QwQ-32B-LightTransfer / trainer_state.json
cxdu's picture
Manually merge local checkpoint
2bcfae0
{
"best_metric": null,
"best_model_checkpoint": null,
"epoch": 4.779220779220779,
"eval_steps": 100000,
"global_step": 368,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0.012987012987012988,
"grad_norm": 2.8171603240352896,
"learning_rate": 1e-05,
"loss": 0.5466,
"step": 1
},
{
"epoch": 0.025974025974025976,
"grad_norm": 2.8001921525321785,
"learning_rate": 9.973958333333335e-06,
"loss": 0.547,
"step": 2
},
{
"epoch": 0.03896103896103896,
"grad_norm": 1.5392157012941012,
"learning_rate": 9.947916666666667e-06,
"loss": 0.459,
"step": 3
},
{
"epoch": 0.05194805194805195,
"grad_norm": 1.1573857414234903,
"learning_rate": 9.921875e-06,
"loss": 0.4574,
"step": 4
},
{
"epoch": 0.06493506493506493,
"grad_norm": 0.8995358249149084,
"learning_rate": 9.895833333333334e-06,
"loss": 0.421,
"step": 5
},
{
"epoch": 0.07792207792207792,
"grad_norm": 0.9904798146163455,
"learning_rate": 9.869791666666667e-06,
"loss": 0.3695,
"step": 6
},
{
"epoch": 0.09090909090909091,
"grad_norm": 0.9283957441209373,
"learning_rate": 9.84375e-06,
"loss": 0.3627,
"step": 7
},
{
"epoch": 0.1038961038961039,
"grad_norm": 0.7771365268975639,
"learning_rate": 9.817708333333334e-06,
"loss": 0.3576,
"step": 8
},
{
"epoch": 0.11688311688311688,
"grad_norm": 0.8022346587811421,
"learning_rate": 9.791666666666666e-06,
"loss": 0.3191,
"step": 9
},
{
"epoch": 0.12987012987012986,
"grad_norm": 0.819398725227865,
"learning_rate": 9.765625e-06,
"loss": 0.3287,
"step": 10
},
{
"epoch": 0.14285714285714285,
"grad_norm": 0.6805869638028169,
"learning_rate": 9.739583333333334e-06,
"loss": 0.3184,
"step": 11
},
{
"epoch": 0.15584415584415584,
"grad_norm": 0.5977289690207203,
"learning_rate": 9.713541666666668e-06,
"loss": 0.3123,
"step": 12
},
{
"epoch": 0.16883116883116883,
"grad_norm": 0.6566097354029716,
"learning_rate": 9.6875e-06,
"loss": 0.3023,
"step": 13
},
{
"epoch": 0.18181818181818182,
"grad_norm": 0.6239198357102247,
"learning_rate": 9.661458333333334e-06,
"loss": 0.2982,
"step": 14
},
{
"epoch": 0.19480519480519481,
"grad_norm": 0.5689846226409981,
"learning_rate": 9.635416666666668e-06,
"loss": 0.3,
"step": 15
},
{
"epoch": 0.2077922077922078,
"grad_norm": 0.5003921754161651,
"learning_rate": 9.609375000000001e-06,
"loss": 0.2806,
"step": 16
},
{
"epoch": 0.22077922077922077,
"grad_norm": 0.4669430776472446,
"learning_rate": 9.583333333333335e-06,
"loss": 0.2712,
"step": 17
},
{
"epoch": 0.23376623376623376,
"grad_norm": 0.4464962776593643,
"learning_rate": 9.557291666666667e-06,
"loss": 0.2649,
"step": 18
},
{
"epoch": 0.24675324675324675,
"grad_norm": 0.4429858692736543,
"learning_rate": 9.531250000000001e-06,
"loss": 0.2709,
"step": 19
},
{
"epoch": 0.2597402597402597,
"grad_norm": 0.4534349349480874,
"learning_rate": 9.505208333333335e-06,
"loss": 0.2659,
"step": 20
},
{
"epoch": 0.2727272727272727,
"grad_norm": 0.45604692611068276,
"learning_rate": 9.479166666666667e-06,
"loss": 0.274,
"step": 21
},
{
"epoch": 0.2857142857142857,
"grad_norm": 0.42386666170861903,
"learning_rate": 9.453125000000001e-06,
"loss": 0.2432,
"step": 22
},
{
"epoch": 0.2987012987012987,
"grad_norm": 0.4539418581699697,
"learning_rate": 9.427083333333335e-06,
"loss": 0.2479,
"step": 23
},
{
"epoch": 0.3116883116883117,
"grad_norm": 0.36873765590858,
"learning_rate": 9.401041666666667e-06,
"loss": 0.2533,
"step": 24
},
{
"epoch": 0.3246753246753247,
"grad_norm": 0.3597660839493326,
"learning_rate": 9.375000000000001e-06,
"loss": 0.2427,
"step": 25
},
{
"epoch": 0.33766233766233766,
"grad_norm": 0.43380755500127693,
"learning_rate": 9.348958333333335e-06,
"loss": 0.2629,
"step": 26
},
{
"epoch": 0.35064935064935066,
"grad_norm": 0.4124812851086015,
"learning_rate": 9.322916666666667e-06,
"loss": 0.2555,
"step": 27
},
{
"epoch": 0.36363636363636365,
"grad_norm": 0.3899208758432942,
"learning_rate": 9.296875e-06,
"loss": 0.2385,
"step": 28
},
{
"epoch": 0.37662337662337664,
"grad_norm": 0.4307637034312358,
"learning_rate": 9.270833333333334e-06,
"loss": 0.2676,
"step": 29
},
{
"epoch": 0.38961038961038963,
"grad_norm": 0.381920816609879,
"learning_rate": 9.244791666666667e-06,
"loss": 0.2366,
"step": 30
},
{
"epoch": 0.4025974025974026,
"grad_norm": 0.3816394656089062,
"learning_rate": 9.21875e-06,
"loss": 0.2321,
"step": 31
},
{
"epoch": 0.4155844155844156,
"grad_norm": 0.42534009456351374,
"learning_rate": 9.192708333333334e-06,
"loss": 0.265,
"step": 32
},
{
"epoch": 0.42857142857142855,
"grad_norm": 0.37160388698301566,
"learning_rate": 9.166666666666666e-06,
"loss": 0.2373,
"step": 33
},
{
"epoch": 0.44155844155844154,
"grad_norm": 0.3801489729504126,
"learning_rate": 9.140625e-06,
"loss": 0.2414,
"step": 34
},
{
"epoch": 0.45454545454545453,
"grad_norm": 0.3913349306860418,
"learning_rate": 9.114583333333334e-06,
"loss": 0.2206,
"step": 35
},
{
"epoch": 0.4675324675324675,
"grad_norm": 0.3943320977947317,
"learning_rate": 9.088541666666666e-06,
"loss": 0.223,
"step": 36
},
{
"epoch": 0.4805194805194805,
"grad_norm": 0.3702281679651669,
"learning_rate": 9.0625e-06,
"loss": 0.2147,
"step": 37
},
{
"epoch": 0.4935064935064935,
"grad_norm": 0.422823856947034,
"learning_rate": 9.036458333333334e-06,
"loss": 0.2493,
"step": 38
},
{
"epoch": 0.5064935064935064,
"grad_norm": 0.38040718111635613,
"learning_rate": 9.010416666666668e-06,
"loss": 0.2245,
"step": 39
},
{
"epoch": 0.5194805194805194,
"grad_norm": 0.3440649156844092,
"learning_rate": 8.984375000000002e-06,
"loss": 0.2216,
"step": 40
},
{
"epoch": 0.5324675324675324,
"grad_norm": 0.3646349376051012,
"learning_rate": 8.958333333333334e-06,
"loss": 0.2127,
"step": 41
},
{
"epoch": 0.5454545454545454,
"grad_norm": 0.34399756355860645,
"learning_rate": 8.932291666666668e-06,
"loss": 0.2148,
"step": 42
},
{
"epoch": 0.5584415584415584,
"grad_norm": 0.3823461645884333,
"learning_rate": 8.906250000000001e-06,
"loss": 0.2367,
"step": 43
},
{
"epoch": 0.5714285714285714,
"grad_norm": 0.3396475181827773,
"learning_rate": 8.880208333333335e-06,
"loss": 0.2097,
"step": 44
},
{
"epoch": 0.5844155844155844,
"grad_norm": 0.40580965210317627,
"learning_rate": 8.854166666666667e-06,
"loss": 0.2539,
"step": 45
