sedrickkeh commited on
Commit
37b9212
·
verified ·
1 Parent(s): 8ba2627

End of training

Browse files
README.md CHANGED
@@ -4,6 +4,7 @@ license: apache-2.0
4
  base_model: Qwen/Qwen2.5-7B
5
  tags:
6
  - llama-factory
 
7
  - generated_from_trainer
8
  model-index:
9
  - name: oh-dcft-v3.1-claude-3-5-haiku-20241022-qwen
@@ -15,7 +16,7 @@ should probably proofread and complete it, then remove this comment. -->
15
 
16
  # oh-dcft-v3.1-claude-3-5-haiku-20241022-qwen
17
 
18
- This model is a fine-tuned version of [Qwen/Qwen2.5-7B](https://huggingface.co/Qwen/Qwen2.5-7B) on an unknown dataset.
19
  It achieves the following results on the evaluation set:
20
  - Loss: 0.4279
21
 
 
4
  base_model: Qwen/Qwen2.5-7B
5
  tags:
6
  - llama-factory
7
+ - full
8
  - generated_from_trainer
9
  model-index:
10
  - name: oh-dcft-v3.1-claude-3-5-haiku-20241022-qwen
 
16
 
17
  # oh-dcft-v3.1-claude-3-5-haiku-20241022-qwen
18
 
19
+ This model is a fine-tuned version of [Qwen/Qwen2.5-7B](https://huggingface.co/Qwen/Qwen2.5-7B) on the mlfoundations-dev/oh-dcft-v3.1-claude-3-5-haiku-20241022 dataset.
20
  It achieves the following results on the evaluation set:
21
  - Loss: 0.4279
22
 
all_results.json ADDED
@@ -0,0 +1,12 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "eval_loss": 0.42792943120002747,
4
+ "eval_runtime": 443.4778,
5
+ "eval_samples_per_second": 26.522,
6
+ "eval_steps_per_second": 0.415,
7
+ "total_flos": 2745782658662400.0,
8
+ "train_loss": 0.3825414228548572,
9
+ "train_runtime": 71090.721,
10
+ "train_samples_per_second": 9.431,
11
+ "train_steps_per_second": 0.074
12
+ }
eval_results.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "eval_loss": 0.42792943120002747,
4
+ "eval_runtime": 443.4778,
5
+ "eval_samples_per_second": 26.522,
6
+ "eval_steps_per_second": 0.415
7
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "total_flos": 2745782658662400.0,
4
+ "train_loss": 0.3825414228548572,
5
+ "train_runtime": 71090.721,
6
+ "train_samples_per_second": 9.431,
7
+ "train_steps_per_second": 0.074
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3727 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 3.0,
5
+ "eval_steps": 500,
6
+ "global_step": 5238,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0057273768613974796,
13
+ "grad_norm": 1.1893006680700424,
14
+ "learning_rate": 5e-06,
15
+ "loss": 0.7164,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.011454753722794959,
20
+ "grad_norm": 1.04026748119074,
21
+ "learning_rate": 5e-06,
22
+ "loss": 0.6034,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.01718213058419244,
27
+ "grad_norm": 0.947476798322524,
28
+ "learning_rate": 5e-06,
29
+ "loss": 0.5621,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.022909507445589918,
34
+ "grad_norm": 0.8781018637437837,
35
+ "learning_rate": 5e-06,
36
+ "loss": 0.5341,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.0286368843069874,
41
+ "grad_norm": 0.9580875402301294,
42
+ "learning_rate": 5e-06,
43
+ "loss": 0.526,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.03436426116838488,
48
+ "grad_norm": 0.8781914311552192,
49
+ "learning_rate": 5e-06,
50
+ "loss": 0.5078,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.04009163802978236,
55
+ "grad_norm": 0.671566687192882,
56
+ "learning_rate": 5e-06,
57
+ "loss": 0.5056,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.045819014891179836,
62
+ "grad_norm": 0.6015476511437352,
63
+ "learning_rate": 5e-06,
64
+ "loss": 0.5,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.05154639175257732,
69
+ "grad_norm": 0.6233828429107251,
70
+ "learning_rate": 5e-06,
71
+ "loss": 0.5062,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.0572737686139748,
76
+ "grad_norm": 0.5502218388168,
77
+ "learning_rate": 5e-06,
78
+ "loss": 0.4995,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.06300114547537228,
83
+ "grad_norm": 0.5727700188508118,
84
+ "learning_rate": 5e-06,
85
+ "loss": 0.5018,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.06872852233676977,
90
+ "grad_norm": 0.5825399902463676,
91
+ "learning_rate": 5e-06,
92
+ "loss": 0.4897,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.07445589919816724,
97
+ "grad_norm": 0.5794095605103436,
98
+ "learning_rate": 5e-06,
99
+ "loss": 0.4921,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.08018327605956473,
104
+ "grad_norm": 0.5905275386374104,
105
+ "learning_rate": 5e-06,
106
+ "loss": 0.4872,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.0859106529209622,
111
+ "grad_norm": 0.5323846340490436,
112
+ "learning_rate": 5e-06,
113
+ "loss": 0.4771,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.09163802978235967,
118
+ "grad_norm": 0.5827507453646251,
119
+ "learning_rate": 5e-06,
120
+ "loss": 0.4923,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.09736540664375716,
125
+ "grad_norm": 0.6052222320099511,
126
+ "learning_rate": 5e-06,
127
+ "loss": 0.4889,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.10309278350515463,
132
+ "grad_norm": 0.5461900186435344,
133
+ "learning_rate": 5e-06,
134
+ "loss": 0.4906,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.10882016036655212,
139
+ "grad_norm": 0.5446312759280234,
140
+ "learning_rate": 5e-06,
141
+ "loss": 0.4792,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.1145475372279496,
146
+ "grad_norm": 0.5282278298362526,
147
+ "learning_rate": 5e-06,
148
+ "loss": 0.4749,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.12027491408934708,
153
+ "grad_norm": 0.5564949237418149,
154
+ "learning_rate": 5e-06,
155
+ "loss": 0.476,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.12600229095074456,
160
+ "grad_norm": 0.5511775080408522,
161
+ "learning_rate": 5e-06,
162
+ "loss": 0.4795,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.13172966781214204,
167
+ "grad_norm": 0.5328672926489202,
168
+ "learning_rate": 5e-06,
169
+ "loss": 0.4768,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.13745704467353953,
174
+ "grad_norm": 0.5278974935096795,
175
+ "learning_rate": 5e-06,
176
+ "loss": 0.471,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.143184421534937,
181
+ "grad_norm": 0.5354440170377812,
182
+ "learning_rate": 5e-06,
183
+ "loss": 0.4713,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.14891179839633448,
188
+ "grad_norm": 0.5438446163693844,
189
+ "learning_rate": 5e-06,
190
+ "loss": 0.4696,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.15463917525773196,
195
+ "grad_norm": 0.5496174748297591,
196
+ "learning_rate": 5e-06,
197
+ "loss": 0.4655,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.16036655211912945,
202
+ "grad_norm": 0.5926866056184342,
203
+ "learning_rate": 5e-06,
204
+ "loss": 0.4747,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.1660939289805269,
209
+ "grad_norm": 0.5141247582508096,
210
+ "learning_rate": 5e-06,
211
+ "loss": 0.4648,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.1718213058419244,
216
+ "grad_norm": 0.5536073278932672,
217
+ "learning_rate": 5e-06,
218
+ "loss": 0.4659,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.1775486827033219,
223
+ "grad_norm": 0.5234564239929281,
224
+ "learning_rate": 5e-06,
225
+ "loss": 0.4581,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.18327605956471935,
230
+ "grad_norm": 0.5219512867012481,
231
+ "learning_rate": 5e-06,
232
+ "loss": 0.4577,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.18900343642611683,
237
+ "grad_norm": 0.5474679242801981,
238
+ "learning_rate": 5e-06,
239
+ "loss": 0.463,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.19473081328751432,
244
+ "grad_norm": 0.516308993975195,
245
+ "learning_rate": 5e-06,
246
+ "loss": 0.4606,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.2004581901489118,
251
+ "grad_norm": 0.5401317271229032,
252
+ "learning_rate": 5e-06,
253
+ "loss": 0.4722,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.20618556701030927,
258
+ "grad_norm": 0.5234223381679171,
259
+ "learning_rate": 5e-06,
260
+ "loss": 0.461,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.21191294387170675,
265
+ "grad_norm": 0.5475015406952914,
266
+ "learning_rate": 5e-06,
267
+ "loss": 0.4527,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.21764032073310424,
272
+ "grad_norm": 0.5376680018928803,
273
+ "learning_rate": 5e-06,
274
+ "loss": 0.4618,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.22336769759450173,
279
+ "grad_norm": 0.5410529332865766,
280
+ "learning_rate": 5e-06,
281
+ "loss": 0.454,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.2290950744558992,
286
+ "grad_norm": 0.5652526379991017,
287
+ "learning_rate": 5e-06,
288
+ "loss": 0.4656,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.23482245131729668,
293
+ "grad_norm": 0.5555688465804705,
294
+ "learning_rate": 5e-06,
295
+ "loss": 0.4594,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.24054982817869416,
300
+ "grad_norm": 0.5701732999281934,
301
+ "learning_rate": 5e-06,
302
+ "loss": 0.4662,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.24627720504009165,
307
+ "grad_norm": 0.5512026939695381,
308
+ "learning_rate": 5e-06,
309
+ "loss": 0.4683,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.2520045819014891,
314
+ "grad_norm": 0.553814123316092,
315
+ "learning_rate": 5e-06,
316
+ "loss": 0.463,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.25773195876288657,
321
+ "grad_norm": 0.5200195587347526,
322
+ "learning_rate": 5e-06,
323
+ "loss": 0.4609,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.2634593356242841,
328
+ "grad_norm": 0.550688588791354,
329
+ "learning_rate": 5e-06,
330
+ "loss": 0.4457,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.26918671248568155,
335
+ "grad_norm": 0.5863844516267137,
336
+ "learning_rate": 5e-06,
337
+ "loss": 0.4632,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.27491408934707906,
342
+ "grad_norm": 0.5729329474663841,
343
+ "learning_rate": 5e-06,
344
+ "loss": 0.4434,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.2806414662084765,
349
+ "grad_norm": 0.5523269014403068,
350
+ "learning_rate": 5e-06,
351
+ "loss": 0.4433,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.286368843069874,
356
+ "grad_norm": 0.5116583829791455,
357
+ "learning_rate": 5e-06,
358
+ "loss": 0.4562,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.2920962199312715,
363
+ "grad_norm": 0.5787963201989073,
364
+ "learning_rate": 5e-06,
365
+ "loss": 0.4654,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.29782359679266895,
370
+ "grad_norm": 0.5447902232207782,
371
+ "learning_rate": 5e-06,
372
+ "loss": 0.4298,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.3035509736540664,
377
+ "grad_norm": 0.5423741210811989,
378
+ "learning_rate": 5e-06,
379
+ "loss": 0.463,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.30927835051546393,
384
+ "grad_norm": 0.5232608979728346,
385
+ "learning_rate": 5e-06,
386
+ "loss": 0.4534,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.3150057273768614,
391
+ "grad_norm": 0.5745290999609551,
392
+ "learning_rate": 5e-06,
393
+ "loss": 0.4514,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.3207331042382589,
398
+ "grad_norm": 0.5974645168072564,
399
+ "learning_rate": 5e-06,
400
+ "loss": 0.4606,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.32646048109965636,
405
+ "grad_norm": 0.5487734496746278,
