1414,
499
+ "step": 1400
500
+ },
501
+ {
502
+ "epoch": 0.26252542059530415,
503
+ "grad_norm": 569422.8125,
504
+ "learning_rate": 8.687372897023481e-06,
505
+ "loss": 0.1356,
506
+ "step": 1420
507
+ },
508
+ {
509
+ "epoch": 0.26622296173044924,
510
+ "grad_norm": 737659.5625,
511
+ "learning_rate": 8.668885191347755e-06,
512
+ "loss": 0.1238,
513
+ "step": 1440
514
+ },
515
+ {
516
+ "epoch": 0.2699205028655944,
517
+ "grad_norm": 588390.3125,
518
+ "learning_rate": 8.650397485672029e-06,
519
+ "loss": 0.1315,
520
+ "step": 1460
521
+ },
522
+ {
523
+ "epoch": 0.2736180440007395,
524
+ "grad_norm": 469582.0,
525
+ "learning_rate": 8.631909779996304e-06,
526
+ "loss": 0.1241,
527
+ "step": 1480
528
+ },
529
+ {
530
+ "epoch": 0.2773155851358846,
531
+ "grad_norm": 877184.875,
532
+ "learning_rate": 8.613422074320578e-06,
533
+ "loss": 0.1217,
534
+ "step": 1500
535
+ },
536
+ {
537
+ "epoch": 0.28101312627102976,
538
+ "grad_norm": 610305.125,
539
+ "learning_rate": 8.594934368644852e-06,
540
+ "loss": 0.1197,
541
+ "step": 1520
542
+ },
543
+ {
544
+ "epoch": 0.2847106674061749,
545
+ "grad_norm": 435616.65625,
546
+ "learning_rate": 8.576446662969127e-06,
547
+ "loss": 0.128,
548
+ "step": 1540
549
+ },
550
+ {
551
+ "epoch": 0.28840820854132004,
552
+ "grad_norm": 1002288.1875,
553
+ "learning_rate": 8.557958957293401e-06,
554
+ "loss": 0.1177,
555
+ "step": 1560
556
+ },
557
+ {
558
+ "epoch": 0.29210574967646513,
559
+ "grad_norm": 407610.78125,
560
+ "learning_rate": 8.539471251617675e-06,
561
+ "loss": 0.1296,
562
+ "step": 1580
563
+ },
564
+ {
565
+ "epoch": 0.2958032908116103,
566
+ "grad_norm": 628192.1875,
567
+ "learning_rate": 8.520983545941949e-06,
568
+ "loss": 0.121,
569
+ "step": 1600
570
+ },
571
+ {
572
+ "epoch": 0.2995008319467554,
573
+ "grad_norm": 470853.6875,
574
+ "learning_rate": 8.502495840266225e-06,
575
+ "loss": 0.113,
576
+ "step": 1620
577
+ },
578
+ {
579
+ "epoch": 0.30319837308190056,
580
+ "grad_norm": 420262.5,
581
+ "learning_rate": 8.484008134590499e-06,
582
+ "loss": 0.1156,
583
+ "step": 1640
584
+ },
585
+ {
586
+ "epoch": 0.30689591421704565,
587
+ "grad_norm": 729730.0,
588
+ "learning_rate": 8.465520428914772e-06,
589
+ "loss": 0.1227,
590
+ "step": 1660
591
+ },
592
+ {
593
+ "epoch": 0.3105934553521908,
594
+ "grad_norm": 493498.28125,
595
+ "learning_rate": 8.447032723239046e-06,
596
+ "loss": 0.1208,
597
+ "step": 1680
598
+ },
599
+ {
600
+ "epoch": 0.31429099648733594,
601
+ "grad_norm": 690842.625,
602
+ "learning_rate": 8.428545017563322e-06,
603
+ "loss": 0.1112,
604
+ "step": 1700
605
+ },
606
+ {
607
+ "epoch": 0.317988537622481,
608
+ "grad_norm": 473233.1875,
609
+ "learning_rate": 8.410057311887596e-06,
610
+ "loss": 0.1129,
611
+ "step": 1720
612
+ },
613
+ {
614
+ "epoch": 0.32168607875762617,
615
+ "grad_norm": 780393.375,
616
+ "learning_rate": 8.39156960621187e-06,
617
+ "loss": 0.1126,
618
+ "step": 1740
619
+ },
620
+ {
621
+ "epoch": 0.3253836198927713,
622
+ "grad_norm": 422343.6875,
623
+ "learning_rate": 8.373081900536143e-06,
624
+ "loss": 0.106,
625
+ "step": 1760
626
+ },
627
+ {
628
+ "epoch": 0.32908116102791646,
629
+ "grad_norm": 665555.875,
630
+ "learning_rate": 8.354594194860419e-06,
631
+ "loss": 0.1148,
632
+ "step": 1780
633
+ },
634
+ {
635
+ "epoch": 0.33277870216306155,
636
+ "grad_norm": 593427.9375,
637
+ "learning_rate": 8.336106489184693e-06,
638
+ "loss": 0.113,
639
+ "step": 1800
640
+ },
641
+ {
642
+ "epoch": 0.3364762432982067,
643
+ "grad_norm": 370478.46875,
644
+ "learning_rate": 8.317618783508967e-06,
645
+ "loss": 0.1072,
646
+ "step": 1820
647
+ },
648
+ {
649
+ "epoch": 0.34017378443335183,
650
+ "grad_norm": 280958.96875,
651
+ "learning_rate": 8.29913107783324e-06,
652
+ "loss": 0.1064,
653
+ "step": 1840
654
+ },
655
+ {
656
+ "epoch": 0.343871325568497,
657
+ "grad_norm": 467909.65625,
658
+ "learning_rate": 8.280643372157516e-06,
659
+ "loss": 0.1051,
660
+ "step": 1860
661
+ },
662
+ {
663
+ "epoch": 0.34756886670364207,
664
+ "grad_norm": 1186302.125,
665
+ "learning_rate": 8.26215566648179e-06,
666
+ "loss": 0.1191,
667
+ "step": 1880
668
+ },
669
+ {
670
+ "epoch": 0.3512664078387872,
671
+ "grad_norm": 346905.46875,
672
+ "learning_rate": 8.243667960806064e-06,
673
+ "loss": 0.1157,
674
+ "step": 1900
675
+ },
676
+ {
677
+ "epoch": 0.35496394897393235,
678
+ "grad_norm": 639500.4375,
679
+ "learning_rate": 8.22518025513034e-06,
680
+ "loss": 0.1092,
681
+ "step": 1920
682
+ },
683
+ {
684
+ "epoch": 0.35866149010907744,
685
+ "grad_norm": 398886.0625,
686
+ "learning_rate": 8.206692549454613e-06,
687
+ "loss": 0.0992,
688
+ "step": 1940
689
+ },
690
+ {
691
+ "epoch": 0.3623590312442226,
692
+ "grad_norm": 551855.8125,
693
+ "learning_rate": 8.188204843778887e-06,
694
+ "loss": 0.1108,
695
+ "step": 1960
696
+ },
697
+ {
698
+ "epoch": 0.36605657237936773,
699
+ "grad_norm": 520954.9375,
700
+ "learning_rate": 8.169717138103163e-06,
701
+ "loss": 0.1035,
702
+ "step": 1980
703
+ },
704
+ {
705
+ "epoch": 0.36975411351451287,
706
+ "grad_norm": 667530.5625,
707
+ "learning_rate": 8.151229432427437e-06,
708
+ "loss": 0.0984,
709
+ "step": 2000
710
+ },
711
+ {
712
+ "epoch": 0.37345165464965796,
713
+ "grad_norm": 461173.25,
714
+ "learning_rate": 8.13274172675171e-06,
715
+ "loss": 0.1077,
716
+ "step": 2020
717
+ },
718
+ {
719
+ "epoch": 0.3771491957848031,
720
+ "grad_norm": 797304.125,
721
+ "learning_rate": 8.114254021075984e-06,
722
+ "loss": 0.0921,
723
+ "step": 2040
724
+ },
725
+ {
726
+ "epoch": 0.38084673691994825,
727
+ "grad_norm": 530894.0625,
728
+ "learning_rate": 8.09576631540026e-06,
729
+ "loss": 0.095,
730
+ "step": 2060
731
+ },
732
+ {
733
+ "epoch": 0.38454427805509334,
734
+ "grad_norm": 551120.8125,
735
+ "learning_rate": 8.077278609724534e-06,
736
+ "loss": 0.1042,
737
+ "step": 2080
738
+ },
739
+ {
740
+ "epoch": 0.3882418191902385,
741
+ "grad_norm": 423327.59375,
742
+ "learning_rate": 8.058790904048808e-06,
743
+ "loss": 0.1086,
744
+ "step": 2100
745
+ },
746
+ {
747
+ "epoch": 0.3919393603253836,
748
+ "grad_norm": 373503.53125,
749
+ "learning_rate": 8.040303198373083e-06,
750
+ "loss": 0.0966,
751
+ "step": 2120
752
+ },
753
+ {
754
+ "epoch": 0.39563690146052877,
755
+ "grad_norm": 431499.09375,
756
+ "learning_rate": 8.021815492697357e-06,
757
+ "loss": 0.0996,
758
+ "step": 2140
759
+ },
760
+ {
761
+ "epoch": 0.39933444259567386,
762
+ "grad_norm": 799203.5625,
763
+ "learning_rate": 8.003327787021631e-06,
764
+ "loss": 0.0988,
765
+ "step": 2160
766
+ },
767
+ {
768
+ "epoch": 0.403031983730819,
769
+ "grad_norm": 519873.125,
770
+ "learning_rate": 7.984840081345906e-06,
771
+ "loss": 0.0999,
772
+ "step": 2180
773
+ },
774
+ {
775
+ "epoch": 0.40672952486596414,
776
+ "grad_norm": 450627.4375,
777
+ "learning_rate": 7.96635237567018e-06,
778
+ "loss": 0.0817,
779
+ "step": 2200
780
+ },
781
+ {
782
+ "epoch": 0.4104270660011093,
783
+ "grad_norm": 854112.3125,
784
+ "learning_rate": 7.947864669994454e-06,
785
+ "loss": 0.0983,
786
+ "step": 2220
787
+ },
788
+ {
789
+ "epoch": 0.4141246071362544,
790
+ "grad_norm": 616815.8125,
791
+ "learning_rate": 7.92937696431873e-06,
792
+ "loss": 0.099,
793
+ "step": 2240
794
+ },
795
+ {
796
+ "epoch": 0.4178221482713995,
797
+ "grad_norm": 379120.875,
798
+ "learning_rate": 7.910889258643004e-06,
799
+ "loss": 0.0931,
800
+ "step": 2260
801
+ },
802
+ {
803
+ "epoch": 0.42151968940654466,
804
+ "grad_norm": 347684.78125,
805
+ "learning_rate": 7.892401552967277e-06,
806
+ "loss": 0.0903,
807
+ "step": 2280
808
+ },
809
+ {
810
+ "epoch": 0.42521723054168975,
811
+ "grad_norm": 394592.6875,
812
+ "learning_rate": 7.873913847291551e-06,
813
+ "loss": 0.09,
814
+ "step": 2300
815
+ },
816
+ {
817
+ "epoch": 0.4289147716768349,
818
+ "grad_norm": 406101.0625,
819
+ "learning_rate": 7.855426141615827e-06,
820
+ "loss": 0.1019,
821
+ "step": 2320
822
+ },
823
+ {
824
+ "epoch": 0.43261231281198004,
825
+ "grad_norm": 392444.125,
826
+ "learning_rate": 7.8369384359401e-06,
827
+ "loss": 0.0828,
828
+ "step": 2340
829
+ },
830
+ {
831
+ "epoch": 0.4363098539471252,
832
+ "grad_norm": 751139.6875,
833
+ "learning_rate": 7.818450730264375e-06,
834
+ "loss": 0.0922,
835
+ "step": 2360
836
+ },
837
+ {
838
+ "epoch": 0.44000739508227027,
839
+ "grad_norm": 324115.75,
840
+ "learning_rate": 7.799963024588648e-06,
841
+ "loss": 0.0923,
842
+ "step": 2380
843
+ },
844
+ {
845
+ "epoch": 0.4437049362174154,
846
+ "grad_norm": 444140.375,
847
+ "learning_rate": 7.781475318912924e-06,
848
+ "loss": 0.0834,
849
+ "step": 2400
850
+ },
851
+ {
852
+ "epoch": 0.44740247735256056,
853
+ "grad_norm": 476187.125,
854
+ "learning_rate": 7.762987613237198e-06,
855
+ "loss": 0.0889,
856
+ "step": 2420
857
+ },
858
+ {
859
+ "epoch": 0.4511000184877057,
860
+ "grad_norm": 511409.96875,
861
+ "learning_rate": 7.744499907561472e-06,
862
+ "loss": 0.0828,
863
+ "step": 2440
864
+ },
865
+ {
866
+ "epoch": 0.4547975596228508,
867
+ "grad_norm": 822892.375,
868
+ "learning_rate": 7.726012201885746e-06,
869
+ "loss": 0.0876,
870
+ "step": 2460
871
+ },
872
+ {
873
+ "epoch": 0.45849510075799593,
874
+ "grad_norm": 282021.03125,
875
+ "learning_rate": 7.707524496210021e-06,
876
+ "loss": 0.091,
877
+ "step": 2480
878
+ },
879
+ {
880
+ "epoch": 0.4621926418931411,
881
+ "grad_norm": 585528.8125,
882
+ "learning_rate": 7.689036790534295e-06,
883
+ "loss": 0.0871,
884
+ "step": 2500
885
+ },
886
+ {
887
+ "epoch": 0.46589018302828616,
888
+ "grad_norm": 387105.9375,
889
+ "learning_rate": 7.670549084858569e-06,
890
+ "loss": 0.0808,
891
+ "step": 2520
892
+ },
893
+ {
894
+ "epoch": 0.4695877241634313,
895
+ "grad_norm": 567624.375,
896
+ "learning_rate": 7.652061379182843e-06,
897
+ "loss": 0.0925,
898
+ "step": 2540
899
+ },
900
+ {
901
+ "epoch": 0.47328526529857645,
902
+ "grad_norm": 314457.0,
903
+ "learning_rate": 7.633573673507118e-06,
904
+ "loss": 0.0865,
905
+ "step": 2560
906
+ },
907
+ {
908
+ "epoch": 0.4769828064337216,
909
+ "grad_norm": 398509.59375,
910
+ "learning_rate": 7.615085967831392e-06,
911
+ "loss": 0.0904,
912
+ "step": 2580
913
+ },
914
+ {
915
+ "epoch": 0.4806803475688667,
916
+ "grad_norm": 552215.5625,
917
+ "learning_rate": 7.596598262155667e-06,
918
+ "loss": 0.0922,
919
+ "step": 2600
920
+ },
921
+ {
922
+ "epoch": 0.4843778887040118,
923
+ "grad_norm": 259611.421875,
924
+ "learning_rate": 7.578110556479942e-06,
925
+ "loss": 0.0817,
926
+ "step": 2620
927
+ },
928
+ {
929
+ "epoch": 0.48807542983915697,
930
+ "grad_norm": 471336.875,
931
