lillian039 commited on
Commit
5cdefe8
·
verified ·
1 Parent(s): 48a51ed

Model save

Browse files
Files changed (4) hide show
  1. README.md +69 -0
  2. all_results.json +9 -0
  3. train_results.json +9 -0
  4. trainer_state.json +1683 -0
README.md ADDED
@@ -0,0 +1,69 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: meta-llama/Meta-Llama-3.1-8B-Instruct
3
+ library_name: peft
4
+ license: llama3.1
5
+ tags:
6
+ - trl
7
+ - sft
8
+ - generated_from_trainer
9
+ model-index:
10
+ - name: induction-10k-50seeds-gpt4omini-llama3.1-8b-instruct-lora64_lr2e-4_epoch3
11
+ results: []
12
+ ---
13
+
14
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
15
+ should probably proofread and complete it, then remove this comment. -->
16
+
17
+ # induction-10k-50seeds-gpt4omini-llama3.1-8b-instruct-lora64_lr2e-4_epoch3
18
+
19
+ This model is a fine-tuned version of [meta-llama/Meta-Llama-3.1-8B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-8B-Instruct) on an unknown dataset.
20
+ It achieves the following results on the evaluation set:
21
+ - Loss: 0.3508
22
+
23
+ ## Model description
24
+
25
+ More information needed
26
+
27
+ ## Intended uses & limitations
28
+
29
+ More information needed
30
+
31
+ ## Training and evaluation data
32
+
33
+ More information needed
34
+
35
+ ## Training procedure
36
+
37
+ ### Training hyperparameters
38
+
39
+ The following hyperparameters were used during training:
40
+ - learning_rate: 0.0002
41
+ - train_batch_size: 8
42
+ - eval_batch_size: 4
43
+ - seed: 42
44
+ - distributed_type: multi-GPU
45
+ - num_devices: 8
46
+ - gradient_accumulation_steps: 2
47
+ - total_train_batch_size: 128
48
+ - total_eval_batch_size: 32
49
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
50
+ - lr_scheduler_type: cosine
51
+ - lr_scheduler_warmup_ratio: 0.1
52
+ - num_epochs: 3
53
+
54
+ ### Training results
55
+
56
+ | Training Loss | Epoch | Step | Validation Loss |
57
+ |:-------------:|:------:|:----:|:---------------:|
58
+ | 0.3733 | 0.9935 | 77 | 0.3744 |
59
+ | 0.33 | 2.0 | 155 | 0.3544 |
60
+ | 0.3079 | 2.9806 | 231 | 0.3508 |
61
+
62
+
63
+ ### Framework versions
64
+
65
+ - PEFT 0.13.0
66
+ - Transformers 4.45.0.dev0
67
+ - Pytorch 2.4.0+cu121
68
+ - Datasets 3.0.1
69
+ - Tokenizers 0.19.1
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9806451612903224,
3
+ "total_flos": 9.324729662937498e+16,
4
+ "train_loss": 0.3951803825118325,
5
+ "train_runtime": 2997.4381,
6
+ "train_samples": 9863,
7
+ "train_samples_per_second": 9.871,
8
+ "train_steps_per_second": 0.077
9
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 2.9806451612903224,
3
+ "total_flos": 9.324729662937498e+16,
4
+ "train_loss": 0.3951803825118325,
5
+ "train_runtime": 2997.4381,
6
+ "train_samples": 9863,
7
+ "train_samples_per_second": 9.871,
8
+ "train_steps_per_second": 0.077
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,1683 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 2.9806451612903224,
5
+ "eval_steps": 500,
6
+ "global_step": 231,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.012903225806451613,
13
+ "grad_norm": 0.882150089808769,
14
+ "learning_rate": 8.333333333333334e-06,
15
+ "loss": 1.3191,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.025806451612903226,
20
+ "grad_norm": 0.8369153094823952,
21
+ "learning_rate": 1.6666666666666667e-05,
22
+ "loss": 1.249,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.03870967741935484,
27
+ "grad_norm": 0.8525103918091212,
28
+ "learning_rate": 2.5e-05,
29
+ "loss": 1.2775,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.05161290322580645,
34
+ "grad_norm": 0.8113130093304075,
35
+ "learning_rate": 3.3333333333333335e-05,
36
+ "loss": 1.2577,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.06451612903225806,
41
+ "grad_norm": 0.7691226782403744,
42
+ "learning_rate": 4.166666666666667e-05,
43
+ "loss": 1.2275,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.07741935483870968,
48
+ "grad_norm": 0.5954210054804412,
49
+ "learning_rate": 5e-05,
50
+ "loss": 1.1159,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.09032258064516129,
55
+ "grad_norm": 0.48189256930049384,
56
+ "learning_rate": 5.833333333333334e-05,
57
+ "loss": 1.0593,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.1032258064516129,
62
+ "grad_norm": 0.5241879927945232,
63
+ "learning_rate": 6.666666666666667e-05,
64
+ "loss": 1.0031,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.11612903225806452,
69
+ "grad_norm": 0.5751865259411146,
70
+ "learning_rate": 7.500000000000001e-05,
71
+ "loss": 0.9263,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.12903225806451613,
76
+ "grad_norm": 0.5686526755807603,
77
+ "learning_rate": 8.333333333333334e-05,
78
+ "loss": 0.8146,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.14193548387096774,
83
+ "grad_norm": 0.5156906474251192,
84
+ "learning_rate": 9.166666666666667e-05,
85
+ "loss": 0.7583,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.15483870967741936,
90
+ "grad_norm": 0.4901634328534619,
91
+ "learning_rate": 0.0001,
92
+ "loss": 0.6686,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.16774193548387098,
97
+ "grad_norm": 0.376084270046461,
98
+ "learning_rate": 0.00010833333333333333,
99
+ "loss": 0.6005,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.18064516129032257,
104
+ "grad_norm": 0.2761318809240614,
105
+ "learning_rate": 0.00011666666666666668,
106
+ "loss": 0.5741,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.1935483870967742,
111
+ "grad_norm": 0.25038763704461725,
112
+ "learning_rate": 0.000125,
113
+ "loss": 0.5465,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.2064516129032258,
118
+ "grad_norm": 0.2214903977106201,
119
+ "learning_rate": 0.00013333333333333334,