406
+ "learning_rate": 5e-06,
407
+ "loss": 0.4607,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.3321878579610538,
412
+ "grad_norm": 0.5441562004543612,
413
+ "learning_rate": 5e-06,
414
+ "loss": 0.4507,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.33791523482245134,
419
+ "grad_norm": 0.5573672899202607,
420
+ "learning_rate": 5e-06,
421
+ "loss": 0.4441,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.3436426116838488,
426
+ "grad_norm": 0.5308370142895599,
427
+ "learning_rate": 5e-06,
428
+ "loss": 0.4518,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.34936998854524626,
433
+ "grad_norm": 0.5117603002146386,
434
+ "learning_rate": 5e-06,
435
+ "loss": 0.4583,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.3550973654066438,
440
+ "grad_norm": 0.5574954390885013,
441
+ "learning_rate": 5e-06,
442
+ "loss": 0.4603,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.36082474226804123,
447
+ "grad_norm": 0.5606001506682383,
448
+ "learning_rate": 5e-06,
449
+ "loss": 0.4514,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.3665521191294387,
454
+ "grad_norm": 0.5569042632837081,
455
+ "learning_rate": 5e-06,
456
+ "loss": 0.4537,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.3722794959908362,
461
+ "grad_norm": 0.5585555273085546,
462
+ "learning_rate": 5e-06,
463
+ "loss": 0.4626,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.37800687285223367,
468
+ "grad_norm": 0.5029368495012907,
469
+ "learning_rate": 5e-06,
470
+ "loss": 0.4438,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.3837342497136312,
475
+ "grad_norm": 0.5901403440941212,
476
+ "learning_rate": 5e-06,
477
+ "loss": 0.456,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.38946162657502864,
482
+ "grad_norm": 0.5195926126583429,
483
+ "learning_rate": 5e-06,
484
+ "loss": 0.4445,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.3951890034364261,
489
+ "grad_norm": 0.5225881930388002,
490
+ "learning_rate": 5e-06,
491
+ "loss": 0.4439,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.4009163802978236,
496
+ "grad_norm": 0.5279076911326633,
497
+ "learning_rate": 5e-06,
498
+ "loss": 0.4518,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.4066437571592211,
503
+ "grad_norm": 0.5178025129238295,
504
+ "learning_rate": 5e-06,
505
+ "loss": 0.4444,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.41237113402061853,
510
+ "grad_norm": 0.5391197058842394,
511
+ "learning_rate": 5e-06,
512
+ "loss": 0.4417,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.41809851088201605,
517
+ "grad_norm": 0.5693350216341284,
518
+ "learning_rate": 5e-06,
519
+ "loss": 0.4531,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.4238258877434135,
524
+ "grad_norm": 0.5272168668986746,
525
+ "learning_rate": 5e-06,
526
+ "loss": 0.4507,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.42955326460481097,
531
+ "grad_norm": 0.5601282100265634,
532
+ "learning_rate": 5e-06,
533
+ "loss": 0.4395,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.4352806414662085,
538
+ "grad_norm": 0.5283833355102217,
539
+ "learning_rate": 5e-06,
540
+ "loss": 0.4392,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.44100801832760594,
545
+ "grad_norm": 0.5348435308559183,
546
+ "learning_rate": 5e-06,
547
+ "loss": 0.4571,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.44673539518900346,
552
+ "grad_norm": 0.5431552168715813,
553
+ "learning_rate": 5e-06,
554
+ "loss": 0.4532,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.4524627720504009,
559
+ "grad_norm": 0.545120281271903,
560
+ "learning_rate": 5e-06,
561
+ "loss": 0.4534,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.4581901489117984,
566
+ "grad_norm": 0.5387987858480611,
567
+ "learning_rate": 5e-06,
568
+ "loss": 0.4536,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.4639175257731959,
573
+ "grad_norm": 0.5430847301042485,
574
+ "learning_rate": 5e-06,
575
+ "loss": 0.4469,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.46964490263459335,
580
+ "grad_norm": 0.5311236600330211,
581
+ "learning_rate": 5e-06,
582
+ "loss": 0.4428,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.4753722794959908,
587
+ "grad_norm": 0.5560451338696027,
588
+ "learning_rate": 5e-06,
589
+ "loss": 0.4502,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.48109965635738833,
594
+ "grad_norm": 0.5470174916746855,
595
+ "learning_rate": 5e-06,
596
+ "loss": 0.4482,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.4868270332187858,
601
+ "grad_norm": 0.563263919253685,
602
+ "learning_rate": 5e-06,
603
+ "loss": 0.4446,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.4925544100801833,
608
+ "grad_norm": 0.573113515782645,
609
+ "learning_rate": 5e-06,
610
+ "loss": 0.4508,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.49828178694158076,
615
+ "grad_norm": 0.5231438549151345,
616
+ "learning_rate": 5e-06,
617
+ "loss": 0.45,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.5040091638029782,
622
+ "grad_norm": 0.5176148074624103,
623
+ "learning_rate": 5e-06,
624
+ "loss": 0.4348,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.5097365406643757,
629
+ "grad_norm": 0.5309016268362335,
630
+ "learning_rate": 5e-06,
631
+ "loss": 0.443,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.5154639175257731,
636
+ "grad_norm": 0.5021579023128154,
637
+ "learning_rate": 5e-06,
638
+ "loss": 0.448,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.5211912943871707,
643
+ "grad_norm": 0.559779127609092,
644
+ "learning_rate": 5e-06,
645
+ "loss": 0.444,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.5269186712485682,
650
+ "grad_norm": 0.5789927290923392,
651
+ "learning_rate": 5e-06,
652
+ "loss": 0.4493,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.5326460481099656,
657
+ "grad_norm": 0.5690148664602116,
658
+ "learning_rate": 5e-06,
659
+ "loss": 0.4541,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.5383734249713631,
664
+ "grad_norm": 0.5018200538904565,
665
+ "learning_rate": 5e-06,
666
+ "loss": 0.4437,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.5441008018327605,
671
+ "grad_norm": 0.5626094146626068,
672
+ "learning_rate": 5e-06,
673
+ "loss": 0.438,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.5498281786941581,
678
+ "grad_norm": 0.5453326758465812,
679
+ "learning_rate": 5e-06,
680
+ "loss": 0.4382,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.5555555555555556,
685
+ "grad_norm": 0.5731487204099626,
686
+ "learning_rate": 5e-06,
687
+ "loss": 0.443,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.561282932416953,
692
+ "grad_norm": 0.5469415847599124,
693
+ "learning_rate": 5e-06,
694
+ "loss": 0.4541,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.5670103092783505,
699
+ "grad_norm": 0.5216017929376741,
700
+ "learning_rate": 5e-06,
701
+ "loss": 0.447,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 0.572737686139748,
706
+ "grad_norm": 0.5633524684965274,
707
+ "learning_rate": 5e-06,
708
+ "loss": 0.4371,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 0.5784650630011455,
713
+ "grad_norm": 0.5293660880153032,
714
+ "learning_rate": 5e-06,
715
+ "loss": 0.4383,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 0.584192439862543,
720
+ "grad_norm": 0.5399877214818077,
721
+ "learning_rate": 5e-06,
722
+ "loss": 0.456,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 0.5899198167239404,
727
+ "grad_norm": 0.5249271107308078,
728
+ "learning_rate": 5e-06,
729
+ "loss": 0.459,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 0.5956471935853379,
734
+ "grad_norm": 0.5341902718265518,
735
+ "learning_rate": 5e-06,
736
+ "loss": 0.4379,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 0.6013745704467354,
741
+ "grad_norm": 0.5681490785135558,
742
+ "learning_rate": 5e-06,
743
+ "loss": 0.445,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 0.6071019473081328,
748
+ "grad_norm": 0.5894093830458618,
749
+ "learning_rate": 5e-06,
750
+ "loss": 0.4353,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 0.6128293241695304,
755
+ "grad_norm": 0.5221738673506199,
756
+ "learning_rate": 5e-06,
757
+ "loss": 0.4412,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 0.6185567010309279,
762
+ "grad_norm": 0.5797474198144454,
763
+ "learning_rate": 5e-06,
764
+ "loss": 0.443,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 0.6242840778923253,
769
+ "grad_norm": 0.5717734893270968,
770
+ "learning_rate": 5e-06,
771
+ "loss": 0.4435,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 0.6300114547537228,
776
+ "grad_norm": 0.4981452424201392,
777
+ "learning_rate": 5e-06,
778
+ "loss": 0.4294,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 0.6357388316151202,
783
+ "grad_norm": 0.5341189709831258,
784
+ "learning_rate": 5e-06,
785
+ "loss": 0.4443,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 0.6414662084765178,
790
+ "grad_norm": 0.5337916570686927,
791
+ "learning_rate": 5e-06,
792
+ "loss": 0.4388,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 0.6471935853379153,
797
+ "grad_norm": 0.5191012616320769,
798
+ "learning_rate": 5e-06,
799
+ "loss": 0.4278,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 0.6529209621993127,
804
+ "grad_norm": 0.5532648229910325,
805
+ "learning_rate": 5e-06,
806
+ "loss": 0.4445,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 0.6586483390607102,
811
+ "grad_norm": 0.5376131317705378,
812
+ "learning_rate": 5e-06,
813
+ "loss": 0.4443,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 0.6643757159221076,
818
+ "grad_norm": 0.5163417459667795,
819
+ "learning_rate": 5e-06,
820
+ "loss": 0.449,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 0.6701030927835051,
825
+ "grad_norm": 0.5750744468716225,
826
+ "learning_rate": 5e-06,
827
+ "loss": 0.4424,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 0.6758304696449027,
832
+ "grad_norm": 0.5691426147058902,
833
+ "learning_rate": 5e-06,
834
+ "loss": 0.4409,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 0.6815578465063001,
839
+ "grad_norm": 0.572169838625891,
840
+ "learning_rate": 5e-06,
841
+ "loss": 0.4408,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 0.6872852233676976,
846
+ "grad_norm": 0.562085920947936,
847
+ "learning_rate": 5e-06,
848
+ "loss": 0.4539,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 0.693012600229095,
853
+ "grad_norm": 0.549680800307771,
854
+ "learning_rate": 5e-06,
855
+ "loss": 0.4408,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 0.6987399770904925,
860
+ "grad_norm": 0.5268961102121411,
861
+ "learning_rate": 5e-06,
862
+ "loss": 0.4318,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 0.7044673539518901,
867
+ "grad_norm": 0.546084380380316,
868
+ "learning_rate": 5e-06,
869
+ "loss": 0.4274,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 0.7101947308132875,
874
+ "grad_norm": 0.5789125996714688,
875
+ "learning_rate": 5e-06,
876
+ "loss": 0.426,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 0.715922107674685,
881
+ "grad_norm": 0.5552812309484606,
882
+ "learning_rate": 5e-06,
883
+ "loss": 0.4433,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 0.7216494845360825,
888
+ "grad_norm": 0.5490841525640856,
889
+ "learning_rate": 5e-06,
890
+ "loss": 0.4347,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 0.7273768613974799,
895
