{
  "best_metric": 0.7368421052631579,
  "best_model_checkpoint": "MAE-CT-CPC-Dicotomized-n0-m1-d1-v9/checkpoint-735",
  "epoch": 48.02,
  "eval_steps": 500,
  "global_step": 2400,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.004166666666666667,
      "grad_norm": 2.6540045738220215,
      "learning_rate": 4.1666666666666667e-07,
      "loss": 0.6936,
      "step": 10
    },
    {
      "epoch": 0.008333333333333333,
      "grad_norm": 3.005134344100952,
      "learning_rate": 8.333333333333333e-07,
      "loss": 0.6954,
      "step": 20
    },
    {
      "epoch": 0.0125,
      "grad_norm": 2.9051997661590576,
      "learning_rate": 1.25e-06,
      "loss": 0.6957,
      "step": 30
    },
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 5.865764617919922,
      "learning_rate": 1.6666666666666667e-06,
      "loss": 0.6819,
      "step": 40
    },
    {
      "epoch": 0.020416666666666666,
      "eval_accuracy": 0.5789473684210527,
      "eval_loss": 0.6640610694885254,
      "eval_runtime": 4.1603,
      "eval_samples_per_second": 4.567,
      "eval_steps_per_second": 1.202,
      "step": 49
    },
    {
      "epoch": 1.0004166666666667,
      "grad_norm": 2.7976856231689453,
      "learning_rate": 2.0833333333333334e-06,
      "loss": 0.6419,
      "step": 50
    },
    {
      "epoch": 1.0045833333333334,
      "grad_norm": 4.449363708496094,
      "learning_rate": 2.5e-06,
      "loss": 0.6596,
      "step": 60
    },
    {
      "epoch": 1.00875,
      "grad_norm": 3.9453043937683105,
      "learning_rate": 2.916666666666667e-06,
      "loss": 0.7489,
      "step": 70
    },
    {
      "epoch": 1.0129166666666667,
      "grad_norm": 4.261590480804443,
      "learning_rate": 3.3333333333333333e-06,
      "loss": 0.6614,
      "step": 80
    },
    {
      "epoch": 1.0170833333333333,
      "grad_norm": 8.211638450622559,
      "learning_rate": 3.7500000000000005e-06,
      "loss": 0.6201,
      "step": 90
    },
    {
      "epoch": 1.0204166666666667,
      "eval_accuracy": 0.5789473684210527,
      "eval_loss": 0.6367576718330383,
      "eval_runtime": 3.6676,
      "eval_samples_per_second": 5.181,
      "eval_steps_per_second": 1.363,
      "step": 98
    },
    {
      "epoch": 2.0008333333333335,
      "grad_norm": 5.028270244598389,
      "learning_rate": 4.166666666666667e-06,
      "loss": 0.6964,
      "step": 100
    },
    {
      "epoch": 2.005,
      "grad_norm": 4.883535861968994,
      "learning_rate": 4.583333333333333e-06,
      "loss": 0.6823,
      "step": 110
    },
    {
      "epoch": 2.0091666666666668,
      "grad_norm": 13.357542037963867,
      "learning_rate": 5e-06,
      "loss": 0.6742,
      "step": 120
    },
    {
      "epoch": 2.013333333333333,
      "grad_norm": 6.5849480628967285,
      "learning_rate": 5.416666666666667e-06,
      "loss": 0.5546,
      "step": 130
    },
    {
      "epoch": 2.0175,
      "grad_norm": 5.240979194641113,
      "learning_rate": 5.833333333333334e-06,
      "loss": 0.6787,
      "step": 140
    },
    {
      "epoch": 2.0204166666666667,
      "eval_accuracy": 0.5789473684210527,
      "eval_loss": 0.6108768582344055,
      "eval_runtime": 3.6774,
      "eval_samples_per_second": 5.167,
      "eval_steps_per_second": 1.36,
      "step": 147
    },
    {
      "epoch": 3.00125,
      "grad_norm": 7.692701816558838,
      "learning_rate": 6.25e-06,
      "loss": 0.7031,
      "step": 150
    },
    {
      "epoch": 3.0054166666666666,
      "grad_norm": 2.450507164001465,
      "learning_rate": 6.666666666666667e-06,
      "loss": 0.6611,
      "step": 160
    },
    {
      "epoch": 3.0095833333333335,
      "grad_norm": 7.620597839355469,
      "learning_rate": 7.083333333333335e-06,
      "loss": 0.6429,
      "step": 170
    },
    {
      "epoch": 3.01375,
      "grad_norm": 8.6759033203125,
      "learning_rate": 7.500000000000001e-06,
      "loss": 0.6269,
      "step": 180
    },
    {
      "epoch": 3.017916666666667,
      "grad_norm": 8.059222221374512,
      "learning_rate": 7.916666666666667e-06,
      "loss": 0.6484,
      "step": 190
    },
    {
      "epoch": 3.0204166666666667,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 0.6304681897163391,
      "eval_runtime": 3.616,
      "eval_samples_per_second": 5.254,
      "eval_steps_per_second": 1.383,
      "step": 196
    },
    {
      "epoch": 4.001666666666667,
      "grad_norm": 7.98549222946167,
      "learning_rate": 8.333333333333334e-06,
      "loss": 0.6938,
      "step": 200
    },
    {
      "epoch": 4.005833333333333,
      "grad_norm": 8.134982109069824,
      "learning_rate": 8.750000000000001e-06,
      "loss": 0.5986,
      "step": 210
    },
    {
      "epoch": 4.01,
      "grad_norm": 15.768097877502441,
      "learning_rate": 9.166666666666666e-06,
      "loss": 0.3969,
      "step": 220
    },
    {
      "epoch": 4.014166666666667,
      "grad_norm": 11.637251853942871,
      "learning_rate": 9.583333333333335e-06,
      "loss": 0.6835,
      "step": 230
    },
    {
      "epoch": 4.0183333333333335,
      "grad_norm": 63.66741180419922,
      "learning_rate": 1e-05,
      "loss": 0.6357,
      "step": 240
    },
    {
      "epoch": 4.020416666666667,
      "eval_accuracy": 0.5263157894736842,
      "eval_loss": 0.6793826818466187,
      "eval_runtime": 3.6154,
      "eval_samples_per_second": 5.255,
      "eval_steps_per_second": 1.383,
      "step": 245
    },
    {
      "epoch": 5.002083333333333,
      "grad_norm": 10.716292381286621,
      "learning_rate": 9.953703703703704e-06,
      "loss": 0.6267,
      "step": 250
    },
    {
      "epoch": 5.00625,
      "grad_norm": 10.738350868225098,
      "learning_rate": 9.907407407407408e-06,
      "loss": 0.6908,
      "step": 260
    },
    {
      "epoch": 5.010416666666667,
      "grad_norm": 7.5224690437316895,
      "learning_rate": 9.861111111111112e-06,
      "loss": 0.6093,
      "step": 270
    },
    {
      "epoch": 5.014583333333333,
      "grad_norm": 15.3920259475708,
      "learning_rate": 9.814814814814815e-06,
      "loss": 0.5489,
      "step": 280
    },
    {
      "epoch": 5.01875,
      "grad_norm": 17.959043502807617,
      "learning_rate": 9.768518518518519e-06,
      "loss": 0.5692,
      "step": 290
    },
    {
      "epoch": 5.020416666666667,
      "eval_accuracy": 0.5263157894736842,
      "eval_loss": 0.6937870979309082,
      "eval_runtime": 3.6363,
      "eval_samples_per_second": 5.225,
      "eval_steps_per_second": 1.375,
      "step": 294
    },
    {
      "epoch": 6.0025,
      "grad_norm": 22.7791690826416,
      "learning_rate": 9.722222222222223e-06,
      "loss": 0.6108,
      "step": 300
    },
    {
      "epoch": 6.006666666666667,
      "grad_norm": 12.141826629638672,