120
+ "loss": 0.5138,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.21935483870967742,
125
+ "grad_norm": 0.28905541505099525,
126
+ "learning_rate": 0.00014166666666666668,
127
+ "loss": 0.5247,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.23225806451612904,
132
+ "grad_norm": 0.20699066633757193,
133
+ "learning_rate": 0.00015000000000000001,
134
+ "loss": 0.4978,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.24516129032258063,
139
+ "grad_norm": 0.219457528851344,
140
+ "learning_rate": 0.00015833333333333332,
141
+ "loss": 0.4924,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.25806451612903225,
146
+ "grad_norm": 0.16596853789220767,
147
+ "learning_rate": 0.0001666666666666667,
148
+ "loss": 0.4759,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.2709677419354839,
153
+ "grad_norm": 0.13228412371333673,
154
+ "learning_rate": 0.000175,
155
+ "loss": 0.4613,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.2838709677419355,
160
+ "grad_norm": 0.1421107856190867,
161
+ "learning_rate": 0.00018333333333333334,
162
+ "loss": 0.4852,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.2967741935483871,
167
+ "grad_norm": 0.12552928984887968,
168
+ "learning_rate": 0.00019166666666666667,
169
+ "loss": 0.4786,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.3096774193548387,
174
+ "grad_norm": 0.11489463060846784,
175
+ "learning_rate": 0.0002,
176
+ "loss": 0.4532,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.3225806451612903,
181
+ "grad_norm": 0.11476879539402507,
182
+ "learning_rate": 0.00019998848349441062,
183
+ "loss": 0.4454,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.33548387096774196,
188
+ "grad_norm": 0.1256602270101812,
189
+ "learning_rate": 0.00019995393663024054,
190
+ "loss": 0.4513,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.34838709677419355,
195
+ "grad_norm": 0.11833482485698336,
196
+ "learning_rate": 0.00019989636736467278,
197
+ "loss": 0.44,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.36129032258064514,
202
+ "grad_norm": 0.11124019681377781,
203
+ "learning_rate": 0.00019981578895764273,
204
+ "loss": 0.4439,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.3741935483870968,
209
+ "grad_norm": 0.10954971384477814,
210
+ "learning_rate": 0.00019971221996878394,
211
+ "loss": 0.4274,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.3870967741935484,
216
+ "grad_norm": 0.11422715129880294,
217
+ "learning_rate": 0.00019958568425315314,
218
+ "loss": 0.4254,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.4,
223
+ "grad_norm": 0.11262310014016527,
224
+ "learning_rate": 0.00019943621095573586,
225
+ "loss": 0.4204,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.4129032258064516,
230
+ "grad_norm": 0.11143099554463408,
231
+ "learning_rate": 0.00019926383450473344,
232
+ "loss": 0.4105,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.4258064516129032,
237
+ "grad_norm": 0.1088260973247734,
238
+ "learning_rate": 0.00019906859460363307,
239
+ "loss": 0.4136,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.43870967741935485,
244
+ "grad_norm": 0.10400753996611788,
245
+ "learning_rate": 0.00019885053622206304,
246
+ "loss": 0.4213,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.45161290322580644,
251
+ "grad_norm": 0.09587900896302251,
252
+ "learning_rate": 0.0001986097095854347,
253
+ "loss": 0.4085,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.4645161290322581,
258
+ "grad_norm": 0.10119603747308556,
259
+ "learning_rate": 0.0001983461701633742,
260
+ "loss": 0.4181,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.4774193548387097,
265
+ "grad_norm": 0.10062413136253176,
266
+ "learning_rate": 0.00019805997865694614,
267
+ "loss": 0.4098,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.49032258064516127,
272
+ "grad_norm": 0.09162394941720846,
273
+ "learning_rate": 0.0001977512009846721,
274
+ "loss": 0.4085,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.5032258064516129,
279
+ "grad_norm": 0.09269316443279575,
280
+ "learning_rate": 0.00019741990826734794,
281
+ "loss": 0.3994,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.5161290322580645,
286
+ "grad_norm": 0.08782581803238095,
287
+ "learning_rate": 0.00019706617681166218,
288
+ "loss": 0.3983,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.5290322580645161,
293
+ "grad_norm": 0.08665646987756218,
294
+ "learning_rate": 0.00019669008809262062,
295
+ "loss": 0.3938,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.5419354838709678,
300
+ "grad_norm": 0.09289388957990503,
301
+ "learning_rate": 0.00019629172873477995,
302
+ "loss": 0.396,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.5548387096774193,
307
+ "grad_norm": 0.09203344649472522,
308
+ "learning_rate": 0.00019587119049229557,
309
+ "loss": 0.4052,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.567741935483871,
314
+ "grad_norm": 0.08209774194723368,
315
+ "learning_rate": 0.0001954285702277879,
316
+ "loss": 0.3959,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.5806451612903226,
321
+ "grad_norm": 0.08595872863630391,
322
+ "learning_rate": 0.00019496396989003193,
323
+ "loss": 0.397,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.5935483870967742,
328
+ "grad_norm": 0.09041908237644536,
329
+ "learning_rate": 0.00019447749649047542,
330
+ "loss": 0.3992,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.6064516129032258,
335
+ "grad_norm": 0.08321976348844515,
336
+ "learning_rate": 0.00019396926207859084,
337
+ "loss": 0.4095,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.6193548387096774,
342
+ "grad_norm": 0.07887604040253807,
343
+ "learning_rate": 0.00019343938371606712,
344
+ "loss": 0.3866,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.632258064516129,
