{ "best_global_step": null, "best_metric": null, "best_model_checkpoint": null, "epoch": 5.0, "eval_steps": 15, "global_step": 600, "is_hyper_param_search": false, "is_local_process_zero": true, "is_world_process_zero": true, "log_history": [ { "epoch": 0.008333333333333333, "grad_norm": 0.0, "learning_rate": 0.0, "loss": 1.526, "step": 1 }, { "epoch": 0.008333333333333333, "eval_loss": 1.5474084615707397, "eval_runtime": 51.0772, "eval_samples_per_second": 6.813, "eval_steps_per_second": 1.703, "step": 1 }, { "epoch": 0.016666666666666666, "grad_norm": 0.0, "learning_rate": 4.4977777777777776e-07, "loss": 1.5014, "step": 2 }, { "epoch": 0.025, "grad_norm": 0.0, "learning_rate": 8.995555555555555e-07, "loss": 1.5439, "step": 3 }, { "epoch": 0.03333333333333333, "grad_norm": 0.0, "learning_rate": 1.3493333333333333e-06, "loss": 1.5425, "step": 4 }, { "epoch": 0.041666666666666664, "grad_norm": 0.0, "learning_rate": 1.799111111111111e-06, "loss": 1.4943, "step": 5 }, { "epoch": 0.05, "grad_norm": 0.0, "learning_rate": 2.2488888888888888e-06, "loss": 1.4754, "step": 6 }, { "epoch": 0.058333333333333334, "grad_norm": 0.0, "learning_rate": 2.6986666666666667e-06, "loss": 1.512, "step": 7 }, { "epoch": 0.06666666666666667, "grad_norm": 0.0, "learning_rate": 3.148444444444444e-06, "loss": 1.5201, "step": 8 }, { "epoch": 0.075, "grad_norm": 0.0, "learning_rate": 3.598222222222222e-06, "loss": 1.5314, "step": 9 }, { "epoch": 0.08333333333333333, "grad_norm": 0.0, "learning_rate": 4.048e-06, "loss": 1.5345, "step": 10 }, { "epoch": 0.09166666666666666, "grad_norm": 0.0, "learning_rate": 4.4977777777777775e-06, "loss": 1.5249, "step": 11 }, { "epoch": 0.1, "grad_norm": 0.0, "learning_rate": 4.947555555555556e-06, "loss": 1.5374, "step": 12 }, { "epoch": 0.10833333333333334, "grad_norm": 0.0, "learning_rate": 5.397333333333333e-06, "loss": 1.5302, "step": 13 }, { "epoch": 0.11666666666666667, "grad_norm": 0.0, "learning_rate": 5.84711111111111e-06, "loss": 1.5337, "step": 14 }, { "epoch": 0.125, "grad_norm": 0.0, "learning_rate": 6.296888888888888e-06, "loss": 1.5934, "step": 15 }, { "epoch": 0.125, "eval_loss": 1.5472139120101929, "eval_runtime": 51.0977, "eval_samples_per_second": 6.81, "eval_steps_per_second": 1.703, "step": 15 }, { "epoch": 0.13333333333333333, "grad_norm": 0.0, "learning_rate": 6.746666666666666e-06, "loss": 1.5393, "step": 16 }, { "epoch": 0.14166666666666666, "grad_norm": 0.0, "learning_rate": 7.196444444444444e-06, "loss": 1.4817, "step": 17 }, { "epoch": 0.15, "grad_norm": 0.0, "learning_rate": 7.646222222222223e-06, "loss": 1.4649, "step": 18 }, { "epoch": 0.15833333333333333, "grad_norm": 0.0, "learning_rate": 8.096e-06, "loss": 1.5251, "step": 19 }, { "epoch": 0.16666666666666666, "grad_norm": 0.0, "learning_rate": 8.545777777777778e-06, "loss": 1.5871, "step": 20 }, { "epoch": 0.175, "grad_norm": 0.0, "learning_rate": 8.995555555555555e-06, "loss": 1.4913, "step": 21 }, { "epoch": 0.18333333333333332, "grad_norm": 0.0, "learning_rate": 9.445333333333333e-06, "loss": 1.5087, "step": 22 }, { "epoch": 0.19166666666666668, "grad_norm": 0.0, "learning_rate": 9.895111111111112e-06, "loss": 1.5496, "step": 23 }, { "epoch": 0.2, "grad_norm": 0.0, "learning_rate": 1.034488888888889e-05, "loss": 1.5448, "step": 24 }, { "epoch": 0.20833333333333334, "grad_norm": 0.0, "learning_rate": 1.0794666666666667e-05, "loss": 1.5271, "step": 25 }, { "epoch": 0.21666666666666667, "grad_norm": 0.0, "learning_rate": 1.1244444444444443e-05, "loss": 1.4988, "step": 26 }, { "epoch": 0.225, "grad_norm": 0.0, "learning_rate": 1.169422222222222e-05, "loss": 1.5321, "step": 27 }, { "epoch": 0.23333333333333334, "grad_norm": 0.0, "learning_rate": 1.2144e-05, "loss": 1.5705, "step": 28 }, { "epoch": 0.24166666666666667, "grad_norm": 0.0, "learning_rate": 1.2593777777777777e-05, "loss": 1.5627, "step": 29 }, { "epoch": 0.25, "grad_norm": 0.0, "learning_rate": 1.3043555555555554e-05, "loss": 1.5242, "step": 30 }, { "epoch": 0.25, "eval_loss": 1.5454295873641968, "eval_runtime": 248.2611, "eval_samples_per_second": 1.402, "eval_steps_per_second": 0.35, "step": 30 }, { "epoch": 0.25833333333333336, "grad_norm": 0.0, "learning_rate": 1.3493333333333332e-05, "loss": 1.518, "step": 31 }, { "epoch": 0.26666666666666666, "grad_norm": 0.0, "learning_rate": 1.394311111111111e-05, "loss": 1.5061, "step": 32 }, { "epoch": 0.275, "grad_norm": 0.0, "learning_rate": 1.4392888888888888e-05, "loss": 1.5745, "step": 33 }, { "epoch": 0.2833333333333333, "grad_norm": 0.0, "learning_rate": 1.4842666666666666e-05, "loss": 1.5419, "step": 34 }, { "epoch": 0.2916666666666667, "grad_norm": 0.0, "learning_rate": 1.5292444444444445e-05, "loss": 1.5144, "step": 35 }, { "epoch": 0.3, "grad_norm": 0.0, "learning_rate": 1.574222222222222e-05, "loss": 1.6139, "step": 36 }, { "epoch": 0.30833333333333335, "grad_norm": 0.0, "learning_rate": 1.6192e-05, "loss": 1.5323, "step": 37 }, { "epoch": 0.31666666666666665, "grad_norm": 0.0, "learning_rate": 1.6641777777777776e-05, "loss": 1.5314, "step": 38 }, { "epoch": 0.325, "grad_norm": 0.0, "learning_rate": 1.7091555555555555e-05, "loss": 1.5425, "step": 39 }, { "epoch": 0.3333333333333333, "grad_norm": 0.0, "learning_rate": 1.7541333333333334e-05, "loss": 1.5434, "step": 40 }, { "epoch": 0.3416666666666667, "grad_norm": 0.0, "learning_rate": 1.799111111111111e-05, "loss": 1.4947, "step": 41 }, { "epoch": 0.35, "grad_norm": 0.0, "learning_rate": 1.844088888888889e-05, "loss": 1.5593, "step": 42 }, { "epoch": 0.35833333333333334, "grad_norm": 0.0, "learning_rate": 1.8890666666666665e-05, "loss": 1.5229, "step": 43 }, { "epoch": 0.36666666666666664, "grad_norm": 0.0, "learning_rate": 1.9340444444444444e-05, "loss": 1.5871, "step": 44 }, { "epoch": 0.375, "grad_norm": 0.0, "learning_rate": 1.9790222222222224e-05, "loss": 1.5296, "step": 45 }, { "epoch": 0.375, "eval_loss": 1.5407556295394897, "eval_runtime": 52.0428, "eval_samples_per_second": 6.687, "eval_steps_per_second": 1.672, "step": 45 }, { "epoch": 0.38333333333333336, "grad_norm": 0.0, "learning_rate": 2.024e-05, "loss": 1.4733, "step": 46 }, { "epoch": 0.39166666666666666, "grad_norm": 0.0, "learning_rate": 2.068977777777778e-05, "loss": 1.4505, "step": 47 }, { "epoch": 0.4, "grad_norm": 0.0, "learning_rate": 2.1139555555555554e-05, "loss": 1.5306, "step": 48 }, { "epoch": 0.4083333333333333, "grad_norm": 0.0, "learning_rate": 2.1589333333333334e-05, "loss": 1.5123, "step": 49 }, { "epoch": 0.4166666666666667, "grad_norm": 0.0, "learning_rate": 2.203911111111111e-05, "loss": 1.5279, "step": 50 }, { "epoch": 0.425, "grad_norm": 0.0, "learning_rate": 2.2488888888888885e-05, "loss": 1.5022, "step": 51 }, { "epoch": 0.43333333333333335, "grad_norm": 0.0, "learning_rate": 2.2938666666666664e-05, "loss": 1.4849, "step": 52 }, { "epoch": 0.44166666666666665, "grad_norm": 0.0, "learning_rate": 2.338844444444444e-05, "loss": 1.53, "step": 53 }, { "epoch": 0.45, "grad_norm": 0.0, "learning_rate": 2.383822222222222e-05, "loss": 1.506, "step": 54 }, { "epoch": 0.4583333333333333, "grad_norm": 0.0, "learning_rate": 2.4288e-05, "loss": 1.464, "step": 55 }, { "epoch": 0.4666666666666667, "grad_norm": 0.0, "learning_rate": 2.4737777777777774e-05, "loss": 1.5027, "step": 56 }, { "epoch": 0.475, "grad_norm": 0.0, "learning_rate": 2.5187555555555554e-05, "loss": 1.4537, "step": 57 }, { "epoch": 0.48333333333333334, "grad_norm": 0.0, "learning_rate": 2.5637333333333333e-05, "loss": 1.5195, "step": 58 }, { "epoch": 0.49166666666666664, "grad_norm": 0.0, "learning_rate": 2.608711111111111e-05, "loss": 1.4885, "step": 59 }, { "epoch": 0.5, "grad_norm": 0.0, "learning_rate": 2.653688888888889e-05, "loss": 1.5087, "step": 60 }, { "epoch": 0.5, "eval_loss": 1.5322431325912476, "eval_runtime": 51.1758, "eval_samples_per_second": 6.8, "eval_steps_per_second": 1.7, "step": 60 }, { "epoch": 0.5083333333333333, "grad_norm": 0.0, "learning_rate": 2.6986666666666664e-05, "loss": 1.5306, "step": 61 }, { "epoch": 0.5166666666666667, "grad_norm": 0.0, "learning_rate": 2.7436444444444446e-05, "loss": 1.5116, "step": 62 }, { "epoch": 0.525, "grad_norm": 0.0, "learning_rate": 2.788622222222222e-05, "loss": 1.4956, "step": 63 }, { "epoch": 0.5333333333333333, "grad_norm": 0.0, "learning_rate": 2.8336e-05, "loss": 1.534, "step": 64 }, { "epoch": 0.5416666666666666, "grad_norm": 0.0, "learning_rate": 2.8785777777777777e-05, "loss": 1.5333, "step": 65 }, { "epoch": 0.55, "grad_norm": 0.0, "learning_rate": 2.923555555555555e-05, "loss": 1.4466, "step": 66 }, { "epoch": 0.5583333333333333, "grad_norm": 0.0, "learning_rate": 2.9685333333333332e-05, "loss": 1.5071, "step": 67 }, { "epoch": 0.5666666666666667, "grad_norm": 0.0, "learning_rate": 3.0135111111111108e-05, "loss": 1.5856, "step": 68 }, { "epoch": 0.575, "grad_norm": 0.0, "learning_rate": 3.058488888888889e-05, "loss": 1.4685, "step": 69 }, { "epoch": 0.5833333333333334, "grad_norm": 0.0, "learning_rate": 3.103466666666666e-05, "loss": 1.4647, "step": 70 }, { "epoch": 0.5916666666666667, "grad_norm": 0.0, "learning_rate": 3.148444444444444e-05, "loss": 1.5198, "step": 71 }, { "epoch": 0.6, "grad_norm": 0.0, "learning_rate": 3.193422222222222e-05, "loss": 1.529, "step": 72 }, { "epoch": 0.6083333333333333, "grad_norm": 0.0, "learning_rate": 3.2384e-05, "loss": 1.5045, "step": 73 }, { "epoch": 0.6166666666666667, "grad_norm": 0.0, "learning_rate": 3.283377777777777e-05, "loss": 1.5076, "step": 74 }, { "epoch": 0.625, "grad_norm": 0.0, "learning_rate": 