{
  "best_metric": 0.6938519447929736,
  "best_model_checkpoint": "./cross_model/checkpoint-750",
  "epoch": 3.0,
  "eval_steps": 500,
  "global_step": 750,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.04,
      "grad_norm": 4.621185302734375,
      "learning_rate": 1.9733333333333336e-05,
      "loss": 0.5495,
      "step": 10
    },
    {
      "epoch": 0.08,
      "grad_norm": 7.315733432769775,
      "learning_rate": 1.9466666666666668e-05,
      "loss": 0.4217,
      "step": 20
    },
    {
      "epoch": 0.12,
      "grad_norm": 10.082784652709961,
      "learning_rate": 1.9200000000000003e-05,
      "loss": 0.4187,
      "step": 30
    },
    {
      "epoch": 0.16,
      "grad_norm": 7.201661586761475,
      "learning_rate": 1.8933333333333334e-05,
      "loss": 0.4052,
      "step": 40
    },
    {
      "epoch": 0.2,
      "grad_norm": 7.919988632202148,
      "learning_rate": 1.866666666666667e-05,
      "loss": 0.3889,
      "step": 50
    },
    {
      "epoch": 0.24,
      "grad_norm": 6.306133270263672,
      "learning_rate": 1.8400000000000003e-05,
      "loss": 0.4116,
      "step": 60
    },
    {
      "epoch": 0.28,
      "grad_norm": 4.72291898727417,
      "learning_rate": 1.8133333333333335e-05,
      "loss": 0.4361,
      "step": 70
    },
    {
      "epoch": 0.32,
      "grad_norm": 5.184553623199463,
      "learning_rate": 1.7866666666666666e-05,
      "loss": 0.3679,
      "step": 80
    },
    {
      "epoch": 0.36,
      "grad_norm": 4.326004505157471,
      "learning_rate": 1.76e-05,
      "loss": 0.348,
      "step": 90
    },
    {
      "epoch": 0.4,
      "grad_norm": 4.188964366912842,
      "learning_rate": 1.7333333333333336e-05,
      "loss": 0.3535,
      "step": 100
    },
    {
      "epoch": 0.44,
      "grad_norm": 5.74317741394043,
      "learning_rate": 1.706666666666667e-05,
      "loss": 0.3657,
      "step": 110
    },
    {
      "epoch": 0.48,
      "grad_norm": 3.690436601638794,
      "learning_rate": 1.6800000000000002e-05,
      "loss": 0.3469,
      "step": 120
    },
    {
      "epoch": 0.52,
      "grad_norm": 4.88950777053833,
      "learning_rate": 1.6533333333333333e-05,
      "loss": 0.3602,
      "step": 130
    },
    {
      "epoch": 0.56,
      "grad_norm": 4.723867893218994,
      "learning_rate": 1.6266666666666668e-05,
      "loss": 0.345,
      "step": 140
    },
    {
      "epoch": 0.6,
      "grad_norm": 5.998863220214844,
      "learning_rate": 1.6000000000000003e-05,
      "loss": 0.3626,
      "step": 150
    },
    {
      "epoch": 0.64,
      "grad_norm": 4.20477294921875,
      "learning_rate": 1.5733333333333334e-05,
      "loss": 0.3206,
      "step": 160
    },
    {
      "epoch": 0.68,
      "grad_norm": 4.5307393074035645,
      "learning_rate": 1.546666666666667e-05,
      "loss": 0.3464,
      "step": 170
    },
    {
      "epoch": 0.72,
      "grad_norm": 4.0125346183776855,
      "learning_rate": 1.5200000000000002e-05,
      "loss": 0.3185,
      "step": 180
    },
    {
      "epoch": 0.76,
      "grad_norm": 4.484776973724365,
      "learning_rate": 1.4933333333333335e-05,
      "loss": 0.3461,
      "step": 190
    },
    {
      "epoch": 0.8,
      "grad_norm": 3.4307217597961426,
