{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 13.083333333333334,
  "eval_steps": 500,
  "global_step": 78,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 5.4836907386779785,
      "learning_rate": 2e-05,
      "loss": 3.0942,
      "step": 1
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 5.522416114807129,
      "learning_rate": 4e-05,
      "loss": 3.3755,
      "step": 2
    },
    {
      "epoch": 0.5,
      "grad_norm": 5.055008411407471,
      "learning_rate": 6e-05,
      "loss": 2.6756,
      "step": 3
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 5.317052364349365,
      "learning_rate": 8e-05,
      "loss": 3.4146,
      "step": 4
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 7.486364841461182,
      "learning_rate": 0.0001,
      "loss": 3.1919,
      "step": 5
    },
    {
      "epoch": 1.0,
      "grad_norm": 10.191019058227539,
      "learning_rate": 0.00012,
      "loss": 2.98,
      "step": 6
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 4.881992816925049,
      "learning_rate": 0.00014,
      "loss": 2.5348,
      "step": 7
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 4.569235324859619,
      "learning_rate": 0.00016,
      "loss": 2.4673,
      "step": 8
    },
    {
      "epoch": 1.5,
      "grad_norm": 1.1086317300796509,
      "learning_rate": 0.00018,
      "loss": 2.3632,
      "step": 9
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 3.366159677505493,
      "learning_rate": 0.0002,
      "loss": 2.0835,
      "step": 10
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 5.062276363372803,
      "learning_rate": 0.00019990989662046818,
      "loss": 2.0823,
      "step": 11
    },
    {
      "epoch": 2.0,
      "grad_norm": 2.706953763961792,
      "learning_rate": 0.00019963974885425266,
      "loss": 1.8872,
      "step": 12
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 3.3672051429748535,
      "learning_rate": 0.00019919004352588767,
      "loss": 1.6459,
      "step": 13
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 2.7808966636657715,
      "learning_rate": 0.00019856159103477086,
      "loss": 1.6596,
      "step": 14
    },
    {
      "epoch": 2.5,
      "grad_norm": 1.185718059539795,
      "learning_rate": 0.00019775552389476864,
      "loss": 1.3797,
      "step": 15
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 3.4101736545562744,
      "learning_rate": 0.0001967732946933499,
      "loss": 1.3561,
      "step": 16
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 2.1325340270996094,
      "learning_rate": 0.00019561667347392508,
      "loss": 1.2729,
      "step": 17
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.8240509629249573,
      "learning_rate": 0.00019428774454610843,
      "loss": 1.1304,
      "step": 18
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 2.234182596206665,
      "learning_rate": 0.00019278890272965096,
      "loss": 1.254,
      "step": 19
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.9731316566467285,
      "learning_rate": 0.0001911228490388136,
      "loss": 0.9326,
      "step": 20
    },
    {
      "epoch": 3.5,
      "grad_norm": 1.4634690284729004,
      "learning_rate": 0.00018929258581495685,
      "loss": 1.0493,
      "step": 21
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 0.8387559056282043,
      "learning_rate": 0.00018730141131611882,
      "loss": 1.0178,
      "step": 22
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 0.4008520245552063,
      "learning_rate": 0.00018515291377333112,
      "loss": 0.8662,
      "step": 23
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.5829432606697083,
      "learning_rate": 0.00018285096492438424,
      "loss": 1.0601,
      "step": 24
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 0.4809369444847107,
      "learning_rate": 0.00018039971303669407,
      "loss": 0.8911,
      "step": 25
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 0.43883201479911804,
      "learning_rate": 0.00017780357543184397,
      "loss": 0.9469,
      "step": 26
    },
    {
      "epoch": 4.5,
      "grad_norm": 0.36929503083229065,
      "learning_rate": 0.00017506723052527242,
      "loss": 0.6922,
      "step": 27
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 0.838331401348114,
      "learning_rate": 0.00017219560939545246,