      "learning_rate": 9.675925925925926e-06,
      "loss": 0.7977,
      "step": 310
    },
    {
      "epoch": 6.010833333333333,
      "grad_norm": 14.286447525024414,
      "learning_rate": 9.62962962962963e-06,
      "loss": 0.5559,
      "step": 320
    },
    {
      "epoch": 6.015,
      "grad_norm": 12.041421890258789,
      "learning_rate": 9.583333333333335e-06,
      "loss": 0.5921,
      "step": 330
    },
    {
      "epoch": 6.019166666666667,
      "grad_norm": 14.011693000793457,
      "learning_rate": 9.537037037037037e-06,
      "loss": 0.658,
      "step": 340
    },
    {
      "epoch": 6.020416666666667,
      "eval_accuracy": 0.5789473684210527,
      "eval_loss": 0.6696313619613647,
      "eval_runtime": 3.7127,
      "eval_samples_per_second": 5.118,
      "eval_steps_per_second": 1.347,
      "step": 343
    },
    {
      "epoch": 7.002916666666667,
      "grad_norm": 5.979766845703125,
      "learning_rate": 9.490740740740741e-06,
      "loss": 0.5175,
      "step": 350
    },
    {
      "epoch": 7.007083333333333,
      "grad_norm": 10.06272029876709,
      "learning_rate": 9.444444444444445e-06,
      "loss": 0.5399,
      "step": 360
    },
    {
      "epoch": 7.01125,
      "grad_norm": 6.3305983543396,
      "learning_rate": 9.398148148148148e-06,
      "loss": 0.4964,
      "step": 370
    },
    {
      "epoch": 7.015416666666667,
      "grad_norm": 10.718533515930176,
      "learning_rate": 9.351851851851854e-06,
      "loss": 0.4526,
      "step": 380
    },
    {
      "epoch": 7.019583333333333,
      "grad_norm": 10.034852981567383,
      "learning_rate": 9.305555555555557e-06,
      "loss": 0.5112,
      "step": 390
    },
    {
      "epoch": 7.020416666666667,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 0.566916823387146,
      "eval_runtime": 3.6949,
      "eval_samples_per_second": 5.142,
      "eval_steps_per_second": 1.353,
      "step": 392
    },
    {
      "epoch": 8.003333333333334,
      "grad_norm": 12.490917205810547,
      "learning_rate": 9.25925925925926e-06,
      "loss": 0.7497,
      "step": 400
    },
    {
      "epoch": 8.0075,
      "grad_norm": 9.842666625976562,
      "learning_rate": 9.212962962962963e-06,
      "loss": 0.4709,
      "step": 410
    },
    {
      "epoch": 8.011666666666667,
      "grad_norm": 18.18292236328125,
      "learning_rate": 9.166666666666666e-06,
      "loss": 0.4979,
      "step": 420
    },
    {
      "epoch": 8.015833333333333,
      "grad_norm": 18.306493759155273,
      "learning_rate": 9.120370370370372e-06,
      "loss": 0.4218,
      "step": 430
    },
    {
      "epoch": 8.02,
      "grad_norm": 1.3783447742462158,
      "learning_rate": 9.074074074074075e-06,
      "loss": 0.3719,
      "step": 440
    },
    {
      "epoch": 8.020416666666666,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 0.8023158311843872,
      "eval_runtime": 3.6756,
      "eval_samples_per_second": 5.169,
      "eval_steps_per_second": 1.36,
      "step": 441
    },
    {
      "epoch": 9.00375,
      "grad_norm": 43.830078125,
      "learning_rate": 9.027777777777779e-06,
      "loss": 0.4791,
      "step": 450
    },
    {
      "epoch": 9.007916666666667,
      "grad_norm": 13.223751068115234,
      "learning_rate": 8.981481481481483e-06,
      "loss": 0.623,
      "step": 460
    },
    {
      "epoch": 9.012083333333333,
      "grad_norm": 48.20356369018555,
      "learning_rate": 8.935185185185186e-06,
      "loss": 0.3433,
      "step": 470
    },
    {
      "epoch": 9.01625,
      "grad_norm": 12.939654350280762,
      "learning_rate": 8.888888888888888e-06,
      "loss": 0.4031,
      "step": 480
    },
    {
      "epoch": 9.020416666666666,
      "grad_norm": 12.470285415649414,
      "learning_rate": 8.842592592592594e-06,
      "loss": 0.4573,
      "step": 490
    },
    {
      "epoch": 9.020416666666666,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 0.5990714430809021,
      "eval_runtime": 3.6148,
      "eval_samples_per_second": 5.256,
      "eval_steps_per_second": 1.383,
      "step": 490
    },
    {
      "epoch": 10.004166666666666,
      "grad_norm": 5.166864395141602,
      "learning_rate": 8.796296296296297e-06,
      "loss": 0.3944,
      "step": 500
    },
    {
      "epoch": 10.008333333333333,
      "grad_norm": 36.93327331542969,
      "learning_rate": 8.750000000000001e-06,
      "loss": 0.2934,
      "step": 510
    },
    {
      "epoch": 10.0125,
      "grad_norm": 2.9084632396698,
      "learning_rate": 8.703703703703705e-06,
      "loss": 0.3113,
      "step": 520
    },
    {
      "epoch": 10.016666666666667,
      "grad_norm": 25.439733505249023,
      "learning_rate": 8.657407407407408e-06,
      "loss": 0.2915,
      "step": 530
    },
    {
      "epoch": 10.020416666666666,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 0.7898865938186646,
      "eval_runtime": 3.6535,
      "eval_samples_per_second": 5.2,
      "eval_steps_per_second": 1.369,
      "step": 539
    },
    {
      "epoch": 11.000416666666666,
      "grad_norm": 46.3503532409668,
      "learning_rate": 8.611111111111112e-06,
      "loss": 0.5269,
      "step": 540
    },
    {
      "epoch": 11.004583333333333,
      "grad_norm": 0.9184814095497131,
      "learning_rate": 8.564814814814816e-06,
      "loss": 0.2812,
      "step": 550
    },
    {
      "epoch": 11.00875,
      "grad_norm": 0.12803786993026733,
      "learning_rate": 8.518518518518519e-06,
      "loss": 0.6738,
      "step": 560
    },
    {
      "epoch": 11.012916666666667,
      "grad_norm": 6.100522518157959,
      "learning_rate": 8.472222222222223e-06,
      "loss": 0.4429,
      "step": 570
    },
    {
      "epoch": 11.017083333333334,
      "grad_norm": 57.438533782958984,
      "learning_rate": 8.425925925925926e-06,
      "loss": 0.3723,
      "step": 580
    },
    {
      "epoch": 11.020416666666666,
      "eval_accuracy": 0.5263157894736842,
      "eval_loss": 0.9848392605781555,
      "eval_runtime": 3.676,
      "eval_samples_per_second": 5.169,
      "eval_steps_per_second": 1.36,
      "step": 588
    },
    {
      "epoch": 12.000833333333333,
      "grad_norm": 39.162044525146484,
      "learning_rate": 8.37962962962963e-06,
      "loss": 0.3971,
      "step": 590
    },
    {
      "epoch": 12.005,
      "grad_norm": 2.6625895500183105,
      "learning_rate": 8.333333333333334e-06,
      "loss": 0.423,
      "step": 600
    },
    {
      "epoch": 12.009166666666667,
      "grad_norm": 64.04193878173828,
      "learning_rate": 8.287037037037037e-06,
      "loss": 0.5011,
      "step": 610
    },
    {
      "epoch": 12.013333333333334,
      "grad_norm": 3.9968278408050537,
      "learning_rate": 8.240740740740741e-06,
      "loss": 0.3497,