+ "grad_norm": 0.5287976784408353,
896
+ "learning_rate": 5e-06,
897
+ "loss": 0.4404,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 0.7331042382588774,
902
+ "grad_norm": 0.5303023254262377,
903
+ "learning_rate": 5e-06,
904
+ "loss": 0.4195,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 0.738831615120275,
909
+ "grad_norm": 0.5615661953108583,
910
+ "learning_rate": 5e-06,
911
+ "loss": 0.4399,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 0.7445589919816724,
916
+ "grad_norm": 0.5392244469382096,
917
+ "learning_rate": 5e-06,
918
+ "loss": 0.4416,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 0.7502863688430699,
923
+ "grad_norm": 0.5631926544247716,
924
+ "learning_rate": 5e-06,
925
+ "loss": 0.4458,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 0.7560137457044673,
930
+ "grad_norm": 0.5321981965200037,
931
+ "learning_rate": 5e-06,
932
+ "loss": 0.4425,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 0.7617411225658648,
937
+ "grad_norm": 0.5472839772157344,
938
+ "learning_rate": 5e-06,
939
+ "loss": 0.438,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 0.7674684994272624,
944
+ "grad_norm": 0.5148846097662794,
945
+ "learning_rate": 5e-06,
946
+ "loss": 0.441,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 0.7731958762886598,
951
+ "grad_norm": 0.5814136125437906,
952
+ "learning_rate": 5e-06,
953
+ "loss": 0.4422,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 0.7789232531500573,
958
+ "grad_norm": 0.4865290153302818,
959
+ "learning_rate": 5e-06,
960
+ "loss": 0.4195,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 0.7846506300114547,
965
+ "grad_norm": 0.5729362641564091,
966
+ "learning_rate": 5e-06,
967
+ "loss": 0.4252,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 0.7903780068728522,
972
+ "grad_norm": 0.513721699658904,
973
+ "learning_rate": 5e-06,
974
+ "loss": 0.428,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 0.7961053837342497,
979
+ "grad_norm": 0.5404966717471676,
980
+ "learning_rate": 5e-06,
981
+ "loss": 0.4321,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 0.8018327605956472,
986
+ "grad_norm": 0.5705888817719007,
987
+ "learning_rate": 5e-06,
988
+ "loss": 0.4292,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 0.8075601374570447,
993
+ "grad_norm": 0.5433900974318504,
994
+ "learning_rate": 5e-06,
995
+ "loss": 0.436,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 0.8132875143184422,
1000
+ "grad_norm": 0.5233288735400002,
1001
+ "learning_rate": 5e-06,
1002
+ "loss": 0.4347,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 0.8190148911798396,
1007
+ "grad_norm": 0.5315754725482877,
1008
+ "learning_rate": 5e-06,
1009
+ "loss": 0.4343,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 0.8247422680412371,
1014
+ "grad_norm": 0.540898996728165,
1015
+ "learning_rate": 5e-06,
1016
+ "loss": 0.4385,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 0.8304696449026346,
1021
+ "grad_norm": 0.4918837151161211,
1022
+ "learning_rate": 5e-06,
1023
+ "loss": 0.4187,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 0.8361970217640321,
1028
+ "grad_norm": 0.5167559153442192,
1029
+ "learning_rate": 5e-06,
1030
+ "loss": 0.4354,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 0.8419243986254296,
1035
+ "grad_norm": 0.5388428750370872,
1036
+ "learning_rate": 5e-06,
1037
+ "loss": 0.442,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 0.847651775486827,
1042
+ "grad_norm": 0.5478670963710769,
1043
+ "learning_rate": 5e-06,
1044
+ "loss": 0.432,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 0.8533791523482245,
1049
+ "grad_norm": 0.5551238913425003,
1050
+ "learning_rate": 5e-06,
1051
+ "loss": 0.4349,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 0.8591065292096219,
1056
+ "grad_norm": 0.5096809451223056,
1057
+ "learning_rate": 5e-06,
1058
+ "loss": 0.4337,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 0.8648339060710195,
1063
+ "grad_norm": 0.5485551648513652,
1064
+ "learning_rate": 5e-06,
1065
+ "loss": 0.4304,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 0.870561282932417,
1070
+ "grad_norm": 0.5439471352377651,
1071
+ "learning_rate": 5e-06,
1072
+ "loss": 0.4291,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 0.8762886597938144,
1077
+ "grad_norm": 0.5541220552945509,
1078
+ "learning_rate": 5e-06,
1079
+ "loss": 0.435,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 0.8820160366552119,
1084
+ "grad_norm": 0.5549824280277013,
1085
+ "learning_rate": 5e-06,
1086
+ "loss": 0.4455,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 0.8877434135166093,
1091
+ "grad_norm": 0.5160198263139852,
1092
+ "learning_rate": 5e-06,
1093
+ "loss": 0.4246,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 0.8934707903780069,
1098
+ "grad_norm": 0.5789101227791154,
1099
+ "learning_rate": 5e-06,
1100
+ "loss": 0.4459,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 0.8991981672394044,
1105
+ "grad_norm": 0.5619060606532335,
1106
+ "learning_rate": 5e-06,
1107
+ "loss": 0.4227,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 0.9049255441008018,
1112
+ "grad_norm": 0.5131288466424669,
1113
+ "learning_rate": 5e-06,
1114
+ "loss": 0.425,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 0.9106529209621993,
1119
+ "grad_norm": 0.5378774111576103,
1120
+ "learning_rate": 5e-06,
1121
+ "loss": 0.4339,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 0.9163802978235968,
1126
+ "grad_norm": 0.5496777521069192,
1127
+ "learning_rate": 5e-06,
1128
+ "loss": 0.4351,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 0.9221076746849943,
1133
+ "grad_norm": 0.5090132737788183,
1134
+ "learning_rate": 5e-06,
1135
+ "loss": 0.4439,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 0.9278350515463918,
1140
+ "grad_norm": 0.5537237167714347,
1141
+ "learning_rate": 5e-06,
1142
+ "loss": 0.4315,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 0.9335624284077892,
1147
+ "grad_norm": 0.5083065954607388,
1148
+ "learning_rate": 5e-06,
1149
+ "loss": 0.4209,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 0.9392898052691867,
1154
+ "grad_norm": 0.5504634632628532,
1155
+ "learning_rate": 5e-06,
1156
+ "loss": 0.4255,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 0.9450171821305842,
1161
+ "grad_norm": 0.497466661980522,
1162
+ "learning_rate": 5e-06,
1163
+ "loss": 0.4359,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 0.9507445589919816,
1168
+ "grad_norm": 0.5728710662746097,
1169
+ "learning_rate": 5e-06,
1170
+ "loss": 0.4298,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 0.9564719358533792,
1175
+ "grad_norm": 0.5382940747387163,
1176
+ "learning_rate": 5e-06,
1177
+ "loss": 0.4321,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 0.9621993127147767,
1182
+ "grad_norm": 0.5602645110237611,
1183
+ "learning_rate": 5e-06,
1184
+ "loss": 0.4376,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 0.9679266895761741,
1189
+ "grad_norm": 0.500936047855792,
1190
+ "learning_rate": 5e-06,
1191
+ "loss": 0.4138,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 0.9736540664375716,
1196
+ "grad_norm": 0.5586135425680717,
1197
+ "learning_rate": 5e-06,
1198
+ "loss": 0.4348,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 0.979381443298969,
1203
+ "grad_norm": 0.5493075698232323,
1204
+ "learning_rate": 5e-06,
1205
+ "loss": 0.4235,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 0.9851088201603666,
1210
+ "grad_norm": 0.5618879613810053,
1211
+ "learning_rate": 5e-06,
1212
+ "loss": 0.4331,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 0.9908361970217641,
1217
+ "grad_norm": 0.5518636911221633,
1218
+ "learning_rate": 5e-06,
1219
+ "loss": 0.4324,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 0.9965635738831615,
1224
+ "grad_norm": 0.540041363098471,
1225
+ "learning_rate": 5e-06,
1226
+ "loss": 0.4292,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 1.0,
1231
+ "eval_loss": 0.4308567941188812,
1232
+ "eval_runtime": 442.3894,
1233
+ "eval_samples_per_second": 26.587,
1234
+ "eval_steps_per_second": 0.416,
1235
+ "step": 1746
1236
+ },
1237
+ {
1238
+ "epoch": 1.002290950744559,
1239
+ "grad_norm": 0.5315755979624516,
1240
+ "learning_rate": 5e-06,
1241
+ "loss": 0.4118,
1242
+ "step": 1750
1243
+ },
1244
+ {
1245
+ "epoch": 1.0080183276059564,
1246
+ "grad_norm": 0.5480247806796007,
1247
+ "learning_rate": 5e-06,
1248
+ "loss": 0.3744,
1249
+ "step": 1760
1250
+ },
1251
+ {
1252
+ "epoch": 1.013745704467354,
1253
+ "grad_norm": 0.5149756078279293,
1254
+ "learning_rate": 5e-06,
1255
+ "loss": 0.378,
1256
+ "step": 1770
1257
+ },
1258
+ {
1259
+ "epoch": 1.0194730813287514,
1260
+ "grad_norm": 0.5171540890283103,
1261
+ "learning_rate": 5e-06,
1262
+ "loss": 0.3702,
1263
+ "step": 1780
1264
+ },
1265
+ {
1266
+ "epoch": 1.0252004581901488,
1267
+ "grad_norm": 0.5125282145044338,
1268
+ "learning_rate": 5e-06,
1269
+ "loss": 0.3711,
1270
+ "step": 1790
1271
+ },
1272
+ {
1273
+ "epoch": 1.0309278350515463,
1274
+ "grad_norm": 0.5207422414484574,
1275
+ "learning_rate": 5e-06,
1276
+ "loss": 0.3665,
1277
+ "step": 1800
1278
+ },
1279
+ {
1280
+ "epoch": 1.036655211912944,
1281
+ "grad_norm": 0.5786010896530626,
1282
+ "learning_rate": 5e-06,
1283
+ "loss": 0.3787,
1284
+ "step": 1810
1285
+ },
1286
+ {
1287
+ "epoch": 1.0423825887743414,
1288
+ "grad_norm": 0.5464322830590085,
1289
+ "learning_rate": 5e-06,
1290
+ "loss": 0.3701,
1291
+ "step": 1820
1292
+ },
1293
+ {
1294
+ "epoch": 1.0481099656357389,
1295
+ "grad_norm": 0.5205995452066101,
1296
+ "learning_rate": 5e-06,
1297
+ "loss": 0.3775,
1298
+ "step": 1830
1299
+ },
1300
+ {
1301
+ "epoch": 1.0538373424971363,
1302
+ "grad_norm": 0.519243616807458,
1303
+ "learning_rate": 5e-06,
1304
+ "loss": 0.3796,
1305
+ "step": 1840
1306
+ },
1307
+ {
1308
+ "epoch": 1.0595647193585338,
1309
+ "grad_norm": 0.516879079058521,
1310
+ "learning_rate": 5e-06,
1311
+ "loss": 0.3682,
1312
+ "step": 1850
1313
+ },
1314
+ {
1315
+ "epoch": 1.0652920962199313,
1316
+ "grad_norm": 0.5222769824122077,
1317
+ "learning_rate": 5e-06,
1318
+ "loss": 0.3727,
1319
+ "step": 1860
1320
+ },
1321
+ {
1322
+ "epoch": 1.0710194730813287,
1323
+ "grad_norm": 0.5445361815315836,
1324
+ "learning_rate": 5e-06,
1325
+ "loss": 0.3808,
1326
+ "step": 1870
1327
+ },
1328
+ {
1329
+ "epoch": 1.0767468499427262,
1330
+ "grad_norm": 0.5036623685893024,
1331
+ "learning_rate": 5e-06,
1332
+ "loss": 0.372,
1333
+ "step": 1880
1334
+ },
1335
+ {
1336
+ "epoch": 1.0824742268041236,
1337
+ "grad_norm": 0.5348337621107334,
1338
+ "learning_rate": 5e-06,
1339
+ "loss": 0.3732,
1340
+ "step": 1890
1341
+ },
1342
+ {
1343
+ "epoch": 1.088201603665521,
1344
+ "grad_norm": 0.5060065384189831,
1345
+ "learning_rate": 5e-06,
1346
+ "loss": 0.3846,
1347
+ "step": 1900
1348
+ },
1349
+ {
1350
+ "epoch": 1.0939289805269188,
1351
+ "grad_norm": 0.5079630313899987,
1352
+ "learning_rate": 5e-06,
1353
+ "loss": 0.3734,
1354
+ "step": 1910
1355
+ },
1356
+ {
1357
+ "epoch": 1.0996563573883162,
1358
+ "grad_norm": 0.5280819989664591,
1359
+ "learning_rate": 5e-06,
1360
+ "loss": 0.3795,
1361
+ "step": 1920
1362
+ },
1363
+ {
1364
+ "epoch": 1.1053837342497137,
1365
+ "grad_norm": 0.5170704766163384,
1366
+ "learning_rate": 5e-06,
1367
+ "loss": 0.3813,
1368
+ "step": 1930
1369
+ },
1370
+ {
1371
+ "epoch": 1.1111111111111112,
1372
