{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.6101083032490973,
  "eval_steps": 500,
  "global_step": 1000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.036101083032490974,
      "grad_norm": 0.8792149424552917,
      "learning_rate": 6.000000000000001e-07,
      "loss": 1.1882,
      "step": 10
    },
    {
      "epoch": 0.07220216606498195,
      "grad_norm": 0.7292852997779846,
      "learning_rate": 1.2666666666666667e-06,
      "loss": 1.183,
      "step": 20
    },
    {
      "epoch": 0.10830324909747292,
      "grad_norm": 0.6755103468894958,
      "learning_rate": 1.9333333333333336e-06,
      "loss": 1.172,
      "step": 30
    },
    {
      "epoch": 0.1444043321299639,
      "grad_norm": 0.5594439506530762,
      "learning_rate": 2.6e-06,
      "loss": 1.1539,
      "step": 40
    },
    {
      "epoch": 0.18050541516245489,
      "grad_norm": 0.5405519008636475,
      "learning_rate": 3.2666666666666666e-06,
      "loss": 1.1356,
      "step": 50
    },
    {
      "epoch": 0.21660649819494585,
      "grad_norm": 0.5031427145004272,
      "learning_rate": 3.9333333333333335e-06,
      "loss": 1.1221,
      "step": 60
    },
    {
      "epoch": 0.2527075812274368,
      "grad_norm": 0.502995491027832,
      "learning_rate": 4.6e-06,
      "loss": 1.1053,
      "step": 70
    },
    {
      "epoch": 0.2888086642599278,
      "grad_norm": 0.46390628814697266,
      "learning_rate": 5.266666666666667e-06,
      "loss": 1.0908,
      "step": 80
    },
    {
      "epoch": 0.3249097472924188,
      "grad_norm": 0.39707711338996887,
      "learning_rate": 5.933333333333334e-06,
      "loss": 1.0768,
      "step": 90
    },
    {
      "epoch": 0.36101083032490977,
      "grad_norm": 0.2680375277996063,
      "learning_rate": 6.6e-06,
      "loss": 1.0651,
      "step": 100
    },
    {
      "epoch": 0.3971119133574007,
      "grad_norm": 0.20656010508537292,
      "learning_rate": 7.266666666666668e-06,
      "loss": 1.0499,
      "step": 110
    },
    {
      "epoch": 0.4332129963898917,
      "grad_norm": 0.2176329642534256,
      "learning_rate": 7.933333333333334e-06,
      "loss": 1.04,
      "step": 120
    },
    {
      "epoch": 0.4693140794223827,
      "grad_norm": 0.1952984780073166,
      "learning_rate": 8.599999999999999e-06,
      "loss": 1.0314,
      "step": 130
    },
    {
      "epoch": 0.5054151624548736,
      "grad_norm": 0.17900057137012482,
      "learning_rate": 9.266666666666667e-06,
      "loss": 1.023,
      "step": 140
    },
    {
      "epoch": 0.5415162454873647,
      "grad_norm": 0.15559467673301697,
      "learning_rate": 9.933333333333334e-06,
      "loss": 1.0192,
      "step": 150
    },
    {
      "epoch": 0.5776173285198556,
      "grad_norm": 0.1702832281589508,
      "learning_rate": 1.06e-05,
      "loss": 1.0109,
      "step": 160
    },
    {
      "epoch": 0.6137184115523465,
      "grad_norm": 0.19487395882606506,
      "learning_rate": 1.1266666666666667e-05,
      "loss": 1.008,
      "step": 170
    },
    {
      "epoch": 0.6498194945848376,
      "grad_norm": 0.16858609020709991,
      "learning_rate": 1.1933333333333333e-05,
      "loss": 1.0011,
      "step": 180
    },
    {
      "epoch": 0.6859205776173285,
      "grad_norm": 0.2135946899652481,
      "learning_rate": 1.2600000000000001e-05,
      "loss": 0.9937,
      "step": 190
    },
    {
      "epoch": 0.7220216606498195,
      "grad_norm": 0.23672480881214142,