},
{
"epoch": 0.5974025974025974,
"grad_norm": 0.3720924077531135,
"learning_rate": 8.828125000000001e-06,
"loss": 0.2416,
"step": 46
},
{
"epoch": 0.6103896103896104,
"grad_norm": 0.36386894867601904,
"learning_rate": 8.802083333333335e-06,
"loss": 0.2159,
"step": 47
},
{
"epoch": 0.6233766233766234,
"grad_norm": 0.39963494878899575,
"learning_rate": 8.776041666666667e-06,
"loss": 0.2155,
"step": 48
},
{
"epoch": 0.6363636363636364,
"grad_norm": 0.41491580966165253,
"learning_rate": 8.750000000000001e-06,
"loss": 0.2441,
"step": 49
},
{
"epoch": 0.6493506493506493,
"grad_norm": 0.413722874540919,
"learning_rate": 8.723958333333335e-06,
"loss": 0.2411,
"step": 50
},
{
"epoch": 0.6623376623376623,
"grad_norm": 0.3627710473819897,
"learning_rate": 8.697916666666667e-06,
"loss": 0.2032,
"step": 51
},
{
"epoch": 0.6753246753246753,
"grad_norm": 0.37183990680520124,
"learning_rate": 8.671875e-06,
"loss": 0.2297,
"step": 52
},
{
"epoch": 0.6883116883116883,
"grad_norm": 0.3447910113593886,
"learning_rate": 8.645833333333335e-06,
"loss": 0.2152,
"step": 53
},
{
"epoch": 0.7012987012987013,
"grad_norm": 0.3746990091470779,
"learning_rate": 8.619791666666667e-06,
"loss": 0.2196,
"step": 54
},
{
"epoch": 0.7142857142857143,
"grad_norm": 0.38360093812511664,
"learning_rate": 8.59375e-06,
"loss": 0.2351,
"step": 55
},
{
"epoch": 0.7272727272727273,
"grad_norm": 0.3401850780087419,
"learning_rate": 8.567708333333334e-06,
"loss": 0.1948,
"step": 56
},
{
"epoch": 0.7402597402597403,
"grad_norm": 0.3341353144174157,
"learning_rate": 8.541666666666666e-06,
"loss": 0.1985,
"step": 57
},
{
"epoch": 0.7532467532467533,
"grad_norm": 0.3317473111284822,
"learning_rate": 8.515625e-06,
"loss": 0.2019,
"step": 58
},
{
"epoch": 0.7662337662337663,
"grad_norm": 0.37322280586801393,
"learning_rate": 8.489583333333334e-06,
"loss": 0.2258,
"step": 59
},
{
"epoch": 0.7792207792207793,
"grad_norm": 0.36560124214432044,
"learning_rate": 8.463541666666666e-06,
"loss": 0.2188,
"step": 60
},
{
"epoch": 0.7922077922077922,
"grad_norm": 0.3372344746230244,
"learning_rate": 8.4375e-06,
"loss": 0.2157,
"step": 61
},
{
"epoch": 0.8051948051948052,
"grad_norm": 0.3486634994045839,
"learning_rate": 8.411458333333334e-06,
"loss": 0.202,
"step": 62
},
{
"epoch": 0.8181818181818182,
"grad_norm": 0.39190266385589323,
"learning_rate": 8.385416666666668e-06,
"loss": 0.2148,
"step": 63
},
{
"epoch": 0.8311688311688312,
"grad_norm": 0.36845516731632094,
"learning_rate": 8.359375e-06,
"loss": 0.2184,
"step": 64
},
{
"epoch": 0.8441558441558441,
"grad_norm": 0.35457910296524253,
"learning_rate": 8.333333333333334e-06,
"loss": 0.2149,
"step": 65
},
{
"epoch": 0.8571428571428571,
"grad_norm": 0.3603241548710575,
"learning_rate": 8.307291666666668e-06,
"loss": 0.2155,
"step": 66
},
{
"epoch": 0.8701298701298701,
"grad_norm": 0.36738480430355874,
"learning_rate": 8.281250000000001e-06,
"loss": 0.2262,
"step": 67
},
{
"epoch": 0.8831168831168831,
"grad_norm": 0.3994418788798323,
"learning_rate": 8.255208333333335e-06,
"loss": 0.2237,
"step": 68
},
{
"epoch": 0.8961038961038961,
"grad_norm": 0.3818265307209604,
"learning_rate": 8.229166666666667e-06,
"loss": 0.2134,
"step": 69
},
{
"epoch": 0.9090909090909091,
"grad_norm": 0.3498820594838212,
"learning_rate": 8.203125000000001e-06,
"loss": 0.2069,
"step": 70
},
{
"epoch": 0.922077922077922,
"grad_norm": 0.385917668930501,
"learning_rate": 8.177083333333335e-06,
"loss": 0.2123,
"step": 71
},
{
"epoch": 0.935064935064935,
"grad_norm": 0.39236894265571665,
"learning_rate": 8.151041666666667e-06,
"loss": 0.2234,
"step": 72
},
{
"epoch": 0.948051948051948,
"grad_norm": 0.3725234037920641,
"learning_rate": 8.125000000000001e-06,
"loss": 0.2066,
"step": 73
},
{
"epoch": 0.961038961038961,
"grad_norm": 0.35880219297664784,
"learning_rate": 8.098958333333335e-06,
"loss": 0.1897,
"step": 74
},
{
"epoch": 0.974025974025974,
"grad_norm": 0.3907765260625405,
"learning_rate": 8.072916666666667e-06,
"loss": 0.2294,
"step": 75
},
{
"epoch": 0.987012987012987,
"grad_norm": 0.36488776593694006,
"learning_rate": 8.046875e-06,
"loss": 0.1958,
"step": 76
},
{
"epoch": 1.0,
"grad_norm": 0.3787789187575852,
"learning_rate": 8.020833333333335e-06,
"loss": 0.2067,
"step": 77
},
{
"epoch": 1.0129870129870129,
"grad_norm": 0.448465153413621,
"learning_rate": 7.994791666666667e-06,
"loss": 0.1244,
"step": 78
},
{
"epoch": 1.025974025974026,
"grad_norm": 0.3915974513800719,
"learning_rate": 7.96875e-06,
"loss": 0.1243,
"step": 79
},
{
"epoch": 1.0389610389610389,
"grad_norm": 0.3963769912247312,
"learning_rate": 7.942708333333334e-06,
"loss": 0.1172,
"step": 80
},
{
"epoch": 1.051948051948052,
"grad_norm": 0.6014772610010978,
"learning_rate": 7.916666666666667e-06,
"loss": 0.1342,
"step": 81
},
{
"epoch": 1.0649350649350648,
"grad_norm": 0.36513022825436714,
"learning_rate": 7.890625e-06,
"loss": 0.1155,
"step": 82
},
{
"epoch": 1.077922077922078,
"grad_norm": 0.36495385435491967,
"learning_rate": 7.864583333333334e-06,
"loss": 0.1278,
"step": 83
},
{
"epoch": 1.0909090909090908,
"grad_norm": 0.3817117188167101,
"learning_rate": 7.838541666666666e-06,
"loss": 0.1294,
"step": 84
},
{
"epoch": 1.103896103896104,
"grad_norm": 0.3466875502600336,
"learning_rate": 7.8125e-06,
"loss": 0.1187,
"step": 85
},
{
"epoch": 1.1168831168831168,
"grad_norm": 0.38224176701280815,
"learning_rate": 7.786458333333334e-06,
"loss": 0.1163,
"step": 86
},
{
"epoch": 1.12987012987013,
"grad_norm": 0.387717741867272,
"learning_rate": 7.760416666666666e-06,
"loss": 0.1229,
"step": 87
},
{
"epoch": 1.1428571428571428,
"grad_norm": 0.33922354465727605,
"learning_rate": 7.734375e-06,
"loss": 0.1026,
"step": 88
},
{
"epoch": 1.155844155844156,
"grad_norm": 0.35409301762559464,
"learning_rate": 7.708333333333334e-06,
"loss": 0.1208,
"step": 89
},
{
"epoch": 1.1688311688311688,
"grad_norm": 0.4114669310411066,
"learning_rate": 7.682291666666668e-06,
"loss": 0.138,
"step": 90
},
{
"epoch": 1.1818181818181819,
"grad_norm": 0.3522471695287209,
"learning_rate": 7.656250000000001e-06,
"loss": 0.1268,
"step": 91
},
{
"epoch": 1.1948051948051948,
"grad_norm": 0.3494758184949061,
"learning_rate": 7.630208333333334e-06,
"loss": 0.1118,
"step": 92
},
{
