Hugging Face's logo

MgGladys
/
SAS_7B_Classifier

Safetensors
Model card Files
xet
 Community
MgGladys commited on
Commit
7bcff03
·
verified ·
1 Parent(s): 07afa9a

Add files using upload-large-folder tool

Browse files
This view is limited to 50 files because it contains too many changes.   See raw diff
Files changed (50) hide show
  1. .gitattributes +6 -0
  2. checkpoint-100/rng_state.pth +3 -0
  3. checkpoint-100/scheduler.pt +3 -0
  4. checkpoint-100/training_args.bin +3 -0
  5. checkpoint-1000/rng_state.pth +3 -0
  6. checkpoint-1000/training_args.bin +3 -0
  7. checkpoint-200/added_tokens.json +24 -0
  8. checkpoint-200/chat_template.jinja +7 -0
  9. checkpoint-200/merges.txt +0 -0
  10. checkpoint-200/model.safetensors +3 -0
  11. checkpoint-200/optimizer.pt +3 -0
  12. checkpoint-200/preprocessor_config.json +29 -0
  13. checkpoint-200/rng_state.pth +3 -0
  14. checkpoint-200/scheduler.pt +3 -0
  15. checkpoint-200/special_tokens_map.json +31 -0
  16. checkpoint-200/tokenizer.json +3 -0
  17. checkpoint-200/tokenizer_config.json +208 -0
  18. checkpoint-200/trainer_state.json +1434 -0
  19. checkpoint-200/training_args.bin +3 -0
  20. checkpoint-200/vocab.json +0 -0
  21. checkpoint-300/added_tokens.json +24 -0
  22. checkpoint-300/chat_template.jinja +7 -0
  23. checkpoint-300/merges.txt +0 -0
  24. checkpoint-300/model.safetensors +3 -0
  25. checkpoint-300/optimizer.pt +3 -0
  26. checkpoint-300/preprocessor_config.json +29 -0
  27. checkpoint-300/rng_state.pth +3 -0
  28. checkpoint-300/scheduler.pt +3 -0
  29. checkpoint-300/special_tokens_map.json +31 -0
  30. checkpoint-300/tokenizer.json +3 -0
  31. checkpoint-300/tokenizer_config.json +208 -0
  32. checkpoint-300/trainer_state.json +2134 -0
  33. checkpoint-300/training_args.bin +3 -0
  34. checkpoint-300/vocab.json +0 -0
  35. checkpoint-400/added_tokens.json +24 -0
  36. checkpoint-400/chat_template.jinja +7 -0
  37. checkpoint-400/merges.txt +0 -0
  38. checkpoint-400/model.safetensors +3 -0
  39. checkpoint-400/optimizer.pt +3 -0
  40. checkpoint-400/preprocessor_config.json +29 -0
  41. checkpoint-400/scheduler.pt +3 -0
  42. checkpoint-400/special_tokens_map.json +31 -0
  43. checkpoint-400/tokenizer.json +3 -0
  44. checkpoint-400/tokenizer_config.json +208 -0
  45. checkpoint-400/trainer_state.json +2834 -0
  46. checkpoint-400/vocab.json +0 -0
  47. checkpoint-500/merges.txt +0 -0
  48. checkpoint-500/tokenizer.json +3 -0
  49. checkpoint-500/vocab.json +0 -0
  50. checkpoint-600/added_tokens.json +24 -0
.gitattributes CHANGED
@@ -33,3 +33,9 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
 
 
 
 
 
 
 
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
36
+ checkpoint-500/tokenizer.json filter=lfs diff=lfs merge=lfs -text
37
+ checkpoint-300/tokenizer.json filter=lfs diff=lfs merge=lfs -text
38
+ checkpoint-800/tokenizer.json filter=lfs diff=lfs merge=lfs -text
39
+ checkpoint-600/tokenizer.json filter=lfs diff=lfs merge=lfs -text
40
+ checkpoint-200/tokenizer.json filter=lfs diff=lfs merge=lfs -text
41
+ checkpoint-400/tokenizer.json filter=lfs diff=lfs merge=lfs -text
checkpoint-100/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:f128e58608eb4e1f136160e2d7565d16396476050ff6d069ce6670d8d13d43bd
3
+ size 14645
checkpoint-100/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:3222e0bb19d7f9cf6eb8a496a9297573dc0b270b4c55c8e2eaa9443c5b18b442
3
+ size 1465
checkpoint-100/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:004527189128ad9f86554b0f384032fa8c4c91478964cf149c179071f96bf50a
3
+ size 6289
checkpoint-1000/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:e63e79316d282a810ce0ff83b6087314a51322d0f49e91f693bcdf1447be448a
3
+ size 14645
checkpoint-1000/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:004527189128ad9f86554b0f384032fa8c4c91478964cf149c179071f96bf50a
3
+ size 6289
checkpoint-200/added_tokens.json ADDED
@@ -0,0 +1,24 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "</tool_call>": 151658,
3
+ "<tool_call>": 151657,
4
+ "<|box_end|>": 151649,
5
+ "<|box_start|>": 151648,
6
+ "<|endoftext|>": 151643,
7
+ "<|file_sep|>": 151664,
8
+ "<|fim_middle|>": 151660,
9
+ "<|fim_pad|>": 151662,
10
+ "<|fim_prefix|>": 151659,
11
+ "<|fim_suffix|>": 151661,
12
+ "<|im_end|>": 151645,
13
+ "<|im_start|>": 151644,
14
+ "<|image_pad|>": 151655,
15
+ "<|object_ref_end|>": 151647,
16
+ "<|object_ref_start|>": 151646,
17
+ "<|quad_end|>": 151651,
18
+ "<|quad_start|>": 151650,
19
+ "<|repo_name|>": 151663,
20
+ "<|video_pad|>": 151656,
21
+ "<|vision_end|>": 151653,
22
+ "<|vision_pad|>": 151654,
23
+ "<|vision_start|>": 151652
24
+ }
checkpoint-200/chat_template.jinja ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {% set image_count = namespace(value=0) %}{% set video_count = namespace(value=0) %}{% for message in messages %}{% if loop.first and message['role'] != 'system' %}<|im_start|>system
2
+ You are a helpful assistant.<|im_end|>
3
+ {% endif %}<|im_start|>{{ message['role'] }}
4
+ {% if message['content'] is string %}{{ message['content'] }}<|im_end|>
5
+ {% else %}{% for content in message['content'] %}{% if content['type'] == 'image' or 'image' in content or 'image_url' in content %}{% set image_count.value = image_count.value + 1 %}{% if add_vision_id %}Picture {{ image_count.value }}: {% endif %}<|vision_start|><|image_pad|><|vision_end|>{% elif content['type'] == 'video' or 'video' in content %}{% set video_count.value = video_count.value + 1 %}{% if add_vision_id %}Video {{ video_count.value }}: {% endif %}<|vision_start|><|video_pad|><|vision_end|>{% elif 'text' in content %}{{ content['text'] }}{% endif %}{% endfor %}<|im_end|>
6
+ {% endif %}{% endfor %}{% if add_generation_prompt %}<|im_start|>assistant
7
+ {% endif %}
checkpoint-200/merges.txt ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-200/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1ddb1989e7c777e845ab853e85d2dae3d031a4f55465bbf484b9bc41a5e37bcb
3
+ size 1003852
checkpoint-200/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:2d7fb43e584d0eca965cd8a97e80c7cb516a3b93b7a3f8986dc0f585fb6b62bc
3
+ size 2019836
checkpoint-200/preprocessor_config.json ADDED
@@ -0,0 +1,29 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "do_convert_rgb": true,
3
+ "do_normalize": true,
4
+ "do_rescale": true,
5
+ "do_resize": true,
6
+ "image_mean": [
7
+ 0.48145466,
8
+ 0.4578275,
9
+ 0.40821073
10
+ ],
11
+ "image_processor_type": "Qwen2_5_VLImageProcessor",
12
+ "image_std": [
13
+ 0.26862954,
14
+ 0.26130258,
15
+ 0.27577711
16
+ ],
17
+ "max_pixels": 1003520,
18
+ "merge_size": 2,
19
+ "min_pixels": 3136,
20
+ "patch_size": 14,
21
+ "processor_class": "Qwen2_5_VLProcessor",
22
+ "resample": 3,
23
+ "rescale_factor": 0.00392156862745098,
24
+ "size": {
25
+ "max_pixels": 1003520,
26
+ "min_pixels": 3136
27
+ },
28
+ "temporal_patch_size": 2
29
+ }
checkpoint-200/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:222fc825955a4b313634dc5514da060205ad9cb082bd4c56e0bfb1208a802436
3
+ size 14645
checkpoint-200/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:cc4996496bbf363708baba32f39889a80aadbe5b598653714ed77f13a8eecaa5
3
+ size 1465
checkpoint-200/special_tokens_map.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "additional_special_tokens": [
3
+ "<|im_start|>",
4
+ "<|im_end|>",
5
+ "<|object_ref_start|>",
6
+ "<|object_ref_end|>",
7
+ "<|box_start|>",
8
+ "<|box_end|>",
9
+ "<|quad_start|>",
10
+ "<|quad_end|>",
11
+ "<|vision_start|>",
12
+ "<|vision_end|>",
13
+ "<|vision_pad|>",
14
+ "<|image_pad|>",
15
+ "<|video_pad|>"
16
+ ],
17
+ "eos_token": {
18
+ "content": "<|im_end|>",
19
+ "lstrip": false,
20
+ "normalized": false,
21
+ "rstrip": false,
22
+ "single_word": false
23
+ },
24
+ "pad_token": {
25
+ "content": "<|endoftext|>",
26
+ "lstrip": false,
27
+ "normalized": false,
28
+ "rstrip": false,
29
+ "single_word": false
30
+ }
31
+ }
checkpoint-200/tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9c5ae00e602b8860cbd784ba82a8aa14e8feecec692e7076590d014d7b7fdafa
3
+ size 11421896
checkpoint-200/tokenizer_config.json ADDED
@@ -0,0 +1,208 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": false,
3
+ "add_prefix_space": false,
4
+ "added_tokens_decoder": {
5
+ "151643": {
6
+ "content": "<|endoftext|>",
7
+ "lstrip": false,
8
+ "normalized": false,
9
+ "rstrip": false,
10
+ "single_word": false,
11
+ "special": true
12
+ },
13
+ "151644": {
14
+ "content": "<|im_start|>",
15
+ "lstrip": false,
16
+ "normalized": false,
17
+ "rstrip": false,
18
+ "single_word": false,
19
+ "special": true
20
+ },
21
+ "151645": {
22
+ "content": "<|im_end|>",
23
+ "lstrip": false,
24
+ "normalized": false,
25
+ "rstrip": false,
26
+ "single_word": false,
27
+ "special": true
28
+ },
29
+ "151646": {
30
+ "content": "<|object_ref_start|>",
31
+ "lstrip": false,
32
+ "normalized": false,
33
+ "rstrip": false,
34
+ "single_word": false,
35
+ "special": true
36
+ },
37
+ "151647": {
38
+ "content": "<|object_ref_end|>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false,
43
+ "special": true
44
+ },
45
+ "151648": {
46
+ "content": "<|box_start|>",
47
+ "lstrip": false,
48
+ "normalized": false,
49
+ "rstrip": false,
50
+ "single_word": false,
51
+ "special": true
52
+ },
53
+ "151649": {
54
+ "content": "<|box_end|>",
55
+ "lstrip": false,
56
+ "normalized": false,
57
+ "rstrip": false,
58
+ "single_word": false,
59
+ "special": true
60
+ },
61
+ "151650": {
62
+ "content": "<|quad_start|>",
63
+ "lstrip": false,
64
+ "normalized": false,
65
+ "rstrip": false,
66
+ "single_word": false,
67
+ "special": true
68
+ },
69
+ "151651": {
70
+ "content": "<|quad_end|>",
71
+ "lstrip": false,
72
+ "normalized": false,
73
+ "rstrip": false,
74
+ "single_word": false,
75
+ "special": true
76
+ },
77
+ "151652": {
78
+ "content": "<|vision_start|>",
79
+ "lstrip": false,
80
+ "normalized": false,
81
+ "rstrip": false,
82
+ "single_word": false,
83
+ "special": true
84
+ },
85
+ "151653": {
86
+ "content": "<|vision_end|>",
87
+ "lstrip": false,
88
+ "normalized": false,
89
+ "rstrip": false,
90
+ "single_word": false,
91
+ "special": true
92
+ },
93
+ "151654": {
94
+ "content": "<|vision_pad|>",
95
+ "lstrip": false,
96
+ "normalized": false,
97
+ "rstrip": false,
98
+ "single_word": false,
99
+ "special": true
100
+ },
101
+ "151655": {
102
+ "content": "<|image_pad|>",
103
+ "lstrip": false,
104
+ "normalized": false,
105
+ "rstrip": false,
106
+ "single_word": false,
107
+ "special": true
108
+ },
109
+ "151656": {
110
+ "content": "<|video_pad|>",
111
+ "lstrip": false,
112
+ "normalized": false,
113
+ "rstrip": false,
114
+ "single_word": false,
115
+ "special": true
116
+ },
117
+ "151657": {
118
+ "content": "<tool_call>",
119
+ "lstrip": false,
120
+ "normalized": false,
121
+ "rstrip": false,
122
+ "single_word": false,
123
+ "special": false
124
+ },
125
+ "151658": {
126
+ "content": "</tool_call>",
127
+ "lstrip": false,
128
+ "normalized": false,
129
+ "rstrip": false,
130
+ "single_word": false,
131
+ "special": false
132
+ },
133
+ "151659": {
134
+ "content": "<|fim_prefix|>",
135
+ "lstrip": false,
136
+ "normalized": false,
137
+ "rstrip": false,
138
+ "single_word": false,
139
+ "special": false
140
+ },
141
+ "151660": {
142
+ "content": "<|fim_middle|>",
143
+ "lstrip": false,
144
+ "normalized": false,
145
+ "rstrip": false,
146
+ "single_word": false,
147
+ "special": false
148
+ },
149
+ "151661": {
150
+ "content": "<|fim_suffix|>",
151
+ "lstrip": false,
152
+ "normalized": false,
153
+ "rstrip": false,
154
+ "single_word": false,
155
+ "special": false
156
+ },
157
+ "151662": {
158
+ "content": "<|fim_pad|>",
159
+ "lstrip": false,
160
+ "normalized": false,
161
+ "rstrip": false,
162
+ "single_word": false,
163
+ "special": false
164
+ },
165
+ "151663": {
166
+ "content": "<|repo_name|>",
167
+ "lstrip": false,
168
+ "normalized": false,
169
+ "rstrip": false,
170
+ "single_word": false,
171
+ "special": false
172
+ },
173
+ "151664": {
174
+ "content": "<|file_sep|>",
175
+ "lstrip": false,
176
+ "normalized": false,
177
+ "rstrip": false,
178
+ "single_word": false,
179
+ "special": false
180
+ }
181
+ },
182
+ "additional_special_tokens": [
183
+ "<|im_start|>",
184
+ "<|im_end|>",
185
+ "<|object_ref_start|>",
186
+ "<|object_ref_end|>",
187
+ "<|box_start|>",
188
+ "<|box_end|>",
189
+ "<|quad_start|>",
190
+ "<|quad_end|>",
191
+ "<|vision_start|>",
192
+ "<|vision_end|>",
193
+ "<|vision_pad|>",
194
+ "<|image_pad|>",
195
+ "<|video_pad|>"
196
+ ],
197
+ "bos_token": null,
198
+ "clean_up_tokenization_spaces": false,
199
+ "eos_token": "<|im_end|>",
200
+ "errors": "replace",
201
+ "extra_special_tokens": {},
202
+ "model_max_length": 131072,
203
+ "pad_token": "<|endoftext|>",
204
+ "processor_class": "Qwen2_5_VLProcessor",
205
+ "split_special_tokens": false,
206
+ "tokenizer_class": "Qwen2Tokenizer",
207
+ "unk_token": null
208
+ }
checkpoint-200/trainer_state.json ADDED
@@ -0,0 +1,1434 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 0.10432968179447052,
6
+ "eval_steps": 500,
7
+ "global_step": 200,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.0005216484089723526,
14
+ "grad_norm": 3.6680614948272705,
15
+ "learning_rate": 0.0,
16
+ "loss": 0.541,
17
+ "step": 1
18
+ },
19
+ {
20
+ "epoch": 0.0010432968179447052,
21
+ "grad_norm": 1.7092307806015015,
22
+ "learning_rate": 5e-06,
23
+ "loss": 0.2639,
24
+ "step": 2
25
+ },
26
+ {
27
+ "epoch": 0.001564945226917058,
28
+ "grad_norm": 1.990319013595581,
29
+ "learning_rate": 1e-05,
30
+ "loss": 0.3118,
31
+ "step": 3
32
+ },
33
+ {
34
+ "epoch": 0.0020865936358894104,
35
+ "grad_norm": 3.750917434692383,
36
+ "learning_rate": 1.5e-05,
37
+ "loss": 0.4562,
38
+ "step": 4
39
+ },
40
+ {
41
+ "epoch": 0.0026082420448617634,
42
+ "grad_norm": 4.690845966339111,
43
+ "learning_rate": 2e-05,
44
+ "loss": 0.673,
45
+ "step": 5
46
+ },
47
+ {
48
+ "epoch": 0.003129890453834116,
49
+ "grad_norm": 1.4218288660049438,
50
+ "learning_rate": 2.5e-05,
51
+ "loss": 0.2984,
52
+ "step": 6
53
+ },
54
+ {
55
+ "epoch": 0.0036515388628064684,
56
+ "grad_norm": 4.896511077880859,
57
+ "learning_rate": 3e-05,
58
+ "loss": 0.7113,
59
+ "step": 7
60
+ },
61
+ {
62
+ "epoch": 0.004173187271778821,
63
+ "grad_norm": 2.5787155628204346,
64
+ "learning_rate": 3.5000000000000004e-05,
65
+ "loss": 0.4226,
66
+ "step": 8
67
+ },
68
+ {
69
+ "epoch": 0.004694835680751174,
70
+ "grad_norm": 1.028937578201294,
71
+ "learning_rate": 4e-05,
72
+ "loss": 0.1873,
73
+ "step": 9
74
+ },
75
+ {
76
+ "epoch": 0.005216484089723527,
77
+ "grad_norm": 3.9262092113494873,
78
+ "learning_rate": 4.4999999999999996e-05,
79
+ "loss": 0.5728,
80
+ "step": 10
81
+ },
82
+ {
83
+ "epoch": 0.005738132498695879,
84
+ "grad_norm": 4.9360198974609375,
85
+ "learning_rate": 5e-05,
86
+ "loss": 0.725,
87
+ "step": 11
88
+ },
89
+ {
90
+ "epoch": 0.006259780907668232,
91
+ "grad_norm": 4.287437915802002,
92
+ "learning_rate": 5.5e-05,
93
+ "loss": 0.6361,
94
+ "step": 12
95
+ },
96
+ {
97
+ "epoch": 0.006781429316640584,
98
+ "grad_norm": 1.3290928602218628,
99
+ "learning_rate": 6e-05,
100
+ "loss": 0.3109,
101
+ "step": 13
102
+ },
103
+ {
104
+ "epoch": 0.007303077725612937,
105
+ "grad_norm": 2.0050501823425293,
106
+ "learning_rate": 6.500000000000001e-05,
107
+ "loss": 0.4099,
108
+ "step": 14
109
+ },
110
+ {
111
+ "epoch": 0.00782472613458529,
112
+ "grad_norm": 4.360481262207031,
113
+ "learning_rate": 7.000000000000001e-05,
114
+ "loss": 0.6363,
115
+ "step": 15
116
+ },
117
+ {
118
+ "epoch": 0.008346374543557642,
119
+ "grad_norm": 3.9680511951446533,
120
+ "learning_rate": 7.5e-05,
121
+ "loss": 0.6124,
122
+ "step": 16
123
+ },
124
+ {
125
+ "epoch": 0.008868022952529996,
126
+ "grad_norm": 1.701784610748291,
127
+ "learning_rate": 8e-05,
128
+ "loss": 0.3439,
129
+ "step": 17
130
+ },
131
+ {
132
+ "epoch": 0.009389671361502348,
133
+ "grad_norm": 4.544748783111572,
134
+ "learning_rate": 8.5e-05,
135
+ "loss": 0.6253,
136
+ "step": 18
137
+ },
138
+ {
139
+ "epoch": 0.0099113197704747,
140
+ "grad_norm": 4.58634090423584,
141
+ "learning_rate": 8.999999999999999e-05,
142
+ "loss": 0.7669,
143
+ "step": 19
144
+ },
145
+ {
146
+ "epoch": 0.010432968179447054,
147
+ "grad_norm": 2.89898419380188,
148
+ "learning_rate": 9.5e-05,
149
+ "loss": 0.512,
150
+ "step": 20
151
+ },
152
+ {
153
+ "epoch": 0.010954616588419406,
154
+ "grad_norm": 2.61112904548645,
155
+ "learning_rate": 0.0001,
156
+ "loss": 0.542,
157
+ "step": 21
158
+ },
159
+ {
160
+ "epoch": 0.011476264997391758,
161
+ "grad_norm": 3.217054843902588,
162
+ "learning_rate": 0.000105,
163
+ "loss": 0.4959,
164
+ "step": 22
165
+ },
166
+ {
167
+ "epoch": 0.011997913406364111,
168
+ "grad_norm": 2.569636821746826,
169
+ "learning_rate": 0.00011,
170
+ "loss": 0.3918,
171
+ "step": 23
172
+ },
173
+ {
174
+ "epoch": 0.012519561815336464,
175
+ "grad_norm": 1.4626373052597046,
176
+ "learning_rate": 0.000115,
177
+ "loss": 0.3316,
178
+ "step": 24
179
+ },
180
+ {
181
+ "epoch": 0.013041210224308816,
182
+ "grad_norm": 1.2480732202529907,
183
+ "learning_rate": 0.00012,
184
+ "loss": 0.3484,
185
+ "step": 25
186
+ },
187
+ {
188
+ "epoch": 0.013562858633281168,
189
+ "grad_norm": 2.5430543422698975,
190
+ "learning_rate": 0.000125,
191
+ "loss": 0.4699,
192
+ "step": 26
193
+ },
194
+ {
195
+ "epoch": 0.014084507042253521,
196
+ "grad_norm": 1.7051862478256226,
197
+ "learning_rate": 0.00013000000000000002,
198
+ "loss": 0.2139,
199
+ "step": 27
200
+ },
201
+ {
202
+ "epoch": 0.014606155451225874,
203
+ "grad_norm": 1.1670981645584106,
204
+ "learning_rate": 0.000135,
205
+ "loss": 0.3883,
206
+ "step": 28
207
+ },
208
+ {
209
+ "epoch": 0.015127803860198226,
210
+ "grad_norm": 1.336538314819336,
211
+ "learning_rate": 0.00014000000000000001,
212
+ "loss": 0.3714,
213
+ "step": 29
214
+ },
215
+ {
216
+ "epoch": 0.01564945226917058,
217
+ "grad_norm": 2.018078565597534,
218
+ "learning_rate": 0.000145,
219
+ "loss": 0.2301,
220
+ "step": 30
221
+ },
222
+ {
223
+ "epoch": 0.01617110067814293,
224
+ "grad_norm": 1.5743223428726196,
225
+ "learning_rate": 0.00015,
226
+ "loss": 0.2935,
227
+ "step": 31
228
+ },
229
+ {
230
+ "epoch": 0.016692749087115284,
231
+ "grad_norm": 1.2724987268447876,
232
+ "learning_rate": 0.000155,
233
+ "loss": 0.3141,
234
+ "step": 32
235
+ },
236
+ {
237
+ "epoch": 0.017214397496087636,
238
+ "grad_norm": 2.2347893714904785,
239
+ "learning_rate": 0.00016,
240
+ "loss": 0.2917,
241
+ "step": 33
242
+ },
243
+ {
244
+ "epoch": 0.01773604590505999,
245
+ "grad_norm": 1.6726069450378418,
246
+ "learning_rate": 0.000165,
247
+ "loss": 0.377,
248
+ "step": 34
249
+ },
250
+ {
251
+ "epoch": 0.018257694314032343,
252
+ "grad_norm": 1.2217071056365967,
253
+ "learning_rate": 0.00017,
254
+ "loss": 0.3027,
255
+ "step": 35
256
+ },
257
+ {
258
+ "epoch": 0.018779342723004695,
259
+ "grad_norm": 1.3436322212219238,
260
+ "learning_rate": 0.000175,
261
+ "loss": 0.2853,
262
+ "step": 36
263
+ },
264
+ {
265
+ "epoch": 0.019300991131977047,
266
+ "grad_norm": 1.2247120141983032,
267
+ "learning_rate": 0.00017999999999999998,
268
+ "loss": 0.2967,
269
+ "step": 37
270
+ },
271
+ {
272
+ "epoch": 0.0198226395409494,
273
+ "grad_norm": 1.0636978149414062,
274
+ "learning_rate": 0.000185,
275
+ "loss": 0.2745,
276
+ "step": 38
277
+ },
278
+ {
279
+ "epoch": 0.02034428794992175,
280
+ "grad_norm": 1.302099347114563,
281
+ "learning_rate": 0.00019,
282
+ "loss": 0.2688,
283
+ "step": 39
284
+ },
285
+ {
286
+ "epoch": 0.020865936358894107,
287
+ "grad_norm": 1.0052679777145386,
288
+ "learning_rate": 0.00019500000000000002,
289
+ "loss": 0.2539,
290
+ "step": 40
291
+ },
292
+ {
293
+ "epoch": 0.02138758476786646,
294
+ "grad_norm": 1.0164084434509277,
295
+ "learning_rate": 0.0002,
296
+ "loss": 0.1978,
297
+ "step": 41
298
+ },
299
+ {
300
+ "epoch": 0.02190923317683881,
301
+ "grad_norm": 1.3891016244888306,
302
+ "learning_rate": 0.000205,
303
+ "loss": 0.3189,
304
+ "step": 42
305
+ },
306
+ {
307
+ "epoch": 0.022430881585811163,
308
+ "grad_norm": 0.960986852645874,
309
+ "learning_rate": 0.00021,
310
+ "loss": 0.2321,
311
+ "step": 43
312
+ },
313
+ {
314
+ "epoch": 0.022952529994783515,
315
+ "grad_norm": 0.9918408393859863,
316
+ "learning_rate": 0.000215,
317
+ "loss": 0.2359,
318
+ "step": 44
319
+ },
320
+ {
321
+ "epoch": 0.023474178403755867,
322
+ "grad_norm": 1.190205693244934,
323
+ "learning_rate": 0.00022,
324
+ "loss": 0.2347,
325
+ "step": 45
326
+ },
327
+ {
328
+ "epoch": 0.023995826812728223,
329
+ "grad_norm": 0.7985232472419739,
330
+ "learning_rate": 0.00022500000000000002,
331
+ "loss": 0.2048,
332
+ "step": 46
333
+ },
334
+ {
335
+ "epoch": 0.024517475221700575,
336
+ "grad_norm": 0.5192842483520508,
337
+ "learning_rate": 0.00023,
338
+ "loss": 0.1116,
339
+ "step": 47
340
+ },
341
+ {
342
+ "epoch": 0.025039123630672927,
343
+ "grad_norm": 1.1033375263214111,
344
+ "learning_rate": 0.000235,
345
+ "loss": 0.2665,
346
+ "step": 48
347
+ },
348
+ {
349
+ "epoch": 0.02556077203964528,
350
+ "grad_norm": 0.7089418172836304,
351
+ "learning_rate": 0.00024,
352
+ "loss": 0.1639,
353
+ "step": 49
354
+ },
355
+ {
356
+ "epoch": 0.02608242044861763,
357
+ "grad_norm": 1.08647882938385,
358
+ "learning_rate": 0.000245,
359
+ "loss": 0.2072,
360
+ "step": 50
361
+ },
362
+ {
363
+ "epoch": 0.026604068857589983,
364
+ "grad_norm": 0.9901174902915955,
365
+ "learning_rate": 0.00025,
366
+ "loss": 0.2035,
367
+ "step": 51
368
+ },
369
+ {
370
+ "epoch": 0.027125717266562335,
371
+ "grad_norm": 0.6938351988792419,
372
+ "learning_rate": 0.000255,
373
+ "loss": 0.1851,
374
+ "step": 52
375
+ },
376
+ {
377
+ "epoch": 0.02764736567553469,
378
+ "grad_norm": 0.8392678499221802,
379
+ "learning_rate": 0.00026000000000000003,
380
+ "loss": 0.1918,
381
+ "step": 53
382
+ },
383
+ {
384
+ "epoch": 0.028169014084507043,
385
+ "grad_norm": 0.5979602932929993,
386
+ "learning_rate": 0.00026500000000000004,
387
+ "loss": 0.1243,
388
+ "step": 54
389
+ },
390
+ {
391
+ "epoch": 0.028690662493479395,
392
+ "grad_norm": 0.7119799852371216,
393
+ "learning_rate": 0.00027,
394
+ "loss": 0.1594,
395
+ "step": 55
396
+ },
397
+ {
398
+ "epoch": 0.029212310902451747,
399
+ "grad_norm": 0.5519995093345642,
400
+ "learning_rate": 0.000275,
401
+ "loss": 0.078,
402
+ "step": 56
403
+ },
404
+ {
405
+ "epoch": 0.0297339593114241,
406
+ "grad_norm": 0.5917723774909973,
407
+ "learning_rate": 0.00028000000000000003,
408
+ "loss": 0.134,
409
+ "step": 57
410
+ },
411
+ {
412
+ "epoch": 0.03025560772039645,
413
+ "grad_norm": 0.6265603303909302,
414
+ "learning_rate": 0.000285,
415
+ "loss": 0.1848,
416
+ "step": 58
417
+ },
418
+ {
419
+ "epoch": 0.030777256129368807,
420
+ "grad_norm": 1.0653454065322876,
421
+ "learning_rate": 0.00029,
422
+ "loss": 0.1831,
423
+ "step": 59
424
+ },
425
+ {
426
+ "epoch": 0.03129890453834116,
427
+ "grad_norm": 0.3466293513774872,
428
+ "learning_rate": 0.000295,
429
+ "loss": 0.0878,
430
+ "step": 60
431
+ },
432
+ {
433
+ "epoch": 0.03182055294731351,
434
+ "grad_norm": 0.5498062372207642,
435
+ "learning_rate": 0.0003,
436
+ "loss": 0.1733,
437
+ "step": 61
438
+ },
439
+ {
440
+ "epoch": 0.03234220135628586,
441
+ "grad_norm": 0.7708966135978699,
442
+ "learning_rate": 0.000305,
443
+ "loss": 0.1975,
444
+ "step": 62
445
+ },
446
+ {
447
+ "epoch": 0.03286384976525822,
448
+ "grad_norm": 0.7717278003692627,
449
+ "learning_rate": 0.00031,
450
+ "loss": 0.1863,
451
+ "step": 63
452
+ },
453
+ {
454
+ "epoch": 0.03338549817423057,
455
+ "grad_norm": 0.8076028823852539,
456
+ "learning_rate": 0.000315,
457
+ "loss": 0.1938,
458
+ "step": 64
459
+ },
460
+ {
461
+ "epoch": 0.03390714658320292,
462
+ "grad_norm": 0.5629755258560181,
463
+ "learning_rate": 0.00032,
464
+ "loss": 0.1471,
465
+ "step": 65
466
+ },
467
+ {
468
+ "epoch": 0.03442879499217527,
469
+ "grad_norm": 0.5237282514572144,
470
+ "learning_rate": 0.00032500000000000004,
471
+ "loss": 0.1244,
472
+ "step": 66
473
+ },
474
+ {
475
+ "epoch": 0.03495044340114763,
476
