{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.01953125,
  "eval_steps": 500,
  "global_step": 200,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 9.765625e-05,
      "grad_norm": 79.3869857788086,
      "learning_rate": 3.3333333333333337e-06,
      "loss": 7.7773,
      "step": 1
    },
    {
      "epoch": 0.0001953125,
      "grad_norm": 80.6998291015625,
      "learning_rate": 6.6666666666666675e-06,
      "loss": 7.7617,
      "step": 2
    },
    {
      "epoch": 0.00029296875,
      "grad_norm": 67.86173248291016,
      "learning_rate": 1e-05,
      "loss": 7.6523,
      "step": 3
    },
    {
      "epoch": 0.000390625,
      "grad_norm": 31.295886993408203,
      "learning_rate": 1.3333333333333335e-05,
      "loss": 7.3242,
      "step": 4
    },
    {
      "epoch": 0.00048828125,
      "grad_norm": 27.488962173461914,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 7.2773,
      "step": 5
    },
    {
      "epoch": 0.0005859375,
      "grad_norm": 16.267820358276367,
      "learning_rate": 2e-05,
      "loss": 7.1641,
      "step": 6
    },
    {
      "epoch": 0.00068359375,
      "grad_norm": 37.23747253417969,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 7.2812,
      "step": 7
    },
    {
      "epoch": 0.00078125,
      "grad_norm": 17.467384338378906,
      "learning_rate": 2.666666666666667e-05,
      "loss": 7.0508,
      "step": 8
    },
    {
      "epoch": 0.00087890625,
      "grad_norm": 9.459285736083984,
      "learning_rate": 3e-05,
      "loss": 6.9375,
      "step": 9
    },
    {
      "epoch": 0.0009765625,
      "grad_norm": 8.56839656829834,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 6.8789,
      "step": 10
    },
    {
      "epoch": 0.00107421875,
      "grad_norm": 24.074443817138672,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 6.8672,
      "step": 11
    },
    {
      "epoch": 0.001171875,
      "grad_norm": 11.778696060180664,
      "learning_rate": 4e-05,
      "loss": 6.7969,
      "step": 12
    },
    {
      "epoch": 0.00126953125,
      "grad_norm": 14.282492637634277,
      "learning_rate": 4.3333333333333334e-05,
      "loss": 6.8047,
      "step": 13
    },
    {
      "epoch": 0.0013671875,
      "grad_norm": 8.801307678222656,
      "learning_rate": 4.666666666666667e-05,
      "loss": 6.7188,
      "step": 14
    },
    {
      "epoch": 0.00146484375,
      "grad_norm": 8.514760971069336,
      "learning_rate": 5e-05,
      "loss": 6.7148,
      "step": 15
    },
    {
      "epoch": 0.0015625,
      "grad_norm": 9.48074722290039,
      "learning_rate": 5.333333333333334e-05,
      "loss": 6.6641,
      "step": 16
    },
    {
      "epoch": 0.00166015625,
      "grad_norm": 7.557260036468506,
      "learning_rate": 5.6666666666666664e-05,
      "loss": 6.6172,
      "step": 17
    },
    {
      "epoch": 0.0017578125,
      "grad_norm": 6.613265037536621,
      "learning_rate": 6e-05,
      "loss": 6.5977,
      "step": 18
    },
    {
      "epoch": 0.00185546875,
      "grad_norm": 13.777167320251465,
      "learning_rate": 6.333333333333335e-05,
      "loss": 6.6328,
      "step": 19
    },
    {
      "epoch": 0.001953125,
      "grad_norm": 6.775121688842773,
      "learning_rate": 6.666666666666667e-05,
      "loss": 6.5391,
      "step": 20
    },
    {
      "epoch": 0.00205078125,
      "grad_norm": 9.053375244140625,
      "learning_rate": 7.000000000000001e-05,
      "loss": 6.543,
      "step": 21
    },
    {
      "epoch": 0.0021484375,
      "grad_norm": 5.147669792175293,
      "learning_rate": 7.333333333333333e-05,
      "loss": 6.5039,
      "step": 22
    },
    {
      "epoch": 0.00224609375,
      "grad_norm": 9.595170974731445,
      "learning_rate": 7.666666666666667e-05,
      "loss": 6.5,
      "step": 23
    },
    {
      "epoch": 0.00234375,
      "grad_norm": 6.9720964431762695,
      "learning_rate": 8e-05,
      "loss": 6.4883,
      "step": 24
    },
    {
      "epoch": 0.00244140625,
      "grad_norm": 9.805245399475098,
      "learning_rate": 8.333333333333333e-05,
      "loss": 6.4414,
      "step": 25