"epoch": 1.2077922077922079,
"grad_norm": 0.35673580541279293,
"learning_rate": 7.6041666666666666e-06,
"loss": 0.111,
"step": 93
},
{
"epoch": 1.2207792207792207,
"grad_norm": 0.2877699742066818,
"learning_rate": 7.578125e-06,
"loss": 0.1024,
"step": 94
},
{
"epoch": 1.2337662337662338,
"grad_norm": 0.36809061483198696,
"learning_rate": 7.552083333333334e-06,
"loss": 0.125,
"step": 95
},
{
"epoch": 1.2467532467532467,
"grad_norm": 0.3326924572780158,
"learning_rate": 7.526041666666667e-06,
"loss": 0.1165,
"step": 96
},
{
"epoch": 1.2597402597402598,
"grad_norm": 0.3381064907954975,
"learning_rate": 7.500000000000001e-06,
"loss": 0.1242,
"step": 97
},
{
"epoch": 1.2727272727272727,
"grad_norm": 0.31808537453343166,
"learning_rate": 7.473958333333334e-06,
"loss": 0.1194,
"step": 98
},
{
"epoch": 1.2857142857142856,
"grad_norm": 0.3338293488215449,
"learning_rate": 7.447916666666667e-06,
"loss": 0.1045,
"step": 99
},
{
"epoch": 1.2987012987012987,
"grad_norm": 0.32638382374328245,
"learning_rate": 7.421875000000001e-06,
"loss": 0.1274,
"step": 100
},
{
"epoch": 1.3116883116883118,
"grad_norm": 0.3798687835449094,
"learning_rate": 7.395833333333335e-06,
"loss": 0.1216,
"step": 101
},
{
"epoch": 1.3246753246753247,
"grad_norm": 0.42118782006430655,
"learning_rate": 7.369791666666667e-06,
"loss": 0.1116,
"step": 102
},
{
"epoch": 1.3376623376623376,
"grad_norm": 0.31491431320109803,
"learning_rate": 7.343750000000001e-06,
"loss": 0.123,
"step": 103
},
{
"epoch": 1.3506493506493507,
"grad_norm": 0.31006216567911504,
"learning_rate": 7.3177083333333345e-06,
"loss": 0.1186,
"step": 104
},
{
"epoch": 1.3636363636363638,
"grad_norm": 0.32515923422393395,
"learning_rate": 7.291666666666667e-06,
"loss": 0.1069,
"step": 105
},
{
"epoch": 1.3766233766233766,
"grad_norm": 0.3258624400110308,
"learning_rate": 7.265625e-06,
"loss": 0.0925,
"step": 106
},
{
"epoch": 1.3896103896103895,
"grad_norm": 0.3147044898639944,
"learning_rate": 7.239583333333334e-06,
"loss": 0.1114,
"step": 107
},
{
"epoch": 1.4025974025974026,
"grad_norm": 0.3155522217588101,
"learning_rate": 7.213541666666667e-06,
"loss": 0.1237,
"step": 108
},
{
"epoch": 1.4155844155844157,
"grad_norm": 0.3144003636320752,
"learning_rate": 7.1875e-06,
"loss": 0.1159,
"step": 109
},
{
"epoch": 1.4285714285714286,
"grad_norm": 0.32254719268793725,
"learning_rate": 7.161458333333334e-06,
"loss": 0.1196,
"step": 110
},
{
"epoch": 1.4415584415584415,
"grad_norm": 0.315615751768773,
"learning_rate": 7.135416666666667e-06,
"loss": 0.1121,
"step": 111
},
{
"epoch": 1.4545454545454546,
"grad_norm": 0.2995055345846169,
"learning_rate": 7.109375000000001e-06,
"loss": 0.1199,
"step": 112
},
{
"epoch": 1.4675324675324675,
"grad_norm": 0.3457518743206924,
"learning_rate": 7.083333333333335e-06,
"loss": 0.1262,
"step": 113
},
{
"epoch": 1.4805194805194806,
"grad_norm": 0.34216271471145815,
"learning_rate": 7.057291666666667e-06,
"loss": 0.1067,
"step": 114
},
{
"epoch": 1.4935064935064934,
"grad_norm": 0.3178295536529888,
"learning_rate": 7.031250000000001e-06,
"loss": 0.1202,
"step": 115
},
{
"epoch": 1.5064935064935066,
"grad_norm": 0.2819573454273538,
"learning_rate": 7.0052083333333345e-06,
"loss": 0.1033,
"step": 116
},
{
"epoch": 1.5194805194805194,
"grad_norm": 0.32378485295884113,
"learning_rate": 6.979166666666667e-06,
"loss": 0.117,
"step": 117
},
{
"epoch": 1.5324675324675323,
"grad_norm": 0.3154734102111175,
"learning_rate": 6.9531250000000004e-06,
"loss": 0.1089,
"step": 118
},
{
"epoch": 1.5454545454545454,
"grad_norm": 0.3112595772562475,
"learning_rate": 6.927083333333334e-06,
"loss": 0.1131,
"step": 119
},
{
"epoch": 1.5584415584415585,
"grad_norm": 0.308567184284047,
"learning_rate": 6.901041666666667e-06,
"loss": 0.0981,
"step": 120
},
{
"epoch": 1.5714285714285714,
"grad_norm": 0.2941894268668758,
"learning_rate": 6.875e-06,
"loss": 0.0992,
"step": 121
},
{
"epoch": 1.5844155844155843,
"grad_norm": 0.3244832758495866,
"learning_rate": 6.848958333333334e-06,
"loss": 0.1151,
"step": 122
},
{
"epoch": 1.5974025974025974,
"grad_norm": 0.3486204249378559,
"learning_rate": 6.822916666666667e-06,
"loss": 0.1144,
"step": 123
},
{
"epoch": 1.6103896103896105,
"grad_norm": 0.3108839874338576,
"learning_rate": 6.796875000000001e-06,
"loss": 0.1166,
"step": 124
},
{
"epoch": 1.6233766233766234,
"grad_norm": 0.3362850203366801,
"learning_rate": 6.770833333333334e-06,
"loss": 0.1166,
"step": 125
},
{
"epoch": 1.6363636363636362,
"grad_norm": 0.3001509180382928,
"learning_rate": 6.744791666666667e-06,
"loss": 0.1105,
"step": 126
},
{
"epoch": 1.6493506493506493,
"grad_norm": 0.2997092451007753,
"learning_rate": 6.718750000000001e-06,
"loss": 0.1086,
"step": 127
},
{
"epoch": 1.6623376623376624,
"grad_norm": 0.3427204611958163,
"learning_rate": 6.6927083333333345e-06,
"loss": 0.1054,
"step": 128
},
{
"epoch": 1.6753246753246753,
"grad_norm": 0.2994776086256174,
"learning_rate": 6.666666666666667e-06,
"loss": 0.1154,
"step": 129
},
{
"epoch": 1.6883116883116882,
"grad_norm": 0.31431249708262365,
"learning_rate": 6.6406250000000005e-06,
"loss": 0.1227,
"step": 130
},
{
"epoch": 1.7012987012987013,
"grad_norm": 0.311578248576694,
"learning_rate": 6.614583333333334e-06,
"loss": 0.1084,
"step": 131
},
{
"epoch": 1.7142857142857144,
"grad_norm": 0.3316176770331044,
"learning_rate": 6.5885416666666664e-06,
"loss": 0.1104,
"step": 132
},
{
"epoch": 1.7272727272727273,
"grad_norm": 0.30426933433479547,
"learning_rate": 6.5625e-06,
"loss": 0.1125,
"step": 133
},
{
"epoch": 1.7402597402597402,
"grad_norm": 0.28043555053128094,
"learning_rate": 6.536458333333334e-06,
"loss": 0.0992,
"step": 134
},
{
"epoch": 1.7532467532467533,
"grad_norm": 0.30386469668813254,
"learning_rate": 6.510416666666667e-06,
"loss": 0.1091,
"step": 135
},
{
"epoch": 1.7662337662337664,
"grad_norm": 0.3224355180252757,
"learning_rate": 6.484375000000001e-06,
"loss": 0.1057,
"step": 136
},
{
"epoch": 1.7792207792207793,
"grad_norm": 0.33241428871080214,
"learning_rate": 6.458333333333334e-06,
"loss": 0.1059,
"step": 137
},
{
"epoch": 1.7922077922077921,
"grad_norm": 0.3147577283191284,
"learning_rate": 6.432291666666667e-06,
"loss": 0.1182,
"step": 138
},
{
"epoch": 1.8051948051948052,