+ "grad_norm": 0.7248942852020264,
477
+ "learning_rate": 0.00033,
478
+ "loss": 0.1933,
479
+ "step": 67
480
+ },
481
+ {
482
+ "epoch": 0.03547209181011998,
483
+ "grad_norm": 0.49564772844314575,
484
+ "learning_rate": 0.000335,
485
+ "loss": 0.1389,
486
+ "step": 68
487
+ },
488
+ {
489
+ "epoch": 0.03599374021909233,
490
+ "grad_norm": 0.4806594252586365,
491
+ "learning_rate": 0.00034,
492
+ "loss": 0.1295,
493
+ "step": 69
494
+ },
495
+ {
496
+ "epoch": 0.036515388628064686,
497
+ "grad_norm": 0.39995619654655457,
498
+ "learning_rate": 0.000345,
499
+ "loss": 0.1324,
500
+ "step": 70
501
+ },
502
+ {
503
+ "epoch": 0.037037037037037035,
504
+ "grad_norm": 0.6496027708053589,
505
+ "learning_rate": 0.00035,
506
+ "loss": 0.1002,
507
+ "step": 71
508
+ },
509
+ {
510
+ "epoch": 0.03755868544600939,
511
+ "grad_norm": 0.5661569237709045,
512
+ "learning_rate": 0.000355,
513
+ "loss": 0.1277,
514
+ "step": 72
515
+ },
516
+ {
517
+ "epoch": 0.03808033385498174,
518
+ "grad_norm": 0.49875250458717346,
519
+ "learning_rate": 0.00035999999999999997,
520
+ "loss": 0.1322,
521
+ "step": 73
522
+ },
523
+ {
524
+ "epoch": 0.038601982263954095,
525
+ "grad_norm": 0.44551461935043335,
526
+ "learning_rate": 0.000365,
527
+ "loss": 0.1278,
528
+ "step": 74
529
+ },
530
+ {
531
+ "epoch": 0.03912363067292645,
532
+ "grad_norm": 0.3314933478832245,
533
+ "learning_rate": 0.00037,
534
+ "loss": 0.0918,
535
+ "step": 75
536
+ },
537
+ {
538
+ "epoch": 0.0396452790818988,
539
+ "grad_norm": 0.3463922441005707,
540
+ "learning_rate": 0.000375,
541
+ "loss": 0.0948,
542
+ "step": 76
543
+ },
544
+ {
545
+ "epoch": 0.040166927490871154,
546
+ "grad_norm": 0.5401505827903748,
547
+ "learning_rate": 0.00038,
548
+ "loss": 0.1574,
549
+ "step": 77
550
+ },
551
+ {
552
+ "epoch": 0.0406885758998435,
553
+ "grad_norm": 0.39233317971229553,
554
+ "learning_rate": 0.00038500000000000003,
555
+ "loss": 0.1312,
556
+ "step": 78
557
+ },
558
+ {
559
+ "epoch": 0.04121022430881586,
560
+ "grad_norm": 0.4380398988723755,
561
+ "learning_rate": 0.00039000000000000005,
562
+ "loss": 0.0601,
563
+ "step": 79
564
+ },
565
+ {
566
+ "epoch": 0.041731872717788214,
567
+ "grad_norm": 0.3931694030761719,
568
+ "learning_rate": 0.000395,
569
+ "loss": 0.0962,
570
+ "step": 80
571
+ },
572
+ {
573
+ "epoch": 0.04225352112676056,
574
+ "grad_norm": 0.3566243648529053,
575
+ "learning_rate": 0.0004,
576
+ "loss": 0.1137,
577
+ "step": 81
578
+ },
579
+ {
580
+ "epoch": 0.04277516953573292,
581
+ "grad_norm": 0.40159469842910767,
582
+ "learning_rate": 0.00040500000000000003,
583
+ "loss": 0.1128,
584
+ "step": 82
585
+ },
586
+ {
587
+ "epoch": 0.04329681794470527,
588
+ "grad_norm": 0.30474773049354553,
589
+ "learning_rate": 0.00041,
590
+ "loss": 0.0922,
591
+ "step": 83
592
+ },
593
+ {
594
+ "epoch": 0.04381846635367762,
595
+ "grad_norm": 0.31177017092704773,
596
+ "learning_rate": 0.000415,
597
+ "loss": 0.1015,
598
+ "step": 84
599
+ },
600
+ {
601
+ "epoch": 0.04434011476264997,
602
+ "grad_norm": 0.3996855914592743,
603
+ "learning_rate": 0.00042,
604
+ "loss": 0.1266,
605
+ "step": 85
606
+ },
607
+ {
608
+ "epoch": 0.044861763171622326,
609
+ "grad_norm": 0.2281728833913803,
610
+ "learning_rate": 0.000425,
611
+ "loss": 0.0758,
612
+ "step": 86
613
+ },
614
+ {
615
+ "epoch": 0.04538341158059468,
616
+ "grad_norm": 0.5169669985771179,
617
+ "learning_rate": 0.00043,
618
+ "loss": 0.1092,
619
+ "step": 87
620
+ },
621
+ {
622
+ "epoch": 0.04590505998956703,
623
+ "grad_norm": 0.5525585412979126,
624
+ "learning_rate": 0.000435,
625
+ "loss": 0.1226,
626
+ "step": 88
627
+ },
628
+ {
629
+ "epoch": 0.046426708398539386,
630
+ "grad_norm": 0.33093884587287903,
631
+ "learning_rate": 0.00044,
632
+ "loss": 0.0879,
633
+ "step": 89
634
+ },
635
+ {
636
+ "epoch": 0.046948356807511735,
637
+ "grad_norm": 0.3713582158088684,
638
+ "learning_rate": 0.00044500000000000003,
639
+ "loss": 0.1121,
640
+ "step": 90
641
+ },
642
+ {
643
+ "epoch": 0.04747000521648409,
644
+ "grad_norm": 0.565517246723175,
645
+ "learning_rate": 0.00045000000000000004,
646
+ "loss": 0.1469,
647
+ "step": 91
648
+ },
649
+ {
650
+ "epoch": 0.047991653625456446,
651
+ "grad_norm": 0.31801939010620117,
652
+ "learning_rate": 0.000455,
653
+ "loss": 0.0915,
654
+ "step": 92
655
+ },
656
+ {
657
+ "epoch": 0.048513302034428794,
658
+ "grad_norm": 0.42586401104927063,
659
+ "learning_rate": 0.00046,
660
+ "loss": 0.0411,
661
+ "step": 93
662
+ },
663
+ {
664
+ "epoch": 0.04903495044340115,
665
+ "grad_norm": 0.42403289675712585,
666
+ "learning_rate": 0.000465,
667
+ "loss": 0.0589,
668
+ "step": 94
669
+ },
670
+ {
671
+ "epoch": 0.0495565988523735,
672
+ "grad_norm": 0.2604529559612274,
673
+ "learning_rate": 0.00047,
674
+ "loss": 0.0779,
675
+ "step": 95
676
+ },
677
+ {
678
+ "epoch": 0.050078247261345854,
679
+ "grad_norm": 0.32257840037345886,
680
+ "learning_rate": 0.000475,
681
+ "loss": 0.0958,
682
+ "step": 96
683
+ },
684
+ {
685
+ "epoch": 0.0505998956703182,
686
+ "grad_norm": 0.2648946940898895,
687
+ "learning_rate": 0.00048,
688
+ "loss": 0.0591,
689
+ "step": 97
690
+ },
691
+ {
692
+ "epoch": 0.05112154407929056,
693
+ "grad_norm": 0.26664629578590393,
694
+ "learning_rate": 0.00048499999999999997,
695
+ "loss": 0.0607,
696
+ "step": 98
697
+ },
698
+ {
699
+ "epoch": 0.051643192488262914,
700
+ "grad_norm": 0.2891658544540405,
701
+ "learning_rate": 0.00049,
702
+ "loss": 0.0478,
703
+ "step": 99
704
+ },
705
+ {
706
+ "epoch": 0.05216484089723526,
707
+ "grad_norm": 0.35936883091926575,
708
+ "learning_rate": 0.000495,
709
+ "loss": 0.1126,
710
+ "step": 100
711
+ },
712
+ {
713
+ "epoch": 0.05268648930620762,
714
+ "grad_norm": 0.3226841986179352,
715
+ "learning_rate": 0.0005,
716
+ "loss": 0.0995,
717
+ "step": 101
718
+ },
719
+ {
720
+ "epoch": 0.053208137715179966,
721
+ "grad_norm": 0.2140406370162964,
722
+ "learning_rate": 0.0004994444444444445,
723
+ "loss": 0.0636,
724
+ "step": 102
725
+ },
726
+ {
727
+ "epoch": 0.05372978612415232,
728
+ "grad_norm": 0.28297877311706543,
729
+ "learning_rate": 0.0004988888888888889,
730
+ "loss": 0.0674,
731
+ "step": 103
732
+ },
733
+ {
734
+ "epoch": 0.05425143453312467,
735
+ "grad_norm": 0.27131739258766174,
736
+ "learning_rate": 0.0004983333333333334,
737
+ "loss": 0.0657,
738
+ "step": 104
739
+ },
740
+ {
741
+ "epoch": 0.054773082942097026,
742
+ "grad_norm": 0.28402701020240784,
743
+ "learning_rate": 0.0004977777777777778,
744
+ "loss": 0.0894,
745
+ "step": 105
746
+ },
747
+ {
748
+ "epoch": 0.05529473135106938,
749
+ "grad_norm": 0.33924373984336853,
750
+ "learning_rate": 0.0004972222222222222,
751
+ "loss": 0.1264,
752
+ "step": 106
753
+ },
754
+ {
755
+ "epoch": 0.05581637976004173,
756
+ "grad_norm": 0.3655984401702881,
757
+ "learning_rate": 0.0004966666666666666,
758
+ "loss": 0.0828,
759
+ "step": 107
760
+ },
761
+ {
762
+ "epoch": 0.056338028169014086,
763
+ "grad_norm": 0.2262953370809555,
764
+ "learning_rate": 0.0004961111111111111,
765
+ "loss": 0.0662,
766
+ "step": 108
767
+ },
768
+ {
769
+ "epoch": 0.056859676577986434,
770
+ "grad_norm": 0.23988084495067596,
771
+ "learning_rate": 0.0004955555555555556,
772
+ "loss": 0.0672,
773
+ "step": 109
774
+ },
775
+ {
776
+ "epoch": 0.05738132498695879,
777
+ "grad_norm": 0.228820338845253,
778
+ "learning_rate": 0.000495,
779
+ "loss": 0.0615,
780
+ "step": 110
781
+ },
782
+ {
783
+ "epoch": 0.057902973395931145,
784
+ "grad_norm": 0.32484373450279236,
785
+ "learning_rate": 0.0004944444444444445,
786
+ "loss": 0.0833,
787
+ "step": 111
788
+ },
789
+ {
790
+ "epoch": 0.058424621804903494,
791
+ "grad_norm": 0.22520330548286438,
792
+ "learning_rate": 0.0004938888888888889,
793
+ "loss": 0.0767,
794
+ "step": 112
795
+ },
796
+ {
797
+ "epoch": 0.05894627021387585,
798
+ "grad_norm": 0.4783564805984497,
799
+ "learning_rate": 0.0004933333333333334,
800
+ "loss": 0.0999,
801
+ "step": 113
802
+ },
803
+ {
804
+ "epoch": 0.0594679186228482,
805
+ "grad_norm": 0.2565033733844757,
806
+ "learning_rate": 0.0004927777777777777,
807
+ "loss": 0.0819,
808
+ "step": 114
809
+ },
810
+ {
811
+ "epoch": 0.059989567031820554,
812
+ "grad_norm": 0.19332879781723022,
813
+ "learning_rate": 0.0004922222222222222,
814
+ "loss": 0.0702,
815
+ "step": 115
816
+ },
817
+ {
818
+ "epoch": 0.0605112154407929,
819
+ "grad_norm": 0.2507823705673218,
820
+ "learning_rate": 0.0004916666666666666,
821
+ "loss": 0.076,
822
+ "step": 116
823
+ },
824
+ {
825
+ "epoch": 0.06103286384976526,
826
+ "grad_norm": 0.29689472913742065,
827
+ "learning_rate": 0.0004911111111111111,
828
+ "loss": 0.0748,
829
+ "step": 117
830
+ },
831
+ {
832
+ "epoch": 0.06155451225873761,
833
+ "grad_norm": 0.34821203351020813,
834
+ "learning_rate": 0.0004905555555555556,
835
+ "loss": 0.0949,
836
+ "step": 118
837
+ },
838
+ {
839
+ "epoch": 0.06207616066770996,
840
+ "grad_norm": 0.25025618076324463,
841
+ "learning_rate": 0.00049,
842
+ "loss": 0.0813,
843
+ "step": 119
844
+ },
845
+ {
846
+ "epoch": 0.06259780907668232,
847
+ "grad_norm": 0.23138757050037384,
848
+ "learning_rate": 0.0004894444444444445,
849
+ "loss": 0.0806,
850
+ "step": 120
851
+ },
852
+ {
853
+ "epoch": 0.06311945748565467,
854
+ "grad_norm": 0.25655433535575867,
855
+ "learning_rate": 0.0004888888888888889,
856
+ "loss": 0.0864,
857
+ "step": 121
858
+ },
859
+ {
860
+ "epoch": 0.06364110589462701,
861
+ "grad_norm": 0.2863710820674896,
862
+ "learning_rate": 0.0004883333333333333,
863
+ "loss": 0.0659,
864
+ "step": 122
865
+ },
866
+ {
867
+ "epoch": 0.06416275430359937,
868
+ "grad_norm": 0.2628318965435028,
869
+ "learning_rate": 0.0004877777777777778,
870
+ "loss": 0.0746,
871
+ "step": 123
872
+ },
873
+ {
874
+ "epoch": 0.06468440271257173,
875
+ "grad_norm": 0.2095496952533722,
876
+ "learning_rate": 0.0004872222222222222,
877
+ "loss": 0.0746,
878
+ "step": 124
879
+ },
880
+ {
881
+ "epoch": 0.06520605112154408,
882
+ "grad_norm": 0.25687775015830994,
883
+ "learning_rate": 0.0004866666666666667,
884
+ "loss": 0.0867,
885
+ "step": 125
886
+ },
887
+ {
888
+ "epoch": 0.06572769953051644,
889
+ "grad_norm": 0.3623638153076172,
890
+ "learning_rate": 0.0004861111111111111,
891
+ "loss": 0.0859,
892
+ "step": 126
893
+ },
894
+ {
895
+ "epoch": 0.06624934793948878,
896
+ "grad_norm": 0.22254744172096252,
897
+ "learning_rate": 0.0004855555555555556,
898
+ "loss": 0.0956,
899
+ "step": 127
900
+ },
901
+ {
902
+ "epoch": 0.06677099634846113,
903
+ "grad_norm": 0.42705070972442627,
904
+ "learning_rate": 0.00048499999999999997,
905
+ "loss": 0.0885,
906
+ "step": 128
907
+ },
908
+ {
909
+ "epoch": 0.06729264475743349,
910
+ "grad_norm": 0.23360145092010498,
911
+ "learning_rate": 0.00048444444444444446,
912
+ "loss": 0.0521,
913
+ "step": 129
914
+ },
915
+ {
916
+ "epoch": 0.06781429316640585,
917
+ "grad_norm": 0.1959061473608017,
918
+ "learning_rate": 0.0004838888888888889,
919
+ "loss": 0.043,
920
+ "step": 130
921
+ },
922
+ {
923
+ "epoch": 0.0683359415753782,
924
+ "grad_norm": 0.32006219029426575,
925
+ "learning_rate": 0.00048333333333333334,
926
+ "loss": 0.0942,
927
+ "step": 131
928
+ },
929
+ {
930
+ "epoch": 0.06885758998435054,
931
+ "grad_norm": 0.20010985434055328,
932
+ "learning_rate": 0.0004827777777777778,
933
+ "loss": 0.0645,
934
+ "step": 132
935
+ },
936
+ {
937
+ "epoch": 0.0693792383933229,
938
+ "grad_norm": 0.18007700145244598,
939
+ "learning_rate": 0.0004822222222222222,
940
+ "loss": 0.0593,
941
+ "step": 133
942
+ },
943
+ {
944
+ "epoch": 0.06990088680229525,
945
+ "grad_norm": 0.23080182075500488,
946
+ "learning_rate": 0.0004816666666666667,
947
+ "loss": 0.069,
948
+ "step": 134
949
+ },
950
+ {
951
+ "epoch": 0.07042253521126761,
952
+ "grad_norm": 0.16220460832118988,
953
+ "learning_rate": 0.0004811111111111111,
954
+ "loss": 0.0499,
955
+ "step": 135
956
+ },
957
+ {
958
+ "epoch": 0.07094418362023996,
959
+ "grad_norm": 0.19325301051139832,
960
+ "learning_rate": 0.0004805555555555556,
961
+ "loss": 0.0616,
962
+ "step": 136
963
+ },
964
+ {
965
+ "epoch": 0.0714658320292123,
966
+ "grad_norm": 0.16364900767803192,
967
+ "learning_rate": 0.00048,
968
+ "loss": 0.0612,
969
+ "step": 137
970
+ },
971
+ {
972
+ "epoch": 0.07198748043818466,
973
+ "grad_norm": 0.15745937824249268,
974
+ "learning_rate": 0.00047944444444444445,
975
+ "loss": 0.0526,
976
+ "step": 138
977
+ },
978
+ {
979
+ "epoch": 0.07250912884715702,
980
+ "grad_norm": 0.22706539928913116,
981
+ "learning_rate": 0.0004788888888888889,
982
+ "loss": 0.067,
983
+ "step": 139
984
+ },
985
+ {
986
+ "epoch": 0.07303077725612937,
987
+ "grad_norm": 0.22147034108638763,
988
+ "learning_rate": 0.0004783333333333333,
989
+ "loss": 0.0684,
990
+ "step": 140
991
+ },
992
+ {
993
+ "epoch": 0.07355242566510173,
994
+ "grad_norm": 0.2623853385448456,
995
+ "learning_rate": 0.0004777777777777778,
996
+ "loss": 0.0491,
997
+ "step": 141
998
+ },
999
+ {
1000
+ "epoch": 0.07407407407407407,
1001
+ "grad_norm": 0.1899435669183731,
1002
+ "learning_rate": 0.00047722222222222225,
1003
+ "loss": 0.029,
1004
+ "step": 142
1005
+ },
1006
+ {
1007
+ "epoch": 0.07459572248304643,
1008
+ "grad_norm": 0.2669859826564789,
1009
+ "learning_rate": 0.0004766666666666667,
1010
+ "loss": 0.064,
1011
+ "step": 143
1012
+ },
1013
+ {
1014
+ "epoch": 0.07511737089201878,
1015
+ "grad_norm": 0.18063829839229584,
1016
+ "learning_rate": 0.0004761111111111111,
1017
+ "loss": 0.0624,
1018
+ "step": 144
1019
+ },
1020
+ {
1021
+ "epoch": 0.07563901930099114,
1022
+ "grad_norm": 0.22147716581821442,
1023
+ "learning_rate": 0.00047555555555555556,
1024
+ "loss": 0.0544,
1025
+ "step": 145
1026
+ },
1027
+ {
1028
+ "epoch": 0.07616066770996348,
1029
+ "grad_norm": 0.30522170662879944,
1030
+ "learning_rate": 0.000475,
1031
+ "loss": 0.077,
1032
+ "step": 146
1033
+ },
1034
+ {
1035
+ "epoch": 0.07668231611893583,
1036
+ "grad_norm": 0.15942497551441193,
1037
+ "learning_rate": 0.00047444444444444444,
1038
+ "loss": 0.0372,
1039
+ "step": 147
1040
+ },
1041
+ {
1042
+ "epoch": 0.07720396452790819,
1043
+ "grad_norm": 0.1456826627254486,
1044
+ "learning_rate": 0.00047388888888888893,
1045
+ "loss": 0.0423,
1046
+ "step": 148
1047
+ },
1048
+ {
1049
+ "epoch": 0.07772561293688054,
1050
+ "grad_norm": 0.17793269455432892,
1051
+ "learning_rate": 0.00047333333333333336,
1052
+ "loss": 0.0559,
1053
+ "step": 149
1054
+ },
1055
+ {
1056
+ "epoch": 0.0782472613458529,
1057
+ "grad_norm": 0.152329221367836,
1058
+ "learning_rate": 0.0004727777777777778,
1059
+ "loss": 0.0266,
1060
+ "step": 150
1061
+ },
1062
+ {
1063
+ "epoch": 0.07876890975482524,
1064
+ "grad_norm": 0.19327858090400696,
1065
+ "learning_rate": 0.00047222222222222224,
1066
+ "loss": 0.0608,
1067
+ "step": 151
1068
+ },
1069
+ {
1070
+ "epoch": 0.0792905581637976,
1071
+ "grad_norm": 0.15060095489025116,
1072
+ "learning_rate": 0.0004716666666666667,
1073
+ "loss": 0.0461,
1074
+ "step": 152
1075
+ },
1076
+ {
1077
+ "epoch": 0.07981220657276995,
1078
+ "grad_norm": 0.1864742785692215,
1079
+ "learning_rate": 0.0004711111111111111,
1080
+ "loss": 0.0724,
1081
+ "step": 153
1082
+ },
1083
+ {
1084
+ "epoch": 0.08033385498174231,
1085
+ "grad_norm": 0.1422508805990219,
1086
+ "learning_rate": 0.00047055555555555555,
1087
+ "loss": 0.0325,
1088
+ "step": 154
1089
+ },
1090
+ {
1091
+ "epoch": 0.08085550339071466,
1092
+ "grad_norm": 0.21115481853485107,
1093
+ "learning_rate": 0.00047,
1094
+ "loss": 0.0535,
1095
+ "step": 155
1096
+ },
1097
+ {
1098
+ "epoch": 0.081377151799687,
1099
+ "grad_norm": 0.2197350263595581,
1100
+ "learning_rate": 0.0004694444444444445,
1101
+ "loss": 0.0703,
1102
+ "step": 156
1103
+ },
1104
+ {
1105
+ "epoch": 0.08189880020865936,
1106
+ "grad_norm": 0.1608528196811676,
1107
+ "learning_rate": 0.0004688888888888889,
1108
+ "loss": 0.0447,
1109
+ "step": 157
1110
+ },
1111
+ {
1112
+ "epoch": 0.08242044861763172,
1113
+ "grad_norm": 0.1445985585451126,
1114
+ "learning_rate": 0.00046833333333333335,
1115
+ "loss": 0.0469,
1116
+ "step": 158
1117
+ },
1118
+ {
1119
+ "epoch": 0.08294209702660407,
1120
+ "grad_norm": 0.25215667486190796,
1121
+ "learning_rate": 0.0004677777777777778,
1122
+ "loss": 0.0709,
1123
+ "step": 159
1124
+ },
1125
+ {
1126
+ "epoch": 0.08346374543557643,
1127
+ "grad_norm": 0.14391636848449707,
1128
+ "learning_rate": 0.0004672222222222222,
1129
+ "loss": 0.0457,
1130
+ "step": 160
1131
+ },
1132
+ {
1133
+ "epoch": 0.08398539384454877,
1134
+ "grad_norm": 0.29619306325912476,
1135
+ "learning_rate": 0.00046666666666666666,
1136
+ "loss": 0.0765,
1137
+ "step": 161
1138
+ },
1139
+ {
1140
+ "epoch": 0.08450704225352113,
1141
+ "grad_norm": 0.15701289474964142,
1142
+ "learning_rate": 0.0004661111111111111,
1143
+ "loss": 0.0418,
1144
+ "step": 162
1145
+ },
1146
+ {
1147
+ "epoch": 0.08502869066249348,
1148
+ "grad_norm": 0.1698683649301529,
1149
+ "learning_rate": 0.0004655555555555556,
1150
+ "loss": 0.0294,
1151
+ "step": 163
1152
+ },
1153
+ {
1154
+ "epoch": 0.08555033907146584,
1155
+ "grad_norm": 0.12165573239326477,
1156
+ "learning_rate": 0.000465,
1157
+ "loss": 0.0258,
1158
+ "step": 164
1159
+ },
1160
+ {
1161
+ "epoch": 0.08607198748043818,
1162
+ "grad_norm": 0.1611219197511673,
1163
+ "learning_rate": 0.00046444444444444446,
1164
+ "loss": 0.0491,
1165
+ "step": 165
1166
+ },
1167
+ {
1168
+ "epoch": 0.08659363588941053,
1169
+ "grad_norm": 0.1486036628484726,
1170
+ "learning_rate": 0.0004638888888888889,
1171
+ "loss": 0.0479,
1172
+ "step": 166
1173
+ },
1174
+ {
1175
+ "epoch": 0.08711528429838289,
1176
+ "grad_norm": 0.13054965436458588,
1177
+ "learning_rate": 0.00046333333333333334,
1178
+ "loss": 0.0401,
1179
+ "step": 167
1180
+ },
1181
+ {
1182
+ "epoch": 0.08763693270735524,
1183
+ "grad_norm": 0.15433131158351898,
1184
+ "learning_rate": 0.0004627777777777778,
1185
+ "loss": 0.048,
1186
+ "step": 168
1187
+ },
1188
+ {
1189
+ "epoch": 0.0881585811163276,
1190
+ "grad_norm": 0.17511604726314545,
1191
+ "learning_rate": 0.0004622222222222222,
1192
+ "loss": 0.0569,
1193
+ "step": 169
1194
+ },
1195
+ {
1196
+ "epoch": 0.08868022952529994,
1197
+ "grad_norm": 0.1398395150899887,
1198
+ "learning_rate": 0.0004616666666666667,
1199
+ "loss": 0.034,
1200
+ "step": 170
1201
+ },
1202
+ {
1203
+ "epoch": 0.0892018779342723,
1204
+ "grad_norm": 0.15484075248241425,
1205
+ "learning_rate": 0.00046111111111111114,
1206
+ "loss": 0.0514,
1207
+ "step": 171
1208
+ },
1209
+ {
1210
+ "epoch": 0.08972352634324465,
1211
+ "grad_norm": 0.17851784825325012,
1212
+ "learning_rate": 0.0004605555555555556,
1213
+ "loss": 0.0571,
1214
+ "step": 172
1215
+ },
1216
+ {
1217
+ "epoch": 0.09024517475221701,
1218
+ "grad_norm": 0.18745650351047516,
1219
+ "learning_rate": 0.00046,
1220
+ "loss": 0.0523,
1221
+ "step": 173
1222
+ },
1223
+ {
1224
+ "epoch": 0.09076682316118936,
1225
+ "grad_norm": 0.18322691321372986,
1226
+ "learning_rate": 0.00045944444444444445,
1227
+ "loss": 0.0642,
1228
+ "step": 174
1229
+ },
1230
+ {
1231
+ "epoch": 0.0912884715701617,
1232
+ "grad_norm": 0.1173708513379097,
1233
+ "learning_rate": 0.0004588888888888889,
1234
+ "loss": 0.0267,
1235
+ "step": 175
1236
+ },
1237
+ {
1238
+ "epoch": 0.09181011997913406,
1239
+ "grad_norm": 0.1754874438047409,
1240
+ "learning_rate": 0.0004583333333333333,
1241
+ "loss": 0.0657,
1242
+ "step": 176
1243
+ },
1244
+ {
1245
+ "epoch": 0.09233176838810642,
1246
+ "grad_norm": 0.13830502331256866,
1247
+ "learning_rate": 0.0004577777777777778,
1248
+ "loss": 0.0433,
1249
+ "step": 177
1250
+ },
1251
+ {
1252
+ "epoch": 0.09285341679707877,
1253
+ "grad_norm": 0.11174938827753067,
1254
+ "learning_rate": 0.0004572222222222222,
1255
+ "loss": 0.04,
1256
+ "step": 178
1257
+ },
1258
+ {
1259
+ "epoch": 0.09337506520605113,
1260
+ "grad_norm": 0.1829378753900528,
1261
+ "learning_rate": 0.0004566666666666667,
1262
+ "loss": 0.0453,
1263
+ "step": 179
1264
+ },
1265
+ {
1266
+ "epoch": 0.09389671361502347,
1267
+ "grad_norm": 0.10748015344142914,
1268
+ "learning_rate": 0.0004561111111111111,
1269
+ "loss": 0.05,
1270
+ "step": 180
1271
+ },
1272
+ {
1273
+ "epoch": 0.09441836202399582,
1274
+ "grad_norm": 0.1160806268453598,
1275
+ "learning_rate": 0.00045555555555555556,
1276
+ "loss": 0.0245,
1277
+ "step": 181
1278
+ },
1279
+ {
1280
+ "epoch": 0.09494001043296818,
1281
+ "grad_norm": 0.12387479841709137,
1282
+ "learning_rate": 0.000455,
1283
+ "loss": 0.0259,
1284
+ "step": 182
1285
+ },
1286
+ {
1287
+ "epoch": 0.09546165884194054,
1288
+ "grad_norm": 0.1586403250694275,
1289
+ "learning_rate": 0.00045444444444444444,
1290
+ "loss": 0.0378,
1291
+ "step": 183
1292
+ },
1293
+ {
1294
+ "epoch": 0.09598330725091289,
1295
+ "grad_norm": 0.18905822932720184,
1296
+ "learning_rate": 0.00045388888888888893,
1297
+ "loss": 0.0484,
1298
+ "step": 184
1299
+ },
1300
+ {
1301
+ "epoch": 0.09650495565988523,
1302
+ "grad_norm": 0.17541544139385223,
1303
+ "learning_rate": 0.0004533333333333333,
1304
+ "loss": 0.0503,
1305
+ "step": 185
1306
+ },
1307
+ {
1308
+ "epoch": 0.09702660406885759,
1309
+ "grad_norm": 0.1083071306347847,
1310
+ "learning_rate": 0.0004527777777777778,
1311
+ "loss": 0.0439,
1312
+ "step": 186
1313
+ },
1314
+ {
1315
+ "epoch": 0.09754825247782994,
1316
+ "grad_norm": 0.10464104264974594,
1317
+ "learning_rate": 0.00045222222222222224,
1318
+ "loss": 0.0271,
1319
+ "step": 187
1320
+ },
1321
+ {
1322
+ "epoch": 0.0980699008868023,
1323
+ "grad_norm": 0.18022054433822632,
1324
+ "learning_rate": 0.0004516666666666667,
1325
+ "loss": 0.0589,
1326
+ "step": 188
1327
+ },
1328
+ {
1329
+ "epoch": 0.09859154929577464,
1330
+ "grad_norm": 0.18715251982212067,
1331
+ "learning_rate": 0.0004511111111111111,
1332
+ "loss": 0.0489,
1333
+ "step": 189
1334
+ },
1335
+ {
1336
+ "epoch": 0.099113197704747,
1337
+ "grad_norm": 0.10440787672996521,
1338
+ "learning_rate": 0.00045055555555555555,
1339
+ "loss": 0.0221,
1340
+ "step": 190
1341
+ },
1342
+ {
1343
+ "epoch": 0.09963484611371935,
1344
+ "grad_norm": 0.11525921523571014,
1345
+ "learning_rate": 0.00045000000000000004,
1346
+ "loss": 0.0427,
1347
+ "step": 191
1348
+ },
1349
+ {
1350
+ "epoch": 0.10015649452269171,
1351
+ "grad_norm": 0.1573028564453125,
1352
+ "learning_rate": 0.0004494444444444444,
1353
+ "loss": 0.04,
1354
+ "step": 192
1355
+ },
1356
+ {
1357
+ "epoch": 0.10067814293166406,
1358
+ "grad_norm": 0.15942253172397614,
1359
+ "learning_rate": 0.0004488888888888889,
1360
+ "loss": 0.045,
1361
+ "step": 193
1362
+ },
1363
+ {
1364
+ "epoch": 0.1011997913406364,
1365
+ "grad_norm": 0.2997572422027588,
1366
+ "learning_rate": 0.0004483333333333333,
1367
+ "loss": 0.062,
1368
+ "step": 194
1369
+ },
1370
+ {
1371
+ "epoch": 0.10172143974960876,
1372
+ "grad_norm": 0.1859196424484253,
1373
+ "learning_rate": 0.0004477777777777778,
1374
+ "loss": 0.0496,
1375
+ "step": 195
1376
+ },
1377
+ {
1378
+ "epoch": 0.10224308815858112,
1379
+ "grad_norm": 0.1265893131494522,
1380
+ "learning_rate": 0.0004472222222222222,
1381
+ "loss": 0.0457,
1382
+ "step": 196
1383
+ },
1384
+ {
1385
+ "epoch": 0.10276473656755347,
1386
+ "grad_norm": 0.16036029160022736,
1387
+ "learning_rate": 0.00044666666666666666,
1388
+ "loss": 0.046,
1389
+ "step": 197
1390
+ },
1391
+ {
1392
+ "epoch": 0.10328638497652583,
1393
+ "grad_norm": 0.10421448945999146,
1394
+ "learning_rate": 0.00044611111111111115,
1395
+ "loss": 0.033,
1396
+ "step": 198
1397
+ },
1398
+ {
1399
+ "epoch": 0.10380803338549817,
1400
+ "grad_norm": 0.12321974337100983,
1401
+ "learning_rate": 0.00044555555555555554,
1402
+ "loss": 0.0458,
1403
+ "step": 199
1404
+ },
1405
+ {
1406
+ "epoch": 0.10432968179447052,
1407
+ "grad_norm": 0.13863791525363922,
1408
+ "learning_rate": 0.00044500000000000003,
1409
+ "loss": 0.0221,
1410
+ "step": 200
1411
+ }
1412
+ ],
1413
+ "logging_steps": 1,
1414
+ "max_steps": 1000,
1415
+ "num_input_tokens_seen": 0,
1416
+ "num_train_epochs": 1,
1417
+ "save_steps": 100,
1418
+ "stateful_callbacks": {
1419
+ "TrainerControl": {
1420
+ "args": {
1421
+ "should_epoch_stop": false,
1422
+ "should_evaluate": false,