+ "grad_norm": 0.490210122517552,
1373
+ "learning_rate": 5e-06,
1374
+ "loss": 0.3675,
1375
+ "step": 1940
1376
+ },
1377
+ {
1378
+ "epoch": 1.1168384879725086,
1379
+ "grad_norm": 0.5132872988639963,
1380
+ "learning_rate": 5e-06,
1381
+ "loss": 0.3725,
1382
+ "step": 1950
1383
+ },
1384
+ {
1385
+ "epoch": 1.122565864833906,
1386
+ "grad_norm": 0.5345634201153158,
1387
+ "learning_rate": 5e-06,
1388
+ "loss": 0.3717,
1389
+ "step": 1960
1390
+ },
1391
+ {
1392
+ "epoch": 1.1282932416953035,
1393
+ "grad_norm": 0.509614500177815,
1394
+ "learning_rate": 5e-06,
1395
+ "loss": 0.376,
1396
+ "step": 1970
1397
+ },
1398
+ {
1399
+ "epoch": 1.134020618556701,
1400
+ "grad_norm": 0.533789127642796,
1401
+ "learning_rate": 5e-06,
1402
+ "loss": 0.3813,
1403
+ "step": 1980
1404
+ },
1405
+ {
1406
+ "epoch": 1.1397479954180985,
1407
+ "grad_norm": 0.5430074485285918,
1408
+ "learning_rate": 5e-06,
1409
+ "loss": 0.3836,
1410
+ "step": 1990
1411
+ },
1412
+ {
1413
+ "epoch": 1.145475372279496,
1414
+ "grad_norm": 0.5313196763751518,
1415
+ "learning_rate": 5e-06,
1416
+ "loss": 0.3733,
1417
+ "step": 2000
1418
+ },
1419
+ {
1420
+ "epoch": 1.1512027491408934,
1421
+ "grad_norm": 0.5044508200904723,
1422
+ "learning_rate": 5e-06,
1423
+ "loss": 0.3783,
1424
+ "step": 2010
1425
+ },
1426
+ {
1427
+ "epoch": 1.1569301260022908,
1428
+ "grad_norm": 0.5686318202507047,
1429
+ "learning_rate": 5e-06,
1430
+ "loss": 0.3752,
1431
+ "step": 2020
1432
+ },
1433
+ {
1434
+ "epoch": 1.1626575028636885,
1435
+ "grad_norm": 0.5467468838281937,
1436
+ "learning_rate": 5e-06,
1437
+ "loss": 0.3762,
1438
+ "step": 2030
1439
+ },
1440
+ {
1441
+ "epoch": 1.168384879725086,
1442
+ "grad_norm": 0.5149539692191945,
1443
+ "learning_rate": 5e-06,
1444
+ "loss": 0.3743,
1445
+ "step": 2040
1446
+ },
1447
+ {
1448
+ "epoch": 1.1741122565864834,
1449
+ "grad_norm": 0.5312244954262079,
1450
+ "learning_rate": 5e-06,
1451
+ "loss": 0.3746,
1452
+ "step": 2050
1453
+ },
1454
+ {
1455
+ "epoch": 1.179839633447881,
1456
+ "grad_norm": 0.5219006331104148,
1457
+ "learning_rate": 5e-06,
1458
+ "loss": 0.3723,
1459
+ "step": 2060
1460
+ },
1461
+ {
1462
+ "epoch": 1.1855670103092784,
1463
+ "grad_norm": 0.538164681785682,
1464
+ "learning_rate": 5e-06,
1465
+ "loss": 0.375,
1466
+ "step": 2070
1467
+ },
1468
+ {
1469
+ "epoch": 1.1912943871706758,
1470
+ "grad_norm": 0.5113415155626444,
1471
+ "learning_rate": 5e-06,
1472
+ "loss": 0.3808,
1473
+ "step": 2080
1474
+ },
1475
+ {
1476
+ "epoch": 1.1970217640320733,
1477
+ "grad_norm": 0.5321490376681038,
1478
+ "learning_rate": 5e-06,
1479
+ "loss": 0.3699,
1480
+ "step": 2090
1481
+ },
1482
+ {
1483
+ "epoch": 1.2027491408934707,
1484
+ "grad_norm": 0.5024285063567219,
1485
+ "learning_rate": 5e-06,
1486
+ "loss": 0.37,
1487
+ "step": 2100
1488
+ },
1489
+ {
1490
+ "epoch": 1.2084765177548682,
1491
+ "grad_norm": 0.500252002027109,
1492
+ "learning_rate": 5e-06,
1493
+ "loss": 0.3782,
1494
+ "step": 2110
1495
+ },
1496
+ {
1497
+ "epoch": 1.2142038946162657,
1498
+ "grad_norm": 0.4924458421349769,
1499
+ "learning_rate": 5e-06,
1500
+ "loss": 0.3743,
1501
+ "step": 2120
1502
+ },
1503
+ {
1504
+ "epoch": 1.2199312714776633,
1505
+ "grad_norm": 0.4994293087338354,
1506
+ "learning_rate": 5e-06,
1507
+ "loss": 0.3758,
1508
+ "step": 2130
1509
+ },
1510
+ {
1511
+ "epoch": 1.2256586483390608,
1512
+ "grad_norm": 0.5610101096098137,
1513
+ "learning_rate": 5e-06,
1514
+ "loss": 0.3805,
1515
+ "step": 2140
1516
+ },
1517
+ {
1518
+ "epoch": 1.2313860252004583,
1519
+ "grad_norm": 0.537084984018735,
1520
+ "learning_rate": 5e-06,
1521
+ "loss": 0.3803,
1522
+ "step": 2150
1523
+ },
1524
+ {
1525
+ "epoch": 1.2371134020618557,
1526
+ "grad_norm": 0.5371742151025276,
1527
+ "learning_rate": 5e-06,
1528
+ "loss": 0.38,
1529
+ "step": 2160
1530
+ },
1531
+ {
1532
+ "epoch": 1.2428407789232532,
1533
+ "grad_norm": 0.5349028198444167,
1534
+ "learning_rate": 5e-06,
1535
+ "loss": 0.3808,
1536
+ "step": 2170
1537
+ },
1538
+ {
1539
+ "epoch": 1.2485681557846506,
1540
+ "grad_norm": 0.5168637085023853,
1541
+ "learning_rate": 5e-06,
1542
+ "loss": 0.3762,
1543
+ "step": 2180
1544
+ },
1545
+ {
1546
+ "epoch": 1.254295532646048,
1547
+ "grad_norm": 0.521040039917101,
1548
+ "learning_rate": 5e-06,
1549
+ "loss": 0.3724,
1550
+ "step": 2190
1551
+ },
1552
+ {
1553
+ "epoch": 1.2600229095074456,
1554
+ "grad_norm": 0.547586207928514,
1555
+ "learning_rate": 5e-06,
1556
+ "loss": 0.379,
1557
+ "step": 2200
1558
+ },
1559
+ {
1560
+ "epoch": 1.265750286368843,
1561
+ "grad_norm": 0.5217616276100534,
1562
+ "learning_rate": 5e-06,
1563
+ "loss": 0.3801,
1564
+ "step": 2210
1565
+ },
1566
+ {
1567
+ "epoch": 1.2714776632302405,
1568
+ "grad_norm": 0.5119693142628771,
1569
+ "learning_rate": 5e-06,
1570
+ "loss": 0.3717,
1571
+ "step": 2220
1572
+ },
1573
+ {
1574
+ "epoch": 1.277205040091638,
1575
+ "grad_norm": 0.49171715528514415,
1576
+ "learning_rate": 5e-06,
1577
+ "loss": 0.3733,
1578
+ "step": 2230
1579
+ },
1580
+ {
1581
+ "epoch": 1.2829324169530354,
1582
+ "grad_norm": 0.5583188472803077,
1583
+ "learning_rate": 5e-06,
1584
+ "loss": 0.3848,
1585
+ "step": 2240
1586
+ },
1587
+ {
1588
+ "epoch": 1.2886597938144329,
1589
+ "grad_norm": 0.5384351613915103,
1590
+ "learning_rate": 5e-06,
1591
+ "loss": 0.3708,
1592
+ "step": 2250
1593
+ },
1594
+ {
1595
+ "epoch": 1.2943871706758305,
1596
+ "grad_norm": 0.5283801778798911,
1597
+ "learning_rate": 5e-06,
1598
+ "loss": 0.3737,
1599
+ "step": 2260
1600
+ },
1601
+ {
1602
+ "epoch": 1.300114547537228,
1603
+ "grad_norm": 0.516459149172914,
1604
+ "learning_rate": 5e-06,
1605
+ "loss": 0.3778,
1606
+ "step": 2270
1607
+ },
1608
+ {
1609
+ "epoch": 1.3058419243986255,
1610
+ "grad_norm": 0.5064553031768843,
1611
+ "learning_rate": 5e-06,
1612
+ "loss": 0.3803,
1613
+ "step": 2280
1614
+ },
1615
+ {
1616
+ "epoch": 1.311569301260023,
1617
+ "grad_norm": 0.4992554472760309,
1618
+ "learning_rate": 5e-06,
1619
+ "loss": 0.3644,
1620
+ "step": 2290
1621
+ },
1622
+ {
1623
+ "epoch": 1.3172966781214204,
1624
+ "grad_norm": 0.5351102245997288,
1625
+ "learning_rate": 5e-06,
1626
+ "loss": 0.3754,
1627
+ "step": 2300
1628
+ },
1629
+ {
1630
+ "epoch": 1.3230240549828178,
1631
+ "grad_norm": 0.5744380836159825,
1632
+ "learning_rate": 5e-06,
1633
+ "loss": 0.3773,
1634
+ "step": 2310
1635
+ },
1636
+ {
1637
+ "epoch": 1.3287514318442153,
1638
+ "grad_norm": 0.5390997556454836,
1639
+ "learning_rate": 5e-06,
1640
+ "loss": 0.3702,
1641
+ "step": 2320
1642
+ },
1643
+ {
1644
+ "epoch": 1.3344788087056128,
1645
+ "grad_norm": 0.5159422766312324,
1646
+ "learning_rate": 5e-06,
1647
+ "loss": 0.3662,
1648
+ "step": 2330
1649
+ },
1650
+ {
1651
+ "epoch": 1.3402061855670104,
1652
+ "grad_norm": 0.5122893955215309,
1653
+ "learning_rate": 5e-06,
1654
+ "loss": 0.3662,
1655
+ "step": 2340
1656
+ },
1657
+ {
1658
+ "epoch": 1.345933562428408,
1659
+ "grad_norm": 0.5435516572685336,
1660
+ "learning_rate": 5e-06,
1661
+ "loss": 0.3692,
1662
+ "step": 2350
1663
+ },
1664
+ {
1665
+ "epoch": 1.3516609392898054,
1666
+ "grad_norm": 0.506519754552173,
1667
+ "learning_rate": 5e-06,
1668
+ "loss": 0.3775,
1669
+ "step": 2360
1670
+ },
1671
+ {
1672
+ "epoch": 1.3573883161512028,
1673
+ "grad_norm": 0.5382970585180483,
1674
+ "learning_rate": 5e-06,
1675
+ "loss": 0.3744,
1676
+ "step": 2370
1677
+ },
1678
+ {
1679
+ "epoch": 1.3631156930126003,
1680
+ "grad_norm": 0.5098385678364493,
1681
+ "learning_rate": 5e-06,
1682
+ "loss": 0.3817,
1683
+ "step": 2380
1684
+ },
1685
+ {
1686
+ "epoch": 1.3688430698739977,
1687
+ "grad_norm": 0.554626835720726,
1688
+ "learning_rate": 5e-06,
1689
+ "loss": 0.3846,
1690
+ "step": 2390
1691
+ },
1692
+ {
1693
+ "epoch": 1.3745704467353952,
1694
+ "grad_norm": 0.5148678581013812,
1695
+ "learning_rate": 5e-06,
1696
+ "loss": 0.3673,
1697
+ "step": 2400
1698
+ },
1699
+ {
1700
+ "epoch": 1.3802978235967927,
1701
+ "grad_norm": 0.5160690729715556,
1702
+ "learning_rate": 5e-06,
1703
+ "loss": 0.3733,
1704
+ "step": 2410
1705
+ },
1706
+ {
1707
+ "epoch": 1.38602520045819,
1708
+ "grad_norm": 0.49317947843655263,
1709
+ "learning_rate": 5e-06,
1710
+ "loss": 0.3676,
1711
+ "step": 2420
1712
+ },
1713
+ {
1714
+ "epoch": 1.3917525773195876,
1715
+ "grad_norm": 0.491680558889149,
1716
+ "learning_rate": 5e-06,
1717
+ "loss": 0.3726,
1718
+ "step": 2430
1719
+ },
1720
+ {
1721
+ "epoch": 1.397479954180985,
1722
+ "grad_norm": 0.5159563830253588,
1723
+ "learning_rate": 5e-06,
1724
+ "loss": 0.3722,
1725
+ "step": 2440
1726
+ },
1727
+ {
1728
+ "epoch": 1.4032073310423825,
1729
+ "grad_norm": 0.5153913293053918,
1730
+ "learning_rate": 5e-06,
1731
+ "loss": 0.378,
1732
+ "step": 2450
1733
+ },
1734
+ {
1735
+ "epoch": 1.40893470790378,
1736
+ "grad_norm": 0.5264135232150384,
1737
+ "learning_rate": 5e-06,
1738
+ "loss": 0.3788,
1739
+ "step": 2460
1740
+ },
1741
+ {
1742
+ "epoch": 1.4146620847651776,
1743
+ "grad_norm": 0.5382150315757761,
1744
+ "learning_rate": 5e-06,
1745
+ "loss": 0.3728,
1746
+ "step": 2470
1747
+ },
1748
+ {
1749
+ "epoch": 1.420389461626575,
1750
+ "grad_norm": 0.5310778600445981,
1751
+ "learning_rate": 5e-06,
1752
+ "loss": 0.3725,
1753
+ "step": 2480
1754
+ },
1755
+ {
1756
+ "epoch": 1.4261168384879725,
1757
+ "grad_norm": 0.5190694903204963,
1758
+ "learning_rate": 5e-06,
1759
+ "loss": 0.3708,
1760
+ "step": 2490
1761
+ },
1762
+ {
1763
+ "epoch": 1.43184421534937,
1764
+ "grad_norm": 0.5074266048391012,
1765
+ "learning_rate": 5e-06,
1766
+ "loss": 0.3816,
1767
+ "step": 2500
1768
+ },
1769
+ {
1770
+ "epoch": 1.4375715922107675,
1771
+ "grad_norm": 0.527668984455016,
1772
+ "learning_rate": 5e-06,
1773
+ "loss": 0.3692,
1774
+ "step": 2510
1775
+ },
1776
+ {
1777
+ "epoch": 1.443298969072165,
1778
+ "grad_norm": 0.5676081369199447,
1779
+ "learning_rate": 5e-06,
1780
+ "loss": 0.3726,
1781
+ "step": 2520
1782
+ },
1783
+ {
1784
+ "epoch": 1.4490263459335624,
1785
+ "grad_norm": 0.734177855082109,
1786
+ "learning_rate": 5e-06,
1787
+ "loss": 0.3626,
1788
+ "step": 2530
1789
+ },
1790
+ {
1791
+ "epoch": 1.4547537227949598,
1792
+ "grad_norm": 0.5303161196964384,
1793
+ "learning_rate": 5e-06,
1794
+ "loss": 0.3736,
1795
+ "step": 2540
1796
+ },
1797
+ {
1798
+ "epoch": 1.4604810996563573,
1799
+ "grad_norm": 0.4844944790072633,
1800
+ "learning_rate": 5e-06,
1801
+ "loss": 0.3717,
1802
+ "step": 2550
1803
+ },
1804
+ {
1805
+ "epoch": 1.466208476517755,
1806
+ "grad_norm": 0.5315356528221638,
1807
+ "learning_rate": 5e-06,
1808
+ "loss": 0.3739,
1809
+ "step": 2560
1810
+ },
1811
+ {
1812
+ "epoch": 1.4719358533791524,
1813
+ "grad_norm": 0.4772067027942158,
1814
+ "learning_rate": 5e-06,
1815
+ "loss": 0.3812,
1816
+ "step": 2570
1817
+ },
1818
+ {
1819
+ "epoch": 1.47766323024055,
1820
+ "grad_norm": 0.4939040642118836,
1821
+ "learning_rate": 5e-06,
1822
+ "loss": 0.3672,
1823
+ "step": 2580
1824
+ },
1825
+ {
1826
+ "epoch": 1.4833906071019474,
1827
+ "grad_norm": 0.508946651609973,
1828
+ "learning_rate": 5e-06,
1829
+ "loss": 0.3746,
1830
+ "step": 2590
1831
+ },
1832
+ {
1833
+ "epoch": 1.4891179839633448,
1834
+ "grad_norm": 0.5298078020553034,
1835
+ "learning_rate": 5e-06,
1836
+ "loss": 0.3733,
1837
+ "step": 2600
1838
+ },
1839
+ {
1840
+ "epoch": 1.4948453608247423,
1841
+ "grad_norm": 0.5432646094312185,
1842
+ "learning_rate": 5e-06,
1843
+ "loss": 0.3758,