"grad_norm": 0.3078113700946741,
"learning_rate": 6.406250000000001e-06,
"loss": 0.1041,
"step": 139
},
{
"epoch": 1.8181818181818183,
"grad_norm": 0.29167494344756056,
"learning_rate": 6.3802083333333345e-06,
"loss": 0.1118,
"step": 140
},
{
"epoch": 1.8311688311688312,
"grad_norm": 0.3185841818138518,
"learning_rate": 6.354166666666667e-06,
"loss": 0.1086,
"step": 141
},
{
"epoch": 1.844155844155844,
"grad_norm": 0.32641774304326837,
"learning_rate": 6.3281250000000005e-06,
"loss": 0.1109,
"step": 142
},
{
"epoch": 1.8571428571428572,
"grad_norm": 0.3203734291459141,
"learning_rate": 6.302083333333334e-06,
"loss": 0.0955,
"step": 143
},
{
"epoch": 1.87012987012987,
"grad_norm": 0.2890498272171896,
"learning_rate": 6.2760416666666665e-06,
"loss": 0.101,
"step": 144
},
{
"epoch": 1.883116883116883,
"grad_norm": 0.29736342466973853,
"learning_rate": 6.25e-06,
"loss": 0.118,
"step": 145
},
{
"epoch": 1.896103896103896,
"grad_norm": 0.31984473875794944,
"learning_rate": 6.223958333333334e-06,
"loss": 0.1102,
"step": 146
},
{
"epoch": 1.9090909090909092,
"grad_norm": 0.3172704335356637,
"learning_rate": 6.197916666666667e-06,
"loss": 0.1082,
"step": 147
},
{
"epoch": 1.922077922077922,
"grad_norm": 0.2973111874066074,
"learning_rate": 6.171875e-06,
"loss": 0.1197,
"step": 148
},
{
"epoch": 1.935064935064935,
"grad_norm": 0.3095998340575272,
"learning_rate": 6.145833333333334e-06,
"loss": 0.1079,
"step": 149
},
{
"epoch": 1.948051948051948,
"grad_norm": 0.31787152770234606,
"learning_rate": 6.119791666666667e-06,
"loss": 0.0994,
"step": 150
},
{
"epoch": 1.9610389610389611,
"grad_norm": 0.28985366328378903,
"learning_rate": 6.093750000000001e-06,
"loss": 0.1202,
"step": 151
},
{
"epoch": 1.974025974025974,
"grad_norm": 0.3052098497087059,
"learning_rate": 6.0677083333333346e-06,
"loss": 0.1137,
"step": 152
},
{
"epoch": 1.987012987012987,
"grad_norm": 0.3066915552338606,
"learning_rate": 6.041666666666667e-06,
"loss": 0.1172,
"step": 153
},
{
"epoch": 2.0,
"grad_norm": 0.30629249293934785,
"learning_rate": 6.0156250000000005e-06,
"loss": 0.1032,
"step": 154
},
{
"epoch": 2.012987012987013,
"grad_norm": 0.35023782090844824,
"learning_rate": 5.989583333333334e-06,
"loss": 0.0557,
"step": 155
},
{
"epoch": 2.0259740259740258,
"grad_norm": 0.2862415000889261,
"learning_rate": 5.9635416666666665e-06,
"loss": 0.0656,
"step": 156
},
{
"epoch": 2.038961038961039,
"grad_norm": 0.25460716359572677,
"learning_rate": 5.9375e-06,
"loss": 0.0559,
"step": 157
},
{
"epoch": 2.051948051948052,
"grad_norm": 0.32189640709965023,
"learning_rate": 5.911458333333334e-06,
"loss": 0.0563,
"step": 158
},
{
"epoch": 2.064935064935065,
"grad_norm": 0.34761763544000046,
"learning_rate": 5.885416666666667e-06,
"loss": 0.0695,
"step": 159
},
{
"epoch": 2.0779220779220777,
"grad_norm": 0.2780054835792156,
"learning_rate": 5.859375e-06,
"loss": 0.0555,
"step": 160
},
{
"epoch": 2.090909090909091,
"grad_norm": 0.24032473108802174,
"learning_rate": 5.833333333333334e-06,
"loss": 0.0565,
"step": 161
},
{
"epoch": 2.103896103896104,
"grad_norm": 0.2950389512514924,
"learning_rate": 5.807291666666667e-06,
"loss": 0.0566,
"step": 162
},
{
"epoch": 2.116883116883117,
"grad_norm": 0.22432748520418566,
"learning_rate": 5.781250000000001e-06,
"loss": 0.056,
"step": 163
},
{
"epoch": 2.1298701298701297,
"grad_norm": 0.24784953484105113,
"learning_rate": 5.755208333333335e-06,
"loss": 0.0479,
"step": 164
},
{
"epoch": 2.142857142857143,
"grad_norm": 0.2702464812816263,
"learning_rate": 5.729166666666667e-06,
"loss": 0.0591,
"step": 165
},
{
"epoch": 2.155844155844156,
"grad_norm": 0.24201294320174244,
"learning_rate": 5.7031250000000006e-06,
"loss": 0.0599,
"step": 166
},
{
"epoch": 2.168831168831169,
"grad_norm": 0.27746964323966916,
"learning_rate": 5.677083333333334e-06,
"loss": 0.0533,
"step": 167
},
{
"epoch": 2.1818181818181817,
"grad_norm": 0.2897264068192118,
"learning_rate": 5.6510416666666665e-06,
"loss": 0.053,
"step": 168
},
{
"epoch": 2.1948051948051948,
"grad_norm": 0.27265023383714393,
"learning_rate": 5.625e-06,
"loss": 0.0663,
"step": 169
},
{
"epoch": 2.207792207792208,
"grad_norm": 0.23815823204180192,
"learning_rate": 5.598958333333334e-06,
"loss": 0.0553,
"step": 170
},
{
"epoch": 2.220779220779221,
"grad_norm": 0.27451200943828685,
"learning_rate": 5.572916666666667e-06,
"loss": 0.0628,
"step": 171
},
{
"epoch": 2.2337662337662336,
"grad_norm": 0.24756583000652174,
"learning_rate": 5.546875e-06,
"loss": 0.0556,
"step": 172
},
{
"epoch": 2.2467532467532467,
"grad_norm": 0.2544315370018155,
"learning_rate": 5.520833333333334e-06,
"loss": 0.0578,
"step": 173
},
{
"epoch": 2.25974025974026,
"grad_norm": 0.23275351662072738,
"learning_rate": 5.494791666666667e-06,
"loss": 0.0538,
"step": 174
},
{
"epoch": 2.2727272727272725,
"grad_norm": 0.2618251778102254,
"learning_rate": 5.468750000000001e-06,
"loss": 0.0658,
"step": 175
},
{
"epoch": 2.2857142857142856,
"grad_norm": 0.25188249686135555,
"learning_rate": 5.442708333333334e-06,
"loss": 0.0486,
"step": 176
},
{
"epoch": 2.2987012987012987,
"grad_norm": 0.28055649582376346,
"learning_rate": 5.416666666666667e-06,
"loss": 0.0626,
"step": 177
},
{
"epoch": 2.311688311688312,
"grad_norm": 0.24599632120103626,
"learning_rate": 5.390625000000001e-06,
"loss": 0.0583,
"step": 178
},
{
"epoch": 2.324675324675325,
"grad_norm": 0.27127338612129825,
"learning_rate": 5.364583333333334e-06,
"loss": 0.0586,
"step": 179
},
{
"epoch": 2.3376623376623376,
"grad_norm": 0.24409520592231887,
"learning_rate": 5.3385416666666666e-06,
"loss": 0.0546,
"step": 180
},
{
"epoch": 2.3506493506493507,
"grad_norm": 0.2730534578010532,
"learning_rate": 5.3125e-06,
"loss": 0.049,
"step": 181
},
{
"epoch": 2.3636363636363638,
"grad_norm": 0.3063550918757163,
"learning_rate": 5.286458333333334e-06,
"loss": 0.0626,
"step": 182
},
{
"epoch": 2.3766233766233764,
"grad_norm": 0.24974475183252906,
"learning_rate": 5.260416666666666e-06,
"loss": 0.0644,
"step": 183
},
{
"epoch": 2.3896103896103895,
"grad_norm": 0.27100592128125456,
"learning_rate": 5.234375e-06,
"loss": 0.0585,
"step": 184
},
{
"epoch": 2.4025974025974026,
"grad_norm": 0.2814186690984644,
"learning_rate": 5.208333333333334e-06,
"loss": 0.0582,
"step": 185