      "learning_rate": 1.4666666666666666e-05,
      "loss": 0.3479,
      "step": 200
    },
    {
      "epoch": 0.84,
      "grad_norm": 5.240167617797852,
      "learning_rate": 1.4400000000000001e-05,
      "loss": 0.3715,
      "step": 210
    },
    {
      "epoch": 0.88,
      "grad_norm": 2.886160135269165,
      "learning_rate": 1.4133333333333334e-05,
      "loss": 0.3124,
      "step": 220
    },
    {
      "epoch": 0.92,
      "grad_norm": 4.466599941253662,
      "learning_rate": 1.3866666666666669e-05,
      "loss": 0.2993,
      "step": 230
    },
    {
      "epoch": 0.96,
      "grad_norm": 4.929280757904053,
      "learning_rate": 1.3600000000000002e-05,
      "loss": 0.3084,
      "step": 240
    },
    {
      "epoch": 1.0,
      "grad_norm": 4.057522296905518,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 0.3358,
      "step": 250
    },
    {
      "epoch": 1.0,
      "eval_accuracy": 0.7225,
      "eval_f1": 0.6666666666666666,
      "eval_loss": 0.3222484886646271,
      "eval_runtime": 28.1257,
      "eval_samples_per_second": 71.109,
      "eval_steps_per_second": 2.24,
      "step": 250
    },
    {
      "epoch": 1.04,
      "grad_norm": 5.787376880645752,
      "learning_rate": 1.3066666666666668e-05,
      "loss": 0.2991,
      "step": 260
    },
    {
      "epoch": 1.08,
      "grad_norm": 3.769404888153076,
      "learning_rate": 1.2800000000000001e-05,
      "loss": 0.2526,
      "step": 270
    },
    {
      "epoch": 1.12,
      "grad_norm": 4.429054260253906,
      "learning_rate": 1.2533333333333336e-05,
      "loss": 0.2848,
      "step": 280
    },
    {
      "epoch": 1.16,
      "grad_norm": 4.183646202087402,
      "learning_rate": 1.2266666666666667e-05,
      "loss": 0.2715,
      "step": 290
    },
    {
      "epoch": 1.2,
      "grad_norm": 4.93619966506958,
      "learning_rate": 1.2e-05,
      "loss": 0.2792,
      "step": 300
    },
    {
      "epoch": 1.24,
      "grad_norm": 4.4197797775268555,
      "learning_rate": 1.1733333333333335e-05,
      "loss": 0.2909,
      "step": 310
    },
    {
      "epoch": 1.28,
      "grad_norm": 3.6629374027252197,
      "learning_rate": 1.1466666666666668e-05,
      "loss": 0.2865,
      "step": 320
    },
    {
      "epoch": 1.32,
      "grad_norm": 3.467376470565796,
      "learning_rate": 1.1200000000000001e-05,
      "loss": 0.2714,
      "step": 330
    },
    {
      "epoch": 1.3599999999999999,
      "grad_norm": 4.11966609954834,
      "learning_rate": 1.0933333333333334e-05,
      "loss": 0.2773,
      "step": 340
    },
    {
      "epoch": 1.4,
      "grad_norm": 5.030832767486572,
      "learning_rate": 1.0666666666666667e-05,
      "loss": 0.2616,
      "step": 350
    },
    {
      "epoch": 1.44,
      "grad_norm": 4.5266218185424805,
      "learning_rate": 1.04e-05,
      "loss": 0.2866,
      "step": 360
    },
    {
      "epoch": 1.48,
      "grad_norm": 5.1902642250061035,
      "learning_rate": 1.0133333333333335e-05,
      "loss": 0.2773,
      "step": 370
    },
    {
      "epoch": 1.52,
      "grad_norm": 5.378920555114746,
      "learning_rate": 9.866666666666668e-06,
      "loss": 0.2676,
      "step": 380
    },
    {
      "epoch": 1.56,
      "grad_norm": 4.477860927581787,