      "learning_rate": 1.3266666666666666e-05,
      "loss": 0.9848,
      "step": 200
    },
    {
      "epoch": 0.7581227436823105,
      "grad_norm": 0.36581552028656006,
      "learning_rate": 1.3933333333333334e-05,
      "loss": 0.9661,
      "step": 210
    },
    {
      "epoch": 0.7942238267148014,
      "grad_norm": 0.5021904110908508,
      "learning_rate": 1.4599999999999999e-05,
      "loss": 0.9308,
      "step": 220
    },
    {
      "epoch": 0.8303249097472925,
      "grad_norm": 0.9705759882926941,
      "learning_rate": 1.5266666666666667e-05,
      "loss": 0.8545,
      "step": 230
    },
    {
      "epoch": 0.8664259927797834,
      "grad_norm": 1.263683557510376,
      "learning_rate": 1.5933333333333332e-05,
      "loss": 0.7534,
      "step": 240
    },
    {
      "epoch": 0.9025270758122743,
      "grad_norm": 1.0056917667388916,
      "learning_rate": 1.66e-05,
      "loss": 0.669,
      "step": 250
    },
    {
      "epoch": 0.9386281588447654,
      "grad_norm": 1.5650357007980347,
      "learning_rate": 1.726666666666667e-05,
      "loss": 0.595,
      "step": 260
    },
    {
      "epoch": 0.9747292418772563,
      "grad_norm": 1.4451838731765747,
      "learning_rate": 1.7933333333333337e-05,
      "loss": 0.5332,
      "step": 270
    },
    {
      "epoch": 1.0108303249097472,
      "grad_norm": 1.5739387273788452,
      "learning_rate": 1.86e-05,
      "loss": 0.4718,
      "step": 280
    },
    {
      "epoch": 1.0469314079422383,
      "grad_norm": 1.5814650058746338,
      "learning_rate": 1.926666666666667e-05,
      "loss": 0.4245,
      "step": 290
    },
    {
      "epoch": 1.0830324909747293,
      "grad_norm": 1.677675485610962,
      "learning_rate": 1.9933333333333334e-05,
      "loss": 0.3778,
      "step": 300
    },
    {
      "epoch": 1.1191335740072201,
      "grad_norm": 1.9410228729248047,
      "learning_rate": 2.06e-05,
      "loss": 0.3371,
      "step": 310
    },
    {
      "epoch": 1.1552346570397112,
      "grad_norm": 1.7728365659713745,
      "learning_rate": 2.1266666666666667e-05,
      "loss": 0.3061,
      "step": 320
    },
    {
      "epoch": 1.1913357400722022,
      "grad_norm": 1.5503789186477661,
      "learning_rate": 2.1933333333333332e-05,
      "loss": 0.2825,
      "step": 330
    },
    {
      "epoch": 1.2274368231046933,
      "grad_norm": 1.77287757396698,
      "learning_rate": 2.26e-05,
      "loss": 0.2613,
      "step": 340
    },
    {
      "epoch": 1.263537906137184,
      "grad_norm": 1.6768401861190796,
      "learning_rate": 2.326666666666667e-05,
      "loss": 0.2476,
      "step": 350
    },
    {
      "epoch": 1.2996389891696751,
      "grad_norm": 1.5678222179412842,
      "learning_rate": 2.3933333333333337e-05,
      "loss": 0.2395,
      "step": 360
    },
    {
      "epoch": 1.335740072202166,
      "grad_norm": 1.7035478353500366,
      "learning_rate": 2.46e-05,
      "loss": 0.2336,
      "step": 370
    },
    {
      "epoch": 1.371841155234657,
      "grad_norm": 1.7723883390426636,
      "learning_rate": 2.5266666666666666e-05,
      "loss": 0.2269,
      "step": 380
    },
    {
      "epoch": 1.407942238267148,
      "grad_norm": 1.5948989391326904,
      "learning_rate": 2.5933333333333338e-05,
      "loss": 0.224,
      "step": 390
    },
    {
      "epoch": 1.444043321299639,
      "grad_norm": 2.1878089904785156,
      "learning_rate": 2.6600000000000003e-05,
      "loss": 0.2185,
      "step": 400