},
{
"epoch": 2.4155844155844157,
"grad_norm": 0.25261977006702085,
"learning_rate": 5.182291666666667e-06,
"loss": 0.0518,
"step": 186
},
{
"epoch": 2.4285714285714284,
"grad_norm": 0.2657725313570488,
"learning_rate": 5.156250000000001e-06,
"loss": 0.0578,
"step": 187
},
{
"epoch": 2.4415584415584415,
"grad_norm": 0.2546037193133823,
"learning_rate": 5.130208333333334e-06,
"loss": 0.0538,
"step": 188
},
{
"epoch": 2.4545454545454546,
"grad_norm": 0.281253389764468,
"learning_rate": 5.104166666666667e-06,
"loss": 0.0635,
"step": 189
},
{
"epoch": 2.4675324675324677,
"grad_norm": 0.26338794462461806,
"learning_rate": 5.078125000000001e-06,
"loss": 0.0562,
"step": 190
},
{
"epoch": 2.4805194805194803,
"grad_norm": 0.24941779389697705,
"learning_rate": 5.0520833333333344e-06,
"loss": 0.0556,
"step": 191
},
{
"epoch": 2.4935064935064934,
"grad_norm": 0.24447967903315854,
"learning_rate": 5.026041666666667e-06,
"loss": 0.0583,
"step": 192
},
{
"epoch": 2.5064935064935066,
"grad_norm": 0.23904209946561095,
"learning_rate": 5e-06,
"loss": 0.0466,
"step": 193
},
{
"epoch": 2.5194805194805197,
"grad_norm": 0.2647184458213586,
"learning_rate": 4.973958333333333e-06,
"loss": 0.0631,
"step": 194
},
{
"epoch": 2.5324675324675323,
"grad_norm": 0.22821154672037003,
"learning_rate": 4.947916666666667e-06,
"loss": 0.0473,
"step": 195
},
{
"epoch": 2.5454545454545454,
"grad_norm": 0.2626904902801862,
"learning_rate": 4.921875e-06,
"loss": 0.0506,
"step": 196
},
{
"epoch": 2.5584415584415585,
"grad_norm": 0.24930087318211805,
"learning_rate": 4.895833333333333e-06,
"loss": 0.0572,
"step": 197
},
{
"epoch": 2.571428571428571,
"grad_norm": 0.2481390560509281,
"learning_rate": 4.869791666666667e-06,
"loss": 0.0555,
"step": 198
},
{
"epoch": 2.5844155844155843,
"grad_norm": 0.2877573573303393,
"learning_rate": 4.84375e-06,
"loss": 0.067,
"step": 199
},
{
"epoch": 2.5974025974025974,
"grad_norm": 0.25217308853248577,
"learning_rate": 4.817708333333334e-06,
"loss": 0.0471,
"step": 200
},
{
"epoch": 2.6103896103896105,
"grad_norm": 0.24328918721469303,
"learning_rate": 4.791666666666668e-06,
"loss": 0.0576,
"step": 201
},
{
"epoch": 2.6233766233766236,
"grad_norm": 0.2523930869041385,
"learning_rate": 4.765625000000001e-06,
"loss": 0.0545,
"step": 202
},
{
"epoch": 2.6363636363636362,
"grad_norm": 0.2535471838454832,
"learning_rate": 4.739583333333334e-06,
"loss": 0.0625,
"step": 203
},
{
"epoch": 2.6493506493506493,
"grad_norm": 0.2712254471205784,
"learning_rate": 4.7135416666666675e-06,
"loss": 0.061,
"step": 204
},
{
"epoch": 2.6623376623376624,
"grad_norm": 0.26161221717819355,
"learning_rate": 4.6875000000000004e-06,
"loss": 0.0567,
"step": 205
},
{
"epoch": 2.675324675324675,
"grad_norm": 0.24838669747413192,
"learning_rate": 4.661458333333333e-06,
"loss": 0.0518,
"step": 206
},
{
"epoch": 2.688311688311688,
"grad_norm": 0.23966177399361988,
"learning_rate": 4.635416666666667e-06,
"loss": 0.0542,
"step": 207
},
{
"epoch": 2.7012987012987013,
"grad_norm": 0.24657984039301706,
"learning_rate": 4.609375e-06,
"loss": 0.0666,
"step": 208
},
{
"epoch": 2.7142857142857144,
"grad_norm": 0.2583103237439079,
"learning_rate": 4.583333333333333e-06,
"loss": 0.0545,
"step": 209
},
{
"epoch": 2.7272727272727275,
"grad_norm": 0.2562617620737508,
"learning_rate": 4.557291666666667e-06,
"loss": 0.0558,
"step": 210
},
{
"epoch": 2.74025974025974,
"grad_norm": 0.23308521833875492,
"learning_rate": 4.53125e-06,
"loss": 0.0496,
"step": 211
},
{
"epoch": 2.7532467532467533,
"grad_norm": 0.24092047046705078,
"learning_rate": 4.505208333333334e-06,
"loss": 0.0596,
"step": 212
},
{
"epoch": 2.7662337662337664,
"grad_norm": 0.27349855814243884,
"learning_rate": 4.479166666666667e-06,
"loss": 0.0468,
"step": 213
},
{
"epoch": 2.779220779220779,
"grad_norm": 0.2275758123203626,
"learning_rate": 4.453125000000001e-06,
"loss": 0.056,
"step": 214
},
{
"epoch": 2.792207792207792,
"grad_norm": 0.266884630074945,
"learning_rate": 4.427083333333334e-06,
"loss": 0.0571,
"step": 215
},
{
"epoch": 2.8051948051948052,
"grad_norm": 0.25024069366637947,
"learning_rate": 4.4010416666666675e-06,
"loss": 0.0642,
"step": 216
},
{
"epoch": 2.8181818181818183,
"grad_norm": 0.24857662695800786,
"learning_rate": 4.3750000000000005e-06,
"loss": 0.0486,
"step": 217
},
{
"epoch": 2.8311688311688314,
"grad_norm": 0.25080858473278267,
"learning_rate": 4.3489583333333334e-06,
"loss": 0.0584,
"step": 218
},
{
"epoch": 2.844155844155844,
"grad_norm": 0.24530740860883163,
"learning_rate": 4.322916666666667e-06,
"loss": 0.0633,
"step": 219
},
{
"epoch": 2.857142857142857,
"grad_norm": 0.23913022308407994,
"learning_rate": 4.296875e-06,
"loss": 0.0549,
"step": 220
},
{
"epoch": 2.87012987012987,
"grad_norm": 0.24149083025156237,
"learning_rate": 4.270833333333333e-06,
"loss": 0.0467,
"step": 221
},
{
"epoch": 2.883116883116883,
"grad_norm": 0.26965528602346694,
"learning_rate": 4.244791666666667e-06,
"loss": 0.0606,
"step": 222
},
{
"epoch": 2.896103896103896,
"grad_norm": 0.25365858810429237,
"learning_rate": 4.21875e-06,
"loss": 0.0694,
"step": 223
},
{
"epoch": 2.909090909090909,
"grad_norm": 0.24179541312218353,
"learning_rate": 4.192708333333334e-06,
"loss": 0.0616,
"step": 224
},
{
"epoch": 2.9220779220779223,
"grad_norm": 0.2361020434984871,
"learning_rate": 4.166666666666667e-06,
"loss": 0.0476,
"step": 225
},
{
"epoch": 2.935064935064935,
"grad_norm": 0.27226949918910437,
"learning_rate": 4.140625000000001e-06,
"loss": 0.0642,
"step": 226
},
{
"epoch": 2.948051948051948,
"grad_norm": 0.2527942476147371,
"learning_rate": 4.114583333333334e-06,
"loss": 0.0619,
"step": 227
},
{
"epoch": 2.961038961038961,
"grad_norm": 0.24251482806607963,
"learning_rate": 4.0885416666666675e-06,
"loss": 0.0525,
"step": 228
},
{
"epoch": 2.974025974025974,
"grad_norm": 0.23476269808521869,
"learning_rate": 4.0625000000000005e-06,
"loss": 0.062,
"step": 229
},
{
"epoch": 2.987012987012987,
"grad_norm": 0.2374808258403478,
"learning_rate": 4.0364583333333335e-06,
"loss": 0.0505,
"step": 230
},
{
"epoch": 3.0,
"grad_norm": 0.24928176045345568,
"learning_rate": 4.010416666666667e-06,
"loss": 0.0626,
"step": 231
},
{
"epoch": 3.012987012987013,
"grad_norm": 0.22194182328876036,