+ "learning_rate": 7.5596228508042155e-06,
932
+ "loss": 0.0819,
933
+ "step": 2640
934
+ },
935
+ {
936
+ "epoch": 0.4917729709743021,
937
+ "grad_norm": 405907.1875,
938
+ "learning_rate": 7.541135145128489e-06,
939
+ "loss": 0.0886,
940
+ "step": 2660
941
+ },
942
+ {
943
+ "epoch": 0.4954705121094472,
944
+ "grad_norm": 471205.25,
945
+ "learning_rate": 7.522647439452765e-06,
946
+ "loss": 0.0863,
947
+ "step": 2680
948
+ },
949
+ {
950
+ "epoch": 0.49916805324459235,
951
+ "grad_norm": 357797.8125,
952
+ "learning_rate": 7.504159733777039e-06,
953
+ "loss": 0.0817,
954
+ "step": 2700
955
+ },
956
+ {
957
+ "epoch": 0.5028655943797374,
958
+ "grad_norm": 490397.75,
959
+ "learning_rate": 7.485672028101313e-06,
960
+ "loss": 0.0794,
961
+ "step": 2720
962
+ },
963
+ {
964
+ "epoch": 0.5065631355148826,
965
+ "grad_norm": 317551.46875,
966
+ "learning_rate": 7.467184322425588e-06,
967
+ "loss": 0.0761,
968
+ "step": 2740
969
+ },
970
+ {
971
+ "epoch": 0.5102606766500277,
972
+ "grad_norm": 391744.40625,
973
+ "learning_rate": 7.448696616749862e-06,
974
+ "loss": 0.0817,
975
+ "step": 2760
976
+ },
977
+ {
978
+ "epoch": 0.5139582177851728,
979
+ "grad_norm": 559249.4375,
980
+ "learning_rate": 7.430208911074136e-06,
981
+ "loss": 0.0803,
982
+ "step": 2780
983
+ },
984
+ {
985
+ "epoch": 0.517655758920318,
986
+ "grad_norm": 245447.3125,
987
+ "learning_rate": 7.411721205398411e-06,
988
+ "loss": 0.0799,
989
+ "step": 2800
990
+ },
991
+ {
992
+ "epoch": 0.5213533000554631,
993
+ "grad_norm": 203768.40625,
994
+ "learning_rate": 7.393233499722685e-06,
995
+ "loss": 0.0825,
996
+ "step": 2820
997
+ },
998
+ {
999
+ "epoch": 0.5250508411906083,
1000
+ "grad_norm": 256229.953125,
1001
+ "learning_rate": 7.374745794046959e-06,
1002
+ "loss": 0.0842,
1003
+ "step": 2840
1004
+ },
1005
+ {
1006
+ "epoch": 0.5287483823257534,
1007
+ "grad_norm": 748886.6875,
1008
+ "learning_rate": 7.356258088371234e-06,
1009
+ "loss": 0.0829,
1010
+ "step": 2860
1011
+ },
1012
+ {
1013
+ "epoch": 0.5324459234608985,
1014
+ "grad_norm": 392705.1875,
1015
+ "learning_rate": 7.337770382695508e-06,
1016
+ "loss": 0.0853,
1017
+ "step": 2880
1018
+ },
1019
+ {
1020
+ "epoch": 0.5361434645960437,
1021
+ "grad_norm": 372998.21875,
1022
+ "learning_rate": 7.3192826770197826e-06,
1023
+ "loss": 0.0763,
1024
+ "step": 2900
1025
+ },
1026
+ {
1027
+ "epoch": 0.5398410057311888,
1028
+ "grad_norm": 419793.71875,
1029
+ "learning_rate": 7.300794971344057e-06,
1030
+ "loss": 0.0809,
1031
+ "step": 2920
1032
+ },
1033
+ {
1034
+ "epoch": 0.5435385468663338,
1035
+ "grad_norm": 401173.0,
1036
+ "learning_rate": 7.282307265668331e-06,
1037
+ "loss": 0.0652,
1038
+ "step": 2940
1039
+ },
1040
+ {
1041
+ "epoch": 0.547236088001479,
1042
+ "grad_norm": 270387.03125,
1043
+ "learning_rate": 7.263819559992605e-06,
1044
+ "loss": 0.0742,
1045
+ "step": 2960
1046
+ },
1047
+ {
1048
+ "epoch": 0.5509336291366241,
1049
+ "grad_norm": 353803.25,
1050
+ "learning_rate": 7.24533185431688e-06,
1051
+ "loss": 0.0793,
1052
+ "step": 2980
1053
+ },
1054
+ {
1055
+ "epoch": 0.5546311702717692,
1056
+ "grad_norm": 339236.09375,
1057
+ "learning_rate": 7.2268441486411544e-06,
1058
+ "loss": 0.0802,
1059
+ "step": 3000
1060
+ },
1061
+ {
1062
+ "epoch": 0.5583287114069144,
1063
+ "grad_norm": 398772.21875,
1064
+ "learning_rate": 7.208356442965428e-06,
1065
+ "loss": 0.0774,
1066
+ "step": 3020
1067
+ },
1068
+ {
1069
+ "epoch": 0.5620262525420595,
1070
+ "grad_norm": 403407.84375,
1071
+ "learning_rate": 7.189868737289702e-06,
1072
+ "loss": 0.0758,
1073
+ "step": 3040
1074
+ },
1075
+ {
1076
+ "epoch": 0.5657237936772047,
1077
+ "grad_norm": 384857.3125,
1078
+ "learning_rate": 7.171381031613978e-06,
1079
+ "loss": 0.0692,
1080
+ "step": 3060
1081
+ },
1082
+ {
1083
+ "epoch": 0.5694213348123498,
1084
+ "grad_norm": 295177.6875,
1085
+ "learning_rate": 7.152893325938252e-06,
1086
+ "loss": 0.0748,
1087
+ "step": 3080
1088
+ },
1089
+ {
1090
+ "epoch": 0.5731188759474949,
1091
+ "grad_norm": 320366.5625,
1092
+ "learning_rate": 7.1344056202625255e-06,
1093
+ "loss": 0.0724,
1094
+ "step": 3100
1095
+ },
1096
+ {
1097
+ "epoch": 0.5768164170826401,
1098
+ "grad_norm": 455169.15625,
1099
+ "learning_rate": 7.115917914586801e-06,
1100
+ "loss": 0.0848,
1101
+ "step": 3120
1102
+ },
1103
+ {
1104
+ "epoch": 0.5805139582177852,
1105
+ "grad_norm": 313038.40625,
1106
+ "learning_rate": 7.097430208911075e-06,
1107
+ "loss": 0.0803,
1108
+ "step": 3140
1109
+ },
1110
+ {
1111
+ "epoch": 0.5842114993529303,
1112
+ "grad_norm": 545048.125,
1113
+ "learning_rate": 7.078942503235349e-06,
1114
+ "loss": 0.0737,
1115
+ "step": 3160
1116
+ },
1117
+ {
1118
+ "epoch": 0.5879090404880755,
1119
+ "grad_norm": 519241.8125,
1120
+ "learning_rate": 7.0604547975596235e-06,
1121
+ "loss": 0.0718,
1122
+ "step": 3180
1123
+ },
1124
+ {
1125
+ "epoch": 0.5916065816232206,
1126
+ "grad_norm": 505339.90625,
1127
+ "learning_rate": 7.041967091883898e-06,
1128
+ "loss": 0.074,
1129
+ "step": 3200
1130
+ },
1131
+ {
1132
+ "epoch": 0.5953041227583656,
1133
+ "grad_norm": 304366.46875,
1134
+ "learning_rate": 7.023479386208172e-06,
1135
+ "loss": 0.0685,
1136
+ "step": 3220
1137
+ },
1138
+ {
1139
+ "epoch": 0.5990016638935108,
1140
+ "grad_norm": 573642.75,
1141
+ "learning_rate": 7.004991680532447e-06,
1142
+ "loss": 0.0674,
1143
+ "step": 3240
1144
+ },
1145
+ {
1146
+ "epoch": 0.6026992050286559,
1147
+ "grad_norm": 440082.625,
1148
+ "learning_rate": 6.986503974856721e-06,
1149
+ "loss": 0.0713,
1150
+ "step": 3260
1151
+ },
1152
+ {
1153
+ "epoch": 0.6063967461638011,
1154
+ "grad_norm": 435252.34375,
1155
+ "learning_rate": 6.968016269180995e-06,
1156
+ "loss": 0.0645,
1157
+ "step": 3280
1158
+ },
1159
+ {
1160
+ "epoch": 0.6100942872989462,
1161
+ "grad_norm": 186664.71875,
1162
+ "learning_rate": 6.94952856350527e-06,
1163
+ "loss": 0.0687,
1164
+ "step": 3300
1165
+ },
1166
+ {
1167
+ "epoch": 0.6137918284340913,
1168
+ "grad_norm": 371479.125,
1169
+ "learning_rate": 6.931040857829544e-06,
1170
+ "loss": 0.0708,
1171
+ "step": 3320
1172
+ },
1173
+ {
1174
+ "epoch": 0.6174893695692365,
1175
+ "grad_norm": 162696.5,
1176
+ "learning_rate": 6.912553152153818e-06,
1177
+ "loss": 0.0638,
1178
+ "step": 3340
1179
+ },
1180
+ {
1181
+ "epoch": 0.6211869107043816,
1182
+ "grad_norm": 506640.0625,
1183
+ "learning_rate": 6.894065446478093e-06,
1184
+ "loss": 0.0707,
1185
+ "step": 3360
1186
+ },
1187
+ {
1188
+ "epoch": 0.6248844518395267,
1189
+ "grad_norm": 307854.53125,
1190
+ "learning_rate": 6.875577740802367e-06,
1191
+ "loss": 0.0648,
1192
+ "step": 3380
1193
+ },
1194
+ {
1195
+ "epoch": 0.6285819929746719,
1196
+ "grad_norm": 252089.015625,
1197
+ "learning_rate": 6.857090035126641e-06,
1198
+ "loss": 0.0785,
1199
+ "step": 3400
1200
+ },
1201
+ {
1202
+ "epoch": 0.632279534109817,
1203
+ "grad_norm": 218276.875,
1204
+ "learning_rate": 6.838602329450915e-06,
1205
+ "loss": 0.0679,
1206
+ "step": 3420
1207
+ },
1208
+ {
1209
+ "epoch": 0.635977075244962,
1210
+ "grad_norm": 262298.65625,
1211
+ "learning_rate": 6.8201146237751905e-06,
1212
+ "loss": 0.0725,
1213
+ "step": 3440
1214
+ },
1215
+ {
1216
+ "epoch": 0.6396746163801073,
1217
+ "grad_norm": 460630.875,
1218
+ "learning_rate": 6.801626918099464e-06,
1219
+ "loss": 0.0654,
1220
+ "step": 3460
1221
+ },
1222
+ {
1223
+ "epoch": 0.6433721575152523,
1224
+ "grad_norm": 313295.375,
1225
+ "learning_rate": 6.783139212423738e-06,
1226
+ "loss": 0.0718,
1227
+ "step": 3480
1228
+ },
1229
+ {
1230
+ "epoch": 0.6470696986503975,
1231
+ "grad_norm": 425139.90625,
1232
+ "learning_rate": 6.764651506748014e-06,
1233
+ "loss": 0.0648,
1234
+ "step": 3500
1235
+ },
1236
+ {
1237
+ "epoch": 0.6507672397855426,
1238
+ "grad_norm": 643511.1875,
1239
+ "learning_rate": 6.746163801072288e-06,
1240
+ "loss": 0.0667,
1241
+ "step": 3520
1242
+ },
1243
+ {
1244
+ "epoch": 0.6544647809206877,
1245
+ "grad_norm": 203010.78125,
1246
+ "learning_rate": 6.7276760953965615e-06,
1247
+ "loss": 0.0587,
1248
+ "step": 3540
1249
+ },
1250
+ {
1251
+ "epoch": 0.6581623220558329,
1252
+ "grad_norm": 738180.5,
1253
+ "learning_rate": 6.709188389720836e-06,
1254
+ "loss": 0.058,
1255
+ "step": 3560
1256
+ },
1257
+ {
1258
+ "epoch": 0.661859863190978,
1259
+ "grad_norm": 374890.40625,
1260
+ "learning_rate": 6.69070068404511e-06,
1261
+ "loss": 0.0703,
1262
+ "step": 3580
1263
+ },
1264
+ {
1265
+ "epoch": 0.6655574043261231,
1266
+ "grad_norm": 321488.34375,
1267
+ "learning_rate": 6.672212978369385e-06,
1268
+ "loss": 0.0626,
1269
+ "step": 3600
1270
+ },
1271
+ {
1272
+ "epoch": 0.6692549454612683,
1273
+ "grad_norm": 421561.0625,
1274
+ "learning_rate": 6.6537252726936595e-06,
1275
+ "loss": 0.0728,
1276
+ "step": 3620
1277
+ },
1278
+ {
1279
+ "epoch": 0.6729524865964134,
1280
+ "grad_norm": 372063.625,
1281
+ "learning_rate": 6.635237567017933e-06,
1282
+ "loss": 0.0637,
1283
+ "step": 3640
1284
+ },
1285
+ {
1286
+ "epoch": 0.6766500277315585,
1287
+ "grad_norm": 261809.125,
1288
+ "learning_rate": 6.616749861342207e-06,
1289
+ "loss": 0.0619,
1290
+ "step": 3660
1291
+ },
1292
+ {
1293
+ "epoch": 0.6803475688667037,
1294
+ "grad_norm": 290989.65625,
1295
+ "learning_rate": 6.598262155666483e-06,
1296
+ "loss": 0.0657,
1297
+ "step": 3680
1298
+ },
1299
+ {
1300
+ "epoch": 0.6840451100018488,
1301
+ "grad_norm": 242986.140625,
1302
+ "learning_rate": 6.579774449990757e-06,
1303
+ "loss": 0.0576,
1304
+ "step": 3700
1305
+ },
1306
+ {
1307
+ "epoch": 0.687742651136994,
1308
+ "grad_norm": 406223.15625,
1309
+ "learning_rate": 6.5612867443150306e-06,
1310
+ "loss": 0.0599,
1311
+ "step": 3720
1312
+ },
1313
+ {
1314
+ "epoch": 0.691440192272139,
1315
+ "grad_norm": 737275.5625,
1316
+ "learning_rate": 6.542799038639306e-06,
1317
+ "loss": 0.0687,
1318
+ "step": 3740
1319
+ },
1320
+ {
1321
+ "epoch": 0.6951377334072841,
1322
+ "grad_norm": 205932.21875,
1323
+ "learning_rate": 6.52431133296358e-06,
1324
+ "loss": 0.0654,
1325
+ "step": 3760
1326
+ },
1327
+ {
1328
+ "epoch": 0.6988352745424293,
1329
+ "grad_norm": 355624.5,
1330
+ "learning_rate": 6.505823627287854e-06,
1331
+ "loss": 0.0616,
1332
+ "step": 3780
1333
+ },
1334
+ {
1335
+ "epoch": 0.7025328156775744,
1336
+ "grad_norm": 269638.0,
1337
+ "learning_rate": 6.487335921612129e-06,
1338
+ "loss": 0.0549,
1339
+ "step": 3800
1340
+ },
1341
+ {
1342
+ "epoch": 0.7062303568127195,
1343
+ "grad_norm": 520156.78125,
1344
+ "learning_rate": 6.468848215936403e-06,
1345
+ "loss": 0.0687,
1346
+ "step": 3820
1347
+ },
1348
+ {
1349
+ "epoch": 0.7099278979478647,