3.328355555555555e-05, "loss": 1.486, "step": 75 }, { "epoch": 0.625, "eval_loss": 1.518750548362732, "eval_runtime": 252.8012, "eval_samples_per_second": 1.377, "eval_steps_per_second": 0.344, "step": 75 }, { "epoch": 0.6333333333333333, "grad_norm": 0.0, "learning_rate": 3.373333333333333e-05, "loss": 1.4644, "step": 76 }, { "epoch": 0.6416666666666667, "grad_norm": 0.0, "learning_rate": 3.418311111111111e-05, "loss": 1.4745, "step": 77 }, { "epoch": 0.65, "grad_norm": 0.0, "learning_rate": 3.463288888888888e-05, "loss": 1.492, "step": 78 }, { "epoch": 0.6583333333333333, "grad_norm": 0.0, "learning_rate": 3.508266666666667e-05, "loss": 1.4565, "step": 79 }, { "epoch": 0.6666666666666666, "grad_norm": 0.0, "learning_rate": 3.553244444444444e-05, "loss": 1.4523, "step": 80 }, { "epoch": 0.675, "grad_norm": 0.0, "learning_rate": 3.598222222222222e-05, "loss": 1.509, "step": 81 }, { "epoch": 0.6833333333333333, "grad_norm": 0.0, "learning_rate": 3.6432e-05, "loss": 1.4881, "step": 82 }, { "epoch": 0.6916666666666667, "grad_norm": 0.0, "learning_rate": 3.688177777777778e-05, "loss": 1.4497, "step": 83 }, { "epoch": 0.7, "grad_norm": 0.0, "learning_rate": 3.733155555555555e-05, "loss": 1.4833, "step": 84 }, { "epoch": 0.7083333333333334, "grad_norm": 0.0, "learning_rate": 3.778133333333333e-05, "loss": 1.3969, "step": 85 }, { "epoch": 0.7166666666666667, "grad_norm": 0.0, "learning_rate": 3.823111111111111e-05, "loss": 1.5271, "step": 86 }, { "epoch": 0.725, "grad_norm": 0.0, "learning_rate": 3.868088888888889e-05, "loss": 1.5072, "step": 87 }, { "epoch": 0.7333333333333333, "grad_norm": 0.0, "learning_rate": 3.913066666666666e-05, "loss": 1.501, "step": 88 }, { "epoch": 0.7416666666666667, "grad_norm": 0.0, "learning_rate": 3.958044444444445e-05, "loss": 1.5138, "step": 89 }, { "epoch": 0.75, "grad_norm": 0.0, "learning_rate": 4.003022222222222e-05, "loss": 1.4314, "step": 90 }, { "epoch": 0.75, "eval_loss": 1.5005146265029907, "eval_runtime": 52.2623, "eval_samples_per_second": 6.659, "eval_steps_per_second": 1.665, "step": 90 }, { "epoch": 0.7583333333333333, "grad_norm": 0.0, "learning_rate": 4.048e-05, "loss": 1.5189, "step": 91 }, { "epoch": 0.7666666666666667, "grad_norm": 0.0, "learning_rate": 4.092977777777778e-05, "loss": 1.4069, "step": 92 }, { "epoch": 0.775, "grad_norm": 0.0, "learning_rate": 4.137955555555556e-05, "loss": 1.4648, "step": 93 }, { "epoch": 0.7833333333333333, "grad_norm": 0.0, "learning_rate": 4.182933333333333e-05, "loss": 1.4731, "step": 94 }, { "epoch": 0.7916666666666666, "grad_norm": 0.0, "learning_rate": 4.227911111111111e-05, "loss": 1.4628, "step": 95 }, { "epoch": 0.8, "grad_norm": 0.0, "learning_rate": 4.272888888888889e-05, "loss": 1.4871, "step": 96 }, { "epoch": 0.8083333333333333, "grad_norm": 0.0, "learning_rate": 4.317866666666667e-05, "loss": 1.4948, "step": 97 }, { "epoch": 0.8166666666666667, "grad_norm": 0.0, "learning_rate": 4.362844444444444e-05, "loss": 1.4728, "step": 98 }, { "epoch": 0.825, "grad_norm": 0.0, "learning_rate": 4.407822222222222e-05, "loss": 1.4434, "step": 99 }, { "epoch": 0.8333333333333334, "grad_norm": 0.0, "learning_rate": 4.4528e-05, "loss": 1.5007, "step": 100 }, { "epoch": 0.8416666666666667, "grad_norm": 0.0, "learning_rate": 4.497777777777777e-05, "loss": 1.5316, "step": 101 }, { "epoch": 0.85, "grad_norm": 0.0, "learning_rate": 4.5427555555555556e-05, "loss": 1.4675, "step": 102 }, { "epoch": 0.8583333333333333, "grad_norm": 0.0, "learning_rate": 4.587733333333333e-05, "loss": 1.5065, "step": 103 }, { "epoch": 0.8666666666666667, "grad_norm": 0.0, "learning_rate": 4.632711111111111e-05, "loss": 1.4746, "step": 104 }, { "epoch": 0.875, "grad_norm": 0.0, "learning_rate": 4.677688888888888e-05, "loss": 1.4311, "step": 105 }, { "epoch": 0.875, "eval_loss": 1.4781609773635864, "eval_runtime": 51.7297, "eval_samples_per_second": 6.727, "eval_steps_per_second": 1.682, "step": 105 }, { "epoch": 0.8833333333333333, "grad_norm": 0.0, "learning_rate": 4.7226666666666666e-05, "loss": 1.4664, "step": 106 }, { "epoch": 0.8916666666666667, "grad_norm": 0.0, "learning_rate": 4.767644444444444e-05, "loss": 1.4965, "step": 107 }, { "epoch": 0.9, "grad_norm": 0.0, "learning_rate": 4.812622222222222e-05, "loss": 1.4625, "step": 108 }, { "epoch": 0.9083333333333333, "grad_norm": 0.0, "learning_rate": 4.8576e-05, "loss": 1.4221, "step": 109 }, { "epoch": 0.9166666666666666, "grad_norm": 0.0, "learning_rate": 4.9025777777777776e-05, "loss": 1.4426, "step": 110 }, { "epoch": 0.925, "grad_norm": 0.0, "learning_rate": 4.947555555555555e-05, "loss": 1.4328, "step": 111 }, { "epoch": 0.9333333333333333, "grad_norm": 0.0, "learning_rate": 4.9925333333333335e-05, "loss": 1.4366, "step": 112 }, { "epoch": 0.9416666666666667, "grad_norm": 0.0, "learning_rate": 5.037511111111111e-05, "loss": 1.4369, "step": 113 }, { "epoch": 0.95, "grad_norm": 0.0, "learning_rate": 5.0824888888888886e-05, "loss": 1.4578, "step": 114 }, { "epoch": 0.9583333333333334, "grad_norm": 0.0, "learning_rate": 5.1274666666666665e-05, "loss": 1.4389, "step": 115 }, { "epoch": 0.9666666666666667, "grad_norm": 0.0, "learning_rate": 5.172444444444444e-05, "loss": 1.3922, "step": 116 }, { "epoch": 0.975, "grad_norm": 0.0, "learning_rate": 5.217422222222222e-05, "loss": 1.4112, "step": 117 }, { "epoch": 0.9833333333333333, "grad_norm": 0.0, "learning_rate": 5.2623999999999996e-05, "loss": 1.3631, "step": 118 }, { "epoch": 0.9916666666666667, "grad_norm": 0.0, "learning_rate": 5.307377777777778e-05, "loss": 1.5094, "step": 119 }, { "epoch": 1.0, "grad_norm": 0.0, "learning_rate": 5.352355555555555e-05, "loss": 1.4532, "step": 120 }, { "epoch": 1.0, "eval_loss": 1.4513498544692993, "eval_runtime": 51.876, "eval_samples_per_second": 6.708, "eval_steps_per_second": 1.677, "step": 120 }, { "epoch": 1.0083333333333333, "grad_norm": 0.0, "learning_rate": 5.397333333333333e-05, "loss": 1.4404, "step": 121 }, { "epoch": 1.0166666666666666, "grad_norm": 0.0, "learning_rate": 5.442311111111111e-05, "loss": 1.4568, "step": 122 }, { "epoch": 1.025, "grad_norm": 0.0, "learning_rate": 5.487288888888889e-05, "loss": 1.4, "step": 123 }, { "epoch": 1.0333333333333334, "grad_norm": 0.0, "learning_rate": 5.532266666666666e-05, "loss": 1.3975, "step": 124 }, { "epoch": 1.0416666666666667, "grad_norm": 0.0, "learning_rate": 5.577244444444444e-05, "loss": 1.4252, "step": 125 }, { "epoch": 1.05, "grad_norm": 0.0, "learning_rate": 5.622222222222222e-05, "loss": 1.4129, "step": 126 }, { "epoch": 1.0583333333333333, "grad_norm": 0.0, "learning_rate": 5.6672e-05, "loss": 1.3786, "step": 127 }, { "epoch": 1.0666666666666667, "grad_norm": 0.0, "learning_rate": 5.712177777777777e-05, "loss": 1.3885, "step": 128 }, { "epoch": 1.075, "grad_norm": 0.0, "learning_rate": 5.7571555555555554e-05, "loss": 1.4003, "step": 129 }, { "epoch": 1.0833333333333333, "grad_norm": 0.0, "learning_rate": 5.802133333333333e-05, "loss": 1.4326, "step": 130 }, { "epoch": 1.0916666666666666, "grad_norm": 0.0, "learning_rate": 5.84711111111111e-05, "loss": 1.4307, "step": 131 }, { "epoch": 1.1, "grad_norm": 0.0, "learning_rate": 5.8920888888888885e-05, "loss": 1.3825, "step": 132 }, { "epoch": 1.1083333333333334, "grad_norm": 0.0, "learning_rate": 5.9370666666666664e-05, "loss": 1.386, "step": 133 }, { "epoch": 1.1166666666666667, "grad_norm": 0.0, "learning_rate": 5.982044444444444e-05, "loss": 1.4151, "step": 134 }, { "epoch": 1.125, "grad_norm": 0.0, "learning_rate": 6.0270222222222215e-05, "loss": 1.4215, "step": 135 }, { "epoch": 1.125, "eval_loss": 1.4197664260864258, "eval_runtime": 52.8834, "eval_samples_per_second": 6.581, "eval_steps_per_second": 1.645, "step": 135 }, { "epoch": 1.1333333333333333, "grad_norm": 0.0, "learning_rate": 6.0719999999999995e-05, "loss": 1.4243, "step": 136 }, { "epoch": 1.1416666666666666, "grad_norm": 0.0, "learning_rate": 6.116977777777778e-05, "loss": 1.4043, "step": 137 }, { "epoch": 1.15, "grad_norm": 0.0, "learning_rate": 6.161955555555556e-05, "loss": 1.4151, "step": 138 }, { "epoch": 1.1583333333333332, "grad_norm": 0.0, "learning_rate": 6.206933333333333e-05, "loss": 1.3896, "step": 139 }, { "epoch": 1.1666666666666667, "grad_norm": 0.0, "learning_rate": 6.25191111111111e-05, "loss": 1.3517, "step": 140 }, { "epoch": 1.175, "grad_norm": 0.0, "learning_rate": 6.296888888888888e-05, "loss": 1.3464, "step": 141 }, { "epoch": 1.1833333333333333, "grad_norm": 0.0, "learning_rate": 6.341866666666666e-05, "loss": 1.3561, "step": 142 }, { "epoch": 1.1916666666666667, "grad_norm": 0.0, "learning_rate": 6.386844444444444e-05, "loss": 1.3916, "step": 143 }, { "epoch": 1.2, "grad_norm": 0.0, "learning_rate": 6.431822222222222e-05, "loss": 1.4341, "step": 144 }, { "epoch": 1.2083333333333333, "grad_norm": 0.0, "learning_rate": 6.4768e-05, "loss": 1.3477, "step": 145 }, { "epoch": 1.2166666666666668, "grad_norm": 0.0, "learning_rate": 6.521777777777778e-05, "loss": 1.3531, "step": 146 }, { "epoch": 1.225, "grad_norm": 0.0, "learning_rate": 6.566755555555555e-05, "loss": 1.3493, "step": 147 }, { "epoch": 1.2333333333333334, "grad_norm": 0.0, "learning_rate": 6.611733333333332e-05, "loss": 1.36, "step": 148 }, { "epoch": 1.2416666666666667, "grad_norm": 0.0, "learning_rate": 6.65671111111111e-05, "loss": 1.4211, "step": 149 }, { "epoch": 1.25, "grad_norm": 0.0, "learning_rate": 6.701688888888888e-05, "loss": 1.3248, "step": 150 }, { "epoch": 1.25, "eval_loss": 1.3825478553771973, "eval_runtime": 