349
+ "grad_norm": 0.08329265943906447,
350
+ "learning_rate": 0.00019288798344984672,
351
+ "loss": 0.3985,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.6451612903225806,
356
+ "grad_norm": 0.08661703211305888,
357
+ "learning_rate": 0.00019231518828401458,
358
+ "loss": 0.3925,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.6580645161290323,
363
+ "grad_norm": 0.08382217550700771,
364
+ "learning_rate": 0.00019172113015054532,
365
+ "loss": 0.3862,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.6709677419354839,
370
+ "grad_norm": 0.08245124856491458,
371
+ "learning_rate": 0.00019110594587891519,
372
+ "loss": 0.3847,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.6838709677419355,
377
+ "grad_norm": 0.08319716279149986,
378
+ "learning_rate": 0.00019046977716458626,
379
+ "loss": 0.3775,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.6967741935483871,
384
+ "grad_norm": 0.08074648144423298,
385
+ "learning_rate": 0.0001898127705363696,
386
+ "loss": 0.3786,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.7096774193548387,
391
+ "grad_norm": 0.08472762376284584,
392
+ "learning_rate": 0.0001891350773226754,
393
+ "loss": 0.3923,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.7225806451612903,
398
+ "grad_norm": 0.08398076059437376,
399
+ "learning_rate": 0.00018843685361665723,
400
+ "loss": 0.3709,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.7354838709677419,
405
+ "grad_norm": 0.08465216102770419,
406
+ "learning_rate": 0.00018771826024025946,
407
+ "loss": 0.3818,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.7483870967741936,
412
+ "grad_norm": 0.09145572810056589,
413
+ "learning_rate": 0.00018697946270717467,
414
+ "loss": 0.39,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.7612903225806451,
419
+ "grad_norm": 0.08415188367023674,
420
+ "learning_rate": 0.00018622063118472134,
421
+ "loss": 0.3733,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.7741935483870968,
426
+ "grad_norm": 0.08576290382509591,
427
+ "learning_rate": 0.00018544194045464886,
428
+ "loss": 0.3878,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.7870967741935484,
433
+ "grad_norm": 0.0844142047859298,
434
+ "learning_rate": 0.00018464356987288013,
435
+ "loss": 0.3637,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.8,
440
+ "grad_norm": 0.08918487261557899,
441
+ "learning_rate": 0.00018382570332820043,
442
+ "loss": 0.3775,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.8129032258064516,
447
+ "grad_norm": 0.0795181880669878,
448
+ "learning_rate": 0.00018298852919990252,
449
+ "loss": 0.3853,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.8258064516129032,
454
+ "grad_norm": 0.08173055996583302,
455
+ "learning_rate": 0.0001821322403143969,
456
+ "loss": 0.38,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.8387096774193549,
461
+ "grad_norm": 0.08525070031165603,
462
+ "learning_rate": 0.0001812570339007983,
463
+ "loss": 0.3778,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.8516129032258064,
468
+ "grad_norm": 0.08531235204546653,
469
+ "learning_rate": 0.00018036311154549784,
470
+ "loss": 0.3727,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.864516129032258,
475
+ "grad_norm": 0.08169851479895494,
476
+ "learning_rate": 0.00017945067914573146,
477
+ "loss": 0.365,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.8774193548387097,
482
+ "grad_norm": 0.08463789046916101,
483
+ "learning_rate": 0.0001785199468621559,
484
+ "loss": 0.3752,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.8903225806451613,
489
+ "grad_norm": 0.09441843624235378,
490
+ "learning_rate": 0.000177571129070442,
491
+ "loss": 0.3665,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.9032258064516129,
496
+ "grad_norm": 0.08530939476149231,
497
+ "learning_rate": 0.0001766044443118978,
498
+ "loss": 0.3926,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.9161290322580645,
503
+ "grad_norm": 0.0836606457284625,
504
+ "learning_rate": 0.00017562011524313185,
505
+ "loss": 0.3844,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.9290322580645162,
510
+ "grad_norm": 0.09868625782773943,
511
+ "learning_rate": 0.00017461836858476856,
512
+ "loss": 0.3835,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.9419354838709677,
517
+ "grad_norm": 0.082132336261239,
518
+ "learning_rate": 0.00017359943506922774,
519
+ "loss": 0.3792,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.9548387096774194,
524
+ "grad_norm": 0.08948965393301354,
525
+ "learning_rate": 0.0001725635493875799,
526
+ "loss": 0.3813,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.967741935483871,
531
+ "grad_norm": 0.08539410389371488,
532
+ "learning_rate": 0.00017151095013548994,
533
+ "loss": 0.3774,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.9806451612903225,
538
+ "grad_norm": 0.08690404790165682,
539
+ "learning_rate": 0.00017044187975826124,
540
+ "loss": 0.3762,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.9935483870967742,
545
+ "grad_norm": 0.09039522496805455,
546
+ "learning_rate": 0.0001693565844949933,
547
+ "loss": 0.3733,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.9935483870967742,
552
+ "eval_loss": 0.3743511736392975,
553
+ "eval_runtime": 42.1339,
554
+ "eval_samples_per_second": 24.66,
555
+ "eval_steps_per_second": 0.783,
556
+ "step": 77
557
+ },
558
+ {
559
+ "epoch": 1.0064516129032257,
560
+ "grad_norm": 0.09165665911792642,
561
+ "learning_rate": 0.00016825531432186543,
562
+ "loss": 0.3532,
563
+ "step": 78
564
+ },
565
+ {
566
+ "epoch": 1.0193548387096774,
567
+ "grad_norm": 0.0801922544260219,
568
+ "learning_rate": 0.0001671383228945597,
569
+ "loss": 0.347,
570
+ "step": 79
571
+ },
572
+ {
573