1844
+ "step": 2610
1845
+ },
1846
+ {
1847
+ "epoch": 1.5005727376861397,
1848
+ "grad_norm": 0.5105782450661664,
1849
+ "learning_rate": 5e-06,
1850
+ "loss": 0.3805,
1851
+ "step": 2620
1852
+ },
1853
+ {
1854
+ "epoch": 1.5063001145475372,
1855
+ "grad_norm": 0.5382093019088371,
1856
+ "learning_rate": 5e-06,
1857
+ "loss": 0.381,
1858
+ "step": 2630
1859
+ },
1860
+ {
1861
+ "epoch": 1.5120274914089347,
1862
+ "grad_norm": 0.5204647981548546,
1863
+ "learning_rate": 5e-06,
1864
+ "loss": 0.3787,
1865
+ "step": 2640
1866
+ },
1867
+ {
1868
+ "epoch": 1.5177548682703321,
1869
+ "grad_norm": 0.5407064147138322,
1870
+ "learning_rate": 5e-06,
1871
+ "loss": 0.379,
1872
+ "step": 2650
1873
+ },
1874
+ {
1875
+ "epoch": 1.5234822451317296,
1876
+ "grad_norm": 0.5213399797673937,
1877
+ "learning_rate": 5e-06,
1878
+ "loss": 0.3815,
1879
+ "step": 2660
1880
+ },
1881
+ {
1882
+ "epoch": 1.529209621993127,
1883
+ "grad_norm": 0.5213816003555798,
1884
+ "learning_rate": 5e-06,
1885
+ "loss": 0.3881,
1886
+ "step": 2670
1887
+ },
1888
+ {
1889
+ "epoch": 1.5349369988545245,
1890
+ "grad_norm": 0.5142228705336312,
1891
+ "learning_rate": 5e-06,
1892
+ "loss": 0.3776,
1893
+ "step": 2680
1894
+ },
1895
+ {
1896
+ "epoch": 1.540664375715922,
1897
+ "grad_norm": 0.520697436811985,
1898
+ "learning_rate": 5e-06,
1899
+ "loss": 0.3806,
1900
+ "step": 2690
1901
+ },
1902
+ {
1903
+ "epoch": 1.5463917525773194,
1904
+ "grad_norm": 0.5637817682476384,
1905
+ "learning_rate": 5e-06,
1906
+ "loss": 0.3715,
1907
+ "step": 2700
1908
+ },
1909
+ {
1910
+ "epoch": 1.552119129438717,
1911
+ "grad_norm": 0.4915517576152862,
1912
+ "learning_rate": 5e-06,
1913
+ "loss": 0.3727,
1914
+ "step": 2710
1915
+ },
1916
+ {
1917
+ "epoch": 1.5578465063001146,
1918
+ "grad_norm": 0.5237728548563729,
1919
+ "learning_rate": 5e-06,
1920
+ "loss": 0.3709,
1921
+ "step": 2720
1922
+ },
1923
+ {
1924
+ "epoch": 1.563573883161512,
1925
+ "grad_norm": 0.7190217505740812,
1926
+ "learning_rate": 5e-06,
1927
+ "loss": 0.3803,
1928
+ "step": 2730
1929
+ },
1930
+ {
1931
+ "epoch": 1.5693012600229095,
1932
+ "grad_norm": 0.5209643317738942,
1933
+ "learning_rate": 5e-06,
1934
+ "loss": 0.371,
1935
+ "step": 2740
1936
+ },
1937
+ {
1938
+ "epoch": 1.575028636884307,
1939
+ "grad_norm": 0.5247668495585847,
1940
+ "learning_rate": 5e-06,
1941
+ "loss": 0.3808,
1942
+ "step": 2750
1943
+ },
1944
+ {
1945
+ "epoch": 1.5807560137457046,
1946
+ "grad_norm": 0.532703132334951,
1947
+ "learning_rate": 5e-06,
1948
+ "loss": 0.378,
1949
+ "step": 2760
1950
+ },
1951
+ {
1952
+ "epoch": 1.586483390607102,
1953
+ "grad_norm": 0.5117006044420915,
1954
+ "learning_rate": 5e-06,
1955
+ "loss": 0.3695,
1956
+ "step": 2770
1957
+ },
1958
+ {
1959
+ "epoch": 1.5922107674684995,
1960
+ "grad_norm": 0.5272216030753158,
1961
+ "learning_rate": 5e-06,
1962
+ "loss": 0.3666,
1963
+ "step": 2780
1964
+ },
1965
+ {
1966
+ "epoch": 1.597938144329897,
1967
+ "grad_norm": 0.5392842250351713,
1968
+ "learning_rate": 5e-06,
1969
+ "loss": 0.3783,
1970
+ "step": 2790
1971
+ },
1972
+ {
1973
+ "epoch": 1.6036655211912945,
1974
+ "grad_norm": 0.5211103103323186,
1975
+ "learning_rate": 5e-06,
1976
+ "loss": 0.3809,
1977
+ "step": 2800
1978
+ },
1979
+ {
1980
+ "epoch": 1.609392898052692,
1981
+ "grad_norm": 0.5434144298333962,
1982
+ "learning_rate": 5e-06,
1983
+ "loss": 0.3839,
1984
+ "step": 2810
1985
+ },
1986
+ {
1987
+ "epoch": 1.6151202749140894,
1988
+ "grad_norm": 0.6244778503333394,
1989
+ "learning_rate": 5e-06,
1990
+ "loss": 0.375,
1991
+ "step": 2820
1992
+ },
1993
+ {
1994
+ "epoch": 1.6208476517754868,
1995
+ "grad_norm": 0.7929144005943337,
1996
+ "learning_rate": 5e-06,
1997
+ "loss": 0.3843,
1998
+ "step": 2830
1999
+ },
2000
+ {
2001
+ "epoch": 1.6265750286368843,
2002
+ "grad_norm": 0.5076072639573785,
2003
+ "learning_rate": 5e-06,
2004
+ "loss": 0.3764,
2005
+ "step": 2840
2006
+ },
2007
+ {
2008
+ "epoch": 1.6323024054982818,
2009
+ "grad_norm": 0.499119817733024,
2010
+ "learning_rate": 5e-06,
2011
+ "loss": 0.3814,
2012
+ "step": 2850
2013
+ },
2014
+ {
2015
+ "epoch": 1.6380297823596792,
2016
+ "grad_norm": 0.5427237791683881,
2017
+ "learning_rate": 5e-06,
2018
+ "loss": 0.3732,
2019
+ "step": 2860
2020
+ },
2021
+ {
2022
+ "epoch": 1.6437571592210767,
2023
+ "grad_norm": 0.5072517280886356,
2024
+ "learning_rate": 5e-06,
2025
+ "loss": 0.3716,
2026
+ "step": 2870
2027
+ },
2028
+ {
2029
+ "epoch": 1.6494845360824741,
2030
+ "grad_norm": 0.5424242226752932,
2031
+ "learning_rate": 5e-06,
2032
+ "loss": 0.3725,
2033
+ "step": 2880
2034
+ },
2035
+ {
2036
+ "epoch": 1.6552119129438716,
2037
+ "grad_norm": 0.5239482084133175,
2038
+ "learning_rate": 5e-06,
2039
+ "loss": 0.3797,
2040
+ "step": 2890
2041
+ },
2042
+ {
2043
+ "epoch": 1.660939289805269,
2044
+ "grad_norm": 0.4877340871651499,
2045
+ "learning_rate": 5e-06,
2046
+ "loss": 0.3797,
2047
+ "step": 2900
2048
+ },
2049
+ {
2050
+ "epoch": 1.6666666666666665,
2051
+ "grad_norm": 0.5187696419666292,
2052
+ "learning_rate": 5e-06,
2053
+ "loss": 0.3732,
2054
+ "step": 2910
2055
+ },
2056
+ {
2057
+ "epoch": 1.6723940435280642,
2058
+ "grad_norm": 0.5165454581988194,
2059
+ "learning_rate": 5e-06,
2060
+ "loss": 0.3761,
2061
+ "step": 2920
2062
+ },
2063
+ {
2064
+ "epoch": 1.6781214203894617,
2065
+ "grad_norm": 0.5295455488567519,
2066
+ "learning_rate": 5e-06,
2067
+ "loss": 0.3732,
2068
+ "step": 2930
2069
+ },
2070
+ {
2071
+ "epoch": 1.6838487972508591,
2072
+ "grad_norm": 0.5356558582460169,
2073
+ "learning_rate": 5e-06,
2074
+ "loss": 0.3759,
2075
+ "step": 2940
2076
+ },
2077
+ {
2078
+ "epoch": 1.6895761741122566,
2079
+ "grad_norm": 0.5382234203233621,
2080
+ "learning_rate": 5e-06,
2081
+ "loss": 0.3809,
2082
+ "step": 2950
2083
+ },
2084
+ {
2085
+ "epoch": 1.695303550973654,
2086
+ "grad_norm": 0.5426839059978352,
2087
+ "learning_rate": 5e-06,
2088
+ "loss": 0.3818,
2089
+ "step": 2960
2090
+ },
2091
+ {
2092
+ "epoch": 1.7010309278350515,
2093
+ "grad_norm": 0.5589401799758412,
2094
+ "learning_rate": 5e-06,
2095
+ "loss": 0.3735,
2096
+ "step": 2970
2097
+ },
2098
+ {
2099
+ "epoch": 1.7067583046964492,
2100
+ "grad_norm": 0.5400070080828028,
2101
+ "learning_rate": 5e-06,
2102
+ "loss": 0.3715,
2103
+ "step": 2980
2104
+ },
2105
+ {
2106
+ "epoch": 1.7124856815578466,
2107
+ "grad_norm": 0.5125880859835712,
2108
+ "learning_rate": 5e-06,
2109
+ "loss": 0.3692,
2110
+ "step": 2990
2111
+ },
2112
+ {
2113
+ "epoch": 1.718213058419244,
2114
+ "grad_norm": 0.521750795912995,
2115
+ "learning_rate": 5e-06,
2116
+ "loss": 0.3734,
2117
+ "step": 3000
2118
+ },
2119
+ {
2120
+ "epoch": 1.7239404352806416,
2121
+ "grad_norm": 0.49977791549900996,
2122
+ "learning_rate": 5e-06,
2123
+ "loss": 0.3714,
2124
+ "step": 3010
2125
+ },
2126
+ {
2127
+ "epoch": 1.729667812142039,
2128
+ "grad_norm": 0.517176383552139,
2129
+ "learning_rate": 5e-06,
2130
+ "loss": 0.3798,
2131
+ "step": 3020
2132
+ },
2133
+ {
2134
+ "epoch": 1.7353951890034365,
2135
+ "grad_norm": 0.5569996765160103,
2136
+ "learning_rate": 5e-06,
2137
+ "loss": 0.3704,
2138
+ "step": 3030
2139
+ },
2140
+ {
2141
+ "epoch": 1.741122565864834,
2142
+ "grad_norm": 0.5152384355166261,
2143
+ "learning_rate": 5e-06,
2144
+ "loss": 0.3687,
2145
+ "step": 3040
2146
+ },
2147
+ {
2148
+ "epoch": 1.7468499427262314,
2149
+ "grad_norm": 0.5152215076607375,
2150
+ "learning_rate": 5e-06,
2151
+ "loss": 0.3711,
2152
+ "step": 3050
2153
+ },
2154
+ {
2155
+ "epoch": 1.7525773195876289,
2156
+ "grad_norm": 0.5209367759111013,
2157
+ "learning_rate": 5e-06,
2158
+ "loss": 0.367,
2159
+ "step": 3060
2160
+ },
2161
+ {
2162
+ "epoch": 1.7583046964490263,
2163
+ "grad_norm": 0.72478206720126,
2164
+ "learning_rate": 5e-06,
2165
+ "loss": 0.3753,
2166
+ "step": 3070
2167
+ },
2168
+ {
2169
+ "epoch": 1.7640320733104238,
2170
+ "grad_norm": 0.5108998808880466,
2171
+ "learning_rate": 5e-06,
2172
+ "loss": 0.3776,
2173
+ "step": 3080
2174
+ },
2175
+ {
2176
+ "epoch": 1.7697594501718212,
2177
+ "grad_norm": 0.49545669464589914,
2178
+ "learning_rate": 5e-06,
2179
+ "loss": 0.3691,
2180
+ "step": 3090
2181
+ },
2182
+ {
2183
+ "epoch": 1.7754868270332187,
2184
+ "grad_norm": 0.5370814607474198,
2185
+ "learning_rate": 5e-06,
2186
+ "loss": 0.3746,
2187
+ "step": 3100
2188
+ },
2189
+ {
2190
+ "epoch": 1.7812142038946162,
2191
+ "grad_norm": 0.6072170324437888,
2192
+ "learning_rate": 5e-06,
2193
+ "loss": 0.3729,
2194
+ "step": 3110
2195
+ },
2196
+ {
2197
+ "epoch": 1.7869415807560136,
2198
+ "grad_norm": 0.5271754924806036,
2199
+ "learning_rate": 5e-06,
2200
+ "loss": 0.3588,
2201
+ "step": 3120
2202
+ },
2203
+ {
2204
+ "epoch": 1.792668957617411,
2205
+ "grad_norm": 0.5754508589270141,
2206
+ "learning_rate": 5e-06,
2207
+ "loss": 0.3776,
2208
+ "step": 3130
2209
+ },
2210
+ {
2211
+ "epoch": 1.7983963344788088,
2212
+ "grad_norm": 0.5403755251129506,
2213
+ "learning_rate": 5e-06,
2214
+ "loss": 0.3762,
2215
+ "step": 3140
2216
+ },
2217
+ {
2218
+ "epoch": 1.8041237113402062,
2219
+ "grad_norm": 0.5138981496909732,
2220
+ "learning_rate": 5e-06,
2221
+ "loss": 0.3711,
2222
+ "step": 3150
2223
+ },
2224
+ {
2225
+ "epoch": 1.8098510882016037,
2226
+ "grad_norm": 0.534919240445055,
2227
+ "learning_rate": 5e-06,
2228
+ "loss": 0.3763,
2229
+ "step": 3160
2230
+ },
2231
+ {
2232
+ "epoch": 1.8155784650630011,
2233
+ "grad_norm": 0.5146135891570391,
2234
+ "learning_rate": 5e-06,
2235
+ "loss": 0.3806,
2236
+ "step": 3170
2237
+ },
2238
+ {
2239
+ "epoch": 1.8213058419243986,
2240
+ "grad_norm": 0.505605657209453,
2241
+ "learning_rate": 5e-06,
2242
+ "loss": 0.3766,
2243
+ "step": 3180
2244
+ },
2245
+ {
2246
+ "epoch": 1.827033218785796,
2247
+ "grad_norm": 0.5239153217495089,
2248
+ "learning_rate": 5e-06,
2249
+ "loss": 0.3659,
2250
+ "step": 3190
2251
+ },
2252
+ {
2253
+ "epoch": 1.8327605956471937,
2254
+ "grad_norm": 0.9509826091058188,
2255
+ "learning_rate": 5e-06,
2256
+ "loss": 0.3792,
2257
+ "step": 3200
2258
+ },
2259
+ {
2260
+ "epoch": 1.8384879725085912,
2261
+ "grad_norm": 0.5059729711091226,
2262
+ "learning_rate": 5e-06,
2263
+ "loss": 0.3721,
2264
+ "step": 3210
2265
+ },
2266
+ {
2267
+ "epoch": 1.8442153493699887,
2268
+ "grad_norm": 0.5245359643059282,
2269
+ "learning_rate": 5e-06,
2270
+ "loss": 0.379,
2271
+ "step": 3220
2272
+ },
2273
+ {
2274
+ "epoch": 1.8499427262313861,
2275
+ "grad_norm": 0.5050698399570109,
2276
+ "learning_rate": 5e-06,
2277
+ "loss": 0.3739,
2278
+ "step": 3230
2279
+ },
2280
+ {
2281
+ "epoch": 1.8556701030927836,
2282
+ "grad_norm": 0.5065697206422057,
2283
+ "learning_rate": 5e-06,
2284
+ "loss": 0.3849,
2285
+ "step": 3240
2286
+ },
2287
+ {
2288
+ "epoch": 1.861397479954181,
2289
+ "grad_norm": 0.5209454651612013,
2290
+ "learning_rate": 5e-06,
2291
+ "loss": 0.3707,
2292
+ "step": 3250
2293
+ },
2294
+ {
2295
+ "epoch": 1.8671248568155785,
2296
+ "grad_norm": 0.5430271570033155,
2297
+ "learning_rate": 5e-06,
2298
+ "loss": 0.3696,
2299
+ "step": 3260
2300
+ },
2301
+ {
2302
+ "epoch": 1.872852233676976,
2303
+ "grad_norm": 0.5281297299023378,
2304
+ "learning_rate": 5e-06,
2305
+ "loss": 0.3712,
2306
+ "step": 3270
2307
+ },
2308
+ {
2309
+ "epoch": 1.8785796105383734,
2310
+ "grad_norm": 0.5292724874313788,
2311
+ "learning_rate": 5e-06,
2312
+ "loss": 0.3726,
2313
+ "step": 3280
2314
+ },
2315
+ {
2316
+ "epoch": 1.8843069873997709,