251.4211, "eval_samples_per_second": 1.384, "eval_steps_per_second": 0.346, "step": 150 }, { "epoch": 1.2583333333333333, "grad_norm": 0.0, "learning_rate": 6.746666666666666e-05, "loss": 1.3772, "step": 151 }, { "epoch": 1.2666666666666666, "grad_norm": 0.0, "learning_rate": 6.791644444444444e-05, "loss": 1.3688, "step": 152 }, { "epoch": 1.275, "grad_norm": 0.0, "learning_rate": 6.836622222222222e-05, "loss": 1.3748, "step": 153 }, { "epoch": 1.2833333333333332, "grad_norm": 0.0, "learning_rate": 6.8816e-05, "loss": 1.3449, "step": 154 }, { "epoch": 1.2916666666666667, "grad_norm": 0.0, "learning_rate": 6.926577777777777e-05, "loss": 1.287, "step": 155 }, { "epoch": 1.3, "grad_norm": 0.0, "learning_rate": 6.971555555555554e-05, "loss": 1.3463, "step": 156 }, { "epoch": 1.3083333333333333, "grad_norm": 0.0, "learning_rate": 7.016533333333334e-05, "loss": 1.3471, "step": 157 }, { "epoch": 1.3166666666666667, "grad_norm": 0.0, "learning_rate": 7.061511111111112e-05, "loss": 1.3299, "step": 158 }, { "epoch": 1.325, "grad_norm": 0.0, "learning_rate": 7.106488888888888e-05, "loss": 1.2756, "step": 159 }, { "epoch": 1.3333333333333333, "grad_norm": 0.0, "learning_rate": 7.151466666666666e-05, "loss": 1.3004, "step": 160 }, { "epoch": 1.3416666666666668, "grad_norm": 0.0, "learning_rate": 7.196444444444444e-05, "loss": 1.3671, "step": 161 }, { "epoch": 1.35, "grad_norm": 0.0, "learning_rate": 7.24142222222222e-05, "loss": 1.3603, "step": 162 }, { "epoch": 1.3583333333333334, "grad_norm": 0.0, "learning_rate": 7.2864e-05, "loss": 1.2986, "step": 163 }, { "epoch": 1.3666666666666667, "grad_norm": 0.0, "learning_rate": 7.331377777777778e-05, "loss": 1.2886, "step": 164 }, { "epoch": 1.375, "grad_norm": 0.0, "learning_rate": 7.376355555555556e-05, "loss": 1.2697, "step": 165 }, { "epoch": 1.375, "eval_loss": 1.3386281728744507, "eval_runtime": 51.4045, "eval_samples_per_second": 6.77, "eval_steps_per_second": 1.692, "step": 165 }, { "epoch": 1.3833333333333333, "grad_norm": 0.0, "learning_rate": 7.421333333333332e-05, "loss": 1.309, "step": 166 }, { "epoch": 1.3916666666666666, "grad_norm": 0.0, "learning_rate": 7.46631111111111e-05, "loss": 1.3718, "step": 167 }, { "epoch": 1.4, "grad_norm": 0.0, "learning_rate": 7.511288888888888e-05, "loss": 1.3298, "step": 168 }, { "epoch": 1.4083333333333332, "grad_norm": 0.0, "learning_rate": 7.556266666666666e-05, "loss": 1.3085, "step": 169 }, { "epoch": 1.4166666666666667, "grad_norm": 0.0, "learning_rate": 7.601244444444444e-05, "loss": 1.2769, "step": 170 }, { "epoch": 1.425, "grad_norm": 0.0, "learning_rate": 7.646222222222222e-05, "loss": 1.2899, "step": 171 }, { "epoch": 1.4333333333333333, "grad_norm": 0.0, "learning_rate": 7.6912e-05, "loss": 1.2973, "step": 172 }, { "epoch": 1.4416666666666667, "grad_norm": 0.0, "learning_rate": 7.736177777777778e-05, "loss": 1.2527, "step": 173 }, { "epoch": 1.45, "grad_norm": 0.0, "learning_rate": 7.781155555555554e-05, "loss": 1.2881, "step": 174 }, { "epoch": 1.4583333333333333, "grad_norm": 0.0, "learning_rate": 7.826133333333332e-05, "loss": 1.295, "step": 175 }, { "epoch": 1.4666666666666668, "grad_norm": 0.0, "learning_rate": 7.87111111111111e-05, "loss": 1.2682, "step": 176 }, { "epoch": 1.475, "grad_norm": 0.0, "learning_rate": 7.91608888888889e-05, "loss": 1.252, "step": 177 }, { "epoch": 1.4833333333333334, "grad_norm": 0.0, "learning_rate": 7.961066666666666e-05, "loss": 1.2956, "step": 178 }, { "epoch": 1.4916666666666667, "grad_norm": 0.0, "learning_rate": 8.006044444444444e-05, "loss": 1.2992, "step": 179 }, { "epoch": 1.5, "grad_norm": 0.0, "learning_rate": 8.051022222222222e-05, "loss": 1.3281, "step": 180 }, { "epoch": 1.5, "eval_loss": 1.2880223989486694, "eval_runtime": 51.0745, "eval_samples_per_second": 6.814, "eval_steps_per_second": 1.703, "step": 180 }, { "epoch": 1.5083333333333333, "grad_norm": 0.0, "learning_rate": 8.096e-05, "loss": 1.2675, "step": 181 }, { "epoch": 1.5166666666666666, "grad_norm": 0.0, "learning_rate": 8.140977777777776e-05, "loss": 1.2795, "step": 182 }, { "epoch": 1.525, "grad_norm": 0.0, "learning_rate": 8.185955555555556e-05, "loss": 1.2808, "step": 183 }, { "epoch": 1.5333333333333332, "grad_norm": 0.0, "learning_rate": 8.230933333333333e-05, "loss": 1.2468, "step": 184 }, { "epoch": 1.5416666666666665, "grad_norm": 0.0, "learning_rate": 8.275911111111111e-05, "loss": 1.2866, "step": 185 }, { "epoch": 1.55, "grad_norm": 0.0, "learning_rate": 8.320888888888888e-05, "loss": 1.2381, "step": 186 }, { "epoch": 1.5583333333333333, "grad_norm": 0.0, "learning_rate": 8.365866666666666e-05, "loss": 1.2302, "step": 187 }, { "epoch": 1.5666666666666667, "grad_norm": 0.0, "learning_rate": 8.410844444444444e-05, "loss": 1.2575, "step": 188 }, { "epoch": 1.575, "grad_norm": 0.0, "learning_rate": 8.455822222222222e-05, "loss": 1.2615, "step": 189 }, { "epoch": 1.5833333333333335, "grad_norm": 0.0, "learning_rate": 8.5008e-05, "loss": 1.2348, "step": 190 }, { "epoch": 1.5916666666666668, "grad_norm": 0.0, "learning_rate": 8.545777777777778e-05, "loss": 1.2485, "step": 191 }, { "epoch": 1.6, "grad_norm": 0.0, "learning_rate": 8.590755555555555e-05, "loss": 1.2423, "step": 192 }, { "epoch": 1.6083333333333334, "grad_norm": 0.0, "learning_rate": 8.635733333333333e-05, "loss": 1.2538, "step": 193 }, { "epoch": 1.6166666666666667, "grad_norm": 0.0, "learning_rate": 8.68071111111111e-05, "loss": 1.2584, "step": 194 }, { "epoch": 1.625, "grad_norm": 0.0, "learning_rate": 8.725688888888888e-05, "loss": 1.2428, "step": 195 }, { "epoch": 1.625, "eval_loss": 1.2295665740966797, "eval_runtime": 50.7122, "eval_samples_per_second": 6.862, "eval_steps_per_second": 1.716, "step": 195 }, { "epoch": 1.6333333333333333, "grad_norm": 0.0, "learning_rate": 8.770666666666666e-05, "loss": 1.2075, "step": 196 }, { "epoch": 1.6416666666666666, "grad_norm": 0.0, "learning_rate": 8.815644444444444e-05, "loss": 1.2134, "step": 197 }, { "epoch": 1.65, "grad_norm": 0.0, "learning_rate": 8.860622222222222e-05, "loss": 1.2102, "step": 198 }, { "epoch": 1.6583333333333332, "grad_norm": 0.0, "learning_rate": 8.9056e-05, "loss": 1.2551, "step": 199 }, { "epoch": 1.6666666666666665, "grad_norm": 0.0, "learning_rate": 8.950577777777777e-05, "loss": 1.1577, "step": 200 }, { "epoch": 1.675, "grad_norm": 0.0, "learning_rate": 8.995555555555554e-05, "loss": 1.204, "step": 201 }, { "epoch": 1.6833333333333333, "grad_norm": 0.0, "learning_rate": 9.040533333333332e-05, "loss": 1.2207, "step": 202 }, { "epoch": 1.6916666666666667, "grad_norm": 0.0, "learning_rate": 9.085511111111111e-05, "loss": 1.2284, "step": 203 }, { "epoch": 1.7, "grad_norm": 0.0, "learning_rate": 9.130488888888889e-05, "loss": 1.1487, "step": 204 }, { "epoch": 1.7083333333333335, "grad_norm": 0.0, "learning_rate": 9.175466666666666e-05, "loss": 1.1269, "step": 205 }, { "epoch": 1.7166666666666668, "grad_norm": 0.0, "learning_rate": 9.220444444444444e-05, "loss": 1.1483, "step": 206 }, { "epoch": 1.725, "grad_norm": 0.0, "learning_rate": 9.265422222222222e-05, "loss": 1.1776, "step": 207 }, { "epoch": 1.7333333333333334, "grad_norm": 0.0, "learning_rate": 9.3104e-05, "loss": 1.1678, "step": 208 }, { "epoch": 1.7416666666666667, "grad_norm": 0.0, "learning_rate": 9.355377777777776e-05, "loss": 1.1634, "step": 209 }, { "epoch": 1.75, "grad_norm": 0.0, "learning_rate": 9.400355555555555e-05, "loss": 1.1533, "step": 210 }, { "epoch": 1.75, "eval_loss": 1.1595572233200073, "eval_runtime": 50.6903, "eval_samples_per_second": 6.865, "eval_steps_per_second": 1.716, "step": 210 }, { "epoch": 1.7583333333333333, "grad_norm": 0.0, "learning_rate": 9.445333333333333e-05, "loss": 1.1765, "step": 211 }, { "epoch": 1.7666666666666666, "grad_norm": 0.0, "learning_rate": 9.490311111111111e-05, "loss": 1.1806, "step": 212 }, { "epoch": 1.775, "grad_norm": 0.0, "learning_rate": 9.535288888888888e-05, "loss": 1.0863, "step": 213 }, { "epoch": 1.7833333333333332, "grad_norm": 0.0, "learning_rate": 9.580266666666666e-05, "loss": 1.0531, "step": 214 }, { "epoch": 1.7916666666666665, "grad_norm": 0.0, "learning_rate": 9.625244444444444e-05, "loss": 1.1368, "step": 215 }, { "epoch": 1.8, "grad_norm": 0.0, "learning_rate": 9.670222222222221e-05, "loss": 1.1326, "step": 216 }, { "epoch": 1.8083333333333333, "grad_norm": 0.0, "learning_rate": 9.7152e-05, "loss": 1.0474, "step": 217 }, { "epoch": 1.8166666666666667, "grad_norm": 0.0, "learning_rate": 9.760177777777777e-05, "loss": 1.1472, "step": 218 }, { "epoch": 1.825, "grad_norm": 0.0, "learning_rate": 9.805155555555555e-05, "loss": 1.0939, "step": 219 }, { "epoch": 1.8333333333333335, "grad_norm": 0.0, "learning_rate": 9.850133333333333e-05, "loss": 1.1182, "step": 220 }, { "epoch": 1.8416666666666668, "grad_norm": 0.0, "learning_rate": 9.89511111111111e-05, "loss": 1.0607, "step": 221 }, { "epoch": 1.85, "grad_norm": 0.0, "learning_rate": 9.940088888888888e-05, "loss": 1.0638, "step": 222 }, { "epoch": 1.8583333333333334, "grad_norm": 0.0, "learning_rate": 9.985066666666667e-05, "loss": 1.1084, "step": 223 }, { "epoch": 1.8666666666666667, "grad_norm": 0.0, "learning_rate": 0.00010030044444444445, "loss": 1.1307, "step": 224 }, { "epoch": 1.875, "grad_norm": 0.0, "learning_rate": 0.00010075022222222221, "loss": 1.1038, "step": 225 }, { "epoch": 1.875, "eval_loss": 1.0747346878051758, "eval_runtime": 255.4172, "eval_samples_per_second": 1.362, "eval_steps_per_second": 0.341, "step": 225 }, { "epoch": 1.8833333333333333, "grad_norm": 0.0, "learning_rate": 