1423
+ "should_log": false,
1424
+ "should_save": true,
1425
+ "should_training_stop": false
1426
+ },
1427
+ "attributes": {}
1428
+ }
1429
+ },
1430
+ "total_flos": 0.0,
1431
+ "train_batch_size": 512,
1432
+ "trial_name": null,
1433
+ "trial_params": null
1434
+ }
checkpoint-200/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:004527189128ad9f86554b0f384032fa8c4c91478964cf149c179071f96bf50a
3
+ size 6289
checkpoint-200/vocab.json ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-300/added_tokens.json ADDED
@@ -0,0 +1,24 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "</tool_call>": 151658,
3
+ "<tool_call>": 151657,
4
+ "<|box_end|>": 151649,
5
+ "<|box_start|>": 151648,
6
+ "<|endoftext|>": 151643,
7
+ "<|file_sep|>": 151664,
8
+ "<|fim_middle|>": 151660,
9
+ "<|fim_pad|>": 151662,
10
+ "<|fim_prefix|>": 151659,
11
+ "<|fim_suffix|>": 151661,
12
+ "<|im_end|>": 151645,
13
+ "<|im_start|>": 151644,
14
+ "<|image_pad|>": 151655,
15
+ "<|object_ref_end|>": 151647,
16
+ "<|object_ref_start|>": 151646,
17
+ "<|quad_end|>": 151651,
18
+ "<|quad_start|>": 151650,
19
+ "<|repo_name|>": 151663,
20
+ "<|video_pad|>": 151656,
21
+ "<|vision_end|>": 151653,
22
+ "<|vision_pad|>": 151654,
23
+ "<|vision_start|>": 151652
24
+ }
checkpoint-300/chat_template.jinja ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {% set image_count = namespace(value=0) %}{% set video_count = namespace(value=0) %}{% for message in messages %}{% if loop.first and message['role'] != 'system' %}<|im_start|>system
2
+ You are a helpful assistant.<|im_end|>
3
+ {% endif %}<|im_start|>{{ message['role'] }}
4
+ {% if message['content'] is string %}{{ message['content'] }}<|im_end|>
5
+ {% else %}{% for content in message['content'] %}{% if content['type'] == 'image' or 'image' in content or 'image_url' in content %}{% set image_count.value = image_count.value + 1 %}{% if add_vision_id %}Picture {{ image_count.value }}: {% endif %}<|vision_start|><|image_pad|><|vision_end|>{% elif content['type'] == 'video' or 'video' in content %}{% set video_count.value = video_count.value + 1 %}{% if add_vision_id %}Video {{ video_count.value }}: {% endif %}<|vision_start|><|video_pad|><|vision_end|>{% elif 'text' in content %}{{ content['text'] }}{% endif %}{% endfor %}<|im_end|>
6
+ {% endif %}{% endfor %}{% if add_generation_prompt %}<|im_start|>assistant
7
+ {% endif %}
checkpoint-300/merges.txt ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-300/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:2cf35d506aafebb35b7859faa1facfed21af871dc2f4d41e5c3a9afdfb2943b0
3
+ size 1003852
checkpoint-300/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:472841ee20f3dbe212d8d9876009229b558cfea68399543d0ef958cfe3432199
3
+ size 2019836
checkpoint-300/preprocessor_config.json ADDED
@@ -0,0 +1,29 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "do_convert_rgb": true,
3
+ "do_normalize": true,
4
+ "do_rescale": true,
5
+ "do_resize": true,
6
+ "image_mean": [
7
+ 0.48145466,
8
+ 0.4578275,
9
+ 0.40821073
10
+ ],
11
+ "image_processor_type": "Qwen2_5_VLImageProcessor",
12
+ "image_std": [
13
+ 0.26862954,
14
+ 0.26130258,
15
+ 0.27577711
16
+ ],
17
+ "max_pixels": 1003520,
18
+ "merge_size": 2,
19
+ "min_pixels": 3136,
20
+ "patch_size": 14,
21
+ "processor_class": "Qwen2_5_VLProcessor",
22
+ "resample": 3,
23
+ "rescale_factor": 0.00392156862745098,
24
+ "size": {
25
+ "max_pixels": 1003520,
26
+ "min_pixels": 3136
27
+ },
28
+ "temporal_patch_size": 2
29
+ }
checkpoint-300/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5d3453595821a7c223876546271ef57345e33f2a1aeb7d5040617d7190c545aa
3
+ size 14645
checkpoint-300/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9008526ba75ad62032e440b0c008b057b115ab20ed57dfeabf0d04a531a70829
3
+ size 1465
checkpoint-300/special_tokens_map.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "additional_special_tokens": [
3
+ "<|im_start|>",
4
+ "<|im_end|>",
5
+ "<|object_ref_start|>",
6
+ "<|object_ref_end|>",
7
+ "<|box_start|>",
8
+ "<|box_end|>",
9
+ "<|quad_start|>",
10
+ "<|quad_end|>",
11
+ "<|vision_start|>",
12
+ "<|vision_end|>",
13
+ "<|vision_pad|>",
14
+ "<|image_pad|>",
15
+ "<|video_pad|>"
16
+ ],
17
+ "eos_token": {
18
+ "content": "<|im_end|>",
19
+ "lstrip": false,
20
+ "normalized": false,
21
+ "rstrip": false,
22
+ "single_word": false
23
+ },
24
+ "pad_token": {
25
+ "content": "<|endoftext|>",
26
+ "lstrip": false,
27
+ "normalized": false,
28
+ "rstrip": false,
29
+ "single_word": false
30
+ }
31
+ }
checkpoint-300/tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9c5ae00e602b8860cbd784ba82a8aa14e8feecec692e7076590d014d7b7fdafa
3
+ size 11421896
checkpoint-300/tokenizer_config.json ADDED
@@ -0,0 +1,208 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": false,
3
+ "add_prefix_space": false,
4
+ "added_tokens_decoder": {
5
+ "151643": {
6
+ "content": "<|endoftext|>",
7
+ "lstrip": false,
8
+ "normalized": false,
9
+ "rstrip": false,
10
+ "single_word": false,
11
+ "special": true
12
+ },
13
+ "151644": {
14
+ "content": "<|im_start|>",
15
+ "lstrip": false,
16
+ "normalized": false,
17
+ "rstrip": false,
18
+ "single_word": false,
19
+ "special": true
20
+ },
21
+ "151645": {
22
+ "content": "<|im_end|>",
23
+ "lstrip": false,
24
+ "normalized": false,
25
+ "rstrip": false,
26
+ "single_word": false,
27
+ "special": true
28
+ },
29
+ "151646": {
30
+ "content": "<|object_ref_start|>",
31
+ "lstrip": false,
32
+ "normalized": false,
33
+ "rstrip": false,
34
+ "single_word": false,
35
+ "special": true
36
+ },
37
+ "151647": {
38
+ "content": "<|object_ref_end|>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false,
43
+ "special": true
44
+ },
45
+ "151648": {
46
+ "content": "<|box_start|>",
47
+ "lstrip": false,
48
+ "normalized": false,
49
+ "rstrip": false,
50
+ "single_word": false,
51
+ "special": true
52
+ },
53
+ "151649": {
54
+ "content": "<|box_end|>",
55
+ "lstrip": false,
56
+ "normalized": false,
57
+ "rstrip": false,
58
+ "single_word": false,
59
+ "special": true
60
+ },
61
+ "151650": {
62
+ "content": "<|quad_start|>",
63
+ "lstrip": false,
64
+ "normalized": false,
65
+ "rstrip": false,
66
+ "single_word": false,
67
+ "special": true
68
+ },
69
+ "151651": {
70
+ "content": "<|quad_end|>",
71
+ "lstrip": false,
72
+ "normalized": false,
73
+ "rstrip": false,
74
+ "single_word": false,
75
+ "special": true
76
+ },
77
+ "151652": {
78
+ "content": "<|vision_start|>",
79
+ "lstrip": false,
80
+ "normalized": false,
81
+ "rstrip": false,
82
+ "single_word": false,
83
+ "special": true
84
+ },
85
+ "151653": {
86
+ "content": "<|vision_end|>",
87
+ "lstrip": false,
88
+ "normalized": false,
89
+ "rstrip": false,
90
+ "single_word": false,
91
+ "special": true
92
+ },
93
+ "151654": {
94
+ "content": "<|vision_pad|>",
95
+ "lstrip": false,
96
+ "normalized": false,
97
+ "rstrip": false,
98
+ "single_word": false,
99
+ "special": true
100
+ },
101
+ "151655": {
102
+ "content": "<|image_pad|>",
103
+ "lstrip": false,
104
+ "normalized": false,
105
+ "rstrip": false,
106
+ "single_word": false,
107
+ "special": true
108
+ },
109
+ "151656": {
110
+ "content": "<|video_pad|>",
111
+ "lstrip": false,
112
+ "normalized": false,
113
+ "rstrip": false,
114
+ "single_word": false,
115
+ "special": true
116
+ },
117
+ "151657": {
118
+ "content": "<tool_call>",
119
+ "lstrip": false,
120
+ "normalized": false,
121
+ "rstrip": false,
122
+ "single_word": false,
123
+ "special": false
124
+ },
125
+ "151658": {
126
+ "content": "</tool_call>",
127
+ "lstrip": false,
128
+ "normalized": false,
129
+ "rstrip": false,
130
+ "single_word": false,
131
+ "special": false
132
+ },
133
+ "151659": {
134
+ "content": "<|fim_prefix|>",
135
+ "lstrip": false,
136
+ "normalized": false,
137
+ "rstrip": false,
138
+ "single_word": false,
139
+ "special": false
140
+ },
141
+ "151660": {
142
+ "content": "<|fim_middle|>",
143
+ "lstrip": false,
144
+ "normalized": false,
145
+ "rstrip": false,
146
+ "single_word": false,
147
+ "special": false
148
+ },
149
+ "151661": {
150
+ "content": "<|fim_suffix|>",
151
+ "lstrip": false,
152
+ "normalized": false,
153
+ "rstrip": false,
154
+ "single_word": false,
155
+ "special": false
156
+ },
157
+ "151662": {
158
+ "content": "<|fim_pad|>",
159
+ "lstrip": false,
160
+ "normalized": false,
161
+ "rstrip": false,
162
+ "single_word": false,
163
+ "special": false
164
+ },
165
+ "151663": {
166
+ "content": "<|repo_name|>",
167
+ "lstrip": false,
168
+ "normalized": false,
169
+ "rstrip": false,
170
+ "single_word": false,
171
+ "special": false
172
+ },
173
+ "151664": {
174
+ "content": "<|file_sep|>",
175
+ "lstrip": false,
176
+ "normalized": false,
177
+ "rstrip": false,
178
+ "single_word": false,
179
+ "special": false
180
+ }
181
+ },
182
+ "additional_special_tokens": [
183
+ "<|im_start|>",
184
+ "<|im_end|>",
185
+ "<|object_ref_start|>",
186
+ "<|object_ref_end|>",
187
+ "<|box_start|>",
188
+ "<|box_end|>",
189
+ "<|quad_start|>",
190
+ "<|quad_end|>",
191
+ "<|vision_start|>",
192
+ "<|vision_end|>",
193
+ "<|vision_pad|>",
194
+ "<|image_pad|>",
195
+ "<|video_pad|>"
196
+ ],
197
+ "bos_token": null,
198
+ "clean_up_tokenization_spaces": false,
199
+ "eos_token": "<|im_end|>",
200
+ "errors": "replace",
201
+ "extra_special_tokens": {},
202
+ "model_max_length": 131072,
203
+ "pad_token": "<|endoftext|>",
204
+ "processor_class": "Qwen2_5_VLProcessor",
205
+ "split_special_tokens": false,
206
+ "tokenizer_class": "Qwen2Tokenizer",
207
+ "unk_token": null
208
+ }
checkpoint-300/trainer_state.json ADDED
@@ -0,0 +1,2134 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 0.1564945226917058,
6
+ "eval_steps": 500,
7
+ "global_step": 300,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.0005216484089723526,
14
+ "grad_norm": 3.6680614948272705,
15
+ "learning_rate": 0.0,
16
+ "loss": 0.541,
17
+ "step": 1
18
+ },
19
+ {
20
+ "epoch": 0.0010432968179447052,
21
+ "grad_norm": 1.7092307806015015,
22
+ "learning_rate": 5e-06,
23
+ "loss": 0.2639,
24
+ "step": 2
25
+ },
26
+ {
27
+ "epoch": 0.001564945226917058,
28
+ "grad_norm": 1.990319013595581,
29
+ "learning_rate": 1e-05,
30
+ "loss": 0.3118,
31
+ "step": 3
32
+ },
33
+ {
34
+ "epoch": 0.0020865936358894104,
35
+ "grad_norm": 3.750917434692383,
36
+ "learning_rate": 1.5e-05,
37
+ "loss": 0.4562,
38
+ "step": 4
39
+ },
40
+ {
41
+ "epoch": 0.0026082420448617634,
42
+ "grad_norm": 4.690845966339111,
43
+ "learning_rate": 2e-05,
44
+ "loss": 0.673,
45
+ "step": 5
46
+ },
47
+ {
48
+ "epoch": 0.003129890453834116,
49
+ "grad_norm": 1.4218288660049438,
50
+ "learning_rate": 2.5e-05,
51
+ "loss": 0.2984,
52
+ "step": 6
53
+ },
54
+ {
55
+ "epoch": 0.0036515388628064684,
56
+ "grad_norm": 4.896511077880859,
57
+ "learning_rate": 3e-05,
58
+ "loss": 0.7113,
59
+ "step": 7
60
+ },
61
+ {
62
+ "epoch": 0.004173187271778821,
63
+ "grad_norm": 2.5787155628204346,
64
+ "learning_rate": 3.5000000000000004e-05,
65
+ "loss": 0.4226,
66
+ "step": 8
67
+ },
68
+ {
69
+ "epoch": 0.004694835680751174,
70
+ "grad_norm": 1.028937578201294,
71
+ "learning_rate": 4e-05,
72
+ "loss": 0.1873,
73
+ "step": 9
74
+ },
75
+ {
76
+ "epoch": 0.005216484089723527,
77
+ "grad_norm": 3.9262092113494873,
78
+ "learning_rate": 4.4999999999999996e-05,
79
+ "loss": 0.5728,
80
+ "step": 10
81
+ },
82
+ {
83
+ "epoch": 0.005738132498695879,
84
+ "grad_norm": 4.9360198974609375,
85
+ "learning_rate": 5e-05,
86
+ "loss": 0.725,
87
+ "step": 11
88
+ },
89
+ {
90
+ "epoch": 0.006259780907668232,
91
+ "grad_norm": 4.287437915802002,
92
+ "learning_rate": 5.5e-05,
93
+ "loss": 0.6361,
94
+ "step": 12
95
+ },
96
+ {
97
+ "epoch": 0.006781429316640584,
98
+ "grad_norm": 1.3290928602218628,
99
+ "learning_rate": 6e-05,
100
+ "loss": 0.3109,
101
+ "step": 13
102
+ },
103
+ {
104
+ "epoch": 0.007303077725612937,
105
+ "grad_norm": 2.0050501823425293,
106
+ "learning_rate": 6.500000000000001e-05,
107
+ "loss": 0.4099,
108
+ "step": 14
109
+ },
110
+ {
111
+ "epoch": 0.00782472613458529,
112
+ "grad_norm": 4.360481262207031,
113
+ "learning_rate": 7.000000000000001e-05,
114
+ "loss": 0.6363,
115
+ "step": 15
116
+ },
117
+ {
118
+ "epoch": 0.008346374543557642,
119
+ "grad_norm": 3.9680511951446533,
120
+ "learning_rate": 7.5e-05,
121
+ "loss": 0.6124,
122
+ "step": 16
123
+ },
124
+ {
125
+ "epoch": 0.008868022952529996,
126
+ "grad_norm": 1.701784610748291,
127
+ "learning_rate": 8e-05,
128
+ "loss": 0.3439,
129
+ "step": 17
130
+ },
131
+ {
132
+ "epoch": 0.009389671361502348,
133
+ "grad_norm": 4.544748783111572,
134
+ "learning_rate": 8.5e-05,
135
+ "loss": 0.6253,
136
+ "step": 18
137
+ },
138
+ {
139
+ "epoch": 0.0099113197704747,
140
+ "grad_norm": 4.58634090423584,
141
+ "learning_rate": 8.999999999999999e-05,
142
+ "loss": 0.7669,
143
+ "step": 19
144
+ },
145
+ {
146
+ "epoch": 0.010432968179447054,
147
+ "grad_norm": 2.89898419380188,
148
+ "learning_rate": 9.5e-05,
149
+ "loss": 0.512,
150
+ "step": 20
151
+ },
152
+ {
153
+ "epoch": 0.010954616588419406,
154
+ "grad_norm": 2.61112904548645,
155
+ "learning_rate": 0.0001,
156
+ "loss": 0.542,
157
+ "step": 21
158
+ },
159
+ {
160
+ "epoch": 0.011476264997391758,
161
+ "grad_norm": 3.217054843902588,
162
+ "learning_rate": 0.000105,
163
+ "loss": 0.4959,
164
+ "step": 22
165
+ },
166
+ {
167
+ "epoch": 0.011997913406364111,
168
+ "grad_norm": 2.569636821746826,
169
+ "learning_rate": 0.00011,
170
+ "loss": 0.3918,
171
+ "step": 23
172
+ },
173
+ {
174
+ "epoch": 0.012519561815336464,
175
+ "grad_norm": 1.4626373052597046,
176
+ "learning_rate": 0.000115,
177
+ "loss": 0.3316,
178
+ "step": 24
179
+ },
180
+ {
181
+ "epoch": 0.013041210224308816,
182
+ "grad_norm": 1.2480732202529907,
183
+ "learning_rate": 0.00012,
184
+ "loss": 0.3484,
185
+ "step": 25
186
+ },
187
+ {
188
+ "epoch": 0.013562858633281168,
189
+ "grad_norm": 2.5430543422698975,
190
+ "learning_rate": 0.000125,
191
+ "loss": 0.4699,
192
+ "step": 26
193
+ },
194
+ {
195
+ "epoch": 0.014084507042253521,
196
+ "grad_norm": 1.7051862478256226,
197
+ "learning_rate": 0.00013000000000000002,
198
+ "loss": 0.2139,
199
+ "step": 27
200
+ },
201
+ {
202
+ "epoch": 0.014606155451225874,
203
+ "grad_norm": 1.1670981645584106,
204
+ "learning_rate": 0.000135,
205
+ "loss": 0.3883,
206
+ "step": 28
207
+ },
208
+ {
209
+ "epoch": 0.015127803860198226,
210
+ "grad_norm": 1.336538314819336,
211
+ "learning_rate": 0.00014000000000000001,
212
+ "loss": 0.3714,
213
+ "step": 29
214
+ },
215
+ {
216
+ "epoch": 0.01564945226917058,
217
+ "grad_norm": 2.018078565597534,
218
+ "learning_rate": 0.000145,
219
+ "loss": 0.2301,
220
+ "step": 30
221
+ },
222
+ {
223
+ "epoch": 0.01617110067814293,
224
+ "grad_norm": 1.5743223428726196,
225
+ "learning_rate": 0.00015,
226
+ "loss": 0.2935,
227
+ "step": 31
228
+ },
229
+ {
230
+ "epoch": 0.016692749087115284,
231
+ "grad_norm": 1.2724987268447876,
232
+ "learning_rate": 0.000155,
233
+ "loss": 0.3141,
234
+ "step": 32
235
+ },
236
+ {
237
+ "epoch": 0.017214397496087636,
238
+ "grad_norm": 2.2347893714904785,
239
+ "learning_rate": 0.00016,
240
+ "loss": 0.2917,
241
+ "step": 33
242
+ },
243
+ {
244
+ "epoch": 0.01773604590505999,
245
+ "grad_norm": 1.6726069450378418,
246
+ "learning_rate": 0.000165,
247
+ "loss": 0.377,
248
+ "step": 34
249
+ },
250
+ {
251
+ "epoch": 0.018257694314032343,
252
+ "grad_norm": 1.2217071056365967,
253
+ "learning_rate": 0.00017,
254
+ "loss": 0.3027,
255
+ "step": 35
256
+ },
257
+ {
258
+ "epoch": 0.018779342723004695,
259
+ "grad_norm": 1.3436322212219238,
260
+ "learning_rate": 0.000175,
261
+ "loss": 0.2853,
262
+ "step": 36
263
+ },
264
+ {
265
+ "epoch": 0.019300991131977047,
266
+ "grad_norm": 1.2247120141983032,
267
+ "learning_rate": 0.00017999999999999998,
268
+ "loss": 0.2967,
269
+ "step": 37
270
+ },
271
+ {
272
+ "epoch": 0.0198226395409494,
273
+ "grad_norm": 1.0636978149414062,
274
+ "learning_rate": 0.000185,
275
+ "loss": 0.2745,
276
+ "step": 38
277
+ },
278
+ {
279
+ "epoch": 0.02034428794992175,
280
+ "grad_norm": 1.302099347114563,
281
+ "learning_rate": 0.00019,
282
+ "loss": 0.2688,
283
+ "step": 39
284
+ },
285
+ {
286
+ "epoch": 0.020865936358894107,
287
+ "grad_norm": 1.0052679777145386,
288
+ "learning_rate": 0.00019500000000000002,
289
+ "loss": 0.2539,
290
+ "step": 40
291
+ },
292
+ {
293
+ "epoch": 0.02138758476786646,
294
+ "grad_norm": 1.0164084434509277,
295
+ "learning_rate": 0.0002,
296
+ "loss": 0.1978,
297
+ "step": 41
298
+ },
299
+ {
300
+ "epoch": 0.02190923317683881,
301
+ "grad_norm": 1.3891016244888306,
302
+ "learning_rate": 0.000205,
303
+ "loss": 0.3189,
304
+ "step": 42
305
+ },
306
+ {
307
+ "epoch": 0.022430881585811163,
308
+ "grad_norm": 0.960986852645874,
309
+ "learning_rate": 0.00021,
310
+ "loss": 0.2321,
311
+ "step": 43
312
+ },
313
+ {
314
+ "epoch": 0.022952529994783515,
315
+ "grad_norm": 0.9918408393859863,
316
+ "learning_rate": 0.000215,
317
+ "loss": 0.2359,
318
+ "step": 44
319
+ },
320
+ {
321
+ "epoch": 0.023474178403755867,
322
+ "grad_norm": 1.190205693244934,
323
+ "learning_rate": 0.00022,
324
+ "loss": 0.2347,
325
+ "step": 45
326
+ },
327
+ {
328
+ "epoch": 0.023995826812728223,
329
+ "grad_norm": 0.7985232472419739,
330
+ "learning_rate": 0.00022500000000000002,
331
+ "loss": 0.2048,
332
+ "step": 46
333
+ },
334
+ {
335
+ "epoch": 0.024517475221700575,
336
+ "grad_norm": 0.5192842483520508,
337
+ "learning_rate": 0.00023,
338
+ "loss": 0.1116,
339
+ "step": 47
340
+ },
341
+ {
342
+ "epoch": 0.025039123630672927,
343
+ "grad_norm": 1.1033375263214111,
344
+ "learning_rate": 0.000235,
345
+ "loss": 0.2665,
346
+ "step": 48
347
+ },
348
+ {
349
+ "epoch": 0.02556077203964528,
350
+ "grad_norm": 0.7089418172836304,
351
+ "learning_rate": 0.00024,
352
+ "loss": 0.1639,
353
+ "step": 49
354
+ },
355
+ {
356
+ "epoch": 0.02608242044861763,
357
+ "grad_norm": 1.08647882938385,
358
+ "learning_rate": 0.000245,
359
+ "loss": 0.2072,
360
+ "step": 50
361
+ },
362
+ {
363
+ "epoch": 0.026604068857589983,
364
+ "grad_norm": 0.9901174902915955,
365
+ "learning_rate": 0.00025,
366
+ "loss": 0.2035,
367
+ "step": 51
368
+ },
369
+ {
370
+ "epoch": 0.027125717266562335,
371
+ "grad_norm": 0.6938351988792419,
372
+ "learning_rate": 0.000255,
373
+ "loss": 0.1851,
374
+ "step": 52
375
+ },
376
+ {
377
+ "epoch": 0.02764736567553469,
378
+ "grad_norm": 0.8392678499221802,
379
+ "learning_rate": 0.00026000000000000003,
380
+ "loss": 0.1918,
381
+ "step": 53
382
+ },
383
+ {
384
+ "epoch": 0.028169014084507043,
385
+ "grad_norm": 0.5979602932929993,
386
+ "learning_rate": 0.00026500000000000004,
387
+ "loss": 0.1243,
388
+ "step": 54
389
+ },
390
+ {
391
+ "epoch": 0.028690662493479395,
392
+ "grad_norm": 0.7119799852371216,
393
+ "learning_rate": 0.00027,
394
+ "loss": 0.1594,
395
+ "step": 55
396
+ },
397
+ {
398
+ "epoch": 0.029212310902451747,
399
+ "grad_norm": 0.5519995093345642,
400
+ "learning_rate": 0.000275,
401
+ "loss": 0.078,
402
+ "step": 56
403
+ },
404
+ {
405
+ "epoch": 0.0297339593114241,
406
+ "grad_norm": 0.5917723774909973,
407
+ "learning_rate": 0.00028000000000000003,
408
+ "loss": 0.134,
409
+ "step": 57
410
+ },
411
+ {
412
+ "epoch": 0.03025560772039645,
413
+ "grad_norm": 0.6265603303909302,
414
+ "learning_rate": 0.000285,
415
+ "loss": 0.1848,
416
+ "step": 58
417
+ },
418
+ {
419
+ "epoch": 0.030777256129368807,
420
+ "grad_norm": 1.0653454065322876,
421
+ "learning_rate": 0.00029,
422
+ "loss": 0.1831,
423
+ "step": 59
424
+ },
425
+ {
426
+ "epoch": 0.03129890453834116,
427
+ "grad_norm": 0.3466293513774872,
428
+ "learning_rate": 0.000295,
429
+ "loss": 0.0878,
430
+ "step": 60
431
+ },
432
+ {
433
+ "epoch": 0.03182055294731351,
434
+ "grad_norm": 0.5498062372207642,
435
+ "learning_rate": 0.0003,
436
+ "loss": 0.1733,
437
+ "step": 61
438
+ },
439
+ {
440
+ "epoch": 0.03234220135628586,
441
+ "grad_norm": 0.7708966135978699,
442
+ "learning_rate": 0.000305,
443
+ "loss": 0.1975,
444
+ "step": 62
445
+ },
446
+ {
447
+ "epoch": 0.03286384976525822,
448
+ "grad_norm": 0.7717278003692627,
449
+ "learning_rate": 0.00031,
450
+ "loss": 0.1863,
451
+ "step": 63
452
+ },
453
+ {
454
+ "epoch": 0.03338549817423057,
455
+ "grad_norm": 0.8076028823852539,
456
+ "learning_rate": 0.000315,
457
+ "loss": 0.1938,
458
+ "step": 64
459
+ },
460
+ {
461
+ "epoch": 0.03390714658320292,
462
+ "grad_norm": 0.5629755258560181,
463
+ "learning_rate": 0.00032,
464
+ "loss": 0.1471,
465
+ "step": 65
466
+ },
467
+ {
468
+ "epoch": 0.03442879499217527,
469
+ "grad_norm": 0.5237282514572144,
470
+ "learning_rate": 0.00032500000000000004,
471
+ "loss": 0.1244,
472
+ "step": 66
473
+ },
474
+ {
475
+ "epoch": 0.03495044340114763,
476
+ "grad_norm": 0.7248942852020264,
477
+ "learning_rate": 0.00033,
478
+ "loss": 0.1933,
479
+ "step": 67
480
+ },
481
+ {
482
+ "epoch": 0.03547209181011998,
483
+ "grad_norm": 0.49564772844314575,
484
+ "learning_rate": 0.000335,
485
+ "loss": 0.1389,
486
+ "step": 68
487
+ },
488
+ {
489
+ "epoch": 0.03599374021909233,
490
+ "grad_norm": 0.4806594252586365,
491
+ "learning_rate": 0.00034,
492
+ "loss": 0.1295,
493
+ "step": 69
494
+ },
495
+ {
496
+ "epoch": 0.036515388628064686,
497
+ "grad_norm": 0.39995619654655457,
498
+ "learning_rate": 0.000345,
499
+ "loss": 0.1324,
500
+ "step": 70
501
+ },
502
+ {
503
+ "epoch": 0.037037037037037035,
504
+ "grad_norm": 0.6496027708053589,
505
+ "learning_rate": 0.00035,
506
+ "loss": 0.1002,
507
+ "step": 71
508
+ },
509
+ {
510
+ "epoch": 0.03755868544600939,
511
+ "grad_norm": 0.5661569237709045,
512
+ "learning_rate": 0.000355,
513
+ "loss": 0.1277,
514
+ "step": 72
515
+ },
516
+ {
517
+ "epoch": 0.03808033385498174,
518
+ "grad_norm": 0.49875250458717346,
519
+ "learning_rate": 0.00035999999999999997,
520
+ "loss": 0.1322,
521
+ "step": 73
522
+ },
523
+ {
524
+ "epoch": 0.038601982263954095,
525
+ "grad_norm": 0.44551461935043335,
526
+ "learning_rate": 0.000365,
527
+ "loss": 0.1278,
528
+ "step": 74
529
+ },
530
+ {
531
+ "epoch": 0.03912363067292645,
532
+ "grad_norm": 0.3314933478832245,
533
+ "learning_rate": 0.00037,
534
+ "loss": 0.0918,
535
+ "step": 75
536
+ },
537
+ {
538
+ "epoch": 0.0396452790818988,
539
+ "grad_norm": 0.3463922441005707,
540
+ "learning_rate": 0.000375,
541
+ "loss": 0.0948,
542
+ "step": 76
543
+ },
544
+ {
545
+ "epoch": 0.040166927490871154,
546
+ "grad_norm": 0.5401505827903748,
547
+ "learning_rate": 0.00038,
548
+ "loss": 0.1574,
549
+ "step": 77
550
+ },
551
+ {
552
+ "epoch": 0.0406885758998435,
553
+ "grad_norm": 0.39233317971229553,
554
+ "learning_rate": 0.00038500000000000003,
555
+ "loss": 0.1312,
556
+ "step": 78
557
+ },
558
+ {
559
+ "epoch": 0.04121022430881586,
560
+ "grad_norm": 0.4380398988723755,
561
+ "learning_rate": 0.00039000000000000005,
562
+ "loss": 0.0601,
563
+ "step": 79
564
+ },
565
+ {
566
+ "epoch": 0.041731872717788214,
567
+ "grad_norm": 0.3931694030761719,
568
+ "learning_rate": 0.000395,
569
+ "loss": 0.0962,
570
+ "step": 80
571
+ },
572
+ {
573
+ "epoch": 0.04225352112676056,
574
+ "grad_norm": 0.3566243648529053,
575
+ "learning_rate": 0.0004,
576
+ "loss": 0.1137,
577
+ "step": 81
578
+ },
579
+ {
580
+ "epoch": 0.04277516953573292,
581
+ "grad_norm": 0.40159469842910767,
582
+ "learning_rate": 0.00040500000000000003,
583
+ "loss": 0.1128,
584
+ "step": 82
585
+ },
586
+ {
587
+ "epoch": 0.04329681794470527,
588
+ "grad_norm": 0.30474773049354553,
589
+ "learning_rate": 0.00041,
590
+ "loss": 0.0922,
591
+ "step": 83
592
+ },
593
+ {
594
+ "epoch": 0.04381846635367762,
595
+ "grad_norm": 0.31177017092704773,
596
+ "learning_rate": 0.000415,
597
+ "loss": 0.1015,
598
+ "step": 84
599
+ },
600
+ {
601
+ "epoch": 0.04434011476264997,
602
+ "grad_norm": 0.3996855914592743,
603
+ "learning_rate": 0.00042,
604
+ "loss": 0.1266,
605
+ "step": 85
606
+ },
607
+ {
608
+ "epoch": 0.044861763171622326,
609
+ "grad_norm": 0.2281728833913803,
610
+ "learning_rate": 0.000425,
611
+ "loss": 0.0758,
612
+ "step": 86
613
+ },
614
+ {
615
+ "epoch": 0.04538341158059468,
616
+ "grad_norm": 0.5169669985771179,
617