2317
+ "grad_norm": 0.5350000049801282,
2318
+ "learning_rate": 5e-06,
2319
+ "loss": 0.3723,
2320
+ "step": 3290
2321
+ },
2322
+ {
2323
+ "epoch": 1.8900343642611683,
2324
+ "grad_norm": 0.5208368353063128,
2325
+ "learning_rate": 5e-06,
2326
+ "loss": 0.3677,
2327
+ "step": 3300
2328
+ },
2329
+ {
2330
+ "epoch": 1.8957617411225658,
2331
+ "grad_norm": 0.5279268625494672,
2332
+ "learning_rate": 5e-06,
2333
+ "loss": 0.3753,
2334
+ "step": 3310
2335
+ },
2336
+ {
2337
+ "epoch": 1.9014891179839633,
2338
+ "grad_norm": 0.5144354886651064,
2339
+ "learning_rate": 5e-06,
2340
+ "loss": 0.3741,
2341
+ "step": 3320
2342
+ },
2343
+ {
2344
+ "epoch": 1.9072164948453607,
2345
+ "grad_norm": 0.5082140336402234,
2346
+ "learning_rate": 5e-06,
2347
+ "loss": 0.3635,
2348
+ "step": 3330
2349
+ },
2350
+ {
2351
+ "epoch": 1.9129438717067582,
2352
+ "grad_norm": 0.5252002760881638,
2353
+ "learning_rate": 5e-06,
2354
+ "loss": 0.3787,
2355
+ "step": 3340
2356
+ },
2357
+ {
2358
+ "epoch": 1.9186712485681556,
2359
+ "grad_norm": 0.5070002443248173,
2360
+ "learning_rate": 5e-06,
2361
+ "loss": 0.3718,
2362
+ "step": 3350
2363
+ },
2364
+ {
2365
+ "epoch": 1.9243986254295533,
2366
+ "grad_norm": 0.5316148384707632,
2367
+ "learning_rate": 5e-06,
2368
+ "loss": 0.3664,
2369
+ "step": 3360
2370
+ },
2371
+ {
2372
+ "epoch": 1.9301260022909508,
2373
+ "grad_norm": 0.5193287345279981,
2374
+ "learning_rate": 5e-06,
2375
+ "loss": 0.3684,
2376
+ "step": 3370
2377
+ },
2378
+ {
2379
+ "epoch": 1.9358533791523482,
2380
+ "grad_norm": 0.506552724781655,
2381
+ "learning_rate": 5e-06,
2382
+ "loss": 0.372,
2383
+ "step": 3380
2384
+ },
2385
+ {
2386
+ "epoch": 1.9415807560137457,
2387
+ "grad_norm": 0.571442610460597,
2388
+ "learning_rate": 5e-06,
2389
+ "loss": 0.379,
2390
+ "step": 3390
2391
+ },
2392
+ {
2393
+ "epoch": 1.9473081328751431,
2394
+ "grad_norm": 0.5688327247671221,
2395
+ "learning_rate": 5e-06,
2396
+ "loss": 0.3687,
2397
+ "step": 3400
2398
+ },
2399
+ {
2400
+ "epoch": 1.9530355097365406,
2401
+ "grad_norm": 0.5042217231517675,
2402
+ "learning_rate": 5e-06,
2403
+ "loss": 0.3738,
2404
+ "step": 3410
2405
+ },
2406
+ {
2407
+ "epoch": 1.9587628865979383,
2408
+ "grad_norm": 0.5321243972550566,
2409
+ "learning_rate": 5e-06,
2410
+ "loss": 0.37,
2411
+ "step": 3420
2412
+ },
2413
+ {
2414
+ "epoch": 1.9644902634593358,
2415
+ "grad_norm": 0.5188108633782941,
2416
+ "learning_rate": 5e-06,
2417
+ "loss": 0.3766,
2418
+ "step": 3430
2419
+ },
2420
+ {
2421
+ "epoch": 1.9702176403207332,
2422
+ "grad_norm": 0.49989426974744805,
2423
+ "learning_rate": 5e-06,
2424
+ "loss": 0.3703,
2425
+ "step": 3440
2426
+ },
2427
+ {
2428
+ "epoch": 1.9759450171821307,
2429
+ "grad_norm": 0.5428089945263836,
2430
+ "learning_rate": 5e-06,
2431
+ "loss": 0.3689,
2432
+ "step": 3450
2433
+ },
2434
+ {
2435
+ "epoch": 1.9816723940435281,
2436
+ "grad_norm": 0.5404439065398382,
2437
+ "learning_rate": 5e-06,
2438
+ "loss": 0.3729,
2439
+ "step": 3460
2440
+ },
2441
+ {
2442
+ "epoch": 1.9873997709049256,
2443
+ "grad_norm": 0.5410379700662915,
2444
+ "learning_rate": 5e-06,
2445
+ "loss": 0.3726,
2446
+ "step": 3470
2447
+ },
2448
+ {
2449
+ "epoch": 1.993127147766323,
2450
+ "grad_norm": 0.5225961306378605,
2451
+ "learning_rate": 5e-06,
2452
+ "loss": 0.3782,
2453
+ "step": 3480
2454
+ },
2455
+ {
2456
+ "epoch": 1.9988545246277205,
2457
+ "grad_norm": 0.5535365053498117,
2458
+ "learning_rate": 5e-06,
2459
+ "loss": 0.3757,
2460
+ "step": 3490
2461
+ },
2462
+ {
2463
+ "epoch": 2.0,
2464
+ "eval_loss": 0.42091062664985657,
2465
+ "eval_runtime": 444.2503,
2466
+ "eval_samples_per_second": 26.476,
2467
+ "eval_steps_per_second": 0.414,
2468
+ "step": 3492
2469
+ },
2470
+ {
2471
+ "epoch": 2.004581901489118,
2472
+ "grad_norm": 0.5715227391793876,
2473
+ "learning_rate": 5e-06,
2474
+ "loss": 0.3266,
2475
+ "step": 3500
2476
+ },
2477
+ {
2478
+ "epoch": 2.0103092783505154,
2479
+ "grad_norm": 0.5115288441622716,
2480
+ "learning_rate": 5e-06,
2481
+ "loss": 0.3123,
2482
+ "step": 3510
2483
+ },
2484
+ {
2485
+ "epoch": 2.016036655211913,
2486
+ "grad_norm": 0.5114186476378918,
2487
+ "learning_rate": 5e-06,
2488
+ "loss": 0.3064,
2489
+ "step": 3520
2490
+ },
2491
+ {
2492
+ "epoch": 2.0217640320733103,
2493
+ "grad_norm": 0.5174383277753903,
2494
+ "learning_rate": 5e-06,
2495
+ "loss": 0.3115,
2496
+ "step": 3530
2497
+ },
2498
+ {
2499
+ "epoch": 2.027491408934708,
2500
+ "grad_norm": 0.5180676439991899,
2501
+ "learning_rate": 5e-06,
2502
+ "loss": 0.3092,
2503
+ "step": 3540
2504
+ },
2505
+ {
2506
+ "epoch": 2.0332187857961053,
2507
+ "grad_norm": 0.5521743990569499,
2508
+ "learning_rate": 5e-06,
2509
+ "loss": 0.3154,
2510
+ "step": 3550
2511
+ },
2512
+ {
2513
+ "epoch": 2.0389461626575027,
2514
+ "grad_norm": 0.5325564269068459,
2515
+ "learning_rate": 5e-06,
2516
+ "loss": 0.3139,
2517
+ "step": 3560
2518
+ },
2519
+ {
2520
+ "epoch": 2.0446735395189,
2521
+ "grad_norm": 0.5307121051642008,
2522
+ "learning_rate": 5e-06,
2523
+ "loss": 0.3143,
2524
+ "step": 3570
2525
+ },
2526
+ {
2527
+ "epoch": 2.0504009163802976,
2528
+ "grad_norm": 0.5039022580188123,
2529
+ "learning_rate": 5e-06,
2530
+ "loss": 0.3139,
2531
+ "step": 3580
2532
+ },
2533
+ {
2534
+ "epoch": 2.056128293241695,
2535
+ "grad_norm": 0.5386599812235912,
2536
+ "learning_rate": 5e-06,
2537
+ "loss": 0.3274,
2538
+ "step": 3590
2539
+ },
2540
+ {
2541
+ "epoch": 2.0618556701030926,
2542
+ "grad_norm": 0.5510122632798343,
2543
+ "learning_rate": 5e-06,
2544
+ "loss": 0.3218,
2545
+ "step": 3600
2546
+ },
2547
+ {
2548
+ "epoch": 2.0675830469644905,
2549
+ "grad_norm": 0.5314262243630897,
2550
+ "learning_rate": 5e-06,
2551
+ "loss": 0.3126,
2552
+ "step": 3610
2553
+ },
2554
+ {
2555
+ "epoch": 2.073310423825888,
2556
+ "grad_norm": 0.4939184680389998,
2557
+ "learning_rate": 5e-06,
2558
+ "loss": 0.313,
2559
+ "step": 3620
2560
+ },
2561
+ {
2562
+ "epoch": 2.0790378006872854,
2563
+ "grad_norm": 0.5312396764234006,
2564
+ "learning_rate": 5e-06,
2565
+ "loss": 0.3105,
2566
+ "step": 3630
2567
+ },
2568
+ {
2569
+ "epoch": 2.084765177548683,
2570
+ "grad_norm": 0.4876119734890598,
2571
+ "learning_rate": 5e-06,
2572
+ "loss": 0.3124,
2573
+ "step": 3640
2574
+ },
2575
+ {
2576
+ "epoch": 2.0904925544100803,
2577
+ "grad_norm": 0.5103227941442228,
2578
+ "learning_rate": 5e-06,
2579
+ "loss": 0.3242,
2580
+ "step": 3650
2581
+ },
2582
+ {
2583
+ "epoch": 2.0962199312714778,
2584
+ "grad_norm": 0.5042566969256604,
2585
+ "learning_rate": 5e-06,
2586
+ "loss": 0.3184,
2587
+ "step": 3660
2588
+ },
2589
+ {
2590
+ "epoch": 2.1019473081328752,
2591
+ "grad_norm": 0.5141761625174609,
2592
+ "learning_rate": 5e-06,
2593
+ "loss": 0.3143,
2594
+ "step": 3670
2595
+ },
2596
+ {
2597
+ "epoch": 2.1076746849942727,
2598
+ "grad_norm": 0.5382583222094659,
2599
+ "learning_rate": 5e-06,
2600
+ "loss": 0.3166,
2601
+ "step": 3680
2602
+ },
2603
+ {
2604
+ "epoch": 2.11340206185567,
2605
+ "grad_norm": 0.4804864664629375,
2606
+ "learning_rate": 5e-06,
2607
+ "loss": 0.3122,
2608
+ "step": 3690
2609
+ },
2610
+ {
2611
+ "epoch": 2.1191294387170676,
2612
+ "grad_norm": 0.5165262098916743,
2613
+ "learning_rate": 5e-06,
2614
+ "loss": 0.3135,
2615
+ "step": 3700
2616
+ },
2617
+ {
2618
+ "epoch": 2.124856815578465,
2619
+ "grad_norm": 0.5253973489118585,
2620
+ "learning_rate": 5e-06,
2621
+ "loss": 0.3103,
2622
+ "step": 3710
2623
+ },
2624
+ {
2625
+ "epoch": 2.1305841924398625,
2626
+ "grad_norm": 0.5153233857956726,
2627
+ "learning_rate": 5e-06,
2628
+ "loss": 0.319,
2629
+ "step": 3720
2630
+ },
2631
+ {
2632
+ "epoch": 2.13631156930126,
2633
+ "grad_norm": 0.5024911676484453,
2634
+ "learning_rate": 5e-06,
2635
+ "loss": 0.3153,
2636
+ "step": 3730
2637
+ },
2638
+ {
2639
+ "epoch": 2.1420389461626574,
2640
+ "grad_norm": 0.48649497978161954,
2641
+ "learning_rate": 5e-06,
2642
+ "loss": 0.3125,
2643
+ "step": 3740
2644
+ },
2645
+ {
2646
+ "epoch": 2.147766323024055,
2647
+ "grad_norm": 0.5398906998916857,
2648
+ "learning_rate": 5e-06,
2649
+ "loss": 0.3207,
2650
+ "step": 3750
2651
+ },
2652
+ {
2653
+ "epoch": 2.1534936998854524,
2654
+ "grad_norm": 0.5130668071668567,
2655
+ "learning_rate": 5e-06,
2656
+ "loss": 0.3141,
2657
+ "step": 3760
2658
+ },
2659
+ {
2660
+ "epoch": 2.15922107674685,
2661
+ "grad_norm": 0.5518874676047263,
2662
+ "learning_rate": 5e-06,
2663
+ "loss": 0.3184,
2664
+ "step": 3770
2665
+ },
2666
+ {
2667
+ "epoch": 2.1649484536082473,
2668
+ "grad_norm": 0.5160046944915151,
2669
+ "learning_rate": 5e-06,
2670
+ "loss": 0.3172,
2671
+ "step": 3780
2672
+ },
2673
+ {
2674
+ "epoch": 2.1706758304696447,
2675
+ "grad_norm": 0.48834912906902556,
2676
+ "learning_rate": 5e-06,
2677
+ "loss": 0.3234,
2678
+ "step": 3790
2679
+ },
2680
+ {
2681
+ "epoch": 2.176403207331042,
2682
+ "grad_norm": 0.5171110867595475,
2683
+ "learning_rate": 5e-06,
2684
+ "loss": 0.3151,
2685
+ "step": 3800
2686
+ },
2687
+ {
2688
+ "epoch": 2.1821305841924397,
2689
+ "grad_norm": 0.5180778501865309,
2690
+ "learning_rate": 5e-06,
2691
+ "loss": 0.3157,
2692
+ "step": 3810
2693
+ },
2694
+ {
2695
+ "epoch": 2.1878579610538376,
2696
+ "grad_norm": 0.5068334930400914,
2697
+ "learning_rate": 5e-06,
2698
+ "loss": 0.3126,
2699
+ "step": 3820
2700
+ },
2701
+ {
2702
+ "epoch": 2.193585337915235,
2703
+ "grad_norm": 0.5383783523767623,
2704
+ "learning_rate": 5e-06,
2705
+ "loss": 0.313,
2706
+ "step": 3830
2707
+ },
2708
+ {
2709
+ "epoch": 2.1993127147766325,
2710
+ "grad_norm": 0.5231488887255323,
2711
+ "learning_rate": 5e-06,
2712
+ "loss": 0.3199,
2713
+ "step": 3840
2714
+ },
2715
+ {
2716
+ "epoch": 2.20504009163803,
2717
+ "grad_norm": 0.5130199004591844,
2718
+ "learning_rate": 5e-06,
2719
+ "loss": 0.3168,
2720
+ "step": 3850
2721
+ },
2722
+ {
2723
+ "epoch": 2.2107674684994274,
2724
+ "grad_norm": 0.5482589908800253,
2725
+ "learning_rate": 5e-06,
2726
+ "loss": 0.3223,
2727
+ "step": 3860
2728
+ },
2729
+ {
2730
+ "epoch": 2.216494845360825,
2731
+ "grad_norm": 0.53120848952022,
2732
+ "learning_rate": 5e-06,
2733
+ "loss": 0.321,
2734
+ "step": 3870
2735
+ },
2736
+ {
2737
+ "epoch": 2.2222222222222223,
2738
+ "grad_norm": 0.5071013057492006,
2739
+ "learning_rate": 5e-06,
2740
+ "loss": 0.3203,
2741
+ "step": 3880
2742
+ },
2743
+ {
2744
+ "epoch": 2.22794959908362,
2745
+ "grad_norm": 0.531266327465737,
2746
+ "learning_rate": 5e-06,
2747
+ "loss": 0.324,
2748
+ "step": 3890
2749
+ },
2750
+ {
2751
+ "epoch": 2.2336769759450172,
2752
+ "grad_norm": 0.507052566002429,
2753
+ "learning_rate": 5e-06,
2754
+ "loss": 0.3137,
2755
+ "step": 3900
2756
+ },
2757
+ {
2758
+ "epoch": 2.2394043528064147,
2759
+ "grad_norm": 0.5271639744898703,
2760
+ "learning_rate": 5e-06,
2761
+ "loss": 0.3159,
2762
+ "step": 3910
2763
+ },
2764
+ {
2765
+ "epoch": 2.245131729667812,
2766
+ "grad_norm": 0.5388005656911042,
2767
+ "learning_rate": 5e-06,
2768
+ "loss": 0.3228,
2769
+ "step": 3920
2770
+ },
2771
+ {
2772
+ "epoch": 2.2508591065292096,
2773
+ "grad_norm": 0.5060194168439476,
2774
+ "learning_rate": 5e-06,
2775
+ "loss": 0.3124,
2776
+ "step": 3930
2777
+ },
2778
+ {
2779
+ "epoch": 2.256586483390607,
2780
+ "grad_norm": 0.48546648398689385,
2781
+ "learning_rate": 5e-06,
2782
+ "loss": 0.3136,
2783
+ "step": 3940
2784
+ },
2785
+ {
2786
+ "epoch": 2.2623138602520045,
2787
+ "grad_norm": 0.5076224304840579,