    },
    {
      "epoch": 0.0025390625,
      "grad_norm": 5.9478044509887695,
      "learning_rate": 8.666666666666667e-05,
      "loss": 6.4297,
      "step": 26
    },
    {
      "epoch": 0.00263671875,
      "grad_norm": 8.962249755859375,
      "learning_rate": 8.999999999999999e-05,
      "loss": 6.4297,
      "step": 27
    },
    {
      "epoch": 0.002734375,
      "grad_norm": 5.202462673187256,
      "learning_rate": 9.333333333333334e-05,
      "loss": 6.375,
      "step": 28
    },
    {
      "epoch": 0.00283203125,
      "grad_norm": 5.034671306610107,
      "learning_rate": 9.666666666666667e-05,
      "loss": 6.3555,
      "step": 29
    },
    {
      "epoch": 0.0029296875,
      "grad_norm": 7.446832656860352,
      "learning_rate": 0.0001,
      "loss": 6.3477,
      "step": 30
    },
    {
      "epoch": 0.00302734375,
      "grad_norm": 5.554169654846191,
      "learning_rate": 0.00010333333333333333,
      "loss": 6.3086,
      "step": 31
    },
    {
      "epoch": 0.003125,
      "grad_norm": 5.340260028839111,
      "learning_rate": 0.00010666666666666668,
      "loss": 6.293,
      "step": 32
    },
    {
      "epoch": 0.00322265625,
      "grad_norm": 6.529757976531982,
      "learning_rate": 0.00011,
      "loss": 6.2812,
      "step": 33
    },
    {
      "epoch": 0.0033203125,
      "grad_norm": 8.140447616577148,
      "learning_rate": 0.00011333333333333333,
      "loss": 6.2656,
      "step": 34
    },
    {
      "epoch": 0.00341796875,
      "grad_norm": 5.15455961227417,
      "learning_rate": 0.00011666666666666667,
      "loss": 6.2266,
      "step": 35
    },
    {
      "epoch": 0.003515625,
      "grad_norm": 7.219542980194092,
      "learning_rate": 0.00012,
      "loss": 6.2539,
      "step": 36
    },
    {
      "epoch": 0.00361328125,
      "grad_norm": 5.522006988525391,
      "learning_rate": 0.00012333333333333334,
      "loss": 6.2305,
      "step": 37
    },
    {
      "epoch": 0.0037109375,
      "grad_norm": 4.108240127563477,
      "learning_rate": 0.0001266666666666667,
      "loss": 6.2109,
      "step": 38
    },
    {
      "epoch": 0.00380859375,
      "grad_norm": 5.117391586303711,
      "learning_rate": 0.00013000000000000002,
      "loss": 6.1992,
      "step": 39
    },
    {
      "epoch": 0.00390625,
      "grad_norm": 9.84037971496582,
      "learning_rate": 0.00013333333333333334,
      "loss": 6.2227,
      "step": 40
    },
    {
      "epoch": 0.00400390625,
      "grad_norm": 5.794247150421143,
      "learning_rate": 0.00013666666666666666,
      "loss": 6.1953,
      "step": 41
    },
    {
      "epoch": 0.0041015625,
      "grad_norm": 5.9350810050964355,
      "learning_rate": 0.00014000000000000001,
      "loss": 6.1836,
      "step": 42
    },
    {
      "epoch": 0.00419921875,
      "grad_norm": 6.219013214111328,
      "learning_rate": 0.00014333333333333334,
      "loss": 6.168,
      "step": 43
    },
    {
      "epoch": 0.004296875,
      "grad_norm": 4.501729488372803,
      "learning_rate": 0.00014666666666666666,
      "loss": 6.1055,
      "step": 44
    },
    {
      "epoch": 0.00439453125,
      "grad_norm": 6.2689948081970215,
      "learning_rate": 0.00015,
      "loss": 6.1328,
      "step": 45
    },
    {
      "epoch": 0.0044921875,
      "grad_norm": 4.54839563369751,
      "learning_rate": 0.00015333333333333334,
      "loss": 6.1055,
      "step": 46
    },
    {
      "epoch": 0.00458984375,
      "grad_norm": 4.619740009307861,
      "learning_rate": 0.0001566666666666667,
      "loss": 6.082,
      "step": 47
    },
    {
      "epoch": 0.0046875,
      "grad_norm": 7.260074615478516,
      "learning_rate": 0.00016,
      "loss": 6.0938,
      "step": 48
    },
    {
      "epoch": 0.00478515625,
      "grad_norm": 5.270298480987549,
      "learning_rate": 0.00016333333333333334,
      "loss": 6.0859,
      "step": 49
    },
    {
      "epoch": 0.0048828125,
      "grad_norm": 6.634472846984863,
      "learning_rate": 0.00016666666666666666,
      "loss": 6.0625,
      "step": 50
    },
    {
      "epoch": 0.00498046875,