1350
+ "grad_norm": 435804.65625,
1351
+ "learning_rate": 6.450360510260677e-06,
1352
+ "loss": 0.0551,
1353
+ "step": 3840
1354
+ },
1355
+ {
1356
+ "epoch": 0.7136254390830098,
1357
+ "grad_norm": 287883.53125,
1358
+ "learning_rate": 6.431872804584951e-06,
1359
+ "loss": 0.0585,
1360
+ "step": 3860
1361
+ },
1362
+ {
1363
+ "epoch": 0.7173229802181549,
1364
+ "grad_norm": 513667.65625,
1365
+ "learning_rate": 6.413385098909226e-06,
1366
+ "loss": 0.0588,
1367
+ "step": 3880
1368
+ },
1369
+ {
1370
+ "epoch": 0.7210205213533001,
1371
+ "grad_norm": 560210.9375,
1372
+ "learning_rate": 6.3948973932335004e-06,
1373
+ "loss": 0.0601,
1374
+ "step": 3900
1375
+ },
1376
+ {
1377
+ "epoch": 0.7247180624884452,
1378
+ "grad_norm": 570266.3125,
1379
+ "learning_rate": 6.376409687557774e-06,
1380
+ "loss": 0.0656,
1381
+ "step": 3920
1382
+ },
1383
+ {
1384
+ "epoch": 0.7284156036235903,
1385
+ "grad_norm": 360799.875,
1386
+ "learning_rate": 6.357921981882049e-06,
1387
+ "loss": 0.0554,
1388
+ "step": 3940
1389
+ },
1390
+ {
1391
+ "epoch": 0.7321131447587355,
1392
+ "grad_norm": 477566.0,
1393
+ "learning_rate": 6.339434276206323e-06,
1394
+ "loss": 0.0526,
1395
+ "step": 3960
1396
+ },
1397
+ {
1398
+ "epoch": 0.7358106858938805,
1399
+ "grad_norm": 333243.9375,
1400
+ "learning_rate": 6.320946570530598e-06,
1401
+ "loss": 0.0612,
1402
+ "step": 3980
1403
+ },
1404
+ {
1405
+ "epoch": 0.7395082270290257,
1406
+ "grad_norm": 318909.875,
1407
+ "learning_rate": 6.302458864854872e-06,
1408
+ "loss": 0.0621,
1409
+ "step": 4000
1410
+ },
1411
+ {
1412
+ "epoch": 0.7432057681641708,
1413
+ "grad_norm": 359029.1875,
1414
+ "learning_rate": 6.283971159179146e-06,
1415
+ "loss": 0.0536,
1416
+ "step": 4020
1417
+ },
1418
+ {
1419
+ "epoch": 0.7469033092993159,
1420
+ "grad_norm": 640655.25,
1421
+ "learning_rate": 6.26548345350342e-06,
1422
+ "loss": 0.0546,
1423
+ "step": 4040
1424
+ },
1425
+ {
1426
+ "epoch": 0.7506008504344611,
1427
+ "grad_norm": 488760.09375,
1428
+ "learning_rate": 6.246995747827696e-06,
1429
+ "loss": 0.058,
1430
+ "step": 4060
1431
+ },
1432
+ {
1433
+ "epoch": 0.7542983915696062,
1434
+ "grad_norm": 312268.46875,
1435
+ "learning_rate": 6.2285080421519695e-06,
1436
+ "loss": 0.0598,
1437
+ "step": 4080
1438
+ },
1439
+ {
1440
+ "epoch": 0.7579959327047513,
1441
+ "grad_norm": 342215.8125,
1442
+ "learning_rate": 6.210020336476243e-06,
1443
+ "loss": 0.0571,
1444
+ "step": 4100
1445
+ },
1446
+ {
1447
+ "epoch": 0.7616934738398965,
1448
+ "grad_norm": 287534.5625,
1449
+ "learning_rate": 6.191532630800519e-06,
1450
+ "loss": 0.0592,
1451
+ "step": 4120
1452
+ },
1453
+ {
1454
+ "epoch": 0.7653910149750416,
1455
+ "grad_norm": 189238.671875,
1456
+ "learning_rate": 6.173044925124793e-06,
1457
+ "loss": 0.0557,
1458
+ "step": 4140
1459
+ },
1460
+ {
1461
+ "epoch": 0.7690885561101867,
1462
+ "grad_norm": 267354.3125,
1463
+ "learning_rate": 6.154557219449067e-06,
1464
+ "loss": 0.052,
1465
+ "step": 4160
1466
+ },
1467
+ {
1468
+ "epoch": 0.7727860972453319,
1469
+ "grad_norm": 343019.71875,
1470
+ "learning_rate": 6.136069513773341e-06,
1471
+ "loss": 0.0552,
1472
+ "step": 4180
1473
+ },
1474
+ {
1475
+ "epoch": 0.776483638380477,
1476
+ "grad_norm": 232639.453125,
1477
+ "learning_rate": 6.117581808097616e-06,
1478
+ "loss": 0.0547,
1479
+ "step": 4200
1480
+ },
1481
+ {
1482
+ "epoch": 0.7801811795156222,
1483
+ "grad_norm": 282819.8125,
1484
+ "learning_rate": 6.09909410242189e-06,
1485
+ "loss": 0.0562,
1486
+ "step": 4220
1487
+ },
1488
+ {
1489
+ "epoch": 0.7838787206507672,
1490
+ "grad_norm": 230195.125,
1491
+ "learning_rate": 6.080606396746165e-06,
1492
+ "loss": 0.06,
1493
+ "step": 4240
1494
+ },
1495
+ {
1496
+ "epoch": 0.7875762617859123,
1497
+ "grad_norm": 301125.625,
1498
+ "learning_rate": 6.0621186910704385e-06,
1499
+ "loss": 0.0533,
1500
+ "step": 4260
1501
+ },
1502
+ {
1503
+ "epoch": 0.7912738029210575,
1504
+ "grad_norm": 460118.625,
1505
+ "learning_rate": 6.043630985394713e-06,
1506
+ "loss": 0.0517,
1507
+ "step": 4280
1508
+ },
1509
+ {
1510
+ "epoch": 0.7949713440562026,
1511
+ "grad_norm": 432589.125,
1512
+ "learning_rate": 6.025143279718987e-06,
1513
+ "loss": 0.0562,
1514
+ "step": 4300
1515
+ },
1516
+ {
1517
+ "epoch": 0.7986688851913477,
1518
+ "grad_norm": 237171.75,
1519
+ "learning_rate": 6.006655574043262e-06,
1520
+ "loss": 0.0554,
1521
+ "step": 4320
1522
+ },
1523
+ {
1524
+ "epoch": 0.8023664263264929,
1525
+ "grad_norm": 216067.484375,
1526
+ "learning_rate": 5.988167868367536e-06,
1527
+ "loss": 0.0521,
1528
+ "step": 4340
1529
+ },
1530
+ {
1531
+ "epoch": 0.806063967461638,
1532
+ "grad_norm": 472261.09375,
1533
+ "learning_rate": 5.9696801626918095e-06,
1534
+ "loss": 0.0574,
1535
+ "step": 4360
1536
+ },
1537
+ {
1538
+ "epoch": 0.8097615085967831,
1539
+ "grad_norm": 278600.25,
1540
+ "learning_rate": 5.951192457016085e-06,
1541
+ "loss": 0.0563,
1542
+ "step": 4380
1543
+ },
1544
+ {
1545
+ "epoch": 0.8134590497319283,
1546
+ "grad_norm": 308273.0625,
1547
+ "learning_rate": 5.932704751340359e-06,
1548
+ "loss": 0.0503,
1549
+ "step": 4400
1550
+ },
1551
+ {
1552
+ "epoch": 0.8171565908670734,
1553
+ "grad_norm": 367411.625,
1554
+ "learning_rate": 5.914217045664633e-06,
1555
+ "loss": 0.0591,
1556
+ "step": 4420
1557
+ },
1558
+ {
1559
+ "epoch": 0.8208541320022186,
1560
+ "grad_norm": 246328.625,
1561
+ "learning_rate": 5.895729339988908e-06,
1562
+ "loss": 0.0505,
1563
+ "step": 4440
1564
+ },
1565
+ {
1566
+ "epoch": 0.8245516731373637,
1567
+ "grad_norm": 208687.65625,
1568
+ "learning_rate": 5.877241634313182e-06,
1569
+ "loss": 0.0514,
1570
+ "step": 4460
1571
+ },
1572
+ {
1573
+ "epoch": 0.8282492142725087,
1574
+ "grad_norm": 188789.828125,
1575
+ "learning_rate": 5.858753928637456e-06,
1576
+ "loss": 0.0484,
1577
+ "step": 4480
1578
+ },
1579
+ {
1580
+ "epoch": 0.831946755407654,
1581
+ "grad_norm": 565020.375,
1582
+ "learning_rate": 5.840266222961732e-06,
1583
+ "loss": 0.0507,
1584
+ "step": 4500
1585
+ },
1586
+ {
1587
+ "epoch": 0.835644296542799,
1588
+ "grad_norm": 253717.375,
1589
+ "learning_rate": 5.8217785172860055e-06,
1590
+ "loss": 0.052,
1591
+ "step": 4520
1592
+ },
1593
+ {
1594
+ "epoch": 0.8393418376779441,
1595
+ "grad_norm": 240820.609375,
1596
+ "learning_rate": 5.803290811610279e-06,
1597
+ "loss": 0.0453,
1598
+ "step": 4540
1599
+ },
1600
+ {
1601
+ "epoch": 0.8430393788130893,
1602
+ "grad_norm": 285280.9375,
1603
+ "learning_rate": 5.784803105934554e-06,
1604
+ "loss": 0.0462,
1605
+ "step": 4560
1606
+ },
1607
+ {
1608
+ "epoch": 0.8467369199482344,
1609
+ "grad_norm": 496788.34375,
1610
+ "learning_rate": 5.766315400258828e-06,
1611
+ "loss": 0.0494,
1612
+ "step": 4580
1613
+ },
1614
+ {
1615
+ "epoch": 0.8504344610833795,
1616
+ "grad_norm": 270688.40625,
1617
+ "learning_rate": 5.747827694583103e-06,
1618
+ "loss": 0.0551,
1619
+ "step": 4600
1620
+ },
1621
+ {
1622
+ "epoch": 0.8541320022185247,
1623
+ "grad_norm": 352414.625,
1624
+ "learning_rate": 5.729339988907377e-06,
1625
+ "loss": 0.0493,
1626
+ "step": 4620
1627
+ },
1628
+ {
1629
+ "epoch": 0.8578295433536698,
1630
+ "grad_norm": 236690.390625,
1631
+ "learning_rate": 5.710852283231651e-06,
1632
+ "loss": 0.0504,
1633
+ "step": 4640
1634
+ },
1635
+ {
1636
+ "epoch": 0.861527084488815,
1637
+ "grad_norm": 354131.8125,
1638
+ "learning_rate": 5.692364577555925e-06,
1639
+ "loss": 0.0505,
1640
+ "step": 4660
1641
+ },
1642
+ {
1643
+ "epoch": 0.8652246256239601,
1644
+ "grad_norm": 200457.0625,
1645
+ "learning_rate": 5.673876871880201e-06,
1646
+ "loss": 0.04,
1647
+ "step": 4680
1648
+ },
1649
+ {
1650
+ "epoch": 0.8689221667591052,
1651
+ "grad_norm": 311071.1875,
1652
+ "learning_rate": 5.6553891662044746e-06,
1653
+ "loss": 0.0487,
1654
+ "step": 4700
1655
+ },
1656
+ {
1657
+ "epoch": 0.8726197078942504,
1658
+ "grad_norm": 159538.90625,
1659
+ "learning_rate": 5.6369014605287484e-06,
1660
+ "loss": 0.0405,
1661
+ "step": 4720
1662
+ },
1663
+ {
1664
+ "epoch": 0.8763172490293955,
1665
+ "grad_norm": 135958.078125,
1666
+ "learning_rate": 5.618413754853022e-06,
1667
+ "loss": 0.0425,
1668
+ "step": 4740
1669
+ },
1670
+ {
1671
+ "epoch": 0.8800147901645405,
1672
+ "grad_norm": 377985.625,
1673
+ "learning_rate": 5.599926049177298e-06,
1674
+ "loss": 0.0478,
1675
+ "step": 4760
1676
+ },
1677
+ {
1678
+ "epoch": 0.8837123312996857,
1679
+ "grad_norm": 351438.78125,
1680
+ "learning_rate": 5.581438343501572e-06,
1681
+ "loss": 0.0432,
1682
+ "step": 4780
1683
+ },
1684
+ {
1685
+ "epoch": 0.8874098724348308,
1686
+ "grad_norm": 203324.046875,
1687
+ "learning_rate": 5.562950637825846e-06,
1688
+ "loss": 0.0452,
1689
+ "step": 4800
1690
+ },
1691
+ {
1692
+ "epoch": 0.8911074135699759,
1693
+ "grad_norm": 265801.84375,
1694
+ "learning_rate": 5.544462932150121e-06,
1695
+ "loss": 0.0458,
1696
+ "step": 4820
1697
+ },
1698
+ {
1699
+ "epoch": 0.8948049547051211,
1700
+ "grad_norm": 237225.953125,
1701
+ "learning_rate": 5.525975226474395e-06,
1702
+ "loss": 0.0441,
1703
+ "step": 4840
1704
+ },
1705
+ {
1706
+ "epoch": 0.8985024958402662,
1707
+ "grad_norm": 248215.796875,
1708
+ "learning_rate": 5.507487520798669e-06,
1709
+ "loss": 0.0464,
1710
+ "step": 4860
1711
+ },
1712
+ {
1713
+ "epoch": 0.9022000369754114,
1714
+ "grad_norm": 216602.59375,
1715
+ "learning_rate": 5.488999815122944e-06,
1716
+ "loss": 0.0496,
1717
+ "step": 4880
1718
+ },
1719
+ {
1720
+ "epoch": 0.9058975781105565,
1721
+ "grad_norm": 212512.0,
1722
+ "learning_rate": 5.470512109447218e-06,
1723
+ "loss": 0.0426,
1724
+ "step": 4900
1725
+ },
1726
+ {
1727
+ "epoch": 0.9095951192457016,
1728
+ "grad_norm": 264672.21875,
1729
+ "learning_rate": 5.452024403771492e-06,
1730
+ "loss": 0.0431,
1731
+ "step": 4920
1732
+ },
1733
+ {
1734
+ "epoch": 0.9132926603808468,
1735
+ "grad_norm": 195740.625,
1736
+ "learning_rate": 5.433536698095767e-06,
1737
+ "loss": 0.0454,
1738
+ "step": 4940
1739
+ },
1740
+ {
1741
+ "epoch": 0.9169902015159919,
1742
+ "grad_norm": 239070.890625,
1743
+ "learning_rate": 5.415048992420041e-06,
1744
+ "loss": 0.0388,
1745
+ "step": 4960
1746
+ },
1747
+ {
1748
+ "epoch": 0.920687742651137,
1749
+ "grad_norm": 327097.84375,
1750
+ "learning_rate": 5.3965612867443155e-06,
1751
+ "loss": 0.0418,
1752
+ "step": 4980
1753
+ },
1754
+ {
1755
+ "epoch": 0.9243852837862822,
1756
+ "grad_norm": 319707.625,
1757
+ "learning_rate": 5.37807358106859e-06,
1758
+ "loss": 0.0519,
1759
+ "step": 5000
1760
+ },
1761
+ {
1762
+ "epoch": 0.9280828249214272,
1763
+ "grad_norm": 166737.625,
1764
