{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0,
  "eval_steps": 500,
  "global_step": 3000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 2.670029878616333,
      "learning_rate": 0.0001225,
      "loss": 10.6241748046875,
      "step": 50
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 2.3570353984832764,
      "learning_rate": 0.0002475,
      "loss": 9.652979125976563,
      "step": 100
    },
    {
      "epoch": 0.05,
      "grad_norm": 1.9127347469329834,
      "learning_rate": 0.0003725,
      "loss": 8.577059936523437,
      "step": 150
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 1.4465516805648804,
      "learning_rate": 0.0004975,
      "loss": 7.802014770507813,
      "step": 200
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 1.7064813375473022,
      "learning_rate": 0.00049125,
      "loss": 7.009358520507813,
      "step": 250
    },
    {
      "epoch": 0.1,
      "grad_norm": 1.868516206741333,
      "learning_rate": 0.0004823214285714286,
      "loss": 6.687238159179688,
      "step": 300
    },
    {
      "epoch": 0.11666666666666667,
      "grad_norm": 1.678634524345398,
      "learning_rate": 0.0004733928571428571,
      "loss": 6.360874633789063,
      "step": 350
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 1.2415109872817993,
      "learning_rate": 0.0004644642857142857,
      "loss": 5.718616333007812,
      "step": 400
    },
    {
      "epoch": 0.15,
      "grad_norm": 1.5681638717651367,
      "learning_rate": 0.00045553571428571426,
      "loss": 5.853947143554688,
      "step": 450
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 1.5531857013702393,
      "learning_rate": 0.00044660714285714285,
      "loss": 5.495951538085937,
      "step": 500
    },
    {
      "epoch": 0.18333333333333332,
      "grad_norm": 1.5225225687026978,
      "learning_rate": 0.00043767857142857145,
      "loss": 5.117442932128906,
      "step": 550
    },
    {
      "epoch": 0.2,
      "grad_norm": 1.2601443529129028,
      "learning_rate": 0.00042875000000000004,
      "loss": 4.763191223144531,
      "step": 600
    },
    {
      "epoch": 0.21666666666666667,
      "grad_norm": 1.0959666967391968,
      "learning_rate": 0.0004198214285714286,
      "loss": 4.285917053222656,
      "step": 650
    },
    {
      "epoch": 0.23333333333333334,
      "grad_norm": 1.4501094818115234,
      "learning_rate": 0.0004108928571428571,
      "loss": 3.9078399658203127,
      "step": 700
    },
    {
      "epoch": 0.25,
      "grad_norm": 1.411314845085144,
      "learning_rate": 0.0004019642857142857,
      "loss": 3.5971466064453126,
      "step": 750
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 1.5188363790512085,
      "learning_rate": 0.00039303571428571426,
      "loss": 3.152813720703125,
      "step": 800
    },
    {
      "epoch": 0.2833333333333333,
      "grad_norm": 1.4843531847000122,
      "learning_rate": 0.00038410714285714285,
      "loss": 2.7241522216796876,
      "step": 850
    },
    {
      "epoch": 0.3,
      "grad_norm": 1.4295011758804321,
      "learning_rate": 0.00037517857142857144,
      "loss": 2.5430502319335937,
      "step": 900
    },
    {
      "epoch": 0.31666666666666665,
      "grad_norm": 1.0724632740020752,
      "learning_rate": 0.00036625000000000004,
      "loss": 2.178697052001953,
      "step": 950
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 1.2428350448608398,
      "learning_rate": 0.0003573214285714286,
      "loss": 1.753097686767578,
      "step": 1000
    },
    {
      "epoch": 0.35,
      "grad_norm": 1.2927199602127075,
      "learning_rate": 0.0003483928571428571,
      "loss": 1.5268730163574218,
      "step": 1050
    },
    {
      "epoch": 0.36666666666666664,
      "grad_norm": 1.4304770231246948,
      "learning_rate": 0.0003394642857142857,
      "loss": 1.3803184509277344,
      "step": 1100
    },
    {
      "epoch": 0.38333333333333336,
      "grad_norm": 1.112579107284546,
      "learning_rate": 0.00033053571428571425,
      "loss": 1.2061172485351563,
      "step": 1150
    },
    {
      "epoch": 0.4,
      "grad_norm": 1.0373598337173462,
      "learning_rate": 0.00032160714285714285,
      "loss": 1.1080842590332032,
      "step": 1200
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 0.758924663066864,
      "learning_rate": 0.00031267857142857144,
      "loss": 0.8796870422363281,
      "step": 1250
    },
    {
      "epoch": 0.43333333333333335,
      "grad_norm": 0.4931012690067291,
      "learning_rate": 0.00030375000000000004,
      "loss": 0.7692073822021485,
      "step": 1300
    },
    {
      "epoch": 0.45,
      "grad_norm": 0.7530651688575745,
      "learning_rate": 0.0002948214285714286,
      "loss": 0.7075939178466797,
      "step": 1350
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.39450106024742126,
      "learning_rate": 0.0002858928571428571,
      "loss": 0.6270677947998047,
      "step": 1400
    },
    {
      "epoch": 0.48333333333333334,
      "grad_norm": 0.39624443650245667,
      "learning_rate": 0.0002769642857142857,
      "loss": 0.5893904495239258,
      "step": 1450
    },
    {
      "epoch": 0.5,
      "grad_norm": 0.427543967962265,
      "learning_rate": 0.00026803571428571425,
      "loss": 0.5320195007324219,
      "step": 1500
    },
    {
      "epoch": 0.5166666666666667,
      "grad_norm": 0.4169270396232605,
      "learning_rate": 0.00025910714285714285,