2788
+ "learning_rate": 5e-06,
2789
+ "loss": 0.3167,
2790
+ "step": 3950
2791
+ },
2792
+ {
2793
+ "epoch": 2.268041237113402,
2794
+ "grad_norm": 0.5296050756375043,
2795
+ "learning_rate": 5e-06,
2796
+ "loss": 0.3204,
2797
+ "step": 3960
2798
+ },
2799
+ {
2800
+ "epoch": 2.2737686139747995,
2801
+ "grad_norm": 0.5177826901430715,
2802
+ "learning_rate": 5e-06,
2803
+ "loss": 0.3232,
2804
+ "step": 3970
2805
+ },
2806
+ {
2807
+ "epoch": 2.279495990836197,
2808
+ "grad_norm": 0.5132840661554632,
2809
+ "learning_rate": 5e-06,
2810
+ "loss": 0.3158,
2811
+ "step": 3980
2812
+ },
2813
+ {
2814
+ "epoch": 2.2852233676975944,
2815
+ "grad_norm": 0.543452264339846,
2816
+ "learning_rate": 5e-06,
2817
+ "loss": 0.3192,
2818
+ "step": 3990
2819
+ },
2820
+ {
2821
+ "epoch": 2.290950744558992,
2822
+ "grad_norm": 0.5139552493291161,
2823
+ "learning_rate": 5e-06,
2824
+ "loss": 0.3209,
2825
+ "step": 4000
2826
+ },
2827
+ {
2828
+ "epoch": 2.2966781214203893,
2829
+ "grad_norm": 0.4969492673393391,
2830
+ "learning_rate": 5e-06,
2831
+ "loss": 0.3153,
2832
+ "step": 4010
2833
+ },
2834
+ {
2835
+ "epoch": 2.3024054982817868,
2836
+ "grad_norm": 0.5143134020150514,
2837
+ "learning_rate": 5e-06,
2838
+ "loss": 0.3201,
2839
+ "step": 4020
2840
+ },
2841
+ {
2842
+ "epoch": 2.308132875143184,
2843
+ "grad_norm": 0.4939050512552889,
2844
+ "learning_rate": 5e-06,
2845
+ "loss": 0.3106,
2846
+ "step": 4030
2847
+ },
2848
+ {
2849
+ "epoch": 2.3138602520045817,
2850
+ "grad_norm": 0.4886273394938644,
2851
+ "learning_rate": 5e-06,
2852
+ "loss": 0.3225,
2853
+ "step": 4040
2854
+ },
2855
+ {
2856
+ "epoch": 2.319587628865979,
2857
+ "grad_norm": 0.5380016012501289,
2858
+ "learning_rate": 5e-06,
2859
+ "loss": 0.3183,
2860
+ "step": 4050
2861
+ },
2862
+ {
2863
+ "epoch": 2.325315005727377,
2864
+ "grad_norm": 0.5160375481982886,
2865
+ "learning_rate": 5e-06,
2866
+ "loss": 0.3127,
2867
+ "step": 4060
2868
+ },
2869
+ {
2870
+ "epoch": 2.3310423825887745,
2871
+ "grad_norm": 0.5217824879654166,
2872
+ "learning_rate": 5e-06,
2873
+ "loss": 0.3168,
2874
+ "step": 4070
2875
+ },
2876
+ {
2877
+ "epoch": 2.336769759450172,
2878
+ "grad_norm": 0.4987920921308887,
2879
+ "learning_rate": 5e-06,
2880
+ "loss": 0.3243,
2881
+ "step": 4080
2882
+ },
2883
+ {
2884
+ "epoch": 2.3424971363115694,
2885
+ "grad_norm": 0.540718540329614,
2886
+ "learning_rate": 5e-06,
2887
+ "loss": 0.3267,
2888
+ "step": 4090
2889
+ },
2890
+ {
2891
+ "epoch": 2.348224513172967,
2892
+ "grad_norm": 0.4928104897116783,
2893
+ "learning_rate": 5e-06,
2894
+ "loss": 0.3154,
2895
+ "step": 4100
2896
+ },
2897
+ {
2898
+ "epoch": 2.3539518900343643,
2899
+ "grad_norm": 0.5332905023045372,
2900
+ "learning_rate": 5e-06,
2901
+ "loss": 0.3294,
2902
+ "step": 4110
2903
+ },
2904
+ {
2905
+ "epoch": 2.359679266895762,
2906
+ "grad_norm": 0.5190878954413758,
2907
+ "learning_rate": 5e-06,
2908
+ "loss": 0.3135,
2909
+ "step": 4120
2910
+ },
2911
+ {
2912
+ "epoch": 2.3654066437571593,
2913
+ "grad_norm": 0.49770844545756987,
2914
+ "learning_rate": 5e-06,
2915
+ "loss": 0.3217,
2916
+ "step": 4130
2917
+ },
2918
+ {
2919
+ "epoch": 2.3711340206185567,
2920
+ "grad_norm": 0.5158902735624868,
2921
+ "learning_rate": 5e-06,
2922
+ "loss": 0.3182,
2923
+ "step": 4140
2924
+ },
2925
+ {
2926
+ "epoch": 2.376861397479954,
2927
+ "grad_norm": 0.5258004488461884,
2928
+ "learning_rate": 5e-06,
2929
+ "loss": 0.3211,
2930
+ "step": 4150
2931
+ },
2932
+ {
2933
+ "epoch": 2.3825887743413516,
2934
+ "grad_norm": 0.5006246348277473,
2935
+ "learning_rate": 5e-06,
2936
+ "loss": 0.311,
2937
+ "step": 4160
2938
+ },
2939
+ {
2940
+ "epoch": 2.388316151202749,
2941
+ "grad_norm": 0.5152750751947476,
2942
+ "learning_rate": 5e-06,
2943
+ "loss": 0.3219,
2944
+ "step": 4170
2945
+ },
2946
+ {
2947
+ "epoch": 2.3940435280641466,
2948
+ "grad_norm": 0.52068469477404,
2949
+ "learning_rate": 5e-06,
2950
+ "loss": 0.3164,
2951
+ "step": 4180
2952
+ },
2953
+ {
2954
+ "epoch": 2.399770904925544,
2955
+ "grad_norm": 0.5323767239444738,
2956
+ "learning_rate": 5e-06,
2957
+ "loss": 0.3208,
2958
+ "step": 4190
2959
+ },
2960
+ {
2961
+ "epoch": 2.4054982817869415,
2962
+ "grad_norm": 0.5003101909687979,
2963
+ "learning_rate": 5e-06,
2964
+ "loss": 0.3228,
2965
+ "step": 4200
2966
+ },
2967
+ {
2968
+ "epoch": 2.411225658648339,
2969
+ "grad_norm": 0.5111739731033206,
2970
+ "learning_rate": 5e-06,
2971
+ "loss": 0.3271,
2972
+ "step": 4210
2973
+ },
2974
+ {
2975
+ "epoch": 2.4169530355097364,
2976
+ "grad_norm": 0.5131151305511839,
2977
+ "learning_rate": 5e-06,
2978
+ "loss": 0.3147,
2979
+ "step": 4220
2980
+ },
2981
+ {
2982
+ "epoch": 2.422680412371134,
2983
+ "grad_norm": 0.5163340601407542,
2984
+ "learning_rate": 5e-06,
2985
+ "loss": 0.3194,
2986
+ "step": 4230
2987
+ },
2988
+ {
2989
+ "epoch": 2.4284077892325313,
2990
+ "grad_norm": 0.4958432705018228,
2991
+ "learning_rate": 5e-06,
2992
+ "loss": 0.3188,
2993
+ "step": 4240
2994
+ },
2995
+ {
2996
+ "epoch": 2.434135166093929,
2997
+ "grad_norm": 0.5468740104263736,
2998
+ "learning_rate": 5e-06,
2999
+ "loss": 0.3249,
3000
+ "step": 4250
3001
+ },
3002
+ {
3003
+ "epoch": 2.4398625429553267,
3004
+ "grad_norm": 0.5410705485869296,
3005
+ "learning_rate": 5e-06,
3006
+ "loss": 0.3278,
3007
+ "step": 4260
3008
+ },
3009
+ {
3010
+ "epoch": 2.445589919816724,
3011
+ "grad_norm": 0.5368673433466151,
3012
+ "learning_rate": 5e-06,
3013
+ "loss": 0.3076,
3014
+ "step": 4270
3015
+ },
3016
+ {
3017
+ "epoch": 2.4513172966781216,
3018
+ "grad_norm": 0.5128839768898594,
3019
+ "learning_rate": 5e-06,
3020
+ "loss": 0.3184,
3021
+ "step": 4280
3022
+ },
3023
+ {
3024
+ "epoch": 2.457044673539519,
3025
+ "grad_norm": 0.5068335080164907,
3026
+ "learning_rate": 5e-06,
3027
+ "loss": 0.3169,
3028
+ "step": 4290
3029
+ },
3030
+ {
3031
+ "epoch": 2.4627720504009165,
3032
+ "grad_norm": 0.4997641306590389,
3033
+ "learning_rate": 5e-06,
3034
+ "loss": 0.3182,
3035
+ "step": 4300
3036
+ },
3037
+ {
3038
+ "epoch": 2.468499427262314,
3039
+ "grad_norm": 0.5191935789555608,
3040
+ "learning_rate": 5e-06,
3041
+ "loss": 0.3216,
3042
+ "step": 4310
3043
+ },
3044
+ {
3045
+ "epoch": 2.4742268041237114,
3046
+ "grad_norm": 0.5256779474029062,
3047
+ "learning_rate": 5e-06,
3048
+ "loss": 0.3233,
3049
+ "step": 4320
3050
+ },
3051
+ {
3052
+ "epoch": 2.479954180985109,
3053
+ "grad_norm": 0.4865715340962184,
3054
+ "learning_rate": 5e-06,
3055
+ "loss": 0.3204,
3056
+ "step": 4330
3057
+ },
3058
+ {
3059
+ "epoch": 2.4856815578465064,
3060
+ "grad_norm": 0.526248237049682,
3061
+ "learning_rate": 5e-06,
3062
+ "loss": 0.3205,
3063
+ "step": 4340
3064
+ },
3065
+ {
3066
+ "epoch": 2.491408934707904,
3067
+ "grad_norm": 0.5130011897003942,
3068
+ "learning_rate": 5e-06,
3069
+ "loss": 0.3259,
3070
+ "step": 4350
3071
+ },
3072
+ {
3073
+ "epoch": 2.4971363115693013,
3074
+ "grad_norm": 0.5162374829270555,
3075
+ "learning_rate": 5e-06,
3076
+ "loss": 0.3195,
3077
+ "step": 4360
3078
+ },
3079
+ {
3080
+ "epoch": 2.5028636884306987,
3081
+ "grad_norm": 0.5014077765674124,
3082
+ "learning_rate": 5e-06,
3083
+ "loss": 0.3228,
3084
+ "step": 4370
3085
+ },
3086
+ {
3087
+ "epoch": 2.508591065292096,
3088
+ "grad_norm": 0.5026646925273252,
3089
+ "learning_rate": 5e-06,
3090
+ "loss": 0.3207,
3091
+ "step": 4380
3092
+ },
3093
+ {
3094
+ "epoch": 2.5143184421534936,
3095
+ "grad_norm": 0.489097601061641,
3096
+ "learning_rate": 5e-06,
3097
+ "loss": 0.3176,
3098
+ "step": 4390
3099
+ },
3100
+ {
3101
+ "epoch": 2.520045819014891,
3102
+ "grad_norm": 0.5078735499696359,
3103
+ "learning_rate": 5e-06,
3104
+ "loss": 0.3224,
3105
+ "step": 4400
3106
+ },
3107
+ {
3108
+ "epoch": 2.5257731958762886,
3109
+ "grad_norm": 0.5271652940063883,
3110
+ "learning_rate": 5e-06,
3111
+ "loss": 0.323,
3112
+ "step": 4410
3113
+ },
3114
+ {
3115
+ "epoch": 2.531500572737686,
3116
+ "grad_norm": 0.507078592732912,
3117
+ "learning_rate": 5e-06,
3118
+ "loss": 0.3203,
3119
+ "step": 4420
3120
+ },
3121
+ {
3122
+ "epoch": 2.5372279495990835,
3123
+ "grad_norm": 0.5337080175384938,
3124
+ "learning_rate": 5e-06,
3125
+ "loss": 0.3228,
3126
+ "step": 4430
3127
+ },
3128
+ {
3129
+ "epoch": 2.542955326460481,
3130
+ "grad_norm": 0.50176908036031,
3131
+ "learning_rate": 5e-06,
3132
+ "loss": 0.3202,
3133
+ "step": 4440
3134
+ },
3135
+ {
3136
+ "epoch": 2.5486827033218784,
3137
+ "grad_norm": 0.5120277803126527,
3138
+ "learning_rate": 5e-06,
3139
+ "loss": 0.3197,
3140
+ "step": 4450
3141
+ },
3142
+ {
3143
+ "epoch": 2.554410080183276,
3144
+ "grad_norm": 0.5366578152814068,
3145
+ "learning_rate": 5e-06,
3146
+ "loss": 0.3244,
3147
+ "step": 4460
3148
+ },
3149
+ {
3150
+ "epoch": 2.5601374570446733,
3151
+ "grad_norm": 0.522159840101665,
3152
+ "learning_rate": 5e-06,
3153
+ "loss": 0.3185,
3154
+ "step": 4470
3155
+ },
3156
+ {
3157
+ "epoch": 2.565864833906071,
3158
+ "grad_norm": 0.48196371586373893,
3159
+ "learning_rate": 5e-06,
3160
+ "loss": 0.3173,
3161
+ "step": 4480
3162
+ },
3163
+ {
3164
+ "epoch": 2.5715922107674682,
3165
+ "grad_norm": 0.5255302877210084,
3166
+ "learning_rate": 5e-06,
3167
+ "loss": 0.3278,
3168
+ "step": 4490
3169
+ },
3170
+ {
3171
+ "epoch": 2.5773195876288657,
3172
+ "grad_norm": 0.5089869190508646,
3173
+ "learning_rate": 5e-06,
3174
+ "loss": 0.3198,
3175
+ "step": 4500
3176
+ },
3177
+ {
3178
+ "epoch": 2.5830469644902636,
3179
+ "grad_norm": 0.530959409102577,
3180
+ "learning_rate": 5e-06,
3181
+ "loss": 0.3304,
3182
+ "step": 4510
3183
+ },
3184
+ {
3185
+ "epoch": 2.588774341351661,
3186
+ "grad_norm": 0.5531110752439229,
3187
+ "learning_rate": 5e-06,
3188
+ "loss": 0.3215,
3189
+ "step": 4520
3190
+ },
3191
+ {
3192
+ "epoch": 2.5945017182130585,
3193
+ "grad_norm": 0.5260126942389958,
3194
+ "learning_rate": 5e-06,
3195
+ "loss": 0.316,
3196
+ "step": 4530
3197
+ },
3198
+ {
3199
+ "epoch": 2.600229095074456,
3200
+ "grad_norm": 0.5160707506662007,
3201
+ "learning_rate": 5e-06,
3202
+ "loss": 0.32,
3203
+ "step": 4540
3204
+ },
3205
+ {
3206
+ "epoch": 2.6059564719358534,
3207
+ "grad_norm": 0.5410876892071711,
3208
+ "learning_rate": 5e-06,
3209
+ "loss": 0.324,
3210
+ "step": 4550
3211
+ },
3212
+ {
3213
+ "epoch": 2.611683848797251,
3214
+ "grad_norm": 0.5149983976318435,
3215
+ "learning_rate": 5e-06,
3216
+ "loss": 0.3168,
3217
+ "step": 4560
3218
+ },
3219
+ {
3220
+ "epoch": 2.6174112256586484,
3221
+ "grad_norm": 0.5066882681673974,
3222
+ "learning_rate": 5e-06,
3223
+ "loss": 0.3164,
3224
+ "step": 4570
3225
+ },
3226
+ {
3227
+ "epoch": 2.623138602520046,
3228
+ "grad_norm": 0.5033788230089447,
3229
+ "learning_rate": 5e-06,
3230
+ "loss": 0.3163,
3231
+ "step": 4580
3232
+ },
3233
+ {
3234
+ "epoch": 2.6288659793814433,
3235
+ "grad_norm": 0.5247195850361597,
3236
+ "learning_rate": 5e-06,
3237
+ "loss": 0.3175,
3238
+ "step": 4590
3239
+ },
3240
+ {
3241
+ "epoch": 2.6345933562428407,
3242
+ "grad_norm": 0.5282100918029693,
3243
+ "learning_rate": 5e-06,
3244
+ "loss": 0.3272,
3245
+ "step": 4600
3246
+ },
3247
+ {
3248
+ "epoch": 2.640320733104238,
3249
+ "grad_norm": 0.52717520655256,
3250
+ "learning_rate": 5e-06,
3251
+ "loss": 0.3203,
3252
+ "step": 4610
3253
+ },
3254
+ {
3255
+ "epoch": 2.6460481099656357,
3256
+ "grad_norm": 0.5022071775606154,
3257
+ "learning_rate": 5e-06,
3258
+ "loss": 0.3244,
3259
+ "step": 4620
3260