0.0001012, "loss": 1.0009, "step": 226 }, { "epoch": 1.8916666666666666, "grad_norm": 0.0, "learning_rate": 0.00010164977777777777, "loss": 1.0833, "step": 227 }, { "epoch": 1.9, "grad_norm": 0.0, "learning_rate": 0.00010209955555555555, "loss": 0.988, "step": 228 }, { "epoch": 1.9083333333333332, "grad_norm": 0.0, "learning_rate": 0.00010254933333333333, "loss": 1.09, "step": 229 }, { "epoch": 1.9166666666666665, "grad_norm": 0.0, "learning_rate": 0.0001029991111111111, "loss": 1.0349, "step": 230 }, { "epoch": 1.925, "grad_norm": 0.0, "learning_rate": 0.00010344888888888888, "loss": 1.0041, "step": 231 }, { "epoch": 1.9333333333333333, "grad_norm": 0.0, "learning_rate": 0.00010389866666666665, "loss": 0.9742, "step": 232 }, { "epoch": 1.9416666666666667, "grad_norm": 0.0, "learning_rate": 0.00010434844444444443, "loss": 0.9292, "step": 233 }, { "epoch": 1.95, "grad_norm": 0.0, "learning_rate": 0.00010479822222222221, "loss": 0.928, "step": 234 }, { "epoch": 1.9583333333333335, "grad_norm": 0.0, "learning_rate": 0.00010524799999999999, "loss": 1.0144, "step": 235 }, { "epoch": 1.9666666666666668, "grad_norm": 0.0, "learning_rate": 0.00010569777777777777, "loss": 1.0108, "step": 236 }, { "epoch": 1.975, "grad_norm": 0.0, "learning_rate": 0.00010614755555555556, "loss": 1.0626, "step": 237 }, { "epoch": 1.9833333333333334, "grad_norm": 0.0, "learning_rate": 0.00010659733333333332, "loss": 0.9509, "step": 238 }, { "epoch": 1.9916666666666667, "grad_norm": 0.0, "learning_rate": 0.0001070471111111111, "loss": 0.9915, "step": 239 }, { "epoch": 2.0, "grad_norm": 0.0, "learning_rate": 0.00010749688888888887, "loss": 1.0226, "step": 240 }, { "epoch": 2.0, "eval_loss": 0.972268283367157, "eval_runtime": 51.4444, "eval_samples_per_second": 6.765, "eval_steps_per_second": 1.691, "step": 240 }, { "epoch": 2.0083333333333333, "grad_norm": 0.0, "learning_rate": 0.00010794666666666665, "loss": 0.9277, "step": 241 }, { "epoch": 2.0166666666666666, "grad_norm": 0.0, "learning_rate": 0.00010839644444444443, "loss": 0.9722, "step": 242 }, { "epoch": 2.025, "grad_norm": 0.0, "learning_rate": 0.00010884622222222223, "loss": 0.9218, "step": 243 }, { "epoch": 2.033333333333333, "grad_norm": 0.0, "learning_rate": 0.000109296, "loss": 0.9367, "step": 244 }, { "epoch": 2.0416666666666665, "grad_norm": 0.0, "learning_rate": 0.00010974577777777778, "loss": 0.8274, "step": 245 }, { "epoch": 2.05, "grad_norm": 0.0, "learning_rate": 0.00011019555555555554, "loss": 0.8959, "step": 246 }, { "epoch": 2.058333333333333, "grad_norm": 0.0, "learning_rate": 0.00011064533333333332, "loss": 0.9004, "step": 247 }, { "epoch": 2.066666666666667, "grad_norm": 0.0, "learning_rate": 0.0001110951111111111, "loss": 0.8918, "step": 248 }, { "epoch": 2.075, "grad_norm": 0.0, "learning_rate": 0.00011154488888888887, "loss": 0.8621, "step": 249 }, { "epoch": 2.0833333333333335, "grad_norm": 0.0, "learning_rate": 0.00011199466666666667, "loss": 0.8836, "step": 250 }, { "epoch": 2.091666666666667, "grad_norm": 0.0, "learning_rate": 0.00011244444444444445, "loss": 0.865, "step": 251 }, { "epoch": 2.1, "grad_norm": 0.0, "learning_rate": 0.00011289422222222223, "loss": 0.9642, "step": 252 }, { "epoch": 2.1083333333333334, "grad_norm": 0.0, "learning_rate": 0.000113344, "loss": 0.8609, "step": 253 }, { "epoch": 2.1166666666666667, "grad_norm": 0.0, "learning_rate": 0.00011379377777777776, "loss": 0.8087, "step": 254 }, { "epoch": 2.125, "grad_norm": 0.0, "learning_rate": 0.00011424355555555554, "loss": 0.8858, "step": 255 }, { "epoch": 2.125, "eval_loss": 0.846684455871582, "eval_runtime": 51.0779, "eval_samples_per_second": 6.813, "eval_steps_per_second": 1.703, "step": 255 }, { "epoch": 2.1333333333333333, "grad_norm": 0.0, "learning_rate": 0.00011469333333333333, "loss": 0.8042, "step": 256 }, { "epoch": 2.1416666666666666, "grad_norm": 0.0, "learning_rate": 0.00011514311111111111, "loss": 0.8711, "step": 257 }, { "epoch": 2.15, "grad_norm": 0.0, "learning_rate": 0.00011559288888888889, "loss": 0.7992, "step": 258 }, { "epoch": 2.158333333333333, "grad_norm": 0.0, "learning_rate": 0.00011604266666666667, "loss": 0.7791, "step": 259 }, { "epoch": 2.1666666666666665, "grad_norm": 0.0, "learning_rate": 0.00011649244444444445, "loss": 0.8519, "step": 260 }, { "epoch": 2.175, "grad_norm": 0.0, "learning_rate": 0.0001169422222222222, "loss": 0.8146, "step": 261 }, { "epoch": 2.183333333333333, "grad_norm": 0.0, "learning_rate": 0.00011739199999999999, "loss": 0.7742, "step": 262 }, { "epoch": 2.191666666666667, "grad_norm": 0.0, "learning_rate": 0.00011784177777777777, "loss": 0.7654, "step": 263 }, { "epoch": 2.2, "grad_norm": 0.0, "learning_rate": 0.00011829155555555555, "loss": 0.8774, "step": 264 }, { "epoch": 2.2083333333333335, "grad_norm": 0.0, "learning_rate": 0.00011874133333333333, "loss": 0.7404, "step": 265 }, { "epoch": 2.216666666666667, "grad_norm": 0.0, "learning_rate": 0.00011919111111111111, "loss": 0.7323, "step": 266 }, { "epoch": 2.225, "grad_norm": 0.0, "learning_rate": 0.00011964088888888889, "loss": 0.7127, "step": 267 }, { "epoch": 2.2333333333333334, "grad_norm": 0.0, "learning_rate": 0.00012009066666666667, "loss": 0.6607, "step": 268 }, { "epoch": 2.2416666666666667, "grad_norm": 0.0, "learning_rate": 0.00012054044444444443, "loss": 0.646, "step": 269 }, { "epoch": 2.25, "grad_norm": 0.0, "learning_rate": 0.00012099022222222221, "loss": 0.6762, "step": 270 }, { "epoch": 2.25, "eval_loss": 0.7046697735786438, "eval_runtime": 50.8887, "eval_samples_per_second": 6.838, "eval_steps_per_second": 1.71, "step": 270 }, { "epoch": 2.2583333333333333, "grad_norm": 0.0, "learning_rate": 0.00012143999999999999, "loss": 0.6996, "step": 271 }, { "epoch": 2.2666666666666666, "grad_norm": 0.0, "learning_rate": 0.00012188977777777777, "loss": 0.6455, "step": 272 }, { "epoch": 2.275, "grad_norm": 0.0, "learning_rate": 0.00012233955555555556, "loss": 0.6921, "step": 273 }, { "epoch": 2.283333333333333, "grad_norm": 0.0, "learning_rate": 0.00012278933333333334, "loss": 0.6742, "step": 274 }, { "epoch": 2.2916666666666665, "grad_norm": 0.0, "learning_rate": 0.00012323911111111112, "loss": 0.6279, "step": 275 }, { "epoch": 2.3, "grad_norm": 0.0, "learning_rate": 0.0001236888888888889, "loss": 0.7929, "step": 276 }, { "epoch": 2.3083333333333336, "grad_norm": 0.0, "learning_rate": 0.00012413866666666665, "loss": 0.6639, "step": 277 }, { "epoch": 2.3166666666666664, "grad_norm": 0.0, "learning_rate": 0.00012458844444444443, "loss": 0.6605, "step": 278 }, { "epoch": 2.325, "grad_norm": 0.0, "learning_rate": 0.0001250382222222222, "loss": 0.5845, "step": 279 }, { "epoch": 2.3333333333333335, "grad_norm": 0.0, "learning_rate": 0.000125488, "loss": 0.6247, "step": 280 }, { "epoch": 2.341666666666667, "grad_norm": 0.0, "learning_rate": 0.00012593777777777777, "loss": 0.4523, "step": 281 }, { "epoch": 2.35, "grad_norm": 0.0, "learning_rate": 0.00012638755555555555, "loss": 0.5853, "step": 282 }, { "epoch": 2.3583333333333334, "grad_norm": 0.0, "learning_rate": 0.00012683733333333333, "loss": 0.6273, "step": 283 }, { "epoch": 2.3666666666666667, "grad_norm": 0.0, "learning_rate": 0.0001272871111111111, "loss": 0.5683, "step": 284 }, { "epoch": 2.375, "grad_norm": 0.0, "learning_rate": 0.00012773688888888888, "loss": 0.6433, "step": 285 }, { "epoch": 2.375, "eval_loss": 0.5625634789466858, "eval_runtime": 50.9753, "eval_samples_per_second": 6.827, "eval_steps_per_second": 1.707, "step": 285 }, { "epoch": 2.3833333333333333, "grad_norm": 0.0, "learning_rate": 0.00012818666666666666, "loss": 0.5822, "step": 286 }, { "epoch": 2.3916666666666666, "grad_norm": 0.0, "learning_rate": 0.00012863644444444444, "loss": 0.4468, "step": 287 }, { "epoch": 2.4, "grad_norm": 0.0, "learning_rate": 0.00012908622222222222, "loss": 0.5196, "step": 288 }, { "epoch": 2.408333333333333, "grad_norm": 0.0, "learning_rate": 0.000129536, "loss": 0.4841, "step": 289 }, { "epoch": 2.4166666666666665, "grad_norm": 0.0, "learning_rate": 0.00012998577777777778, "loss": 0.4961, "step": 290 }, { "epoch": 2.425, "grad_norm": 0.0, "learning_rate": 0.00013043555555555556, "loss": 0.5136, "step": 291 }, { "epoch": 2.4333333333333336, "grad_norm": 0.0, "learning_rate": 0.0001308853333333333, "loss": 0.4812, "step": 292 }, { "epoch": 2.4416666666666664, "grad_norm": 0.0, "learning_rate": 0.0001313351111111111, "loss": 0.4673, "step": 293 }, { "epoch": 2.45, "grad_norm": 0.0, "learning_rate": 0.00013178488888888887, "loss": 0.5054, "step": 294 }, { "epoch": 2.4583333333333335, "grad_norm": 0.0, "learning_rate": 0.00013223466666666665, "loss": 0.4696, "step": 295 }, { "epoch": 2.466666666666667, "grad_norm": 0.0, "learning_rate": 0.00013268444444444443, "loss": 0.4592, "step": 296 }, { "epoch": 2.475, "grad_norm": 0.0, "learning_rate": 0.0001331342222222222, "loss": 0.3636, "step": 297 }, { "epoch": 2.4833333333333334, "grad_norm": 0.0, "learning_rate": 0.000133584, "loss": 0.4435, "step": 298 }, { "epoch": 2.4916666666666667, "grad_norm": 0.0, "learning_rate": 0.00013403377777777777, "loss": 0.3361, "step": 299 }, { "epoch": 2.5, "grad_norm": 0.0, "learning_rate": 0.00013448355555555555, "loss": 0.4017, "step": 300 }, { "epoch": 2.5, "eval_loss": 0.4282567501068115, "eval_runtime": 252.3827, "eval_samples_per_second": 1.379, "eval_steps_per_second": 0.345, "step": 300 }, { "epoch": 2.5083333333333333, "grad_norm": 0.0, "learning_rate": 0.00013493333333333332, "loss": 0.4392, "step": 301 }, { "epoch": 