+ "epoch": 1.032258064516129,
574
+ "grad_norm": 0.08352186065175837,
575
+ "learning_rate": 0.00016600586748983641,
576
+ "loss": 0.3566,
577
+ "step": 80
578
+ },
579
+ {
580
+ "epoch": 1.0451612903225806,
581
+ "grad_norm": 0.08793176795367076,
582
+ "learning_rate": 0.0001648582089462756,
583
+ "loss": 0.3473,
584
+ "step": 81
585
+ },
586
+ {
587
+ "epoch": 1.0580645161290323,
588
+ "grad_norm": 0.08913951531063671,
589
+ "learning_rate": 0.00016369561160419784,
590
+ "loss": 0.342,
591
+ "step": 82
592
+ },
593
+ {
594
+ "epoch": 1.070967741935484,
595
+ "grad_norm": 0.08309712335786672,
596
+ "learning_rate": 0.0001625183432447789,
597
+ "loss": 0.345,
598
+ "step": 83
599
+ },
600
+ {
601
+ "epoch": 1.0838709677419356,
602
+ "grad_norm": 0.08725330804483407,
603
+ "learning_rate": 0.00016132667502837165,
604
+ "loss": 0.3523,
605
+ "step": 84
606
+ },
607
+ {
608
+ "epoch": 1.096774193548387,
609
+ "grad_norm": 0.08680862762413778,
610
+ "learning_rate": 0.00016012088143204953,
611
+ "loss": 0.3554,
612
+ "step": 85
613
+ },
614
+ {
615
+ "epoch": 1.1096774193548387,
616
+ "grad_norm": 0.0863782848559528,
617
+ "learning_rate": 0.00015890124018638638,
618
+ "loss": 0.364,
619
+ "step": 86
620
+ },
621
+ {
622
+ "epoch": 1.1225806451612903,
623
+ "grad_norm": 0.08388848992116194,
624
+ "learning_rate": 0.00015766803221148673,
625
+ "loss": 0.3568,
626
+ "step": 87
627
+ },
628
+ {
629
+ "epoch": 1.135483870967742,
630
+ "grad_norm": 0.08226994751114965,
631
+ "learning_rate": 0.00015642154155228122,
632
+ "loss": 0.3489,
633
+ "step": 88
634
+ },
635
+ {
636
+ "epoch": 1.1483870967741936,
637
+ "grad_norm": 0.08575965994905438,
638
+ "learning_rate": 0.00015516205531310273,
639
+ "loss": 0.3466,
640
+ "step": 89
641
+ },
642
+ {
643
+ "epoch": 1.1612903225806452,
644
+ "grad_norm": 0.0895747440427046,
645
+ "learning_rate": 0.00015388986359155758,
646
+ "loss": 0.3488,
647
+ "step": 90
648
+ },
649
+ {
650
+ "epoch": 1.1741935483870969,
651
+ "grad_norm": 0.08403222320010312,
652
+ "learning_rate": 0.00015260525941170712,
653
+ "loss": 0.356,
654
+ "step": 91
655
+ },
656
+ {
657
+ "epoch": 1.1870967741935483,
658
+ "grad_norm": 0.08627434364043794,
659
+ "learning_rate": 0.0001513085386565758,
660
+ "loss": 0.3519,
661
+ "step": 92
662
+ },
663
+ {
664
+ "epoch": 1.2,
665
+ "grad_norm": 0.08925414655300028,
666
+ "learning_rate": 0.00015000000000000001,
667
+ "loss": 0.3523,
668
+ "step": 93
669
+ },
670
+ {
671
+ "epoch": 1.2129032258064516,
672
+ "grad_norm": 0.09120079741968923,
673
+ "learning_rate": 0.00014867994483783485,
674
+ "loss": 0.3555,
675
+ "step": 94
676
+ },
677
+ {
678
+ "epoch": 1.2258064516129032,
679
+ "grad_norm": 0.08519037826685563,
680
+ "learning_rate": 0.0001473486772185334,
681
+ "loss": 0.3551,
682
+ "step": 95
683
+ },
684
+ {
685
+ "epoch": 1.238709677419355,
686
+ "grad_norm": 0.08814591743170447,
687
+ "learning_rate": 0.00014600650377311522,
688
+ "loss": 0.3535,
689
+ "step": 96
690
+ },
691
+ {
692
+ "epoch": 1.2516129032258063,
693
+ "grad_norm": 0.08812877093082108,
694
+ "learning_rate": 0.00014465373364454001,
695
+ "loss": 0.3498,
696
+ "step": 97
697
+ },
698
+ {
699
+ "epoch": 1.2645161290322582,
700
+ "grad_norm": 0.08596197743921638,
701
+ "learning_rate": 0.00014329067841650274,
702
+ "loss": 0.3484,
703
+ "step": 98
704
+ },
705
+ {
706
+ "epoch": 1.2774193548387096,
707
+ "grad_norm": 0.09025513346881896,
708
+ "learning_rate": 0.00014191765204166643,
709
+ "loss": 0.3465,
710
+ "step": 99
711
+ },
712
+ {
713
+ "epoch": 1.2903225806451613,
714
+ "grad_norm": 0.08665409616008209,
715
+ "learning_rate": 0.00014053497076934948,
716
+ "loss": 0.35,
717
+ "step": 100
718
+ },
719
+ {
720
+ "epoch": 1.303225806451613,
721
+ "grad_norm": 0.09012608398761074,
722
+ "learning_rate": 0.00013914295307268396,
723
+ "loss": 0.3516,
724
+ "step": 101
725
+ },
726
+ {
727
+ "epoch": 1.3161290322580645,
728
+ "grad_norm": 0.09456407877563842,
729
+ "learning_rate": 0.00013774191957526143,
730
+ "loss": 0.3639,
731
+ "step": 102
732
+ },
733
+ {
734
+ "epoch": 1.3290322580645162,
735
+ "grad_norm": 0.0888376260234129,
736
+ "learning_rate": 0.00013633219297728416,
737
+ "loss": 0.3396,
738
+ "step": 103
739
+ },
740
+ {
741
+ "epoch": 1.3419354838709676,
742
+ "grad_norm": 0.08652600639054038,
743
+ "learning_rate": 0.00013491409798123687,
744
+ "loss": 0.3445,
745
+ "step": 104
746
+ },
747
+ {
748
+ "epoch": 1.3548387096774195,
749
+ "grad_norm": 0.09269194410505097,
750
+ "learning_rate": 0.00013348796121709862,
751
+ "loss": 0.3555,
752
+ "step": 105
753
+ },
754
+ {
755
+ "epoch": 1.367741935483871,
756
+ "grad_norm": 0.09421096011594207,
757
+ "learning_rate": 0.00013205411116710972,
758
+ "loss": 0.3508,
759
+ "step": 106
760
+ },
761
+ {
762
+ "epoch": 1.3806451612903226,
763
+ "grad_norm": 0.09286783444235318,
764
+ "learning_rate": 0.00013061287809011242,
765
+ "loss": 0.3571,
766
+ "step": 107
767
+ },
768
+ {
769
+ "epoch": 1.3935483870967742,
770
+ "grad_norm": 0.08172852976047028,
771
+ "learning_rate": 0.0001291645939454825,
772
+ "loss": 0.3488,
773
+ "step": 108
774
+ },
775
+ {
776
+ "epoch": 1.4064516129032258,
777
+ "grad_norm": 0.09033973727962885,
778
+ "learning_rate": 0.0001277095923166689,
779
+ "loss": 0.3498,
780
+ "step": 109
781
+ },
782
+ {
783
+ "epoch": 1.4193548387096775,
784
+ "grad_norm": 0.09628933362833343,
785
+ "learning_rate": 0.00012624820833435937,
786
+ "loss": 0.3472,
787
+ "step": 110
788
+ },
789
+ {
790
+ "epoch": 1.432258064516129,
791
+ "grad_norm": 0.08471497514674803,
792
+ "learning_rate": 0.00012478077859929,
793
+ "loss": 0.3353,
794
+ "step": 111
795
+ },
796
+ {
797
+ "epoch": 1.4451612903225808,
798
+ "grad_norm": 0.08976133324522119,
799
+ "learning_rate": 0.00012330764110471566,