      "loss": 0.8335,
      "step": 28
    },
    {
      "epoch": 4.833333333333333,
      "grad_norm": 0.4128212332725525,
      "learning_rate": 0.00016919388689775464,
      "loss": 0.881,
      "step": 29
    },
    {
      "epoch": 5.0,
      "grad_norm": 0.4089340269565582,
      "learning_rate": 0.00016606747233900815,
      "loss": 0.7877,
      "step": 30
    },
    {
      "epoch": 5.166666666666667,
      "grad_norm": 0.4597572386264801,
      "learning_rate": 0.00016282199972956425,
      "loss": 0.7988,
      "step": 31
    },
    {
      "epoch": 5.333333333333333,
      "grad_norm": 0.7422643303871155,
      "learning_rate": 0.00015946331763042867,
      "loss": 0.6314,
      "step": 32
    },
    {
      "epoch": 5.5,
      "grad_norm": 0.27216923236846924,
      "learning_rate": 0.00015599747861375955,
      "loss": 0.6304,
      "step": 33
    },
    {
      "epoch": 5.666666666666667,
      "grad_norm": 0.30543801188468933,
      "learning_rate": 0.00015243072835572318,
      "loss": 0.7545,
      "step": 34
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 0.27076226472854614,
      "learning_rate": 0.00014876949438136347,
      "loss": 0.628,
      "step": 35
    },
    {
      "epoch": 6.041666666666667,
      "grad_norm": 0.3263254463672638,
      "learning_rate": 0.00014502037448176734,
      "loss": 0.8235,
      "step": 36
    },
    {
      "epoch": 6.208333333333333,
      "grad_norm": 0.44342947006225586,
      "learning_rate": 0.0001411901248243993,
      "loss": 0.4889,
      "step": 37
    },
    {
      "epoch": 6.375,
      "grad_norm": 0.5531820058822632,
      "learning_rate": 0.00013728564777803088,
      "loss": 0.4743,
      "step": 38
    },
    {
      "epoch": 6.541666666666667,
      "grad_norm": 0.44343772530555725,
      "learning_rate": 0.00013331397947420576,
      "loss": 0.6212,
      "step": 39
    },
    {
      "epoch": 6.708333333333333,
      "grad_norm": 0.3939581513404846,
      "learning_rate": 0.00012928227712765504,
      "loss": 0.4682,
      "step": 40
    },
    {
      "epoch": 6.875,
      "grad_norm": 0.27797481417655945,
      "learning_rate": 0.00012519780613851254,
      "loss": 0.6314,
      "step": 41
    },
    {
      "epoch": 7.041666666666667,
      "grad_norm": 0.24232299625873566,
      "learning_rate": 0.00012106792699957263,
      "loss": 0.4236,
      "step": 42
    },
    {
      "epoch": 7.208333333333333,
      "grad_norm": 0.48353126645088196,
      "learning_rate": 0.00011690008203218493,
      "loss": 0.5427,
      "step": 43
    },
    {
      "epoch": 7.375,
      "grad_norm": 0.2417798489332199,
      "learning_rate": 0.00011270178197468789,
      "loss": 0.4153,
      "step": 44
    },
    {
      "epoch": 7.541666666666667,
      "grad_norm": 0.29872801899909973,
      "learning_rate": 0.00010848059244755093,
      "loss": 0.4355,
      "step": 45
    },
    {
      "epoch": 7.708333333333333,
      "grad_norm": 0.24514973163604736,
      "learning_rate": 0.00010424412031961484,
      "loss": 0.4455,
      "step": 46
    },
    {
      "epoch": 7.875,
      "grad_norm": 0.2170785814523697,
      "learning_rate": 0.0001,
      "loss": 0.4635,
      "step": 47
    },
    {
      "epoch": 8.041666666666666,
      "grad_norm": 0.27662786841392517,
      "learning_rate": 9.57558796803852e-05,
      "loss": 0.4287,
      "step": 48
    },
    {
      "epoch": 8.208333333333334,
      "grad_norm": 0.22056028246879578,
      "learning_rate": 9.151940755244912e-05,
      "loss": 0.3974,
      "step": 49
    },
    {
      "epoch": 8.375,
      "grad_norm": 0.38164207339286804,
      "learning_rate": 8.729821802531212e-05,
      "loss": 0.4199,
      "step": 50
    },
    {
      "epoch": 8.541666666666666,
      "grad_norm": 0.6282327175140381,
      "learning_rate": 8.309991796781511e-05,
      "loss": 0.396,
      "step": 51
    },
    {
      "epoch": 8.708333333333334,
      "grad_norm": 0.6206014752388,
      "learning_rate": 7.89320730004274e-05,
      "loss": 0.3838,
      "step": 52
    },
    {
      "epoch": 8.875,
      "grad_norm": 0.26180949807167053,
      "learning_rate": 7.48021938614875e-05,
      "loss": 0.2699,
      "step": 53
    },
    {
      "epoch": 9.041666666666666,
      "grad_norm": 0.24584798514842987,
      "learning_rate": 7.071772287234497e-05,