+ "learning_rate": 0.00043,
618
+ "loss": 0.1092,
619
+ "step": 87
620
+ },
621
+ {
622
+ "epoch": 0.04590505998956703,
623
+ "grad_norm": 0.5525585412979126,
624
+ "learning_rate": 0.000435,
625
+ "loss": 0.1226,
626
+ "step": 88
627
+ },
628
+ {
629
+ "epoch": 0.046426708398539386,
630
+ "grad_norm": 0.33093884587287903,
631
+ "learning_rate": 0.00044,
632
+ "loss": 0.0879,
633
+ "step": 89
634
+ },
635
+ {
636
+ "epoch": 0.046948356807511735,
637
+ "grad_norm": 0.3713582158088684,
638
+ "learning_rate": 0.00044500000000000003,
639
+ "loss": 0.1121,
640
+ "step": 90
641
+ },
642
+ {
643
+ "epoch": 0.04747000521648409,
644
+ "grad_norm": 0.565517246723175,
645
+ "learning_rate": 0.00045000000000000004,
646
+ "loss": 0.1469,
647
+ "step": 91
648
+ },
649
+ {
650
+ "epoch": 0.047991653625456446,
651
+ "grad_norm": 0.31801939010620117,
652
+ "learning_rate": 0.000455,
653
+ "loss": 0.0915,
654
+ "step": 92
655
+ },
656
+ {
657
+ "epoch": 0.048513302034428794,
658
+ "grad_norm": 0.42586401104927063,
659
+ "learning_rate": 0.00046,
660
+ "loss": 0.0411,
661
+ "step": 93
662
+ },
663
+ {
664
+ "epoch": 0.04903495044340115,
665
+ "grad_norm": 0.42403289675712585,
666
+ "learning_rate": 0.000465,
667
+ "loss": 0.0589,
668
+ "step": 94
669
+ },
670
+ {
671
+ "epoch": 0.0495565988523735,
672
+ "grad_norm": 0.2604529559612274,
673
+ "learning_rate": 0.00047,
674
+ "loss": 0.0779,
675
+ "step": 95
676
+ },
677
+ {
678
+ "epoch": 0.050078247261345854,
679
+ "grad_norm": 0.32257840037345886,
680
+ "learning_rate": 0.000475,
681
+ "loss": 0.0958,
682
+ "step": 96
683
+ },
684
+ {
685
+ "epoch": 0.0505998956703182,
686
+ "grad_norm": 0.2648946940898895,
687
+ "learning_rate": 0.00048,
688
+ "loss": 0.0591,
689
+ "step": 97
690
+ },
691
+ {
692
+ "epoch": 0.05112154407929056,
693
+ "grad_norm": 0.26664629578590393,
694
+ "learning_rate": 0.00048499999999999997,
695
+ "loss": 0.0607,
696
+ "step": 98
697
+ },
698
+ {
699
+ "epoch": 0.051643192488262914,
700
+ "grad_norm": 0.2891658544540405,
701
+ "learning_rate": 0.00049,
702
+ "loss": 0.0478,
703
+ "step": 99
704
+ },
705
+ {
706
+ "epoch": 0.05216484089723526,
707
+ "grad_norm": 0.35936883091926575,
708
+ "learning_rate": 0.000495,
709
+ "loss": 0.1126,
710
+ "step": 100
711
+ },
712
+ {
713
+ "epoch": 0.05268648930620762,
714
+ "grad_norm": 0.3226841986179352,
715
+ "learning_rate": 0.0005,
716
+ "loss": 0.0995,
717
+ "step": 101
718
+ },
719
+ {
720
+ "epoch": 0.053208137715179966,
721
+ "grad_norm": 0.2140406370162964,
722
+ "learning_rate": 0.0004994444444444445,
723
+ "loss": 0.0636,
724
+ "step": 102
725
+ },
726
+ {
727
+ "epoch": 0.05372978612415232,
728
+ "grad_norm": 0.28297877311706543,
729
+ "learning_rate": 0.0004988888888888889,
730
+ "loss": 0.0674,
731
+ "step": 103
732
+ },
733
+ {
734
+ "epoch": 0.05425143453312467,
735
+ "grad_norm": 0.27131739258766174,
736
+ "learning_rate": 0.0004983333333333334,
737
+ "loss": 0.0657,
738
+ "step": 104
739
+ },
740
+ {
741
+ "epoch": 0.054773082942097026,
742
+ "grad_norm": 0.28402701020240784,
743
+ "learning_rate": 0.0004977777777777778,
744
+ "loss": 0.0894,
745
+ "step": 105
746
+ },
747
+ {
748
+ "epoch": 0.05529473135106938,
749
+ "grad_norm": 0.33924373984336853,
750
+ "learning_rate": 0.0004972222222222222,
751
+ "loss": 0.1264,
752
+ "step": 106
753
+ },
754
+ {
755
+ "epoch": 0.05581637976004173,
756
+ "grad_norm": 0.3655984401702881,
757
+ "learning_rate": 0.0004966666666666666,
758
+ "loss": 0.0828,
759
+ "step": 107
760
+ },
761
+ {
762
+ "epoch": 0.056338028169014086,
763
+ "grad_norm": 0.2262953370809555,
764
+ "learning_rate": 0.0004961111111111111,
765
+ "loss": 0.0662,
766
+ "step": 108
767
+ },
768
+ {
769
+ "epoch": 0.056859676577986434,
770
+ "grad_norm": 0.23988084495067596,
771
+ "learning_rate": 0.0004955555555555556,
772
+ "loss": 0.0672,
773
+ "step": 109
774
+ },
775
+ {
776
+ "epoch": 0.05738132498695879,
777
+ "grad_norm": 0.228820338845253,
778
+ "learning_rate": 0.000495,
779
+ "loss": 0.0615,
780
+ "step": 110
781
+ },
782
+ {
783
+ "epoch": 0.057902973395931145,
784
+ "grad_norm": 0.32484373450279236,
785
+ "learning_rate": 0.0004944444444444445,
786
+ "loss": 0.0833,
787
+ "step": 111
788
+ },
789
+ {
790
+ "epoch": 0.058424621804903494,
791
+ "grad_norm": 0.22520330548286438,
792
+ "learning_rate": 0.0004938888888888889,
793
+ "loss": 0.0767,
794
+ "step": 112
795
+ },
796
+ {
797
+ "epoch": 0.05894627021387585,
798
+ "grad_norm": 0.4783564805984497,
799
+ "learning_rate": 0.0004933333333333334,
800
+ "loss": 0.0999,
801
+ "step": 113
802
+ },
803
+ {
804
+ "epoch": 0.0594679186228482,
805
+ "grad_norm": 0.2565033733844757,
806
+ "learning_rate": 0.0004927777777777777,
807
+ "loss": 0.0819,
808
+ "step": 114
809
+ },
810
+ {
811
+ "epoch": 0.059989567031820554,
812
+ "grad_norm": 0.19332879781723022,
813
+ "learning_rate": 0.0004922222222222222,
814
+ "loss": 0.0702,
815
+ "step": 115
816
+ },
817
+ {
818
+ "epoch": 0.0605112154407929,
819
+ "grad_norm": 0.2507823705673218,
820
+ "learning_rate": 0.0004916666666666666,
821
+ "loss": 0.076,
822
+ "step": 116
823
+ },
824
+ {
825
+ "epoch": 0.06103286384976526,
826
+ "grad_norm": 0.29689472913742065,
827
+ "learning_rate": 0.0004911111111111111,
828
+ "loss": 0.0748,
829
+ "step": 117
830
+ },
831
+ {
832
+ "epoch": 0.06155451225873761,
833
+ "grad_norm": 0.34821203351020813,
834
+ "learning_rate": 0.0004905555555555556,
835
+ "loss": 0.0949,
836
+ "step": 118
837
+ },
838
+ {
839
+ "epoch": 0.06207616066770996,
840
+ "grad_norm": 0.25025618076324463,
841
+ "learning_rate": 0.00049,
842
+ "loss": 0.0813,
843
+ "step": 119
844
+ },
845
+ {
846
+ "epoch": 0.06259780907668232,
847
+ "grad_norm": 0.23138757050037384,
848
+ "learning_rate": 0.0004894444444444445,
849
+ "loss": 0.0806,
850
+ "step": 120
851
+ },
852
+ {
853
+ "epoch": 0.06311945748565467,
854
+ "grad_norm": 0.25655433535575867,
855
+ "learning_rate": 0.0004888888888888889,
856
+ "loss": 0.0864,
857
+ "step": 121
858
+ },
859
+ {
860
+ "epoch": 0.06364110589462701,
861
+ "grad_norm": 0.2863710820674896,
862
+ "learning_rate": 0.0004883333333333333,
863
+ "loss": 0.0659,
864
+ "step": 122
865
+ },
866
+ {
867
+ "epoch": 0.06416275430359937,
868
+ "grad_norm": 0.2628318965435028,
869
+ "learning_rate": 0.0004877777777777778,
870
+ "loss": 0.0746,
871
+ "step": 123
872
+ },
873
+ {
874
+ "epoch": 0.06468440271257173,
875
+ "grad_norm": 0.2095496952533722,
876
+ "learning_rate": 0.0004872222222222222,
877
+ "loss": 0.0746,
878
+ "step": 124
879
+ },
880
+ {
881
+ "epoch": 0.06520605112154408,
882
+ "grad_norm": 0.25687775015830994,
883
+ "learning_rate": 0.0004866666666666667,
884
+ "loss": 0.0867,
885
+ "step": 125
886
+ },
887
+ {
888
+ "epoch": 0.06572769953051644,
889
+ "grad_norm": 0.3623638153076172,
890
+ "learning_rate": 0.0004861111111111111,
891
+ "loss": 0.0859,
892
+ "step": 126
893
+ },
894
+ {
895
+ "epoch": 0.06624934793948878,
896
+ "grad_norm": 0.22254744172096252,
897
+ "learning_rate": 0.0004855555555555556,
898
+ "loss": 0.0956,
899
+ "step": 127
900
+ },
901
+ {
902
+ "epoch": 0.06677099634846113,
903
+ "grad_norm": 0.42705070972442627,
904
+ "learning_rate": 0.00048499999999999997,
905
+ "loss": 0.0885,
906
+ "step": 128
907
+ },
908
+ {
909
+ "epoch": 0.06729264475743349,
910
+ "grad_norm": 0.23360145092010498,
911
+ "learning_rate": 0.00048444444444444446,
912
+ "loss": 0.0521,
913
+ "step": 129
914
+ },
915
+ {
916
+ "epoch": 0.06781429316640585,
917
+ "grad_norm": 0.1959061473608017,
918
+ "learning_rate": 0.0004838888888888889,
919
+ "loss": 0.043,
920
+ "step": 130
921
+ },
922
+ {
923
+ "epoch": 0.0683359415753782,
924
+ "grad_norm": 0.32006219029426575,
925
+ "learning_rate": 0.00048333333333333334,
926
+ "loss": 0.0942,
927
+ "step": 131
928
+ },
929
+ {
930
+ "epoch": 0.06885758998435054,
931
+ "grad_norm": 0.20010985434055328,
932
+ "learning_rate": 0.0004827777777777778,
933
+ "loss": 0.0645,
934
+ "step": 132
935
+ },
936
+ {
937
+ "epoch": 0.0693792383933229,
938
+ "grad_norm": 0.18007700145244598,
939
+ "learning_rate": 0.0004822222222222222,
940
+ "loss": 0.0593,
941
+ "step": 133
942
+ },
943
+ {
944
+ "epoch": 0.06990088680229525,
945
+ "grad_norm": 0.23080182075500488,
946
+ "learning_rate": 0.0004816666666666667,
947
+ "loss": 0.069,
948
+ "step": 134
949
+ },
950
+ {
951
+ "epoch": 0.07042253521126761,
952
+ "grad_norm": 0.16220460832118988,
953
+ "learning_rate": 0.0004811111111111111,
954
+ "loss": 0.0499,
955
+ "step": 135
956
+ },
957
+ {
958
+ "epoch": 0.07094418362023996,
959
+ "grad_norm": 0.19325301051139832,
960
+ "learning_rate": 0.0004805555555555556,
961
+ "loss": 0.0616,
962
+ "step": 136
963
+ },
964
+ {
965
+ "epoch": 0.0714658320292123,
966
+ "grad_norm": 0.16364900767803192,
967
+ "learning_rate": 0.00048,
968
+ "loss": 0.0612,
969
+ "step": 137
970
+ },
971
+ {
972
+ "epoch": 0.07198748043818466,
973
+ "grad_norm": 0.15745937824249268,
974
+ "learning_rate": 0.00047944444444444445,
975
+ "loss": 0.0526,
976
+ "step": 138
977
+ },
978
+ {
979
+ "epoch": 0.07250912884715702,
980
+ "grad_norm": 0.22706539928913116,
981
+ "learning_rate": 0.0004788888888888889,
982
+ "loss": 0.067,
983
+ "step": 139
984
+ },
985
+ {
986
+ "epoch": 0.07303077725612937,
987
+ "grad_norm": 0.22147034108638763,
988
+ "learning_rate": 0.0004783333333333333,
989
+ "loss": 0.0684,
990
+ "step": 140
991
+ },
992
+ {
993
+ "epoch": 0.07355242566510173,
994
+ "grad_norm": 0.2623853385448456,
995
+ "learning_rate": 0.0004777777777777778,
996
+ "loss": 0.0491,
997
+ "step": 141
998
+ },
999
+ {
1000
+ "epoch": 0.07407407407407407,
1001
+ "grad_norm": 0.1899435669183731,
1002
+ "learning_rate": 0.00047722222222222225,
1003
+ "loss": 0.029,
1004
+ "step": 142
1005
+ },
1006
+ {
1007
+ "epoch": 0.07459572248304643,
1008
+ "grad_norm": 0.2669859826564789,
1009
+ "learning_rate": 0.0004766666666666667,
1010
+ "loss": 0.064,
1011
+ "step": 143
1012
+ },
1013
+ {
1014
+ "epoch": 0.07511737089201878,
1015
+ "grad_norm": 0.18063829839229584,
1016
+ "learning_rate": 0.0004761111111111111,
1017
+ "loss": 0.0624,
1018
+ "step": 144
1019
+ },
1020
+ {
1021
+ "epoch": 0.07563901930099114,
1022
+ "grad_norm": 0.22147716581821442,
1023
+ "learning_rate": 0.00047555555555555556,
1024
+ "loss": 0.0544,
1025
+ "step": 145
1026
+ },
1027
+ {
1028
+ "epoch": 0.07616066770996348,
1029
+ "grad_norm": 0.30522170662879944,
1030
+ "learning_rate": 0.000475,
1031
+ "loss": 0.077,
1032
+ "step": 146
1033
+ },
1034
+ {
1035
+ "epoch": 0.07668231611893583,
1036
+ "grad_norm": 0.15942497551441193,
1037
+ "learning_rate": 0.00047444444444444444,
1038
+ "loss": 0.0372,
1039
+ "step": 147
1040
+ },
1041
+ {
1042
+ "epoch": 0.07720396452790819,
1043
+ "grad_norm": 0.1456826627254486,
1044
+ "learning_rate": 0.00047388888888888893,
1045
+ "loss": 0.0423,
1046
+ "step": 148
1047
+ },
1048
+ {
1049
+ "epoch": 0.07772561293688054,
1050
+ "grad_norm": 0.17793269455432892,
1051
+ "learning_rate": 0.00047333333333333336,
1052
+ "loss": 0.0559,
1053
+ "step": 149
1054
+ },
1055
+ {
1056
+ "epoch": 0.0782472613458529,
1057
+ "grad_norm": 0.152329221367836,
1058
+ "learning_rate": 0.0004727777777777778,
1059
+ "loss": 0.0266,
1060
+ "step": 150
1061
+ },
1062
+ {
1063
+ "epoch": 0.07876890975482524,
1064
+ "grad_norm": 0.19327858090400696,
1065
+ "learning_rate": 0.00047222222222222224,
1066
+ "loss": 0.0608,
1067
+ "step": 151
1068
+ },
1069
+ {
1070
+ "epoch": 0.0792905581637976,
1071
+ "grad_norm": 0.15060095489025116,
1072
+ "learning_rate": 0.0004716666666666667,
1073
+ "loss": 0.0461,
1074
+ "step": 152
1075
+ },
1076
+ {
1077
+ "epoch": 0.07981220657276995,
1078
+ "grad_norm": 0.1864742785692215,
1079
+ "learning_rate": 0.0004711111111111111,
1080
+ "loss": 0.0724,
1081
+ "step": 153
1082
+ },
1083
+ {
1084
+ "epoch": 0.08033385498174231,
1085
+ "grad_norm": 0.1422508805990219,
1086
+ "learning_rate": 0.00047055555555555555,
1087
+ "loss": 0.0325,
1088
+ "step": 154
1089
+ },
1090
+ {
1091
+ "epoch": 0.08085550339071466,
1092
+ "grad_norm": 0.21115481853485107,
1093
+ "learning_rate": 0.00047,
1094
+ "loss": 0.0535,
1095
+ "step": 155
1096
+ },
1097
+ {
1098
+ "epoch": 0.081377151799687,
1099
+ "grad_norm": 0.2197350263595581,
1100
+ "learning_rate": 0.0004694444444444445,
1101
+ "loss": 0.0703,
1102
+ "step": 156
1103
+ },
1104
+ {
1105
+ "epoch": 0.08189880020865936,
1106
+ "grad_norm": 0.1608528196811676,
1107
+ "learning_rate": 0.0004688888888888889,
1108
+ "loss": 0.0447,
1109
+ "step": 157
1110
+ },
1111
+ {
1112
+ "epoch": 0.08242044861763172,
1113
+ "grad_norm": 0.1445985585451126,
1114
+ "learning_rate": 0.00046833333333333335,
1115
+ "loss": 0.0469,
1116
+ "step": 158
1117
+ },
1118
+ {
1119
+ "epoch": 0.08294209702660407,
1120
+ "grad_norm": 0.25215667486190796,
1121
+ "learning_rate": 0.0004677777777777778,
1122
+ "loss": 0.0709,
1123
+ "step": 159
1124
+ },
1125
+ {
1126
+ "epoch": 0.08346374543557643,
1127
+ "grad_norm": 0.14391636848449707,
1128
+ "learning_rate": 0.0004672222222222222,
1129
+ "loss": 0.0457,
1130
+ "step": 160
1131
+ },
1132
+ {
1133
+ "epoch": 0.08398539384454877,
1134
+ "grad_norm": 0.29619306325912476,
1135
+ "learning_rate": 0.00046666666666666666,
1136
+ "loss": 0.0765,
1137
+ "step": 161
1138
+ },
1139
+ {
1140
+ "epoch": 0.08450704225352113,
1141
+ "grad_norm": 0.15701289474964142,
1142
+ "learning_rate": 0.0004661111111111111,
1143
+ "loss": 0.0418,
1144
+ "step": 162
1145
+ },
1146
+ {
1147
+ "epoch": 0.08502869066249348,
1148
+ "grad_norm": 0.1698683649301529,
1149
+ "learning_rate": 0.0004655555555555556,
1150
+ "loss": 0.0294,
1151
+ "step": 163
1152
+ },
1153
+ {
1154
+ "epoch": 0.08555033907146584,
1155
+ "grad_norm": 0.12165573239326477,
1156
+ "learning_rate": 0.000465,
1157
+ "loss": 0.0258,
1158
+ "step": 164
1159
+ },
1160
+ {
1161
+ "epoch": 0.08607198748043818,
1162
+ "grad_norm": 0.1611219197511673,
1163
+ "learning_rate": 0.00046444444444444446,
1164
+ "loss": 0.0491,
1165
+ "step": 165
1166
+ },
1167
+ {
1168
+ "epoch": 0.08659363588941053,
1169
+ "grad_norm": 0.1486036628484726,
1170
+ "learning_rate": 0.0004638888888888889,
1171
+ "loss": 0.0479,
1172
+ "step": 166
1173
+ },
1174
+ {
1175
+ "epoch": 0.08711528429838289,
1176
+ "grad_norm": 0.13054965436458588,
1177
+ "learning_rate": 0.00046333333333333334,
1178
+ "loss": 0.0401,
1179
+ "step": 167
1180
+ },
1181
+ {
1182
+ "epoch": 0.08763693270735524,
1183
+ "grad_norm": 0.15433131158351898,
1184
+ "learning_rate": 0.0004627777777777778,
1185
+ "loss": 0.048,
1186
+ "step": 168
1187
+ },
1188
+ {
1189
+ "epoch": 0.0881585811163276,
1190
+ "grad_norm": 0.17511604726314545,
1191
+ "learning_rate": 0.0004622222222222222,
1192
+ "loss": 0.0569,
1193
+ "step": 169
1194
+ },
1195
+ {
1196
+ "epoch": 0.08868022952529994,
1197
+ "grad_norm": 0.1398395150899887,
1198
+ "learning_rate": 0.0004616666666666667,
1199
+ "loss": 0.034,
1200
+ "step": 170
1201
+ },
1202
+ {
1203
+ "epoch": 0.0892018779342723,
1204
+ "grad_norm": 0.15484075248241425,
1205
+ "learning_rate": 0.00046111111111111114,
1206
+ "loss": 0.0514,
1207
+ "step": 171
1208
+ },
1209
+ {
1210
+ "epoch": 0.08972352634324465,
1211
+ "grad_norm": 0.17851784825325012,
1212
+ "learning_rate": 0.0004605555555555556,
1213
+ "loss": 0.0571,
1214
+ "step": 172
1215
+ },
1216
+ {
1217
+ "epoch": 0.09024517475221701,
1218
+ "grad_norm": 0.18745650351047516,
1219
+ "learning_rate": 0.00046,
1220
+ "loss": 0.0523,
1221
+ "step": 173
1222
+ },
1223
+ {
1224
+ "epoch": 0.09076682316118936,
1225
+ "grad_norm": 0.18322691321372986,
1226
+ "learning_rate": 0.00045944444444444445,
1227
+ "loss": 0.0642,
1228
+ "step": 174
1229
+ },
1230
+ {
1231
+ "epoch": 0.0912884715701617,
1232
+ "grad_norm": 0.1173708513379097,
1233
+ "learning_rate": 0.0004588888888888889,
1234
+ "loss": 0.0267,
1235
+ "step": 175
1236
+ },
1237
+ {
1238
+ "epoch": 0.09181011997913406,
1239
+ "grad_norm": 0.1754874438047409,
1240
+ "learning_rate": 0.0004583333333333333,
1241
+ "loss": 0.0657,
1242
+ "step": 176
1243
+ },
1244
+ {
1245
+ "epoch": 0.09233176838810642,
1246
+ "grad_norm": 0.13830502331256866,
1247
+ "learning_rate": 0.0004577777777777778,
1248
+ "loss": 0.0433,
1249
+ "step": 177
1250
+ },
1251
+ {
1252
+ "epoch": 0.09285341679707877,
1253
+ "grad_norm": 0.11174938827753067,
1254
+ "learning_rate": 0.0004572222222222222,
1255
+ "loss": 0.04,
1256
+ "step": 178
1257
+ },
1258
+ {
1259
+ "epoch": 0.09337506520605113,
1260
+ "grad_norm": 0.1829378753900528,
1261
+ "learning_rate": 0.0004566666666666667,
1262
+ "loss": 0.0453,
1263
+ "step": 179
1264
+ },
1265
+ {
1266
+ "epoch": 0.09389671361502347,
1267
+ "grad_norm": 0.10748015344142914,
1268
+ "learning_rate": 0.0004561111111111111,
1269
+ "loss": 0.05,
1270
+ "step": 180
1271
+ },
1272
+ {
1273
+ "epoch": 0.09441836202399582,
1274
+ "grad_norm": 0.1160806268453598,
1275
+ "learning_rate": 0.00045555555555555556,
1276
+ "loss": 0.0245,
1277
+ "step": 181
1278
+ },
1279
+ {
1280
+ "epoch": 0.09494001043296818,
1281
+ "grad_norm": 0.12387479841709137,
1282
+ "learning_rate": 0.000455,
1283
+ "loss": 0.0259,
1284
+ "step": 182
1285
+ },
1286
+ {
1287
+ "epoch": 0.09546165884194054,
1288
+ "grad_norm": 0.1586403250694275,
1289
+ "learning_rate": 0.00045444444444444444,
1290
+ "loss": 0.0378,
1291
+ "step": 183
1292
+ },
1293
+ {
1294
+ "epoch": 0.09598330725091289,
1295
+ "grad_norm": 0.18905822932720184,
1296
+ "learning_rate": 0.00045388888888888893,
1297
+ "loss": 0.0484,
1298
+ "step": 184
1299
+ },
1300
+ {
1301
+ "epoch": 0.09650495565988523,
1302
+ "grad_norm": 0.17541544139385223,
1303
+ "learning_rate": 0.0004533333333333333,
1304
+ "loss": 0.0503,
1305
+ "step": 185
1306
+ },
1307
+ {
1308
+ "epoch": 0.09702660406885759,
1309
+ "grad_norm": 0.1083071306347847,
1310
+ "learning_rate": 0.0004527777777777778,
1311
+ "loss": 0.0439,
1312
+ "step": 186
1313
+ },
1314
+ {
1315
+ "epoch": 0.09754825247782994,
1316
+ "grad_norm": 0.10464104264974594,
1317
+ "learning_rate": 0.00045222222222222224,
1318
+ "loss": 0.0271,
1319
+ "step": 187
1320
+ },
1321
+ {
1322
+ "epoch": 0.0980699008868023,
1323
+ "grad_norm": 0.18022054433822632,
1324
+ "learning_rate": 0.0004516666666666667,
1325
+ "loss": 0.0589,
1326
+ "step": 188
1327
+ },
1328
+ {
1329
+ "epoch": 0.09859154929577464,
1330
+ "grad_norm": 0.18715251982212067,
1331
+ "learning_rate": 0.0004511111111111111,
1332
+ "loss": 0.0489,
1333
+ "step": 189
1334
+ },
1335
+ {
1336
+ "epoch": 0.099113197704747,
1337
+ "grad_norm": 0.10440787672996521,
1338
+ "learning_rate": 0.00045055555555555555,
1339
+ "loss": 0.0221,
1340
+ "step": 190
1341
+ },
1342
+ {
1343
+ "epoch": 0.09963484611371935,
1344
+ "grad_norm": 0.11525921523571014,
1345
+ "learning_rate": 0.00045000000000000004,
1346
+ "loss": 0.0427,
1347
+ "step": 191
1348
+ },
1349
+ {
1350
+ "epoch": 0.10015649452269171,
1351
+ "grad_norm": 0.1573028564453125,
1352
+ "learning_rate": 0.0004494444444444444,
1353
+ "loss": 0.04,
1354
+ "step": 192
1355
+ },
1356
+ {
1357
+ "epoch": 0.10067814293166406,
1358
+ "grad_norm": 0.15942253172397614,
1359
+ "learning_rate": 0.0004488888888888889,
1360
+ "loss": 0.045,
1361
+ "step": 193
1362
+ },
1363
+ {
1364
+ "epoch": 0.1011997913406364,
1365
+ "grad_norm": 0.2997572422027588,
1366
+ "learning_rate": 0.0004483333333333333,
1367
+ "loss": 0.062,
1368
+ "step": 194
1369
+ },
1370
+ {
1371
+ "epoch": 0.10172143974960876,
1372
+ "grad_norm": 0.1859196424484253,
1373
+ "learning_rate": 0.0004477777777777778,
1374
+ "loss": 0.0496,
1375
+ "step": 195
1376
+ },
1377
+ {
1378
+ "epoch": 0.10224308815858112,
1379
+ "grad_norm": 0.1265893131494522,
1380
+ "learning_rate": 0.0004472222222222222,
1381
+ "loss": 0.0457,
1382
+ "step": 196
1383
+ },
1384
+ {
1385
+ "epoch": 0.10276473656755347,
1386
+ "grad_norm": 0.16036029160022736,
1387
+ "learning_rate": 0.00044666666666666666,
1388
+ "loss": 0.046,
1389
+ "step": 197
1390
+ },
1391
+ {
1392
+ "epoch": 0.10328638497652583,
1393
+ "grad_norm": 0.10421448945999146,
1394
+ "learning_rate": 0.00044611111111111115,
1395
+ "loss": 0.033,
1396
+ "step": 198
1397
+ },
1398
+ {
1399
+ "epoch": 0.10380803338549817,
1400
+ "grad_norm": 0.12321974337100983,
1401
+ "learning_rate": 0.00044555555555555554,
1402
+ "loss": 0.0458,
1403
+ "step": 199
1404
+ },
1405
+ {
1406
+ "epoch": 0.10432968179447052,
1407
+ "grad_norm": 0.13863791525363922,
1408
+ "learning_rate": 0.00044500000000000003,
1409
+ "loss": 0.0221,
1410
+ "step": 200
1411
+ },
1412
+ {
1413
+ "epoch": 0.10485133020344288,
1414
+ "grad_norm": 0.11896353214979172,
1415
+ "learning_rate": 0.0004444444444444444,
1416
+ "loss": 0.0477,
1417
+ "step": 201
1418
+ },
1419
+ {
1420
+ "epoch": 0.10537297861241524,
1421
+ "grad_norm": 0.1473105251789093,
1422
+ "learning_rate": 0.0004438888888888889,
1423
+ "loss": 0.056,
1424
+ "step": 202
1425
+ },
1426
+ {
1427
+ "epoch": 0.10589462702138759,
1428
+ "grad_norm": 0.15058237314224243,
1429
+ "learning_rate": 0.00044333333333333334,
1430
+ "loss": 0.0477,
1431
+ "step": 203
1432
+ },
1433
+ {
1434
+ "epoch": 0.10641627543035993,
1435
+ "grad_norm": 0.10770102590322495,
1436
+ "learning_rate": 0.0004427777777777778,
1437
+ "loss": 0.0316,
1438
+ "step": 204
1439
+ },
1440
+ {
1441
+ "epoch": 0.10693792383933229,
1442
+ "grad_norm": 0.13766999542713165,
1443
+ "learning_rate": 0.00044222222222222227,
1444
+ "loss": 0.041,
1445
+ "step": 205
1446
+ },
1447
+ {
1448
+ "epoch": 0.10745957224830464,
1449
+ "grad_norm": 0.11786706745624542,
1450
+ "learning_rate": 0.00044166666666666665,
1451
+ "loss": 0.0302,
1452
+ "step": 206
1453
+ },
1454
+ {
1455
+ "epoch": 0.107981220657277,
1456
+ "grad_norm": 0.10209888964891434,
1457
+ "learning_rate": 0.00044111111111111114,
1458
+ "loss": 0.0396,
1459
+ "step": 207
1460
+ },
1461
+ {
1462
+ "epoch": 0.10850286906624934,
1463
+ "grad_norm": 0.13609950244426727,
1464
+ "learning_rate": 0.0004405555555555555,
1465
+ "loss": 0.0394,
1466
+ "step": 208
1467
+ },
1468
+ {
1469
+ "epoch": 0.1090245174752217,
1470
+ "grad_norm": 0.11915361881256104,
1471
+ "learning_rate": 0.00044,
1472
+ "loss": 0.0421,
1473
+ "step": 209
1474
+ },
1475
+ {
1476
+ "epoch": 0.10954616588419405,
1477
+ "grad_norm": 0.11170439422130585,
1478
+ "learning_rate": 0.0004394444444444445,
1479
+ "loss": 0.0395,
1480
+ "step": 210
1481
+ },
1482
+ {
1483
+ "epoch": 0.11006781429316641,
1484
+ "grad_norm": 0.12584055960178375,
1485
+ "learning_rate": 0.0004388888888888889,
1486
+ "loss": 0.0534,
1487
+ "step": 211
1488
+ },
1489
+ {
1490
+ "epoch": 0.11058946270213876,
1491
+ "grad_norm": 0.1454746276140213,
1492
+ "learning_rate": 0.0004383333333333334,
1493
+ "loss": 0.0469,
1494
+ "step": 212
1495
+ },
1496
+ {
1497
+ "epoch": 0.1111111111111111,
1498
+ "grad_norm": 0.10297106951475143,
1499
+ "learning_rate": 0.00043777777777777776,
1500
+ "loss": 0.0359,
1501
+ "step": 213
1502
+ },
1503
+ {
1504
+ "epoch": 0.11163275952008346,
1505
+ "grad_norm": 0.10994141548871994,
1506
+ "learning_rate": 0.00043722222222222225,
1507
+ "loss": 0.0404,
1508
+ "step": 214
1509
+ },
1510
+ {
1511
+ "epoch": 0.11215440792905582,
1512
+ "grad_norm": 0.13165079057216644,
1513
+ "learning_rate": 0.00043666666666666664,
1514
+ "loss": 0.0475,
1515
+ "step": 215
1516
+ },
1517
+ {
1518
+ "epoch": 0.11267605633802817,
1519
+ "grad_norm": 0.11115416139364243,
1520
+ "learning_rate": 0.00043611111111111113,
1521
+ "loss": 0.0351,
1522
+ "step": 216
1523
+ },
1524
+ {
1525
+ "epoch": 0.11319770474700053,
1526
+ "grad_norm": 0.15927758812904358,
1527
+ "learning_rate": 0.0004355555555555555,
1528
+ "loss": 0.0468,
1529
+ "step": 217
1530
+ },
1531
+ {
1532
+ "epoch": 0.11371935315597287,
1533
+ "grad_norm": 0.0941813513636589,
1534
+ "learning_rate": 0.000435,
1535
+ "loss": 0.0337,
1536
+ "step": 218
1537
+ },
1538
+ {
1539
+ "epoch": 0.11424100156494522,
1540
+ "grad_norm": 0.10850685834884644,
1541
+ "learning_rate": 0.0004344444444444445,
1542
+ "loss": 0.0211,
1543
+ "step": 219
1544
+ },
1545
+ {
1546
+ "epoch": 0.11476264997391758,
1547
+ "grad_norm": 0.0790611058473587,
1548
+ "learning_rate": 0.0004338888888888889,
1549
+ "loss": 0.0196,