      "loss": 0.4536663818359375,
      "step": 1550
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.3348184823989868,
      "learning_rate": 0.00025017857142857144,
      "loss": 0.46232120513916014,
      "step": 1600
    },
    {
      "epoch": 0.55,
      "grad_norm": 0.3411332964897156,
      "learning_rate": 0.00024125,
      "loss": 0.40292251586914063,
      "step": 1650
    },
    {
      "epoch": 0.5666666666666667,
      "grad_norm": 0.2811030447483063,
      "learning_rate": 0.00023232142857142858,
      "loss": 0.39576812744140627,
      "step": 1700
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 0.37675705552101135,
      "learning_rate": 0.00022339285714285714,
      "loss": 0.39179550170898436,
      "step": 1750
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.3169887065887451,
      "learning_rate": 0.0002144642857142857,
      "loss": 0.3665189361572266,
      "step": 1800
    },
    {
      "epoch": 0.6166666666666667,
      "grad_norm": 0.3786127269268036,
      "learning_rate": 0.0002055357142857143,
      "loss": 0.3458889007568359,
      "step": 1850
    },
    {
      "epoch": 0.6333333333333333,
      "grad_norm": 0.3169483542442322,
      "learning_rate": 0.00019660714285714287,
      "loss": 0.3169716453552246,
      "step": 1900
    },
    {
      "epoch": 0.65,
      "grad_norm": 0.2642793357372284,
      "learning_rate": 0.00018767857142857141,
      "loss": 0.32304576873779295,
      "step": 1950
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.24015173316001892,
      "learning_rate": 0.00017875,
      "loss": 0.31528879165649415,
      "step": 2000
    },
    {
      "epoch": 0.6833333333333333,
      "grad_norm": 0.2549908757209778,
      "learning_rate": 0.00016982142857142858,
      "loss": 0.3216827392578125,
      "step": 2050
    },
    {
      "epoch": 0.7,
      "grad_norm": 0.24477168917655945,
      "learning_rate": 0.00016089285714285714,
      "loss": 0.31634279251098635,
      "step": 2100
    },
    {
      "epoch": 0.7166666666666667,
      "grad_norm": 0.23536884784698486,
      "learning_rate": 0.0001519642857142857,
      "loss": 0.29392578125,
      "step": 2150
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.24634341895580292,
      "learning_rate": 0.0001430357142857143,
      "loss": 0.2995098876953125,
      "step": 2200
    },
    {
      "epoch": 0.75,
      "grad_norm": 0.24495595693588257,
      "learning_rate": 0.00013410714285714287,
      "loss": 0.2891872024536133,
      "step": 2250
    },
    {
      "epoch": 0.7666666666666667,
      "grad_norm": 0.1990620195865631,
      "learning_rate": 0.0001251785714285714,
      "loss": 0.30475616455078125,
      "step": 2300
    },
    {
      "epoch": 0.7833333333333333,
      "grad_norm": 0.266539990901947,
      "learning_rate": 0.00011625,
      "loss": 0.2906017684936523,
      "step": 2350
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.26866304874420166,
      "learning_rate": 0.00010732142857142857,
      "loss": 0.2956423759460449,
      "step": 2400
    },
    {
      "epoch": 0.8166666666666667,
      "grad_norm": 0.2566685974597931,
      "learning_rate": 9.839285714285714e-05,
      "loss": 0.3040322303771973,
      "step": 2450
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 0.22382330894470215,
      "learning_rate": 8.946428571428572e-05,
      "loss": 0.278367805480957,
      "step": 2500
    },
    {
      "epoch": 0.85,
      "grad_norm": 0.22491149604320526,
      "learning_rate": 8.053571428571428e-05,
      "loss": 0.2865129470825195,
      "step": 2550
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.20789307355880737,
      "learning_rate": 7.160714285714286e-05,
      "loss": 0.2819624137878418,
      "step": 2600
    },
    {
      "epoch": 0.8833333333333333,
      "grad_norm": 0.2607945501804352,
      "learning_rate": 6.267857142857144e-05,
      "loss": 0.2776448631286621,
      "step": 2650
    },
    {
      "epoch": 0.9,
      "grad_norm": 0.22076848149299622,
      "learning_rate": 5.375e-05,
      "loss": 0.28972166061401367,
      "step": 2700
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 0.20775574445724487,
      "learning_rate": 4.482142857142857e-05,
      "loss": 0.27564762115478514,
      "step": 2750
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.23420432209968567,
      "learning_rate": 3.589285714285715e-05,
      "loss": 0.2839714241027832,
      "step": 2800
    },
    {
      "epoch": 0.95,
      "grad_norm": 0.23360489308834076,
      "learning_rate": 2.6964285714285714e-05,
      "loss": 0.27167531967163083,
      "step": 2850
    },
    {
      "epoch": 0.9666666666666667,
      "grad_norm": 0.25559312105178833,
      "learning_rate": 1.803571428571429e-05,
      "loss": 0.27854022979736326,
      "step": 2900
    },
    {
      "epoch": 0.9833333333333333,
      "grad_norm": 0.2143900990486145,
      "learning_rate": 9.107142857142858e-06,
      "loss": 0.28348896026611325,
      "step": 2950
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.20557810366153717,
      "learning_rate": 1.7857142857142858e-07,
      "loss": 0.2704084587097168,
      "step": 3000
    }
  ],
  "logging_steps": 50,
  "max_steps": 3000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 9223372036854775807,
  "save_steps": 1000,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 27227799552000.0,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}