+ "learning_rate": 5.359585875392864e-06,
1765
+ "loss": 0.0437,
1766
+ "step": 5020
1767
+ },
1768
+ {
1769
+ "epoch": 0.9317803660565723,
1770
+ "grad_norm": 489044.0625,
1771
+ "learning_rate": 5.341098169717138e-06,
1772
+ "loss": 0.0438,
1773
+ "step": 5040
1774
+ },
1775
+ {
1776
+ "epoch": 0.9354779071917175,
1777
+ "grad_norm": 288754.90625,
1778
+ "learning_rate": 5.3226104640414135e-06,
1779
+ "loss": 0.0447,
1780
+ "step": 5060
1781
+ },
1782
+ {
1783
+ "epoch": 0.9391754483268626,
1784
+ "grad_norm": 205332.171875,
1785
+ "learning_rate": 5.304122758365687e-06,
1786
+ "loss": 0.044,
1787
+ "step": 5080
1788
+ },
1789
+ {
1790
+ "epoch": 0.9428729894620078,
1791
+ "grad_norm": 266008.21875,
1792
+ "learning_rate": 5.285635052689961e-06,
1793
+ "loss": 0.0448,
1794
+ "step": 5100
1795
+ },
1796
+ {
1797
+ "epoch": 0.9465705305971529,
1798
+ "grad_norm": 433041.125,
1799
+ "learning_rate": 5.267147347014237e-06,
1800
+ "loss": 0.0428,
1801
+ "step": 5120
1802
+ },
1803
+ {
1804
+ "epoch": 0.950268071732298,
1805
+ "grad_norm": 176340.359375,
1806
+ "learning_rate": 5.248659641338511e-06,
1807
+ "loss": 0.041,
1808
+ "step": 5140
1809
+ },
1810
+ {
1811
+ "epoch": 0.9539656128674432,
1812
+ "grad_norm": 238454.6875,
1813
+ "learning_rate": 5.2301719356627845e-06,
1814
+ "loss": 0.0372,
1815
+ "step": 5160
1816
+ },
1817
+ {
1818
+ "epoch": 0.9576631540025883,
1819
+ "grad_norm": 269030.46875,
1820
+ "learning_rate": 5.211684229987059e-06,
1821
+ "loss": 0.0461,
1822
+ "step": 5180
1823
+ },
1824
+ {
1825
+ "epoch": 0.9613606951377334,
1826
+ "grad_norm": 270103.5,
1827
+ "learning_rate": 5.193196524311334e-06,
1828
+ "loss": 0.039,
1829
+ "step": 5200
1830
+ },
1831
+ {
1832
+ "epoch": 0.9650582362728786,
1833
+ "grad_norm": 152555.5625,
1834
+ "learning_rate": 5.174708818635608e-06,
1835
+ "loss": 0.0425,
1836
+ "step": 5220
1837
+ },
1838
+ {
1839
+ "epoch": 0.9687557774080237,
1840
+ "grad_norm": 308841.71875,
1841
+ "learning_rate": 5.156221112959882e-06,
1842
+ "loss": 0.0419,
1843
+ "step": 5240
1844
+ },
1845
+ {
1846
+ "epoch": 0.9724533185431687,
1847
+ "grad_norm": 298958.28125,
1848
+ "learning_rate": 5.137733407284156e-06,
1849
+ "loss": 0.043,
1850
+ "step": 5260
1851
+ },
1852
+ {
1853
+ "epoch": 0.9761508596783139,
1854
+ "grad_norm": 293175.53125,
1855
+ "learning_rate": 5.119245701608431e-06,
1856
+ "loss": 0.0488,
1857
+ "step": 5280
1858
+ },
1859
+ {
1860
+ "epoch": 0.979848400813459,
1861
+ "grad_norm": 306048.71875,
1862
+ "learning_rate": 5.100757995932705e-06,
1863
+ "loss": 0.0414,
1864
+ "step": 5300
1865
+ },
1866
+ {
1867
+ "epoch": 0.9835459419486042,
1868
+ "grad_norm": 263478.65625,
1869
+ "learning_rate": 5.08227029025698e-06,
1870
+ "loss": 0.0377,
1871
+ "step": 5320
1872
+ },
1873
+ {
1874
+ "epoch": 0.9872434830837493,
1875
+ "grad_norm": 269423.96875,
1876
+ "learning_rate": 5.0637825845812535e-06,
1877
+ "loss": 0.042,
1878
+ "step": 5340
1879
+ },
1880
+ {
1881
+ "epoch": 0.9909410242188944,
1882
+ "grad_norm": 373293.375,
1883
+ "learning_rate": 5.045294878905527e-06,
1884
+ "loss": 0.0404,
1885
+ "step": 5360
1886
+ },
1887
+ {
1888
+ "epoch": 0.9946385653540396,
1889
+ "grad_norm": 230399.25,
1890
+ "learning_rate": 5.026807173229803e-06,
1891
+ "loss": 0.0363,
1892
+ "step": 5380
1893
+ },
1894
+ {
1895
+ "epoch": 0.9983361064891847,
1896
+ "grad_norm": 297080.53125,
1897
+ "learning_rate": 5.008319467554077e-06,
1898
+ "loss": 0.0368,
1899
+ "step": 5400
1900
+ },
1901
+ {
1902
+ "epoch": 1.00203364762433,
1903
+ "grad_norm": 193461.09375,
1904
+ "learning_rate": 4.9898317618783515e-06,
1905
+ "loss": 0.0318,
1906
+ "step": 5420
1907
+ },
1908
+ {
1909
+ "epoch": 1.0057311887594749,
1910
+ "grad_norm": 313585.34375,
1911
+ "learning_rate": 4.971344056202625e-06,
1912
+ "loss": 0.0321,
1913
+ "step": 5440
1914
+ },
1915
+ {
1916
+ "epoch": 1.00942872989462,
1917
+ "grad_norm": 305049.40625,
1918
+ "learning_rate": 4.9528563505269e-06,
1919
+ "loss": 0.0319,
1920
+ "step": 5460
1921
+ },
1922
+ {
1923
+ "epoch": 1.0131262710297653,
1924
+ "grad_norm": 184038.984375,
1925
+ "learning_rate": 4.934368644851175e-06,
1926
+ "loss": 0.0337,
1927
+ "step": 5480
1928
+ },
1929
+ {
1930
+ "epoch": 1.0168238121649102,
1931
+ "grad_norm": 250623.484375,
1932
+ "learning_rate": 4.915880939175449e-06,
1933
+ "loss": 0.0339,
1934
+ "step": 5500
1935
+ },
1936
+ {
1937
+ "epoch": 1.0205213533000554,
1938
+ "grad_norm": 389090.90625,
1939
+ "learning_rate": 4.897393233499723e-06,
1940
+ "loss": 0.0361,
1941
+ "step": 5520
1942
+ },
1943
+ {
1944
+ "epoch": 1.0242188944352006,
1945
+ "grad_norm": 496750.34375,
1946
+ "learning_rate": 4.878905527823997e-06,
1947
+ "loss": 0.0345,
1948
+ "step": 5540
1949
+ },
1950
+ {
1951
+ "epoch": 1.0279164355703456,
1952
+ "grad_norm": 173545.296875,
1953
+ "learning_rate": 4.860417822148272e-06,
1954
+ "loss": 0.0335,
1955
+ "step": 5560
1956
+ },
1957
+ {
1958
+ "epoch": 1.0316139767054908,
1959
+ "grad_norm": 135819.625,
1960
+ "learning_rate": 4.841930116472547e-06,
1961
+ "loss": 0.0341,
1962
+ "step": 5580
1963
+ },
1964
+ {
1965
+ "epoch": 1.035311517840636,
1966
+ "grad_norm": 331638.21875,
1967
+ "learning_rate": 4.8234424107968206e-06,
1968
+ "loss": 0.031,
1969
+ "step": 5600
1970
+ },
1971
+ {
1972
+ "epoch": 1.0390090589757812,
1973
+ "grad_norm": 129892.90625,
1974
+ "learning_rate": 4.8049547051210944e-06,
1975
+ "loss": 0.0322,
1976
+ "step": 5620
1977
+ },
1978
+ {
1979
+ "epoch": 1.0427066001109262,
1980
+ "grad_norm": 185758.609375,
1981
+ "learning_rate": 4.786466999445369e-06,
1982
+ "loss": 0.0329,
1983
+ "step": 5640
1984
+ },
1985
+ {
1986
+ "epoch": 1.0464041412460714,
1987
+ "grad_norm": 123809.5390625,
1988
+ "learning_rate": 4.767979293769643e-06,
1989
+ "loss": 0.0321,
1990
+ "step": 5660
1991
+ },
1992
+ {
1993
+ "epoch": 1.0501016823812166,
1994
+ "grad_norm": 254882.265625,
1995
+ "learning_rate": 4.749491588093918e-06,
1996
+ "loss": 0.0345,
1997
+ "step": 5680
1998
+ },
1999
+ {
2000
+ "epoch": 1.0537992235163616,
2001
+ "grad_norm": 243718.71875,
2002
+ "learning_rate": 4.7310038824181924e-06,
2003
+ "loss": 0.0338,
2004
+ "step": 5700
2005
+ },
2006
+ {
2007
+ "epoch": 1.0574967646515068,
2008
+ "grad_norm": 282382.6875,
2009
+ "learning_rate": 4.712516176742466e-06,
2010
+ "loss": 0.0314,
2011
+ "step": 5720
2012
+ },
2013
+ {
2014
+ "epoch": 1.061194305786652,
2015
+ "grad_norm": 224000.4375,
2016
+ "learning_rate": 4.694028471066741e-06,
2017
+ "loss": 0.0276,
2018
+ "step": 5740
2019
+ },
2020
+ {
2021
+ "epoch": 1.064891846921797,
2022
+ "grad_norm": 134676.859375,
2023
+ "learning_rate": 4.675540765391015e-06,
2024
+ "loss": 0.0313,
2025
+ "step": 5760
2026
+ },
2027
+ {
2028
+ "epoch": 1.0685893880569421,
2029
+ "grad_norm": 277227.3125,
2030
+ "learning_rate": 4.65705305971529e-06,
2031
+ "loss": 0.0312,
2032
+ "step": 5780
2033
+ },
2034
+ {
2035
+ "epoch": 1.0722869291920873,
2036
+ "grad_norm": 193661.1875,
2037
+ "learning_rate": 4.638565354039564e-06,
2038
+ "loss": 0.0328,
2039
+ "step": 5800
2040
+ },
2041
+ {
2042
+ "epoch": 1.0759844703272323,
2043
+ "grad_norm": 240792.234375,
2044
+ "learning_rate": 4.620077648363838e-06,
2045
+ "loss": 0.0299,
2046
+ "step": 5820
2047
+ },
2048
+ {
2049
+ "epoch": 1.0796820114623775,
2050
+ "grad_norm": 205885.5625,
2051
+ "learning_rate": 4.601589942688113e-06,
2052
+ "loss": 0.0313,
2053
+ "step": 5840
2054
+ },
2055
+ {
2056
+ "epoch": 1.0833795525975227,
2057
+ "grad_norm": 325387.34375,
2058
+ "learning_rate": 4.583102237012388e-06,
2059
+ "loss": 0.033,
2060
+ "step": 5860
2061
+ },
2062
+ {
2063
+ "epoch": 1.0870770937326677,
2064
+ "grad_norm": 141092.296875,
2065
+ "learning_rate": 4.5646145313366615e-06,
2066
+ "loss": 0.0339,
2067
+ "step": 5880
2068
+ },
2069
+ {
2070
+ "epoch": 1.090774634867813,
2071
+ "grad_norm": 571566.5625,
2072
+ "learning_rate": 4.546126825660936e-06,
2073
+ "loss": 0.0336,
2074
+ "step": 5900
2075
+ },
2076
+ {
2077
+ "epoch": 1.094472176002958,
2078
+ "grad_norm": 176920.59375,
2079
+ "learning_rate": 4.52763911998521e-06,
2080
+ "loss": 0.0312,
2081
+ "step": 5920
2082
+ },
2083
+ {
2084
+ "epoch": 1.098169717138103,
2085
+ "grad_norm": 310769.78125,
2086
+ "learning_rate": 4.509151414309485e-06,
2087
+ "loss": 0.0324,
2088
+ "step": 5940
2089
+ },
2090
+ {
2091
+ "epoch": 1.1018672582732483,
2092
+ "grad_norm": 385363.90625,
2093
+ "learning_rate": 4.490663708633759e-06,
2094
+ "loss": 0.0286,
2095
+ "step": 5960
2096
+ },
2097
+ {
2098
+ "epoch": 1.1055647994083935,
2099
+ "grad_norm": 245921.84375,
2100
+ "learning_rate": 4.472176002958033e-06,
2101
+ "loss": 0.0307,
2102
+ "step": 5980
2103
+ },
2104
+ {
2105
+ "epoch": 1.1092623405435384,
2106
+ "grad_norm": 295249.21875,
2107
+ "learning_rate": 4.453688297282307e-06,
2108
+ "loss": 0.0275,
2109
+ "step": 6000
2110
+ },
2111
+ {
2112
+ "epoch": 1.1129598816786836,
2113
+ "grad_norm": 200136.734375,
2114
+ "learning_rate": 4.435200591606582e-06,
2115
+ "loss": 0.0321,
2116
+ "step": 6020
2117
+ },
2118
+ {
2119
+ "epoch": 1.1166574228138288,
2120
+ "grad_norm": 317951.15625,
2121
+ "learning_rate": 4.416712885930856e-06,
2122
+ "loss": 0.0295,
2123
+ "step": 6040
2124
+ },
2125
+ {
2126
+ "epoch": 1.1203549639489738,
2127
+ "grad_norm": 407278.71875,
2128
+ "learning_rate": 4.3982251802551305e-06,
2129
+ "loss": 0.0262,
2130
+ "step": 6060
2131
+ },
2132
+ {
2133
+ "epoch": 1.124052505084119,
2134
+ "grad_norm": 197725.1875,
2135
+ "learning_rate": 4.379737474579405e-06,
2136
+ "loss": 0.0254,
2137
+ "step": 6080
2138
+ },
2139
+ {
2140
+ "epoch": 1.1277500462192642,
2141
+ "grad_norm": 209825.9375,
2142
+ "learning_rate": 4.361249768903679e-06,
2143
+ "loss": 0.0283,
2144
+ "step": 6100
2145
+ },
2146
+ {
2147
+ "epoch": 1.1314475873544092,
2148
+ "grad_norm": 165184.359375,
2149
+ "learning_rate": 4.342762063227954e-06,
2150
+ "loss": 0.0265,
2151
+ "step": 6120
2152
+ },
2153
+ {
2154
+ "epoch": 1.1351451284895544,
2155
+ "grad_norm": 176458.5,
2156
+ "learning_rate": 4.3242743575522285e-06,
2157
+ "loss": 0.0285,
2158
+ "step": 6140
2159
+ },
2160
+ {
2161
+ "epoch": 1.1388426696246996,
2162
+ "grad_norm": 177583.390625,
2163
+ "learning_rate": 4.305786651876502e-06,
2164
+ "loss": 0.0295,
2165
+ "step": 6160
2166
+ },
2167
+ {
2168
+ "epoch": 1.1425402107598448,
2169
+ "grad_norm": 229201.890625,
2170
+ "learning_rate": 4.287298946200777e-06,
2171
+ "loss": 0.0279,
2172
+ "step": 6180
2173
+ },
2174
+ {
2175
+ "epoch": 1.1462377518949898,
2176
+ "grad_norm": 407142.15625,
2177
+ "learning_rate": 4.268811240525051e-06,