1550
+ "step": 220
1551
+ },
1552
+ {
1553
+ "epoch": 0.11528429838288994,
1554
+ "grad_norm": 0.10849782079458237,
1555
+ "learning_rate": 0.00043333333333333337,
1556
+ "loss": 0.04,
1557
+ "step": 221
1558
+ },
1559
+ {
1560
+ "epoch": 0.11580594679186229,
1561
+ "grad_norm": 0.09607880562543869,
1562
+ "learning_rate": 0.00043277777777777775,
1563
+ "loss": 0.0291,
1564
+ "step": 222
1565
+ },
1566
+ {
1567
+ "epoch": 0.11632759520083463,
1568
+ "grad_norm": 0.17959930002689362,
1569
+ "learning_rate": 0.00043222222222222224,
1570
+ "loss": 0.0426,
1571
+ "step": 223
1572
+ },
1573
+ {
1574
+ "epoch": 0.11684924360980699,
1575
+ "grad_norm": 0.08865644782781601,
1576
+ "learning_rate": 0.0004316666666666667,
1577
+ "loss": 0.0321,
1578
+ "step": 224
1579
+ },
1580
+ {
1581
+ "epoch": 0.11737089201877934,
1582
+ "grad_norm": 0.17324934899806976,
1583
+ "learning_rate": 0.0004311111111111111,
1584
+ "loss": 0.0537,
1585
+ "step": 225
1586
+ },
1587
+ {
1588
+ "epoch": 0.1178925404277517,
1589
+ "grad_norm": 0.10226263850927353,
1590
+ "learning_rate": 0.0004305555555555556,
1591
+ "loss": 0.0342,
1592
+ "step": 226
1593
+ },
1594
+ {
1595
+ "epoch": 0.11841418883672405,
1596
+ "grad_norm": 0.10456152260303497,
1597
+ "learning_rate": 0.00043,
1598
+ "loss": 0.039,
1599
+ "step": 227
1600
+ },
1601
+ {
1602
+ "epoch": 0.1189358372456964,
1603
+ "grad_norm": 0.10196290910243988,
1604
+ "learning_rate": 0.0004294444444444445,
1605
+ "loss": 0.0329,
1606
+ "step": 228
1607
+ },
1608
+ {
1609
+ "epoch": 0.11945748565466875,
1610
+ "grad_norm": 0.12004778534173965,
1611
+ "learning_rate": 0.00042888888888888886,
1612
+ "loss": 0.0434,
1613
+ "step": 229
1614
+ },
1615
+ {
1616
+ "epoch": 0.11997913406364111,
1617
+ "grad_norm": 0.10152442753314972,
1618
+ "learning_rate": 0.00042833333333333335,
1619
+ "loss": 0.0305,
1620
+ "step": 230
1621
+ },
1622
+ {
1623
+ "epoch": 0.12050078247261346,
1624
+ "grad_norm": 0.1072554886341095,
1625
+ "learning_rate": 0.0004277777777777778,
1626
+ "loss": 0.0407,
1627
+ "step": 231
1628
+ },
1629
+ {
1630
+ "epoch": 0.1210224308815858,
1631
+ "grad_norm": 0.08478479087352753,
1632
+ "learning_rate": 0.00042722222222222223,
1633
+ "loss": 0.0375,
1634
+ "step": 232
1635
+ },
1636
+ {
1637
+ "epoch": 0.12154407929055816,
1638
+ "grad_norm": 0.11901957541704178,
1639
+ "learning_rate": 0.0004266666666666667,
1640
+ "loss": 0.0281,
1641
+ "step": 233
1642
+ },
1643
+ {
1644
+ "epoch": 0.12206572769953052,
1645
+ "grad_norm": 0.097981758415699,
1646
+ "learning_rate": 0.0004261111111111111,
1647
+ "loss": 0.0365,
1648
+ "step": 234
1649
+ },
1650
+ {
1651
+ "epoch": 0.12258737610850287,
1652
+ "grad_norm": 0.08464547991752625,
1653
+ "learning_rate": 0.0004255555555555556,
1654
+ "loss": 0.0227,
1655
+ "step": 235
1656
+ },
1657
+ {
1658
+ "epoch": 0.12310902451747523,
1659
+ "grad_norm": 0.18886807560920715,
1660
+ "learning_rate": 0.000425,
1661
+ "loss": 0.0494,
1662
+ "step": 236
1663
+ },
1664
+ {
1665
+ "epoch": 0.12363067292644757,
1666
+ "grad_norm": 0.08432997763156891,
1667
+ "learning_rate": 0.00042444444444444447,
1668
+ "loss": 0.031,
1669
+ "step": 237
1670
+ },
1671
+ {
1672
+ "epoch": 0.12415232133541992,
1673
+ "grad_norm": 0.24738061428070068,
1674
+ "learning_rate": 0.0004238888888888889,
1675
+ "loss": 0.0611,
1676
+ "step": 238
1677
+ },
1678
+ {
1679
+ "epoch": 0.12467396974439228,
1680
+ "grad_norm": 0.11955960839986801,
1681
+ "learning_rate": 0.00042333333333333334,
1682
+ "loss": 0.0481,
1683
+ "step": 239
1684
+ },
1685
+ {
1686
+ "epoch": 0.12519561815336464,
1687
+ "grad_norm": 0.132662832736969,
1688
+ "learning_rate": 0.0004227777777777778,
1689
+ "loss": 0.0432,
1690
+ "step": 240
1691
+ },
1692
+ {
1693
+ "epoch": 0.12571726656233698,
1694
+ "grad_norm": 0.08496639877557755,
1695
+ "learning_rate": 0.0004222222222222222,
1696
+ "loss": 0.0328,
1697
+ "step": 241
1698
+ },
1699
+ {
1700
+ "epoch": 0.12623891497130935,
1701
+ "grad_norm": 0.13830861449241638,
1702
+ "learning_rate": 0.0004216666666666667,
1703
+ "loss": 0.0336,
1704
+ "step": 242
1705
+ },
1706
+ {
1707
+ "epoch": 0.1267605633802817,
1708
+ "grad_norm": 0.12200845032930374,
1709
+ "learning_rate": 0.0004211111111111111,
1710
+ "loss": 0.0346,
1711
+ "step": 243
1712
+ },
1713
+ {
1714
+ "epoch": 0.12728221178925403,
1715
+ "grad_norm": 0.10438041388988495,
1716
+ "learning_rate": 0.0004205555555555556,
1717
+ "loss": 0.039,
1718
+ "step": 244
1719
+ },
1720
+ {
1721
+ "epoch": 0.1278038601982264,
1722
+ "grad_norm": 0.10238846391439438,
1723
+ "learning_rate": 0.00042,
1724
+ "loss": 0.0442,
1725
+ "step": 245
1726
+ },
1727
+ {
1728
+ "epoch": 0.12832550860719874,
1729
+ "grad_norm": 0.10930721461772919,
1730
+ "learning_rate": 0.00041944444444444445,
1731
+ "loss": 0.0426,
1732
+ "step": 246
1733
+ },
1734
+ {
1735
+ "epoch": 0.1288471570161711,
1736
+ "grad_norm": 0.09867265820503235,
1737
+ "learning_rate": 0.0004188888888888889,
1738
+ "loss": 0.0402,
1739
+ "step": 247
1740
+ },
1741
+ {
1742
+ "epoch": 0.12936880542514345,
1743
+ "grad_norm": 0.1137848049402237,
1744
+ "learning_rate": 0.00041833333333333333,
1745
+ "loss": 0.0278,
1746
+ "step": 248
1747
+ },
1748
+ {
1749
+ "epoch": 0.1298904538341158,
1750
+ "grad_norm": 0.1364007592201233,
1751
+ "learning_rate": 0.0004177777777777778,
1752
+ "loss": 0.0437,
1753
+ "step": 249
1754
+ },
1755
+ {
1756
+ "epoch": 0.13041210224308816,
1757
+ "grad_norm": 0.09385659545660019,
1758
+ "learning_rate": 0.0004172222222222222,
1759
+ "loss": 0.0353,
1760
+ "step": 250
1761
+ },
1762
+ {
1763
+ "epoch": 0.1309337506520605,
1764
+ "grad_norm": 0.1302153617143631,
1765
+ "learning_rate": 0.0004166666666666667,
1766
+ "loss": 0.0287,
1767
+ "step": 251
1768
+ },
1769
+ {
1770
+ "epoch": 0.13145539906103287,
1771
+ "grad_norm": 0.09976278990507126,
1772
+ "learning_rate": 0.00041611111111111113,
1773
+ "loss": 0.0381,
1774
+ "step": 252
1775
+ },
1776
+ {
1777
+ "epoch": 0.13197704747000522,
1778
+ "grad_norm": 0.0966271236538887,
1779
+ "learning_rate": 0.00041555555555555557,
1780
+ "loss": 0.0204,
1781
+ "step": 253
1782
+ },
1783
+ {
1784
+ "epoch": 0.13249869587897756,
1785
+ "grad_norm": 0.0773528590798378,
1786
+ "learning_rate": 0.000415,
1787
+ "loss": 0.0285,
1788
+ "step": 254
1789
+ },
1790
+ {
1791
+ "epoch": 0.13302034428794993,
1792
+ "grad_norm": 0.2350674420595169,
1793
+ "learning_rate": 0.00041444444444444444,
1794
+ "loss": 0.0511,
1795
+ "step": 255
1796
+ },
1797
+ {
1798
+ "epoch": 0.13354199269692227,
1799
+ "grad_norm": 0.08375384658575058,
1800
+ "learning_rate": 0.0004138888888888889,
1801
+ "loss": 0.0341,
1802
+ "step": 256
1803
+ },
1804
+ {
1805
+ "epoch": 0.13406364110589464,
1806
+ "grad_norm": 0.09229125827550888,
1807
+ "learning_rate": 0.0004133333333333333,
1808
+ "loss": 0.0329,
1809
+ "step": 257
1810
+ },
1811
+ {
1812
+ "epoch": 0.13458528951486698,
1813
+ "grad_norm": 0.08750821650028229,
1814
+ "learning_rate": 0.0004127777777777778,
1815
+ "loss": 0.0283,
1816
+ "step": 258
1817
+ },
1818
+ {
1819
+ "epoch": 0.13510693792383932,
1820
+ "grad_norm": 0.075618676841259,
1821
+ "learning_rate": 0.00041222222222222224,
1822
+ "loss": 0.0291,
1823
+ "step": 259
1824
+ },
1825
+ {
1826
+ "epoch": 0.1356285863328117,
1827
+ "grad_norm": 0.16954250633716583,
1828
+ "learning_rate": 0.0004116666666666667,
1829
+ "loss": 0.0441,
1830
+ "step": 260
1831
+ },
1832
+ {
1833
+ "epoch": 0.13615023474178403,
1834
+ "grad_norm": 0.07529555261135101,
1835
+ "learning_rate": 0.0004111111111111111,
1836
+ "loss": 0.0139,
1837
+ "step": 261
1838
+ },
1839
+ {
1840
+ "epoch": 0.1366718831507564,
1841
+ "grad_norm": 0.08884407579898834,
1842
+ "learning_rate": 0.00041055555555555555,
1843
+ "loss": 0.0299,
1844
+ "step": 262
1845
+ },
1846
+ {
1847
+ "epoch": 0.13719353155972874,
1848
+ "grad_norm": 0.09607396274805069,
1849
+ "learning_rate": 0.00041,
1850
+ "loss": 0.0337,
1851
+ "step": 263
1852
+ },
1853
+ {
1854
+ "epoch": 0.13771517996870108,
1855
+ "grad_norm": 0.08453882485628128,
1856
+ "learning_rate": 0.00040944444444444443,
1857
+ "loss": 0.0315,
1858
+ "step": 264
1859
+ },
1860
+ {
1861
+ "epoch": 0.13823682837767345,
1862
+ "grad_norm": 0.09629228711128235,
1863
+ "learning_rate": 0.0004088888888888889,
1864
+ "loss": 0.0181,
1865
+ "step": 265
1866
+ },
1867
+ {
1868
+ "epoch": 0.1387584767866458,
1869
+ "grad_norm": 0.07212290167808533,
1870
+ "learning_rate": 0.00040833333333333336,
1871
+ "loss": 0.0262,
1872
+ "step": 266
1873
+ },
1874
+ {
1875
+ "epoch": 0.13928012519561817,
1876
+ "grad_norm": 0.09192827343940735,
1877
+ "learning_rate": 0.0004077777777777778,
1878
+ "loss": 0.018,
1879
+ "step": 267
1880
+ },
1881
+ {
1882
+ "epoch": 0.1398017736045905,
1883
+ "grad_norm": 0.10876122117042542,
1884
+ "learning_rate": 0.00040722222222222223,
1885
+ "loss": 0.0316,
1886
+ "step": 268
1887
+ },
1888
+ {
1889
+ "epoch": 0.14032342201356285,
1890
+ "grad_norm": 0.10796765238046646,
1891
+ "learning_rate": 0.00040666666666666667,
1892
+ "loss": 0.0323,
1893
+ "step": 269
1894
+ },
1895
+ {
1896
+ "epoch": 0.14084507042253522,
1897
+ "grad_norm": 0.08297892659902573,
1898
+ "learning_rate": 0.0004061111111111111,
1899
+ "loss": 0.0244,
1900
+ "step": 270
1901
+ },
1902
+ {
1903
+ "epoch": 0.14136671883150756,
1904
+ "grad_norm": 0.09534858912229538,
1905
+ "learning_rate": 0.00040555555555555554,
1906
+ "loss": 0.0279,
1907
+ "step": 271
1908
+ },
1909
+ {
1910
+ "epoch": 0.14188836724047993,
1911
+ "grad_norm": 0.07854770123958588,
1912
+ "learning_rate": 0.00040500000000000003,
1913
+ "loss": 0.032,
1914
+ "step": 272
1915
+ },
1916
+ {
1917
+ "epoch": 0.14241001564945227,
1918
+ "grad_norm": 0.16025401651859283,
1919
+ "learning_rate": 0.00040444444444444447,
1920
+ "loss": 0.0413,
1921
+ "step": 273
1922
+ },
1923
+ {
1924
+ "epoch": 0.1429316640584246,
1925
+ "grad_norm": 0.07919424772262573,
1926
+ "learning_rate": 0.0004038888888888889,
1927
+ "loss": 0.0277,
1928
+ "step": 274
1929
+ },
1930
+ {
1931
+ "epoch": 0.14345331246739698,
1932
+ "grad_norm": 0.07335282117128372,
1933
+ "learning_rate": 0.00040333333333333334,
1934
+ "loss": 0.0363,
1935
+ "step": 275
1936
+ },
1937
+ {
1938
+ "epoch": 0.14397496087636932,
1939
+ "grad_norm": 0.1280767321586609,
1940
+ "learning_rate": 0.0004027777777777778,
1941
+ "loss": 0.0402,
1942
+ "step": 276
1943
+ },
1944
+ {
1945
+ "epoch": 0.1444966092853417,
1946
+ "grad_norm": 0.11371007561683655,
1947
+ "learning_rate": 0.0004022222222222222,
1948
+ "loss": 0.0312,
1949
+ "step": 277
1950
+ },
1951
+ {
1952
+ "epoch": 0.14501825769431403,
1953
+ "grad_norm": 0.12229876220226288,
1954
+ "learning_rate": 0.00040166666666666665,
1955
+ "loss": 0.0357,
1956
+ "step": 278
1957
+ },
1958
+ {
1959
+ "epoch": 0.14553990610328638,
1960
+ "grad_norm": 0.11436333507299423,
1961
+ "learning_rate": 0.0004011111111111111,
1962
+ "loss": 0.0135,
1963
+ "step": 279
1964
+ },
1965
+ {
1966
+ "epoch": 0.14606155451225875,
1967
+ "grad_norm": 0.08084696531295776,
1968
+ "learning_rate": 0.0004005555555555556,
1969
+ "loss": 0.0302,
1970
+ "step": 280
1971
+ },
1972
+ {
1973
+ "epoch": 0.1465832029212311,
1974
+ "grad_norm": 0.09421739727258682,
1975
+ "learning_rate": 0.0004,
1976
+ "loss": 0.0376,
1977
+ "step": 281
1978
+ },
1979
+ {
1980
+ "epoch": 0.14710485133020346,
1981
+ "grad_norm": 0.0744849219918251,
1982
+ "learning_rate": 0.00039944444444444446,
1983
+ "loss": 0.0291,
1984
+ "step": 282
1985
+ },
1986
+ {
1987
+ "epoch": 0.1476264997391758,
1988
+ "grad_norm": 0.06754301488399506,
1989
+ "learning_rate": 0.0003988888888888889,
1990
+ "loss": 0.0262,
1991
+ "step": 283
1992
+ },
1993
+ {
1994
+ "epoch": 0.14814814814814814,
1995
+ "grad_norm": 0.06215747445821762,
1996
+ "learning_rate": 0.00039833333333333333,
1997
+ "loss": 0.0223,
1998
+ "step": 284
1999
+ },
2000
+ {
2001
+ "epoch": 0.1486697965571205,
2002
+ "grad_norm": 0.10289556533098221,
2003
+ "learning_rate": 0.00039777777777777777,
2004
+ "loss": 0.0401,
2005
+ "step": 285
2006
+ },
2007
+ {
2008
+ "epoch": 0.14919144496609285,
2009
+ "grad_norm": 0.10723885893821716,
2010
+ "learning_rate": 0.0003972222222222222,
2011
+ "loss": 0.018,
2012
+ "step": 286
2013
+ },
2014
+ {
2015
+ "epoch": 0.1497130933750652,
2016
+ "grad_norm": 0.12683100998401642,
2017
+ "learning_rate": 0.0003966666666666667,
2018
+ "loss": 0.0155,
2019
+ "step": 287
2020
+ },
2021
+ {
2022
+ "epoch": 0.15023474178403756,
2023
+ "grad_norm": 0.10709403455257416,
2024
+ "learning_rate": 0.00039611111111111113,
2025
+ "loss": 0.0186,
2026
+ "step": 288
2027
+ },
2028
+ {
2029
+ "epoch": 0.1507563901930099,
2030
+ "grad_norm": 0.09857751429080963,
2031
+ "learning_rate": 0.00039555555555555557,
2032
+ "loss": 0.0311,
2033
+ "step": 289
2034
+ },
2035
+ {
2036
+ "epoch": 0.15127803860198227,
2037
+ "grad_norm": 0.07990946620702744,
2038
+ "learning_rate": 0.000395,
2039
+ "loss": 0.032,
2040
+ "step": 290
2041
+ },
2042
+ {
2043
+ "epoch": 0.15179968701095461,
2044
+ "grad_norm": 0.06873098760843277,
2045
+ "learning_rate": 0.00039444444444444444,
2046
+ "loss": 0.0163,
2047
+ "step": 291
2048
+ },
2049
+ {
2050
+ "epoch": 0.15232133541992696,
2051
+ "grad_norm": 0.0788077712059021,
2052
+ "learning_rate": 0.00039388888888888893,
2053
+ "loss": 0.0319,
2054
+ "step": 292
2055
+ },
2056
+ {
2057
+ "epoch": 0.15284298382889933,
2058
+ "grad_norm": 0.08789033442735672,
2059
+ "learning_rate": 0.0003933333333333333,
2060
+ "loss": 0.0352,
2061
+ "step": 293
2062
+ },
2063
+ {
2064
+ "epoch": 0.15336463223787167,
2065
+ "grad_norm": 0.10574653744697571,
2066
+ "learning_rate": 0.0003927777777777778,
2067
+ "loss": 0.0411,
2068
+ "step": 294
2069
+ },
2070
+ {
2071
+ "epoch": 0.15388628064684404,
2072
+ "grad_norm": 0.08198726177215576,
2073
+ "learning_rate": 0.00039222222222222225,
2074
+ "loss": 0.0286,
2075
+ "step": 295
2076
+ },
2077
+ {
2078
+ "epoch": 0.15440792905581638,
2079
+ "grad_norm": 0.2811417579650879,
2080
+ "learning_rate": 0.0003916666666666667,
2081
+ "loss": 0.0508,
2082
+ "step": 296
2083
+ },
2084
+ {
2085
+ "epoch": 0.15492957746478872,
2086
+ "grad_norm": 0.1203279122710228,
2087
+ "learning_rate": 0.0003911111111111111,
2088
+ "loss": 0.0384,
2089
+ "step": 297
2090
+ },
2091
+ {
2092
+ "epoch": 0.1554512258737611,
2093
+ "grad_norm": 0.08802422881126404,
2094
+ "learning_rate": 0.00039055555555555556,
2095
+ "loss": 0.0305,
2096
+ "step": 298
2097
+ },
2098
+ {
2099
+ "epoch": 0.15597287428273343,
2100
+ "grad_norm": 0.05368930101394653,
2101
+ "learning_rate": 0.00039000000000000005,
2102
+ "loss": 0.0167,
2103
+ "step": 299
2104
+ },
2105
+ {
2106
+ "epoch": 0.1564945226917058,
2107
+ "grad_norm": 0.16041633486747742,
2108
+ "learning_rate": 0.00038944444444444443,
2109
+ "loss": 0.047,
2110
+ "step": 300
2111
+ }
2112
+ ],
2113
+ "logging_steps": 1,
2114
+ "max_steps": 1000,
2115
+ "num_input_tokens_seen": 0,
2116
+ "num_train_epochs": 1,
2117
+ "save_steps": 100,
2118
+ "stateful_callbacks": {
2119
+ "TrainerControl": {
2120
+ "args": {
2121
+ "should_epoch_stop": false,
2122
+ "should_evaluate": false,
2123
+ "should_log": false,
2124
+ "should_save": true,
2125
+ "should_training_stop": false
2126
+ },
2127
+ "attributes": {}
2128
+ }
2129
+ },
2130
+ "total_flos": 0.0,
2131
+ "train_batch_size": 512,
2132
+ "trial_name": null,
2133
+ "trial_params": null
2134
+ }
checkpoint-300/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:004527189128ad9f86554b0f384032fa8c4c91478964cf149c179071f96bf50a
3
+ size 6289
checkpoint-300/vocab.json ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-400/added_tokens.json ADDED
@@ -0,0 +1,24 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "</tool_call>": 151658,
3
+ "<tool_call>": 151657,
4
+ "<|box_end|>": 151649,
5
+ "<|box_start|>": 151648,
6
+ "<|endoftext|>": 151643,
7
+ "<|file_sep|>": 151664,
8
+ "<|fim_middle|>": 151660,
9
+ "<|fim_pad|>": 151662,
10
+ "<|fim_prefix|>": 151659,
11
+ "<|fim_suffix|>": 151661,
12
+ "<|im_end|>": 151645,
13
+ "<|im_start|>": 151644,
14
+ "<|image_pad|>": 151655,
15
+ "<|object_ref_end|>": 151647,
16
+ "<|object_ref_start|>": 151646,
17
+ "<|quad_end|>": 151651,
18
+ "<|quad_start|>": 151650,
19
+ "<|repo_name|>": 151663,
20
+ "<|video_pad|>": 151656,
21
+ "<|vision_end|>": 151653,
22
+ "<|vision_pad|>": 151654,
23
+ "<|vision_start|>": 151652
24
+ }
checkpoint-400/chat_template.jinja ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {% set image_count = namespace(value=0) %}{% set video_count = namespace(value=0) %}{% for message in messages %}{% if loop.first and message['role'] != 'system' %}<|im_start|>system
2
+ You are a helpful assistant.<|im_end|>
3
+ {% endif %}<|im_start|>{{ message['role'] }}
4
+ {% if message['content'] is string %}{{ message['content'] }}<|im_end|>
5
+ {% else %}{% for content in message['content'] %}{% if content['type'] == 'image' or 'image' in content or 'image_url' in content %}{% set image_count.value = image_count.value + 1 %}{% if add_vision_id %}Picture {{ image_count.value }}: {% endif %}<|vision_start|><|image_pad|><|vision_end|>{% elif content['type'] == 'video' or 'video' in content %}{% set video_count.value = video_count.value + 1 %}{% if add_vision_id %}Video {{ video_count.value }}: {% endif %}<|vision_start|><|video_pad|><|vision_end|>{% elif 'text' in content %}{{ content['text'] }}{% endif %}{% endfor %}<|im_end|>
6
+ {% endif %}{% endfor %}{% if add_generation_prompt %}<|im_start|>assistant
7
+ {% endif %}
checkpoint-400/merges.txt ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-400/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:0a3f38afafc744b666ec6ce2714c92c526aaf1ec6e9b64e3b84919bb07be9015
3
+ size 1003852
checkpoint-400/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:959dfc59ee5d3b022d936b427fa4633d450f05c9034ad2e29efc7a0a9e66e12a
3
+ size 2019836
checkpoint-400/preprocessor_config.json ADDED
@@ -0,0 +1,29 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "do_convert_rgb": true,
3
+ "do_normalize": true,
4
+ "do_rescale": true,
5
+ "do_resize": true,
6
+ "image_mean": [
7
+ 0.48145466,
8
+ 0.4578275,
9
+ 0.40821073
10
+ ],
11
+ "image_processor_type": "Qwen2_5_VLImageProcessor",
12
+ "image_std": [
13
+ 0.26862954,
14
+ 0.26130258,
15
+ 0.27577711
16
+ ],
17
+ "max_pixels": 1003520,
18
+ "merge_size": 2,
19
+ "min_pixels": 3136,
20
+ "patch_size": 14,
21
+ "processor_class": "Qwen2_5_VLProcessor",
22
+ "resample": 3,
23
+ "rescale_factor": 0.00392156862745098,
24
+ "size": {
25
+ "max_pixels": 1003520,
26
+ "min_pixels": 3136
27
+ },
28
+ "temporal_patch_size": 2
29
+ }
checkpoint-400/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:c68cfb429def849049d41e062d23f9c36c2b134509fe9fa5e19678b55cdccbe7
3
+ size 1465
checkpoint-400/special_tokens_map.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "additional_special_tokens": [
3
+ "<|im_start|>",
4
+ "<|im_end|>",
5
+ "<|object_ref_start|>",
6
+ "<|object_ref_end|>",
7
+ "<|box_start|>",
8
+ "<|box_end|>",
9
+ "<|quad_start|>",
10
+ "<|quad_end|>",
11
+ "<|vision_start|>",
12
+ "<|vision_end|>",
13
+ "<|vision_pad|>",
14
+ "<|image_pad|>",
15
+ "<|video_pad|>"
16
+ ],
17
+ "eos_token": {
18
+ "content": "<|im_end|>",
19
+ "lstrip": false,
20
+ "normalized": false,
21
+ "rstrip": false,
22
+ "single_word": false
23
+ },
24
+ "pad_token": {
25
+ "content": "<|endoftext|>",
26
+ "lstrip": false,
27
+ "normalized": false,
28
+ "rstrip": false,
29
+ "single_word": false
30
+ }
31
+ }
checkpoint-400/tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9c5ae00e602b8860cbd784ba82a8aa14e8feecec692e7076590d014d7b7fdafa
3
+ size 11421896
checkpoint-400/tokenizer_config.json ADDED
@@ -0,0 +1,208 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": false,
3
+ "add_prefix_space": false,
4
+ "added_tokens_decoder": {
5
+ "151643": {
6
+ "content": "<|endoftext|>",
7
+ "lstrip": false,
8
+ "normalized": false,
9
+ "rstrip": false,
10
+ "single_word": false,
11
+ "special": true
12
+ },
13
+ "151644": {
14
+ "content": "<|im_start|>",
15
+ "lstrip": false,
16
+ "normalized": false,
17
+ "rstrip": false,
18
+ "single_word": false,
19
+ "special": true
20
+ },
21
+ "151645": {
22
+ "content": "<|im_end|>",
23
+ "lstrip": false,
24
+ "normalized": false,
25
+ "rstrip": false,
26
+ "single_word": false,
27
+ "special": true
28
+ },
29
+ "151646": {
30
+ "content": "<|object_ref_start|>",
31
+ "lstrip": false,
32
+ "normalized": false,
33
+ "rstrip": false,
34
+ "single_word": false,
35
+ "special": true
36
+ },
37
+ "151647": {
38
+ "content": "<|object_ref_end|>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false,
43
+ "special": true
44
+ },
45
+ "151648": {
46
+ "content": "<|box_start|>",
47
+ "lstrip": false,
48
+ "normalized": false,
49
+ "rstrip": false,
50
+ "single_word": false,
51
+ "special": true
52
+ },
53
+ "151649": {
54
+ "content": "<|box_end|>",
55
+ "lstrip": false,
56
+ "normalized": false,
57
+ "rstrip": false,
58
+ "single_word": false,
59
+ "special": true
60
+ },
61
+ "151650": {
62
+ "content": "<|quad_start|>",
63
+ "lstrip": false,
64
+ "normalized": false,
65
+ "rstrip": false,
66
+ "single_word": false,
67
+ "special": true
68
+ },
69
+ "151651": {
70
+ "content": "<|quad_end|>",
71
+ "lstrip": false,
72
+ "normalized": false,
73
+ "rstrip": false,
74
+ "single_word": false,
75
+ "special": true
76
+ },
77
+ "151652": {
78
+ "content": "<|vision_start|>",
79
+ "lstrip": false,
80
+ "normalized": false,
81
+ "rstrip": false,
82
+ "single_word": false,
83
+ "special": true
84
+ },
85
+ "151653": {
86
+ "content": "<|vision_end|>",
87
+ "lstrip": false,
88
+ "normalized": false,
89
+ "rstrip": false,
90
+ "single_word": false,
91
+ "special": true
92
+ },
93
+ "151654": {
94
+ "content": "<|vision_pad|>",
95
+ "lstrip": false,
96
+ "normalized": false,
97
+ "rstrip": false,
98
+ "single_word": false,
99
+ "special": true
100
+ },
101
+ "151655": {
102
+ "content": "<|image_pad|>",
103
+ "lstrip": false,
104
+ "normalized": false,
105
+ "rstrip": false,
106
+ "single_word": false,
107
+ "special": true
108
+ },
109
+ "151656": {
110
+ "content": "<|video_pad|>",
111
+ "lstrip": false,
112
+ "normalized": false,
113
+ "rstrip": false,
114
+ "single_word": false,
115
+ "special": true
116
+ },
117
+ "151657": {
118
+ "content": "<tool_call>",
119
+ "lstrip": false,
120
+ "normalized": false,
121
+ "rstrip": false,
122
+ "single_word": false,
123
+ "special": false
124
+ },
125
+ "151658": {
126
+ "content": "</tool_call>",
127
+ "lstrip": false,
128
+ "normalized": false,
129
+ "rstrip": false,
130
+ "single_word": false,
131
+ "special": false
132
+ },
133
+ "151659": {
134
+ "content": "<|fim_prefix|>",
135
+ "lstrip": false,
136
+ "normalized": false,
137
+ "rstrip": false,
138
+ "single_word": false,
139
+ "special": false
140
+ },
141
+ "151660": {
142
+ "content": "<|fim_middle|>",
143
+ "lstrip": false,
144
+ "normalized": false,
145
+ "rstrip": false,
146
+ "single_word": false,
147
+ "special": false
148
+ },
149
+ "151661": {
150
+ "content": "<|fim_suffix|>",
151
+ "lstrip": false,
152
+ "normalized": false,
153
+ "rstrip": false,
154
+ "single_word": false,
155
+ "special": false
156
+ },
157
+ "151662": {
158
+ "content": "<|fim_pad|>",
159
+ "lstrip": false,
160
+ "normalized": false,
161
+ "rstrip": false,
162
+ "single_word": false,
163
+ "special": false
164
+ },
165
+ "151663": {
166
+ "content": "<|repo_name|>",
167
+ "lstrip": false,
168
+ "normalized": false,
169
+ "rstrip": false,
170
+ "single_word": false,
171
+ "special": false
172
+ },
173
+ "151664": {
174
+ "content": "<|file_sep|>",
175
+ "lstrip": false,
176
+ "normalized": false,
177
+ "rstrip": false,
178
+ "single_word": false,
179
+ "special": false
180
+ }
181
+ },
182
+ "additional_special_tokens": [
183
+ "<|im_start|>",
184
+ "<|im_end|>",
185
+ "<|object_ref_start|>",
186
+ "<|object_ref_end|>",
187
+ "<|box_start|>",
188
+ "<|box_end|>",
189
+ "<|quad_start|>",
190
+ "<|quad_end|>",
191
+ "<|vision_start|>",
192
+ "<|vision_end|>",
193
+ "<|vision_pad|>",
194
+ "<|image_pad|>",
195
