{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 13.041666666666666,
  "eval_steps": 500,
  "global_step": 78,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 1.1271398067474365,
      "learning_rate": 2e-05,
      "loss": 2.9584,
      "step": 1
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 1.422092080116272,
      "learning_rate": 4e-05,
      "loss": 3.2009,
      "step": 2
    },
    {
      "epoch": 0.5,
      "grad_norm": 1.1738420724868774,
      "learning_rate": 6e-05,
      "loss": 2.4122,
      "step": 3
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 1.6034629344940186,
      "learning_rate": 8e-05,
      "loss": 3.3344,
      "step": 4
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 1.4037781953811646,
      "learning_rate": 0.0001,
      "loss": 3.0513,
      "step": 5
    },
    {
      "epoch": 1.0,
      "grad_norm": 1.3824858665466309,
      "learning_rate": 0.00012,
      "loss": 2.8625,
      "step": 6
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 1.5012552738189697,
      "learning_rate": 0.00014,
      "loss": 2.3477,
      "step": 7
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 1.2384544610977173,
      "learning_rate": 0.00016,
      "loss": 2.2554,
      "step": 8
    },
    {
      "epoch": 1.5,
      "grad_norm": 1.276849627494812,
      "learning_rate": 0.00018,
      "loss": 1.9606,
      "step": 9
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 4.319679260253906,
      "learning_rate": 0.0002,
      "loss": 1.6649,
      "step": 10
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 2.108405590057373,
      "learning_rate": 0.00019990989662046818,
      "loss": 1.6686,
      "step": 11
    },
    {
      "epoch": 2.0,
      "grad_norm": 1.5001091957092285,
      "learning_rate": 0.00019963974885425266,
      "loss": 1.5168,
      "step": 12
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 1.2782559394836426,
      "learning_rate": 0.00019919004352588767,
      "loss": 1.259,
      "step": 13
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 0.8510739207267761,
      "learning_rate": 0.00019856159103477086,
      "loss": 1.3734,
      "step": 14
    },
    {
      "epoch": 2.5,
      "grad_norm": 1.029380440711975,
      "learning_rate": 0.00019775552389476864,
      "loss": 1.0973,
      "step": 15
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.9332380294799805,
      "learning_rate": 0.0001967732946933499,
      "loss": 1.1187,
      "step": 16
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.40721994638442993,
      "learning_rate": 0.00019561667347392508,
      "loss": 1.0731,
      "step": 17
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.37097784876823425,
      "learning_rate": 0.00019428774454610843,
      "loss": 0.9648,
      "step": 18
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 0.9125034213066101,
      "learning_rate": 0.00019278890272965096,
      "loss": 1.0488,
      "step": 19
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.33954763412475586,
      "learning_rate": 0.0001911228490388136,
      "loss": 0.7104,
      "step": 20
    },
    {
      "epoch": 3.5,
      "grad_norm": 0.5465924143791199,
      "learning_rate": 0.00018929258581495685,
      "loss": 0.8922,
      "step": 21
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 0.5326284766197205,
      "learning_rate": 0.00018730141131611882,
      "loss": 0.832,
      "step": 22
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 0.3010997474193573,
      "learning_rate": 0.00018515291377333112,
      "loss": 0.6993,
      "step": 23
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.3331871032714844,
      "learning_rate": 0.00018285096492438424,
      "loss": 0.86,
      "step": 24
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 0.36899134516716003,
      "learning_rate": 0.00018039971303669407,
      "loss": 0.6736,
      "step": 25
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 0.7599577903747559,
      "learning_rate": 0.00017780357543184397,
      "loss": 0.755,
      "step": 26
    },
    {
      "epoch": 4.5,
      "grad_norm": 0.30434125661849976,
      "learning_rate": 0.00017506723052527242,
      "loss": 0.5069,
      "step": 27
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 0.34017109870910645,
      "learning_rate": 0.00017219560939545246,