      "grad_norm": 4.172934532165527,
      "learning_rate": 0.00017,
      "loss": 6.0469,
      "step": 51
    },
    {
      "epoch": 0.005078125,
      "grad_norm": 5.719873905181885,
      "learning_rate": 0.00017333333333333334,
      "loss": 6.0273,
      "step": 52
    },
    {
      "epoch": 0.00517578125,
      "grad_norm": 4.851602554321289,
      "learning_rate": 0.00017666666666666666,
      "loss": 6.0234,
      "step": 53
    },
    {
      "epoch": 0.0052734375,
      "grad_norm": 4.784290313720703,
      "learning_rate": 0.00017999999999999998,
      "loss": 5.9883,
      "step": 54
    },
    {
      "epoch": 0.00537109375,
      "grad_norm": 5.738783359527588,
      "learning_rate": 0.00018333333333333334,
      "loss": 6.0078,
      "step": 55
    },
    {
      "epoch": 0.00546875,
      "grad_norm": 4.525517463684082,
      "learning_rate": 0.0001866666666666667,
      "loss": 5.9844,
      "step": 56
    },
    {
      "epoch": 0.00556640625,
      "grad_norm": 5.545010566711426,
      "learning_rate": 0.00019,
      "loss": 6.0078,
      "step": 57
    },
    {
      "epoch": 0.0056640625,
      "grad_norm": 5.725442409515381,
      "learning_rate": 0.00019333333333333333,
      "loss": 5.9688,
      "step": 58
    },
    {
      "epoch": 0.00576171875,
      "grad_norm": 4.413902282714844,
      "learning_rate": 0.00019666666666666666,
      "loss": 5.9414,
      "step": 59
    },
    {
      "epoch": 0.005859375,
      "grad_norm": 4.734899520874023,
      "learning_rate": 0.0002,
      "loss": 5.9609,
      "step": 60
    },
    {
      "epoch": 0.00595703125,
      "grad_norm": 4.493259906768799,
      "learning_rate": 0.00020333333333333333,
      "loss": 5.9648,
      "step": 61
    },
    {
      "epoch": 0.0060546875,
      "grad_norm": 4.654330253601074,
      "learning_rate": 0.00020666666666666666,
      "loss": 5.957,
      "step": 62
    },
    {
      "epoch": 0.00615234375,
      "grad_norm": 5.410141944885254,
      "learning_rate": 0.00021,
      "loss": 5.9766,
      "step": 63
    },
    {
      "epoch": 0.00625,
      "grad_norm": 3.376593589782715,
      "learning_rate": 0.00021333333333333336,
      "loss": 5.9062,
      "step": 64
    },
    {
      "epoch": 0.00634765625,
      "grad_norm": 5.334528923034668,
      "learning_rate": 0.00021666666666666668,
      "loss": 5.9141,
      "step": 65
    },
    {
      "epoch": 0.0064453125,
      "grad_norm": 4.844014644622803,
      "learning_rate": 0.00022,
      "loss": 5.9062,
      "step": 66
    },
    {
      "epoch": 0.00654296875,
      "grad_norm": 4.3729939460754395,
      "learning_rate": 0.00022333333333333333,
      "loss": 5.9023,
      "step": 67
    },
    {
      "epoch": 0.006640625,
      "grad_norm": 6.744809627532959,
      "learning_rate": 0.00022666666666666666,
      "loss": 5.9648,
      "step": 68
    },
    {
      "epoch": 0.00673828125,
      "grad_norm": 4.010498046875,
      "learning_rate": 0.00023,
      "loss": 5.8945,
      "step": 69
    },
    {
      "epoch": 0.0068359375,
      "grad_norm": 5.671877384185791,
      "learning_rate": 0.00023333333333333333,
      "loss": 5.9414,
      "step": 70
    },
    {
      "epoch": 0.00693359375,
      "grad_norm": 3.9647581577301025,
      "learning_rate": 0.00023666666666666668,
      "loss": 5.8672,
      "step": 71
    },
    {
      "epoch": 0.00703125,
      "grad_norm": 4.879064083099365,
      "learning_rate": 0.00024,
      "loss": 5.8672,
      "step": 72
    },
    {
      "epoch": 0.00712890625,
      "grad_norm": 5.130377292633057,
      "learning_rate": 0.00024333333333333336,
      "loss": 5.8711,
      "step": 73
    },
    {
      "epoch": 0.0072265625,
      "grad_norm": 5.8605122566223145,
      "learning_rate": 0.0002466666666666667,
      "loss": 5.875,
      "step": 74
    },
    {
      "epoch": 0.00732421875,
      "grad_norm": 5.346503257751465,
      "learning_rate": 0.00025,
      "loss": 5.9023,
      "step": 75
    },
    {
      "epoch": 0.007421875,
      "grad_norm": 5.273228645324707,
      "learning_rate": 0.0002533333333333334,
      "loss": 5.8867,