      "step": 620
    },
    {
      "epoch": 12.0175,
      "grad_norm": 0.1798192709684372,
      "learning_rate": 8.194444444444445e-06,
      "loss": 0.1372,
      "step": 630
    },
    {
      "epoch": 12.020416666666666,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 0.9509623646736145,
      "eval_runtime": 3.68,
      "eval_samples_per_second": 5.163,
      "eval_steps_per_second": 1.359,
      "step": 637
    },
    {
      "epoch": 13.00125,
      "grad_norm": 0.18710507452487946,
      "learning_rate": 8.148148148148148e-06,
      "loss": 0.3299,
      "step": 640
    },
    {
      "epoch": 13.005416666666667,
      "grad_norm": 0.11506196111440659,
      "learning_rate": 8.101851851851854e-06,
      "loss": 0.3919,
      "step": 650
    },
    {
      "epoch": 13.009583333333333,
      "grad_norm": 27.668811798095703,
      "learning_rate": 8.055555555555557e-06,
      "loss": 0.1775,
      "step": 660
    },
    {
      "epoch": 13.01375,
      "grad_norm": 75.68840026855469,
      "learning_rate": 8.00925925925926e-06,
      "loss": 0.2991,
      "step": 670
    },
    {
      "epoch": 13.017916666666666,
      "grad_norm": 0.38133883476257324,
      "learning_rate": 7.962962962962963e-06,
      "loss": 0.0066,
      "step": 680
    },
    {
      "epoch": 13.020416666666666,
      "eval_accuracy": 0.5789473684210527,
      "eval_loss": 1.1871516704559326,
      "eval_runtime": 3.6868,
      "eval_samples_per_second": 5.154,
      "eval_steps_per_second": 1.356,
      "step": 686
    },
    {
      "epoch": 14.001666666666667,
      "grad_norm": 3.5586605072021484,
      "learning_rate": 7.916666666666667e-06,
      "loss": 0.3722,
      "step": 690
    },
    {
      "epoch": 14.005833333333333,
      "grad_norm": 3.2339565753936768,
      "learning_rate": 7.870370370370372e-06,
      "loss": 0.1984,
      "step": 700
    },
    {
      "epoch": 14.01,
      "grad_norm": 0.06678327918052673,
      "learning_rate": 7.824074074074076e-06,
      "loss": 0.0981,
      "step": 710
    },
    {
      "epoch": 14.014166666666666,
      "grad_norm": 0.2941597104072571,
      "learning_rate": 7.77777777777778e-06,
      "loss": 0.5156,
      "step": 720
    },
    {
      "epoch": 14.018333333333333,
      "grad_norm": 0.2059919536113739,
      "learning_rate": 7.731481481481483e-06,
      "loss": 0.2218,
      "step": 730
    },
    {
      "epoch": 14.020416666666666,
      "eval_accuracy": 0.7368421052631579,
      "eval_loss": 1.1691995859146118,
      "eval_runtime": 3.7567,
      "eval_samples_per_second": 5.058,
      "eval_steps_per_second": 1.331,
      "step": 735
    },
    {
      "epoch": 15.002083333333333,
      "grad_norm": 0.07924695312976837,
      "learning_rate": 7.685185185185185e-06,
      "loss": 0.2093,
      "step": 740
    },
    {
      "epoch": 15.00625,
      "grad_norm": 24.16701316833496,
      "learning_rate": 7.638888888888888e-06,
      "loss": 0.4067,
      "step": 750
    },
    {
      "epoch": 15.010416666666666,
      "grad_norm": 0.2460525929927826,
      "learning_rate": 7.592592592592594e-06,
      "loss": 0.3083,
      "step": 760
    },
    {
      "epoch": 15.014583333333333,
      "grad_norm": 0.8729657530784607,
      "learning_rate": 7.546296296296297e-06,
      "loss": 0.1764,
      "step": 770
    },
    {
      "epoch": 15.01875,
      "grad_norm": 107.28450775146484,
      "learning_rate": 7.500000000000001e-06,
      "loss": 0.7666,
      "step": 780
    },
    {
      "epoch": 15.020416666666666,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 1.112523078918457,
      "eval_runtime": 3.7224,
      "eval_samples_per_second": 5.104,
      "eval_steps_per_second": 1.343,
      "step": 784
    },
    {
      "epoch": 16.0025,
      "grad_norm": 0.05592398717999458,
      "learning_rate": 7.453703703703704e-06,
      "loss": 0.1058,
      "step": 790
    },
    {
      "epoch": 16.006666666666668,
      "grad_norm": 0.2081090658903122,
      "learning_rate": 7.4074074074074075e-06,
      "loss": 0.1724,
      "step": 800
    },
    {
      "epoch": 16.010833333333334,
      "grad_norm": 0.08229461312294006,
      "learning_rate": 7.361111111111112e-06,
      "loss": 0.0088,
      "step": 810
    },
    {
      "epoch": 16.015,
      "grad_norm": 2.331199884414673,
      "learning_rate": 7.314814814814816e-06,
      "loss": 0.0636,
      "step": 820
    },
    {
      "epoch": 16.019166666666667,
      "grad_norm": 15.751022338867188,
      "learning_rate": 7.268518518518519e-06,
      "loss": 0.2171,
      "step": 830
    },
    {
      "epoch": 16.020416666666666,
      "eval_accuracy": 0.7368421052631579,
      "eval_loss": 1.2614731788635254,
      "eval_runtime": 3.6912,
      "eval_samples_per_second": 5.147,
      "eval_steps_per_second": 1.355,
      "step": 833
    },
    {
      "epoch": 17.002916666666668,
      "grad_norm": 0.13139835000038147,
      "learning_rate": 7.222222222222223e-06,
      "loss": 0.0529,
      "step": 840
    },
    {
      "epoch": 17.007083333333334,
      "grad_norm": 146.87222290039062,
      "learning_rate": 7.1759259259259266e-06,
      "loss": 0.2678,
      "step": 850
    },
    {
      "epoch": 17.01125,
      "grad_norm": 350.3876953125,
      "learning_rate": 7.129629629629629e-06,
      "loss": 0.217,
      "step": 860
    },
    {
      "epoch": 17.015416666666667,
      "grad_norm": 0.5063939094543457,
      "learning_rate": 7.083333333333335e-06,
      "loss": 0.0078,
      "step": 870
    },
    {
      "epoch": 17.019583333333333,
      "grad_norm": 247.79161071777344,
      "learning_rate": 7.0370370370370375e-06,
      "loss": 0.1152,
      "step": 880
    },
    {
      "epoch": 17.020416666666666,
      "eval_accuracy": 0.7368421052631579,
      "eval_loss": 1.3682870864868164,
      "eval_runtime": 3.6816,
      "eval_samples_per_second": 5.161,
      "eval_steps_per_second": 1.358,
      "step": 882
    },
    {
      "epoch": 18.003333333333334,
      "grad_norm": 0.03123622015118599,
      "learning_rate": 6.990740740740741e-06,
      "loss": 0.3538,
      "step": 890
    },
    {
      "epoch": 18.0075,
      "grad_norm": 0.6689489483833313,
      "learning_rate": 6.944444444444445e-06,
      "loss": 0.1337,
      "step": 900
    },
    {
      "epoch": 18.011666666666667,
      "grad_norm": 120.35101318359375,
      "learning_rate": 6.898148148148148e-06,
      "loss": 0.2021,
      "step": 910
    },
    {
      "epoch": 18.015833333333333,
      "grad_norm": 6.242348670959473,
      "learning_rate": 6.851851851851853e-06,
      "loss": 0.1344,
      "step": 920
    },
    {
      "epoch": 18.02,
      "grad_norm": 0.015488705597817898,
      "learning_rate": 6.8055555555555566e-06,
      "loss": 0.1941,