      "loss": 0.6245,
      "step": 28
    },
    {
      "epoch": 4.833333333333333,
      "grad_norm": 0.35667353868484497,
      "learning_rate": 0.00016919388689775464,
      "loss": 0.6572,
      "step": 29
    },
    {
      "epoch": 5.0,
      "grad_norm": 0.27407756447792053,
      "learning_rate": 0.00016606747233900815,
      "loss": 0.5943,
      "step": 30
    },
    {
      "epoch": 5.166666666666667,
      "grad_norm": 0.3013049066066742,
      "learning_rate": 0.00016282199972956425,
      "loss": 0.5434,
      "step": 31
    },
    {
      "epoch": 5.333333333333333,
      "grad_norm": 0.27944543957710266,
      "learning_rate": 0.00015946331763042867,
      "loss": 0.4273,
      "step": 32
    },
    {
      "epoch": 5.5,
      "grad_norm": 0.25371015071868896,
      "learning_rate": 0.00015599747861375955,
      "loss": 0.4137,
      "step": 33
    },
    {
      "epoch": 5.666666666666667,
      "grad_norm": 0.2801273763179779,
      "learning_rate": 0.00015243072835572318,
      "loss": 0.5152,
      "step": 34
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 0.24503201246261597,
      "learning_rate": 0.00014876949438136347,
      "loss": 0.4069,
      "step": 35
    },
    {
      "epoch": 6.041666666666667,
      "grad_norm": 0.2870718240737915,
      "learning_rate": 0.00014502037448176734,
      "loss": 0.536,
      "step": 36
    },
    {
      "epoch": 6.208333333333333,
      "grad_norm": 0.22945798933506012,
      "learning_rate": 0.0001411901248243993,
      "loss": 0.2834,
      "step": 37
    },
    {
      "epoch": 6.375,
      "grad_norm": 0.2309902459383011,
      "learning_rate": 0.00013728564777803088,
      "loss": 0.2908,
      "step": 38
    },
    {
      "epoch": 6.541666666666667,
      "grad_norm": 0.3030891418457031,
      "learning_rate": 0.00013331397947420576,
      "loss": 0.3334,
      "step": 39
    },
    {
      "epoch": 6.708333333333333,
      "grad_norm": 0.20073279738426208,
      "learning_rate": 0.00012928227712765504,
      "loss": 0.2531,
      "step": 40
    },
    {
      "epoch": 6.875,
      "grad_norm": 0.2173294574022293,
      "learning_rate": 0.00012519780613851254,
      "loss": 0.3421,
      "step": 41
    },
    {
      "epoch": 7.041666666666667,
      "grad_norm": 0.18676938116550446,
      "learning_rate": 0.00012106792699957263,
      "loss": 0.2114,
      "step": 42
    },
    {
      "epoch": 7.166666666666667,
      "grad_norm": 0.25375601649284363,
      "learning_rate": 0.00011690008203218493,
      "loss": 0.2116,
      "step": 43
    },
    {
      "epoch": 7.333333333333333,
      "grad_norm": 0.20741993188858032,
      "learning_rate": 0.00011270178197468789,
      "loss": 0.2167,
      "step": 44
    },
    {
      "epoch": 7.5,
      "grad_norm": 0.19521987438201904,
      "learning_rate": 0.00010848059244755093,
      "loss": 0.1766,
      "step": 45
    },
    {
      "epoch": 7.666666666666667,
      "grad_norm": 0.1847311407327652,
      "learning_rate": 0.00010424412031961484,
      "loss": 0.2145,
      "step": 46
    },
    {
      "epoch": 7.833333333333333,
      "grad_norm": 0.36307504773139954,
      "learning_rate": 0.0001,
      "loss": 0.1616,
      "step": 47
    },
    {
      "epoch": 8.0,
      "grad_norm": 0.22532600164413452,
      "learning_rate": 9.57558796803852e-05,
      "loss": 0.1991,
      "step": 48
    },
    {
      "epoch": 8.166666666666666,
      "grad_norm": 0.4792623519897461,
      "learning_rate": 9.151940755244912e-05,
      "loss": 0.1564,
      "step": 49
    },
    {
      "epoch": 8.333333333333334,
      "grad_norm": 0.24092555046081543,
      "learning_rate": 8.729821802531212e-05,
      "loss": 0.1201,
      "step": 50
    },
    {
      "epoch": 8.5,
      "grad_norm": 0.17501050233840942,
      "learning_rate": 8.309991796781511e-05,
      "loss": 0.1065,
      "step": 51
    },
    {
      "epoch": 8.666666666666666,
      "grad_norm": 0.4367760419845581,
      "learning_rate": 7.89320730004274e-05,
      "loss": 0.1406,
      "step": 52
    },
    {
      "epoch": 8.833333333333334,
      "grad_norm": 0.20733828842639923,
      "learning_rate": 7.48021938614875e-05,
      "loss": 0.1129,
      "step": 53
    },
    {
      "epoch": 9.0,
      "grad_norm": 0.19014810025691986,
      "learning_rate": 7.071772287234497e-05,