      "step": 76
    },
    {
      "epoch": 0.00751953125,
      "grad_norm": 3.8530828952789307,
      "learning_rate": 0.00025666666666666665,
      "loss": 5.8477,
      "step": 77
    },
    {
      "epoch": 0.0076171875,
      "grad_norm": 5.188773155212402,
      "learning_rate": 0.00026000000000000003,
      "loss": 5.8633,
      "step": 78
    },
    {
      "epoch": 0.00771484375,
      "grad_norm": 3.4620485305786133,
      "learning_rate": 0.0002633333333333333,
      "loss": 5.8398,
      "step": 79
    },
    {
      "epoch": 0.0078125,
      "grad_norm": 4.68696403503418,
      "learning_rate": 0.0002666666666666667,
      "loss": 5.8359,
      "step": 80
    },
    {
      "epoch": 0.00791015625,
      "grad_norm": 4.243693828582764,
      "learning_rate": 0.00027,
      "loss": 5.8555,
      "step": 81
    },
    {
      "epoch": 0.0080078125,
      "grad_norm": 5.6479363441467285,
      "learning_rate": 0.00027333333333333333,
      "loss": 5.832,
      "step": 82
    },
    {
      "epoch": 0.00810546875,
      "grad_norm": 3.7417171001434326,
      "learning_rate": 0.00027666666666666665,
      "loss": 5.8281,
      "step": 83
    },
    {
      "epoch": 0.008203125,
      "grad_norm": 4.857771873474121,
      "learning_rate": 0.00028000000000000003,
      "loss": 5.8086,
      "step": 84
    },
    {
      "epoch": 0.00830078125,
      "grad_norm": 4.6594085693359375,
      "learning_rate": 0.00028333333333333335,
      "loss": 5.832,
      "step": 85
    },
    {
      "epoch": 0.0083984375,
      "grad_norm": 4.48290491104126,
      "learning_rate": 0.0002866666666666667,
      "loss": 5.8164,
      "step": 86
    },
    {
      "epoch": 0.00849609375,
      "grad_norm": 6.183064937591553,
      "learning_rate": 0.00029,
      "loss": 5.8398,
      "step": 87
    },
    {
      "epoch": 0.00859375,
      "grad_norm": 4.494201183319092,
      "learning_rate": 0.0002933333333333333,
      "loss": 5.7969,
      "step": 88
    },
    {
      "epoch": 0.00869140625,
      "grad_norm": 5.650720596313477,
      "learning_rate": 0.0002966666666666667,
      "loss": 5.8438,
      "step": 89
    },
    {
      "epoch": 0.0087890625,
      "grad_norm": 5.558387756347656,
      "learning_rate": 0.0003,
      "loss": 5.8555,
      "step": 90
    },
    {
      "epoch": 0.00888671875,
      "grad_norm": 5.16208553314209,
      "learning_rate": 0.00030333333333333335,
      "loss": 5.8086,
      "step": 91
    },
    {
      "epoch": 0.008984375,
      "grad_norm": 6.598042964935303,
      "learning_rate": 0.0003066666666666667,
      "loss": 5.8516,
      "step": 92
    },
    {
      "epoch": 0.00908203125,
      "grad_norm": 4.591591835021973,
      "learning_rate": 0.00031,
      "loss": 5.8555,
      "step": 93
    },
    {
      "epoch": 0.0091796875,
      "grad_norm": 4.879761695861816,
      "learning_rate": 0.0003133333333333334,
      "loss": 5.8203,
      "step": 94
    },
    {
      "epoch": 0.00927734375,
      "grad_norm": 5.21987771987915,
      "learning_rate": 0.00031666666666666665,
      "loss": 5.8203,
      "step": 95
    },
    {
      "epoch": 0.009375,
      "grad_norm": 4.257232666015625,
      "learning_rate": 0.00032,
      "loss": 5.8047,
      "step": 96
    },
    {
      "epoch": 0.00947265625,
      "grad_norm": 6.07011604309082,
      "learning_rate": 0.0003233333333333333,
      "loss": 5.8359,
      "step": 97
    },
    {
      "epoch": 0.0095703125,
      "grad_norm": 5.662813186645508,
      "learning_rate": 0.0003266666666666667,
      "loss": 5.8633,
      "step": 98
    },
    {
      "epoch": 0.00966796875,
      "grad_norm": 4.59433650970459,
      "learning_rate": 0.00033,
      "loss": 5.8086,
      "step": 99
    },
    {
      "epoch": 0.009765625,
      "grad_norm": 4.295780181884766,
      "learning_rate": 0.0003333333333333333,
      "loss": 5.8008,
      "step": 100
    },
    {
      "epoch": 0.00986328125,
      "grad_norm": 4.587396144866943,
      "learning_rate": 0.0003366666666666667,
      "loss": 5.8008,
      "step": 101
    },
    {
      "epoch": 0.0099609375,