    },
    {
      "epoch": 1.48014440433213,
      "grad_norm": 1.9472143650054932,
      "learning_rate": 2.7266666666666668e-05,
      "loss": 0.2148,
      "step": 410
    },
    {
      "epoch": 1.516245487364621,
      "grad_norm": 2.4479265213012695,
      "learning_rate": 2.7933333333333332e-05,
      "loss": 0.215,
      "step": 420
    },
    {
      "epoch": 1.5523465703971118,
      "grad_norm": 1.6668602228164673,
      "learning_rate": 2.86e-05,
      "loss": 0.2156,
      "step": 430
    },
    {
      "epoch": 1.5884476534296028,
      "grad_norm": 2.297792434692383,
      "learning_rate": 2.926666666666667e-05,
      "loss": 0.2131,
      "step": 440
    },
    {
      "epoch": 1.6245487364620939,
      "grad_norm": 1.9421613216400146,
      "learning_rate": 2.9933333333333337e-05,
      "loss": 0.2136,
      "step": 450
    },
    {
      "epoch": 1.660649819494585,
      "grad_norm": 2.2717418670654297,
      "learning_rate": 3.06e-05,
      "loss": 0.2093,
      "step": 460
    },
    {
      "epoch": 1.696750902527076,
      "grad_norm": 2.1423869132995605,
      "learning_rate": 3.126666666666666e-05,
      "loss": 0.2094,
      "step": 470
    },
    {
      "epoch": 1.7328519855595668,
      "grad_norm": 2.2144198417663574,
      "learning_rate": 3.1933333333333335e-05,
      "loss": 0.2092,
      "step": 480
    },
    {
      "epoch": 1.7689530685920578,
      "grad_norm": 1.9322779178619385,
      "learning_rate": 3.26e-05,
      "loss": 0.2064,
      "step": 490
    },
    {
      "epoch": 1.8050541516245486,
      "grad_norm": 1.9350993633270264,
      "learning_rate": 3.326666666666667e-05,
      "loss": 0.2077,
      "step": 500
    },
    {
      "epoch": 1.8411552346570397,
      "grad_norm": 1.7844723463058472,
      "learning_rate": 3.3933333333333336e-05,
      "loss": 0.2067,
      "step": 510
    },
    {
      "epoch": 1.8772563176895307,
      "grad_norm": 2.405451774597168,
      "learning_rate": 3.46e-05,
      "loss": 0.2026,
      "step": 520
    },
    {
      "epoch": 1.9133574007220218,
      "grad_norm": 2.382427453994751,
      "learning_rate": 3.526666666666667e-05,
      "loss": 0.2004,
      "step": 530
    },
    {
      "epoch": 1.9494584837545126,
      "grad_norm": 2.5038397312164307,
      "learning_rate": 3.593333333333334e-05,
      "loss": 0.2034,
      "step": 540
    },
    {
      "epoch": 1.9855595667870036,
      "grad_norm": 2.2127082347869873,
      "learning_rate": 3.66e-05,
      "loss": 0.2005,
      "step": 550
    },
    {
      "epoch": 2.0216606498194944,
      "grad_norm": 2.9056589603424072,
      "learning_rate": 3.726666666666667e-05,
      "loss": 0.1995,
      "step": 560
    },
    {
      "epoch": 2.0577617328519855,
      "grad_norm": 2.2383415699005127,
      "learning_rate": 3.793333333333334e-05,
      "loss": 0.2031,
      "step": 570
    },
    {
      "epoch": 2.0938628158844765,
      "grad_norm": 1.9492878913879395,
      "learning_rate": 3.86e-05,
      "loss": 0.1991,
      "step": 580
    },
    {
      "epoch": 2.1299638989169676,
      "grad_norm": 1.8478870391845703,
      "learning_rate": 3.926666666666667e-05,
      "loss": 0.1993,
      "step": 590
    },
    {
      "epoch": 2.1660649819494586,
      "grad_norm": 2.0714190006256104,
      "learning_rate": 3.993333333333333e-05,
      "loss": 0.1977,
      "step": 600
    },
    {
      "epoch": 2.2021660649819497,
      "grad_norm": 2.0085227489471436,