800
+ "loss": 0.3468,
801
+ "step": 112
802
+ },
803
+ {
804
+ "epoch": 1.4580645161290322,
805
+ "grad_norm": 0.09634877556737409,
806
+ "learning_rate": 0.00012182913515856015,
807
+ "loss": 0.3541,
808
+ "step": 113
809
+ },
810
+ {
811
+ "epoch": 1.4709677419354839,
812
+ "grad_norm": 0.09348923296138459,
813
+ "learning_rate": 0.0001203456013052634,
814
+ "loss": 0.3521,
815
+ "step": 114
816
+ },
817
+ {
818
+ "epoch": 1.4838709677419355,
819
+ "grad_norm": 0.09437711091684706,
820
+ "learning_rate": 0.00011885738124734358,
821
+ "loss": 0.3566,
822
+ "step": 115
823
+ },
824
+ {
825
+ "epoch": 1.4967741935483871,
826
+ "grad_norm": 0.08916702937111011,
827
+ "learning_rate": 0.00011736481776669306,
828
+ "loss": 0.3458,
829
+ "step": 116
830
+ },
831
+ {
832
+ "epoch": 1.5096774193548388,
833
+ "grad_norm": 0.09100601467580355,
834
+ "learning_rate": 0.00011586825464562514,
835
+ "loss": 0.3593,
836
+ "step": 117
837
+ },
838
+ {
839
+ "epoch": 1.5225806451612902,
840
+ "grad_norm": 0.08990470683690902,
841
+ "learning_rate": 0.00011436803658769082,
842
+ "loss": 0.3434,
843
+ "step": 118
844
+ },
845
+ {
846
+ "epoch": 1.535483870967742,
847
+ "grad_norm": 0.0932653393737011,
848
+ "learning_rate": 0.00011286450913828312,
849
+ "loss": 0.342,
850
+ "step": 119
851
+ },
852
+ {
853
+ "epoch": 1.5483870967741935,
854
+ "grad_norm": 0.08960531773257623,
855
+ "learning_rate": 0.00011135801860504749,
856
+ "loss": 0.3628,
857
+ "step": 120
858
+ },
859
+ {
860
+ "epoch": 1.5612903225806452,
861
+ "grad_norm": 0.09275069273094473,
862
+ "learning_rate": 0.00010984891197811687,
863
+ "loss": 0.3513,
864
+ "step": 121
865
+ },
866
+ {
867
+ "epoch": 1.5741935483870968,
868
+ "grad_norm": 0.09527469311088294,
869
+ "learning_rate": 0.00010833753685018935,
870
+ "loss": 0.3556,
871
+ "step": 122
872
+ },
873
+ {
874
+ "epoch": 1.5870967741935482,
875
+ "grad_norm": 0.09323849659154124,
876
+ "learning_rate": 0.0001068242413364671,
877
+ "loss": 0.3448,
878
+ "step": 123
879
+ },
880
+ {
881
+ "epoch": 1.6,
882
+ "grad_norm": 0.08474554028292876,
883
+ "learning_rate": 0.00010530937399447496,
884
+ "loss": 0.3499,
885
+ "step": 124
886
+ },
887
+ {
888
+ "epoch": 1.6129032258064515,
889
+ "grad_norm": 0.09382059811382143,
890
+ "learning_rate": 0.00010379328374377715,
891
+ "loss": 0.3384,
892
+ "step": 125
893
+ },
894
+ {
895
+ "epoch": 1.6258064516129034,
896
+ "grad_norm": 0.09276702527842776,
897
+ "learning_rate": 0.00010227631978561056,
898
+ "loss": 0.3444,
899
+ "step": 126
900
+ },
901
+ {
902
+ "epoch": 1.6387096774193548,
903
+ "grad_norm": 0.08750152088472078,
904
+ "learning_rate": 0.00010075883152245334,
905
+ "loss": 0.3569,
906
+ "step": 127
907
+ },
908
+ {
909
+ "epoch": 1.6516129032258065,
910
+ "grad_norm": 0.08714445180642569,
911
+ "learning_rate": 9.92411684775467e-05,
912
+ "loss": 0.342,
913
+ "step": 128
914
+ },
915
+ {
916
+ "epoch": 1.664516129032258,
917
+ "grad_norm": 0.08469902272466831,
918
+ "learning_rate": 9.772368021438943e-05,
919
+ "loss": 0.3342,
920
+ "step": 129
921
+ },
922
+ {
923
+ "epoch": 1.6774193548387095,
924
+ "grad_norm": 0.08724585745005611,
925
+ "learning_rate": 9.620671625622288e-05,
926
+ "loss": 0.3335,
927
+ "step": 130
928
+ },
929
+ {
930
+ "epoch": 1.6903225806451614,
931
+ "grad_norm": 0.09087336723016343,
932
+ "learning_rate": 9.469062600552509e-05,
933
+ "loss": 0.3447,
934
+ "step": 131
935
+ },
936
+ {
937
+ "epoch": 1.7032258064516128,
938
+ "grad_norm": 0.08863278083042062,
939
+ "learning_rate": 9.317575866353292e-05,
940
+ "loss": 0.3487,
941
+ "step": 132
942
+ },
943
+ {
944
+ "epoch": 1.7161290322580647,
945
+ "grad_norm": 0.08343459715762,
946
+ "learning_rate": 9.166246314981066e-05,
947
+ "loss": 0.3454,
948
+ "step": 133
949
+ },
950
+ {
951
+ "epoch": 1.729032258064516,
952
+ "grad_norm": 0.08837483796029806,
953
+ "learning_rate": 9.015108802188313e-05,
954
+ "loss": 0.3484,
955
+ "step": 134
956
+ },
957
+ {
958
+ "epoch": 1.7419354838709677,
959
+ "grad_norm": 0.08762249376974672,
960
+ "learning_rate": 8.86419813949525e-05,
961
+ "loss": 0.3447,
962
+ "step": 135
963
+ },
964
+ {
965
+ "epoch": 1.7548387096774194,
966
+ "grad_norm": 0.08446853010895118,
967
+ "learning_rate": 8.713549086171691e-05,
968
+ "loss": 0.3466,
969
+ "step": 136
970
+ },
971
+ {
972
+ "epoch": 1.7677419354838708,
973
+ "grad_norm": 0.08897676787603495,
974
+ "learning_rate": 8.563196341230919e-05,
975
+ "loss": 0.3434,
976
+ "step": 137
977
+ },
978
+ {
979
+ "epoch": 1.7806451612903227,
980
+ "grad_norm": 0.09210810174866911,
981
+ "learning_rate": 8.413174535437487e-05,
982
+ "loss": 0.355,
983
+ "step": 138
984
+ },
985
+ {
986
+ "epoch": 1.793548387096774,
987
+ "grad_norm": 0.0877098792555575,
988
+ "learning_rate": 8.263518223330697e-05,
989
+ "loss": 0.3392,
990
+ "step": 139
991
+ },
992
+ {
993
+ "epoch": 1.8064516129032258,
994
+ "grad_norm": 0.09059259587839792,
995
+ "learning_rate": 8.114261875265643e-05,
996
+ "loss": 0.3465,
997
+ "step": 140
998
+ },
999
+ {
1000
+ "epoch": 1.8193548387096774,
1001
+ "grad_norm": 0.09043152099082513,
1002
+ "learning_rate": 7.965439869473664e-05,
1003
+ "loss": 0.3409,
1004
+ "step": 141
1005
+ },
1006
+ {
1007
+ "epoch": 1.832258064516129,
1008
+ "grad_norm": 0.08863483273837267,
1009
+ "learning_rate": 7.817086484143986e-05,
1010
+ "loss": 0.3497,
1011
+ "step": 142
1012
+ },
1013
+ {
1014
+ "epoch": 1.8451612903225807,
1015
+ "grad_norm": 0.08351509862847174,
1016
+ "learning_rate": 7.669235889528436e-05,
1017
+ "loss": 0.3484,
1018
+ "step": 143
1019
+ },
1020
+ {
1021
+ "epoch": 1.8580645161290321,
1022
+ "grad_norm": 0.08881689002413959,
1023
+ "learning_rate": 7.521922140071002e-05,
1024
+ "loss": 0.3428,
1025
+ "step": 144
1026
+ },