      "grad_norm": 4.299502849578857,
      "learning_rate": 0.00034,
      "loss": 5.7773,
      "step": 102
    },
    {
      "epoch": 0.01005859375,
      "grad_norm": 4.284260272979736,
      "learning_rate": 0.00034333333333333335,
      "loss": 5.793,
      "step": 103
    },
    {
      "epoch": 0.01015625,
      "grad_norm": 6.048828601837158,
      "learning_rate": 0.00034666666666666667,
      "loss": 5.8008,
      "step": 104
    },
    {
      "epoch": 0.01025390625,
      "grad_norm": 4.235161304473877,
      "learning_rate": 0.00035,
      "loss": 5.7656,
      "step": 105
    },
    {
      "epoch": 0.0103515625,
      "grad_norm": 5.187899589538574,
      "learning_rate": 0.0003533333333333333,
      "loss": 5.8125,
      "step": 106
    },
    {
      "epoch": 0.01044921875,
      "grad_norm": 4.133037567138672,
      "learning_rate": 0.0003566666666666667,
      "loss": 5.8047,
      "step": 107
    },
    {
      "epoch": 0.010546875,
      "grad_norm": 5.822926044464111,
      "learning_rate": 0.00035999999999999997,
      "loss": 5.8281,
      "step": 108
    },
    {
      "epoch": 0.01064453125,
      "grad_norm": 4.3357672691345215,
      "learning_rate": 0.00036333333333333335,
      "loss": 5.7734,
      "step": 109
    },
    {
      "epoch": 0.0107421875,
      "grad_norm": 4.930606842041016,
      "learning_rate": 0.00036666666666666667,
      "loss": 5.7812,
      "step": 110
    },
    {
      "epoch": 0.01083984375,
      "grad_norm": 4.797028064727783,
      "learning_rate": 0.00037,
      "loss": 5.7695,
      "step": 111
    },
    {
      "epoch": 0.0109375,
      "grad_norm": 3.1973586082458496,
      "learning_rate": 0.0003733333333333334,
      "loss": 5.7539,
      "step": 112
    },
    {
      "epoch": 0.01103515625,
      "grad_norm": 4.5399980545043945,
      "learning_rate": 0.00037666666666666664,
      "loss": 5.7852,
      "step": 113
    },
    {
      "epoch": 0.0111328125,
      "grad_norm": 4.550619602203369,
      "learning_rate": 0.00038,
      "loss": 5.7773,
      "step": 114
    },
    {
      "epoch": 0.01123046875,
      "grad_norm": 5.377904415130615,
      "learning_rate": 0.00038333333333333334,
      "loss": 5.7891,
      "step": 115
    },
    {
      "epoch": 0.011328125,
      "grad_norm": 4.06483268737793,
      "learning_rate": 0.00038666666666666667,
      "loss": 5.6992,
      "step": 116
    },
    {
      "epoch": 0.01142578125,
      "grad_norm": 3.8046791553497314,
      "learning_rate": 0.00039000000000000005,
      "loss": 5.7344,
      "step": 117
    },
    {
      "epoch": 0.0115234375,
      "grad_norm": 4.709420204162598,
      "learning_rate": 0.0003933333333333333,
      "loss": 5.7461,
      "step": 118
    },
    {
      "epoch": 0.01162109375,
      "grad_norm": 4.36158561706543,
      "learning_rate": 0.0003966666666666667,
      "loss": 5.75,
      "step": 119
    },
    {
      "epoch": 0.01171875,
      "grad_norm": 4.972657680511475,
      "learning_rate": 0.0004,
      "loss": 5.7188,
      "step": 120
    },
    {
      "epoch": 0.01181640625,
      "grad_norm": 3.862230062484741,
      "learning_rate": 0.00040333333333333334,
      "loss": 5.7617,
      "step": 121
    },
    {
      "epoch": 0.0119140625,
      "grad_norm": 6.694273948669434,
      "learning_rate": 0.00040666666666666667,
      "loss": 5.7734,
      "step": 122
    },
    {
      "epoch": 0.01201171875,
      "grad_norm": 4.289857864379883,
      "learning_rate": 0.00041,
      "loss": 5.7539,
      "step": 123
    },
    {
      "epoch": 0.012109375,
      "grad_norm": 4.241764545440674,
      "learning_rate": 0.0004133333333333333,
      "loss": 5.7422,
      "step": 124
    },
    {
      "epoch": 0.01220703125,
      "grad_norm": 5.350276947021484,
      "learning_rate": 0.0004166666666666667,
      "loss": 5.7578,
      "step": 125
    },
    {
      "epoch": 0.0123046875,
      "grad_norm": 4.058553695678711,
      "learning_rate": 0.00042,
      "loss": 5.6992,
      "step": 126
    },
    {
      "epoch": 0.01240234375,
      "grad_norm": 4.70885705947876,
      "learning_rate": 0.00042333333333333334,