      "step": 930
    },
    {
      "epoch": 18.020416666666666,
      "eval_accuracy": 0.7368421052631579,
      "eval_loss": 1.391472578048706,
      "eval_runtime": 3.6708,
      "eval_samples_per_second": 5.176,
      "eval_steps_per_second": 1.362,
      "step": 931
    },
    {
      "epoch": 19.00375,
      "grad_norm": 107.10614013671875,
      "learning_rate": 6.75925925925926e-06,
      "loss": 0.0318,
      "step": 940
    },
    {
      "epoch": 19.007916666666667,
      "grad_norm": 0.07496990263462067,
      "learning_rate": 6.712962962962963e-06,
      "loss": 0.0013,
      "step": 950
    },
    {
      "epoch": 19.012083333333333,
      "grad_norm": 0.028873112052679062,
      "learning_rate": 6.666666666666667e-06,
      "loss": 0.2196,
      "step": 960
    },
    {
      "epoch": 19.01625,
      "grad_norm": 0.06660551577806473,
      "learning_rate": 6.620370370370371e-06,
      "loss": 0.0014,
      "step": 970
    },
    {
      "epoch": 19.020416666666666,
      "grad_norm": 89.06936645507812,
      "learning_rate": 6.574074074074075e-06,
      "loss": 0.0233,
      "step": 980
    },
    {
      "epoch": 19.020416666666666,
      "eval_accuracy": 0.5789473684210527,
      "eval_loss": 1.5971713066101074,
      "eval_runtime": 3.6747,
      "eval_samples_per_second": 5.171,
      "eval_steps_per_second": 1.361,
      "step": 980
    },
    {
      "epoch": 20.004166666666666,
      "grad_norm": 12.551525115966797,
      "learning_rate": 6.5277777777777784e-06,
      "loss": 0.1686,
      "step": 990
    },
    {
      "epoch": 20.008333333333333,
      "grad_norm": 1.433871865272522,
      "learning_rate": 6.481481481481482e-06,
      "loss": 0.1168,
      "step": 1000
    },
    {
      "epoch": 20.0125,
      "grad_norm": 0.3970452547073364,
      "learning_rate": 6.435185185185186e-06,
      "loss": 0.2299,
      "step": 1010
    },
    {
      "epoch": 20.016666666666666,
      "grad_norm": 198.20985412597656,
      "learning_rate": 6.3888888888888885e-06,
      "loss": 0.2367,
      "step": 1020
    },
    {
      "epoch": 20.020416666666666,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 1.7444992065429688,
      "eval_runtime": 3.6107,
      "eval_samples_per_second": 5.262,
      "eval_steps_per_second": 1.385,
      "step": 1029
    },
    {
      "epoch": 21.000416666666666,
      "grad_norm": 11.477893829345703,
      "learning_rate": 6.342592592592594e-06,
      "loss": 0.0874,
      "step": 1030
    },
    {
      "epoch": 21.004583333333333,
      "grad_norm": 0.04803403466939926,
      "learning_rate": 6.296296296296297e-06,
      "loss": 0.0026,
      "step": 1040
    },
    {
      "epoch": 21.00875,
      "grad_norm": 235.3900604248047,
      "learning_rate": 6.25e-06,
      "loss": 0.0272,
      "step": 1050
    },
    {
      "epoch": 21.012916666666666,
      "grad_norm": 0.027185214683413506,
      "learning_rate": 6.203703703703704e-06,
      "loss": 0.1929,
      "step": 1060
    },
    {
      "epoch": 21.017083333333332,
      "grad_norm": 1.3234747648239136,
      "learning_rate": 6.157407407407408e-06,
      "loss": 0.1575,
      "step": 1070
    },
    {
      "epoch": 21.020416666666666,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 2.403568744659424,
      "eval_runtime": 3.6124,
      "eval_samples_per_second": 5.26,
      "eval_steps_per_second": 1.384,
      "step": 1078
    },
    {
      "epoch": 22.000833333333333,
      "grad_norm": 0.030825955793261528,
      "learning_rate": 6.111111111111112e-06,
      "loss": 0.0207,
      "step": 1080
    },
    {
      "epoch": 22.005,
      "grad_norm": 0.044659119099378586,
      "learning_rate": 6.064814814814816e-06,
      "loss": 0.1655,
      "step": 1090
    },
    {
      "epoch": 22.009166666666665,
      "grad_norm": 0.07954849302768707,
      "learning_rate": 6.018518518518519e-06,
      "loss": 0.0036,
      "step": 1100
    },
    {
      "epoch": 22.013333333333332,
      "grad_norm": 0.3902687132358551,
      "learning_rate": 5.972222222222222e-06,
      "loss": 0.0029,
      "step": 1110
    },
    {
      "epoch": 22.0175,
      "grad_norm": 0.1071692705154419,
      "learning_rate": 5.925925925925926e-06,
      "loss": 0.0008,
      "step": 1120
    },
    {
      "epoch": 22.020416666666666,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 2.263265609741211,
      "eval_runtime": 3.6163,
      "eval_samples_per_second": 5.254,
      "eval_steps_per_second": 1.383,
      "step": 1127
    },
    {
      "epoch": 23.00125,
      "grad_norm": 0.015230727382004261,
      "learning_rate": 5.8796296296296295e-06,
      "loss": 0.0928,
      "step": 1130
    },
    {
      "epoch": 23.005416666666665,
      "grad_norm": 42.0711669921875,
      "learning_rate": 5.833333333333334e-06,
      "loss": 0.3605,
      "step": 1140
    },
    {
      "epoch": 23.00958333333333,
      "grad_norm": 0.05277286097407341,
      "learning_rate": 5.787037037037038e-06,
      "loss": 0.0005,
      "step": 1150
    },
    {
      "epoch": 23.01375,
      "grad_norm": 0.020604358986020088,
      "learning_rate": 5.740740740740741e-06,
      "loss": 0.0006,
      "step": 1160
    },
    {
      "epoch": 23.017916666666668,
      "grad_norm": 0.007125093135982752,
      "learning_rate": 5.694444444444445e-06,
      "loss": 0.019,
      "step": 1170
    },
    {
      "epoch": 23.020416666666666,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.2078418731689453,
      "eval_runtime": 3.6116,
      "eval_samples_per_second": 5.261,
      "eval_steps_per_second": 1.384,
      "step": 1176
    },
    {
      "epoch": 24.001666666666665,
      "grad_norm": 0.04864019155502319,
      "learning_rate": 5.6481481481481485e-06,
      "loss": 0.0005,
      "step": 1180
    },
    {
      "epoch": 24.00583333333333,
      "grad_norm": 0.06986731290817261,
      "learning_rate": 5.601851851851853e-06,
      "loss": 0.1865,
      "step": 1190
    },
    {
      "epoch": 24.01,
      "grad_norm": 0.045288749039173126,
      "learning_rate": 5.555555555555557e-06,
      "loss": 0.0021,
      "step": 1200
    },
    {
      "epoch": 24.014166666666668,
      "grad_norm": 0.12277600169181824,
      "learning_rate": 5.5092592592592595e-06,
      "loss": 0.0004,
      "step": 1210
    },
    {
      "epoch": 24.018333333333334,
      "grad_norm": 0.006932346150279045,
      "learning_rate": 5.462962962962963e-06,
      "loss": 0.0006,
      "step": 1220
    },
    {
      "epoch": 24.020416666666666,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 2.1280739307403564,
      "eval_runtime": 3.6117,
      "eval_samples_per_second": 5.261,
      "eval_steps_per_second": 1.384,
      "step": 1225
    },
    {
      "epoch": 25.002083333333335,