2178
+ "loss": 0.031,
2179
+ "step": 6200
2180
+ },
2181
+ {
2182
+ "epoch": 1.149935293030135,
2183
+ "grad_norm": 150456.34375,
2184
+ "learning_rate": 4.250323534849326e-06,
2185
+ "loss": 0.0315,
2186
+ "step": 6220
2187
+ },
2188
+ {
2189
+ "epoch": 1.1536328341652802,
2190
+ "grad_norm": 148167.5,
2191
+ "learning_rate": 4.2318358291736e-06,
2192
+ "loss": 0.0274,
2193
+ "step": 6240
2194
+ },
2195
+ {
2196
+ "epoch": 1.1573303753004252,
2197
+ "grad_norm": 207488.640625,
2198
+ "learning_rate": 4.213348123497874e-06,
2199
+ "loss": 0.0285,
2200
+ "step": 6260
2201
+ },
2202
+ {
2203
+ "epoch": 1.1610279164355704,
2204
+ "grad_norm": 193723.734375,
2205
+ "learning_rate": 4.194860417822149e-06,
2206
+ "loss": 0.0273,
2207
+ "step": 6280
2208
+ },
2209
+ {
2210
+ "epoch": 1.1647254575707155,
2211
+ "grad_norm": 367727.40625,
2212
+ "learning_rate": 4.176372712146423e-06,
2213
+ "loss": 0.0286,
2214
+ "step": 6300
2215
+ },
2216
+ {
2217
+ "epoch": 1.1684229987058605,
2218
+ "grad_norm": 170541.34375,
2219
+ "learning_rate": 4.1578850064706975e-06,
2220
+ "loss": 0.0242,
2221
+ "step": 6320
2222
+ },
2223
+ {
2224
+ "epoch": 1.1721205398410057,
2225
+ "grad_norm": 183535.828125,
2226
+ "learning_rate": 4.139397300794971e-06,
2227
+ "loss": 0.0262,
2228
+ "step": 6340
2229
+ },
2230
+ {
2231
+ "epoch": 1.175818080976151,
2232
+ "grad_norm": 286020.03125,
2233
+ "learning_rate": 4.120909595119246e-06,
2234
+ "loss": 0.0291,
2235
+ "step": 6360
2236
+ },
2237
+ {
2238
+ "epoch": 1.179515622111296,
2239
+ "grad_norm": 173424.8125,
2240
+ "learning_rate": 4.10242188944352e-06,
2241
+ "loss": 0.0259,
2242
+ "step": 6380
2243
+ },
2244
+ {
2245
+ "epoch": 1.183213163246441,
2246
+ "grad_norm": 127936.703125,
2247
+ "learning_rate": 4.083934183767795e-06,
2248
+ "loss": 0.0261,
2249
+ "step": 6400
2250
+ },
2251
+ {
2252
+ "epoch": 1.1869107043815863,
2253
+ "grad_norm": 293457.0625,
2254
+ "learning_rate": 4.065446478092069e-06,
2255
+ "loss": 0.0289,
2256
+ "step": 6420
2257
+ },
2258
+ {
2259
+ "epoch": 1.1906082455167313,
2260
+ "grad_norm": 175406.0625,
2261
+ "learning_rate": 4.046958772416343e-06,
2262
+ "loss": 0.0281,
2263
+ "step": 6440
2264
+ },
2265
+ {
2266
+ "epoch": 1.1943057866518765,
2267
+ "grad_norm": 163937.984375,
2268
+ "learning_rate": 4.028471066740618e-06,
2269
+ "loss": 0.0247,
2270
+ "step": 6460
2271
+ },
2272
+ {
2273
+ "epoch": 1.1980033277870217,
2274
+ "grad_norm": 229977.171875,
2275
+ "learning_rate": 4.009983361064892e-06,
2276
+ "loss": 0.026,
2277
+ "step": 6480
2278
+ },
2279
+ {
2280
+ "epoch": 1.2017008689221669,
2281
+ "grad_norm": 343183.40625,
2282
+ "learning_rate": 3.991495655389167e-06,
2283
+ "loss": 0.0305,
2284
+ "step": 6500
2285
+ },
2286
+ {
2287
+ "epoch": 1.2053984100573119,
2288
+ "grad_norm": 303342.8125,
2289
+ "learning_rate": 3.973007949713441e-06,
2290
+ "loss": 0.0269,
2291
+ "step": 6520
2292
+ },
2293
+ {
2294
+ "epoch": 1.209095951192457,
2295
+ "grad_norm": 175805.6875,
2296
+ "learning_rate": 3.954520244037715e-06,
2297
+ "loss": 0.0267,
2298
+ "step": 6540
2299
+ },
2300
+ {
2301
+ "epoch": 1.2127934923276023,
2302
+ "grad_norm": 266918.03125,
2303
+ "learning_rate": 3.93603253836199e-06,
2304
+ "loss": 0.03,
2305
+ "step": 6560
2306
+ },
2307
+ {
2308
+ "epoch": 1.2164910334627472,
2309
+ "grad_norm": 81738.5546875,
2310
+ "learning_rate": 3.917544832686265e-06,
2311
+ "loss": 0.0239,
2312
+ "step": 6580
2313
+ },
2314
+ {
2315
+ "epoch": 1.2201885745978924,
2316
+ "grad_norm": 159759.4375,
2317
+ "learning_rate": 3.8990571270105384e-06,
2318
+ "loss": 0.0262,
2319
+ "step": 6600
2320
+ },
2321
+ {
2322
+ "epoch": 1.2238861157330376,
2323
+ "grad_norm": 131182.578125,
2324
+ "learning_rate": 3.880569421334812e-06,
2325
+ "loss": 0.0252,
2326
+ "step": 6620
2327
+ },
2328
+ {
2329
+ "epoch": 1.2275836568681826,
2330
+ "grad_norm": 215293.34375,
2331
+ "learning_rate": 3.862081715659087e-06,
2332
+ "loss": 0.025,
2333
+ "step": 6640
2334
+ },
2335
+ {
2336
+ "epoch": 1.2312811980033278,
2337
+ "grad_norm": 246891.640625,
2338
+ "learning_rate": 3.843594009983361e-06,
2339
+ "loss": 0.0267,
2340
+ "step": 6660
2341
+ },
2342
+ {
2343
+ "epoch": 1.234978739138473,
2344
+ "grad_norm": 203203.875,
2345
+ "learning_rate": 3.825106304307636e-06,
2346
+ "loss": 0.0269,
2347
+ "step": 6680
2348
+ },
2349
+ {
2350
+ "epoch": 1.238676280273618,
2351
+ "grad_norm": 218348.234375,
2352
+ "learning_rate": 3.80661859863191e-06,
2353
+ "loss": 0.0264,
2354
+ "step": 6700
2355
+ },
2356
+ {
2357
+ "epoch": 1.2423738214087632,
2358
+ "grad_norm": 378088.65625,
2359
+ "learning_rate": 3.7881308929561846e-06,
2360
+ "loss": 0.0262,
2361
+ "step": 6720
2362
+ },
2363
+ {
2364
+ "epoch": 1.2460713625439084,
2365
+ "grad_norm": 142539.5625,
2366
+ "learning_rate": 3.769643187280459e-06,
2367
+ "loss": 0.0226,
2368
+ "step": 6740
2369
+ },
2370
+ {
2371
+ "epoch": 1.2497689036790534,
2372
+ "grad_norm": 285223.40625,
2373
+ "learning_rate": 3.7511554816047328e-06,
2374
+ "loss": 0.0256,
2375
+ "step": 6760
2376
+ },
2377
+ {
2378
+ "epoch": 1.2534664448141986,
2379
+ "grad_norm": 355714.0625,
2380
+ "learning_rate": 3.7326677759290075e-06,
2381
+ "loss": 0.0244,
2382
+ "step": 6780
2383
+ },
2384
+ {
2385
+ "epoch": 1.2571639859493438,
2386
+ "grad_norm": 227273.59375,
2387
+ "learning_rate": 3.714180070253282e-06,
2388
+ "loss": 0.027,
2389
+ "step": 6800
2390
+ },
2391
+ {
2392
+ "epoch": 1.2608615270844887,
2393
+ "grad_norm": 155393.6875,
2394
+ "learning_rate": 3.695692364577556e-06,
2395
+ "loss": 0.0203,
2396
+ "step": 6820
2397
+ },
2398
+ {
2399
+ "epoch": 1.264559068219634,
2400
+ "grad_norm": 325504.15625,
2401
+ "learning_rate": 3.6772046589018308e-06,
2402
+ "loss": 0.0245,
2403
+ "step": 6840
2404
+ },
2405
+ {
2406
+ "epoch": 1.2682566093547791,
2407
+ "grad_norm": 240933.125,
2408
+ "learning_rate": 3.658716953226105e-06,
2409
+ "loss": 0.0258,
2410
+ "step": 6860
2411
+ },
2412
+ {
2413
+ "epoch": 1.271954150489924,
2414
+ "grad_norm": 106693.859375,
2415
+ "learning_rate": 3.6402292475503794e-06,
2416
+ "loss": 0.0226,
2417
+ "step": 6880
2418
+ },
2419
+ {
2420
+ "epoch": 1.2756516916250693,
2421
+ "grad_norm": 146650.640625,
2422
+ "learning_rate": 3.6217415418746536e-06,
2423
+ "loss": 0.0194,
2424
+ "step": 6900
2425
+ },
2426
+ {
2427
+ "epoch": 1.2793492327602145,
2428
+ "grad_norm": 310544.5625,
2429
+ "learning_rate": 3.603253836198928e-06,
2430
+ "loss": 0.0273,
2431
+ "step": 6920
2432
+ },
2433
+ {
2434
+ "epoch": 1.2830467738953595,
2435
+ "grad_norm": 176867.46875,
2436
+ "learning_rate": 3.5847661305232022e-06,
2437
+ "loss": 0.0245,
2438
+ "step": 6940
2439
+ },
2440
+ {
2441
+ "epoch": 1.2867443150305047,
2442
+ "grad_norm": 128429.8125,
2443
+ "learning_rate": 3.566278424847477e-06,
2444
+ "loss": 0.022,
2445
+ "step": 6960
2446
+ },
2447
+ {
2448
+ "epoch": 1.2904418561656499,
2449
+ "grad_norm": 139811.3125,
2450
+ "learning_rate": 3.547790719171751e-06,
2451
+ "loss": 0.0229,
2452
+ "step": 6980
2453
+ },
2454
+ {
2455
+ "epoch": 1.2941393973007949,
2456
+ "grad_norm": 252133.390625,
2457
+ "learning_rate": 3.5293030134960255e-06,
2458
+ "loss": 0.0254,
2459
+ "step": 7000
2460
+ },
2461
+ {
2462
+ "epoch": 1.29783693843594,
2463
+ "grad_norm": 151203.578125,
2464
+ "learning_rate": 3.5108153078203e-06,
2465
+ "loss": 0.0232,
2466
+ "step": 7020
2467
+ },
2468
+ {
2469
+ "epoch": 1.3015344795710853,
2470
+ "grad_norm": 147495.046875,
2471
+ "learning_rate": 3.492327602144574e-06,
2472
+ "loss": 0.0222,
2473
+ "step": 7040
2474
+ },
2475
+ {
2476
+ "epoch": 1.3052320207062302,
2477
+ "grad_norm": 278537.0,
2478
+ "learning_rate": 3.4738398964688484e-06,
2479
+ "loss": 0.0204,
2480
+ "step": 7060
2481
+ },
2482
+ {
2483
+ "epoch": 1.3089295618413754,
2484
+ "grad_norm": 201168.078125,
2485
+ "learning_rate": 3.455352190793123e-06,
2486
+ "loss": 0.0258,
2487
+ "step": 7080
2488
+ },
2489
+ {
2490
+ "epoch": 1.3126271029765206,
2491
+ "grad_norm": 291186.3125,
2492
+ "learning_rate": 3.436864485117397e-06,
2493
+ "loss": 0.0255,
2494
+ "step": 7100
2495
+ },
2496
+ {
2497
+ "epoch": 1.3163246441116656,
2498
+ "grad_norm": 105182.578125,
2499
+ "learning_rate": 3.4183767794416717e-06,
2500
+ "loss": 0.0213,
2501
+ "step": 7120
2502
+ },
2503
+ {
2504
+ "epoch": 1.3200221852468108,
2505
+ "grad_norm": 192964.09375,
2506
+ "learning_rate": 3.3998890737659455e-06,
2507
+ "loss": 0.0234,
2508
+ "step": 7140
2509
+ },
2510
+ {
2511
+ "epoch": 1.323719726381956,
2512
+ "grad_norm": 187349.546875,
2513
+ "learning_rate": 3.3814013680902203e-06,
2514
+ "loss": 0.0231,
2515
+ "step": 7160
2516
+ },
2517
+ {
2518
+ "epoch": 1.3274172675171012,
2519
+ "grad_norm": 91186.453125,
2520
+ "learning_rate": 3.362913662414495e-06,
2521
+ "loss": 0.0216,
2522
+ "step": 7180
2523
+ },
2524
+ {
2525
+ "epoch": 1.3311148086522462,
2526
+ "grad_norm": 197646.78125,
2527
+ "learning_rate": 3.344425956738769e-06,
2528
+ "loss": 0.0216,
2529
+ "step": 7200
2530
+ },
2531
+ {
2532
+ "epoch": 1.3348123497873914,
2533
+ "grad_norm": 113568.28125,
2534
+ "learning_rate": 3.3259382510630435e-06,
2535
+ "loss": 0.0167,
2536
+ "step": 7220
2537
+ },
2538
+ {
2539
+ "epoch": 1.3385098909225366,
2540
+ "grad_norm": 171078.3125,
2541
+ "learning_rate": 3.307450545387318e-06,
2542
+ "loss": 0.0245,
2543
+ "step": 7240
2544
+ },
2545
+ {
2546
+ "epoch": 1.3422074320576816,
2547
+ "grad_norm": 280644.15625,
2548
+ "learning_rate": 3.2889628397115917e-06,
2549
+ "loss": 0.0196,
2550
+ "step": 7260
2551
+ },
2552
+ {
2553
+ "epoch": 1.3459049731928268,
2554
+ "grad_norm": 107269.703125,
2555
+ "learning_rate": 3.2704751340358664e-06,
2556
+ "loss": 0.0191,
2557
+ "step": 7280
2558
+ },
2559
+ {
2560
+ "epoch": 1.349602514327972,
2561
+ "grad_norm": 152088.6875,
2562
+ "learning_rate": 3.251987428360141e-06,
2563
+ "loss": 0.0214,
2564
+ "step": 7300
2565
+ },
2566
+ {
2567
+ "epoch": 1.3533000554631172,
2568
+ "grad_norm": 169087.515625,
2569
+ "learning_rate": 3.233499722684415e-06,
2570
+ "loss": 0.0226,
2571
+ "step": 7320
2572
+ },
2573
+ {
2574
+ "epoch": 1.3569975965982621,
2575
+ "grad_norm": 121175.640625,
2576
+ "learning_rate": 3.2150120170086897e-06,
2577
+ "loss": 0.0209,
2578
+ "step": 7340
2579
+ },
2580
+ {
2581
+ "epoch": 1.3606951377334073,
2582
+ "grad_norm": 149657.40625,
2583
+ "learning_rate": 3.1965243113329636e-06,
2584
+ "loss": 0.0188,
2585
+ "step": 7360
2586
+ },
2587
+ {
2588
+ "epoch": 1.3643926788685525,
2589
+ "grad_norm": 102583.3125,
2590
+ "learning_rate": 3.1780366056572383e-06,