"learning_rate": 3.984375e-06,
"loss": 0.0344,
"step": 232
},
{
"epoch": 3.0259740259740258,
"grad_norm": 0.22872923006570003,
"learning_rate": 3.958333333333333e-06,
"loss": 0.0413,
"step": 233
},
{
"epoch": 3.038961038961039,
"grad_norm": 0.19665583235009848,
"learning_rate": 3.932291666666667e-06,
"loss": 0.0287,
"step": 234
},
{
"epoch": 3.051948051948052,
"grad_norm": 0.19667069366179346,
"learning_rate": 3.90625e-06,
"loss": 0.0352,
"step": 235
},
{
"epoch": 3.064935064935065,
"grad_norm": 0.215711200723706,
"learning_rate": 3.880208333333333e-06,
"loss": 0.0333,
"step": 236
},
{
"epoch": 3.0779220779220777,
"grad_norm": 0.2313666120277444,
"learning_rate": 3.854166666666667e-06,
"loss": 0.0284,
"step": 237
},
{
"epoch": 3.090909090909091,
"grad_norm": 0.23091064810625503,
"learning_rate": 3.828125000000001e-06,
"loss": 0.0328,
"step": 238
},
{
"epoch": 3.103896103896104,
"grad_norm": 0.20452236865758217,
"learning_rate": 3.8020833333333333e-06,
"loss": 0.0319,
"step": 239
},
{
"epoch": 3.116883116883117,
"grad_norm": 0.2130097271956879,
"learning_rate": 3.776041666666667e-06,
"loss": 0.0353,
"step": 240
},
{
"epoch": 3.1298701298701297,
"grad_norm": 0.17171823929322136,
"learning_rate": 3.7500000000000005e-06,
"loss": 0.0259,
"step": 241
},
{
"epoch": 3.142857142857143,
"grad_norm": 0.18378369851335255,
"learning_rate": 3.7239583333333335e-06,
"loss": 0.0313,
"step": 242
},
{
"epoch": 3.155844155844156,
"grad_norm": 0.1828525728293844,
"learning_rate": 3.6979166666666673e-06,
"loss": 0.028,
"step": 243
},
{
"epoch": 3.168831168831169,
"grad_norm": 0.19380765006793751,
"learning_rate": 3.6718750000000003e-06,
"loss": 0.0289,
"step": 244
},
{
"epoch": 3.1818181818181817,
"grad_norm": 0.1990094351044486,
"learning_rate": 3.6458333333333333e-06,
"loss": 0.027,
"step": 245
},
{
"epoch": 3.1948051948051948,
"grad_norm": 0.18792815598678744,
"learning_rate": 3.619791666666667e-06,
"loss": 0.0291,
"step": 246
},
{
"epoch": 3.207792207792208,
"grad_norm": 0.18192941363864568,
"learning_rate": 3.59375e-06,
"loss": 0.0333,
"step": 247
},
{
"epoch": 3.220779220779221,
"grad_norm": 0.19920093771078823,
"learning_rate": 3.5677083333333335e-06,
"loss": 0.0359,
"step": 248
},
{
"epoch": 3.2337662337662336,
"grad_norm": 0.20752665916487095,
"learning_rate": 3.5416666666666673e-06,
"loss": 0.0346,
"step": 249
},
{
"epoch": 3.2467532467532467,
"grad_norm": 0.19735194752925486,
"learning_rate": 3.5156250000000003e-06,
"loss": 0.0286,
"step": 250
},
{
"epoch": 3.25974025974026,
"grad_norm": 0.21107169053286765,
"learning_rate": 3.4895833333333333e-06,
"loss": 0.0302,
"step": 251
},
{
"epoch": 3.2727272727272725,
"grad_norm": 0.19257404946331436,
"learning_rate": 3.463541666666667e-06,
"loss": 0.0266,
"step": 252
},
{
"epoch": 3.2857142857142856,
"grad_norm": 0.20416526855617004,
"learning_rate": 3.4375e-06,
"loss": 0.0338,
"step": 253
},
{
"epoch": 3.2987012987012987,
"grad_norm": 0.16009297749675383,
"learning_rate": 3.4114583333333335e-06,
"loss": 0.0298,
"step": 254
},
{
"epoch": 3.311688311688312,
"grad_norm": 0.1865805004238836,
"learning_rate": 3.385416666666667e-06,
"loss": 0.0381,
"step": 255
},
{
"epoch": 3.324675324675325,
"grad_norm": 0.1856518020717426,
"learning_rate": 3.3593750000000003e-06,
"loss": 0.032,
"step": 256
},
{
"epoch": 3.3376623376623376,
"grad_norm": 0.1643615680531049,
"learning_rate": 3.3333333333333333e-06,
"loss": 0.0261,
"step": 257
},
{
"epoch": 3.3506493506493507,
"grad_norm": 0.20350173056124413,
"learning_rate": 3.307291666666667e-06,
"loss": 0.0289,
"step": 258
},
{
"epoch": 3.3636363636363638,
"grad_norm": 0.1851001849213331,
"learning_rate": 3.28125e-06,
"loss": 0.0303,
"step": 259
},
{
"epoch": 3.3766233766233764,
"grad_norm": 0.17486718674776422,
"learning_rate": 3.2552083333333335e-06,
"loss": 0.0341,
"step": 260
},
{
"epoch": 3.3896103896103895,
"grad_norm": 0.20208654835258116,
"learning_rate": 3.229166666666667e-06,
"loss": 0.0292,
"step": 261
},
{
"epoch": 3.4025974025974026,
"grad_norm": 0.1879927363412167,
"learning_rate": 3.2031250000000004e-06,
"loss": 0.029,
"step": 262
},
{
"epoch": 3.4155844155844157,
"grad_norm": 0.2092150414129076,
"learning_rate": 3.1770833333333333e-06,
"loss": 0.0335,
"step": 263
},
{
"epoch": 3.4285714285714284,
"grad_norm": 0.1828398699501031,
"learning_rate": 3.151041666666667e-06,
"loss": 0.0287,
"step": 264
},
{
"epoch": 3.4415584415584415,
"grad_norm": 0.1646440626911746,
"learning_rate": 3.125e-06,
"loss": 0.0249,
"step": 265
},
{
"epoch": 3.4545454545454546,
"grad_norm": 0.2213658118877642,
"learning_rate": 3.0989583333333336e-06,
"loss": 0.0313,
"step": 266
},
{
"epoch": 3.4675324675324677,
"grad_norm": 0.19833753553756947,
"learning_rate": 3.072916666666667e-06,
"loss": 0.0305,
"step": 267
},
{
"epoch": 3.4805194805194803,
"grad_norm": 0.18639002939061947,
"learning_rate": 3.0468750000000004e-06,
"loss": 0.0285,
"step": 268
},
{
"epoch": 3.4935064935064934,
"grad_norm": 0.2049138683286163,
"learning_rate": 3.0208333333333334e-06,
"loss": 0.0253,
"step": 269
},
{
"epoch": 3.5064935064935066,
"grad_norm": 0.17884962390491255,
"learning_rate": 2.994791666666667e-06,
"loss": 0.0307,
"step": 270
},
{
"epoch": 3.5194805194805197,
"grad_norm": 0.1982271960154676,
"learning_rate": 2.96875e-06,
"loss": 0.0269,
"step": 271
},
{
"epoch": 3.5324675324675323,
"grad_norm": 0.1802446997280461,
"learning_rate": 2.9427083333333336e-06,
"loss": 0.0289,
"step": 272
},
{
"epoch": 3.5454545454545454,
"grad_norm": 0.22296142453499057,
"learning_rate": 2.916666666666667e-06,
"loss": 0.0312,
"step": 273
},
{
"epoch": 3.5584415584415585,
"grad_norm": 0.20453986728427528,
"learning_rate": 2.8906250000000004e-06,
"loss": 0.0314,
"step": 274
},
{
"epoch": 3.571428571428571,
"grad_norm": 0.18470206760727637,
"learning_rate": 2.8645833333333334e-06,
"loss": 0.0224,
"step": 275
},
{
"epoch": 3.5844155844155843,
"grad_norm": 0.18999613246744235,
"learning_rate": 2.838541666666667e-06,
"loss": 0.0362,
"step": 276
},
{
"epoch": 3.5974025974025974,
"grad_norm": 0.1680826823967811,
"learning_rate": 2.8125e-06,
"loss": 0.0295,
"step": 277
},
{
"epoch": 3.6103896103896105,
"grad_norm": 0.1750343035924861,
"learning_rate": 2.7864583333333336e-06,