      "grad_norm": 0.016528107225894928,
      "learning_rate": 5.416666666666667e-06,
      "loss": 0.0003,
      "step": 1230
    },
    {
      "epoch": 25.00625,
      "grad_norm": 0.013506701216101646,
      "learning_rate": 5.370370370370371e-06,
      "loss": 0.0024,
      "step": 1240
    },
    {
      "epoch": 25.010416666666668,
      "grad_norm": 0.5438185334205627,
      "learning_rate": 5.324074074074075e-06,
      "loss": 0.0005,
      "step": 1250
    },
    {
      "epoch": 25.014583333333334,
      "grad_norm": 0.03781206160783768,
      "learning_rate": 5.2777777777777785e-06,
      "loss": 0.0003,
      "step": 1260
    },
    {
      "epoch": 25.01875,
      "grad_norm": 0.0206539798527956,
      "learning_rate": 5.231481481481482e-06,
      "loss": 0.0004,
      "step": 1270
    },
    {
      "epoch": 25.020416666666666,
      "eval_accuracy": 0.7368421052631579,
      "eval_loss": 2.010007381439209,
      "eval_runtime": 3.6278,
      "eval_samples_per_second": 5.237,
      "eval_steps_per_second": 1.378,
      "step": 1274
    },
    {
      "epoch": 26.0025,
      "grad_norm": 0.023114336654543877,
      "learning_rate": 5.185185185185185e-06,
      "loss": 0.0002,
      "step": 1280
    },
    {
      "epoch": 26.006666666666668,
      "grad_norm": 0.013670257292687893,
      "learning_rate": 5.138888888888889e-06,
      "loss": 0.002,
      "step": 1290
    },
    {
      "epoch": 26.010833333333334,
      "grad_norm": 0.0056487866677343845,
      "learning_rate": 5.092592592592593e-06,
      "loss": 0.0004,
      "step": 1300
    },
    {
      "epoch": 26.015,
      "grad_norm": 0.004165478516370058,
      "learning_rate": 5.046296296296297e-06,
      "loss": 0.0003,
      "step": 1310
    },
    {
      "epoch": 26.019166666666667,
      "grad_norm": 0.004816366359591484,
      "learning_rate": 5e-06,
      "loss": 0.0002,
      "step": 1320
    },
    {
      "epoch": 26.020416666666666,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 2.3861982822418213,
      "eval_runtime": 3.6074,
      "eval_samples_per_second": 5.267,
      "eval_steps_per_second": 1.386,
      "step": 1323
    },
    {
      "epoch": 27.002916666666668,
      "grad_norm": 0.006848832592368126,
      "learning_rate": 4.953703703703704e-06,
      "loss": 0.0062,
      "step": 1330
    },
    {
      "epoch": 27.007083333333334,
      "grad_norm": 530.533935546875,
      "learning_rate": 4.907407407407408e-06,
      "loss": 0.0309,
      "step": 1340
    },
    {
      "epoch": 27.01125,
      "grad_norm": 0.007108121179044247,
      "learning_rate": 4.861111111111111e-06,
      "loss": 0.0002,
      "step": 1350
    },
    {
      "epoch": 27.015416666666667,
      "grad_norm": 0.0033726587425917387,
      "learning_rate": 4.814814814814815e-06,
      "loss": 0.116,
      "step": 1360
    },
    {
      "epoch": 27.019583333333333,
      "grad_norm": 0.020084122195839882,
      "learning_rate": 4.768518518518519e-06,
      "loss": 0.0003,
      "step": 1370
    },
    {
      "epoch": 27.020416666666666,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.1578803062438965,
      "eval_runtime": 3.6309,
      "eval_samples_per_second": 5.233,
      "eval_steps_per_second": 1.377,
      "step": 1372
    },
    {
      "epoch": 28.003333333333334,
      "grad_norm": 0.05458810552954674,
      "learning_rate": 4.722222222222222e-06,
      "loss": 0.0002,
      "step": 1380
    },
    {
      "epoch": 28.0075,
      "grad_norm": 0.005413507577031851,
      "learning_rate": 4.675925925925927e-06,
      "loss": 0.0002,
      "step": 1390
    },
    {
      "epoch": 28.011666666666667,
      "grad_norm": 0.006965883541852236,
      "learning_rate": 4.62962962962963e-06,
      "loss": 0.0002,
      "step": 1400
    },
    {
      "epoch": 28.015833333333333,
      "grad_norm": 0.06325055658817291,
      "learning_rate": 4.583333333333333e-06,
      "loss": 0.0002,
      "step": 1410
    },
    {
      "epoch": 28.02,
      "grad_norm": 0.031983036547899246,
      "learning_rate": 4.537037037037038e-06,
      "loss": 0.0372,
      "step": 1420
    },
    {
      "epoch": 28.020416666666666,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.122598648071289,
      "eval_runtime": 3.5383,
      "eval_samples_per_second": 5.37,
      "eval_steps_per_second": 1.413,
      "step": 1421
    },
    {
      "epoch": 29.00375,
      "grad_norm": 0.07857130467891693,
      "learning_rate": 4.490740740740741e-06,
      "loss": 0.0006,
      "step": 1430
    },
    {
      "epoch": 29.007916666666667,
      "grad_norm": 0.016926715150475502,
      "learning_rate": 4.444444444444444e-06,
      "loss": 0.001,
      "step": 1440
    },
    {
      "epoch": 29.012083333333333,
      "grad_norm": 0.009676299057900906,
      "learning_rate": 4.398148148148149e-06,
      "loss": 0.0705,
      "step": 1450
    },
    {
      "epoch": 29.01625,
      "grad_norm": 0.006083638872951269,
      "learning_rate": 4.351851851851852e-06,
      "loss": 0.0002,
      "step": 1460
    },
    {
      "epoch": 29.020416666666666,
      "grad_norm": 0.006985980086028576,
      "learning_rate": 4.305555555555556e-06,
      "loss": 0.1547,
      "step": 1470
    },
    {
      "epoch": 29.020416666666666,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.4948902130126953,
      "eval_runtime": 3.5201,
      "eval_samples_per_second": 5.398,
      "eval_steps_per_second": 1.42,
      "step": 1470
    },
    {
      "epoch": 30.004166666666666,
      "grad_norm": 0.009625507518649101,
      "learning_rate": 4.2592592592592596e-06,
      "loss": 0.0104,
      "step": 1480
    },
    {
      "epoch": 30.008333333333333,
      "grad_norm": 0.006220038048923016,
      "learning_rate": 4.212962962962963e-06,
      "loss": 0.0002,
      "step": 1490
    },
    {
      "epoch": 30.0125,
      "grad_norm": 0.0076056793332099915,
      "learning_rate": 4.166666666666667e-06,
      "loss": 0.0006,
      "step": 1500
    },
    {
      "epoch": 30.016666666666666,
      "grad_norm": 16.74993133544922,
      "learning_rate": 4.1203703703703705e-06,
      "loss": 0.0015,
      "step": 1510
    },
    {
      "epoch": 30.020416666666666,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 1.881516933441162,
      "eval_runtime": 3.5962,
      "eval_samples_per_second": 5.283,
      "eval_steps_per_second": 1.39,
      "step": 1519
    },
    {
      "epoch": 31.000416666666666,
      "grad_norm": 0.010737285017967224,
      "learning_rate": 4.074074074074074e-06,
      "loss": 0.0596,
      "step": 1520
    },
    {
      "epoch": 31.004583333333333,
      "grad_norm": 0.004095606505870819,
      "learning_rate": 4.027777777777779e-06,
      "loss": 0.0001,
      "step": 1530
    },
    {
      "epoch": 31.00875,