+ },
3261
+ {
3262
+ "epoch": 2.651775486827033,
3263
+ "grad_norm": 0.5211994501987708,
3264
+ "learning_rate": 5e-06,
3265
+ "loss": 0.3131,
3266
+ "step": 4630
3267
+ },
3268
+ {
3269
+ "epoch": 2.6575028636884306,
3270
+ "grad_norm": 0.5124524380744641,
3271
+ "learning_rate": 5e-06,
3272
+ "loss": 0.3253,
3273
+ "step": 4640
3274
+ },
3275
+ {
3276
+ "epoch": 2.663230240549828,
3277
+ "grad_norm": 0.5060206463796821,
3278
+ "learning_rate": 5e-06,
3279
+ "loss": 0.3173,
3280
+ "step": 4650
3281
+ },
3282
+ {
3283
+ "epoch": 2.6689576174112255,
3284
+ "grad_norm": 0.5162650933726732,
3285
+ "learning_rate": 5e-06,
3286
+ "loss": 0.3198,
3287
+ "step": 4660
3288
+ },
3289
+ {
3290
+ "epoch": 2.6746849942726234,
3291
+ "grad_norm": 0.524408740926564,
3292
+ "learning_rate": 5e-06,
3293
+ "loss": 0.3302,
3294
+ "step": 4670
3295
+ },
3296
+ {
3297
+ "epoch": 2.680412371134021,
3298
+ "grad_norm": 0.5146510600522526,
3299
+ "learning_rate": 5e-06,
3300
+ "loss": 0.3234,
3301
+ "step": 4680
3302
+ },
3303
+ {
3304
+ "epoch": 2.6861397479954183,
3305
+ "grad_norm": 0.5092928068009863,
3306
+ "learning_rate": 5e-06,
3307
+ "loss": 0.322,
3308
+ "step": 4690
3309
+ },
3310
+ {
3311
+ "epoch": 2.691867124856816,
3312
+ "grad_norm": 0.5757942628503555,
3313
+ "learning_rate": 5e-06,
3314
+ "loss": 0.3117,
3315
+ "step": 4700
3316
+ },
3317
+ {
3318
+ "epoch": 2.6975945017182132,
3319
+ "grad_norm": 0.4889008213010037,
3320
+ "learning_rate": 5e-06,
3321
+ "loss": 0.3231,
3322
+ "step": 4710
3323
+ },
3324
+ {
3325
+ "epoch": 2.7033218785796107,
3326
+ "grad_norm": 0.5302974244163768,
3327
+ "learning_rate": 5e-06,
3328
+ "loss": 0.3178,
3329
+ "step": 4720
3330
+ },
3331
+ {
3332
+ "epoch": 2.709049255441008,
3333
+ "grad_norm": 0.52479839402123,
3334
+ "learning_rate": 5e-06,
3335
+ "loss": 0.3217,
3336
+ "step": 4730
3337
+ },
3338
+ {
3339
+ "epoch": 2.7147766323024056,
3340
+ "grad_norm": 0.5039321357679906,
3341
+ "learning_rate": 5e-06,
3342
+ "loss": 0.3257,
3343
+ "step": 4740
3344
+ },
3345
+ {
3346
+ "epoch": 2.720504009163803,
3347
+ "grad_norm": 0.5101102471452367,
3348
+ "learning_rate": 5e-06,
3349
+ "loss": 0.3222,
3350
+ "step": 4750
3351
+ },
3352
+ {
3353
+ "epoch": 2.7262313860252005,
3354
+ "grad_norm": 0.5430506058097,
3355
+ "learning_rate": 5e-06,
3356
+ "loss": 0.319,
3357
+ "step": 4760
3358
+ },
3359
+ {
3360
+ "epoch": 2.731958762886598,
3361
+ "grad_norm": 0.5355617323855306,
3362
+ "learning_rate": 5e-06,
3363
+ "loss": 0.3269,
3364
+ "step": 4770
3365
+ },
3366
+ {
3367
+ "epoch": 2.7376861397479955,
3368
+ "grad_norm": 0.4986561926249133,
3369
+ "learning_rate": 5e-06,
3370
+ "loss": 0.3149,
3371
+ "step": 4780
3372
+ },
3373
+ {
3374
+ "epoch": 2.743413516609393,
3375
+ "grad_norm": 0.5053547200537913,
3376
+ "learning_rate": 5e-06,
3377
+ "loss": 0.3308,
3378
+ "step": 4790
3379
+ },
3380
+ {
3381
+ "epoch": 2.7491408934707904,
3382
+ "grad_norm": 0.48632254517347523,
3383
+ "learning_rate": 5e-06,
3384
+ "loss": 0.3185,
3385
+ "step": 4800
3386
+ },
3387
+ {
3388
+ "epoch": 2.754868270332188,
3389
+ "grad_norm": 0.486358386605019,
3390
+ "learning_rate": 5e-06,
3391
+ "loss": 0.3103,
3392
+ "step": 4810
3393
+ },
3394
+ {
3395
+ "epoch": 2.7605956471935853,
3396
+ "grad_norm": 0.5374470855558577,
3397
+ "learning_rate": 5e-06,
3398
+ "loss": 0.3298,
3399
+ "step": 4820
3400
+ },
3401
+ {
3402
+ "epoch": 2.7663230240549828,
3403
+ "grad_norm": 0.5153628917876052,
3404
+ "learning_rate": 5e-06,
3405
+ "loss": 0.3233,
3406
+ "step": 4830
3407
+ },
3408
+ {
3409
+ "epoch": 2.77205040091638,
3410
+ "grad_norm": 0.5054154722646462,
3411
+ "learning_rate": 5e-06,
3412
+ "loss": 0.3275,
3413
+ "step": 4840
3414
+ },
3415
+ {
3416
+ "epoch": 2.7777777777777777,
3417
+ "grad_norm": 0.5149761064711591,
3418
+ "learning_rate": 5e-06,
3419
+ "loss": 0.317,
3420
+ "step": 4850
3421
+ },
3422
+ {
3423
+ "epoch": 2.783505154639175,
3424
+ "grad_norm": 0.5148931201825926,
3425
+ "learning_rate": 5e-06,
3426
+ "loss": 0.3233,
3427
+ "step": 4860
3428
+ },
3429
+ {
3430
+ "epoch": 2.7892325315005726,
3431
+ "grad_norm": 0.5191662793295072,
3432
+ "learning_rate": 5e-06,
3433
+ "loss": 0.3184,
3434
+ "step": 4870
3435
+ },
3436
+ {
3437
+ "epoch": 2.79495990836197,
3438
+ "grad_norm": 0.5675073234527983,
3439
+ "learning_rate": 5e-06,
3440
+ "loss": 0.3251,
3441
+ "step": 4880
3442
+ },
3443
+ {
3444
+ "epoch": 2.8006872852233675,
3445
+ "grad_norm": 0.5038525244128136,
3446
+ "learning_rate": 5e-06,
3447
+ "loss": 0.3232,
3448
+ "step": 4890
3449
+ },
3450
+ {
3451
+ "epoch": 2.806414662084765,
3452
+ "grad_norm": 0.4918634907852925,
3453
+ "learning_rate": 5e-06,
3454
+ "loss": 0.3175,
3455
+ "step": 4900
3456
+ },
3457
+ {
3458
+ "epoch": 2.8121420389461624,
3459
+ "grad_norm": 0.5284779685936459,
3460
+ "learning_rate": 5e-06,
3461
+ "loss": 0.3208,
3462
+ "step": 4910
3463
+ },
3464
+ {
3465
+ "epoch": 2.81786941580756,
3466
+ "grad_norm": 0.5108078870269828,
3467
+ "learning_rate": 5e-06,
3468
+ "loss": 0.3272,
3469
+ "step": 4920
3470
+ },
3471
+ {
3472
+ "epoch": 2.8235967926689574,
3473
+ "grad_norm": 0.4902747564813571,
3474
+ "learning_rate": 5e-06,
3475
+ "loss": 0.3257,
3476
+ "step": 4930
3477
+ },
3478
+ {
3479
+ "epoch": 2.8293241695303553,
3480
+ "grad_norm": 0.5030822928949704,
3481
+ "learning_rate": 5e-06,
3482
+ "loss": 0.32,
3483
+ "step": 4940
3484
+ },
3485
+ {
3486
+ "epoch": 2.8350515463917527,
3487
+ "grad_norm": 0.5272339203419648,
3488
+ "learning_rate": 5e-06,
3489
+ "loss": 0.3288,
3490
+ "step": 4950
3491
+ },
3492
+ {
3493
+ "epoch": 2.84077892325315,
3494
+ "grad_norm": 0.5340619443879843,
3495
+ "learning_rate": 5e-06,
3496
+ "loss": 0.3277,
3497
+ "step": 4960
3498
+ },
3499
+ {
3500
+ "epoch": 2.8465063001145476,
3501
+ "grad_norm": 0.5139875993534403,
3502
+ "learning_rate": 5e-06,
3503
+ "loss": 0.3167,
3504
+ "step": 4970
3505
+ },
3506
+ {
3507
+ "epoch": 2.852233676975945,
3508
+ "grad_norm": 0.5197113622112696,
3509
+ "learning_rate": 5e-06,
3510
+ "loss": 0.3221,
3511
+ "step": 4980
3512
+ },
3513
+ {
3514
+ "epoch": 2.8579610538373426,
3515
+ "grad_norm": 0.4932910708419312,
3516
+ "learning_rate": 5e-06,
3517
+ "loss": 0.319,
3518
+ "step": 4990
3519
+ },
3520
+ {
3521
+ "epoch": 2.86368843069874,
3522
+ "grad_norm": 0.48961874681440903,
3523
+ "learning_rate": 5e-06,
3524
+ "loss": 0.3216,
3525
+ "step": 5000
3526
+ },
3527
+ {
3528
+ "epoch": 2.8694158075601375,
3529
+ "grad_norm": 0.5306801859906654,
3530
+ "learning_rate": 5e-06,
3531
+ "loss": 0.3294,
3532
+ "step": 5010
3533
+ },
3534
+ {
3535
+ "epoch": 2.875143184421535,
3536
+ "grad_norm": 0.5245022306778138,
3537
+ "learning_rate": 5e-06,
3538
+ "loss": 0.3238,
3539
+ "step": 5020
3540
+ },
3541
+ {
3542
+ "epoch": 2.8808705612829324,
3543
+ "grad_norm": 0.5294236720116192,
3544
+ "learning_rate": 5e-06,
3545
+ "loss": 0.3172,
3546
+ "step": 5030
3547
+ },
3548
+ {
3549
+ "epoch": 2.88659793814433,
3550
+ "grad_norm": 0.49805002487820915,
3551
+ "learning_rate": 5e-06,
3552
+ "loss": 0.3154,
3553
+ "step": 5040
3554
+ },
3555
+ {
3556
+ "epoch": 2.8923253150057273,
3557
+ "grad_norm": 0.5118585995041246,
3558
+ "learning_rate": 5e-06,
3559
+ "loss": 0.3264,
3560
+ "step": 5050
3561
+ },
3562
+ {
3563
+ "epoch": 2.8980526918671248,
3564
+ "grad_norm": 0.4778628715181792,
3565
+ "learning_rate": 5e-06,
3566
+ "loss": 0.3215,
3567
+ "step": 5060
3568
+ },
3569
+ {
3570
+ "epoch": 2.9037800687285222,
3571
+ "grad_norm": 0.502141421148047,
3572
+ "learning_rate": 5e-06,
3573
+ "loss": 0.3195,
3574
+ "step": 5070
3575
+ },
3576
+ {
3577
+ "epoch": 2.9095074455899197,
3578
+ "grad_norm": 0.5216144225169003,
3579
+ "learning_rate": 5e-06,
3580
+ "loss": 0.322,
3581
+ "step": 5080
3582
+ },
3583
+ {
3584
+ "epoch": 2.915234822451317,
3585
+ "grad_norm": 0.5061317551186302,
3586
+ "learning_rate": 5e-06,
3587
+ "loss": 0.3181,
3588
+ "step": 5090
3589
+ },
3590
+ {
3591
+ "epoch": 2.9209621993127146,
3592
+ "grad_norm": 0.5258296449599809,
3593
+ "learning_rate": 5e-06,
3594
+ "loss": 0.3196,
3595
+ "step": 5100
3596
+ },
3597
+ {
3598
+ "epoch": 2.9266895761741125,
3599
+ "grad_norm": 0.5205129759914494,
3600
+ "learning_rate": 5e-06,
3601
+ "loss": 0.3298,
3602
+ "step": 5110
3603
+ },
3604
+ {
3605
+ "epoch": 2.93241695303551,
3606
+ "grad_norm": 0.5441889203090563,
3607
+ "learning_rate": 5e-06,
3608
+ "loss": 0.3247,
3609
+ "step": 5120
3610
+ },
3611
+ {
3612
+ "epoch": 2.9381443298969074,
3613
+ "grad_norm": 0.5039522474134192,
3614
+ "learning_rate": 5e-06,
3615
+ "loss": 0.3181,
3616
+ "step": 5130
3617
+ },
3618
+ {
3619
+ "epoch": 2.943871706758305,
3620
+ "grad_norm": 0.5232711939948509,
3621
+ "learning_rate": 5e-06,
3622
+ "loss": 0.3196,
3623
+ "step": 5140
3624
+ },
3625
+ {
3626
+ "epoch": 2.9495990836197024,
3627
+ "grad_norm": 0.5119250727874893,
3628
+ "learning_rate": 5e-06,
3629
+ "loss": 0.3131,
3630
+ "step": 5150
3631
+ },
3632
+ {
3633
+ "epoch": 2.9553264604811,
3634
+ "grad_norm": 0.5050585849003654,
3635
+ "learning_rate": 5e-06,
3636
+ "loss": 0.3248,
3637
+ "step": 5160
3638
+ },
3639
+ {
3640
+ "epoch": 2.9610538373424973,
3641
+ "grad_norm": 0.5164002352592711,
3642
+ "learning_rate": 5e-06,
3643
+ "loss": 0.32,
3644
+ "step": 5170
3645
+ },
3646
+ {
3647
+ "epoch": 2.9667812142038947,
3648
+ "grad_norm": 0.5133798037929324,
3649
+ "learning_rate": 5e-06,
3650
+ "loss": 0.3185,
3651
+ "step": 5180
3652
+ },
3653
+ {
3654
+ "epoch": 2.972508591065292,
3655
+ "grad_norm": 0.5131629955273521,
3656
+ "learning_rate": 5e-06,
3657
+ "loss": 0.3169,
3658
+ "step": 5190
3659
+ },
3660
+ {
3661
+ "epoch": 2.9782359679266897,
3662
+ "grad_norm": 0.5354127604897547,
3663
+ "learning_rate": 5e-06,
3664
+ "loss": 0.3265,
3665
+ "step": 5200
3666
+ },
3667
+ {
3668
+ "epoch": 2.983963344788087,
3669
+ "grad_norm": 0.486875785468725,
3670
+ "learning_rate": 5e-06,
3671
+ "loss": 0.3185,
3672
+ "step": 5210
3673
+ },
3674
+ {
3675
+ "epoch": 2.9896907216494846,
3676
+ "grad_norm": 0.524969500670149,
3677
+ "learning_rate": 5e-06,
3678
+ "loss": 0.3161,
3679
+ "step": 5220
3680
+ },
3681
+ {
3682
+ "epoch": 2.995418098510882,
3683
+ "grad_norm": 0.5109832301608017,
3684
+ "learning_rate": 5e-06,
3685
+ "loss": 0.3268,
3686
+ "step": 5230
3687
+ },
3688
+ {
3689
+ "epoch": 3.0,
3690
+ "eval_loss": 0.42792943120002747,
3691
+ "eval_runtime": 443.2838,
3692
+ "eval_samples_per_second": 26.534,
3693
+ "eval_steps_per_second": 0.415,
3694
+ "step": 5238
3695
+ },
3696
+ {
3697
+ "epoch": 3.0,
3698
+ "step": 5238,
3699
+ "total_flos": 2745782658662400.0,
3700
+ "train_loss": 0.3825414228548572,
3701
+ "train_runtime": 71090.721,
3702
+ "train_samples_per_second": 9.431,
3703
+ "train_steps_per_second": 0.074
3704
+ }
3705
+ ],
3706
+ "logging_steps": 10,
3707
+ "max_steps": 5238,
3708
+ "num_input_tokens_seen": 0,
3709
+ "num_train_epochs": 3,
3710
+ "save_steps": 500,
3711
+ "stateful_callbacks": {
3712
+ "TrainerControl": {
3713
+ "args": {
3714
+ "should_epoch_stop": false,
3715
+ "should_evaluate": false,
3716
+ "should_log": false,
3717
+ "should_save": true,
3718
+ "should_training_stop": true
3719
+ },
3720
+ "attributes": {}
3721
+ }
3722
+ },
3723
+ "total_flos": 2745782658662400.0,
3724
+ "train_batch_size": 8,
3725
+ "trial_name": null,
3726
+ "trial_params": null
3727
+ }
training_eval_loss.png ADDED
training_loss.png ADDED