      "learning_rate": 9.600000000000001e-06,
      "loss": 0.2763,
      "step": 390
    },
    {
      "epoch": 1.6,
      "grad_norm": 3.9741079807281494,
      "learning_rate": 9.333333333333334e-06,
      "loss": 0.284,
      "step": 400
    },
    {
      "epoch": 1.6400000000000001,
      "grad_norm": 5.580012798309326,
      "learning_rate": 9.066666666666667e-06,
      "loss": 0.2629,
      "step": 410
    },
    {
      "epoch": 1.6800000000000002,
      "grad_norm": 4.81321907043457,
      "learning_rate": 8.8e-06,
      "loss": 0.2804,
      "step": 420
    },
    {
      "epoch": 1.72,
      "grad_norm": 2.417365312576294,
      "learning_rate": 8.533333333333335e-06,
      "loss": 0.2557,
      "step": 430
    },
    {
      "epoch": 1.76,
      "grad_norm": 4.028536796569824,
      "learning_rate": 8.266666666666667e-06,
      "loss": 0.288,
      "step": 440
    },
    {
      "epoch": 1.8,
      "grad_norm": 4.11631441116333,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.2851,
      "step": 450
    },
    {
      "epoch": 1.8399999999999999,
      "grad_norm": 4.985356330871582,
      "learning_rate": 7.733333333333334e-06,
      "loss": 0.2837,
      "step": 460
    },
    {
      "epoch": 1.88,
      "grad_norm": 4.092059135437012,
      "learning_rate": 7.4666666666666675e-06,
      "loss": 0.2674,
      "step": 470
    },
    {
      "epoch": 1.92,
      "grad_norm": 3.8963027000427246,
      "learning_rate": 7.2000000000000005e-06,
      "loss": 0.278,
      "step": 480
    },
    {
      "epoch": 1.96,
      "grad_norm": 3.4413774013519287,
      "learning_rate": 6.9333333333333344e-06,
      "loss": 0.2782,
      "step": 490
    },
    {
      "epoch": 2.0,
      "grad_norm": 3.885063409805298,
      "learning_rate": 6.666666666666667e-06,
      "loss": 0.2743,
      "step": 500
    },
    {
      "epoch": 2.0,
      "eval_accuracy": 0.753,
      "eval_f1": 0.6837387964148528,
      "eval_loss": 0.30443182587623596,
      "eval_runtime": 27.5258,
      "eval_samples_per_second": 72.659,
      "eval_steps_per_second": 2.289,
      "step": 500
    },
    {
      "epoch": 2.04,
      "grad_norm": 3.1803503036499023,
      "learning_rate": 6.4000000000000006e-06,
      "loss": 0.2168,
      "step": 510
    },
    {
      "epoch": 2.08,
      "grad_norm": 3.2935233116149902,
      "learning_rate": 6.133333333333334e-06,
      "loss": 0.2026,
      "step": 520
    },
    {
      "epoch": 2.12,
      "grad_norm": 3.377007246017456,
      "learning_rate": 5.8666666666666675e-06,
      "loss": 0.2147,
      "step": 530
    },
    {
      "epoch": 2.16,
      "grad_norm": 4.20032262802124,
      "learning_rate": 5.600000000000001e-06,
      "loss": 0.2435,
      "step": 540
    },
    {
      "epoch": 2.2,
      "grad_norm": 3.5491278171539307,
      "learning_rate": 5.333333333333334e-06,
      "loss": 0.2182,
      "step": 550
    },
    {
      "epoch": 2.24,
      "grad_norm": 4.759445667266846,
      "learning_rate": 5.0666666666666676e-06,
      "loss": 0.2129,
      "step": 560
    },
    {
      "epoch": 2.2800000000000002,
      "grad_norm": 4.133965015411377,
      "learning_rate": 4.800000000000001e-06,
      "loss": 0.2093,
      "step": 570
    },
    {
      "epoch": 2.32,