      "loss": 5.7383,
      "step": 127
    },
    {
      "epoch": 0.0125,
      "grad_norm": 4.190490245819092,
      "learning_rate": 0.0004266666666666667,
      "loss": 5.7305,
      "step": 128
    },
    {
      "epoch": 0.01259765625,
      "grad_norm": 6.176610469818115,
      "learning_rate": 0.00043,
      "loss": 5.7344,
      "step": 129
    },
    {
      "epoch": 0.0126953125,
      "grad_norm": 4.583580017089844,
      "learning_rate": 0.00043333333333333337,
      "loss": 5.7266,
      "step": 130
    },
    {
      "epoch": 0.01279296875,
      "grad_norm": 3.8871593475341797,
      "learning_rate": 0.00043666666666666664,
      "loss": 5.7422,
      "step": 131
    },
    {
      "epoch": 0.012890625,
      "grad_norm": 6.952763557434082,
      "learning_rate": 0.00044,
      "loss": 5.7812,
      "step": 132
    },
    {
      "epoch": 0.01298828125,
      "grad_norm": 4.236309051513672,
      "learning_rate": 0.00044333333333333334,
      "loss": 5.75,
      "step": 133
    },
    {
      "epoch": 0.0130859375,
      "grad_norm": 7.308345794677734,
      "learning_rate": 0.00044666666666666666,
      "loss": 5.8125,
      "step": 134
    },
    {
      "epoch": 0.01318359375,
      "grad_norm": 8.599268913269043,
      "learning_rate": 0.00045000000000000004,
      "loss": 5.918,
      "step": 135
    },
    {
      "epoch": 0.01328125,
      "grad_norm": 4.937841415405273,
      "learning_rate": 0.0004533333333333333,
      "loss": 5.8242,
      "step": 136
    },
    {
      "epoch": 0.01337890625,
      "grad_norm": 4.781856536865234,
      "learning_rate": 0.0004566666666666667,
      "loss": 5.7891,
      "step": 137
    },
    {
      "epoch": 0.0134765625,
      "grad_norm": 7.261330604553223,
      "learning_rate": 0.00046,
      "loss": 5.8203,
      "step": 138
    },
    {
      "epoch": 0.01357421875,
      "grad_norm": 5.891605854034424,
      "learning_rate": 0.00046333333333333334,
      "loss": 5.875,
      "step": 139
    },
    {
      "epoch": 0.013671875,
      "grad_norm": 7.775816440582275,
      "learning_rate": 0.00046666666666666666,
      "loss": 5.8672,
      "step": 140
    },
    {
      "epoch": 0.01376953125,
      "grad_norm": 3.8871777057647705,
      "learning_rate": 0.00047,
      "loss": 5.8359,
      "step": 141
    },
    {
      "epoch": 0.0138671875,
      "grad_norm": 5.772259712219238,
      "learning_rate": 0.00047333333333333336,
      "loss": 5.8477,
      "step": 142
    },
    {
      "epoch": 0.01396484375,
      "grad_norm": 4.485783100128174,
      "learning_rate": 0.0004766666666666667,
      "loss": 5.793,
      "step": 143
    },
    {
      "epoch": 0.0140625,
      "grad_norm": 4.418201446533203,
      "learning_rate": 0.00048,
      "loss": 5.7812,
      "step": 144
    },
    {
      "epoch": 0.01416015625,
      "grad_norm": 7.3408074378967285,
      "learning_rate": 0.00048333333333333334,
      "loss": 5.8516,
      "step": 145
    },
    {
      "epoch": 0.0142578125,
      "grad_norm": 5.989964962005615,
      "learning_rate": 0.0004866666666666667,
      "loss": 5.8945,
      "step": 146
    },
    {
      "epoch": 0.01435546875,
      "grad_norm": 4.477835655212402,
      "learning_rate": 0.00049,
      "loss": 5.8477,
      "step": 147
    },
    {
      "epoch": 0.014453125,
      "grad_norm": 6.493783950805664,
      "learning_rate": 0.0004933333333333334,
      "loss": 5.8594,
      "step": 148
    },
    {
      "epoch": 0.01455078125,
      "grad_norm": 6.190314292907715,
      "learning_rate": 0.0004966666666666666,
      "loss": 5.8906,
      "step": 149
    },
    {
      "epoch": 0.0146484375,
      "grad_norm": 6.708803653717041,
      "learning_rate": 0.0005,
      "loss": 5.8711,
      "step": 150
    },
    {
      "epoch": 0.01474609375,
      "grad_norm": 5.7710113525390625,
      "learning_rate": 0.0004999999890938886,
      "loss": 5.8633,
      "step": 151
    },
    {
      "epoch": 0.01484375,
      "grad_norm": 5.553577899932861,
      "learning_rate": 0.0004999999563755552,
      "loss": 5.8594,
      "step": 152