2591
+ "loss": 0.0227,
2592
+ "step": 7380
2593
+ },
2594
+ {
2595
+ "epoch": 1.3680902200036975,
2596
+ "grad_norm": 220809.03125,
2597
+ "learning_rate": 3.1595488999815126e-06,
2598
+ "loss": 0.0184,
2599
+ "step": 7400
2600
+ },
2601
+ {
2602
+ "epoch": 1.3717877611388427,
2603
+ "grad_norm": 164637.875,
2604
+ "learning_rate": 3.141061194305787e-06,
2605
+ "loss": 0.0206,
2606
+ "step": 7420
2607
+ },
2608
+ {
2609
+ "epoch": 1.375485302273988,
2610
+ "grad_norm": 160252.15625,
2611
+ "learning_rate": 3.122573488630061e-06,
2612
+ "loss": 0.0179,
2613
+ "step": 7440
2614
+ },
2615
+ {
2616
+ "epoch": 1.3791828434091329,
2617
+ "grad_norm": 113583.3984375,
2618
+ "learning_rate": 3.104085782954336e-06,
2619
+ "loss": 0.0191,
2620
+ "step": 7460
2621
+ },
2622
+ {
2623
+ "epoch": 1.382880384544278,
2624
+ "grad_norm": 171301.390625,
2625
+ "learning_rate": 3.0855980772786097e-06,
2626
+ "loss": 0.0189,
2627
+ "step": 7480
2628
+ },
2629
+ {
2630
+ "epoch": 1.3865779256794233,
2631
+ "grad_norm": 141760.046875,
2632
+ "learning_rate": 3.0671103716028845e-06,
2633
+ "loss": 0.0189,
2634
+ "step": 7500
2635
+ },
2636
+ {
2637
+ "epoch": 1.3902754668145683,
2638
+ "grad_norm": 164532.734375,
2639
+ "learning_rate": 3.0486226659271587e-06,
2640
+ "loss": 0.0211,
2641
+ "step": 7520
2642
+ },
2643
+ {
2644
+ "epoch": 1.3939730079497135,
2645
+ "grad_norm": 201083.53125,
2646
+ "learning_rate": 3.030134960251433e-06,
2647
+ "loss": 0.0203,
2648
+ "step": 7540
2649
+ },
2650
+ {
2651
+ "epoch": 1.3976705490848587,
2652
+ "grad_norm": 114150.078125,
2653
+ "learning_rate": 3.0116472545757073e-06,
2654
+ "loss": 0.0202,
2655
+ "step": 7560
2656
+ },
2657
+ {
2658
+ "epoch": 1.4013680902200036,
2659
+ "grad_norm": 105227.3046875,
2660
+ "learning_rate": 2.9931595488999816e-06,
2661
+ "loss": 0.0179,
2662
+ "step": 7580
2663
+ },
2664
+ {
2665
+ "epoch": 1.4050656313551488,
2666
+ "grad_norm": 137791.65625,
2667
+ "learning_rate": 2.974671843224256e-06,
2668
+ "loss": 0.0178,
2669
+ "step": 7600
2670
+ },
2671
+ {
2672
+ "epoch": 1.408763172490294,
2673
+ "grad_norm": 93458.9921875,
2674
+ "learning_rate": 2.9561841375485306e-06,
2675
+ "loss": 0.0188,
2676
+ "step": 7620
2677
+ },
2678
+ {
2679
+ "epoch": 1.412460713625439,
2680
+ "grad_norm": 132947.59375,
2681
+ "learning_rate": 2.9376964318728045e-06,
2682
+ "loss": 0.0231,
2683
+ "step": 7640
2684
+ },
2685
+ {
2686
+ "epoch": 1.4161582547605842,
2687
+ "grad_norm": 137827.40625,
2688
+ "learning_rate": 2.919208726197079e-06,
2689
+ "loss": 0.0188,
2690
+ "step": 7660
2691
+ },
2692
+ {
2693
+ "epoch": 1.4198557958957294,
2694
+ "grad_norm": 221912.953125,
2695
+ "learning_rate": 2.900721020521354e-06,
2696
+ "loss": 0.0192,
2697
+ "step": 7680
2698
+ },
2699
+ {
2700
+ "epoch": 1.4235533370308744,
2701
+ "grad_norm": 167596.15625,
2702
+ "learning_rate": 2.8822333148456278e-06,
2703
+ "loss": 0.0188,
2704
+ "step": 7700
2705
+ },
2706
+ {
2707
+ "epoch": 1.4272508781660196,
2708
+ "grad_norm": 222441.71875,
2709
+ "learning_rate": 2.8637456091699025e-06,
2710
+ "loss": 0.0215,
2711
+ "step": 7720
2712
+ },
2713
+ {
2714
+ "epoch": 1.4309484193011648,
2715
+ "grad_norm": 133030.28125,
2716
+ "learning_rate": 2.8452579034941768e-06,
2717
+ "loss": 0.0175,
2718
+ "step": 7740
2719
+ },
2720
+ {
2721
+ "epoch": 1.4346459604363098,
2722
+ "grad_norm": 170401.625,
2723
+ "learning_rate": 2.826770197818451e-06,
2724
+ "loss": 0.0184,
2725
+ "step": 7760
2726
+ },
2727
+ {
2728
+ "epoch": 1.438343501571455,
2729
+ "grad_norm": 249026.03125,
2730
+ "learning_rate": 2.8082824921427254e-06,
2731
+ "loss": 0.0187,
2732
+ "step": 7780
2733
+ },
2734
+ {
2735
+ "epoch": 1.4420410427066002,
2736
+ "grad_norm": 153504.90625,
2737
+ "learning_rate": 2.7897947864669992e-06,
2738
+ "loss": 0.0184,
2739
+ "step": 7800
2740
+ },
2741
+ {
2742
+ "epoch": 1.4457385838417451,
2743
+ "grad_norm": 116464.4765625,
2744
+ "learning_rate": 2.771307080791274e-06,
2745
+ "loss": 0.0195,
2746
+ "step": 7820
2747
+ },
2748
+ {
2749
+ "epoch": 1.4494361249768903,
2750
+ "grad_norm": 134998.984375,
2751
+ "learning_rate": 2.7528193751155486e-06,
2752
+ "loss": 0.0191,
2753
+ "step": 7840
2754
+ },
2755
+ {
2756
+ "epoch": 1.4531336661120355,
2757
+ "grad_norm": 177865.984375,
2758
+ "learning_rate": 2.7343316694398225e-06,
2759
+ "loss": 0.0169,
2760
+ "step": 7860
2761
+ },
2762
+ {
2763
+ "epoch": 1.4568312072471805,
2764
+ "grad_norm": 217818.40625,
2765
+ "learning_rate": 2.7158439637640972e-06,
2766
+ "loss": 0.0165,
2767
+ "step": 7880
2768
+ },
2769
+ {
2770
+ "epoch": 1.4605287483823257,
2771
+ "grad_norm": 267455.9375,
2772
+ "learning_rate": 2.6973562580883715e-06,
2773
+ "loss": 0.0202,
2774
+ "step": 7900
2775
+ },
2776
+ {
2777
+ "epoch": 1.464226289517471,
2778
+ "grad_norm": 91404.4296875,
2779
+ "learning_rate": 2.678868552412646e-06,
2780
+ "loss": 0.017,
2781
+ "step": 7920
2782
+ },
2783
+ {
2784
+ "epoch": 1.467923830652616,
2785
+ "grad_norm": 253760.109375,
2786
+ "learning_rate": 2.66038084673692e-06,
2787
+ "loss": 0.0157,
2788
+ "step": 7940
2789
+ },
2790
+ {
2791
+ "epoch": 1.471621371787761,
2792
+ "grad_norm": 108044.6015625,
2793
+ "learning_rate": 2.641893141061195e-06,
2794
+ "loss": 0.0187,
2795
+ "step": 7960
2796
+ },
2797
+ {
2798
+ "epoch": 1.4753189129229063,
2799
+ "grad_norm": 114390.0,
2800
+ "learning_rate": 2.6234054353854687e-06,
2801
+ "loss": 0.0168,
2802
+ "step": 7980
2803
+ },
2804
+ {
2805
+ "epoch": 1.4790164540580513,
2806
+ "grad_norm": 213150.25,
2807
+ "learning_rate": 2.6049177297097434e-06,
2808
+ "loss": 0.0165,
2809
+ "step": 8000
2810
+ },
2811
+ {
2812
+ "epoch": 1.4827139951931965,
2813
+ "grad_norm": 124014.53125,
2814
+ "learning_rate": 2.5864300240340173e-06,
2815
+ "loss": 0.0138,
2816
+ "step": 8020
2817
+ },
2818
+ {
2819
+ "epoch": 1.4864115363283417,
2820
+ "grad_norm": 125034.8984375,
2821
+ "learning_rate": 2.567942318358292e-06,
2822
+ "loss": 0.0151,
2823
+ "step": 8040
2824
+ },
2825
+ {
2826
+ "epoch": 1.4901090774634869,
2827
+ "grad_norm": 93910.4453125,
2828
+ "learning_rate": 2.5494546126825663e-06,
2829
+ "loss": 0.0175,
2830
+ "step": 8060
2831
+ },
2832
+ {
2833
+ "epoch": 1.4938066185986318,
2834
+ "grad_norm": 99099.5390625,
2835
+ "learning_rate": 2.5309669070068405e-06,
2836
+ "loss": 0.017,
2837
+ "step": 8080
2838
+ },
2839
+ {
2840
+ "epoch": 1.497504159733777,
2841
+ "grad_norm": 101766.75,
2842
+ "learning_rate": 2.512479201331115e-06,
2843
+ "loss": 0.0158,
2844
+ "step": 8100
2845
+ },
2846
+ {
2847
+ "epoch": 1.501201700868922,
2848
+ "grad_norm": 146969.875,
2849
+ "learning_rate": 2.493991495655389e-06,
2850
+ "loss": 0.0171,
2851
+ "step": 8120
2852
+ },
2853
+ {
2854
+ "epoch": 1.5048992420040674,
2855
+ "grad_norm": 113886.953125,
2856
+ "learning_rate": 2.475503789979664e-06,
2857
+ "loss": 0.0157,
2858
+ "step": 8140
2859
+ },
2860
+ {
2861
+ "epoch": 1.5085967831392124,
2862
+ "grad_norm": 310139.90625,
2863
+ "learning_rate": 2.457016084303938e-06,
2864
+ "loss": 0.0163,
2865
+ "step": 8160
2866
+ },
2867
+ {
2868
+ "epoch": 1.5122943242743574,
2869
+ "grad_norm": 78983.7890625,
2870
+ "learning_rate": 2.4385283786282124e-06,
2871
+ "loss": 0.0177,
2872
+ "step": 8180
2873
+ },
2874
+ {
2875
+ "epoch": 1.5159918654095028,
2876
+ "grad_norm": 155035.984375,
2877
+ "learning_rate": 2.4200406729524867e-06,
2878
+ "loss": 0.0172,
2879
+ "step": 8200
2880
+ },
2881
+ {
2882
+ "epoch": 1.5196894065446478,
2883
+ "grad_norm": 111692.59375,
2884
+ "learning_rate": 2.4015529672767614e-06,
2885
+ "loss": 0.0135,
2886
+ "step": 8220
2887
+ },
2888
+ {
2889
+ "epoch": 1.523386947679793,
2890
+ "grad_norm": 89581.5546875,
2891
+ "learning_rate": 2.3830652616010357e-06,
2892
+ "loss": 0.016,
2893
+ "step": 8240
2894
+ },
2895
+ {
2896
+ "epoch": 1.5270844888149382,
2897
+ "grad_norm": 74326.9140625,
2898
+ "learning_rate": 2.36457755592531e-06,
2899
+ "loss": 0.0146,
2900
+ "step": 8260
2901
+ },
2902
+ {
2903
+ "epoch": 1.5307820299500832,
2904
+ "grad_norm": 86257.5625,
2905
+ "learning_rate": 2.3460898502495843e-06,
2906
+ "loss": 0.0158,
2907
+ "step": 8280
2908
+ },
2909
+ {
2910
+ "epoch": 1.5344795710852284,
2911
+ "grad_norm": 204998.53125,
2912
+ "learning_rate": 2.3276021445738586e-06,
2913
+ "loss": 0.0166,
2914
+ "step": 8300
2915
+ },
2916
+ {
2917
+ "epoch": 1.5381771122203736,
2918
+ "grad_norm": 131477.296875,
2919
+ "learning_rate": 2.309114438898133e-06,
2920
+ "loss": 0.0163,
2921
+ "step": 8320
2922
+ },
2923
+ {
2924
+ "epoch": 1.5418746533555185,
2925
+ "grad_norm": 62000.34375,
2926
+ "learning_rate": 2.290626733222407e-06,
2927
+ "loss": 0.0141,
2928
+ "step": 8340
2929
+ },
2930
+ {
2931
+ "epoch": 1.5455721944906637,
2932
+ "grad_norm": 131954.5,
2933
+ "learning_rate": 2.272139027546682e-06,
2934
+ "loss": 0.0143,
2935
+ "step": 8360
2936
+ },
2937
+ {
2938
+ "epoch": 1.549269735625809,
2939
+ "grad_norm": 176431.921875,
2940
+ "learning_rate": 2.253651321870956e-06,
2941
+ "loss": 0.014,
2942
+ "step": 8380
2943
+ },
2944
+ {
2945
+ "epoch": 1.552967276760954,
2946
+ "grad_norm": 168082.734375,
2947
+ "learning_rate": 2.2351636161952305e-06,
2948
+ "loss": 0.0163,
2949
+ "step": 8400
2950
+ },
2951
+ {
2952
+ "epoch": 1.5566648178960991,
2953
+ "grad_norm": 213557.40625,
2954
+ "learning_rate": 2.2166759105195047e-06,
2955
+ "loss": 0.0138,
2956
+ "step": 8420
2957
+ },
2958
+ {
2959
+ "epoch": 1.5603623590312443,
2960
+ "grad_norm": 149194.671875,
2961
+ "learning_rate": 2.198188204843779e-06,
2962
+ "loss": 0.0145,
2963
+ "step": 8440
2964
+ },
2965
+ {
2966
+ "epoch": 1.5640599001663893,
2967
+ "grad_norm": 108979.765625,
2968
+ "learning_rate": 2.1797004991680533e-06,
2969
+ "loss": 0.015,
2970
+ "step": 8460
2971
+ },
2972
+ {
2973
+ "epoch": 1.5677574413015345,
2974
+ "grad_norm": 113606.09375,
2975
+ "learning_rate": 2.1612127934923276e-06,
2976
+ "loss": 0.0148,
2977
+ "step": 8480
2978
+ },
2979
+ {
2980
+ "epoch": 1.5714549824366797,
2981
+ "grad_norm": 54511.078125,
2982
+ "learning_rate": 2.1427250878166023e-06,
2983
+ "loss": 0.013,
2984
+ "step": 8500
2985
+ },
2986
+ {
2987
+ "epoch": 1.5751525235718247,
2988
+ "grad_norm": 223038.484375,
2989
+ "learning_rate": 2.1242373821408766e-06,
2990
+ "loss": 0.0123,
2991
+ "step": 8520
2992
+ },
2993
+ {
2994
+ "epoch": 1.5788500647069699,
2995
+ "grad_norm": 81127.296875,
2996
+ "learning_rate": 2.105749676465151e-06,
2997
+ "loss": 0.0179,
2998
+ "step": 8540
2999
+ },
3000
+ {
3001
+ "epoch": 1.582547605842115,
3002
+ "grad_norm": 205924.984375,
3003