      "loss": 0.3301,
      "step": 54
    },
    {
      "epoch": 9.208333333333334,
      "grad_norm": 0.2175927311182022,
      "learning_rate": 6.668602052579424e-05,
      "loss": 0.3253,
      "step": 55
    },
    {
      "epoch": 9.375,
      "grad_norm": 0.31466177105903625,
      "learning_rate": 6.271435222196916e-05,
      "loss": 0.2899,
      "step": 56
    },
    {
      "epoch": 9.541666666666666,
      "grad_norm": 0.2206808626651764,
      "learning_rate": 5.880987517560075e-05,
      "loss": 0.3447,
      "step": 57
    },
    {
      "epoch": 9.708333333333334,
      "grad_norm": 0.30399656295776367,
      "learning_rate": 5.497962551823266e-05,
      "loss": 0.3008,
      "step": 58
    },
    {
      "epoch": 9.875,
      "grad_norm": 0.2424880862236023,
      "learning_rate": 5.123050561863657e-05,
      "loss": 0.4017,
      "step": 59
    },
    {
      "epoch": 10.041666666666666,
      "grad_norm": 0.1822863221168518,
      "learning_rate": 4.756927164427685e-05,
      "loss": 0.29,
      "step": 60
    },
    {
      "epoch": 10.208333333333334,
      "grad_norm": 0.2865781784057617,
      "learning_rate": 4.4002521386240466e-05,
      "loss": 0.2568,
      "step": 61
    },
    {
      "epoch": 10.375,
      "grad_norm": 0.45866575837135315,
      "learning_rate": 4.053668236957134e-05,
      "loss": 0.3122,
      "step": 62
    },
    {
      "epoch": 10.541666666666666,
      "grad_norm": 0.23878410458564758,
      "learning_rate": 3.717800027043576e-05,
      "loss": 0.2366,
      "step": 63
    },
    {
      "epoch": 10.708333333333334,
      "grad_norm": 0.17364925146102905,
      "learning_rate": 3.393252766099187e-05,
      "loss": 0.2723,
      "step": 64
    },
    {
      "epoch": 10.875,
      "grad_norm": 0.21729761362075806,
      "learning_rate": 3.080611310224539e-05,
      "loss": 0.3988,
      "step": 65
    },
    {
      "epoch": 11.083333333333334,
      "grad_norm": 0.32344043254852295,
      "learning_rate": 2.7804390604547557e-05,
      "loss": 0.2767,
      "step": 66
    },
    {
      "epoch": 11.25,
      "grad_norm": 0.18337799608707428,
      "learning_rate": 2.493276947472756e-05,
      "loss": 0.3044,
      "step": 67
    },
    {
      "epoch": 11.416666666666666,
      "grad_norm": 0.171830952167511,
      "learning_rate": 2.2196424568156073e-05,
      "loss": 0.2148,
      "step": 68
    },
    {
      "epoch": 11.583333333333334,
      "grad_norm": 0.2572508156299591,
      "learning_rate": 1.9600286963305957e-05,
      "loss": 0.2333,
      "step": 69
    },
    {
      "epoch": 11.75,
      "grad_norm": 0.3048519790172577,
      "learning_rate": 1.7149035075615794e-05,
      "loss": 0.2655,
      "step": 70
    },
    {
      "epoch": 11.916666666666666,
      "grad_norm": 0.28241613507270813,
      "learning_rate": 1.4847086226668872e-05,
      "loss": 0.2717,
      "step": 71
    },
    {
      "epoch": 12.083333333333334,
      "grad_norm": 0.2006816565990448,
      "learning_rate": 1.2698588683881186e-05,
      "loss": 0.2703,
      "step": 72
    },
    {
      "epoch": 12.25,
      "grad_norm": 1.081545352935791,
      "learning_rate": 1.0707414185043163e-05,
      "loss": 0.2359,
      "step": 73
    },
    {
      "epoch": 12.416666666666666,
      "grad_norm": 0.27483949065208435,
      "learning_rate": 8.87715096118642e-06,
      "loss": 0.2933,
      "step": 74
    },
    {
      "epoch": 12.583333333333334,
      "grad_norm": 0.2161029428243637,
      "learning_rate": 7.211097270349066e-06,
      "loss": 0.26,
      "step": 75
    },
    {
      "epoch": 12.75,
      "grad_norm": 0.1892326921224594,
      "learning_rate": 5.71225545389158e-06,
      "loss": 0.1889,
      "step": 76
    },
    {
      "epoch": 12.916666666666666,
      "grad_norm": 0.27127891778945923,
      "learning_rate": 4.383326526074916e-06,
      "loss": 0.2222,
      "step": 77
    },
    {
      "epoch": 13.083333333333334,
      "grad_norm": 0.25778645277023315,
      "learning_rate": 3.226705306650113e-06,
      "loss": 0.2471,
      "step": 78
    }
  ],
  "logging_steps": 1,
  "max_steps": 84,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 14,
  "save_steps": 6,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 160914305187840.0,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}