      "grad_norm": 4.971557140350342,
      "learning_rate": 4.533333333333334e-06,
      "loss": 0.2211,
      "step": 580
    },
    {
      "epoch": 2.36,
      "grad_norm": 5.01218318939209,
      "learning_rate": 4.266666666666668e-06,
      "loss": 0.2337,
      "step": 590
    },
    {
      "epoch": 2.4,
      "grad_norm": 4.194180488586426,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.2267,
      "step": 600
    },
    {
      "epoch": 2.44,
      "grad_norm": 4.087610244750977,
      "learning_rate": 3.7333333333333337e-06,
      "loss": 0.229,
      "step": 610
    },
    {
      "epoch": 2.48,
      "grad_norm": 3.7367076873779297,
      "learning_rate": 3.4666666666666672e-06,
      "loss": 0.2013,
      "step": 620
    },
    {
      "epoch": 2.52,
      "grad_norm": 5.138487815856934,
      "learning_rate": 3.2000000000000003e-06,
      "loss": 0.2337,
      "step": 630
    },
    {
      "epoch": 2.56,
      "grad_norm": 4.656822204589844,
      "learning_rate": 2.9333333333333338e-06,
      "loss": 0.2326,
      "step": 640
    },
    {
      "epoch": 2.6,
      "grad_norm": 8.537863731384277,
      "learning_rate": 2.666666666666667e-06,
      "loss": 0.228,
      "step": 650
    },
    {
      "epoch": 2.64,
      "grad_norm": 3.865704298019409,
      "learning_rate": 2.4000000000000003e-06,
      "loss": 0.209,
      "step": 660
    },
    {
      "epoch": 2.68,
      "grad_norm": 4.158779144287109,
      "learning_rate": 2.133333333333334e-06,
      "loss": 0.2242,
      "step": 670
    },
    {
      "epoch": 2.7199999999999998,
      "grad_norm": 5.243821620941162,
      "learning_rate": 1.8666666666666669e-06,
      "loss": 0.22,
      "step": 680
    },
    {
      "epoch": 2.76,
      "grad_norm": 3.385223150253296,
      "learning_rate": 1.6000000000000001e-06,
      "loss": 0.2117,
      "step": 690
    },
    {
      "epoch": 2.8,
      "grad_norm": 5.11998176574707,
      "learning_rate": 1.3333333333333334e-06,
      "loss": 0.2119,
      "step": 700
    },
    {
      "epoch": 2.84,
      "grad_norm": 3.675009250640869,
      "learning_rate": 1.066666666666667e-06,
      "loss": 0.2189,
      "step": 710
    },
    {
      "epoch": 2.88,
      "grad_norm": 4.690437316894531,
      "learning_rate": 8.000000000000001e-07,
      "loss": 0.2157,
      "step": 720
    },
    {
      "epoch": 2.92,
      "grad_norm": 4.617395401000977,
      "learning_rate": 5.333333333333335e-07,
      "loss": 0.2282,
      "step": 730
    },
    {
      "epoch": 2.96,
      "grad_norm": 4.951357364654541,
      "learning_rate": 2.666666666666667e-07,
      "loss": 0.2304,
      "step": 740
    },
    {
      "epoch": 3.0,
      "grad_norm": 4.78200101852417,
      "learning_rate": 0.0,
      "loss": 0.2126,
      "step": 750
    },
    {
      "epoch": 3.0,
      "eval_accuracy": 0.756,
      "eval_f1": 0.6938519447929736,
      "eval_loss": 0.3008686602115631,
      "eval_runtime": 27.753,
      "eval_samples_per_second": 72.064,
      "eval_steps_per_second": 2.27,
      "step": 750
    }
  ],
  "logging_steps": 10,
  "max_steps": 750,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 3157275967488000.0,
  "train_batch_size": 32,
  "trial_name": null,
  "trial_params": null
}