+ "<|video_pad|>"
196
+ ],
197
+ "bos_token": null,
198
+ "clean_up_tokenization_spaces": false,
199
+ "eos_token": "<|im_end|>",
200
+ "errors": "replace",
201
+ "extra_special_tokens": {},
202
+ "model_max_length": 131072,
203
+ "pad_token": "<|endoftext|>",
204
+ "processor_class": "Qwen2_5_VLProcessor",
205
+ "split_special_tokens": false,
206
+ "tokenizer_class": "Qwen2Tokenizer",
207
+ "unk_token": null
208
+ }
checkpoint-400/trainer_state.json ADDED
@@ -0,0 +1,2834 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 0.20865936358894105,
6
+ "eval_steps": 500,
7
+ "global_step": 400,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.0005216484089723526,
14
+ "grad_norm": 3.6680614948272705,
15
+ "learning_rate": 0.0,
16
+ "loss": 0.541,
17
+ "step": 1
18
+ },
19
+ {
20
+ "epoch": 0.0010432968179447052,
21
+ "grad_norm": 1.7092307806015015,
22
+ "learning_rate": 5e-06,
23
+ "loss": 0.2639,
24
+ "step": 2
25
+ },
26
+ {
27
+ "epoch": 0.001564945226917058,
28
+ "grad_norm": 1.990319013595581,
29
+ "learning_rate": 1e-05,
30
+ "loss": 0.3118,
31
+ "step": 3
32
+ },
33
+ {
34
+ "epoch": 0.0020865936358894104,
35
+ "grad_norm": 3.750917434692383,
36
+ "learning_rate": 1.5e-05,
37
+ "loss": 0.4562,
38
+ "step": 4
39
+ },
40
+ {
41
+ "epoch": 0.0026082420448617634,
42
+ "grad_norm": 4.690845966339111,
43
+ "learning_rate": 2e-05,
44
+ "loss": 0.673,
45
+ "step": 5
46
+ },
47
+ {
48
+ "epoch": 0.003129890453834116,
49
+ "grad_norm": 1.4218288660049438,
50
+ "learning_rate": 2.5e-05,
51
+ "loss": 0.2984,
52
+ "step": 6
53
+ },
54
+ {
55
+ "epoch": 0.0036515388628064684,
56
+ "grad_norm": 4.896511077880859,
57
+ "learning_rate": 3e-05,
58
+ "loss": 0.7113,
59
+ "step": 7
60
+ },
61
+ {
62
+ "epoch": 0.004173187271778821,
63
+ "grad_norm": 2.5787155628204346,
64
+ "learning_rate": 3.5000000000000004e-05,
65
+ "loss": 0.4226,
66
+ "step": 8
67
+ },
68
+ {
69
+ "epoch": 0.004694835680751174,
70
+ "grad_norm": 1.028937578201294,
71
+ "learning_rate": 4e-05,
72
+ "loss": 0.1873,
73
+ "step": 9
74
+ },
75
+ {
76
+ "epoch": 0.005216484089723527,
77
+ "grad_norm": 3.9262092113494873,
78
+ "learning_rate": 4.4999999999999996e-05,
79
+ "loss": 0.5728,
80
+ "step": 10
81
+ },
82
+ {
83
+ "epoch": 0.005738132498695879,
84
+ "grad_norm": 4.9360198974609375,
85
+ "learning_rate": 5e-05,
86
+ "loss": 0.725,
87
+ "step": 11
88
+ },
89
+ {
90
+ "epoch": 0.006259780907668232,
91
+ "grad_norm": 4.287437915802002,
92
+ "learning_rate": 5.5e-05,
93
+ "loss": 0.6361,
94
+ "step": 12
95
+ },
96
+ {
97
+ "epoch": 0.006781429316640584,
98
+ "grad_norm": 1.3290928602218628,
99
+ "learning_rate": 6e-05,
100
+ "loss": 0.3109,
101
+ "step": 13
102
+ },
103
+ {
104
+ "epoch": 0.007303077725612937,
105
+ "grad_norm": 2.0050501823425293,
106
+ "learning_rate": 6.500000000000001e-05,
107
+ "loss": 0.4099,
108
+ "step": 14
109
+ },
110
+ {
111
+ "epoch": 0.00782472613458529,
112
+ "grad_norm": 4.360481262207031,
113
+ "learning_rate": 7.000000000000001e-05,
114
+ "loss": 0.6363,
115
+ "step": 15
116
+ },
117
+ {
118
+ "epoch": 0.008346374543557642,
119
+ "grad_norm": 3.9680511951446533,
120
+ "learning_rate": 7.5e-05,
121
+ "loss": 0.6124,
122
+ "step": 16
123
+ },
124
+ {
125
+ "epoch": 0.008868022952529996,
126
+ "grad_norm": 1.701784610748291,
127
+ "learning_rate": 8e-05,
128
+ "loss": 0.3439,
129
+ "step": 17
130
+ },
131
+ {
132
+ "epoch": 0.009389671361502348,
133
+ "grad_norm": 4.544748783111572,
134
+ "learning_rate": 8.5e-05,
135
+ "loss": 0.6253,
136
+ "step": 18
137
+ },
138
+ {
139
+ "epoch": 0.0099113197704747,
140
+ "grad_norm": 4.58634090423584,
141
+ "learning_rate": 8.999999999999999e-05,
142
+ "loss": 0.7669,
143
+ "step": 19
144
+ },
145
+ {
146
+ "epoch": 0.010432968179447054,
147
+ "grad_norm": 2.89898419380188,
148
+ "learning_rate": 9.5e-05,
149
+ "loss": 0.512,
150
+ "step": 20
151
+ },
152
+ {
153
+ "epoch": 0.010954616588419406,
154
+ "grad_norm": 2.61112904548645,
155
+ "learning_rate": 0.0001,
156
+ "loss": 0.542,
157
+ "step": 21
158
+ },
159
+ {
160
+ "epoch": 0.011476264997391758,
161
+ "grad_norm": 3.217054843902588,
162
+ "learning_rate": 0.000105,
163
+ "loss": 0.4959,
164
+ "step": 22
165
+ },
166
+ {
167
+ "epoch": 0.011997913406364111,
168
+ "grad_norm": 2.569636821746826,
169
+ "learning_rate": 0.00011,
170
+ "loss": 0.3918,
171
+ "step": 23
172
+ },
173
+ {
174
+ "epoch": 0.012519561815336464,
175
+ "grad_norm": 1.4626373052597046,
176
+ "learning_rate": 0.000115,
177
+ "loss": 0.3316,
178
+ "step": 24
179
+ },
180
+ {
181
+ "epoch": 0.013041210224308816,
182
+ "grad_norm": 1.2480732202529907,
183
+ "learning_rate": 0.00012,
184
+ "loss": 0.3484,
185
+ "step": 25
186
+ },
187
+ {
188
+ "epoch": 0.013562858633281168,
189
+ "grad_norm": 2.5430543422698975,
190
+ "learning_rate": 0.000125,
191
+ "loss": 0.4699,
192
+ "step": 26
193
+ },
194
+ {
195
+ "epoch": 0.014084507042253521,
196
+ "grad_norm": 1.7051862478256226,
197
+ "learning_rate": 0.00013000000000000002,
198
+ "loss": 0.2139,
199
+ "step": 27
200
+ },
201
+ {
202
+ "epoch": 0.014606155451225874,
203
+ "grad_norm": 1.1670981645584106,
204
+ "learning_rate": 0.000135,
205
+ "loss": 0.3883,
206
+ "step": 28
207
+ },
208
+ {
209
+ "epoch": 0.015127803860198226,
210
+ "grad_norm": 1.336538314819336,
211
+ "learning_rate": 0.00014000000000000001,
212
+ "loss": 0.3714,
213
+ "step": 29
214
+ },
215
+ {
216
+ "epoch": 0.01564945226917058,
217
+ "grad_norm": 2.018078565597534,
218
+ "learning_rate": 0.000145,
219
+ "loss": 0.2301,
220
+ "step": 30
221
+ },
222
+ {
223
+ "epoch": 0.01617110067814293,
224
+ "grad_norm": 1.5743223428726196,
225
+ "learning_rate": 0.00015,
226
+ "loss": 0.2935,
227
+ "step": 31
228
+ },
229
+ {
230
+ "epoch": 0.016692749087115284,
231
+ "grad_norm": 1.2724987268447876,
232
+ "learning_rate": 0.000155,
233
+ "loss": 0.3141,
234
+ "step": 32
235
+ },
236
+ {
237
+ "epoch": 0.017214397496087636,
238
+ "grad_norm": 2.2347893714904785,
239
+ "learning_rate": 0.00016,
240
+ "loss": 0.2917,
241
+ "step": 33
242
+ },
243
+ {
244
+ "epoch": 0.01773604590505999,
245
+ "grad_norm": 1.6726069450378418,
246
+ "learning_rate": 0.000165,
247
+ "loss": 0.377,
248
+ "step": 34
249
+ },
250
+ {
251
+ "epoch": 0.018257694314032343,
252
+ "grad_norm": 1.2217071056365967,
253
+ "learning_rate": 0.00017,
254
+ "loss": 0.3027,
255
+ "step": 35
256
+ },
257
+ {
258
+ "epoch": 0.018779342723004695,
259
+ "grad_norm": 1.3436322212219238,
260
+ "learning_rate": 0.000175,
261
+ "loss": 0.2853,
262
+ "step": 36
263
+ },
264
+ {
265
+ "epoch": 0.019300991131977047,
266
+ "grad_norm": 1.2247120141983032,
267
+ "learning_rate": 0.00017999999999999998,
268
+ "loss": 0.2967,
269
+ "step": 37
270
+ },
271
+ {
272
+ "epoch": 0.0198226395409494,
273
+ "grad_norm": 1.0636978149414062,
274
+ "learning_rate": 0.000185,
275
+ "loss": 0.2745,
276
+ "step": 38
277
+ },
278
+ {
279
+ "epoch": 0.02034428794992175,
280
+ "grad_norm": 1.302099347114563,
281
+ "learning_rate": 0.00019,
282
+ "loss": 0.2688,
283
+ "step": 39
284
+ },
285
+ {
286
+ "epoch": 0.020865936358894107,
287
+ "grad_norm": 1.0052679777145386,
288
+ "learning_rate": 0.00019500000000000002,
289
+ "loss": 0.2539,
290
+ "step": 40
291
+ },
292
+ {
293
+ "epoch": 0.02138758476786646,
294
+ "grad_norm": 1.0164084434509277,
295
+ "learning_rate": 0.0002,
296
+ "loss": 0.1978,
297
+ "step": 41
298
+ },
299
+ {
300
+ "epoch": 0.02190923317683881,
301
+ "grad_norm": 1.3891016244888306,
302
+ "learning_rate": 0.000205,
303
+ "loss": 0.3189,
304
+ "step": 42
305
+ },
306
+ {
307
+ "epoch": 0.022430881585811163,
308
+ "grad_norm": 0.960986852645874,
309
+ "learning_rate": 0.00021,
310
+ "loss": 0.2321,
311
+ "step": 43
312
+ },
313
+ {
314
+ "epoch": 0.022952529994783515,
315
+ "grad_norm": 0.9918408393859863,
316
+ "learning_rate": 0.000215,
317
+ "loss": 0.2359,
318
+ "step": 44
319
+ },
320
+ {
321
+ "epoch": 0.023474178403755867,
322
+ "grad_norm": 1.190205693244934,
323
+ "learning_rate": 0.00022,
324
+ "loss": 0.2347,
325
+ "step": 45
326
+ },
327
+ {
328
+ "epoch": 0.023995826812728223,
329
+ "grad_norm": 0.7985232472419739,
330
+ "learning_rate": 0.00022500000000000002,
331
+ "loss": 0.2048,
332
+ "step": 46
333
+ },
334
+ {
335
+ "epoch": 0.024517475221700575,
336
+ "grad_norm": 0.5192842483520508,
337
+ "learning_rate": 0.00023,
338
+ "loss": 0.1116,
339
+ "step": 47
340
+ },
341
+ {
342
+ "epoch": 0.025039123630672927,
343
+ "grad_norm": 1.1033375263214111,
344
+ "learning_rate": 0.000235,
345
+ "loss": 0.2665,
346
+ "step": 48
347
+ },
348
+ {
349
+ "epoch": 0.02556077203964528,
350
+ "grad_norm": 0.7089418172836304,
351
+ "learning_rate": 0.00024,
352
+ "loss": 0.1639,
353
+ "step": 49
354
+ },
355
+ {
356
+ "epoch": 0.02608242044861763,
357
+ "grad_norm": 1.08647882938385,
358
+ "learning_rate": 0.000245,
359
+ "loss": 0.2072,
360
+ "step": 50
361
+ },
362
+ {
363
+ "epoch": 0.026604068857589983,
364
+ "grad_norm": 0.9901174902915955,
365
+ "learning_rate": 0.00025,
366
+ "loss": 0.2035,
367
+ "step": 51
368
+ },
369
+ {
370
+ "epoch": 0.027125717266562335,
371
+ "grad_norm": 0.6938351988792419,
372
+ "learning_rate": 0.000255,
373
+ "loss": 0.1851,
374
+ "step": 52
375
+ },
376
+ {
377
+ "epoch": 0.02764736567553469,
378
+ "grad_norm": 0.8392678499221802,
379
+ "learning_rate": 0.00026000000000000003,
380
+ "loss": 0.1918,
381
+ "step": 53
382
+ },
383
+ {
384
+ "epoch": 0.028169014084507043,
385
+ "grad_norm": 0.5979602932929993,
386
+ "learning_rate": 0.00026500000000000004,
387
+ "loss": 0.1243,
388
+ "step": 54
389
+ },
390
+ {
391
+ "epoch": 0.028690662493479395,
392
+ "grad_norm": 0.7119799852371216,
393
+ "learning_rate": 0.00027,
394
+ "loss": 0.1594,
395
+ "step": 55
396
+ },
397
+ {
398
+ "epoch": 0.029212310902451747,
399
+ "grad_norm": 0.5519995093345642,
400
+ "learning_rate": 0.000275,
401
+ "loss": 0.078,
402
+ "step": 56
403
+ },
404
+ {
405
+ "epoch": 0.0297339593114241,
406
+ "grad_norm": 0.5917723774909973,
407
+ "learning_rate": 0.00028000000000000003,
408
+ "loss": 0.134,
409
+ "step": 57
410
+ },
411
+ {
412
+ "epoch": 0.03025560772039645,
413
+ "grad_norm": 0.6265603303909302,
414
+ "learning_rate": 0.000285,
415
+ "loss": 0.1848,
416
+ "step": 58
417
+ },
418
+ {
419
+ "epoch": 0.030777256129368807,
420
+ "grad_norm": 1.0653454065322876,
421
+ "learning_rate": 0.00029,
422
+ "loss": 0.1831,
423
+ "step": 59
424
+ },
425
+ {
426
+ "epoch": 0.03129890453834116,
427
+ "grad_norm": 0.3466293513774872,
428
+ "learning_rate": 0.000295,
429
+ "loss": 0.0878,
430
+ "step": 60
431
+ },
432
+ {
433
+ "epoch": 0.03182055294731351,
434
+ "grad_norm": 0.5498062372207642,
435
+ "learning_rate": 0.0003,
436
+ "loss": 0.1733,
437
+ "step": 61
438
+ },
439
+ {
440
+ "epoch": 0.03234220135628586,
441
+ "grad_norm": 0.7708966135978699,
442
+ "learning_rate": 0.000305,
443
+ "loss": 0.1975,
444
+ "step": 62
445
+ },
446
+ {
447
+ "epoch": 0.03286384976525822,
448
+ "grad_norm": 0.7717278003692627,
449
+ "learning_rate": 0.00031,
450
+ "loss": 0.1863,
451
+ "step": 63
452
+ },
453
+ {
454
+ "epoch": 0.03338549817423057,
455
+ "grad_norm": 0.8076028823852539,
456
+ "learning_rate": 0.000315,
457
+ "loss": 0.1938,
458
+ "step": 64
459
+ },
460
+ {
461
+ "epoch": 0.03390714658320292,
462
+ "grad_norm": 0.5629755258560181,
463
+ "learning_rate": 0.00032,
464
+ "loss": 0.1471,
465
+ "step": 65
466
+ },
467
+ {
468
+ "epoch": 0.03442879499217527,
469
+ "grad_norm": 0.5237282514572144,
470
+ "learning_rate": 0.00032500000000000004,
471
+ "loss": 0.1244,
472
+ "step": 66
473
+ },
474
+ {
475
+ "epoch": 0.03495044340114763,
476
+ "grad_norm": 0.7248942852020264,
477
+ "learning_rate": 0.00033,
478
+ "loss": 0.1933,
479
+ "step": 67
480
+ },
481
+ {
482
+ "epoch": 0.03547209181011998,
483
+ "grad_norm": 0.49564772844314575,
484
+ "learning_rate": 0.000335,
485
+ "loss": 0.1389,
486
+ "step": 68
487
+ },
488
+ {
489
+ "epoch": 0.03599374021909233,
490
+ "grad_norm": 0.4806594252586365,
491
+ "learning_rate": 0.00034,
492
+ "loss": 0.1295,
493
+ "step": 69
494
+ },
495
+ {
496
+ "epoch": 0.036515388628064686,
497
+ "grad_norm": 0.39995619654655457,
498
+ "learning_rate": 0.000345,
499
+ "loss": 0.1324,
500
+ "step": 70
501
+ },
502
+ {
503
+ "epoch": 0.037037037037037035,
504
+ "grad_norm": 0.6496027708053589,
505
+ "learning_rate": 0.00035,
506
+ "loss": 0.1002,
507
+ "step": 71
508
+ },
509
+ {
510
+ "epoch": 0.03755868544600939,
511
+ "grad_norm": 0.5661569237709045,
512
+ "learning_rate": 0.000355,
513
+ "loss": 0.1277,
514
+ "step": 72
515
+ },
516
+ {
517
+ "epoch": 0.03808033385498174,
518
+ "grad_norm": 0.49875250458717346,
519
+ "learning_rate": 0.00035999999999999997,
520
+ "loss": 0.1322,
521
+ "step": 73
522
+ },
523
+ {
524
+ "epoch": 0.038601982263954095,
525
+ "grad_norm": 0.44551461935043335,
526
+ "learning_rate": 0.000365,
527
+ "loss": 0.1278,
528
+ "step": 74
529
+ },
530
+ {
531
+ "epoch": 0.03912363067292645,
532
+ "grad_norm": 0.3314933478832245,
533
+ "learning_rate": 0.00037,
534
+ "loss": 0.0918,
535
+ "step": 75
536
+ },
537
+ {
538
+ "epoch": 0.0396452790818988,
539
+ "grad_norm": 0.3463922441005707,
540
+ "learning_rate": 0.000375,
541
+ "loss": 0.0948,
542
+ "step": 76
543
+ },
544
+ {
545
+ "epoch": 0.040166927490871154,
546
+ "grad_norm": 0.5401505827903748,
547
+ "learning_rate": 0.00038,
548
+ "loss": 0.1574,
549
+ "step": 77
550
+ },
551
+ {
552
+ "epoch": 0.0406885758998435,
553
+ "grad_norm": 0.39233317971229553,
554
+ "learning_rate": 0.00038500000000000003,
555
+ "loss": 0.1312,
556
+ "step": 78
557
+ },
558
+ {
559
+ "epoch": 0.04121022430881586,
560
+ "grad_norm": 0.4380398988723755,
561
+ "learning_rate": 0.00039000000000000005,
562
+ "loss": 0.0601,
563
+ "step": 79
564
+ },
565
+ {
566
+ "epoch": 0.041731872717788214,
567
+ "grad_norm": 0.3931694030761719,
568
+ "learning_rate": 0.000395,
569
+ "loss": 0.0962,
570
+ "step": 80
571
+ },
572
+ {
573
+ "epoch": 0.04225352112676056,
574
+ "grad_norm": 0.3566243648529053,
575
+ "learning_rate": 0.0004,
576
+ "loss": 0.1137,
577
+ "step": 81
578
+ },
579
+ {
580
+ "epoch": 0.04277516953573292,
581
+ "grad_norm": 0.40159469842910767,
582
+ "learning_rate": 0.00040500000000000003,
583
+ "loss": 0.1128,
584
+ "step": 82
585
+ },
586
+ {
587
+ "epoch": 0.04329681794470527,
588
+ "grad_norm": 0.30474773049354553,
589
+ "learning_rate": 0.00041,
590
+ "loss": 0.0922,
591
+ "step": 83
592
+ },
593
+ {
594
+ "epoch": 0.04381846635367762,
595
+ "grad_norm": 0.31177017092704773,
596
+ "learning_rate": 0.000415,
597
+ "loss": 0.1015,
598
+ "step": 84
599
+ },
600
+ {
601
+ "epoch": 0.04434011476264997,
602
+ "grad_norm": 0.3996855914592743,
603
+ "learning_rate": 0.00042,
604
+ "loss": 0.1266,
605
+ "step": 85
606
+ },
607
+ {
608
+ "epoch": 0.044861763171622326,
609
+ "grad_norm": 0.2281728833913803,
610
+ "learning_rate": 0.000425,
611
+ "loss": 0.0758,
612
+ "step": 86
613
+ },
614
+ {
615
+ "epoch": 0.04538341158059468,
616
+ "grad_norm": 0.5169669985771179,
617
+ "learning_rate": 0.00043,
618
+ "loss": 0.1092,
619
+ "step": 87
620
+ },
621
+ {
622
+ "epoch": 0.04590505998956703,
623
+ "grad_norm": 0.5525585412979126,
624
+ "learning_rate": 0.000435,
625
+ "loss": 0.1226,
626
+ "step": 88
627
+ },
628
+ {
629
+ "epoch": 0.046426708398539386,
630
+ "grad_norm": 0.33093884587287903,
631
+ "learning_rate": 0.00044,
632
+ "loss": 0.0879,
633
+ "step": 89
634
+ },
635
+ {
636
+ "epoch": 0.046948356807511735,
637
+ "grad_norm": 0.3713582158088684,
638
+ "learning_rate": 0.00044500000000000003,
639
+ "loss": 0.1121,
640
+ "step": 90
641
+ },
642
+ {
643
+ "epoch": 0.04747000521648409,
644
+ "grad_norm": 0.565517246723175,
645
+ "learning_rate": 0.00045000000000000004,
646
+ "loss": 0.1469,
647
+ "step": 91
648
+ },
649
+ {
650
+ "epoch": 0.047991653625456446,
651
+ "grad_norm": 0.31801939010620117,
652
+ "learning_rate": 0.000455,
653
+ "loss": 0.0915,
654
+ "step": 92
655
+ },
656
+ {
657
+ "epoch": 0.048513302034428794,
658
+ "grad_norm": 0.42586401104927063,
659
+ "learning_rate": 0.00046,
660
+ "loss": 0.0411,
661
+ "step": 93
662
+ },
663
+ {
664
+ "epoch": 0.04903495044340115,
665
+ "grad_norm": 0.42403289675712585,
666
+ "learning_rate": 0.000465,
667
+ "loss": 0.0589,
668
+ "step": 94
669
+ },
670
+ {
671
+ "epoch": 0.0495565988523735,
672
+ "grad_norm": 0.2604529559612274,
673
+ "learning_rate": 0.00047,
674
+ "loss": 0.0779,
675
+ "step": 95
676
+ },
677
+ {
678
+ "epoch": 0.050078247261345854,
679
+ "grad_norm": 0.32257840037345886,
680
+ "learning_rate": 0.000475,
681
+ "loss": 0.0958,
682
+ "step": 96
683
+ },
684
+ {
685
+ "epoch": 0.0505998956703182,
686
+ "grad_norm": 0.2648946940898895,
687
+ "learning_rate": 0.00048,
688
+ "loss": 0.0591,
689
+ "step": 97
690
+ },
691
+ {
692
+ "epoch": 0.05112154407929056,
693
+ "grad_norm": 0.26664629578590393,
694
+ "learning_rate": 0.00048499999999999997,
695
+ "loss": 0.0607,
696
+ "step": 98
697
+ },
698
+ {
699
+ "epoch": 0.051643192488262914,
700
+ "grad_norm": 0.2891658544540405,
701
+ "learning_rate": 0.00049,
702
+ "loss": 0.0478,
703
+ "step": 99
704
+ },
705
+ {
706
+ "epoch": 0.05216484089723526,
707
+ "grad_norm": 0.35936883091926575,
708
+ "learning_rate": 0.000495,
709
+ "loss": 0.1126,
710
+ "step": 100
711
+ },
712
+ {
713
+ "epoch": 0.05268648930620762,
714
+ "grad_norm": 0.3226841986179352,
715
+ "learning_rate": 0.0005,
716
+ "loss": 0.0995,
717
+ "step": 101
718
+ },
719
+ {
720
+ "epoch": 0.053208137715179966,
721
+ "grad_norm": 0.2140406370162964,
722
+ "learning_rate": 0.0004994444444444445,
723
+ "loss": 0.0636,
724
+ "step": 102
725
+ },
726
+ {
727
+ "epoch": 0.05372978612415232,
728
+ "grad_norm": 0.28297877311706543,
729
+ "learning_rate": 0.0004988888888888889,
730
+ "loss": 0.0674,
731
+ "step": 103
732
+ },
733
+ {
734
+ "epoch": 0.05425143453312467,
735
+ "grad_norm": 0.27131739258766174,
736
+ "learning_rate": 0.0004983333333333334,
737
+ "loss": 0.0657,
738
+ "step": 104
739
+ },
740
+ {
741
+ "epoch": 0.054773082942097026,
742
+ "grad_norm": 0.28402701020240784,
743
+ "learning_rate": 0.0004977777777777778,
744
+ "loss": 0.0894,
745
+ "step": 105
746
+ },
747
+ {
748
+ "epoch": 0.05529473135106938,
749
+ "grad_norm": 0.33924373984336853,
750
+ "learning_rate": 0.0004972222222222222,
751
+ "loss": 0.1264,
752
+ "step": 106
753
+ },
754
+ {
755
+ "epoch": 0.05581637976004173,
756
+ "grad_norm": 0.3655984401702881,
757
+ "learning_rate": 0.0004966666666666666,
758
+ "loss": 0.0828,
759
+ "step": 107
760
+ },
761
+ {
762
+ "epoch": 0.056338028169014086,
763
+ "grad_norm": 0.2262953370809555,
764
+ "learning_rate": 0.0004961111111111111,
765
+ "loss": 0.0662,
766
+ "step": 108
767
+ },
768
+ {
769
+ "epoch": 0.056859676577986434,
770
+ "grad_norm": 0.23988084495067596,
771
+ "learning_rate": 0.0004955555555555556,
772
+ "loss": 0.0672,
773
+ "step": 109
774
+ },
775
+ {
776
+ "epoch": 0.05738132498695879,
777
+ "grad_norm": 0.228820338845253,
778
+ "learning_rate": 0.000495,
779
+ "loss": 0.0615,
780
+ "step": 110
781
+ },
782
+ {
783
+ "epoch": 0.057902973395931145,
784
+ "grad_norm": 0.32484373450279236,
785
+ "learning_rate": 0.0004944444444444445,
786
+ "loss": 0.0833,
787
+ "step": 111
788
+ },
789
+ {
790
+ "epoch": 0.058424621804903494,
791
+ "grad_norm": 0.22520330548286438,
792
+ "learning_rate": 0.0004938888888888889,
793
+ "loss": 0.0767,
794
+ "step": 112
795
+ },
796
+ {
797
+ "epoch": 0.05894627021387585,
798
+ "grad_norm": 0.4783564805984497,
799
+ "learning_rate": 0.0004933333333333334,
800
+ "loss": 0.0999,
801
+ "step": 113
802
+ },
803
+ {
804
+ "epoch": 0.0594679186228482,
805
+ "grad_norm": 0.2565033733844757,
806
+ "learning_rate": 0.0004927777777777777,
807
+ "loss": 0.0819,
808
+ "step": 114
809
+ },
810
+ {
811
+ "epoch": 0.059989567031820554,
812
+ "grad_norm": 0.19332879781723022,
813
+ "learning_rate": 0.0004922222222222222,
814
+ "loss": 0.0702,
815
+ "step": 115
816
+ },
817
+ {
818
+ "epoch": 0.0605112154407929,
819
+ "grad_norm": 0.2507823705673218,
820
+ "learning_rate": 0.0004916666666666666,
821
+ "loss": 0.076,
822
+ "step": 116
823
+ },
824
+ {
825
+ "epoch": 0.06103286384976526,
826
+ "grad_norm": 0.29689472913742065,
827
+ "learning_rate": 0.0004911111111111111,
828
+ "loss": 0.0748,
829
+ "step": 117
830
+ },
831
+ {
832
+ "epoch": 0.06155451225873761,
833
+ "grad_norm": 0.34821203351020813,
834
+ "learning_rate": 0.0004905555555555556,
835
+ "loss": 0.0949,
836
+ "step": 118
837
+ },
838
+ {
839
+ "epoch": 0.06207616066770996,
840
+ "grad_norm": 0.25025618076324463,
841
+ "learning_rate": 0.00049,
842
+ "loss": 0.0813,
843
+ "step": 119
844
+ },
845
+ {
846
+ "epoch": 0.06259780907668232,
847
+ "grad_norm": 0.23138757050037384,
848
+ "learning_rate": 0.0004894444444444445,
849
+ "loss": 0.0806,
850
+ "step": 120
851
+ },
852
+ {
853
+ "epoch": 0.06311945748565467,
854
+ "grad_norm": 0.25655433535575867,
855
+ "learning_rate": 0.0004888888888888889,
856
+ "loss": 0.0864,
857
+ "step": 121
858
+ },
859
+ {
860
+ "epoch": 0.06364110589462701,
861
+ "grad_norm": 0.2863710820674896,
862
+ "learning_rate": 0.0004883333333333333,
863
+ "loss": 0.0659,
864
+ "step": 122
865
+ },
866
+ {
867
+ "epoch": 0.06416275430359937,
868
+ "grad_norm": 0.2628318965435028,
869
+ "learning_rate": 0.0004877777777777778,
870
+ "loss": 0.0746,
871
+ "step": 123
872
+ },
873
+ {
874
+ "epoch": 0.06468440271257173,
875
+ "grad_norm": 0.2095496952533722,
876
+ "learning_rate": 0.0004872222222222222,
877
+ "loss": 0.0746,
878
+ "step": 124
879
+ },
880
+ {
881
+ "epoch": 0.06520605112154408,
882
+ "grad_norm": 0.25687775015830994,
883
+ "learning_rate": 0.0004866666666666667,
884
+ "loss": 0.0867,
885
+ "step": 125
886
+ },
887
+ {
888
+ "epoch": 0.06572769953051644,
889
+ "grad_norm": 0.3623638153076172,
890
+ "learning_rate": 0.0004861111111111111,
891
+ "loss": 0.0859,
892
+ "step": 126
893
+ },
894
+ {
895
+ "epoch": 0.06624934793948878,
896
+ "grad_norm": 0.22254744172096252,
897
+ "learning_rate": 0.0004855555555555556,
898
+ "loss": 0.0956,
899
+ "step": 127
900
+ },
901
+ {
902
+ "epoch": 0.06677099634846113,
903
+ "grad_norm": 0.42705070972442627,
904
+ "learning_rate": 0.00048499999999999997,
905
+ "loss": 0.0885,
906
+ "step": 128
907
+ },
908
+ {
909
+ "epoch": 0.06729264475743349,
910
+ "grad_norm": 0.23360145092010498,
911
+ "learning_rate": 0.00048444444444444446,
912
+ "loss": 0.0521,
913
+ "step": 129
914
+ },
915
+ {
916
+ "epoch": 0.06781429316640585,
917
+ "grad_norm": 0.1959061473608017,
918
+ "learning_rate": 0.0004838888888888889,
919
+ "loss": 0.043,
920
+ "step": 130
921
+ },
922
+ {
923
+ "epoch": 0.0683359415753782,
924
+ "grad_norm": 0.32006219029426575,
925
+ "learning_rate": 0.00048333333333333334,
926
+ "loss": 0.0942,
927
+ "step": 131
928
+ },
929
+ {
930
+ "epoch": 0.06885758998435054,
931
+ "grad_norm": 0.20010985434055328,
932
+ "learning_rate": 0.0004827777777777778,
933
+ "loss": 0.0645,
934
+ "step": 132
935
+ },
936
+ {
937
+ "epoch": 0.0693792383933229,
938
+ "grad_norm": 0.18007700145244598,
939
+ "learning_rate": 0.0004822222222222222,
940
+ "loss": 0.0593,
941
+ "step": 133
942
+ },
943
+ {
944
+ "epoch": 0.06990088680229525,
945
+ "grad_norm": 0.23080182075500488,
946
+ "learning_rate": 0.0004816666666666667,
947
+ "loss": 0.069,
948
+ "step": 134
949
+ },
950
+ {
951
+ "epoch": 0.07042253521126761,
952
+ "grad_norm": 0.16220460832118988,
953
+ "learning_rate": 0.0004811111111111111,
954
+ "loss": 0.0499,
955
+ "step": 135
956
+ },
957
+ {
958
+ "epoch": 0.07094418362023996,
959
+ "grad_norm": 0.19325301051139832,
960
+ "learning_rate": 0.0004805555555555556,
961
+ "loss": 0.0616,
962
+ "step": 136
963
+ },
964
+ {
965
+ "epoch": 0.0714658320292123,
966
+ "grad_norm": 0.16364900767803192,
967
+ "learning_rate": 0.00048,
968
+ "loss": 0.0612,
969
+ "step": 137
970
+ },
971
+ {
972
+ "epoch": 0.07198748043818466,
973
+ "grad_norm": 0.15745937824249268,
974
+ "learning_rate": 0.00047944444444444445,
975
+ "loss": 0.0526,
976
+ "step": 138
977
+ },
978
+ {
979
+ "epoch": 0.07250912884715702,
980
+ "grad_norm": 0.22706539928913116,
981
+ "learning_rate": 0.0004788888888888889,
982