      "grad_norm": 0.38500717282295227,
      "learning_rate": 3.9814814814814814e-06,
      "loss": 0.0003,
      "step": 1540
    },
    {
      "epoch": 31.012916666666666,
      "grad_norm": 35.35988235473633,
      "learning_rate": 3.935185185185186e-06,
      "loss": 0.0024,
      "step": 1550
    },
    {
      "epoch": 31.017083333333332,
      "grad_norm": 0.006391994189471006,
      "learning_rate": 3.88888888888889e-06,
      "loss": 0.0005,
      "step": 1560
    },
    {
      "epoch": 31.020416666666666,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 2.258211135864258,
      "eval_runtime": 3.5634,
      "eval_samples_per_second": 5.332,
      "eval_steps_per_second": 1.403,
      "step": 1568
    },
    {
      "epoch": 32.00083333333333,
      "grad_norm": 0.0057472470216453075,
      "learning_rate": 3.842592592592592e-06,
      "loss": 0.0005,
      "step": 1570
    },
    {
      "epoch": 32.005,
      "grad_norm": 0.011224722489714622,
      "learning_rate": 3.796296296296297e-06,
      "loss": 0.1187,
      "step": 1580
    },
    {
      "epoch": 32.009166666666665,
      "grad_norm": 0.0647362545132637,
      "learning_rate": 3.7500000000000005e-06,
      "loss": 0.0003,
      "step": 1590
    },
    {
      "epoch": 32.013333333333335,
      "grad_norm": 0.15853719413280487,
      "learning_rate": 3.7037037037037037e-06,
      "loss": 0.0002,
      "step": 1600
    },
    {
      "epoch": 32.0175,
      "grad_norm": 0.00835301075130701,
      "learning_rate": 3.657407407407408e-06,
      "loss": 0.0002,
      "step": 1610
    },
    {
      "epoch": 32.02041666666667,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 2.1774301528930664,
      "eval_runtime": 3.4326,
      "eval_samples_per_second": 5.535,
      "eval_steps_per_second": 1.457,
      "step": 1617
    },
    {
      "epoch": 33.00125,
      "grad_norm": 0.04617740586400032,
      "learning_rate": 3.6111111111111115e-06,
      "loss": 0.0002,
      "step": 1620
    },
    {
      "epoch": 33.00541666666667,
      "grad_norm": 0.009918724186718464,
      "learning_rate": 3.5648148148148147e-06,
      "loss": 0.2072,
      "step": 1630
    },
    {
      "epoch": 33.00958333333333,
      "grad_norm": 0.020935775712132454,
      "learning_rate": 3.5185185185185187e-06,
      "loss": 0.2234,
      "step": 1640
    },
    {
      "epoch": 33.01375,
      "grad_norm": 0.12407401949167252,
      "learning_rate": 3.4722222222222224e-06,
      "loss": 0.0177,
      "step": 1650
    },
    {
      "epoch": 33.017916666666665,
      "grad_norm": 0.007428634911775589,
      "learning_rate": 3.4259259259259265e-06,
      "loss": 0.0001,
      "step": 1660
    },
    {
      "epoch": 33.02041666666667,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 2.2221832275390625,
      "eval_runtime": 3.4343,
      "eval_samples_per_second": 5.532,
      "eval_steps_per_second": 1.456,
      "step": 1666
    },
    {
      "epoch": 34.001666666666665,
      "grad_norm": 0.0065287998877465725,
      "learning_rate": 3.37962962962963e-06,
      "loss": 0.0002,
      "step": 1670
    },
    {
      "epoch": 34.005833333333335,
      "grad_norm": 0.11280619353055954,
      "learning_rate": 3.3333333333333333e-06,
      "loss": 0.0003,
      "step": 1680
    },
    {
      "epoch": 34.01,
      "grad_norm": 0.019788485020399094,
      "learning_rate": 3.2870370370370374e-06,
      "loss": 0.0003,
      "step": 1690
    },
    {
      "epoch": 34.01416666666667,
      "grad_norm": 0.003129773773252964,
      "learning_rate": 3.240740740740741e-06,
      "loss": 0.0006,
      "step": 1700
    },
    {
      "epoch": 34.01833333333333,
      "grad_norm": 0.004923813510686159,
      "learning_rate": 3.1944444444444443e-06,
      "loss": 0.0001,
      "step": 1710
    },
    {
      "epoch": 34.02041666666667,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 2.356006383895874,
      "eval_runtime": 3.4358,
      "eval_samples_per_second": 5.53,
      "eval_steps_per_second": 1.455,
      "step": 1715
    },
    {
      "epoch": 35.00208333333333,
      "grad_norm": 0.04086696729063988,
      "learning_rate": 3.1481481481481483e-06,
      "loss": 0.0002,
      "step": 1720
    },
    {
      "epoch": 35.00625,
      "grad_norm": 0.0031430383678525686,
      "learning_rate": 3.101851851851852e-06,
      "loss": 0.0002,
      "step": 1730
    },
    {
      "epoch": 35.010416666666664,
      "grad_norm": 0.004690348170697689,
      "learning_rate": 3.055555555555556e-06,
      "loss": 0.0001,
      "step": 1740
    },
    {
      "epoch": 35.014583333333334,
      "grad_norm": 0.005091555416584015,
      "learning_rate": 3.0092592592592597e-06,
      "loss": 0.0002,
      "step": 1750
    },
    {
      "epoch": 35.01875,
      "grad_norm": 0.07692966610193253,
      "learning_rate": 2.962962962962963e-06,
      "loss": 0.0001,
      "step": 1760
    },
    {
      "epoch": 35.02041666666667,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 2.390404462814331,
      "eval_runtime": 3.4314,
      "eval_samples_per_second": 5.537,
      "eval_steps_per_second": 1.457,
      "step": 1764
    },
    {
      "epoch": 36.0025,
      "grad_norm": 0.003334124805405736,
      "learning_rate": 2.916666666666667e-06,
      "loss": 0.0002,
      "step": 1770
    },
    {
      "epoch": 36.00666666666667,
      "grad_norm": 258.331298828125,
      "learning_rate": 2.8703703703703706e-06,
      "loss": 0.0424,
      "step": 1780
    },
    {
      "epoch": 36.01083333333333,
      "grad_norm": 0.010029267519712448,
      "learning_rate": 2.8240740740740743e-06,
      "loss": 0.0001,
      "step": 1790
    },
    {
      "epoch": 36.015,
      "grad_norm": 0.0017382479272782803,
      "learning_rate": 2.7777777777777783e-06,
      "loss": 0.0001,
      "step": 1800
    },
    {
      "epoch": 36.01916666666666,
      "grad_norm": 0.0759102925658226,
      "learning_rate": 2.7314814814814816e-06,
      "loss": 0.0001,
      "step": 1810
    },
    {
      "epoch": 36.02041666666667,
      "eval_accuracy": 0.7368421052631579,
      "eval_loss": 2.2239937782287598,
      "eval_runtime": 3.6381,
      "eval_samples_per_second": 5.223,
      "eval_steps_per_second": 1.374,
      "step": 1813
    },
    {
      "epoch": 37.002916666666664,
      "grad_norm": 0.003970419522374868,
      "learning_rate": 2.6851851851851856e-06,
      "loss": 0.0001,
      "step": 1820
    },
    {
      "epoch": 37.007083333333334,
      "grad_norm": 0.005589651875197887,
      "learning_rate": 2.6388888888888893e-06,
      "loss": 0.0001,
      "step": 1830
    },
    {
      "epoch": 37.01125,
      "grad_norm": 0.00631442666053772,
      "learning_rate": 2.5925925925925925e-06,
      "loss": 0.0007,