      "learning_rate": 4.0600000000000004e-05,
      "loss": 0.1949,
      "step": 610
    },
    {
      "epoch": 2.2382671480144403,
      "grad_norm": 2.1462786197662354,
      "learning_rate": 4.126666666666667e-05,
      "loss": 0.1955,
      "step": 620
    },
    {
      "epoch": 2.2743682310469313,
      "grad_norm": 1.9504297971725464,
      "learning_rate": 4.1933333333333334e-05,
      "loss": 0.1932,
      "step": 630
    },
    {
      "epoch": 2.3104693140794224,
      "grad_norm": 2.304089069366455,
      "learning_rate": 4.26e-05,
      "loss": 0.1935,
      "step": 640
    },
    {
      "epoch": 2.3465703971119134,
      "grad_norm": 2.4123048782348633,
      "learning_rate": 4.3266666666666664e-05,
      "loss": 0.1911,
      "step": 650
    },
    {
      "epoch": 2.3826714801444044,
      "grad_norm": 2.5345194339752197,
      "learning_rate": 4.3933333333333335e-05,
      "loss": 0.1861,
      "step": 660
    },
    {
      "epoch": 2.4187725631768955,
      "grad_norm": 2.2014682292938232,
      "learning_rate": 4.46e-05,
      "loss": 0.1887,
      "step": 670
    },
    {
      "epoch": 2.4548736462093865,
      "grad_norm": 2.7363312244415283,
      "learning_rate": 4.526666666666667e-05,
      "loss": 0.1826,
      "step": 680
    },
    {
      "epoch": 2.490974729241877,
      "grad_norm": 2.445457935333252,
      "learning_rate": 4.5933333333333336e-05,
      "loss": 0.1782,
      "step": 690
    },
    {
      "epoch": 2.527075812274368,
      "grad_norm": 3.096940279006958,
      "learning_rate": 4.660000000000001e-05,
      "loss": 0.1719,
      "step": 700
    },
    {
      "epoch": 2.563176895306859,
      "grad_norm": 3.281512498855591,
      "learning_rate": 4.726666666666667e-05,
      "loss": 0.168,
      "step": 710
    },
    {
      "epoch": 2.5992779783393503,
      "grad_norm": 3.32570743560791,
      "learning_rate": 4.793333333333334e-05,
      "loss": 0.1634,
      "step": 720
    },
    {
      "epoch": 2.6353790613718413,
      "grad_norm": 2.5920348167419434,
      "learning_rate": 4.86e-05,
      "loss": 0.1641,
      "step": 730
    },
    {
      "epoch": 2.671480144404332,
      "grad_norm": 3.0771641731262207,
      "learning_rate": 4.926666666666667e-05,
      "loss": 0.1589,
      "step": 740
    },
    {
      "epoch": 2.707581227436823,
      "grad_norm": 3.3847527503967285,
      "learning_rate": 4.993333333333334e-05,
      "loss": 0.1588,
      "step": 750
    },
    {
      "epoch": 2.743682310469314,
      "grad_norm": 3.3967106342315674,
      "learning_rate": 5.0600000000000003e-05,
      "loss": 0.1537,
      "step": 760
    },
    {
      "epoch": 2.779783393501805,
      "grad_norm": 3.562208652496338,
      "learning_rate": 5.1266666666666675e-05,
      "loss": 0.1518,
      "step": 770
    },
    {
      "epoch": 2.815884476534296,
      "grad_norm": 4.249292850494385,
      "learning_rate": 5.193333333333333e-05,
      "loss": 0.1517,
      "step": 780
    },
    {
      "epoch": 2.851985559566787,
      "grad_norm": 3.7535207271575928,
      "learning_rate": 5.2600000000000005e-05,
      "loss": 0.1489,
      "step": 790
    },
    {
      "epoch": 2.888086642599278,
      "grad_norm": 4.374902248382568,
      "learning_rate": 5.326666666666666e-05,
      "loss": 0.1449,
      "step": 800
    },
    {
      "epoch": 2.9241877256317688,
      "grad_norm": 3.9763412475585938,
      "learning_rate": 5.3933333333333334e-05,
      "loss": 0.1359,