+ "learning_rate": 2.087261970789425e-06,
3004
+ "loss": 0.0139,
3005
+ "step": 8560
3006
+ },
3007
+ {
3008
+ "epoch": 1.58624514697726,
3009
+ "grad_norm": 136897.609375,
3010
+ "learning_rate": 2.0687742651136995e-06,
3011
+ "loss": 0.013,
3012
+ "step": 8580
3013
+ },
3014
+ {
3015
+ "epoch": 1.5899426881124052,
3016
+ "grad_norm": 74720.484375,
3017
+ "learning_rate": 2.0502865594379738e-06,
3018
+ "loss": 0.0144,
3019
+ "step": 8600
3020
+ },
3021
+ {
3022
+ "epoch": 1.5936402292475504,
3023
+ "grad_norm": 131154.421875,
3024
+ "learning_rate": 2.031798853762248e-06,
3025
+ "loss": 0.0141,
3026
+ "step": 8620
3027
+ },
3028
+ {
3029
+ "epoch": 1.5973377703826954,
3030
+ "grad_norm": 141421.515625,
3031
+ "learning_rate": 2.0133111480865224e-06,
3032
+ "loss": 0.0141,
3033
+ "step": 8640
3034
+ },
3035
+ {
3036
+ "epoch": 1.6010353115178406,
3037
+ "grad_norm": 95285.7890625,
3038
+ "learning_rate": 1.994823442410797e-06,
3039
+ "loss": 0.0149,
3040
+ "step": 8660
3041
+ },
3042
+ {
3043
+ "epoch": 1.6047328526529858,
3044
+ "grad_norm": 259090.546875,
3045
+ "learning_rate": 1.9763357367350714e-06,
3046
+ "loss": 0.0143,
3047
+ "step": 8680
3048
+ },
3049
+ {
3050
+ "epoch": 1.6084303937881308,
3051
+ "grad_norm": 129890.265625,
3052
+ "learning_rate": 1.9578480310593456e-06,
3053
+ "loss": 0.0124,
3054
+ "step": 8700
3055
+ },
3056
+ {
3057
+ "epoch": 1.612127934923276,
3058
+ "grad_norm": 199939.984375,
3059
+ "learning_rate": 1.9393603253836204e-06,
3060
+ "loss": 0.0124,
3061
+ "step": 8720
3062
+ },
3063
+ {
3064
+ "epoch": 1.6158254760584212,
3065
+ "grad_norm": 105627.1640625,
3066
+ "learning_rate": 1.9208726197078946e-06,
3067
+ "loss": 0.0146,
3068
+ "step": 8740
3069
+ },
3070
+ {
3071
+ "epoch": 1.6195230171935662,
3072
+ "grad_norm": 111494.3125,
3073
+ "learning_rate": 1.9023849140321687e-06,
3074
+ "loss": 0.0118,
3075
+ "step": 8760
3076
+ },
3077
+ {
3078
+ "epoch": 1.6232205583287114,
3079
+ "grad_norm": 162020.4375,
3080
+ "learning_rate": 1.883897208356443e-06,
3081
+ "loss": 0.0133,
3082
+ "step": 8780
3083
+ },
3084
+ {
3085
+ "epoch": 1.6269180994638566,
3086
+ "grad_norm": 151192.859375,
3087
+ "learning_rate": 1.8654095026807175e-06,
3088
+ "loss": 0.0146,
3089
+ "step": 8800
3090
+ },
3091
+ {
3092
+ "epoch": 1.6306156405990015,
3093
+ "grad_norm": 92355.328125,
3094
+ "learning_rate": 1.8469217970049918e-06,
3095
+ "loss": 0.0125,
3096
+ "step": 8820
3097
+ },
3098
+ {
3099
+ "epoch": 1.6343131817341467,
3100
+ "grad_norm": 86571.875,
3101
+ "learning_rate": 1.828434091329266e-06,
3102
+ "loss": 0.0128,
3103
+ "step": 8840
3104
+ },
3105
+ {
3106
+ "epoch": 1.638010722869292,
3107
+ "grad_norm": 155513.75,
3108
+ "learning_rate": 1.8099463856535404e-06,
3109
+ "loss": 0.0149,
3110
+ "step": 8860
3111
+ },
3112
+ {
3113
+ "epoch": 1.641708264004437,
3114
+ "grad_norm": 140762.703125,
3115
+ "learning_rate": 1.7914586799778149e-06,
3116
+ "loss": 0.0141,
3117
+ "step": 8880
3118
+ },
3119
+ {
3120
+ "epoch": 1.6454058051395821,
3121
+ "grad_norm": 129466.796875,
3122
+ "learning_rate": 1.7729709743020892e-06,
3123
+ "loss": 0.0122,
3124
+ "step": 8900
3125
+ },
3126
+ {
3127
+ "epoch": 1.6491033462747273,
3128
+ "grad_norm": 134758.546875,
3129
+ "learning_rate": 1.7544832686263635e-06,
3130
+ "loss": 0.0133,
3131
+ "step": 8920
3132
+ },
3133
+ {
3134
+ "epoch": 1.6528008874098723,
3135
+ "grad_norm": 81380.0546875,
3136
+ "learning_rate": 1.7359955629506382e-06,
3137
+ "loss": 0.0131,
3138
+ "step": 8940
3139
+ },
3140
+ {
3141
+ "epoch": 1.6564984285450177,
3142
+ "grad_norm": 102433.5234375,
3143
+ "learning_rate": 1.7175078572749125e-06,
3144
+ "loss": 0.0126,
3145
+ "step": 8960
3146
+ },
3147
+ {
3148
+ "epoch": 1.6601959696801627,
3149
+ "grad_norm": 95113.1640625,
3150
+ "learning_rate": 1.6990201515991865e-06,
3151
+ "loss": 0.0133,
3152
+ "step": 8980
3153
+ },
3154
+ {
3155
+ "epoch": 1.6638935108153077,
3156
+ "grad_norm": 194246.734375,
3157
+ "learning_rate": 1.6805324459234608e-06,
3158
+ "loss": 0.0116,
3159
+ "step": 9000
3160
+ },
3161
+ {
3162
+ "epoch": 1.667591051950453,
3163
+ "grad_norm": 128436.3125,
3164
+ "learning_rate": 1.6620447402477356e-06,
3165
+ "loss": 0.0139,
3166
+ "step": 9020
3167
+ },
3168
+ {
3169
+ "epoch": 1.671288593085598,
3170
+ "grad_norm": 93527.5546875,
3171
+ "learning_rate": 1.6435570345720098e-06,
3172
+ "loss": 0.0112,
3173
+ "step": 9040
3174
+ },
3175
+ {
3176
+ "epoch": 1.674986134220743,
3177
+ "grad_norm": 85030.171875,
3178
+ "learning_rate": 1.6250693288962841e-06,
3179
+ "loss": 0.0117,
3180
+ "step": 9060
3181
+ },
3182
+ {
3183
+ "epoch": 1.6786836753558885,
3184
+ "grad_norm": 193011.28125,
3185
+ "learning_rate": 1.6065816232205584e-06,
3186
+ "loss": 0.0122,
3187
+ "step": 9080
3188
+ },
3189
+ {
3190
+ "epoch": 1.6823812164910334,
3191
+ "grad_norm": 167224.15625,
3192
+ "learning_rate": 1.588093917544833e-06,
3193
+ "loss": 0.0137,
3194
+ "step": 9100
3195
+ },
3196
+ {
3197
+ "epoch": 1.6860787576261784,
3198
+ "grad_norm": 97394.6328125,
3199
+ "learning_rate": 1.5696062118691072e-06,
3200
+ "loss": 0.0114,
3201
+ "step": 9120
3202
+ },
3203
+ {
3204
+ "epoch": 1.6897762987613238,
3205
+ "grad_norm": 61188.08203125,
3206
+ "learning_rate": 1.5511185061933815e-06,
3207
+ "loss": 0.0123,
3208
+ "step": 9140
3209
+ },
3210
+ {
3211
+ "epoch": 1.6934738398964688,
3212
+ "grad_norm": 109640.2265625,
3213
+ "learning_rate": 1.532630800517656e-06,
3214
+ "loss": 0.0119,
3215
+ "step": 9160
3216
+ },
3217
+ {
3218
+ "epoch": 1.697171381031614,
3219
+ "grad_norm": 96847.4296875,
3220
+ "learning_rate": 1.5141430948419303e-06,
3221
+ "loss": 0.0109,
3222
+ "step": 9180
3223
+ },
3224
+ {
3225
+ "epoch": 1.7008689221667592,
3226
+ "grad_norm": 138873.15625,
3227
+ "learning_rate": 1.4956553891662046e-06,
3228
+ "loss": 0.0125,
3229
+ "step": 9200
3230
+ },
3231
+ {
3232
+ "epoch": 1.7045664633019042,
3233
+ "grad_norm": 92997.3203125,
3234
+ "learning_rate": 1.4771676834904789e-06,
3235
+ "loss": 0.0115,
3236
+ "step": 9220
3237
+ },
3238
+ {
3239
+ "epoch": 1.7082640044370494,
3240
+ "grad_norm": 108250.3359375,
3241
+ "learning_rate": 1.4586799778147534e-06,
3242
+ "loss": 0.0116,
3243
+ "step": 9240
3244
+ },
3245
+ {
3246
+ "epoch": 1.7119615455721946,
3247
+ "grad_norm": 96745.375,
3248
+ "learning_rate": 1.4401922721390277e-06,
3249
+ "loss": 0.0108,
3250
+ "step": 9260
3251
+ },
3252
+ {
3253
+ "epoch": 1.7156590867073396,
3254
+ "grad_norm": 71503.3515625,
3255
+ "learning_rate": 1.421704566463302e-06,
3256
+ "loss": 0.0117,
3257
+ "step": 9280
3258
+ },
3259
+ {
3260
+ "epoch": 1.7193566278424848,
3261
+ "grad_norm": 131563.34375,
3262
+ "learning_rate": 1.4032168607875762e-06,
3263
+ "loss": 0.0111,
3264
+ "step": 9300
3265
+ },
3266
+ {
3267
+ "epoch": 1.72305416897763,
3268
+ "grad_norm": 152288.3125,
3269
+ "learning_rate": 1.3847291551118507e-06,
3270
+ "loss": 0.0131,
3271
+ "step": 9320
3272
+ },
3273
+ {
3274
+ "epoch": 1.726751710112775,
3275
+ "grad_norm": 188523.875,
3276
+ "learning_rate": 1.366241449436125e-06,
3277
+ "loss": 0.0117,
3278
+ "step": 9340
3279
+ },
3280
+ {
3281
+ "epoch": 1.7304492512479202,
3282
+ "grad_norm": 135298.65625,
3283
+ "learning_rate": 1.3477537437603993e-06,
3284
+ "loss": 0.0098,
3285
+ "step": 9360
3286
+ },
3287
+ {
3288
+ "epoch": 1.7341467923830653,
3289
+ "grad_norm": 73664.140625,
3290
+ "learning_rate": 1.3292660380846738e-06,
3291
+ "loss": 0.0113,
3292
+ "step": 9380
3293
+ },
3294
+ {
3295
+ "epoch": 1.7378443335182103,
3296
+ "grad_norm": 157000.625,
3297
+ "learning_rate": 1.3107783324089481e-06,
3298
+ "loss": 0.0111,
3299
+ "step": 9400
3300
+ },
3301
+ {
3302
+ "epoch": 1.7415418746533555,
3303
+ "grad_norm": 114460.046875,
3304
+ "learning_rate": 1.2922906267332224e-06,
3305
+ "loss": 0.0101,
3306
+ "step": 9420
3307
+ },
3308
+ {
3309
+ "epoch": 1.7452394157885007,
3310
+ "grad_norm": 86580.3046875,
3311
+ "learning_rate": 1.2738029210574967e-06,
3312
+ "loss": 0.0109,
3313
+ "step": 9440
3314
+ },
3315
+ {
3316
+ "epoch": 1.7489369569236457,
3317
+ "grad_norm": 105799.8984375,
3318
+ "learning_rate": 1.2553152153817714e-06,
3319
+ "loss": 0.0113,
3320
+ "step": 9460
3321
+ },
3322
+ {
3323
+ "epoch": 1.752634498058791,
3324
+ "grad_norm": 141433.953125,
3325
+ "learning_rate": 1.2368275097060457e-06,
3326
+ "loss": 0.0104,
3327
+ "step": 9480
3328
+ },
3329
+ {
3330
+ "epoch": 1.756332039193936,
3331
+ "grad_norm": 232147.828125,
3332
+ "learning_rate": 1.2183398040303198e-06,
3333
+ "loss": 0.0105,
3334
+ "step": 9500
3335
+ },
3336
+ {
3337
+ "epoch": 1.760029580329081,
3338
+ "grad_norm": 91419.984375,
3339
+ "learning_rate": 1.1998520983545943e-06,
3340
+ "loss": 0.0099,
3341
+ "step": 9520
3342
+ },
3343
+ {
3344
+ "epoch": 1.7637271214642263,
3345
+ "grad_norm": 105158.8515625,
3346
+ "learning_rate": 1.1813643926788688e-06,
3347
+ "loss": 0.0086,
3348
+ "step": 9540
3349
+ },
3350
+ {
3351
+ "epoch": 1.7674246625993715,
3352
+ "grad_norm": 99868.90625,
3353
+ "learning_rate": 1.162876687003143e-06,
3354
+ "loss": 0.0103,
3355
+ "step": 9560
3356
+ },
3357
+ {
3358
+ "epoch": 1.7711222037345165,
3359
+ "grad_norm": 91508.3046875,
3360
+ "learning_rate": 1.1443889813274174e-06,
3361
+ "loss": 0.0097,
3362
+ "step": 9580
3363
+ },
3364
+ {
3365
+ "epoch": 1.7748197448696617,
3366
+ "grad_norm": 124763.6640625,
3367
+ "learning_rate": 1.1259012756516916e-06,
3368
+ "loss": 0.0101,
3369
+ "step": 9600
3370
+ },
3371
+ {
3372
+ "epoch": 1.7785172860048069,
3373
+ "grad_norm": 68321.0078125,
3374
+ "learning_rate": 1.1074135699759661e-06,
3375
+ "loss": 0.0106,
3376
+ "step": 9620
3377
+ },
3378
+ {
3379
+ "epoch": 1.7822148271399518,
3380
+ "grad_norm": 54323.26171875,
3381
+ "learning_rate": 1.0889258643002404e-06,
3382
+ "loss": 0.0104,
3383
+ "step": 9640
3384
+ },
3385
+ {
3386
+ "epoch": 1.785912368275097,
3387
+ "grad_norm": 170615.03125,
3388
+ "learning_rate": 1.0704381586245147e-06,
3389
+ "loss": 0.009,
3390
+ "step": 9660
3391
+ },
3392
+ {
3393
+ "epoch": 1.7896099094102422,
3394
+ "grad_norm": 54507.4921875,
3395
+ "learning_rate": 1.051950452948789e-06,
3396
+ "loss": 0.0113,
3397
+ "step": 9680
3398
+ },
3399
+ {
3400
+ "epoch": 1.7933074505453872,
3401
+ "grad_norm": 224390.078125,
3402
+ "learning_rate": 1.0334627472730635e-06,
3403
+ "loss": 0.0081,
3404
+ "step": 9700
3405
+ },
3406
+ {
3407
+ "epoch": 1.7970049916805324,
3408
+ "grad_norm": 114423.484375,
3409
+ "learning_rate": 1.0149750415973378e-06,
3410
+ "loss": 0.0092,
3411
+ "step": 9720
3412
+ },
3413
+ {
3414
+ "epoch": 1.8007025328156776,