      "step": 1840
    },
    {
      "epoch": 37.01541666666667,
      "grad_norm": 0.0022680216934531927,
      "learning_rate": 2.5462962962962966e-06,
      "loss": 0.0001,
      "step": 1850
    },
    {
      "epoch": 37.01958333333334,
      "grad_norm": 0.630527913570404,
      "learning_rate": 2.5e-06,
      "loss": 0.0002,
      "step": 1860
    },
    {
      "epoch": 37.02041666666667,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.287989854812622,
      "eval_runtime": 3.4557,
      "eval_samples_per_second": 5.498,
      "eval_steps_per_second": 1.447,
      "step": 1862
    },
    {
      "epoch": 38.00333333333333,
      "grad_norm": 0.018673082813620567,
      "learning_rate": 2.453703703703704e-06,
      "loss": 0.0002,
      "step": 1870
    },
    {
      "epoch": 38.0075,
      "grad_norm": 0.2521021068096161,
      "learning_rate": 2.4074074074074075e-06,
      "loss": 0.0011,
      "step": 1880
    },
    {
      "epoch": 38.01166666666666,
      "grad_norm": 0.004206162411719561,
      "learning_rate": 2.361111111111111e-06,
      "loss": 0.0001,
      "step": 1890
    },
    {
      "epoch": 38.01583333333333,
      "grad_norm": 0.003568112850189209,
      "learning_rate": 2.314814814814815e-06,
      "loss": 0.0001,
      "step": 1900
    },
    {
      "epoch": 38.02,
      "grad_norm": 0.03349081426858902,
      "learning_rate": 2.268518518518519e-06,
      "loss": 0.0002,
      "step": 1910
    },
    {
      "epoch": 38.02041666666667,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.300963878631592,
      "eval_runtime": 3.4283,
      "eval_samples_per_second": 5.542,
      "eval_steps_per_second": 1.458,
      "step": 1911
    },
    {
      "epoch": 39.00375,
      "grad_norm": 0.0027008787728846073,
      "learning_rate": 2.222222222222222e-06,
      "loss": 0.0001,
      "step": 1920
    },
    {
      "epoch": 39.00791666666667,
      "grad_norm": 0.0040114871226251125,
      "learning_rate": 2.175925925925926e-06,
      "loss": 0.0001,
      "step": 1930
    },
    {
      "epoch": 39.01208333333334,
      "grad_norm": 0.002579754451289773,
      "learning_rate": 2.1296296296296298e-06,
      "loss": 0.0001,
      "step": 1940
    },
    {
      "epoch": 39.01625,
      "grad_norm": 0.003918965347111225,
      "learning_rate": 2.0833333333333334e-06,
      "loss": 0.0001,
      "step": 1950
    },
    {
      "epoch": 39.02041666666667,
      "grad_norm": 0.002216913038864732,
      "learning_rate": 2.037037037037037e-06,
      "loss": 0.0001,
      "step": 1960
    },
    {
      "epoch": 39.02041666666667,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.3123650550842285,
      "eval_runtime": 3.4399,
      "eval_samples_per_second": 5.523,
      "eval_steps_per_second": 1.454,
      "step": 1960
    },
    {
      "epoch": 40.00416666666667,
      "grad_norm": 0.001679323031567037,
      "learning_rate": 1.9907407407407407e-06,
      "loss": 0.0001,
      "step": 1970
    },
    {
      "epoch": 40.00833333333333,
      "grad_norm": 0.004570376593619585,
      "learning_rate": 1.944444444444445e-06,
      "loss": 0.0028,
      "step": 1980
    },
    {
      "epoch": 40.0125,
      "grad_norm": 0.0024077030830085278,
      "learning_rate": 1.8981481481481484e-06,
      "loss": 0.078,
      "step": 1990
    },
    {
      "epoch": 40.016666666666666,
      "grad_norm": 0.0020433454774320126,
      "learning_rate": 1.8518518518518519e-06,
      "loss": 0.0001,
      "step": 2000
    },
    {
      "epoch": 40.02041666666667,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.2903194427490234,
      "eval_runtime": 3.4213,
      "eval_samples_per_second": 5.553,
      "eval_steps_per_second": 1.461,
      "step": 2009
    },
    {
      "epoch": 41.000416666666666,
      "grad_norm": 0.007383950520306826,
      "learning_rate": 1.8055555555555557e-06,
      "loss": 0.0001,
      "step": 2010
    },
    {
      "epoch": 41.004583333333336,
      "grad_norm": 0.005234722048044205,
      "learning_rate": 1.7592592592592594e-06,
      "loss": 0.0002,
      "step": 2020
    },
    {
      "epoch": 41.00875,
      "grad_norm": 0.01151933241635561,
      "learning_rate": 1.7129629629629632e-06,
      "loss": 0.0001,
      "step": 2030
    },
    {
      "epoch": 41.01291666666667,
      "grad_norm": 0.03747610002756119,
      "learning_rate": 1.6666666666666667e-06,
      "loss": 0.0001,
      "step": 2040
    },
    {
      "epoch": 41.01708333333333,
      "grad_norm": 0.00581372668966651,
      "learning_rate": 1.6203703703703705e-06,
      "loss": 0.1744,
      "step": 2050
    },
    {
      "epoch": 41.02041666666667,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.3067450523376465,
      "eval_runtime": 3.4324,
      "eval_samples_per_second": 5.535,
      "eval_steps_per_second": 1.457,
      "step": 2058
    },
    {
      "epoch": 42.00083333333333,
      "grad_norm": 0.003268251661211252,
      "learning_rate": 1.5740740740740742e-06,
      "loss": 0.0001,
      "step": 2060
    },
    {
      "epoch": 42.005,
      "grad_norm": 0.005169464275240898,
      "learning_rate": 1.527777777777778e-06,
      "loss": 0.0001,
      "step": 2070
    },
    {
      "epoch": 42.009166666666665,
      "grad_norm": 0.0015214293962344527,
      "learning_rate": 1.4814814814814815e-06,
      "loss": 0.1229,
      "step": 2080
    },
    {
      "epoch": 42.013333333333335,
      "grad_norm": 249.32093811035156,
      "learning_rate": 1.4351851851851853e-06,
      "loss": 0.0128,
      "step": 2090
    },
    {
      "epoch": 42.0175,
      "grad_norm": 0.007209462579339743,
      "learning_rate": 1.3888888888888892e-06,
      "loss": 0.0001,
      "step": 2100
    },
    {
      "epoch": 42.02041666666667,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.342156171798706,
      "eval_runtime": 3.4328,
      "eval_samples_per_second": 5.535,
      "eval_steps_per_second": 1.457,
      "step": 2107
    },
    {
      "epoch": 43.00125,
      "grad_norm": 0.0031976569443941116,
      "learning_rate": 1.3425925925925928e-06,
      "loss": 0.0001,
      "step": 2110
    },
    {
      "epoch": 43.00541666666667,
      "grad_norm": 0.0036477481480687857,
      "learning_rate": 1.2962962962962962e-06,
      "loss": 0.0001,
      "step": 2120
    },
    {
      "epoch": 43.00958333333333,
      "grad_norm": 0.00543107558041811,
      "learning_rate": 1.25e-06,
      "loss": 0.0001,
      "step": 2130
    },
    {
      "epoch": 43.01375,
      "grad_norm": 0.006350014358758926,
      "learning_rate": 1.2037037037037037e-06,
      "loss": 0.0001,
      "step": 2140
    },
    {
      "epoch": 43.017916666666665,
      "grad_norm": 0.008976898156106472,
      "learning_rate": 1.1574074074074076e-06,