2.5166666666666666, "grad_norm": 0.0, "learning_rate": 0.0001353831111111111, "loss": 0.3808, "step": 302 }, { "epoch": 2.525, "grad_norm": 0.0, "learning_rate": 0.00013583288888888888, "loss": 0.3371, "step": 303 }, { "epoch": 2.533333333333333, "grad_norm": 0.0, "learning_rate": 0.00013628266666666666, "loss": 0.3787, "step": 304 }, { "epoch": 2.5416666666666665, "grad_norm": 0.0, "learning_rate": 0.00013673244444444444, "loss": 0.4086, "step": 305 }, { "epoch": 2.55, "grad_norm": 0.0, "learning_rate": 0.00013718222222222222, "loss": 0.3443, "step": 306 }, { "epoch": 2.5583333333333336, "grad_norm": 0.0, "learning_rate": 0.000137632, "loss": 0.4022, "step": 307 }, { "epoch": 2.5666666666666664, "grad_norm": 0.0, "learning_rate": 0.00013808177777777775, "loss": 0.3197, "step": 308 }, { "epoch": 2.575, "grad_norm": 0.0, "learning_rate": 0.00013853155555555553, "loss": 0.3359, "step": 309 }, { "epoch": 2.5833333333333335, "grad_norm": 0.0, "learning_rate": 0.0001389813333333333, "loss": 0.2779, "step": 310 }, { "epoch": 2.591666666666667, "grad_norm": 0.0, "learning_rate": 0.0001394311111111111, "loss": 0.429, "step": 311 }, { "epoch": 2.6, "grad_norm": 0.0, "learning_rate": 0.00013988088888888887, "loss": 0.3277, "step": 312 }, { "epoch": 2.6083333333333334, "grad_norm": 0.0, "learning_rate": 0.00014033066666666667, "loss": 0.2395, "step": 313 }, { "epoch": 2.6166666666666667, "grad_norm": 0.0, "learning_rate": 0.00014078044444444445, "loss": 0.3491, "step": 314 }, { "epoch": 2.625, "grad_norm": 0.0, "learning_rate": 0.00014123022222222223, "loss": 0.2875, "step": 315 }, { "epoch": 2.625, "eval_loss": 0.3071797490119934, "eval_runtime": 51.0753, "eval_samples_per_second": 6.813, "eval_steps_per_second": 1.703, "step": 315 }, { "epoch": 2.6333333333333333, "grad_norm": 0.0, "learning_rate": 0.00014167999999999999, "loss": 0.2592, "step": 316 }, { "epoch": 2.6416666666666666, "grad_norm": 0.0, "learning_rate": 0.00014212977777777776, "loss": 0.2913, "step": 317 }, { "epoch": 2.65, "grad_norm": 0.0, "learning_rate": 0.00014257955555555554, "loss": 0.2966, "step": 318 }, { "epoch": 2.658333333333333, "grad_norm": 0.0, "learning_rate": 0.00014302933333333332, "loss": 0.2124, "step": 319 }, { "epoch": 2.6666666666666665, "grad_norm": 0.0, "learning_rate": 0.0001434791111111111, "loss": 0.2457, "step": 320 }, { "epoch": 2.675, "grad_norm": 0.0, "learning_rate": 0.00014392888888888888, "loss": 0.2307, "step": 321 }, { "epoch": 2.6833333333333336, "grad_norm": 0.0, "learning_rate": 0.00014437866666666666, "loss": 0.2576, "step": 322 }, { "epoch": 2.6916666666666664, "grad_norm": 0.0, "learning_rate": 0.0001448284444444444, "loss": 0.2424, "step": 323 }, { "epoch": 2.7, "grad_norm": 0.0, "learning_rate": 0.0001452782222222222, "loss": 0.1742, "step": 324 }, { "epoch": 2.7083333333333335, "grad_norm": 0.0, "learning_rate": 0.000145728, "loss": 0.3034, "step": 325 }, { "epoch": 2.716666666666667, "grad_norm": 0.0, "learning_rate": 0.00014617777777777778, "loss": 0.2638, "step": 326 }, { "epoch": 2.725, "grad_norm": 0.0, "learning_rate": 0.00014662755555555556, "loss": 0.1894, "step": 327 }, { "epoch": 2.7333333333333334, "grad_norm": 0.0, "learning_rate": 0.00014707733333333334, "loss": 0.2501, "step": 328 }, { "epoch": 2.7416666666666667, "grad_norm": 0.0, "learning_rate": 0.00014752711111111111, "loss": 0.2122, "step": 329 }, { "epoch": 2.75, "grad_norm": 0.0, "learning_rate": 0.0001479768888888889, "loss": 0.2244, "step": 330 }, { "epoch": 2.75, "eval_loss": 0.2161068469285965, "eval_runtime": 51.8399, "eval_samples_per_second": 6.713, "eval_steps_per_second": 1.678, "step": 330 }, { "epoch": 2.7583333333333333, "grad_norm": 0.0, "learning_rate": 0.00014842666666666665, "loss": 0.2604, "step": 331 }, { "epoch": 2.7666666666666666, "grad_norm": 0.0, "learning_rate": 0.00014887644444444443, "loss": 0.1889, "step": 332 }, { "epoch": 2.775, "grad_norm": 0.0, "learning_rate": 0.0001493262222222222, "loss": 0.1788, "step": 333 }, { "epoch": 2.783333333333333, "grad_norm": 0.0, "learning_rate": 0.00014977599999999998, "loss": 0.1456, "step": 334 }, { "epoch": 2.7916666666666665, "grad_norm": 0.0, "learning_rate": 0.00015022577777777776, "loss": 0.1661, "step": 335 }, { "epoch": 2.8, "grad_norm": 0.0, "learning_rate": 0.00015067555555555554, "loss": 0.1385, "step": 336 }, { "epoch": 2.8083333333333336, "grad_norm": 0.0, "learning_rate": 0.00015112533333333332, "loss": 0.1814, "step": 337 }, { "epoch": 2.8166666666666664, "grad_norm": 0.0, "learning_rate": 0.0001515751111111111, "loss": 0.1759, "step": 338 }, { "epoch": 2.825, "grad_norm": 0.0, "learning_rate": 0.00015202488888888888, "loss": 0.1617, "step": 339 }, { "epoch": 2.8333333333333335, "grad_norm": 0.0, "learning_rate": 0.00015247466666666666, "loss": 0.1349, "step": 340 }, { "epoch": 2.841666666666667, "grad_norm": 0.0, "learning_rate": 0.00015292444444444444, "loss": 0.1328, "step": 341 }, { "epoch": 2.85, "grad_norm": 0.0, "learning_rate": 0.00015337422222222222, "loss": 0.1514, "step": 342 }, { "epoch": 2.8583333333333334, "grad_norm": 0.0, "learning_rate": 0.000153824, "loss": 0.1381, "step": 343 }, { "epoch": 2.8666666666666667, "grad_norm": 0.0, "learning_rate": 0.00015427377777777778, "loss": 0.1481, "step": 344 }, { "epoch": 2.875, "grad_norm": 0.0, "learning_rate": 0.00015472355555555555, "loss": 0.1445, "step": 345 }, { "epoch": 2.875, "eval_loss": 0.15719802677631378, "eval_runtime": 256.0801, "eval_samples_per_second": 1.359, "eval_steps_per_second": 0.34, "step": 345 }, { "epoch": 2.8833333333333333, "grad_norm": 0.0, "learning_rate": 0.00015517333333333333, "loss": 0.1037, "step": 346 }, { "epoch": 2.8916666666666666, "grad_norm": 0.0, "learning_rate": 0.00015562311111111109, "loss": 0.1447, "step": 347 }, { "epoch": 2.9, "grad_norm": 0.0, "learning_rate": 0.00015607288888888887, "loss": 0.1325, "step": 348 }, { "epoch": 2.908333333333333, "grad_norm": 0.0, "learning_rate": 0.00015652266666666664, "loss": 0.1515, "step": 349 }, { "epoch": 2.9166666666666665, "grad_norm": 0.0, "learning_rate": 0.00015697244444444442, "loss": 0.1425, "step": 350 }, { "epoch": 2.925, "grad_norm": 0.0, "learning_rate": 0.0001574222222222222, "loss": 0.1371, "step": 351 }, { "epoch": 2.9333333333333336, "grad_norm": 0.0, "learning_rate": 0.00015787199999999998, "loss": 0.1357, "step": 352 }, { "epoch": 2.9416666666666664, "grad_norm": 0.0, "learning_rate": 0.0001583217777777778, "loss": 0.1254, "step": 353 }, { "epoch": 2.95, "grad_norm": 0.0, "learning_rate": 0.00015877155555555557, "loss": 0.097, "step": 354 }, { "epoch": 2.9583333333333335, "grad_norm": 0.0, "learning_rate": 0.00015922133333333332, "loss": 0.0825, "step": 355 }, { "epoch": 2.966666666666667, "grad_norm": 0.0, "learning_rate": 0.0001596711111111111, "loss": 0.0993, "step": 356 }, { "epoch": 2.975, "grad_norm": 0.0, "learning_rate": 0.00016012088888888888, "loss": 0.106, "step": 357 }, { "epoch": 2.9833333333333334, "grad_norm": 0.0, "learning_rate": 0.00016057066666666666, "loss": 0.1118, "step": 358 }, { "epoch": 2.9916666666666667, "grad_norm": 0.0, "learning_rate": 0.00016102044444444444, "loss": 0.118, "step": 359 }, { "epoch": 3.0, "grad_norm": 0.0, "learning_rate": 0.00016147022222222222, "loss": 0.0898, "step": 360 }, { "epoch": 3.0, "eval_loss": 0.11922378093004227, "eval_runtime": 51.7639, "eval_samples_per_second": 6.723, "eval_steps_per_second": 1.681, "step": 360 }, { "epoch": 3.0083333333333333, "grad_norm": 0.0, "learning_rate": 0.00016192, "loss": 0.1172, "step": 361 }, { "epoch": 3.0166666666666666, "grad_norm": 0.0, "learning_rate": 0.00016236977777777775, "loss": 0.1117, "step": 362 }, { "epoch": 3.025, "grad_norm": 0.0, "learning_rate": 0.00016281955555555553, "loss": 0.0926, "step": 363 }, { "epoch": 3.033333333333333, "grad_norm": 0.0, "learning_rate": 0.0001632693333333333, "loss": 0.0743, "step": 364 }, { "epoch": 3.0416666666666665, "grad_norm": 0.0, "learning_rate": 0.0001637191111111111, "loss": 0.0797, "step": 365 }, { "epoch": 3.05, "grad_norm": 0.0, "learning_rate": 0.0001641688888888889, "loss": 0.0954, "step": 366 }, { "epoch": 3.058333333333333, "grad_norm": 0.0, "learning_rate": 0.00016461866666666667, "loss": 0.086, "step": 367 }, { "epoch": 3.066666666666667, "grad_norm": 0.0, "learning_rate": 0.00016506844444444445, "loss": 0.0932, "step": 368 }, { "epoch": 3.075, "grad_norm": 0.0, "learning_rate": 0.00016551822222222223, "loss": 0.0999, "step": 369 }, { "epoch": 3.0833333333333335, "grad_norm": 0.0, "learning_rate": 0.00016596799999999998, "loss": 0.096, "step": 370 }, { "epoch": 3.091666666666667, "grad_norm": 0.0, "learning_rate": 0.00016641777777777776, "loss": 0.0974, "step": 371 }, { "epoch": 3.1, "grad_norm": 0.0, "learning_rate": 0.00016686755555555554, "loss": 0.0758, "step": 372 }, { "epoch": 3.1083333333333334, "grad_norm": 0.0, "learning_rate": 0.00016731733333333332, "loss": 0.0613, "step": 373 }, { "epoch": 3.1166666666666667, "grad_norm": 0.0, "learning_rate": 0.0001677671111111111, "loss": 0.08, "step": 374 }, { "epoch": 3.125, "grad_norm": 0.0, "learning_rate": 0.00016821688888888888, "loss": 0.0666, "step": 375 }, { "epoch": 3.125, "eval_loss": 0.09909001737833023, "eval_runtime": 51.5782, "eval_samples_per_second": 6.747, "eval_steps_per_second": 1.687, "step": 375 }, { "epoch": 3.1333333333333333, "grad_norm": 0.0, "learning_rate": 0.00016866666666666666, "loss": 0.0785, "step": 376 }, { "epoch": 3.1416666666666666, "grad_norm": 0.0, "learning_rate": 