    },
    {
      "epoch": 0.01494140625,
      "grad_norm": 4.852464199066162,
      "learning_rate": 0.0004999999018450032,
      "loss": 5.8555,
      "step": 153
    },
    {
      "epoch": 0.0150390625,
      "grad_norm": 4.127274990081787,
      "learning_rate": 0.0004999998255022377,
      "loss": 5.793,
      "step": 154
    },
    {
      "epoch": 0.01513671875,
      "grad_norm": 5.139339923858643,
      "learning_rate": 0.0004999997273472664,
      "loss": 5.8398,
      "step": 155
    },
    {
      "epoch": 0.015234375,
      "grad_norm": 3.9165873527526855,
      "learning_rate": 0.0004999996073800985,
      "loss": 5.7852,
      "step": 156
    },
    {
      "epoch": 0.01533203125,
      "grad_norm": 4.544178485870361,
      "learning_rate": 0.0004999994656007457,
      "loss": 5.8125,
      "step": 157
    },
    {
      "epoch": 0.0154296875,
      "grad_norm": 4.998808860778809,
      "learning_rate": 0.0004999993020092219,
      "loss": 5.8359,
      "step": 158
    },
    {
      "epoch": 0.01552734375,
      "grad_norm": 5.184920787811279,
      "learning_rate": 0.0004999991166055426,
      "loss": 5.8281,
      "step": 159
    },
    {
      "epoch": 0.015625,
      "grad_norm": 3.716250419616699,
      "learning_rate": 0.0004999989093897262,
      "loss": 5.7969,
      "step": 160
    },
    {
      "epoch": 0.01572265625,
      "grad_norm": 3.8317952156066895,
      "learning_rate": 0.0004999986803617926,
      "loss": 5.7617,
      "step": 161
    },
    {
      "epoch": 0.0158203125,
      "grad_norm": 4.461795330047607,
      "learning_rate": 0.0004999984295217641,
      "loss": 5.8047,
      "step": 162
    },
    {
      "epoch": 0.01591796875,
      "grad_norm": 3.0825703144073486,
      "learning_rate": 0.0004999981568696648,
      "loss": 5.7656,
      "step": 163
    },
    {
      "epoch": 0.016015625,
      "grad_norm": 4.151459217071533,
      "learning_rate": 0.0004999978624055212,
      "loss": 5.7617,
      "step": 164
    },
    {
      "epoch": 0.01611328125,
      "grad_norm": 3.66987681388855,
      "learning_rate": 0.0004999975461293621,
      "loss": 5.7461,
      "step": 165
    },
    {
      "epoch": 0.0162109375,
      "grad_norm": 4.092290878295898,
      "learning_rate": 0.0004999972080412177,
      "loss": 5.75,
      "step": 166
    },
    {
      "epoch": 0.01630859375,
      "grad_norm": 4.104146480560303,
      "learning_rate": 0.0004999968481411212,
      "loss": 5.7656,
      "step": 167
    },
    {
      "epoch": 0.01640625,
      "grad_norm": 4.437919616699219,
      "learning_rate": 0.0004999964664291073,
      "loss": 5.7812,
      "step": 168
    },
    {
      "epoch": 0.01650390625,
      "grad_norm": 7.200653553009033,
      "learning_rate": 0.0004999960629052131,
      "loss": 5.7578,
      "step": 169
    },
    {
      "epoch": 0.0166015625,
      "grad_norm": 2.731268882751465,
      "learning_rate": 0.0004999956375694776,
      "loss": 5.707,
      "step": 170
    },
    {
      "epoch": 0.01669921875,
      "grad_norm": 5.332357406616211,
      "learning_rate": 0.0004999951904219421,
      "loss": 5.7461,
      "step": 171
    },
    {
      "epoch": 0.016796875,
      "grad_norm": 3.130514144897461,
      "learning_rate": 0.0004999947214626501,
      "loss": 5.7109,
      "step": 172
    },
    {
      "epoch": 0.01689453125,
      "grad_norm": 3.6535258293151855,
      "learning_rate": 0.0004999942306916466,
      "loss": 5.7344,
      "step": 173
    },
    {
      "epoch": 0.0169921875,
      "grad_norm": 3.5438027381896973,
      "learning_rate": 0.0004999937181089796,
      "loss": 5.6953,
      "step": 174
    },
    {
      "epoch": 0.01708984375,
      "grad_norm": 4.228607177734375,
      "learning_rate": 0.0004999931837146987,
      "loss": 5.7031,
      "step": 175
    },
    {
      "epoch": 0.0171875,
      "grad_norm": 3.217113971710205,
      "learning_rate": 0.0004999926275088556,
      "loss": 5.7148,
      "step": 176
    },
    {
      "epoch": 0.01728515625,
      "grad_norm": 4.9072041511535645,
      "learning_rate": 0.0004999920494915043,