"loss": 0.0252,
"step": 278
},
{
"epoch": 3.6233766233766236,
"grad_norm": 0.1889879529926468,
"learning_rate": 2.760416666666667e-06,
"loss": 0.0251,
"step": 279
},
{
"epoch": 3.6363636363636362,
"grad_norm": 0.18898957778162337,
"learning_rate": 2.7343750000000004e-06,
"loss": 0.0289,
"step": 280
},
{
"epoch": 3.6493506493506493,
"grad_norm": 0.178208525512879,
"learning_rate": 2.7083333333333334e-06,
"loss": 0.0256,
"step": 281
},
{
"epoch": 3.6623376623376624,
"grad_norm": 0.18961129083755054,
"learning_rate": 2.682291666666667e-06,
"loss": 0.0338,
"step": 282
},
{
"epoch": 3.675324675324675,
"grad_norm": 0.19080605075919305,
"learning_rate": 2.65625e-06,
"loss": 0.0267,
"step": 283
},
{
"epoch": 3.688311688311688,
"grad_norm": 0.2147288655205537,
"learning_rate": 2.630208333333333e-06,
"loss": 0.0261,
"step": 284
},
{
"epoch": 3.7012987012987013,
"grad_norm": 0.17582709254045928,
"learning_rate": 2.604166666666667e-06,
"loss": 0.0223,
"step": 285
},
{
"epoch": 3.7142857142857144,
"grad_norm": 0.17094890369659926,
"learning_rate": 2.5781250000000004e-06,
"loss": 0.0292,
"step": 286
},
{
"epoch": 3.7272727272727275,
"grad_norm": 0.1998709196442666,
"learning_rate": 2.5520833333333334e-06,
"loss": 0.0304,
"step": 287
},
{
"epoch": 3.74025974025974,
"grad_norm": 0.17072439958723487,
"learning_rate": 2.5260416666666672e-06,
"loss": 0.0269,
"step": 288
},
{
"epoch": 3.7532467532467533,
"grad_norm": 0.1903923054426443,
"learning_rate": 2.5e-06,
"loss": 0.0296,
"step": 289
},
{
"epoch": 3.7662337662337664,
"grad_norm": 0.18728539960718932,
"learning_rate": 2.4739583333333336e-06,
"loss": 0.0286,
"step": 290
},
{
"epoch": 3.779220779220779,
"grad_norm": 0.1747917940824676,
"learning_rate": 2.4479166666666666e-06,
"loss": 0.0349,
"step": 291
},
{
"epoch": 3.792207792207792,
"grad_norm": 0.17515549499079433,
"learning_rate": 2.421875e-06,
"loss": 0.027,
"step": 292
},
{
"epoch": 3.8051948051948052,
"grad_norm": 0.17289038920757535,
"learning_rate": 2.395833333333334e-06,
"loss": 0.0308,
"step": 293
},
{
"epoch": 3.8181818181818183,
"grad_norm": 0.1620641486147313,
"learning_rate": 2.369791666666667e-06,
"loss": 0.0235,
"step": 294
},
{
"epoch": 3.8311688311688314,
"grad_norm": 0.1800272114039067,
"learning_rate": 2.3437500000000002e-06,
"loss": 0.029,
"step": 295
},
{
"epoch": 3.844155844155844,
"grad_norm": 0.1714629421802426,
"learning_rate": 2.3177083333333336e-06,
"loss": 0.0325,
"step": 296
},
{
"epoch": 3.857142857142857,
"grad_norm": 0.19442415161637205,
"learning_rate": 2.2916666666666666e-06,
"loss": 0.0289,
"step": 297
},
{
"epoch": 3.87012987012987,
"grad_norm": 0.17365311658981006,
"learning_rate": 2.265625e-06,
"loss": 0.0264,
"step": 298
},
{
"epoch": 3.883116883116883,
"grad_norm": 0.1562256172576751,
"learning_rate": 2.2395833333333334e-06,
"loss": 0.0204,
"step": 299
},
{
"epoch": 3.896103896103896,
"grad_norm": 0.18527276756636948,
"learning_rate": 2.213541666666667e-06,
"loss": 0.038,
"step": 300
},
{
"epoch": 3.909090909090909,
"grad_norm": 0.185548190702714,
"learning_rate": 2.1875000000000002e-06,
"loss": 0.0274,
"step": 301
},
{
"epoch": 3.9220779220779223,
"grad_norm": 0.18710521272243544,
"learning_rate": 2.1614583333333336e-06,
"loss": 0.0282,
"step": 302
},
{
"epoch": 3.935064935064935,
"grad_norm": 0.19705254815926593,
"learning_rate": 2.1354166666666666e-06,
"loss": 0.029,
"step": 303
},
{
"epoch": 3.948051948051948,
"grad_norm": 0.18926365228746053,
"learning_rate": 2.109375e-06,
"loss": 0.031,
"step": 304
},
{
"epoch": 3.961038961038961,
"grad_norm": 0.20932783484563577,
"learning_rate": 2.0833333333333334e-06,
"loss": 0.0347,
"step": 305
},
{
"epoch": 3.974025974025974,
"grad_norm": 0.1844456439281899,
"learning_rate": 2.057291666666667e-06,
"loss": 0.0297,
"step": 306
},
{
"epoch": 3.987012987012987,
"grad_norm": 0.17809794425485584,
"learning_rate": 2.0312500000000002e-06,
"loss": 0.0286,
"step": 307
},
{
"epoch": 4.0,
"grad_norm": 0.20096357456266348,
"learning_rate": 2.0052083333333337e-06,
"loss": 0.0258,
"step": 308
},
{
"epoch": 4.012987012987013,
"grad_norm": 0.15779488457929053,
"learning_rate": 1.9791666666666666e-06,
"loss": 0.0197,
"step": 309
},
{
"epoch": 4.025974025974026,
"grad_norm": 0.17635189527472814,
"learning_rate": 1.953125e-06,
"loss": 0.0214,
"step": 310
},
{
"epoch": 4.038961038961039,
"grad_norm": 0.13517784425731946,
"learning_rate": 1.9270833333333334e-06,
"loss": 0.0226,
"step": 311
},
{
"epoch": 4.0519480519480515,
"grad_norm": 0.12354611702984837,
"learning_rate": 1.9010416666666666e-06,
"loss": 0.0211,
"step": 312
},
{
"epoch": 4.064935064935065,
"grad_norm": 0.12929184375596317,
"learning_rate": 1.8750000000000003e-06,
"loss": 0.0184,
"step": 313
},
{
"epoch": 4.077922077922078,
"grad_norm": 0.13540347091068558,
"learning_rate": 1.8489583333333337e-06,
"loss": 0.0216,
"step": 314
},
{
"epoch": 4.090909090909091,
"grad_norm": 0.16456545986510454,
"learning_rate": 1.8229166666666666e-06,
"loss": 0.0275,
"step": 315
},
{
"epoch": 4.103896103896104,
"grad_norm": 0.13103783773070332,
"learning_rate": 1.796875e-06,
"loss": 0.0167,
"step": 316
},
{
"epoch": 4.116883116883117,
"grad_norm": 0.15039425342491727,
"learning_rate": 1.7708333333333337e-06,
"loss": 0.0176,
"step": 317
},
{
"epoch": 4.12987012987013,
"grad_norm": 0.1528874968260015,
"learning_rate": 1.7447916666666667e-06,
"loss": 0.0228,
"step": 318
},
{
"epoch": 4.142857142857143,
"grad_norm": 0.1277979944302909,
"learning_rate": 1.71875e-06,
"loss": 0.0153,
"step": 319
},
{
"epoch": 4.1558441558441555,
"grad_norm": 0.10986972687139382,
"learning_rate": 1.6927083333333335e-06,
"loss": 0.0114,
"step": 320
},
{
"epoch": 4.1688311688311686,
"grad_norm": 0.12327195530898087,
"learning_rate": 1.6666666666666667e-06,
"loss": 0.0247,
"step": 321
},
{
"epoch": 4.181818181818182,
"grad_norm": 0.1303364571800614,
"learning_rate": 1.640625e-06,
"loss": 0.0132,
"step": 322
},
{
"epoch": 4.194805194805195,
"grad_norm": 0.1129046695889519,
"learning_rate": 1.6145833333333335e-06,
"loss": 0.0137,
"step": 323
},
{
"epoch": 4.207792207792208,
"grad_norm": 0.12487716628769142,
"learning_rate": 1.5885416666666667e-06,
"loss": 0.0171,
"step": 324
},
{
"epoch": 4.220779220779221,
"grad_norm": 0.11121142713696242,