0.00016911644444444443, "loss": 0.0905, "step": 377 }, { "epoch": 3.15, "grad_norm": 0.0, "learning_rate": 0.00016956622222222221, "loss": 0.0776, "step": 378 }, { "epoch": 3.158333333333333, "grad_norm": 0.0, "learning_rate": 0.000170016, "loss": 0.062, "step": 379 }, { "epoch": 3.1666666666666665, "grad_norm": 0.0, "learning_rate": 0.00017046577777777777, "loss": 0.0983, "step": 380 }, { "epoch": 3.175, "grad_norm": 0.0, "learning_rate": 0.00017091555555555555, "loss": 0.0857, "step": 381 }, { "epoch": 3.183333333333333, "grad_norm": 0.0, "learning_rate": 0.00017136533333333333, "loss": 0.0659, "step": 382 }, { "epoch": 3.191666666666667, "grad_norm": 0.0, "learning_rate": 0.0001718151111111111, "loss": 0.0618, "step": 383 }, { "epoch": 3.2, "grad_norm": 0.0, "learning_rate": 0.0001722648888888889, "loss": 0.0526, "step": 384 }, { "epoch": 3.2083333333333335, "grad_norm": 0.0, "learning_rate": 0.00017271466666666667, "loss": 0.0763, "step": 385 }, { "epoch": 3.216666666666667, "grad_norm": 0.0, "learning_rate": 0.00017316444444444442, "loss": 0.0771, "step": 386 }, { "epoch": 3.225, "grad_norm": 0.0, "learning_rate": 0.0001736142222222222, "loss": 0.066, "step": 387 }, { "epoch": 3.2333333333333334, "grad_norm": 0.0, "learning_rate": 0.00017406399999999998, "loss": 0.0714, "step": 388 }, { "epoch": 3.2416666666666667, "grad_norm": 0.0, "learning_rate": 0.00017451377777777776, "loss": 0.0555, "step": 389 }, { "epoch": 3.25, "grad_norm": 0.0, "learning_rate": 0.00017496355555555554, "loss": 0.0605, "step": 390 }, { "epoch": 3.25, "eval_loss": 0.08554459363222122, "eval_runtime": 52.4745, "eval_samples_per_second": 6.632, "eval_steps_per_second": 1.658, "step": 390 }, { "epoch": 3.2583333333333333, "grad_norm": 0.0, "learning_rate": 0.00017541333333333332, "loss": 0.0689, "step": 391 }, { "epoch": 3.2666666666666666, "grad_norm": 0.0, "learning_rate": 0.0001758631111111111, "loss": 0.0905, "step": 392 }, { "epoch": 3.275, "grad_norm": 0.0, "learning_rate": 0.00017631288888888887, "loss": 0.0704, "step": 393 }, { "epoch": 3.283333333333333, "grad_norm": 0.0, "learning_rate": 0.00017676266666666665, "loss": 0.078, "step": 394 }, { "epoch": 3.2916666666666665, "grad_norm": 0.0, "learning_rate": 0.00017721244444444443, "loss": 0.0452, "step": 395 }, { "epoch": 3.3, "grad_norm": 0.0, "learning_rate": 0.0001776622222222222, "loss": 0.0723, "step": 396 }, { "epoch": 3.3083333333333336, "grad_norm": 0.0, "learning_rate": 0.000178112, "loss": 0.0684, "step": 397 }, { "epoch": 3.3166666666666664, "grad_norm": 0.0, "learning_rate": 0.00017856177777777777, "loss": 0.0607, "step": 398 }, { "epoch": 3.325, "grad_norm": 0.0, "learning_rate": 0.00017901155555555555, "loss": 0.0749, "step": 399 }, { "epoch": 3.3333333333333335, "grad_norm": 0.0, "learning_rate": 0.00017946133333333333, "loss": 0.0824, "step": 400 }, { "epoch": 3.341666666666667, "grad_norm": 0.0, "learning_rate": 0.00017991111111111108, "loss": 0.0887, "step": 401 }, { "epoch": 3.35, "grad_norm": 0.0, "learning_rate": 0.00018036088888888886, "loss": 0.071, "step": 402 }, { "epoch": 3.3583333333333334, "grad_norm": 0.0, "learning_rate": 0.00018081066666666664, "loss": 0.0612, "step": 403 }, { "epoch": 3.3666666666666667, "grad_norm": 0.0, "learning_rate": 0.00018126044444444442, "loss": 0.0549, "step": 404 }, { "epoch": 3.375, "grad_norm": 0.0, "learning_rate": 0.00018171022222222223, "loss": 0.0457, "step": 405 }, { "epoch": 3.375, "eval_loss": 0.07573261111974716, "eval_runtime": 52.4896, "eval_samples_per_second": 6.63, "eval_steps_per_second": 1.657, "step": 405 }, { "epoch": 3.3833333333333333, "grad_norm": 0.0, "learning_rate": 0.00018216, "loss": 0.0722, "step": 406 }, { "epoch": 3.3916666666666666, "grad_norm": 0.0, "learning_rate": 0.00018260977777777778, "loss": 0.0446, "step": 407 }, { "epoch": 3.4, "grad_norm": 0.0, "learning_rate": 0.00018305955555555556, "loss": 0.0574, "step": 408 }, { "epoch": 3.408333333333333, "grad_norm": 0.0, "learning_rate": 0.00018350933333333331, "loss": 0.0426, "step": 409 }, { "epoch": 3.4166666666666665, "grad_norm": 0.0, "learning_rate": 0.0001839591111111111, "loss": 0.071, "step": 410 }, { "epoch": 3.425, "grad_norm": 0.0, "learning_rate": 0.00018440888888888887, "loss": 0.0387, "step": 411 }, { "epoch": 3.4333333333333336, "grad_norm": 0.0, "learning_rate": 0.00018485866666666665, "loss": 0.0563, "step": 412 }, { "epoch": 3.4416666666666664, "grad_norm": 0.0, "learning_rate": 0.00018530844444444443, "loss": 0.054, "step": 413 }, { "epoch": 3.45, "grad_norm": 0.0, "learning_rate": 0.0001857582222222222, "loss": 0.056, "step": 414 }, { "epoch": 3.4583333333333335, "grad_norm": 0.0, "learning_rate": 0.000186208, "loss": 0.0457, "step": 415 }, { "epoch": 3.466666666666667, "grad_norm": 0.0, "learning_rate": 0.00018665777777777777, "loss": 0.0506, "step": 416 }, { "epoch": 3.475, "grad_norm": 0.0, "learning_rate": 0.00018710755555555552, "loss": 0.0563, "step": 417 }, { "epoch": 3.4833333333333334, "grad_norm": 0.0, "learning_rate": 0.00018755733333333333, "loss": 0.0605, "step": 418 }, { "epoch": 3.4916666666666667, "grad_norm": 0.0, "learning_rate": 0.0001880071111111111, "loss": 0.0414, "step": 419 }, { "epoch": 3.5, "grad_norm": 0.0, "learning_rate": 0.00018845688888888889, "loss": 0.052, "step": 420 }, { "epoch": 3.5, "eval_loss": 0.07001237571239471, "eval_runtime": 254.9703, "eval_samples_per_second": 1.365, "eval_steps_per_second": 0.341, "step": 420 }, { "epoch": 3.5083333333333333, "grad_norm": 0.0, "learning_rate": 0.00018890666666666667, "loss": 0.058, "step": 421 }, { "epoch": 3.5166666666666666, "grad_norm": 0.0, "learning_rate": 0.00018935644444444444, "loss": 0.0433, "step": 422 }, { "epoch": 3.525, "grad_norm": 0.0, "learning_rate": 0.00018980622222222222, "loss": 0.0556, "step": 423 }, { "epoch": 3.533333333333333, "grad_norm": 0.0, "learning_rate": 0.00019025599999999998, "loss": 0.0416, "step": 424 }, { "epoch": 3.5416666666666665, "grad_norm": 0.0, "learning_rate": 0.00019070577777777775, "loss": 0.043, "step": 425 }, { "epoch": 3.55, "grad_norm": 0.0, "learning_rate": 0.00019115555555555553, "loss": 0.0524, "step": 426 }, { "epoch": 3.5583333333333336, "grad_norm": 0.0, "learning_rate": 0.0001916053333333333, "loss": 0.0512, "step": 427 }, { "epoch": 3.5666666666666664, "grad_norm": 0.0, "learning_rate": 0.0001920551111111111, "loss": 0.0482, "step": 428 }, { "epoch": 3.575, "grad_norm": 0.0, "learning_rate": 0.00019250488888888887, "loss": 0.0727, "step": 429 }, { "epoch": 3.5833333333333335, "grad_norm": 0.0, "learning_rate": 0.00019295466666666665, "loss": 0.068, "step": 430 }, { "epoch": 3.591666666666667, "grad_norm": 0.0, "learning_rate": 0.00019340444444444443, "loss": 0.0536, "step": 431 }, { "epoch": 3.6, "grad_norm": 0.0, "learning_rate": 0.0001938542222222222, "loss": 0.0508, "step": 432 }, { "epoch": 3.6083333333333334, "grad_norm": 0.0, "learning_rate": 0.000194304, "loss": 0.0531, "step": 433 }, { "epoch": 3.6166666666666667, "grad_norm": 0.0, "learning_rate": 0.00019475377777777777, "loss": 0.0569, "step": 434 }, { "epoch": 3.625, "grad_norm": 0.0, "learning_rate": 0.00019520355555555555, "loss": 0.0634, "step": 435 }, { "epoch": 3.625, "eval_loss": 0.06579854339361191, "eval_runtime": 52.0968, "eval_samples_per_second": 6.68, "eval_steps_per_second": 1.67, "step": 435 }, { "epoch": 3.6333333333333333, "grad_norm": 0.0, "learning_rate": 0.00019565333333333333, "loss": 0.0535, "step": 436 }, { "epoch": 3.6416666666666666, "grad_norm": 0.0, "learning_rate": 0.0001961031111111111, "loss": 0.051, "step": 437 }, { "epoch": 3.65, "grad_norm": 0.0, "learning_rate": 0.00019655288888888888, "loss": 0.0482, "step": 438 }, { "epoch": 3.658333333333333, "grad_norm": 0.0, "learning_rate": 0.00019700266666666666, "loss": 0.0589, "step": 439 }, { "epoch": 3.6666666666666665, "grad_norm": 0.0, "learning_rate": 0.00019745244444444442, "loss": 0.0587, "step": 440 }, { "epoch": 3.675, "grad_norm": 0.0, "learning_rate": 0.0001979022222222222, "loss": 0.0566, "step": 441 }, { "epoch": 3.6833333333333336, "grad_norm": 0.0, "learning_rate": 0.00019835199999999997, "loss": 0.054, "step": 442 }, { "epoch": 3.6916666666666664, "grad_norm": 0.0, "learning_rate": 0.00019880177777777775, "loss": 0.0535, "step": 443 }, { "epoch": 3.7, "grad_norm": 0.0, "learning_rate": 0.00019925155555555553, "loss": 0.0537, "step": 444 }, { "epoch": 3.7083333333333335, "grad_norm": 0.0, "learning_rate": 0.00019970133333333334, "loss": 0.0486, "step": 445 }, { "epoch": 3.716666666666667, "grad_norm": 0.0, "learning_rate": 0.00020015111111111112, "loss": 0.0609, "step": 446 }, { "epoch": 3.725, "grad_norm": 0.0, "learning_rate": 0.0002006008888888889, "loss": 0.0543, "step": 447 }, { "epoch": 3.7333333333333334, "grad_norm": 0.0, "learning_rate": 0.00020105066666666665, "loss": 0.0542, "step": 448 }, { "epoch": 3.7416666666666667, "grad_norm": 0.0, "learning_rate": 0.00020150044444444443, "loss": 0.0371, "step": 449 }, { "epoch": 3.75, "grad_norm": 0.0, "learning_rate": 0.0002019502222222222, "loss": 0.0364, "step": 450 }, { "epoch": 3.75, "eval_loss": 0.062348127365112305, "eval_runtime": 52.3744, "eval_samples_per_second": 6.644, "eval_steps_per_second": 1.661, "step": 450 }, { "epoch": 3.7583333333333333, "grad_norm": 0.0, "learning_rate": 0.0002024, "loss": 0.0509, "step": 451 }, { "epoch": 3.7666666666666666, "grad_norm": 0.0, "learning_rate": 0.00020237780516765434, "loss": 0.0429, "step": 452 }, { "epoch": 3.775, "grad_norm": 