3415
+ "grad_norm": 40952.4609375,
3416
+ "learning_rate": 9.96487335921612e-07,
3417
+ "loss": 0.008,
3418
+ "step": 9740
3419
+ },
3420
+ {
3421
+ "epoch": 1.8044000739508226,
3422
+ "grad_norm": 125467.2421875,
3423
+ "learning_rate": 9.779996302458866e-07,
3424
+ "loss": 0.012,
3425
+ "step": 9760
3426
+ },
3427
+ {
3428
+ "epoch": 1.8080976150859678,
3429
+ "grad_norm": 67106.8046875,
3430
+ "learning_rate": 9.595119245701609e-07,
3431
+ "loss": 0.0093,
3432
+ "step": 9780
3433
+ },
3434
+ {
3435
+ "epoch": 1.811795156221113,
3436
+ "grad_norm": 53429.3359375,
3437
+ "learning_rate": 9.410242188944353e-07,
3438
+ "loss": 0.0099,
3439
+ "step": 9800
3440
+ },
3441
+ {
3442
+ "epoch": 1.815492697356258,
3443
+ "grad_norm": 66503.3515625,
3444
+ "learning_rate": 9.225365132187096e-07,
3445
+ "loss": 0.0098,
3446
+ "step": 9820
3447
+ },
3448
+ {
3449
+ "epoch": 1.8191902384914034,
3450
+ "grad_norm": 86430.2734375,
3451
+ "learning_rate": 9.04048807542984e-07,
3452
+ "loss": 0.009,
3453
+ "step": 9840
3454
+ },
3455
+ {
3456
+ "epoch": 1.8228877796265484,
3457
+ "grad_norm": 165746.984375,
3458
+ "learning_rate": 8.855611018672583e-07,
3459
+ "loss": 0.0091,
3460
+ "step": 9860
3461
+ },
3462
+ {
3463
+ "epoch": 1.8265853207616933,
3464
+ "grad_norm": 105324.359375,
3465
+ "learning_rate": 8.670733961915328e-07,
3466
+ "loss": 0.0091,
3467
+ "step": 9880
3468
+ },
3469
+ {
3470
+ "epoch": 1.8302828618968388,
3471
+ "grad_norm": 89842.6015625,
3472
+ "learning_rate": 8.485856905158069e-07,
3473
+ "loss": 0.0092,
3474
+ "step": 9900
3475
+ },
3476
+ {
3477
+ "epoch": 1.8339804030319837,
3478
+ "grad_norm": 206000.046875,
3479
+ "learning_rate": 8.300979848400814e-07,
3480
+ "loss": 0.0098,
3481
+ "step": 9920
3482
+ },
3483
+ {
3484
+ "epoch": 1.8376779441671287,
3485
+ "grad_norm": 79479.296875,
3486
+ "learning_rate": 8.116102791643558e-07,
3487
+ "loss": 0.0081,
3488
+ "step": 9940
3489
+ },
3490
+ {
3491
+ "epoch": 1.8413754853022741,
3492
+ "grad_norm": 42255.9140625,
3493
+ "learning_rate": 7.931225734886301e-07,
3494
+ "loss": 0.0092,
3495
+ "step": 9960
3496
+ },
3497
+ {
3498
+ "epoch": 1.845073026437419,
3499
+ "grad_norm": 48692.4453125,
3500
+ "learning_rate": 7.746348678129045e-07,
3501
+ "loss": 0.0096,
3502
+ "step": 9980
3503
+ },
3504
+ {
3505
+ "epoch": 1.848770567572564,
3506
+ "grad_norm": 60314.51171875,
3507
+ "learning_rate": 7.561471621371788e-07,
3508
+ "loss": 0.0087,
3509
+ "step": 10000
3510
+ },
3511
+ {
3512
+ "epoch": 1.8524681087077095,
3513
+ "grad_norm": 67695.015625,
3514
+ "learning_rate": 7.376594564614532e-07,
3515
+ "loss": 0.0095,
3516
+ "step": 10020
3517
+ },
3518
+ {
3519
+ "epoch": 1.8561656498428545,
3520
+ "grad_norm": 57189.34765625,
3521
+ "learning_rate": 7.191717507857275e-07,
3522
+ "loss": 0.008,
3523
+ "step": 10040
3524
+ },
3525
+ {
3526
+ "epoch": 1.8598631909779997,
3527
+ "grad_norm": 47331.48046875,
3528
+ "learning_rate": 7.006840451100019e-07,
3529
+ "loss": 0.0087,
3530
+ "step": 10060
3531
+ },
3532
+ {
3533
+ "epoch": 1.8635607321131449,
3534
+ "grad_norm": 78001.078125,
3535
+ "learning_rate": 6.821963394342762e-07,
3536
+ "loss": 0.0086,
3537
+ "step": 10080
3538
+ },
3539
+ {
3540
+ "epoch": 1.8672582732482899,
3541
+ "grad_norm": 134432.046875,
3542
+ "learning_rate": 6.637086337585506e-07,
3543
+ "loss": 0.0101,
3544
+ "step": 10100
3545
+ },
3546
+ {
3547
+ "epoch": 1.870955814383435,
3548
+ "grad_norm": 70737.28125,
3549
+ "learning_rate": 6.452209280828249e-07,
3550
+ "loss": 0.0091,
3551
+ "step": 10120
3552
+ },
3553
+ {
3554
+ "epoch": 1.8746533555185803,
3555
+ "grad_norm": 100655.2578125,
3556
+ "learning_rate": 6.267332224070994e-07,
3557
+ "loss": 0.0072,
3558
+ "step": 10140
3559
+ },
3560
+ {
3561
+ "epoch": 1.8783508966537252,
3562
+ "grad_norm": 86067.2890625,
3563
+ "learning_rate": 6.082455167313737e-07,
3564
+ "loss": 0.0081,
3565
+ "step": 10160
3566
+ },
3567
+ {
3568
+ "epoch": 1.8820484377888704,
3569
+ "grad_norm": 113390.1640625,
3570
+ "learning_rate": 5.897578110556481e-07,
3571
+ "loss": 0.0096,
3572
+ "step": 10180
3573
+ },
3574
+ {
3575
+ "epoch": 1.8857459789240156,
3576
+ "grad_norm": 148825.921875,
3577
+ "learning_rate": 5.712701053799224e-07,
3578
+ "loss": 0.0102,
3579
+ "step": 10200
3580
+ },
3581
+ {
3582
+ "epoch": 1.8894435200591606,
3583
+ "grad_norm": 81128.765625,
3584
+ "learning_rate": 5.527823997041967e-07,
3585
+ "loss": 0.0089,
3586
+ "step": 10220
3587
+ },
3588
+ {
3589
+ "epoch": 1.8931410611943058,
3590
+ "grad_norm": 91735.953125,
3591
+ "learning_rate": 5.342946940284711e-07,
3592
+ "loss": 0.0081,
3593
+ "step": 10240
3594
+ },
3595
+ {
3596
+ "epoch": 1.896838602329451,
3597
+ "grad_norm": 171614.328125,
3598
+ "learning_rate": 5.158069883527455e-07,
3599
+ "loss": 0.0078,
3600
+ "step": 10260
3601
+ },
3602
+ {
3603
+ "epoch": 1.900536143464596,
3604
+ "grad_norm": 136330.6875,
3605
+ "learning_rate": 4.973192826770198e-07,
3606
+ "loss": 0.0075,
3607
+ "step": 10280
3608
+ },
3609
+ {
3610
+ "epoch": 1.9042336845997412,
3611
+ "grad_norm": 72486.4453125,
3612
+ "learning_rate": 4.788315770012942e-07,
3613
+ "loss": 0.0096,
3614
+ "step": 10300
3615
+ },
3616
+ {
3617
+ "epoch": 1.9079312257348864,
3618
+ "grad_norm": 119471.4453125,
3619
+ "learning_rate": 4.6034387132556857e-07,
3620
+ "loss": 0.0079,
3621
+ "step": 10320
3622
+ },
3623
+ {
3624
+ "epoch": 1.9116287668700314,
3625
+ "grad_norm": 83491.46875,
3626
+ "learning_rate": 4.418561656498429e-07,
3627
+ "loss": 0.0087,
3628
+ "step": 10340
3629
+ },
3630
+ {
3631
+ "epoch": 1.9153263080051766,
3632
+ "grad_norm": 161448.078125,
3633
+ "learning_rate": 4.2336845997411725e-07,
3634
+ "loss": 0.0088,
3635
+ "step": 10360
3636
+ },
3637
+ {
3638
+ "epoch": 1.9190238491403218,
3639
+ "grad_norm": 190009.40625,
3640
+ "learning_rate": 4.048807542983916e-07,
3641
+ "loss": 0.009,
3642
+ "step": 10380
3643
+ },
3644
+ {
3645
+ "epoch": 1.9227213902754667,
3646
+ "grad_norm": 105300.2421875,
3647
+ "learning_rate": 3.8639304862266594e-07,
3648
+ "loss": 0.0087,
3649
+ "step": 10400
3650
+ },
3651
+ {
3652
+ "epoch": 1.926418931410612,
3653
+ "grad_norm": 59896.84375,
3654
+ "learning_rate": 3.679053429469403e-07,
3655
+ "loss": 0.0082,
3656
+ "step": 10420
3657
+ },
3658
+ {
3659
+ "epoch": 1.9301164725457571,
3660
+ "grad_norm": 86433.484375,
3661
+ "learning_rate": 3.494176372712146e-07,
3662
+ "loss": 0.008,
3663
+ "step": 10440
3664
+ },
3665
+ {
3666
+ "epoch": 1.933814013680902,
3667
+ "grad_norm": 82433.390625,
3668
+ "learning_rate": 3.3092993159548907e-07,
3669
+ "loss": 0.0073,
3670
+ "step": 10460
3671
+ },
3672
+ {
3673
+ "epoch": 1.9375115548160473,
3674
+ "grad_norm": 158433.75,
3675
+ "learning_rate": 3.1244222591976336e-07,
3676
+ "loss": 0.0087,
3677
+ "step": 10480
3678
+ },
3679
+ {
3680
+ "epoch": 1.9412090959511925,
3681
+ "grad_norm": 74148.828125,
3682
+ "learning_rate": 2.9395452024403776e-07,
3683
+ "loss": 0.0078,
3684
+ "step": 10500
3685
+ },
3686
+ {
3687
+ "epoch": 1.9449066370863375,
3688
+ "grad_norm": 122634.9140625,
3689
+ "learning_rate": 2.754668145683121e-07,
3690
+ "loss": 0.0088,
3691
+ "step": 10520
3692
+ },
3693
+ {
3694
+ "epoch": 1.9486041782214827,
3695
+ "grad_norm": 81306.5703125,
3696
+ "learning_rate": 2.5697910889258644e-07,
3697
+ "loss": 0.0082,
3698
+ "step": 10540
3699
+ },
3700
+ {
3701
+ "epoch": 1.9523017193566279,
3702
+ "grad_norm": 62461.99609375,
3703
+ "learning_rate": 2.384914032168608e-07,
3704
+ "loss": 0.0074,
3705
+ "step": 10560
3706
+ },
3707
+ {
3708
+ "epoch": 1.9559992604917729,
3709
+ "grad_norm": 293536.875,
3710
+ "learning_rate": 2.2000369754113515e-07,
3711
+ "loss": 0.0076,
3712
+ "step": 10580
3713
+ },
3714
+ {
3715
+ "epoch": 1.959696801626918,
3716
+ "grad_norm": 98041.9765625,
3717
+ "learning_rate": 2.015159918654095e-07,
3718
+ "loss": 0.009,
3719
+ "step": 10600
3720
+ },
3721
+ {
3722
+ "epoch": 1.9633943427620633,
3723
+ "grad_norm": 102565.984375,
3724
+ "learning_rate": 1.830282861896839e-07,
3725
+ "loss": 0.0083,
3726
+ "step": 10620
3727
+ },
3728
+ {
3729
+ "epoch": 1.9670918838972082,
3730
+ "grad_norm": 53710.390625,
3731
+ "learning_rate": 1.6454058051395823e-07,
3732
+ "loss": 0.007,
3733
+ "step": 10640
3734
+ },
3735
+ {
3736
+ "epoch": 1.9707894250323534,
3737
+ "grad_norm": 150167.515625,
3738
+ "learning_rate": 1.4605287483823258e-07,
3739
+ "loss": 0.0072,
3740
+ "step": 10660
3741
+ },
3742
+ {
3743
+ "epoch": 1.9744869661674986,
3744
+ "grad_norm": 134856.953125,
3745
+ "learning_rate": 1.2756516916250695e-07,
3746
+ "loss": 0.0095,
3747
+ "step": 10680
3748
+ },
3749
+ {
3750
+ "epoch": 1.9781845073026436,
3751
+ "grad_norm": 86079.8125,
3752
+ "learning_rate": 1.090774634867813e-07,
3753
+ "loss": 0.0075,
3754
+ "step": 10700
3755
+ },
3756
+ {
3757
+ "epoch": 1.981882048437789,
3758
+ "grad_norm": 142126.03125,
3759
+ "learning_rate": 9.058975781105564e-08,
3760
+ "loss": 0.0072,
3761
+ "step": 10720
3762
+ },
3763
+ {
3764
+ "epoch": 1.985579589572934,
3765
+ "grad_norm": 62874.44140625,
3766
+ "learning_rate": 7.210205213533001e-08,
3767
+ "loss": 0.0071,
3768
+ "step": 10740
3769
+ },
3770
+ {
3771
+ "epoch": 1.989277130708079,
3772
+ "grad_norm": 87455.859375,
3773
+ "learning_rate": 5.361434645960437e-08,
3774
+ "loss": 0.0082,
3775
+ "step": 10760
3776
+ },
3777
+ {
3778
+ "epoch": 1.9929746718432244,
3779
+ "grad_norm": 109955.4140625,
3780
+ "learning_rate": 3.5126640783878725e-08,
3781
+ "loss": 0.0082,
3782
+ "step": 10780
3783
+ },
3784
+ {
3785
+ "epoch": 1.9966722129783694,
3786
+ "grad_norm": 66628.1484375,
3787
+ "learning_rate": 1.663893510815308e-08,
3788
+ "loss": 0.0076,
3789
+ "step": 10800
3790
+ }
3791
+ ],
3792
+ "logging_steps": 20,
3793
+ "max_steps": 10818,
3794
+ "num_input_tokens_seen": 0,
3795
+ "num_train_epochs": 2,
3796
+ "save_steps": 1000,
3797
+ "stateful_callbacks": {
3798
+ "TrainerControl": {
3799
+ "args": {
3800
+ "should_epoch_stop": false,
3801
+ "should_evaluate": false,
3802
+ "should_log": false,
3803
+ "should_save": true,
3804
+ "should_training_stop": true
3805
+ },
3806
+ "attributes": {}
3807
+ }
3808
+ },
3809
+ "total_flos": 8.922032294823199e+17,
3810
+ "train_batch_size": 200,
3811
+ "trial_name": null,
3812
+ "trial_params": null
3813
+ }
training_args.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:a3e689b8aa4479620caaf93ab56a44aa0acb7f02b7879d1f2aa150ddbd93a61c
3
- size 5240
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ae180a3df5c364b793f474275656bb878d8c0efd1664923b4482ad216f3f4084
3
+ size 5176