      "step": 810
    },
    {
      "epoch": 2.96028880866426,
      "grad_norm": 3.976372241973877,
      "learning_rate": 5.4600000000000006e-05,
      "loss": 0.1327,
      "step": 820
    },
    {
      "epoch": 2.996389891696751,
      "grad_norm": 2.532400131225586,
      "learning_rate": 5.5266666666666664e-05,
      "loss": 0.1238,
      "step": 830
    },
    {
      "epoch": 3.032490974729242,
      "grad_norm": 7.225079536437988,
      "learning_rate": 5.5933333333333335e-05,
      "loss": 0.1338,
      "step": 840
    },
    {
      "epoch": 3.068592057761733,
      "grad_norm": 3.196591854095459,
      "learning_rate": 5.66e-05,
      "loss": 0.1232,
      "step": 850
    },
    {
      "epoch": 3.104693140794224,
      "grad_norm": 4.404566764831543,
      "learning_rate": 5.726666666666667e-05,
      "loss": 0.1137,
      "step": 860
    },
    {
      "epoch": 3.140794223826715,
      "grad_norm": 5.581392765045166,
      "learning_rate": 5.7933333333333337e-05,
      "loss": 0.1121,
      "step": 870
    },
    {
      "epoch": 3.1768953068592056,
      "grad_norm": 4.208507061004639,
      "learning_rate": 5.86e-05,
      "loss": 0.1147,
      "step": 880
    },
    {
      "epoch": 3.2129963898916967,
      "grad_norm": 4.072608947753906,
      "learning_rate": 5.926666666666667e-05,
      "loss": 0.1048,
      "step": 890
    },
    {
      "epoch": 3.2490974729241877,
      "grad_norm": 6.415537357330322,
      "learning_rate": 5.9933333333333345e-05,
      "loss": 0.1023,
      "step": 900
    },
    {
      "epoch": 3.2851985559566788,
      "grad_norm": 5.0296854972839355,
      "learning_rate": 6.06e-05,
      "loss": 0.0996,
      "step": 910
    },
    {
      "epoch": 3.32129963898917,
      "grad_norm": 3.894113779067993,
      "learning_rate": 6.126666666666667e-05,
      "loss": 0.0899,
      "step": 920
    },
    {
      "epoch": 3.357400722021661,
      "grad_norm": 4.2843017578125,
      "learning_rate": 6.193333333333333e-05,
      "loss": 0.0829,
      "step": 930
    },
    {
      "epoch": 3.3935018050541514,
      "grad_norm": 7.592728614807129,
      "learning_rate": 6.26e-05,
      "loss": 0.0781,
      "step": 940
    },
    {
      "epoch": 3.4296028880866425,
      "grad_norm": 5.444018840789795,
      "learning_rate": 6.326666666666667e-05,
      "loss": 0.0922,
      "step": 950
    },
    {
      "epoch": 3.4657039711191335,
      "grad_norm": 4.786616802215576,
      "learning_rate": 6.393333333333333e-05,
      "loss": 0.0789,
      "step": 960
    },
    {
      "epoch": 3.5018050541516246,
      "grad_norm": 3.325745105743408,
      "learning_rate": 6.460000000000001e-05,
      "loss": 0.0673,
      "step": 970
    },
    {
      "epoch": 3.5379061371841156,
      "grad_norm": 3.444308280944824,
      "learning_rate": 6.526666666666666e-05,
      "loss": 0.063,
      "step": 980
    },
    {
      "epoch": 3.5740072202166067,
      "grad_norm": 4.334812641143799,
      "learning_rate": 6.593333333333334e-05,
      "loss": 0.0629,
      "step": 990
    },
    {
      "epoch": 3.6101083032490973,
      "grad_norm": 3.642155647277832,
      "learning_rate": 6.66e-05,
      "loss": 0.0584,
      "step": 1000
    }
  ],
  "logging_steps": 10,
  "max_steps": 30000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 109,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 0.0,
  "train_batch_size": 128,
  "trial_name": null,
  "trial_params": null
}