0.0, "learning_rate": 0.00020231123040600446, "loss": 0.0418, "step": 453 }, { "epoch": 3.783333333333333, "grad_norm": 0.0, "learning_rate": 0.00020220030491694107, "loss": 0.0622, "step": 454 }, { "epoch": 3.7916666666666665, "grad_norm": 0.0, "learning_rate": 0.00020204507735604982, "loss": 0.0509, "step": 455 }, { "epoch": 3.8, "grad_norm": 0.0, "learning_rate": 0.00020184561581126925, "loss": 0.044, "step": 456 }, { "epoch": 3.8083333333333336, "grad_norm": 0.0, "learning_rate": 0.00020160200777302517, "loss": 0.0497, "step": 457 }, { "epoch": 3.8166666666666664, "grad_norm": 0.0, "learning_rate": 0.0002013143600958544, "loss": 0.036, "step": 458 }, { "epoch": 3.825, "grad_norm": 0.0, "learning_rate": 0.00020098279895153508, "loss": 0.0518, "step": 459 }, { "epoch": 3.8333333333333335, "grad_norm": 0.0, "learning_rate": 0.0002006074697737433, "loss": 0.0458, "step": 460 }, { "epoch": 3.841666666666667, "grad_norm": 0.0, "learning_rate": 0.00020018853719426112, "loss": 0.0518, "step": 461 }, { "epoch": 3.85, "grad_norm": 0.0, "learning_rate": 0.0001997261849707638, "loss": 0.0572, "step": 462 }, { "epoch": 3.8583333333333334, "grad_norm": 0.0, "learning_rate": 0.00019922061590621745, "loss": 0.038, "step": 463 }, { "epoch": 3.8666666666666667, "grad_norm": 0.0, "learning_rate": 0.000198672051759923, "loss": 0.0456, "step": 464 }, { "epoch": 3.875, "grad_norm": 0.0, "learning_rate": 0.00019808073315024519, "loss": 0.045, "step": 465 }, { "epoch": 3.875, "eval_loss": 0.060108914971351624, "eval_runtime": 52.0507, "eval_samples_per_second": 6.686, "eval_steps_per_second": 1.671, "step": 465 }, { "epoch": 3.8833333333333333, "grad_norm": 0.0, "learning_rate": 0.00019744691944906953, "loss": 0.0451, "step": 466 }, { "epoch": 3.8916666666666666, "grad_norm": 0.0, "learning_rate": 0.00019677088866803307, "loss": 0.0555, "step": 467 }, { "epoch": 3.9, "grad_norm": 0.0, "learning_rate": 0.00019605293733657942, "loss": 0.0441, "step": 468 }, { "epoch": 3.908333333333333, "grad_norm": 0.0, "learning_rate": 0.00019529338037189102, "loss": 0.0437, "step": 469 }, { "epoch": 3.9166666666666665, "grad_norm": 0.0, "learning_rate": 0.00019449255094075623, "loss": 0.0395, "step": 470 }, { "epoch": 3.925, "grad_norm": 0.0, "learning_rate": 0.00019365080031343119, "loss": 0.0519, "step": 471 }, { "epoch": 3.9333333333333336, "grad_norm": 0.0, "learning_rate": 0.00019276849770956118, "loss": 0.0554, "step": 472 }, { "epoch": 3.9416666666666664, "grad_norm": 0.0, "learning_rate": 0.00019184603013622857, "loss": 0.0543, "step": 473 }, { "epoch": 3.95, "grad_norm": 0.0, "learning_rate": 0.00019088380221819892, "loss": 0.052, "step": 474 }, { "epoch": 3.9583333333333335, "grad_norm": 0.0, "learning_rate": 0.00018988223602043897, "loss": 0.0478, "step": 475 }, { "epoch": 3.966666666666667, "grad_norm": 0.0, "learning_rate": 0.00018884177086298518, "loss": 0.0423, "step": 476 }, { "epoch": 3.975, "grad_norm": 0.0, "learning_rate": 0.00018776286312824326, "loss": 0.0601, "step": 477 }, { "epoch": 3.9833333333333334, "grad_norm": 0.0, "learning_rate": 0.0001866459860608039, "loss": 0.0463, "step": 478 }, { "epoch": 3.9916666666666667, "grad_norm": 0.0, "learning_rate": 0.00018549162955986206, "loss": 0.0335, "step": 479 }, { "epoch": 4.0, "grad_norm": 0.0, "learning_rate": 0.00018430029996433083, "loss": 0.0395, "step": 480 }, { "epoch": 4.0, "eval_loss": 0.05822588875889778, "eval_runtime": 52.1323, "eval_samples_per_second": 6.675, "eval_steps_per_second": 1.669, "step": 480 }, { "epoch": 4.008333333333334, "grad_norm": 0.0, "learning_rate": 0.00018307251983074466, "loss": 0.0571, "step": 481 }, { "epoch": 4.016666666666667, "grad_norm": 0.0, "learning_rate": 0.00018180882770404866, "loss": 0.0292, "step": 482 }, { "epoch": 4.025, "grad_norm": 0.0, "learning_rate": 0.00018050977788137498, "loss": 0.0394, "step": 483 }, { "epoch": 4.033333333333333, "grad_norm": 0.0, "learning_rate": 0.00017917594016890985, "loss": 0.0398, "step": 484 }, { "epoch": 4.041666666666667, "grad_norm": 0.0, "learning_rate": 0.00017780789963195773, "loss": 0.0486, "step": 485 }, { "epoch": 4.05, "grad_norm": 0.0, "learning_rate": 0.00017640625633831228, "loss": 0.0524, "step": 486 }, { "epoch": 4.058333333333334, "grad_norm": 0.0, "learning_rate": 0.00017497162509504683, "loss": 0.0456, "step": 487 }, { "epoch": 4.066666666666666, "grad_norm": 0.0, "learning_rate": 0.0001735046351788397, "loss": 0.0403, "step": 488 }, { "epoch": 4.075, "grad_norm": 0.0, "learning_rate": 0.00017200593005995256, "loss": 0.0478, "step": 489 }, { "epoch": 4.083333333333333, "grad_norm": 0.0, "learning_rate": 0.0001704761671199833, "loss": 0.0495, "step": 490 }, { "epoch": 4.091666666666667, "grad_norm": 0.0, "learning_rate": 0.00016891601736351643, "loss": 0.0603, "step": 491 }, { "epoch": 4.1, "grad_norm": 0.0, "learning_rate": 0.00016732616512379867, "loss": 0.0454, "step": 492 }, { "epoch": 4.108333333333333, "grad_norm": 0.0, "learning_rate": 0.0001657073077625674, "loss": 0.0448, "step": 493 }, { "epoch": 4.116666666666666, "grad_norm": 0.0, "learning_rate": 0.000164060155364165, "loss": 0.0359, "step": 494 }, { "epoch": 4.125, "grad_norm": 0.0, "learning_rate": 0.00016238543042407233, "loss": 0.0558, "step": 495 }, { "epoch": 4.125, "eval_loss": 0.05734207108616829, "eval_runtime": 256.7098, "eval_samples_per_second": 1.356, "eval_steps_per_second": 0.339, "step": 495 }, { "epoch": 4.133333333333334, "grad_norm": 0.0, "learning_rate": 0.00016068386753199826, "loss": 0.0362, "step": 496 }, { "epoch": 4.141666666666667, "grad_norm": 0.0, "learning_rate": 0.0001589562130496645, "loss": 0.0455, "step": 497 }, { "epoch": 4.15, "grad_norm": 0.0, "learning_rate": 0.0001572032247834264, "loss": 0.0444, "step": 498 }, { "epoch": 4.158333333333333, "grad_norm": 0.0, "learning_rate": 0.00015542567165187444, "loss": 0.0351, "step": 499 }, { "epoch": 4.166666666666667, "grad_norm": 0.0, "learning_rate": 0.00015362433334856077, "loss": 0.0476, "step": 500 }, { "epoch": 4.175, "grad_norm": 0.0, "learning_rate": 0.0001518, "loss": 0.0444, "step": 501 }, { "epoch": 4.183333333333334, "grad_norm": 0.0, "learning_rate": 0.00014995347181909357, "loss": 0.0439, "step": 502 }, { "epoch": 4.191666666666666, "grad_norm": 0.0, "learning_rate": 0.00014808555875413002, "loss": 0.0311, "step": 503 }, { "epoch": 4.2, "grad_norm": 0.0, "learning_rate": 0.00014619708013351466, "loss": 0.0362, "step": 504 }, { "epoch": 4.208333333333333, "grad_norm": 0.0, "learning_rate": 0.00014428886430638534, "loss": 0.046, "step": 505 }, { "epoch": 4.216666666666667, "grad_norm": 0.0, "learning_rate": 0.00014236174827927099, "loss": 0.0386, "step": 506 }, { "epoch": 4.225, "grad_norm": 0.0, "learning_rate": 0.0001404165773489528, "loss": 0.0402, "step": 507 }, { "epoch": 4.233333333333333, "grad_norm": 0.0, "learning_rate": 0.0001384542047316894, "loss": 0.0481, "step": 508 }, { "epoch": 4.241666666666666, "grad_norm": 0.0, "learning_rate": 0.0001364754911889677, "loss": 0.0289, "step": 509 }, { "epoch": 4.25, "grad_norm": 0.0, "learning_rate": 0.0001344813046499446, "loss": 0.0468, "step": 510 }, { "epoch": 4.25, "eval_loss": 0.05663458630442619, "eval_runtime": 51.5763, "eval_samples_per_second": 6.747, "eval_steps_per_second": 1.687, "step": 510 }, { "epoch": 4.258333333333334, "grad_norm": 0.0, "learning_rate": 0.00013247251983074468, "loss": 0.0392, "step": 511 }, { "epoch": 4.266666666666667, "grad_norm": 0.0, "learning_rate": 0.0001304500178507805, "loss": 0.0565, "step": 512 }, { "epoch": 4.275, "grad_norm": 0.0, "learning_rate": 0.00012841468584626488, "loss": 0.0451, "step": 513 }, { "epoch": 4.283333333333333, "grad_norm": 0.0, "learning_rate": 0.00012636741658108333, "loss": 0.0418, "step": 514 }, { "epoch": 4.291666666666667, "grad_norm": 0.0, "learning_rate": 0.00012430910805519835, "loss": 0.0453, "step": 515 }, { "epoch": 4.3, "grad_norm": 0.0, "learning_rate": 0.00012224066311075722, "loss": 0.0393, "step": 516 }, { "epoch": 4.308333333333334, "grad_norm": 0.0, "learning_rate": 0.00012016298903607535, "loss": 0.0413, "step": 517 }, { "epoch": 4.316666666666666, "grad_norm": 0.0, "learning_rate": 0.00011807699716766955, "loss": 0.0326, "step": 518 }, { "epoch": 4.325, "grad_norm": 0.0, "learning_rate": 0.00011598360249051606, "loss": 0.041, "step": 519 }, { "epoch": 4.333333333333333, "grad_norm": 0.0, "learning_rate": 0.00011388372323670758, "loss": 0.0377, "step": 520 }, { "epoch": 4.341666666666667, "grad_norm": 0.0, "learning_rate": 0.00011177828048268653, "loss": 0.0382, "step": 521 }, { "epoch": 4.35, "grad_norm": 0.0, "learning_rate": 0.00010966819774523035, "loss": 0.0573, "step": 522 }, { "epoch": 4.358333333333333, "grad_norm": 0.0, "learning_rate": 0.00010755440057636652, "loss": 0.041, "step": 523 }, { "epoch": 4.366666666666666, "grad_norm": 0.0, "learning_rate": 0.00010543781615739499, "loss": 0.0364, "step": 524 }, { "epoch": 4.375, "grad_norm": 0.0, "learning_rate": 0.00010331937289219572, "loss": 0.0399, "step": 525 }, { "epoch": 4.375, "eval_loss": 0.05623021721839905, "eval_runtime": 51.9157, "eval_samples_per_second": 6.703, "eval_steps_per_second": 1.676, "step": 525 }, { "epoch": 4.383333333333334, "grad_norm": 0.0, "learning_rate": 0.0001012, "loss": 0.0271, "step": 526 }, { "epoch": 4.391666666666667, "grad_norm": 0.0, "learning_rate": 9.908062710780428e-05, "loss": 0.04, "step": 527 }, { "epoch": 4.4, "grad_norm": 0.0, "learning_rate": 9.696218384260501e-05, "loss": 