1027
+ {
1028
+ "epoch": 1.870967741935484,
1029
+ "grad_norm": 0.08962413300366581,
1030
+ "learning_rate": 7.375179166564063e-05,
1031
+ "loss": 0.3353,
1032
+ "step": 145
1033
+ },
1034
+ {
1035
+ "epoch": 1.8838709677419354,
1036
+ "grad_norm": 0.08991947191225944,
1037
+ "learning_rate": 7.229040768333115e-05,
1038
+ "loss": 0.3366,
1039
+ "step": 146
1040
+ },
1041
+ {
1042
+ "epoch": 1.896774193548387,
1043
+ "grad_norm": 0.0890545628104281,
1044
+ "learning_rate": 7.08354060545175e-05,
1045
+ "loss": 0.3381,
1046
+ "step": 147
1047
+ },
1048
+ {
1049
+ "epoch": 1.9096774193548387,
1050
+ "grad_norm": 0.09306016588414409,
1051
+ "learning_rate": 6.93871219098876e-05,
1052
+ "loss": 0.3356,
1053
+ "step": 148
1054
+ },
1055
+ {
1056
+ "epoch": 1.9225806451612903,
1057
+ "grad_norm": 0.08816048934545212,
1058
+ "learning_rate": 6.79458888328903e-05,
1059
+ "loss": 0.3412,
1060
+ "step": 149
1061
+ },
1062
+ {
1063
+ "epoch": 1.935483870967742,
1064
+ "grad_norm": 0.09006593042575502,
1065
+ "learning_rate": 6.651203878290139e-05,
1066
+ "loss": 0.3471,
1067
+ "step": 150
1068
+ },
1069
+ {
1070
+ "epoch": 1.9483870967741934,
1071
+ "grad_norm": 0.08499237638300171,
1072
+ "learning_rate": 6.508590201876317e-05,
1073
+ "loss": 0.335,
1074
+ "step": 151
1075
+ },
1076
+ {
1077
+ "epoch": 1.9612903225806453,
1078
+ "grad_norm": 0.09566747308379261,
1079
+ "learning_rate": 6.366780702271589e-05,
1080
+ "loss": 0.3395,
1081
+ "step": 152
1082
+ },
1083
+ {
1084
+ "epoch": 1.9741935483870967,
1085
+ "grad_norm": 0.0915253754596643,
1086
+ "learning_rate": 6.225808042473858e-05,
1087
+ "loss": 0.3488,
1088
+ "step": 153
1089
+ },
1090
+ {
1091
+ "epoch": 1.9870967741935484,
1092
+ "grad_norm": 0.08657357278603872,
1093
+ "learning_rate": 6.085704692731609e-05,
1094
+ "loss": 0.3344,
1095
+ "step": 154
1096
+ },
1097
+ {
1098
+ "epoch": 2.0,
1099
+ "grad_norm": 0.08950726731743963,
1100
+ "learning_rate": 5.9465029230650534e-05,
1101
+ "loss": 0.33,
1102
+ "step": 155
1103
+ },
1104
+ {
1105
+ "epoch": 2.0,
1106
+ "eval_loss": 0.35439133644104004,
1107
+ "eval_runtime": 36.1469,
1108
+ "eval_samples_per_second": 28.744,
1109
+ "eval_steps_per_second": 0.913,
1110
+ "step": 155
1111
+ },
1112
+ {
1113
+ "epoch": 2.0129032258064514,
1114
+ "grad_norm": 0.08961232668946545,
1115
+ "learning_rate": 5.8082347958333625e-05,
1116
+ "loss": 0.3273,
1117
+ "step": 156
1118
+ },
1119
+ {
1120
+ "epoch": 2.0258064516129033,
1121
+ "grad_norm": 0.09402916213349197,
1122
+ "learning_rate": 5.670932158349731e-05,
1123
+ "loss": 0.3218,
1124
+ "step": 157
1125
+ },
1126
+ {
1127
+ "epoch": 2.0387096774193547,
1128
+ "grad_norm": 0.08520247695821515,
1129
+ "learning_rate": 5.5346266355459995e-05,
1130
+ "loss": 0.3089,
1131
+ "step": 158
1132
+ },
1133
+ {
1134
+ "epoch": 2.0516129032258066,
1135
+ "grad_norm": 0.08637288183919145,
1136
+ "learning_rate": 5.399349622688479e-05,
1137
+ "loss": 0.3266,
1138
+ "step": 159
1139
+ },
1140
+ {
1141
+ "epoch": 2.064516129032258,
1142
+ "grad_norm": 0.08823864345930746,
1143
+ "learning_rate": 5.26513227814666e-05,
1144
+ "loss": 0.329,
1145
+ "step": 160
1146
+ },
1147
+ {
1148
+ "epoch": 2.07741935483871,
1149
+ "grad_norm": 0.09384371931382793,
1150
+ "learning_rate": 5.1320055162165115e-05,
1151
+ "loss": 0.3275,
1152
+ "step": 161
1153
+ },
1154
+ {
1155
+ "epoch": 2.0903225806451613,
1156
+ "grad_norm": 0.09516405744887674,
1157
+ "learning_rate": 5.000000000000002e-05,
1158
+ "loss": 0.332,
1159
+ "step": 162
1160
+ },
1161
+ {
1162
+ "epoch": 2.1032258064516127,
1163
+ "grad_norm": 0.08966279182804247,
1164
+ "learning_rate": 4.869146134342426e-05,
1165
+ "loss": 0.3247,
1166
+ "step": 163
1167
+ },
1168
+ {
1169
+ "epoch": 2.1161290322580646,
1170
+ "grad_norm": 0.08700940402163973,
1171
+ "learning_rate": 4.739474058829289e-05,
1172
+ "loss": 0.3221,
1173
+ "step": 164
1174
+ },
1175
+ {
1176
+ "epoch": 2.129032258064516,
1177
+ "grad_norm": 0.08984677102800173,
1178
+ "learning_rate": 4.611013640844245e-05,
1179
+ "loss": 0.3272,
1180
+ "step": 165
1181
+ },
1182
+ {
1183
+ "epoch": 2.141935483870968,
1184
+ "grad_norm": 0.08964202186304891,
1185
+ "learning_rate": 4.483794468689728e-05,
1186
+ "loss": 0.3188,
1187
+ "step": 166
1188
+ },
1189
+ {
1190
+ "epoch": 2.1548387096774193,
1191
+ "grad_norm": 0.09997697429798251,
1192
+ "learning_rate": 4.357845844771881e-05,
1193
+ "loss": 0.3383,
1194
+ "step": 167
1195
+ },
1196
+ {
1197
+ "epoch": 2.167741935483871,
1198
+ "grad_norm": 0.09510073376177604,
1199
+ "learning_rate": 4.2331967788513295e-05,
1200
+ "loss": 0.3252,
1201
+ "step": 168
1202
+ },
1203
+ {
1204
+ "epoch": 2.1806451612903226,
1205
+ "grad_norm": 0.09107612709336496,
1206
+ "learning_rate": 4.109875981361363e-05,
1207
+ "loss": 0.3217,
1208
+ "step": 169
1209
+ },
1210
+ {
1211
+ "epoch": 2.193548387096774,
1212
+ "grad_norm": 0.08804927379783276,
1213
+ "learning_rate": 3.987911856795047e-05,
1214
+ "loss": 0.3173,
1215
+ "step": 170
1216
+ },
1217
+ {
1218
+ "epoch": 2.206451612903226,
1219
+ "grad_norm": 0.0916081059987062,
1220
+ "learning_rate": 3.8673324971628357e-05,
1221
+ "loss": 0.3285,
1222
+ "step": 171
1223
+ },
1224
+ {
1225
+ "epoch": 2.2193548387096773,
1226
+ "grad_norm": 0.09226628432750343,
1227
+ "learning_rate": 3.7481656755221125e-05,
1228
+ "loss": 0.3154,
1229
+ "step": 172
1230
+ },
1231
+ {
1232
+ "epoch": 2.232258064516129,
1233
+ "grad_norm": 0.09145015878266409,
1234
+ "learning_rate": 3.630438839580217e-05,
1235
+ "loss": 0.3087,
1236
+ "step": 173
1237
+ },
1238
+ {
1239
+ "epoch": 2.2451612903225806,
1240
+ "grad_norm": 0.08786201399591659,
1241
+ "learning_rate": 3.5141791053724405e-05,
1242
+ "loss": 0.3151,
1243
+ "step": 174
1244
+ },
1245
+ {
1246
+ "epoch": 2.258064516129032,