+ "loss": 0.067,
983
+ "step": 139
984
+ },
985
+ {
986
+ "epoch": 0.07303077725612937,
987
+ "grad_norm": 0.22147034108638763,
988
+ "learning_rate": 0.0004783333333333333,
989
+ "loss": 0.0684,
990
+ "step": 140
991
+ },
992
+ {
993
+ "epoch": 0.07355242566510173,
994
+ "grad_norm": 0.2623853385448456,
995
+ "learning_rate": 0.0004777777777777778,
996
+ "loss": 0.0491,
997
+ "step": 141
998
+ },
999
+ {
1000
+ "epoch": 0.07407407407407407,
1001
+ "grad_norm": 0.1899435669183731,
1002
+ "learning_rate": 0.00047722222222222225,
1003
+ "loss": 0.029,
1004
+ "step": 142
1005
+ },
1006
+ {
1007
+ "epoch": 0.07459572248304643,
1008
+ "grad_norm": 0.2669859826564789,
1009
+ "learning_rate": 0.0004766666666666667,
1010
+ "loss": 0.064,
1011
+ "step": 143
1012
+ },
1013
+ {
1014
+ "epoch": 0.07511737089201878,
1015
+ "grad_norm": 0.18063829839229584,
1016
+ "learning_rate": 0.0004761111111111111,
1017
+ "loss": 0.0624,
1018
+ "step": 144
1019
+ },
1020
+ {
1021
+ "epoch": 0.07563901930099114,
1022
+ "grad_norm": 0.22147716581821442,
1023
+ "learning_rate": 0.00047555555555555556,
1024
+ "loss": 0.0544,
1025
+ "step": 145
1026
+ },
1027
+ {
1028
+ "epoch": 0.07616066770996348,
1029
+ "grad_norm": 0.30522170662879944,
1030
+ "learning_rate": 0.000475,
1031
+ "loss": 0.077,
1032
+ "step": 146
1033
+ },
1034
+ {
1035
+ "epoch": 0.07668231611893583,
1036
+ "grad_norm": 0.15942497551441193,
1037
+ "learning_rate": 0.00047444444444444444,
1038
+ "loss": 0.0372,
1039
+ "step": 147
1040
+ },
1041
+ {
1042
+ "epoch": 0.07720396452790819,
1043
+ "grad_norm": 0.1456826627254486,
1044
+ "learning_rate": 0.00047388888888888893,
1045
+ "loss": 0.0423,
1046
+ "step": 148
1047
+ },
1048
+ {
1049
+ "epoch": 0.07772561293688054,
1050
+ "grad_norm": 0.17793269455432892,
1051
+ "learning_rate": 0.00047333333333333336,
1052
+ "loss": 0.0559,
1053
+ "step": 149
1054
+ },
1055
+ {
1056
+ "epoch": 0.0782472613458529,
1057
+ "grad_norm": 0.152329221367836,
1058
+ "learning_rate": 0.0004727777777777778,
1059
+ "loss": 0.0266,
1060
+ "step": 150
1061
+ },
1062
+ {
1063
+ "epoch": 0.07876890975482524,
1064
+ "grad_norm": 0.19327858090400696,
1065
+ "learning_rate": 0.00047222222222222224,
1066
+ "loss": 0.0608,
1067
+ "step": 151
1068
+ },
1069
+ {
1070
+ "epoch": 0.0792905581637976,
1071
+ "grad_norm": 0.15060095489025116,
1072
+ "learning_rate": 0.0004716666666666667,
1073
+ "loss": 0.0461,
1074
+ "step": 152
1075
+ },
1076
+ {
1077
+ "epoch": 0.07981220657276995,
1078
+ "grad_norm": 0.1864742785692215,
1079
+ "learning_rate": 0.0004711111111111111,
1080
+ "loss": 0.0724,
1081
+ "step": 153
1082
+ },
1083
+ {
1084
+ "epoch": 0.08033385498174231,
1085
+ "grad_norm": 0.1422508805990219,
1086
+ "learning_rate": 0.00047055555555555555,
1087
+ "loss": 0.0325,
1088
+ "step": 154
1089
+ },
1090
+ {
1091
+ "epoch": 0.08085550339071466,
1092
+ "grad_norm": 0.21115481853485107,
1093
+ "learning_rate": 0.00047,
1094
+ "loss": 0.0535,
1095
+ "step": 155
1096
+ },
1097
+ {
1098
+ "epoch": 0.081377151799687,
1099
+ "grad_norm": 0.2197350263595581,
1100
+ "learning_rate": 0.0004694444444444445,
1101
+ "loss": 0.0703,
1102
+ "step": 156
1103
+ },
1104
+ {
1105
+ "epoch": 0.08189880020865936,
1106
+ "grad_norm": 0.1608528196811676,
1107
+ "learning_rate": 0.0004688888888888889,
1108
+ "loss": 0.0447,
1109
+ "step": 157
1110
+ },
1111
+ {
1112
+ "epoch": 0.08242044861763172,
1113
+ "grad_norm": 0.1445985585451126,
1114
+ "learning_rate": 0.00046833333333333335,
1115
+ "loss": 0.0469,
1116
+ "step": 158
1117
+ },
1118
+ {
1119
+ "epoch": 0.08294209702660407,
1120
+ "grad_norm": 0.25215667486190796,
1121
+ "learning_rate": 0.0004677777777777778,
1122
+ "loss": 0.0709,
1123
+ "step": 159
1124
+ },
1125
+ {
1126
+ "epoch": 0.08346374543557643,
1127
+ "grad_norm": 0.14391636848449707,
1128
+ "learning_rate": 0.0004672222222222222,
1129
+ "loss": 0.0457,
1130
+ "step": 160
1131
+ },
1132
+ {
1133
+ "epoch": 0.08398539384454877,
1134
+ "grad_norm": 0.29619306325912476,
1135
+ "learning_rate": 0.00046666666666666666,
1136
+ "loss": 0.0765,
1137
+ "step": 161
1138
+ },
1139
+ {
1140
+ "epoch": 0.08450704225352113,
1141
+ "grad_norm": 0.15701289474964142,
1142
+ "learning_rate": 0.0004661111111111111,
1143
+ "loss": 0.0418,
1144
+ "step": 162
1145
+ },
1146
+ {
1147
+ "epoch": 0.08502869066249348,
1148
+ "grad_norm": 0.1698683649301529,
1149
+ "learning_rate": 0.0004655555555555556,
1150
+ "loss": 0.0294,
1151
+ "step": 163
1152
+ },
1153
+ {
1154
+ "epoch": 0.08555033907146584,
1155
+ "grad_norm": 0.12165573239326477,
1156
+ "learning_rate": 0.000465,
1157
+ "loss": 0.0258,
1158
+ "step": 164
1159
+ },
1160
+ {
1161
+ "epoch": 0.08607198748043818,
1162
+ "grad_norm": 0.1611219197511673,
1163
+ "learning_rate": 0.00046444444444444446,
1164
+ "loss": 0.0491,
1165
+ "step": 165
1166
+ },
1167
+ {
1168
+ "epoch": 0.08659363588941053,
1169
+ "grad_norm": 0.1486036628484726,
1170
+ "learning_rate": 0.0004638888888888889,
1171
+ "loss": 0.0479,
1172
+ "step": 166
1173
+ },
1174
+ {
1175
+ "epoch": 0.08711528429838289,
1176
+ "grad_norm": 0.13054965436458588,
1177
+ "learning_rate": 0.00046333333333333334,
1178
+ "loss": 0.0401,
1179
+ "step": 167
1180
+ },
1181
+ {
1182
+ "epoch": 0.08763693270735524,
1183
+ "grad_norm": 0.15433131158351898,
1184
+ "learning_rate": 0.0004627777777777778,
1185
+ "loss": 0.048,
1186
+ "step": 168
1187
+ },
1188
+ {
1189
+ "epoch": 0.0881585811163276,
1190
+ "grad_norm": 0.17511604726314545,
1191
+ "learning_rate": 0.0004622222222222222,
1192
+ "loss": 0.0569,
1193
+ "step": 169
1194
+ },
1195
+ {
1196
+ "epoch": 0.08868022952529994,
1197
+ "grad_norm": 0.1398395150899887,
1198
+ "learning_rate": 0.0004616666666666667,
1199
+ "loss": 0.034,
1200
+ "step": 170
1201
+ },
1202
+ {
1203
+ "epoch": 0.0892018779342723,
1204
+ "grad_norm": 0.15484075248241425,
1205
+ "learning_rate": 0.00046111111111111114,
1206
+ "loss": 0.0514,
1207
+ "step": 171
1208
+ },
1209
+ {
1210
+ "epoch": 0.08972352634324465,
1211
+ "grad_norm": 0.17851784825325012,
1212
+ "learning_rate": 0.0004605555555555556,
1213
+ "loss": 0.0571,
1214
+ "step": 172
1215
+ },
1216
+ {
1217
+ "epoch": 0.09024517475221701,
1218
+ "grad_norm": 0.18745650351047516,
1219
+ "learning_rate": 0.00046,
1220
+ "loss": 0.0523,
1221
+ "step": 173
1222
+ },
1223
+ {
1224
+ "epoch": 0.09076682316118936,
1225
+ "grad_norm": 0.18322691321372986,
1226
+ "learning_rate": 0.00045944444444444445,
1227
+ "loss": 0.0642,
1228
+ "step": 174
1229
+ },
1230
+ {
1231
+ "epoch": 0.0912884715701617,
1232
+ "grad_norm": 0.1173708513379097,
1233
+ "learning_rate": 0.0004588888888888889,
1234
+ "loss": 0.0267,
1235
+ "step": 175
1236
+ },
1237
+ {
1238
+ "epoch": 0.09181011997913406,
1239
+ "grad_norm": 0.1754874438047409,
1240
+ "learning_rate": 0.0004583333333333333,
1241
+ "loss": 0.0657,
1242
+ "step": 176
1243
+ },
1244
+ {
1245
+ "epoch": 0.09233176838810642,
1246
+ "grad_norm": 0.13830502331256866,
1247
+ "learning_rate": 0.0004577777777777778,
1248
+ "loss": 0.0433,
1249
+ "step": 177
1250
+ },
1251
+ {
1252
+ "epoch": 0.09285341679707877,
1253
+ "grad_norm": 0.11174938827753067,
1254
+ "learning_rate": 0.0004572222222222222,
1255
+ "loss": 0.04,
1256
+ "step": 178
1257
+ },
1258
+ {
1259
+ "epoch": 0.09337506520605113,
1260
+ "grad_norm": 0.1829378753900528,
1261
+ "learning_rate": 0.0004566666666666667,
1262
+ "loss": 0.0453,
1263
+ "step": 179
1264
+ },
1265
+ {
1266
+ "epoch": 0.09389671361502347,
1267
+ "grad_norm": 0.10748015344142914,
1268
+ "learning_rate": 0.0004561111111111111,
1269
+ "loss": 0.05,
1270
+ "step": 180
1271
+ },
1272
+ {
1273
+ "epoch": 0.09441836202399582,
1274
+ "grad_norm": 0.1160806268453598,
1275
+ "learning_rate": 0.00045555555555555556,
1276
+ "loss": 0.0245,
1277
+ "step": 181
1278
+ },
1279
+ {
1280
+ "epoch": 0.09494001043296818,
1281
+ "grad_norm": 0.12387479841709137,
1282
+ "learning_rate": 0.000455,
1283
+ "loss": 0.0259,
1284
+ "step": 182
1285
+ },
1286
+ {
1287
+ "epoch": 0.09546165884194054,
1288
+ "grad_norm": 0.1586403250694275,
1289
+ "learning_rate": 0.00045444444444444444,
1290
+ "loss": 0.0378,
1291
+ "step": 183
1292
+ },
1293
+ {
1294
+ "epoch": 0.09598330725091289,
1295
+ "grad_norm": 0.18905822932720184,
1296
+ "learning_rate": 0.00045388888888888893,
1297
+ "loss": 0.0484,
1298
+ "step": 184
1299
+ },
1300
+ {
1301
+ "epoch": 0.09650495565988523,
1302
+ "grad_norm": 0.17541544139385223,
1303
+ "learning_rate": 0.0004533333333333333,
1304
+ "loss": 0.0503,
1305
+ "step": 185
1306
+ },
1307
+ {
1308
+ "epoch": 0.09702660406885759,
1309
+ "grad_norm": 0.1083071306347847,
1310
+ "learning_rate": 0.0004527777777777778,
1311
+ "loss": 0.0439,
1312
+ "step": 186
1313
+ },
1314
+ {
1315
+ "epoch": 0.09754825247782994,
1316
+ "grad_norm": 0.10464104264974594,
1317
+ "learning_rate": 0.00045222222222222224,
1318
+ "loss": 0.0271,
1319
+ "step": 187
1320
+ },
1321
+ {
1322
+ "epoch": 0.0980699008868023,
1323
+ "grad_norm": 0.18022054433822632,
1324
+ "learning_rate": 0.0004516666666666667,
1325
+ "loss": 0.0589,
1326
+ "step": 188
1327
+ },
1328
+ {
1329
+ "epoch": 0.09859154929577464,
1330
+ "grad_norm": 0.18715251982212067,
1331
+ "learning_rate": 0.0004511111111111111,
1332
+ "loss": 0.0489,
1333
+ "step": 189
1334
+ },
1335
+ {
1336
+ "epoch": 0.099113197704747,
1337
+ "grad_norm": 0.10440787672996521,
1338
+ "learning_rate": 0.00045055555555555555,
1339
+ "loss": 0.0221,
1340
+ "step": 190
1341
+ },
1342
+ {
1343
+ "epoch": 0.09963484611371935,
1344
+ "grad_norm": 0.11525921523571014,
1345
+ "learning_rate": 0.00045000000000000004,
1346
+ "loss": 0.0427,
1347
+ "step": 191
1348
+ },
1349
+ {
1350
+ "epoch": 0.10015649452269171,
1351
+ "grad_norm": 0.1573028564453125,
1352
+ "learning_rate": 0.0004494444444444444,
1353
+ "loss": 0.04,
1354
+ "step": 192
1355
+ },
1356
+ {
1357
+ "epoch": 0.10067814293166406,
1358
+ "grad_norm": 0.15942253172397614,
1359
+ "learning_rate": 0.0004488888888888889,
1360
+ "loss": 0.045,
1361
+ "step": 193
1362
+ },
1363
+ {
1364
+ "epoch": 0.1011997913406364,
1365
+ "grad_norm": 0.2997572422027588,
1366
+ "learning_rate": 0.0004483333333333333,
1367
+ "loss": 0.062,
1368
+ "step": 194
1369
+ },
1370
+ {
1371
+ "epoch": 0.10172143974960876,
1372
+ "grad_norm": 0.1859196424484253,
1373
+ "learning_rate": 0.0004477777777777778,
1374
+ "loss": 0.0496,
1375
+ "step": 195
1376
+ },
1377
+ {
1378
+ "epoch": 0.10224308815858112,
1379
+ "grad_norm": 0.1265893131494522,
1380
+ "learning_rate": 0.0004472222222222222,
1381
+ "loss": 0.0457,
1382
+ "step": 196
1383
+ },
1384
+ {
1385
+ "epoch": 0.10276473656755347,
1386
+ "grad_norm": 0.16036029160022736,
1387
+ "learning_rate": 0.00044666666666666666,
1388
+ "loss": 0.046,
1389
+ "step": 197
1390
+ },
1391
+ {
1392
+ "epoch": 0.10328638497652583,
1393
+ "grad_norm": 0.10421448945999146,
1394
+ "learning_rate": 0.00044611111111111115,
1395
+ "loss": 0.033,
1396
+ "step": 198
1397
+ },
1398
+ {
1399
+ "epoch": 0.10380803338549817,
1400
+ "grad_norm": 0.12321974337100983,
1401
+ "learning_rate": 0.00044555555555555554,
1402
+ "loss": 0.0458,
1403
+ "step": 199
1404
+ },
1405
+ {
1406
+ "epoch": 0.10432968179447052,
1407
+ "grad_norm": 0.13863791525363922,
1408
+ "learning_rate": 0.00044500000000000003,
1409
+ "loss": 0.0221,
1410
+ "step": 200
1411
+ },
1412
+ {
1413
+ "epoch": 0.10485133020344288,
1414
+ "grad_norm": 0.11896353214979172,
1415
+ "learning_rate": 0.0004444444444444444,
1416
+ "loss": 0.0477,
1417
+ "step": 201
1418
+ },
1419
+ {
1420
+ "epoch": 0.10537297861241524,
1421
+ "grad_norm": 0.1473105251789093,
1422
+ "learning_rate": 0.0004438888888888889,
1423
+ "loss": 0.056,
1424
+ "step": 202
1425
+ },
1426
+ {
1427
+ "epoch": 0.10589462702138759,
1428
+ "grad_norm": 0.15058237314224243,
1429
+ "learning_rate": 0.00044333333333333334,
1430
+ "loss": 0.0477,
1431
+ "step": 203
1432
+ },
1433
+ {
1434
+ "epoch": 0.10641627543035993,
1435
+ "grad_norm": 0.10770102590322495,
1436
+ "learning_rate": 0.0004427777777777778,
1437
+ "loss": 0.0316,
1438
+ "step": 204
1439
+ },
1440
+ {
1441
+ "epoch": 0.10693792383933229,
1442
+ "grad_norm": 0.13766999542713165,
1443
+ "learning_rate": 0.00044222222222222227,
1444
+ "loss": 0.041,
1445
+ "step": 205
1446
+ },
1447
+ {
1448
+ "epoch": 0.10745957224830464,
1449
+ "grad_norm": 0.11786706745624542,
1450
+ "learning_rate": 0.00044166666666666665,
1451
+ "loss": 0.0302,
1452
+ "step": 206
1453
+ },
1454
+ {
1455
+ "epoch": 0.107981220657277,
1456
+ "grad_norm": 0.10209888964891434,
1457
+ "learning_rate": 0.00044111111111111114,
1458
+ "loss": 0.0396,
1459
+ "step": 207
1460
+ },
1461
+ {
1462
+ "epoch": 0.10850286906624934,
1463
+ "grad_norm": 0.13609950244426727,
1464
+ "learning_rate": 0.0004405555555555555,
1465
+ "loss": 0.0394,
1466
+ "step": 208
1467
+ },
1468
+ {
1469
+ "epoch": 0.1090245174752217,
1470
+ "grad_norm": 0.11915361881256104,
1471
+ "learning_rate": 0.00044,
1472
+ "loss": 0.0421,
1473
+ "step": 209
1474
+ },
1475
+ {
1476
+ "epoch": 0.10954616588419405,
1477
+ "grad_norm": 0.11170439422130585,
1478
+ "learning_rate": 0.0004394444444444445,
1479
+ "loss": 0.0395,
1480
+ "step": 210
1481
+ },
1482
+ {
1483
+ "epoch": 0.11006781429316641,
1484
+ "grad_norm": 0.12584055960178375,
1485
+ "learning_rate": 0.0004388888888888889,
1486
+ "loss": 0.0534,
1487
+ "step": 211
1488
+ },
1489
+ {
1490
+ "epoch": 0.11058946270213876,
1491
+ "grad_norm": 0.1454746276140213,
1492
+ "learning_rate": 0.0004383333333333334,
1493
+ "loss": 0.0469,
1494
+ "step": 212
1495
+ },
1496
+ {
1497
+ "epoch": 0.1111111111111111,
1498
+ "grad_norm": 0.10297106951475143,
1499
+ "learning_rate": 0.00043777777777777776,
1500
+ "loss": 0.0359,
1501
+ "step": 213
1502
+ },
1503
+ {
1504
+ "epoch": 0.11163275952008346,
1505
+ "grad_norm": 0.10994141548871994,
1506
+ "learning_rate": 0.00043722222222222225,
1507
+ "loss": 0.0404,
1508
+ "step": 214
1509
+ },
1510
+ {
1511
+ "epoch": 0.11215440792905582,
1512
+ "grad_norm": 0.13165079057216644,
1513
+ "learning_rate": 0.00043666666666666664,
1514
+ "loss": 0.0475,
1515
+ "step": 215
1516
+ },
1517
+ {
1518
+ "epoch": 0.11267605633802817,
1519
+ "grad_norm": 0.11115416139364243,
1520
+ "learning_rate": 0.00043611111111111113,
1521
+ "loss": 0.0351,
1522
+ "step": 216
1523
+ },
1524
+ {
1525
+ "epoch": 0.11319770474700053,
1526
+ "grad_norm": 0.15927758812904358,
1527
+ "learning_rate": 0.0004355555555555555,
1528
+ "loss": 0.0468,
1529
+ "step": 217
1530
+ },
1531
+ {
1532
+ "epoch": 0.11371935315597287,
1533
+ "grad_norm": 0.0941813513636589,
1534
+ "learning_rate": 0.000435,
1535
+ "loss": 0.0337,
1536
+ "step": 218
1537
+ },
1538
+ {
1539
+ "epoch": 0.11424100156494522,
1540
+ "grad_norm": 0.10850685834884644,
1541
+ "learning_rate": 0.0004344444444444445,
1542
+ "loss": 0.0211,
1543
+ "step": 219
1544
+ },
1545
+ {
1546
+ "epoch": 0.11476264997391758,
1547
+ "grad_norm": 0.0790611058473587,
1548
+ "learning_rate": 0.0004338888888888889,
1549
+ "loss": 0.0196,
1550
+ "step": 220
1551
+ },
1552
+ {
1553
+ "epoch": 0.11528429838288994,
1554
+ "grad_norm": 0.10849782079458237,
1555
+ "learning_rate": 0.00043333333333333337,
1556
+ "loss": 0.04,
1557
+ "step": 221
1558
+ },
1559
+ {
1560
+ "epoch": 0.11580594679186229,
1561
+ "grad_norm": 0.09607880562543869,
1562
+ "learning_rate": 0.00043277777777777775,
1563
+ "loss": 0.0291,
1564
+ "step": 222
1565
+ },
1566
+ {
1567
+ "epoch": 0.11632759520083463,
1568
+ "grad_norm": 0.17959930002689362,
1569
+ "learning_rate": 0.00043222222222222224,
1570
+ "loss": 0.0426,
1571
+ "step": 223
1572
+ },
1573
+ {
1574
+ "epoch": 0.11684924360980699,
1575
+ "grad_norm": 0.08865644782781601,
1576
+ "learning_rate": 0.0004316666666666667,
1577
+ "loss": 0.0321,
1578
+ "step": 224
1579
+ },
1580
+ {
1581
+ "epoch": 0.11737089201877934,
1582
+ "grad_norm": 0.17324934899806976,
1583
+ "learning_rate": 0.0004311111111111111,
1584
+ "loss": 0.0537,
1585
+ "step": 225
1586
+ },
1587
+ {
1588
+ "epoch": 0.1178925404277517,
1589
+ "grad_norm": 0.10226263850927353,
1590
+ "learning_rate": 0.0004305555555555556,
1591
+ "loss": 0.0342,
1592
+ "step": 226
1593
+ },
1594
+ {
1595
+ "epoch": 0.11841418883672405,
1596
+ "grad_norm": 0.10456152260303497,
1597
+ "learning_rate": 0.00043,
1598
+ "loss": 0.039,
1599
+ "step": 227
1600
+ },
1601
+ {
1602
+ "epoch": 0.1189358372456964,
1603
+ "grad_norm": 0.10196290910243988,
1604
+ "learning_rate": 0.0004294444444444445,
1605
+ "loss": 0.0329,
1606
+ "step": 228
1607
+ },
1608
+ {
1609
+ "epoch": 0.11945748565466875,
1610
+ "grad_norm": 0.12004778534173965,
1611
+ "learning_rate": 0.00042888888888888886,
1612
+ "loss": 0.0434,
1613
+ "step": 229
1614
+ },
1615
+ {
1616
+ "epoch": 0.11997913406364111,
1617
+ "grad_norm": 0.10152442753314972,
1618
+ "learning_rate": 0.00042833333333333335,
1619
+ "loss": 0.0305,
1620
+ "step": 230
1621
+ },
1622
+ {
1623
+ "epoch": 0.12050078247261346,
1624
+ "grad_norm": 0.1072554886341095,
1625
+ "learning_rate": 0.0004277777777777778,
1626
+ "loss": 0.0407,
1627
+ "step": 231
1628
+ },
1629
+ {
1630
+ "epoch": 0.1210224308815858,
1631
+ "grad_norm": 0.08478479087352753,
1632
+ "learning_rate": 0.00042722222222222223,
1633
+ "loss": 0.0375,
1634
+ "step": 232
1635
+ },
1636
+ {
1637
+ "epoch": 0.12154407929055816,
1638
+ "grad_norm": 0.11901957541704178,
1639
+ "learning_rate": 0.0004266666666666667,
1640
+ "loss": 0.0281,
1641
+ "step": 233
1642
+ },
1643
+ {
1644
+ "epoch": 0.12206572769953052,
1645
+ "grad_norm": 0.097981758415699,
1646
+ "learning_rate": 0.0004261111111111111,
1647
+ "loss": 0.0365,
1648
+ "step": 234
1649
+ },
1650
+ {
1651
+ "epoch": 0.12258737610850287,
1652
+ "grad_norm": 0.08464547991752625,
1653
+ "learning_rate": 0.0004255555555555556,
1654
+ "loss": 0.0227,
1655
+ "step": 235
1656
+ },
1657
+ {
1658
+ "epoch": 0.12310902451747523,
1659
+ "grad_norm": 0.18886807560920715,
1660
+ "learning_rate": 0.000425,
1661
+ "loss": 0.0494,
1662
+ "step": 236
1663
+ },
1664
+ {
1665
+ "epoch": 0.12363067292644757,
1666
+ "grad_norm": 0.08432997763156891,
1667
+ "learning_rate": 0.00042444444444444447,
1668
+ "loss": 0.031,
1669
+ "step": 237
1670
+ },
1671
+ {
1672
+ "epoch": 0.12415232133541992,
1673
+ "grad_norm": 0.24738061428070068,
1674
+ "learning_rate": 0.0004238888888888889,
1675
+ "loss": 0.0611,
1676
+ "step": 238
1677
+ },
1678
+ {
1679
+ "epoch": 0.12467396974439228,
1680
+ "grad_norm": 0.11955960839986801,
1681
+ "learning_rate": 0.00042333333333333334,
1682
+ "loss": 0.0481,
1683
+ "step": 239
1684
+ },
1685
+ {
1686
+ "epoch": 0.12519561815336464,
1687
+ "grad_norm": 0.132662832736969,
1688
+ "learning_rate": 0.0004227777777777778,
1689
+ "loss": 0.0432,
1690
+ "step": 240
1691
+ },
1692
+ {
1693
+ "epoch": 0.12571726656233698,
1694
+ "grad_norm": 0.08496639877557755,
1695
+ "learning_rate": 0.0004222222222222222,
1696
+ "loss": 0.0328,
1697
+ "step": 241
1698
+ },
1699
+ {
1700
+ "epoch": 0.12623891497130935,
1701
+ "grad_norm": 0.13830861449241638,
1702
+ "learning_rate": 0.0004216666666666667,
1703
+ "loss": 0.0336,
1704
+ "step": 242
1705
+ },
1706
+ {
1707
+ "epoch": 0.1267605633802817,
1708
+ "grad_norm": 0.12200845032930374,
1709
+ "learning_rate": 0.0004211111111111111,
1710
+ "loss": 0.0346,
1711
+ "step": 243
1712
+ },
1713
+ {
1714
+ "epoch": 0.12728221178925403,
1715
+ "grad_norm": 0.10438041388988495,
1716
+ "learning_rate": 0.0004205555555555556,
1717
+ "loss": 0.039,
1718
+ "step": 244
1719
+ },
1720
+ {
1721
+ "epoch": 0.1278038601982264,
1722
+ "grad_norm": 0.10238846391439438,
1723
+ "learning_rate": 0.00042,
1724
+ "loss": 0.0442,
1725
+ "step": 245
1726
+ },
1727
+ {
1728
+ "epoch": 0.12832550860719874,
1729
+ "grad_norm": 0.10930721461772919,
1730
+ "learning_rate": 0.00041944444444444445,
1731
+ "loss": 0.0426,
1732
+ "step": 246
1733
+ },
1734
+ {
1735
+ "epoch": 0.1288471570161711,
1736
+ "grad_norm": 0.09867265820503235,
1737
+ "learning_rate": 0.0004188888888888889,
1738
+ "loss": 0.0402,
1739
+ "step": 247
1740
+ },
1741
+ {
1742
+ "epoch": 0.12936880542514345,
1743
+ "grad_norm": 0.1137848049402237,
1744
+ "learning_rate": 0.00041833333333333333,
1745
+ "loss": 0.0278,
1746
+ "step": 248
1747
+ },
1748
+ {
1749
+ "epoch": 0.1298904538341158,
1750
+ "grad_norm": 0.1364007592201233,
1751
+ "learning_rate": 0.0004177777777777778,
1752
+ "loss": 0.0437,
1753
+ "step": 249
1754
+ },
1755
+ {
1756
+ "epoch": 0.13041210224308816,
1757
+ "grad_norm": 0.09385659545660019,
1758
+ "learning_rate": 0.0004172222222222222,
1759
+ "loss": 0.0353,
1760
+ "step": 250
1761
+ },
1762
+ {
1763
+ "epoch": 0.1309337506520605,
1764
+ "grad_norm": 0.1302153617143631,
1765
+ "learning_rate": 0.0004166666666666667,
1766
+ "loss": 0.0287,
1767
+ "step": 251
1768
+ },
1769
+ {
1770
+ "epoch": 0.13145539906103287,
1771
+ "grad_norm": 0.09976278990507126,
1772
+ "learning_rate": 0.00041611111111111113,
1773
+ "loss": 0.0381,
1774
+ "step": 252
1775
+ },
1776
+ {
1777
+ "epoch": 0.13197704747000522,
1778
+ "grad_norm": 0.0966271236538887,
1779
+ "learning_rate": 0.00041555555555555557,
1780
+ "loss": 0.0204,
1781
+ "step": 253
1782
+ },
1783
+ {
1784
+ "epoch": 0.13249869587897756,
1785
+ "grad_norm": 0.0773528590798378,
1786
+ "learning_rate": 0.000415,
1787
+ "loss": 0.0285,
1788
+ "step": 254
1789
+ },
1790
+ {
1791
+ "epoch": 0.13302034428794993,
1792
+ "grad_norm": 0.2350674420595169,
1793
+ "learning_rate": 0.00041444444444444444,
1794
+ "loss": 0.0511,
1795
+ "step": 255
1796
+ },
1797
+ {
1798
+ "epoch": 0.13354199269692227,
1799
+ "grad_norm": 0.08375384658575058,
1800
+ "learning_rate": 0.0004138888888888889,
1801
+ "loss": 0.0341,
1802
+ "step": 256
1803
+ },
1804
+ {
1805
+ "epoch": 0.13406364110589464,
1806
+ "grad_norm": 0.09229125827550888,
1807
+ "learning_rate": 0.0004133333333333333,
1808
+ "loss": 0.0329,
1809
+ "step": 257
1810
+ },
1811
+ {
1812
+ "epoch": 0.13458528951486698,
1813
+ "grad_norm": 0.08750821650028229,
1814
+ "learning_rate": 0.0004127777777777778,
1815
+ "loss": 0.0283,
1816
+ "step": 258
1817
+ },
1818
+ {
1819
+ "epoch": 0.13510693792383932,
1820
+ "grad_norm": 0.075618676841259,
1821
+ "learning_rate": 0.00041222222222222224,
1822
+ "loss": 0.0291,
1823
+ "step": 259
1824
+ },
1825
+ {
1826
+ "epoch": 0.1356285863328117,
1827
+ "grad_norm": 0.16954250633716583,
1828
+ "learning_rate": 0.0004116666666666667,
1829
+ "loss": 0.0441,
1830
+ "step": 260
1831
+ },
1832
+ {
1833
+ "epoch": 0.13615023474178403,
1834
+ "grad_norm": 0.07529555261135101,
1835
+ "learning_rate": 0.0004111111111111111,
1836
+ "loss": 0.0139,
1837
+ "step": 261
1838
+ },
1839
+ {
1840
+ "epoch": 0.1366718831507564,
1841
+ "grad_norm": 0.08884407579898834,
1842
+ "learning_rate": 0.00041055555555555555,
1843
+ "loss": 0.0299,
1844
+ "step": 262
1845
+ },
1846
+ {
1847
+ "epoch": 0.13719353155972874,
1848
+ "grad_norm": 0.09607396274805069,
1849
+ "learning_rate": 0.00041,
1850
+ "loss": 0.0337,
1851
+ "step": 263
1852
+ },
1853
+ {
1854
+ "epoch": 0.13771517996870108,
1855
+ "grad_norm": 0.08453882485628128,
1856
+ "learning_rate": 0.00040944444444444443,
1857
+ "loss": 0.0315,
1858
+ "step": 264
1859
+ },
1860
+ {
1861
+ "epoch": 0.13823682837767345,
1862
+ "grad_norm": 0.09629228711128235,
1863
+ "learning_rate": 0.0004088888888888889,
1864
+ "loss": 0.0181,
1865
+ "step": 265
1866
+ },
1867
+ {
1868
+ "epoch": 0.1387584767866458,
1869
+ "grad_norm": 0.07212290167808533,
1870
+ "learning_rate": 0.00040833333333333336,
1871
+ "loss": 0.0262,
1872
+ "step": 266
1873
+ },
1874
+ {
1875
+ "epoch": 0.13928012519561817,
1876
+ "grad_norm": 0.09192827343940735,
1877
+ "learning_rate": 0.0004077777777777778,
1878
+ "loss": 0.018,
1879
+ "step": 267
1880
+ },
1881
+ {
1882
+ "epoch": 0.1398017736045905,
1883
+ "grad_norm": 0.10876122117042542,
1884
+ "learning_rate": 0.00040722222222222223,
1885
+ "loss": 0.0316,
1886
+ "step": 268
1887
+ },
1888
+ {
1889
+ "epoch": 0.14032342201356285,
1890
+ "grad_norm": 0.10796765238046646,
1891
+ "learning_rate": 0.00040666666666666667,
1892
+ "loss": 0.0323,
1893
+ "step": 269
1894
+ },
1895
+ {
1896
+ "epoch": 0.14084507042253522,
1897