0.0484, "step": 528 }, { "epoch": 4.408333333333333, "grad_norm": 0.0, "learning_rate": 9.484559942363348e-05, "loss": 0.0502, "step": 529 }, { "epoch": 4.416666666666667, "grad_norm": 0.0, "learning_rate": 9.273180225476969e-05, "loss": 0.0438, "step": 530 }, { "epoch": 4.425, "grad_norm": 0.0, "learning_rate": 9.062171951731349e-05, "loss": 0.0492, "step": 531 }, { "epoch": 4.433333333333334, "grad_norm": 0.0, "learning_rate": 8.85162767632924e-05, "loss": 0.0444, "step": 532 }, { "epoch": 4.441666666666666, "grad_norm": 0.0, "learning_rate": 8.641639750948395e-05, "loss": 0.0369, "step": 533 }, { "epoch": 4.45, "grad_norm": 0.0, "learning_rate": 8.432300283233045e-05, "loss": 0.0338, "step": 534 }, { "epoch": 4.458333333333333, "grad_norm": 0.0, "learning_rate": 8.223701096392464e-05, "loss": 0.0385, "step": 535 }, { "epoch": 4.466666666666667, "grad_norm": 0.0, "learning_rate": 8.015933688924277e-05, "loss": 0.0401, "step": 536 }, { "epoch": 4.475, "grad_norm": 0.0, "learning_rate": 7.809089194480163e-05, "loss": 0.036, "step": 537 }, { "epoch": 4.483333333333333, "grad_norm": 0.0, "learning_rate": 7.603258341891671e-05, "loss": 0.0313, "step": 538 }, { "epoch": 4.491666666666666, "grad_norm": 0.0, "learning_rate": 7.398531415373511e-05, "loss": 0.0403, "step": 539 }, { "epoch": 4.5, "grad_norm": 0.0, "learning_rate": 7.194998214921945e-05, "loss": 0.0337, "step": 540 }, { "epoch": 4.5, "eval_loss": 0.05599315091967583, "eval_runtime": 53.0063, "eval_samples_per_second": 6.565, "eval_steps_per_second": 1.641, "step": 540 }, { "epoch": 4.508333333333333, "grad_norm": 0.0, "learning_rate": 6.992748016925532e-05, "loss": 0.0455, "step": 541 }, { "epoch": 4.516666666666667, "grad_norm": 0.0, "learning_rate": 6.791869535005538e-05, "loss": 0.0439, "step": 542 }, { "epoch": 4.525, "grad_norm": 0.0, "learning_rate": 6.592450881103232e-05, "loss": 0.0364, "step": 543 }, { "epoch": 4.533333333333333, "grad_norm": 0.0, "learning_rate": 6.39457952683106e-05, "loss": 0.044, "step": 544 }, { "epoch": 4.541666666666667, "grad_norm": 0.0, "learning_rate": 6.198342265104718e-05, "loss": 0.0347, "step": 545 }, { "epoch": 4.55, "grad_norm": 0.0, "learning_rate": 6.003825172072903e-05, "loss": 0.0429, "step": 546 }, { "epoch": 4.558333333333334, "grad_norm": 0.0, "learning_rate": 5.811113569361464e-05, "loss": 0.0424, "step": 547 }, { "epoch": 4.566666666666666, "grad_norm": 0.0, "learning_rate": 5.620291986648536e-05, "loss": 0.0422, "step": 548 }, { "epoch": 4.575, "grad_norm": 0.0, "learning_rate": 5.431444124587001e-05, "loss": 0.0406, "step": 549 }, { "epoch": 4.583333333333333, "grad_norm": 0.0, "learning_rate": 5.244652818090639e-05, "loss": 0.0388, "step": 550 }, { "epoch": 4.591666666666667, "grad_norm": 0.0, "learning_rate": 5.060000000000002e-05, "loss": 0.0451, "step": 551 }, { "epoch": 4.6, "grad_norm": 0.0, "learning_rate": 4.877566665143923e-05, "loss": 0.046, "step": 552 }, { "epoch": 4.608333333333333, "grad_norm": 0.0, "learning_rate": 4.697432834812551e-05, "loss": 0.0422, "step": 553 }, { "epoch": 4.616666666666667, "grad_norm": 0.0, "learning_rate": 4.5196775216573584e-05, "loss": 0.0415, "step": 554 }, { "epoch": 4.625, "grad_norm": 0.0, "learning_rate": 4.344378695033552e-05, "loss": 0.0413, "step": 555 }, { "epoch": 4.625, "eval_loss": 0.05588337779045105, "eval_runtime": 52.2287, "eval_samples_per_second": 6.663, "eval_steps_per_second": 1.666, "step": 555 }, { "epoch": 4.633333333333333, "grad_norm": 0.0, "learning_rate": 4.171613246800173e-05, "loss": 0.0464, "step": 556 }, { "epoch": 4.641666666666667, "grad_norm": 0.0, "learning_rate": 4.001456957592766e-05, "loss": 0.0429, "step": 557 }, { "epoch": 4.65, "grad_norm": 0.0, "learning_rate": 3.8339844635834994e-05, "loss": 0.0479, "step": 558 }, { "epoch": 4.658333333333333, "grad_norm": 0.0, "learning_rate": 3.66926922374326e-05, "loss": 0.048, "step": 559 }, { "epoch": 4.666666666666667, "grad_norm": 0.0, "learning_rate": 3.507383487620132e-05, "loss": 0.0482, "step": 560 }, { "epoch": 4.675, "grad_norm": 0.0, "learning_rate": 3.348398263648358e-05, "loss": 0.0515, "step": 561 }, { "epoch": 4.683333333333334, "grad_norm": 0.0, "learning_rate": 3.1923832880016697e-05, "loss": 0.0318, "step": 562 }, { "epoch": 4.691666666666666, "grad_norm": 0.0, "learning_rate": 3.0394069940047407e-05, "loss": 0.0427, "step": 563 }, { "epoch": 4.7, "grad_norm": 0.0, "learning_rate": 2.889536482116032e-05, "loss": 0.0406, "step": 564 }, { "epoch": 4.708333333333333, "grad_norm": 0.0, "learning_rate": 2.742837490495317e-05, "loss": 0.0427, "step": 565 }, { "epoch": 4.716666666666667, "grad_norm": 0.0, "learning_rate": 2.599374366168769e-05, "loss": 0.04, "step": 566 }, { "epoch": 4.725, "grad_norm": 0.0, "learning_rate": 2.459210036804226e-05, "loss": 0.0374, "step": 567 }, { "epoch": 4.733333333333333, "grad_norm": 0.0, "learning_rate": 2.322405983109014e-05, "loss": 0.0458, "step": 568 }, { "epoch": 4.741666666666667, "grad_norm": 0.0, "learning_rate": 2.189022211862502e-05, "loss": 0.0452, "step": 569 }, { "epoch": 4.75, "grad_norm": 0.0, "learning_rate": 2.0591172295951337e-05, "loss": 0.0318, "step": 570 }, { "epoch": 4.75, "eval_loss": 0.05583528056740761, "eval_runtime": 290.8676, "eval_samples_per_second": 1.196, "eval_steps_per_second": 0.299, "step": 570 }, { "epoch": 4.758333333333333, "grad_norm": 0.0, "learning_rate": 1.932748016925533e-05, "loss": 0.0364, "step": 571 }, { "epoch": 4.766666666666667, "grad_norm": 0.0, "learning_rate": 1.809970003566915e-05, "loss": 0.0416, "step": 572 }, { "epoch": 4.775, "grad_norm": 0.0, "learning_rate": 1.6908370440137937e-05, "loss": 0.0462, "step": 573 }, { "epoch": 4.783333333333333, "grad_norm": 0.0, "learning_rate": 1.5754013939196096e-05, "loss": 0.0397, "step": 574 }, { "epoch": 4.791666666666667, "grad_norm": 0.0, "learning_rate": 1.4637136871756732e-05, "loss": 0.0364, "step": 575 }, { "epoch": 4.8, "grad_norm": 0.0, "learning_rate": 1.3558229137014802e-05, "loss": 0.0482, "step": 576 }, { "epoch": 4.808333333333334, "grad_norm": 0.0, "learning_rate": 1.2517763979561028e-05, "loss": 0.0518, "step": 577 }, { "epoch": 4.816666666666666, "grad_norm": 0.0, "learning_rate": 1.1516197781801068e-05, "loss": 0.0354, "step": 578 }, { "epoch": 4.825, "grad_norm": 0.0, "learning_rate": 1.0553969863771414e-05, "loss": 0.0557, "step": 579 }, { "epoch": 4.833333333333333, "grad_norm": 0.0, "learning_rate": 9.63150229043884e-06, "loss": 0.0375, "step": 580 }, { "epoch": 4.841666666666667, "grad_norm": 0.0, "learning_rate": 8.749199686568781e-06, "loss": 0.0516, "step": 581 }, { "epoch": 4.85, "grad_norm": 0.0, "learning_rate": 7.907449059243758e-06, "loss": 0.0423, "step": 582 }, { "epoch": 4.858333333333333, "grad_norm": 0.0, "learning_rate": 7.1066196281089635e-06, "loss": 0.0412, "step": 583 }, { "epoch": 4.866666666666667, "grad_norm": 0.0, "learning_rate": 6.347062663420584e-06, "loss": 0.0477, "step": 584 }, { "epoch": 4.875, "grad_norm": 0.0, "learning_rate": 5.6291113319669226e-06, "loss": 0.0435, "step": 585 }, { "epoch": 4.875, "eval_loss": 0.0558074526488781, "eval_runtime": 51.5841, "eval_samples_per_second": 6.746, "eval_steps_per_second": 1.687, "step": 585 }, { "epoch": 4.883333333333333, "grad_norm": 0.0, "learning_rate": 4.953080550930462e-06, "loss": 0.0407, "step": 586 }, { "epoch": 4.891666666666667, "grad_norm": 0.0, "learning_rate": 4.319266849754795e-06, "loss": 0.0496, "step": 587 }, { "epoch": 4.9, "grad_norm": 0.0, "learning_rate": 3.7279482400769995e-06, "loss": 0.0444, "step": 588 }, { "epoch": 4.908333333333333, "grad_norm": 0.0, "learning_rate": 3.179384093782535e-06, "loss": 0.0401, "step": 589 }, { "epoch": 4.916666666666667, "grad_norm": 0.0, "learning_rate": 2.6738150292361785e-06, "loss": 0.038, "step": 590 }, { "epoch": 4.925, "grad_norm": 0.0, "learning_rate": 2.2114628057388643e-06, "loss": 0.0451, "step": 591 }, { "epoch": 4.933333333333334, "grad_norm": 0.0, "learning_rate": 1.7925302262567125e-06, "loss": 0.0328, "step": 592 }, { "epoch": 4.941666666666666, "grad_norm": 0.0, "learning_rate": 1.417201048464907e-06, "loss": 0.0336, "step": 593 }, { "epoch": 4.95, "grad_norm": 0.0, "learning_rate": 1.0856399041455808e-06, "loss": 0.0404, "step": 594 }, { "epoch": 4.958333333333333, "grad_norm": 0.0, "learning_rate": 7.979922269748501e-07, "loss": 0.0417, "step": 595 }, { "epoch": 4.966666666666667, "grad_norm": 0.0, "learning_rate": 5.54384188730743e-07, "loss": 0.0395, "step": 596 }, { "epoch": 4.975, "grad_norm": 0.0, "learning_rate": 3.5492264395015774e-07, "loss": 0.047, "step": 597 }, { "epoch": 4.983333333333333, "grad_norm": 0.0, "learning_rate": 1.996950830589182e-07, "loss": 0.0325, "step": 598 }, { "epoch": 4.991666666666667, "grad_norm": 0.0, "learning_rate": 8.876959399553161e-08, "loss": 0.029, "step": 599 }, { "epoch": 5.0, "grad_norm": 0.0, "learning_rate": 2.2194832345635438e-08, "loss": 0.0445, "step": 600 }, { "epoch": 5.0, "eval_loss": 0.05582203343510628, "eval_runtime": 52.4883, "eval_samples_per_second": 6.63, "eval_steps_per_second": 1.658, "step": 600 } ], "logging_steps": 1, "max_steps": 600, "num_input_tokens_seen": 0, "num_train_epochs": 5, "save_steps": 120, "stateful_callbacks": { "TrainerControl": { "args": { "should_epoch_stop": false, "should_evaluate": false, "should_log": false, "should_save": true, "should_training_stop": true }, "attributes": {} } }, "total_flos": 1.739060197982208e+18, "train_batch_size": 4, "trial_name": null, "trial_params": null }