      "loss": 0.0001,
      "step": 2150
    },
    {
      "epoch": 43.02041666666667,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.3476860523223877,
      "eval_runtime": 3.4979,
      "eval_samples_per_second": 5.432,
      "eval_steps_per_second": 1.429,
      "step": 2156
    },
    {
      "epoch": 44.001666666666665,
      "grad_norm": 0.006657883990556002,
      "learning_rate": 1.111111111111111e-06,
      "loss": 0.0001,
      "step": 2160
    },
    {
      "epoch": 44.005833333333335,
      "grad_norm": 0.005237992387264967,
      "learning_rate": 1.0648148148148149e-06,
      "loss": 0.0001,
      "step": 2170
    },
    {
      "epoch": 44.01,
      "grad_norm": 0.003178667975589633,
      "learning_rate": 1.0185185185185185e-06,
      "loss": 0.0001,
      "step": 2180
    },
    {
      "epoch": 44.01416666666667,
      "grad_norm": 0.0024578028824180365,
      "learning_rate": 9.722222222222224e-07,
      "loss": 0.0003,
      "step": 2190
    },
    {
      "epoch": 44.01833333333333,
      "grad_norm": 0.00786686223000288,
      "learning_rate": 9.259259259259259e-07,
      "loss": 0.0001,
      "step": 2200
    },
    {
      "epoch": 44.02041666666667,
      "eval_accuracy": 0.631578947368421,
      "eval_loss": 2.378264904022217,
      "eval_runtime": 3.5284,
      "eval_samples_per_second": 5.385,
      "eval_steps_per_second": 1.417,
      "step": 2205
    },
    {
      "epoch": 45.00208333333333,
      "grad_norm": 0.0038455643225461245,
      "learning_rate": 8.796296296296297e-07,
      "loss": 0.0002,
      "step": 2210
    },
    {
      "epoch": 45.00625,
      "grad_norm": 0.0019002072513103485,
      "learning_rate": 8.333333333333333e-07,
      "loss": 0.0001,
      "step": 2220
    },
    {
      "epoch": 45.010416666666664,
      "grad_norm": 0.002483098302036524,
      "learning_rate": 7.870370370370371e-07,
      "loss": 0.0001,
      "step": 2230
    },
    {
      "epoch": 45.014583333333334,
      "grad_norm": 0.0028833537362515926,
      "learning_rate": 7.407407407407407e-07,
      "loss": 0.0002,
      "step": 2240
    },
    {
      "epoch": 45.01875,
      "grad_norm": 0.0019563958048820496,
      "learning_rate": 6.944444444444446e-07,
      "loss": 0.0001,
      "step": 2250
    },
    {
      "epoch": 45.02041666666667,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.344691038131714,
      "eval_runtime": 3.4954,
      "eval_samples_per_second": 5.436,
      "eval_steps_per_second": 1.43,
      "step": 2254
    },
    {
      "epoch": 46.0025,
      "grad_norm": 0.0030405442230403423,
      "learning_rate": 6.481481481481481e-07,
      "loss": 0.0001,
      "step": 2260
    },
    {
      "epoch": 46.00666666666667,
      "grad_norm": 0.00329338270239532,
      "learning_rate": 6.018518518518519e-07,
      "loss": 0.0001,
      "step": 2270
    },
    {
      "epoch": 46.01083333333333,
      "grad_norm": 0.00243846676312387,
      "learning_rate": 5.555555555555555e-07,
      "loss": 0.0001,
      "step": 2280
    },
    {
      "epoch": 46.015,
      "grad_norm": 0.0017111854394897819,
      "learning_rate": 5.092592592592593e-07,
      "loss": 0.0001,
      "step": 2290
    },
    {
      "epoch": 46.01916666666666,
      "grad_norm": 0.010095887817442417,
      "learning_rate": 4.6296296296296297e-07,
      "loss": 0.0001,
      "step": 2300
    },
    {
      "epoch": 46.02041666666667,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.3414864540100098,
      "eval_runtime": 3.4719,
      "eval_samples_per_second": 5.473,
      "eval_steps_per_second": 1.44,
      "step": 2303
    },
    {
      "epoch": 47.002916666666664,
      "grad_norm": 0.004163892008364201,
      "learning_rate": 4.1666666666666667e-07,
      "loss": 0.0001,
      "step": 2310
    },
    {
      "epoch": 47.007083333333334,
      "grad_norm": 0.002049618400633335,
      "learning_rate": 3.7037037037037036e-07,
      "loss": 0.0001,
      "step": 2320
    },
    {
      "epoch": 47.01125,
      "grad_norm": 0.003938646987080574,
      "learning_rate": 3.2407407407407406e-07,
      "loss": 0.0001,
      "step": 2330
    },
    {
      "epoch": 47.01541666666667,
      "grad_norm": 0.004701240919530392,
      "learning_rate": 2.7777777777777776e-07,
      "loss": 0.0013,
      "step": 2340
    },
    {
      "epoch": 47.01958333333334,
      "grad_norm": 0.002614920726045966,
      "learning_rate": 2.3148148148148148e-07,
      "loss": 0.0001,
      "step": 2350
    },
    {
      "epoch": 47.02041666666667,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.341876745223999,
      "eval_runtime": 3.52,
      "eval_samples_per_second": 5.398,
      "eval_steps_per_second": 1.42,
      "step": 2352
    },
    {
      "epoch": 48.00333333333333,
      "grad_norm": 0.0040041073225438595,
      "learning_rate": 1.8518518518518518e-07,
      "loss": 0.0014,
      "step": 2360
    },
    {
      "epoch": 48.0075,
      "grad_norm": 0.0024590292014181614,
      "learning_rate": 1.3888888888888888e-07,
      "loss": 0.0001,
      "step": 2370
    },
    {
      "epoch": 48.01166666666666,
      "grad_norm": 0.004839394707232714,
      "learning_rate": 9.259259259259259e-08,
      "loss": 0.0002,
      "step": 2380
    },
    {
      "epoch": 48.01583333333333,
      "grad_norm": 0.0019098540069535375,
      "learning_rate": 4.6296296296296295e-08,
      "loss": 0.0002,
      "step": 2390
    },
    {
      "epoch": 48.02,
      "grad_norm": 0.00532747246325016,
      "learning_rate": 0.0,
      "loss": 0.0001,
      "step": 2400
    },
    {
      "epoch": 48.02,
      "eval_accuracy": 0.6842105263157895,
      "eval_loss": 2.3470160961151123,
      "eval_runtime": 4.2841,
      "eval_samples_per_second": 4.435,
      "eval_steps_per_second": 1.167,
      "step": 2400
    },
    {
      "epoch": 48.02,
      "step": 2400,
      "total_flos": 4.194308336371473e+19,
      "train_loss": 0.18858948054393598,
      "train_runtime": 4106.9782,
      "train_samples_per_second": 2.337,
      "train_steps_per_second": 0.584
    },
    {
      "epoch": 48.02,
      "eval_accuracy": 0.5,
      "eval_loss": 1.6418968439102173,
      "eval_runtime": 4.996,
      "eval_samples_per_second": 4.804,
      "eval_steps_per_second": 1.201,
      "step": 2400
    },
    {
      "epoch": 48.02,
      "eval_accuracy": 0.5,
      "eval_loss": 1.6418968439102173,
      "eval_runtime": 4.5735,
      "eval_samples_per_second": 5.248,
      "eval_steps_per_second": 1.312,
      "step": 2400
    }
  ],
  "logging_steps": 10,
  "max_steps": 2400,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 9223372036854775807,
  "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": 4.194308336371473e+19,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}