      "loss": 0.1025,
      "step": 54
    },
    {
      "epoch": 9.166666666666666,
      "grad_norm": 0.16661641001701355,
      "learning_rate": 6.668602052579424e-05,
      "loss": 0.0843,
      "step": 55
    },
    {
      "epoch": 9.333333333333334,
      "grad_norm": 0.1476866900920868,
      "learning_rate": 6.271435222196916e-05,
      "loss": 0.0728,
      "step": 56
    },
    {
      "epoch": 9.5,
      "grad_norm": 0.20420700311660767,
      "learning_rate": 5.880987517560075e-05,
      "loss": 0.086,
      "step": 57
    },
    {
      "epoch": 9.666666666666666,
      "grad_norm": 0.1535949558019638,
      "learning_rate": 5.497962551823266e-05,
      "loss": 0.0615,
      "step": 58
    },
    {
      "epoch": 9.833333333333334,
      "grad_norm": 0.19429926574230194,
      "learning_rate": 5.123050561863657e-05,
      "loss": 0.081,
      "step": 59
    },
    {
      "epoch": 10.0,
      "grad_norm": 0.21439994871616364,
      "learning_rate": 4.756927164427685e-05,
      "loss": 0.0955,
      "step": 60
    },
    {
      "epoch": 10.166666666666666,
      "grad_norm": 0.1313120573759079,
      "learning_rate": 4.4002521386240466e-05,
      "loss": 0.0515,
      "step": 61
    },
    {
      "epoch": 10.333333333333334,
      "grad_norm": 0.14114493131637573,
      "learning_rate": 4.053668236957134e-05,
      "loss": 0.0486,
      "step": 62
    },
    {
      "epoch": 10.5,
      "grad_norm": 0.15726757049560547,
      "learning_rate": 3.717800027043576e-05,
      "loss": 0.0582,
      "step": 63
    },
    {
      "epoch": 10.666666666666666,
      "grad_norm": 0.13571308553218842,
      "learning_rate": 3.393252766099187e-05,
      "loss": 0.0477,
      "step": 64
    },
    {
      "epoch": 10.833333333333334,
      "grad_norm": 0.13939297199249268,
      "learning_rate": 3.080611310224539e-05,
      "loss": 0.0579,
      "step": 65
    },
    {
      "epoch": 11.041666666666666,
      "grad_norm": 0.21565848588943481,
      "learning_rate": 2.7804390604547557e-05,
      "loss": 0.0671,
      "step": 66
    },
    {
      "epoch": 11.208333333333334,
      "grad_norm": 0.12363166362047195,
      "learning_rate": 2.493276947472756e-05,
      "loss": 0.0479,
      "step": 67
    },
    {
      "epoch": 11.375,
      "grad_norm": 0.1485053449869156,
      "learning_rate": 2.2196424568156073e-05,
      "loss": 0.0441,
      "step": 68
    },
    {
      "epoch": 11.541666666666666,
      "grad_norm": 0.12759965658187866,
      "learning_rate": 1.9600286963305957e-05,
      "loss": 0.0333,
      "step": 69
    },
    {
      "epoch": 11.708333333333334,
      "grad_norm": 0.1261347383260727,
      "learning_rate": 1.7149035075615794e-05,
      "loss": 0.0362,
      "step": 70
    },
    {
      "epoch": 11.875,
      "grad_norm": 0.13846437633037567,
      "learning_rate": 1.4847086226668872e-05,
      "loss": 0.0424,
      "step": 71
    },
    {
      "epoch": 12.041666666666666,
      "grad_norm": 0.13384558260440826,
      "learning_rate": 1.2698588683881186e-05,
      "loss": 0.0379,
      "step": 72
    },
    {
      "epoch": 12.208333333333334,
      "grad_norm": 0.11773449927568436,
      "learning_rate": 1.0707414185043163e-05,
      "loss": 0.0378,
      "step": 73
    },
    {
      "epoch": 12.375,
      "grad_norm": 0.1243445873260498,
      "learning_rate": 8.87715096118642e-06,
      "loss": 0.0393,
      "step": 74
    },
    {
      "epoch": 12.541666666666666,
      "grad_norm": 0.11930937319993973,
      "learning_rate": 7.211097270349066e-06,
      "loss": 0.0321,
      "step": 75
    },
    {
      "epoch": 12.708333333333334,
      "grad_norm": 0.09208700060844421,
      "learning_rate": 5.71225545389158e-06,
      "loss": 0.0274,
      "step": 76
    },
    {
      "epoch": 12.875,
      "grad_norm": 0.1095806434750557,
      "learning_rate": 4.383326526074916e-06,
      "loss": 0.0258,
      "step": 77
    },
    {
      "epoch": 13.041666666666666,
      "grad_norm": 0.1109592393040657,
      "learning_rate": 3.226705306650113e-06,
      "loss": 0.0415,
      "step": 78
    }
  ],
  "logging_steps": 1,
  "max_steps": 84,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 14,
  "save_steps": 6,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 439125509406720.0,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}