      "loss": 5.75,
      "step": 177
    },
    {
      "epoch": 0.0173828125,
      "grad_norm": 2.8025128841400146,
      "learning_rate": 0.0004999914496627009,
      "loss": 5.7148,
      "step": 178
    },
    {
      "epoch": 0.01748046875,
      "grad_norm": 2.481431245803833,
      "learning_rate": 0.0004999908280225035,
      "loss": 5.6445,
      "step": 179
    },
    {
      "epoch": 0.017578125,
      "grad_norm": 3.0694146156311035,
      "learning_rate": 0.0004999901845709722,
      "loss": 5.6602,
      "step": 180
    },
    {
      "epoch": 0.01767578125,
      "grad_norm": 2.6255242824554443,
      "learning_rate": 0.0004999895193081698,
      "loss": 5.6523,
      "step": 181
    },
    {
      "epoch": 0.0177734375,
      "grad_norm": 3.0787289142608643,
      "learning_rate": 0.0004999888322341602,
      "loss": 5.6367,
      "step": 182
    },
    {
      "epoch": 0.01787109375,
      "grad_norm": 3.5675113201141357,
      "learning_rate": 0.0004999881233490104,
      "loss": 5.6875,
      "step": 183
    },
    {
      "epoch": 0.01796875,
      "grad_norm": 3.278024673461914,
      "learning_rate": 0.0004999873926527891,
      "loss": 5.6406,
      "step": 184
    },
    {
      "epoch": 0.01806640625,
      "grad_norm": 3.4470205307006836,
      "learning_rate": 0.0004999866401455671,
      "loss": 5.6328,
      "step": 185
    },
    {
      "epoch": 0.0181640625,
      "grad_norm": 2.537705659866333,
      "learning_rate": 0.0004999858658274172,
      "loss": 5.625,
      "step": 186
    },
    {
      "epoch": 0.01826171875,
      "grad_norm": 3.446849822998047,
      "learning_rate": 0.0004999850696984147,
      "loss": 5.6367,
      "step": 187
    },
    {
      "epoch": 0.018359375,
      "grad_norm": 2.9557571411132812,
      "learning_rate": 0.0004999842517586367,
      "loss": 5.6523,
      "step": 188
    },
    {
      "epoch": 0.01845703125,
      "grad_norm": 2.224954605102539,
      "learning_rate": 0.0004999834120081624,
      "loss": 5.6133,
      "step": 189
    },
    {
      "epoch": 0.0185546875,
      "grad_norm": 2.847534418106079,
      "learning_rate": 0.0004999825504470732,
      "loss": 5.5977,
      "step": 190
    },
    {
      "epoch": 0.01865234375,
      "grad_norm": 3.08176851272583,
      "learning_rate": 0.0004999816670754527,
      "loss": 5.6094,
      "step": 191
    },
    {
      "epoch": 0.01875,
      "grad_norm": 2.509631872177124,
      "learning_rate": 0.0004999807618933866,
      "loss": 5.582,
      "step": 192
    },
    {
      "epoch": 0.01884765625,
      "grad_norm": 2.551470994949341,
      "learning_rate": 0.0004999798349009626,
      "loss": 5.582,
      "step": 193
    },
    {
      "epoch": 0.0189453125,
      "grad_norm": 2.8080625534057617,
      "learning_rate": 0.0004999788860982706,
      "loss": 5.5898,
      "step": 194
    },
    {
      "epoch": 0.01904296875,
      "grad_norm": 2.784714698791504,
      "learning_rate": 0.0004999779154854024,
      "loss": 5.6016,
      "step": 195
    },
    {
      "epoch": 0.019140625,
      "grad_norm": 2.6262359619140625,
      "learning_rate": 0.0004999769230624524,
      "loss": 5.5664,
      "step": 196
    },
    {
      "epoch": 0.01923828125,
      "grad_norm": 2.2458934783935547,
      "learning_rate": 0.0004999759088295165,
      "loss": 5.5508,
      "step": 197
    },
    {
      "epoch": 0.0193359375,
      "grad_norm": 2.5689525604248047,
      "learning_rate": 0.0004999748727866932,
      "loss": 5.5625,
      "step": 198
    },
    {
      "epoch": 0.01943359375,
      "grad_norm": 2.44174861907959,
      "learning_rate": 0.0004999738149340828,
      "loss": 5.5352,
      "step": 199
    },
    {
      "epoch": 0.01953125,
      "grad_norm": 2.5862767696380615,
      "learning_rate": 0.000499972735271788,
      "loss": 5.5234,
      "step": 200
    }
  ],
  "logging_steps": 1.0,
  "max_steps": 10240,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 200,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 1.2245011890438144e+18,
  "train_batch_size": 64,
  "trial_name": null,
  "trial_params": null
}