1247
+ "grad_norm": 0.09259402512083086,
1248
+ "learning_rate": 3.399413251016359e-05,
1249
+ "loss": 0.3369,
1250
+ "step": 175
1251
+ },
1252
+ {
1253
+ "epoch": 2.270967741935484,
1254
+ "grad_norm": 0.09311260751337232,
1255
+ "learning_rate": 3.2861677105440336e-05,
1256
+ "loss": 0.3051,
1257
+ "step": 176
1258
+ },
1259
+ {
1260
+ "epoch": 2.2838709677419353,
1261
+ "grad_norm": 0.09217712904693832,
1262
+ "learning_rate": 3.174468567813461e-05,
1263
+ "loss": 0.3199,
1264
+ "step": 177
1265
+ },
1266
+ {
1267
+ "epoch": 2.296774193548387,
1268
+ "grad_norm": 0.09141877592974519,
1269
+ "learning_rate": 3.0643415505006735e-05,
1270
+ "loss": 0.3229,
1271
+ "step": 178
1272
+ },
1273
+ {
1274
+ "epoch": 2.3096774193548386,
1275
+ "grad_norm": 0.09528833689903496,
1276
+ "learning_rate": 2.9558120241738784e-05,
1277
+ "loss": 0.3286,
1278
+ "step": 179
1279
+ },
1280
+ {
1281
+ "epoch": 2.3225806451612905,
1282
+ "grad_norm": 0.09070636787107308,
1283
+ "learning_rate": 2.8489049864510054e-05,
1284
+ "loss": 0.3348,
1285
+ "step": 180
1286
+ },
1287
+ {
1288
+ "epoch": 2.335483870967742,
1289
+ "grad_norm": 0.09307512327341362,
1290
+ "learning_rate": 2.7436450612420095e-05,
1291
+ "loss": 0.3256,
1292
+ "step": 181
1293
+ },
1294
+ {
1295
+ "epoch": 2.3483870967741938,
1296
+ "grad_norm": 0.09127823479306682,
1297
+ "learning_rate": 2.640056493077231e-05,
1298
+ "loss": 0.3181,
1299
+ "step": 182
1300
+ },
1301
+ {
1302
+ "epoch": 2.361290322580645,
1303
+ "grad_norm": 0.09246009256113925,
1304
+ "learning_rate": 2.5381631415231454e-05,
1305
+ "loss": 0.3391,
1306
+ "step": 183
1307
+ },
1308
+ {
1309
+ "epoch": 2.3741935483870966,
1310
+ "grad_norm": 0.09095352379758655,
1311
+ "learning_rate": 2.4379884756868167e-05,
1312
+ "loss": 0.3172,
1313
+ "step": 184
1314
+ },
1315
+ {
1316
+ "epoch": 2.3870967741935485,
1317
+ "grad_norm": 0.0926880163626768,
1318
+ "learning_rate": 2.339555568810221e-05,
1319
+ "loss": 0.3177,
1320
+ "step": 185
1321
+ },
1322
+ {
1323
+ "epoch": 2.4,
1324
+ "grad_norm": 0.09094474131194094,
1325
+ "learning_rate": 2.242887092955801e-05,
1326
+ "loss": 0.3199,
1327
+ "step": 186
1328
+ },
1329
+ {
1330
+ "epoch": 2.412903225806452,
1331
+ "grad_norm": 0.09106546035353981,
1332
+ "learning_rate": 2.1480053137844115e-05,
1333
+ "loss": 0.3222,
1334
+ "step": 187
1335
+ },
1336
+ {
1337
+ "epoch": 2.425806451612903,
1338
+ "grad_norm": 0.08873018715134598,
1339
+ "learning_rate": 2.054932085426856e-05,
1340
+ "loss": 0.3118,
1341
+ "step": 188
1342
+ },
1343
+ {
1344
+ "epoch": 2.4387096774193546,
1345
+ "grad_norm": 0.0932765377498955,
1346
+ "learning_rate": 1.9636888454502178e-05,
1347
+ "loss": 0.3358,
1348
+ "step": 189
1349
+ },
1350
+ {
1351
+ "epoch": 2.4516129032258065,
1352
+ "grad_norm": 0.09181586534157822,
1353
+ "learning_rate": 1.8742966099201697e-05,
1354
+ "loss": 0.3157,
1355
+ "step": 190
1356
+ },
1357
+ {
1358
+ "epoch": 2.464516129032258,
1359
+ "grad_norm": 0.0929486436457203,
1360
+ "learning_rate": 1.7867759685603114e-05,
1361
+ "loss": 0.3154,
1362
+ "step": 191
1363
+ },
1364
+ {
1365
+ "epoch": 2.47741935483871,
1366
+ "grad_norm": 0.09188630220285351,
1367
+ "learning_rate": 1.7011470800097496e-05,
1368
+ "loss": 0.3181,
1369
+ "step": 192
1370
+ },
1371
+ {
1372
+ "epoch": 2.490322580645161,
1373
+ "grad_norm": 0.09574286894431329,
1374
+ "learning_rate": 1.6174296671799572e-05,
1375
+ "loss": 0.3222,
1376
+ "step": 193
1377
+ },
1378
+ {
1379
+ "epoch": 2.5032258064516126,
1380
+ "grad_norm": 0.09145354457132104,
1381
+ "learning_rate": 1.5356430127119913e-05,
1382
+ "loss": 0.3222,
1383
+ "step": 194
1384
+ },
1385
+ {
1386
+ "epoch": 2.5161290322580645,
1387
+ "grad_norm": 0.09039580690260736,
1388
+ "learning_rate": 1.4558059545351143e-05,
1389
+ "loss": 0.324,
1390
+ "step": 195
1391
+ },
1392
+ {
1393
+ "epoch": 2.5290322580645164,
1394
+ "grad_norm": 0.08979381831653434,
1395
+ "learning_rate": 1.3779368815278647e-05,
1396
+ "loss": 0.3107,
1397
+ "step": 196
1398
+ },
1399
+ {
1400
+ "epoch": 2.541935483870968,
1401
+ "grad_norm": 0.09526292697431937,
1402
+ "learning_rate": 1.302053729282533e-05,
1403
+ "loss": 0.3219,
1404
+ "step": 197
1405
+ },
1406
+ {
1407
+ "epoch": 2.554838709677419,
1408
+ "grad_norm": 0.09310358146453943,
1409
+ "learning_rate": 1.2281739759740574e-05,
1410
+ "loss": 0.3214,
1411
+ "step": 198
1412
+ },
1413
+ {
1414
+ "epoch": 2.567741935483871,
1415
+ "grad_norm": 0.09212645063531479,
1416
+ "learning_rate": 1.1563146383342772e-05,
1417
+ "loss": 0.3154,
1418
+ "step": 199
1419
+ },
1420
+ {
1421
+ "epoch": 2.5806451612903225,
1422
+ "grad_norm": 0.09533681862557382,
1423
+ "learning_rate": 1.0864922677324618e-05,
1424
+ "loss": 0.319,
1425
+ "step": 200
1426
+ },
1427
+ {
1428
+ "epoch": 2.5935483870967744,
1429
+ "grad_norm": 0.09551418366783314,
1430
+ "learning_rate": 1.01872294636304e-05,
1431
+ "loss": 0.3333,
1432
+ "step": 201
1433
+ },
1434
+ {
1435
+ "epoch": 2.606451612903226,
1436
+ "grad_norm": 0.08930212325894361,
1437
+ "learning_rate": 9.530222835413738e-06,
1438
+ "loss": 0.3048,
1439
+ "step": 202
1440
+ },
1441
+ {
1442
+ "epoch": 2.6193548387096772,
1443
+ "grad_norm": 0.09220378121771236,
1444
+ "learning_rate": 8.894054121084838e-06,
1445
+ "loss": 0.3146,
1446
+ "step": 203
1447
+ },
1448
+ {
1449
+ "epoch": 2.632258064516129,
1450
+ "grad_norm": 0.09150774720724307,
1451
+ "learning_rate": 8.278869849454718e-06,
1452
+ "loss": 0.3311,
1453
+ "step": 204
1454
+ },
1455
+ {
1456
+ "epoch": 2.6451612903225805,
1457
+ "grad_norm": 0.09261513270619316,
1458
+ "learning_rate": 7.684811715985429e-06,
1459
+ "loss": 0.3172,
1460
+ "step": 205
1461
+ },
1462
+ {
1463
+ "epoch": 2.6580645161290324,
1464
+ "grad_norm": 0.0941004102909483,