"learning_rate": 1.5625e-06,
"loss": 0.0119,
"step": 325
},
{
"epoch": 4.233766233766234,
"grad_norm": 0.12219540809008053,
"learning_rate": 1.5364583333333335e-06,
"loss": 0.02,
"step": 326
},
{
"epoch": 4.246753246753247,
"grad_norm": 0.1231988249512158,
"learning_rate": 1.5104166666666667e-06,
"loss": 0.0167,
"step": 327
},
{
"epoch": 4.259740259740259,
"grad_norm": 0.12591039931221573,
"learning_rate": 1.484375e-06,
"loss": 0.0145,
"step": 328
},
{
"epoch": 4.2727272727272725,
"grad_norm": 0.13528042945474514,
"learning_rate": 1.4583333333333335e-06,
"loss": 0.0164,
"step": 329
},
{
"epoch": 4.285714285714286,
"grad_norm": 0.13318619366466836,
"learning_rate": 1.4322916666666667e-06,
"loss": 0.0178,
"step": 330
},
{
"epoch": 4.298701298701299,
"grad_norm": 0.1147621867962911,
"learning_rate": 1.40625e-06,
"loss": 0.0146,
"step": 331
},
{
"epoch": 4.311688311688312,
"grad_norm": 0.1171420417701479,
"learning_rate": 1.3802083333333335e-06,
"loss": 0.0155,
"step": 332
},
{
"epoch": 4.324675324675325,
"grad_norm": 0.15069462003471634,
"learning_rate": 1.3541666666666667e-06,
"loss": 0.0169,
"step": 333
},
{
"epoch": 4.337662337662338,
"grad_norm": 0.13369044996596968,
"learning_rate": 1.328125e-06,
"loss": 0.02,
"step": 334
},
{
"epoch": 4.35064935064935,
"grad_norm": 0.1454995879584439,
"learning_rate": 1.3020833333333335e-06,
"loss": 0.0172,
"step": 335
},
{
"epoch": 4.363636363636363,
"grad_norm": 0.10957228964118756,
"learning_rate": 1.2760416666666667e-06,
"loss": 0.0146,
"step": 336
},
{
"epoch": 4.376623376623376,
"grad_norm": 0.13794250836423072,
"learning_rate": 1.25e-06,
"loss": 0.0186,
"step": 337
},
{
"epoch": 4.3896103896103895,
"grad_norm": 0.13155919219887055,
"learning_rate": 1.2239583333333333e-06,
"loss": 0.02,
"step": 338
},
{
"epoch": 4.402597402597403,
"grad_norm": 0.13527086701859414,
"learning_rate": 1.197916666666667e-06,
"loss": 0.0194,
"step": 339
},
{
"epoch": 4.415584415584416,
"grad_norm": 0.13783015873528512,
"learning_rate": 1.1718750000000001e-06,
"loss": 0.016,
"step": 340
},
{
"epoch": 4.428571428571429,
"grad_norm": 0.14817876036194735,
"learning_rate": 1.1458333333333333e-06,
"loss": 0.0202,
"step": 341
},
{
"epoch": 4.441558441558442,
"grad_norm": 0.13486669752884248,
"learning_rate": 1.1197916666666667e-06,
"loss": 0.0133,
"step": 342
},
{
"epoch": 4.454545454545454,
"grad_norm": 0.127193126169577,
"learning_rate": 1.0937500000000001e-06,
"loss": 0.0225,
"step": 343
},
{
"epoch": 4.467532467532467,
"grad_norm": 0.12716918562412002,
"learning_rate": 1.0677083333333333e-06,
"loss": 0.0161,
"step": 344
},
{
"epoch": 4.48051948051948,
"grad_norm": 0.12022862958417269,
"learning_rate": 1.0416666666666667e-06,
"loss": 0.0178,
"step": 345
},
{
"epoch": 4.4935064935064934,
"grad_norm": 0.11185223739581632,
"learning_rate": 1.0156250000000001e-06,
"loss": 0.0125,
"step": 346
},
{
"epoch": 4.5064935064935066,
"grad_norm": 0.12306589435982454,
"learning_rate": 9.895833333333333e-07,
"loss": 0.0177,
"step": 347
},
{
"epoch": 4.51948051948052,
"grad_norm": 0.1356833136264956,
"learning_rate": 9.635416666666667e-07,
"loss": 0.0225,
"step": 348
},
{
"epoch": 4.532467532467533,
"grad_norm": 0.12707329769968861,
"learning_rate": 9.375000000000001e-07,
"loss": 0.0144,
"step": 349
},
{
"epoch": 4.545454545454545,
"grad_norm": 0.13157923603380584,
"learning_rate": 9.114583333333333e-07,
"loss": 0.0246,
"step": 350
},
{
"epoch": 4.558441558441558,
"grad_norm": 0.11570507668897385,
"learning_rate": 8.854166666666668e-07,
"loss": 0.0136,
"step": 351
},
{
"epoch": 4.571428571428571,
"grad_norm": 0.1133212555134258,
"learning_rate": 8.59375e-07,
"loss": 0.016,
"step": 352
},
{
"epoch": 4.584415584415584,
"grad_norm": 0.11403791282962417,
"learning_rate": 8.333333333333333e-07,
"loss": 0.0173,
"step": 353
},
{
"epoch": 4.597402597402597,
"grad_norm": 0.1261694785889651,
"learning_rate": 8.072916666666667e-07,
"loss": 0.0164,
"step": 354
},
{
"epoch": 4.6103896103896105,
"grad_norm": 0.1647802144483293,
"learning_rate": 7.8125e-07,
"loss": 0.0194,
"step": 355
},
{
"epoch": 4.623376623376624,
"grad_norm": 0.12321856169539074,
"learning_rate": 7.552083333333333e-07,
"loss": 0.0154,
"step": 356
},
{
"epoch": 4.636363636363637,
"grad_norm": 0.11947597399789361,
"learning_rate": 7.291666666666667e-07,
"loss": 0.0128,
"step": 357
},
{
"epoch": 4.64935064935065,
"grad_norm": 0.12412634751604261,
"learning_rate": 7.03125e-07,
"loss": 0.0216,
"step": 358
},
{
"epoch": 4.662337662337662,
"grad_norm": 0.10648985459552097,
"learning_rate": 6.770833333333333e-07,
"loss": 0.016,
"step": 359
},
{
"epoch": 4.675324675324675,
"grad_norm": 0.10795065481176093,
"learning_rate": 6.510416666666668e-07,
"loss": 0.0149,
"step": 360
},
{
"epoch": 4.688311688311688,
"grad_norm": 0.13861642312992048,
"learning_rate": 6.25e-07,
"loss": 0.0197,
"step": 361
},
{
"epoch": 4.701298701298701,
"grad_norm": 0.12770449682753193,
"learning_rate": 5.989583333333335e-07,
"loss": 0.0221,
"step": 362
},
{
"epoch": 4.714285714285714,
"grad_norm": 0.10430014511475291,
"learning_rate": 5.729166666666667e-07,
"loss": 0.0129,
"step": 363
},
{
"epoch": 4.7272727272727275,
"grad_norm": 0.11966755573044428,
"learning_rate": 5.468750000000001e-07,
"loss": 0.0206,
"step": 364
},
{
"epoch": 4.740259740259741,
"grad_norm": 0.1275756019900647,
"learning_rate": 5.208333333333334e-07,
"loss": 0.0171,
"step": 365
},
{
"epoch": 4.753246753246753,
"grad_norm": 0.12808966422886903,
"learning_rate": 4.947916666666667e-07,
"loss": 0.0192,
"step": 366
},
{
"epoch": 4.766233766233766,
"grad_norm": 0.12149697378823344,
"learning_rate": 4.6875000000000006e-07,
"loss": 0.0143,
"step": 367
},
{
"epoch": 4.779220779220779,
"grad_norm": 0.1120503286114493,
"learning_rate": 4.427083333333334e-07,
"loss": 0.013,
"step": 368
}
],
"logging_steps": 1,
"max_steps": 385,
"num_input_tokens_seen": 0,
"num_train_epochs": 5,
"save_steps": 16,
"stateful_callbacks": {
"TrainerControl": {
"args": {
"should_epoch_stop": false,
"should_evaluate": false,
"should_log": false,
"should_save": true,
"should_training_stop": false
},
"attributes": {}
}
},
"total_flos": 552596339163136.0,
"train_batch_size": 1,
"trial_name": null,
"trial_params": null
}