1465
+ "learning_rate": 7.1120165501533e-06,
1466
+ "loss": 0.3347,
1467
+ "step": 206
1468
+ },
1469
+ {
1470
+ "epoch": 2.670967741935484,
1471
+ "grad_norm": 0.08707518610128166,
1472
+ "learning_rate": 6.560616283932897e-06,
1473
+ "loss": 0.3116,
1474
+ "step": 207
1475
+ },
1476
+ {
1477
+ "epoch": 2.6838709677419352,
1478
+ "grad_norm": 0.08648707636296159,
1479
+ "learning_rate": 6.030737921409169e-06,
1480
+ "loss": 0.3144,
1481
+ "step": 208
1482
+ },
1483
+ {
1484
+ "epoch": 2.696774193548387,
1485
+ "grad_norm": 0.09169150101119816,
1486
+ "learning_rate": 5.52250350952459e-06,
1487
+ "loss": 0.3255,
1488
+ "step": 209
1489
+ },
1490
+ {
1491
+ "epoch": 2.709677419354839,
1492
+ "grad_norm": 0.09060072523264334,
1493
+ "learning_rate": 5.036030109968082e-06,
1494
+ "loss": 0.3183,
1495
+ "step": 210
1496
+ },
1497
+ {
1498
+ "epoch": 2.7225806451612904,
1499
+ "grad_norm": 0.09077216490604942,
1500
+ "learning_rate": 4.5714297722121106e-06,
1501
+ "loss": 0.321,
1502
+ "step": 211
1503
+ },
1504
+ {
1505
+ "epoch": 2.735483870967742,
1506
+ "grad_norm": 0.09088968433443333,
1507
+ "learning_rate": 4.128809507704445e-06,
1508
+ "loss": 0.3172,
1509
+ "step": 212
1510
+ },
1511
+ {
1512
+ "epoch": 2.7483870967741937,
1513
+ "grad_norm": 0.09191902683388614,
1514
+ "learning_rate": 3.7082712652200867e-06,
1515
+ "loss": 0.3261,
1516
+ "step": 213
1517
+ },
1518
+ {
1519
+ "epoch": 2.761290322580645,
1520
+ "grad_norm": 0.08843215800144302,
1521
+ "learning_rate": 3.3099119073793928e-06,
1522
+ "loss": 0.3158,
1523
+ "step": 214
1524
+ },
1525
+ {
1526
+ "epoch": 2.774193548387097,
1527
+ "grad_norm": 0.09079938334868655,
1528
+ "learning_rate": 2.9338231883378366e-06,
1529
+ "loss": 0.3178,
1530
+ "step": 215
1531
+ },
1532
+ {
1533
+ "epoch": 2.7870967741935484,
1534
+ "grad_norm": 0.09122789808454786,
1535
+ "learning_rate": 2.580091732652101e-06,
1536
+ "loss": 0.3282,
1537
+ "step": 216
1538
+ },
1539
+ {
1540
+ "epoch": 2.8,
1541
+ "grad_norm": 0.09380292374109117,
1542
+ "learning_rate": 2.248799015327907e-06,
1543
+ "loss": 0.3359,
1544
+ "step": 217
1545
+ },
1546
+ {
1547
+ "epoch": 2.8129032258064517,
1548
+ "grad_norm": 0.09035917420929797,
1549
+ "learning_rate": 1.9400213430538773e-06,
1550
+ "loss": 0.3169,
1551
+ "step": 218
1552
+ },
1553
+ {
1554
+ "epoch": 2.825806451612903,
1555
+ "grad_norm": 0.09195121657817087,
1556
+ "learning_rate": 1.6538298366257976e-06,
1557
+ "loss": 0.3314,
1558
+ "step": 219
1559
+ },
1560
+ {
1561
+ "epoch": 2.838709677419355,
1562
+ "grad_norm": 0.09166102367139951,
1563
+ "learning_rate": 1.3902904145653096e-06,
1564
+ "loss": 0.3258,
1565
+ "step": 220
1566
+ },
1567
+ {
1568
+ "epoch": 2.8516129032258064,
1569
+ "grad_norm": 0.0921992572010057,
1570
+ "learning_rate": 1.1494637779369766e-06,
1571
+ "loss": 0.3298,
1572
+ "step": 221
1573
+ },
1574
+ {
1575
+ "epoch": 2.864516129032258,
1576
+ "grad_norm": 0.09068261067988724,
1577
+ "learning_rate": 9.314053963669245e-07,
1578
+ "loss": 0.3214,
1579
+ "step": 222
1580
+ },
1581
+ {
1582
+ "epoch": 2.8774193548387097,
1583
+ "grad_norm": 0.09417924199778298,
1584
+ "learning_rate": 7.361654952665609e-07,
1585
+ "loss": 0.3134,
1586
+ "step": 223
1587
+ },
1588
+ {
1589
+ "epoch": 2.8903225806451616,
1590
+ "grad_norm": 0.0901765977296441,
1591
+ "learning_rate": 5.637890442641402e-07,
1592
+ "loss": 0.3221,
1593
+ "step": 224
1594
+ },
1595
+ {
1596
+ "epoch": 2.903225806451613,
1597
+ "grad_norm": 0.09094506589085496,
1598
+ "learning_rate": 4.143157468468717e-07,
1599
+ "loss": 0.3128,
1600
+ "step": 225
1601
+ },
1602
+ {
1603
+ "epoch": 2.9161290322580644,
1604
+ "grad_norm": 0.08772549933058231,
1605
+ "learning_rate": 2.877800312160783e-07,
1606
+ "loss": 0.3248,
1607
+ "step": 226
1608
+ },
1609
+ {
1610
+ "epoch": 2.9290322580645163,
1611
+ "grad_norm": 0.09191883931659987,
1612
+ "learning_rate": 1.8421104235727405e-07,
1613
+ "loss": 0.3114,
1614
+ "step": 227
1615
+ },
1616
+ {
1617
+ "epoch": 2.9419354838709677,
1618
+ "grad_norm": 0.08876137430429,
1619
+ "learning_rate": 1.0363263532724432e-07,
1620
+ "loss": 0.3127,
1621
+ "step": 228
1622
+ },
1623
+ {
1624
+ "epoch": 2.9548387096774196,
1625
+ "grad_norm": 0.09157045134043748,
1626
+ "learning_rate": 4.606336975948589e-08,
1627
+ "loss": 0.3275,
1628
+ "step": 229
1629
+ },
1630
+ {
1631
+ "epoch": 2.967741935483871,
1632
+ "grad_norm": 0.08940213355520302,
1633
+ "learning_rate": 1.1516505589381776e-08,
1634
+ "loss": 0.3246,
1635
+ "step": 230
1636
+ },
1637
+ {
1638
+ "epoch": 2.9806451612903224,
1639
+ "grad_norm": 0.0895898052255747,
1640
+ "learning_rate": 0.0,
1641
+ "loss": 0.3079,
1642
+ "step": 231
1643
+ },
1644
+ {
1645
+ "epoch": 2.9806451612903224,
1646
+ "eval_loss": 0.3507891595363617,
1647
+ "eval_runtime": 36.0777,
1648
+ "eval_samples_per_second": 28.799,
1649
+ "eval_steps_per_second": 0.915,
1650
+ "step": 231
1651
+ },
1652
+ {
1653
+ "epoch": 2.9806451612903224,
1654
+ "step": 231,
1655
+ "total_flos": 9.324729662937498e+16,
1656
+ "train_loss": 0.3951803825118325,
1657
+ "train_runtime": 2997.4381,
1658
+ "train_samples_per_second": 9.871,
1659
+ "train_steps_per_second": 0.077
1660
+ }
1661
+ ],
1662
+ "logging_steps": 1,
1663
+ "max_steps": 231,
1664
+ "num_input_tokens_seen": 0,
1665
+ "num_train_epochs": 3,
1666
+ "save_steps": 500,
1667
+ "stateful_callbacks": {
1668
+ "TrainerControl": {
1669
+ "args": {
1670
+ "should_epoch_stop": false,
1671
+ "should_evaluate": false,
1672
+ "should_log": false,
1673
+ "should_save": true,
1674
+ "should_training_stop": true
1675
+ },
1676
+ "attributes": {}
1677
+ }
1678
+ },
1679
+ "total_flos": 9.324729662937498e+16,
1680
+ "train_batch_size": 8,
1681
+ "trial_name": null,
1682
+ "trial_params": null
1683
+ }