+ "grad_norm": 0.08297892659902573,
1898
+ "learning_rate": 0.0004061111111111111,
1899
+ "loss": 0.0244,
1900
+ "step": 270
1901
+ },
1902
+ {
1903
+ "epoch": 0.14136671883150756,
1904
+ "grad_norm": 0.09534858912229538,
1905
+ "learning_rate": 0.00040555555555555554,
1906
+ "loss": 0.0279,
1907
+ "step": 271
1908
+ },
1909
+ {
1910
+ "epoch": 0.14188836724047993,
1911
+ "grad_norm": 0.07854770123958588,
1912
+ "learning_rate": 0.00040500000000000003,
1913
+ "loss": 0.032,
1914
+ "step": 272
1915
+ },
1916
+ {
1917
+ "epoch": 0.14241001564945227,
1918
+ "grad_norm": 0.16025401651859283,
1919
+ "learning_rate": 0.00040444444444444447,
1920
+ "loss": 0.0413,
1921
+ "step": 273
1922
+ },
1923
+ {
1924
+ "epoch": 0.1429316640584246,
1925
+ "grad_norm": 0.07919424772262573,
1926
+ "learning_rate": 0.0004038888888888889,
1927
+ "loss": 0.0277,
1928
+ "step": 274
1929
+ },
1930
+ {
1931
+ "epoch": 0.14345331246739698,
1932
+ "grad_norm": 0.07335282117128372,
1933
+ "learning_rate": 0.00040333333333333334,
1934
+ "loss": 0.0363,
1935
+ "step": 275
1936
+ },
1937
+ {
1938
+ "epoch": 0.14397496087636932,
1939
+ "grad_norm": 0.1280767321586609,
1940
+ "learning_rate": 0.0004027777777777778,
1941
+ "loss": 0.0402,
1942
+ "step": 276
1943
+ },
1944
+ {
1945
+ "epoch": 0.1444966092853417,
1946
+ "grad_norm": 0.11371007561683655,
1947
+ "learning_rate": 0.0004022222222222222,
1948
+ "loss": 0.0312,
1949
+ "step": 277
1950
+ },
1951
+ {
1952
+ "epoch": 0.14501825769431403,
1953
+ "grad_norm": 0.12229876220226288,
1954
+ "learning_rate": 0.00040166666666666665,
1955
+ "loss": 0.0357,
1956
+ "step": 278
1957
+ },
1958
+ {
1959
+ "epoch": 0.14553990610328638,
1960
+ "grad_norm": 0.11436333507299423,
1961
+ "learning_rate": 0.0004011111111111111,
1962
+ "loss": 0.0135,
1963
+ "step": 279
1964
+ },
1965
+ {
1966
+ "epoch": 0.14606155451225875,
1967
+ "grad_norm": 0.08084696531295776,
1968
+ "learning_rate": 0.0004005555555555556,
1969
+ "loss": 0.0302,
1970
+ "step": 280
1971
+ },
1972
+ {
1973
+ "epoch": 0.1465832029212311,
1974
+ "grad_norm": 0.09421739727258682,
1975
+ "learning_rate": 0.0004,
1976
+ "loss": 0.0376,
1977
+ "step": 281
1978
+ },
1979
+ {
1980
+ "epoch": 0.14710485133020346,
1981
+ "grad_norm": 0.0744849219918251,
1982
+ "learning_rate": 0.00039944444444444446,
1983
+ "loss": 0.0291,
1984
+ "step": 282
1985
+ },
1986
+ {
1987
+ "epoch": 0.1476264997391758,
1988
+ "grad_norm": 0.06754301488399506,
1989
+ "learning_rate": 0.0003988888888888889,
1990
+ "loss": 0.0262,
1991
+ "step": 283
1992
+ },
1993
+ {
1994
+ "epoch": 0.14814814814814814,
1995
+ "grad_norm": 0.06215747445821762,
1996
+ "learning_rate": 0.00039833333333333333,
1997
+ "loss": 0.0223,
1998
+ "step": 284
1999
+ },
2000
+ {
2001
+ "epoch": 0.1486697965571205,
2002
+ "grad_norm": 0.10289556533098221,
2003
+ "learning_rate": 0.00039777777777777777,
2004
+ "loss": 0.0401,
2005
+ "step": 285
2006
+ },
2007
+ {
2008
+ "epoch": 0.14919144496609285,
2009
+ "grad_norm": 0.10723885893821716,
2010
+ "learning_rate": 0.0003972222222222222,
2011
+ "loss": 0.018,
2012
+ "step": 286
2013
+ },
2014
+ {
2015
+ "epoch": 0.1497130933750652,
2016
+ "grad_norm": 0.12683100998401642,
2017
+ "learning_rate": 0.0003966666666666667,
2018
+ "loss": 0.0155,
2019
+ "step": 287
2020
+ },
2021
+ {
2022
+ "epoch": 0.15023474178403756,
2023
+ "grad_norm": 0.10709403455257416,
2024
+ "learning_rate": 0.00039611111111111113,
2025
+ "loss": 0.0186,
2026
+ "step": 288
2027
+ },
2028
+ {
2029
+ "epoch": 0.1507563901930099,
2030
+ "grad_norm": 0.09857751429080963,
2031
+ "learning_rate": 0.00039555555555555557,
2032
+ "loss": 0.0311,
2033
+ "step": 289
2034
+ },
2035
+ {
2036
+ "epoch": 0.15127803860198227,
2037
+ "grad_norm": 0.07990946620702744,
2038
+ "learning_rate": 0.000395,
2039
+ "loss": 0.032,
2040
+ "step": 290
2041
+ },
2042
+ {
2043
+ "epoch": 0.15179968701095461,
2044
+ "grad_norm": 0.06873098760843277,
2045
+ "learning_rate": 0.00039444444444444444,
2046
+ "loss": 0.0163,
2047
+ "step": 291
2048
+ },
2049
+ {
2050
+ "epoch": 0.15232133541992696,
2051
+ "grad_norm": 0.0788077712059021,
2052
+ "learning_rate": 0.00039388888888888893,
2053
+ "loss": 0.0319,
2054
+ "step": 292
2055
+ },
2056
+ {
2057
+ "epoch": 0.15284298382889933,
2058
+ "grad_norm": 0.08789033442735672,
2059
+ "learning_rate": 0.0003933333333333333,
2060
+ "loss": 0.0352,
2061
+ "step": 293
2062
+ },
2063
+ {
2064
+ "epoch": 0.15336463223787167,
2065
+ "grad_norm": 0.10574653744697571,
2066
+ "learning_rate": 0.0003927777777777778,
2067
+ "loss": 0.0411,
2068
+ "step": 294
2069
+ },
2070
+ {
2071
+ "epoch": 0.15388628064684404,
2072
+ "grad_norm": 0.08198726177215576,
2073
+ "learning_rate": 0.00039222222222222225,
2074
+ "loss": 0.0286,
2075
+ "step": 295
2076
+ },
2077
+ {
2078
+ "epoch": 0.15440792905581638,
2079
+ "grad_norm": 0.2811417579650879,
2080
+ "learning_rate": 0.0003916666666666667,
2081
+ "loss": 0.0508,
2082
+ "step": 296
2083
+ },
2084
+ {
2085
+ "epoch": 0.15492957746478872,
2086
+ "grad_norm": 0.1203279122710228,
2087
+ "learning_rate": 0.0003911111111111111,
2088
+ "loss": 0.0384,
2089
+ "step": 297
2090
+ },
2091
+ {
2092
+ "epoch": 0.1554512258737611,
2093
+ "grad_norm": 0.08802422881126404,
2094
+ "learning_rate": 0.00039055555555555556,
2095
+ "loss": 0.0305,
2096
+ "step": 298
2097
+ },
2098
+ {
2099
+ "epoch": 0.15597287428273343,
2100
+ "grad_norm": 0.05368930101394653,
2101
+ "learning_rate": 0.00039000000000000005,
2102
+ "loss": 0.0167,
2103
+ "step": 299
2104
+ },
2105
+ {
2106
+ "epoch": 0.1564945226917058,
2107
+ "grad_norm": 0.16041633486747742,
2108
+ "learning_rate": 0.00038944444444444443,
2109
+ "loss": 0.047,
2110
+ "step": 300
2111
+ },
2112
+ {
2113
+ "epoch": 0.15701617110067814,
2114
+ "grad_norm": 0.06771723926067352,
2115
+ "learning_rate": 0.0003888888888888889,
2116
+ "loss": 0.0242,
2117
+ "step": 301
2118
+ },
2119
+ {
2120
+ "epoch": 0.15753781950965048,
2121
+ "grad_norm": 0.09745685011148453,
2122
+ "learning_rate": 0.0003883333333333333,
2123
+ "loss": 0.0121,
2124
+ "step": 302
2125
+ },
2126
+ {
2127
+ "epoch": 0.15805946791862285,
2128
+ "grad_norm": 0.1079089567065239,
2129
+ "learning_rate": 0.0003877777777777778,
2130
+ "loss": 0.0331,
2131
+ "step": 303
2132
+ },
2133
+ {
2134
+ "epoch": 0.1585811163275952,
2135
+ "grad_norm": 0.07800073176622391,
2136
+ "learning_rate": 0.00038722222222222223,
2137
+ "loss": 0.0325,
2138
+ "step": 304
2139
+ },
2140
+ {
2141
+ "epoch": 0.15910276473656756,
2142
+ "grad_norm": 0.13546329736709595,
2143
+ "learning_rate": 0.00038666666666666667,
2144
+ "loss": 0.0296,
2145
+ "step": 305
2146
+ },
2147
+ {
2148
+ "epoch": 0.1596244131455399,
2149
+ "grad_norm": 0.0735045000910759,
2150
+ "learning_rate": 0.00038611111111111116,
2151
+ "loss": 0.0275,
2152
+ "step": 306
2153
+ },
2154
+ {
2155
+ "epoch": 0.16014606155451225,
2156
+ "grad_norm": 0.056763097643852234,
2157
+ "learning_rate": 0.00038555555555555554,
2158
+ "loss": 0.025,
2159
+ "step": 307
2160
+ },
2161
+ {
2162
+ "epoch": 0.16066770996348462,
2163
+ "grad_norm": 0.0723307803273201,
2164
+ "learning_rate": 0.00038500000000000003,
2165
+ "loss": 0.0269,
2166
+ "step": 308
2167
+ },
2168
+ {
2169
+ "epoch": 0.16118935837245696,
2170
+ "grad_norm": 0.07295756787061691,
2171
+ "learning_rate": 0.0003844444444444444,
2172
+ "loss": 0.0224,
2173
+ "step": 309
2174
+ },
2175
+ {
2176
+ "epoch": 0.16171100678142933,
2177
+ "grad_norm": 0.1010420173406601,
2178
+ "learning_rate": 0.0003838888888888889,
2179
+ "loss": 0.0154,
2180
+ "step": 310
2181
+ },
2182
+ {
2183
+ "epoch": 0.16223265519040167,
2184
+ "grad_norm": 0.10790162533521652,
2185
+ "learning_rate": 0.00038333333333333334,
2186
+ "loss": 0.0334,
2187
+ "step": 311
2188
+ },
2189
+ {
2190
+ "epoch": 0.162754303599374,
2191
+ "grad_norm": 0.06171411648392677,
2192
+ "learning_rate": 0.0003827777777777778,
2193
+ "loss": 0.026,
2194
+ "step": 312
2195
+ },
2196
+ {
2197
+ "epoch": 0.16327595200834638,
2198
+ "grad_norm": 0.0646505281329155,
2199
+ "learning_rate": 0.0003822222222222223,
2200
+ "loss": 0.0283,
2201
+ "step": 313
2202
+ },
2203
+ {
2204
+ "epoch": 0.16379760041731872,
2205
+ "grad_norm": 0.1241549476981163,
2206
+ "learning_rate": 0.00038166666666666666,
2207
+ "loss": 0.0433,
2208
+ "step": 314
2209
+ },
2210
+ {
2211
+ "epoch": 0.1643192488262911,
2212
+ "grad_norm": 0.08475686609745026,
2213
+ "learning_rate": 0.00038111111111111115,
2214
+ "loss": 0.0264,
2215
+ "step": 315
2216
+ },
2217
+ {
2218
+ "epoch": 0.16484089723526343,
2219
+ "grad_norm": 0.1006927415728569,
2220
+ "learning_rate": 0.00038055555555555553,
2221
+ "loss": 0.0373,
2222
+ "step": 316
2223
+ },
2224
+ {
2225
+ "epoch": 0.16536254564423578,
2226
+ "grad_norm": 0.08395830541849136,
2227
+ "learning_rate": 0.00038,
2228
+ "loss": 0.0151,
2229
+ "step": 317
2230
+ },
2231
+ {
2232
+ "epoch": 0.16588419405320814,
2233
+ "grad_norm": 0.05780460685491562,
2234
+ "learning_rate": 0.0003794444444444444,
2235
+ "loss": 0.018,
2236
+ "step": 318
2237
+ },
2238
+ {
2239
+ "epoch": 0.1664058424621805,
2240
+ "grad_norm": 0.08385057002305984,
2241
+ "learning_rate": 0.0003788888888888889,
2242
+ "loss": 0.0347,
2243
+ "step": 319
2244
+ },
2245
+ {
2246
+ "epoch": 0.16692749087115286,
2247
+ "grad_norm": 0.0629425197839737,
2248
+ "learning_rate": 0.0003783333333333334,
2249
+ "loss": 0.0288,
2250
+ "step": 320
2251
+ },
2252
+ {
2253
+ "epoch": 0.1674491392801252,
2254
+ "grad_norm": 0.07353231310844421,
2255
+ "learning_rate": 0.00037777777777777777,
2256
+ "loss": 0.0318,
2257
+ "step": 321
2258
+ },
2259
+ {
2260
+ "epoch": 0.16797078768909754,
2261
+ "grad_norm": 0.06632209569215775,
2262
+ "learning_rate": 0.00037722222222222226,
2263
+ "loss": 0.0286,
2264
+ "step": 322
2265
+ },
2266
+ {
2267
+ "epoch": 0.1684924360980699,
2268
+ "grad_norm": 0.10224422067403793,
2269
+ "learning_rate": 0.00037666666666666664,
2270
+ "loss": 0.0287,
2271
+ "step": 323
2272
+ },
2273
+ {
2274
+ "epoch": 0.16901408450704225,
2275
+ "grad_norm": 0.07615455985069275,
2276
+ "learning_rate": 0.00037611111111111113,
2277
+ "loss": 0.0245,
2278
+ "step": 324
2279
+ },
2280
+ {
2281
+ "epoch": 0.16953573291601462,
2282
+ "grad_norm": 0.08341842144727707,
2283
+ "learning_rate": 0.0003755555555555555,
2284
+ "loss": 0.0272,
2285
+ "step": 325
2286
+ },
2287
+ {
2288
+ "epoch": 0.17005738132498696,
2289
+ "grad_norm": 0.06340507417917252,
2290
+ "learning_rate": 0.000375,
2291
+ "loss": 0.0251,
2292
+ "step": 326
2293
+ },
2294
+ {
2295
+ "epoch": 0.1705790297339593,
2296
+ "grad_norm": 0.05245117098093033,
2297
+ "learning_rate": 0.0003744444444444445,
2298
+ "loss": 0.016,
2299
+ "step": 327
2300
+ },
2301
+ {
2302
+ "epoch": 0.17110067814293167,
2303
+ "grad_norm": 0.07821597903966904,
2304
+ "learning_rate": 0.0003738888888888889,
2305
+ "loss": 0.0166,
2306
+ "step": 328
2307
+ },
2308
+ {
2309
+ "epoch": 0.17162232655190401,
2310
+ "grad_norm": 0.05091237649321556,
2311
+ "learning_rate": 0.0003733333333333334,
2312
+ "loss": 0.0169,
2313
+ "step": 329
2314
+ },
2315
+ {
2316
+ "epoch": 0.17214397496087636,
2317
+ "grad_norm": 0.11584059149026871,
2318
+ "learning_rate": 0.00037277777777777776,
2319
+ "loss": 0.0424,
2320
+ "step": 330
2321
+ },
2322
+ {
2323
+ "epoch": 0.17266562336984873,
2324
+ "grad_norm": 0.08996029943227768,
2325
+ "learning_rate": 0.00037222222222222225,
2326
+ "loss": 0.0287,
2327
+ "step": 331
2328
+ },
2329
+ {
2330
+ "epoch": 0.17318727177882107,
2331
+ "grad_norm": 0.06258998066186905,
2332
+ "learning_rate": 0.00037166666666666663,
2333
+ "loss": 0.0243,
2334
+ "step": 332
2335
+ },
2336
+ {
2337
+ "epoch": 0.17370892018779344,
2338
+ "grad_norm": 0.06734970957040787,
2339
+ "learning_rate": 0.0003711111111111111,
2340
+ "loss": 0.0294,
2341
+ "step": 333
2342
+ },
2343
+ {
2344
+ "epoch": 0.17423056859676578,
2345
+ "grad_norm": 0.06081216409802437,
2346
+ "learning_rate": 0.0003705555555555556,
2347
+ "loss": 0.0262,
2348
+ "step": 334
2349
+ },
2350
+ {
2351
+ "epoch": 0.17475221700573812,
2352
+ "grad_norm": 0.06397537142038345,
2353
+ "learning_rate": 0.00037,
2354
+ "loss": 0.0161,
2355
+ "step": 335
2356
+ },
2357
+ {
2358
+ "epoch": 0.1752738654147105,
2359
+ "grad_norm": 0.07987434417009354,
2360
+ "learning_rate": 0.0003694444444444445,
2361
+ "loss": 0.0301,
2362
+ "step": 336
2363
+ },
2364
+ {
2365
+ "epoch": 0.17579551382368283,
2366
+ "grad_norm": 0.09395250678062439,
2367
+ "learning_rate": 0.00036888888888888887,
2368
+ "loss": 0.0289,
2369
+ "step": 337
2370
+ },
2371
+ {
2372
+ "epoch": 0.1763171622326552,
2373
+ "grad_norm": 0.05801301822066307,
2374
+ "learning_rate": 0.00036833333333333336,
2375
+ "loss": 0.0326,
2376
+ "step": 338
2377
+ },
2378
+ {
2379
+ "epoch": 0.17683881064162754,
2380
+ "grad_norm": 0.06285756826400757,
2381
+ "learning_rate": 0.00036777777777777774,
2382
+ "loss": 0.0235,
2383
+ "step": 339
2384
+ },
2385
+ {
2386
+ "epoch": 0.17736045905059988,
2387
+ "grad_norm": 0.06429009139537811,
2388
+ "learning_rate": 0.00036722222222222223,
2389
+ "loss": 0.0136,
2390
+ "step": 340
2391
+ },
2392
+ {
2393
+ "epoch": 0.17788210745957225,
2394
+ "grad_norm": 0.05570930242538452,
2395
+ "learning_rate": 0.00036666666666666667,
2396
+ "loss": 0.0205,
2397
+ "step": 341
2398
+ },
2399
+ {
2400
+ "epoch": 0.1784037558685446,
2401
+ "grad_norm": 0.061478108167648315,
2402
+ "learning_rate": 0.0003661111111111111,
2403
+ "loss": 0.026,
2404
+ "step": 342
2405
+ },
2406
+ {
2407
+ "epoch": 0.17892540427751696,
2408
+ "grad_norm": 0.07520420104265213,
2409
+ "learning_rate": 0.0003655555555555556,
2410
+ "loss": 0.0265,
2411
+ "step": 343
2412
+ },
2413
+ {
2414
+ "epoch": 0.1794470526864893,
2415
+ "grad_norm": 0.047426123172044754,
2416
+ "learning_rate": 0.000365,
2417
+ "loss": 0.0144,
2418
+ "step": 344
2419
+ },
2420
+ {
2421
+ "epoch": 0.17996870109546165,
2422
+ "grad_norm": 0.09971431642770767,
2423
+ "learning_rate": 0.00036444444444444447,
2424
+ "loss": 0.0359,
2425
+ "step": 345
2426
+ },
2427
+ {
2428
+ "epoch": 0.18049034950443402,
2429
+ "grad_norm": 0.0507560633122921,
2430
+ "learning_rate": 0.00036388888888888886,
2431
+ "loss": 0.0203,
2432
+ "step": 346
2433
+ },
2434
+ {
2435
+ "epoch": 0.18101199791340636,
2436
+ "grad_norm": 0.09610850363969803,
2437
+ "learning_rate": 0.00036333333333333335,
2438
+ "loss": 0.0352,
2439
+ "step": 347
2440
+ },
2441
+ {
2442
+ "epoch": 0.18153364632237873,
2443
+ "grad_norm": 0.04846423119306564,
2444
+ "learning_rate": 0.0003627777777777778,
2445
+ "loss": 0.0162,
2446
+ "step": 348
2447
+ },
2448
+ {
2449
+ "epoch": 0.18205529473135107,
2450
+ "grad_norm": 0.15771976113319397,
2451
+ "learning_rate": 0.0003622222222222222,
2452
+ "loss": 0.0323,
2453
+ "step": 349
2454
+ },
2455
+ {
2456
+ "epoch": 0.1825769431403234,
2457
+ "grad_norm": 0.07306705415248871,
2458
+ "learning_rate": 0.0003616666666666667,
2459
+ "loss": 0.0217,
2460
+ "step": 350
2461
+ },
2462
+ {
2463
+ "epoch": 0.18309859154929578,
2464
+ "grad_norm": 0.05630479007959366,
2465
+ "learning_rate": 0.0003611111111111111,
2466
+ "loss": 0.0149,
2467
+ "step": 351
2468
+ },
2469
+ {
2470
+ "epoch": 0.18362023995826812,
2471
+ "grad_norm": 0.08934023231267929,
2472
+ "learning_rate": 0.0003605555555555556,
2473
+ "loss": 0.0113,
2474
+ "step": 352
2475
+ },
2476
+ {
2477
+ "epoch": 0.1841418883672405,
2478
+ "grad_norm": 0.1724640429019928,
2479
+ "learning_rate": 0.00035999999999999997,
2480
+ "loss": 0.0435,
2481
+ "step": 353
2482
+ },
2483
+ {
2484
+ "epoch": 0.18466353677621283,
2485
+ "grad_norm": 0.06963273137807846,
2486
+ "learning_rate": 0.00035944444444444446,
2487
+ "loss": 0.0307,
2488
+ "step": 354
2489
+ },
2490
+ {
2491
+ "epoch": 0.18518518518518517,
2492
+ "grad_norm": 0.06084301322698593,
2493
+ "learning_rate": 0.0003588888888888889,
2494
+ "loss": 0.0306,
2495
+ "step": 355
2496
+ },
2497
+ {
2498
+ "epoch": 0.18570683359415754,
2499
+ "grad_norm": 0.07648872584104538,
2500
+ "learning_rate": 0.00035833333333333333,
2501
+ "loss": 0.0271,
2502
+ "step": 356
2503
+ },
2504
+ {
2505
+ "epoch": 0.18622848200312989,
2506
+ "grad_norm": 0.07619331032037735,
2507
+ "learning_rate": 0.00035777777777777777,
2508
+ "loss": 0.0171,
2509
+ "step": 357
2510
+ },
2511
+ {
2512
+ "epoch": 0.18675013041210226,
2513
+ "grad_norm": 0.08520349115133286,
2514
+ "learning_rate": 0.0003572222222222222,
2515
+ "loss": 0.0284,
2516
+ "step": 358
2517
+ },
2518
+ {
2519
+ "epoch": 0.1872717788210746,
2520
+ "grad_norm": 0.057310912758111954,
2521
+ "learning_rate": 0.0003566666666666667,
2522
+ "loss": 0.0223,
2523
+ "step": 359
2524
+ },
2525
+ {
2526
+ "epoch": 0.18779342723004694,
2527
+ "grad_norm": 0.08222941309213638,
2528
+ "learning_rate": 0.0003561111111111111,
2529
+ "loss": 0.0296,
2530
+ "step": 360
2531
+ },
2532
+ {
2533
+ "epoch": 0.1883150756390193,
2534
+ "grad_norm": 0.08427579700946808,
2535
+ "learning_rate": 0.00035555555555555557,
2536
+ "loss": 0.031,
2537
+ "step": 361
2538
+ },
2539
+ {
2540
+ "epoch": 0.18883672404799165,
2541
+ "grad_norm": 0.06189948692917824,
2542
+ "learning_rate": 0.000355,
2543
+ "loss": 0.0273,
2544
+ "step": 362
2545
+ },
2546
+ {
2547
+ "epoch": 0.18935837245696402,
2548
+ "grad_norm": 0.07053495943546295,
2549
+ "learning_rate": 0.00035444444444444445,
2550
+ "loss": 0.0197,
2551
+ "step": 363
2552
+ },
2553
+ {
2554
+ "epoch": 0.18988002086593636,
2555
+ "grad_norm": 0.0913248062133789,
2556
+ "learning_rate": 0.0003538888888888889,
2557
+ "loss": 0.0336,
2558
+ "step": 364
2559
+ },
2560
+ {
2561
+ "epoch": 0.1904016692749087,
2562
+ "grad_norm": 0.062306199222803116,
2563
+ "learning_rate": 0.0003533333333333333,
2564
+ "loss": 0.0291,
2565
+ "step": 365
2566
+ },
2567
+ {
2568
+ "epoch": 0.19092331768388107,
2569
+ "grad_norm": 0.09297792613506317,
2570
+ "learning_rate": 0.0003527777777777778,
2571
+ "loss": 0.0338,
2572
+ "step": 366
2573
+ },
2574
+ {
2575
+ "epoch": 0.1914449660928534,
2576
+ "grad_norm": 0.12690134346485138,
2577
+ "learning_rate": 0.00035222222222222225,
2578
+ "loss": 0.0399,
2579
+ "step": 367
2580
+ },
2581
+ {
2582
+ "epoch": 0.19196661450182578,
2583
+ "grad_norm": 0.07451540231704712,
2584
+ "learning_rate": 0.0003516666666666667,
2585
+ "loss": 0.0364,
2586
+ "step": 368
2587
+ },
2588
+ {
2589
+ "epoch": 0.19248826291079812,
2590
+ "grad_norm": 0.09954366087913513,
2591
+ "learning_rate": 0.0003511111111111111,
2592
+ "loss": 0.036,
2593
+ "step": 369
2594
+ },
2595
+ {
2596
+ "epoch": 0.19300991131977047,
2597
+ "grad_norm": 0.07105272263288498,
2598
+ "learning_rate": 0.00035055555555555556,
2599
+ "loss": 0.0226,
2600
+ "step": 370
2601
+ },
2602
+ {
2603
+ "epoch": 0.19353155972874284,
2604
+ "grad_norm": 0.06857888400554657,
2605
+ "learning_rate": 0.00035,
2606
+ "loss": 0.0305,
2607
+ "step": 371
2608
+ },
2609
+ {
2610
+ "epoch": 0.19405320813771518,
2611
+ "grad_norm": 0.060487356036901474,
2612
+ "learning_rate": 0.00034944444444444443,
2613
+ "loss": 0.0279,
2614
+ "step": 372
2615
+ },
2616
+ {
2617
+ "epoch": 0.19457485654668752,
2618
+ "grad_norm": 0.07935786992311478,
2619
+ "learning_rate": 0.0003488888888888889,
2620
+ "loss": 0.0377,
2621
+ "step": 373
2622
+ },
2623
+ {
2624
+ "epoch": 0.1950965049556599,
2625
+ "grad_norm": 0.10610669106245041,
2626
+ "learning_rate": 0.00034833333333333336,
2627
+ "loss": 0.0198,
2628
+ "step": 374
2629
+ },
2630
+ {
2631
+ "epoch": 0.19561815336463223,
2632
+ "grad_norm": 0.06738949567079544,
2633
+ "learning_rate": 0.0003477777777777778,
2634
+ "loss": 0.0321,
2635
+ "step": 375
2636
+ },
2637
+ {
2638
+ "epoch": 0.1961398017736046,
2639
+ "grad_norm": 0.09995345771312714,
2640
+ "learning_rate": 0.00034722222222222224,
2641
+ "loss": 0.0168,
2642
+ "step": 376
2643
+ },
2644
+ {
2645
+ "epoch": 0.19666145018257694,
2646
+ "grad_norm": 0.07820367068052292,
2647
+ "learning_rate": 0.00034666666666666667,
2648
+ "loss": 0.0192,
2649
+ "step": 377
2650
+ },
2651
+ {
2652
+ "epoch": 0.19718309859154928,
2653
+ "grad_norm": 0.05883244797587395,
2654
+ "learning_rate": 0.0003461111111111111,
2655
+ "loss": 0.0217,
2656
+ "step": 378
2657
+ },
2658
+ {
2659
+ "epoch": 0.19770474700052165,
2660
+ "grad_norm": 0.06929990649223328,
2661
+ "learning_rate": 0.00034555555555555555,
2662
+ "loss": 0.0248,
2663
+ "step": 379
2664
+ },
2665
+ {
2666
+ "epoch": 0.198226395409494,
2667
+ "grad_norm": 0.060583919286727905,
2668
+ "learning_rate": 0.000345,
2669
+ "loss": 0.0204,
2670
+ "step": 380
2671
+ },
2672
+ {
2673
+ "epoch": 0.19874804381846636,
2674
+ "grad_norm": 0.08263508230447769,
2675
+ "learning_rate": 0.0003444444444444445,
2676
+ "loss": 0.0261,
2677
+ "step": 381
2678
+ },
2679
+ {
2680
+ "epoch": 0.1992696922274387,
2681
+ "grad_norm": 0.07354709506034851,
2682
+ "learning_rate": 0.0003438888888888889,
2683
+ "loss": 0.0328,
2684
+ "step": 382
2685
+ },
2686
+ {
2687
+ "epoch": 0.19979134063641105,
2688
+ "grad_norm": 0.09151386469602585,
2689
+ "learning_rate": 0.00034333333333333335,
2690
+ "loss": 0.0315,
2691
+ "step": 383
2692
+ },
2693
+ {
2694
+ "epoch": 0.20031298904538342,
2695
+ "grad_norm": 0.06800325959920883,
2696
+ "learning_rate": 0.0003427777777777778,
2697
+ "loss": 0.0265,
2698
+ "step": 384
2699
+ },
2700
+ {
2701
+ "epoch": 0.20083463745435576,
2702
+ "grad_norm": 0.05672604963183403,
2703
+ "learning_rate": 0.0003422222222222222,
2704
+ "loss": 0.0216,
2705
+ "step": 385
2706
+ },
2707
+ {
2708
+ "epoch": 0.20135628586332813,
2709
+ "grad_norm": 0.07447244226932526,
2710
+ "learning_rate": 0.00034166666666666666,
2711
+ "loss": 0.0253,
2712
+ "step": 386
2713
+ },
2714
+ {
2715
+ "epoch": 0.20187793427230047,
2716
+ "grad_norm": 0.051845699548721313,
2717
+ "learning_rate": 0.0003411111111111111,
2718
+ "loss": 0.0291,
2719
+ "step": 387
2720
+ },
2721
+ {
2722
+ "epoch": 0.2023995826812728,
2723
+ "grad_norm": 0.04311797395348549,
2724
+ "learning_rate": 0.0003405555555555556,
2725
+ "loss": 0.0189,
2726
+ "step": 388
2727
+ },
2728
+ {
2729
+ "epoch": 0.20292123109024518,
2730
+ "grad_norm": 0.08901547640562057,
2731
+ "learning_rate": 0.00034,
2732
+ "loss": 0.0313,
2733
+ "step": 389
2734
+ },
2735
+ {
2736
+ "epoch": 0.20344287949921752,
2737
+ "grad_norm": 0.05055601894855499,
2738
+ "learning_rate": 0.00033944444444444446,
2739
+ "loss": 0.0231,
2740
+ "step": 390
2741
+ },
2742
+ {
2743
+ "epoch": 0.2039645279081899,
2744
+ "grad_norm": 0.04943820461630821,
2745
+ "learning_rate": 0.0003388888888888889,
2746
+ "loss": 0.021,
2747
+ "step": 391
2748
+ },
2749
+ {
2750
+ "epoch": 0.20448617631716223,
2751
+ "grad_norm": 0.0558842197060585,
2752
+ "learning_rate": 0.00033833333333333334,
2753
+ "loss": 0.0251,
2754
+ "step": 392
2755
+ },
2756
+ {
2757
+ "epoch": 0.20500782472613457,
2758
+ "grad_norm": 0.06570509821176529,
2759
+ "learning_rate": 0.00033777777777777777,
2760
+ "loss": 0.012,
2761
+ "step": 393
2762
+ },
2763
+ {
2764
+ "epoch": 0.20552947313510694,
2765
+ "grad_norm": 0.13640566170215607,
2766
+ "learning_rate": 0.0003372222222222222,
2767
+ "loss": 0.0396,
2768
+ "step": 394
2769
+ },
2770
+ {
2771
+ "epoch": 0.20605112154407929,
2772
+ "grad_norm": 0.05271435156464577,
2773
+ "learning_rate": 0.0003366666666666667,
2774
+ "loss": 0.028,
2775
+ "step": 395
2776
+ },
2777
+ {
2778
+ "epoch": 0.20657276995305165,
2779
+ "grad_norm": 0.04778929427266121,
2780
+ "learning_rate": 0.00033611111111111114,
2781
+ "loss": 0.0126,
2782
+ "step": 396
2783
+ },
2784
+ {
2785
+ "epoch": 0.207094418362024,
2786
+ "grad_norm": 0.04178643599152565,
2787
+ "learning_rate": 0.0003355555555555556,
2788
+ "loss": 0.0148,
2789
+ "step": 397
2790
+ },
2791
+ {
2792
+ "epoch": 0.20761606677099634,
2793
+ "grad_norm": 0.05933418869972229,
2794
+ "learning_rate": 0.000335,
2795
+ "loss": 0.0218,
2796
+ "step": 398
2797
+ },
2798
+ {
2799
+ "epoch": 0.2081377151799687,
2800
+ "grad_norm": 0.05561219900846481,
2801
+ "learning_rate": 0.00033444444444444445,
2802
+ "loss": 0.0167,
2803
+ "step": 399
2804
+ },
2805
+ {
2806
+ "epoch": 0.20865936358894105,
2807
+ "grad_norm": 0.0431622713804245,
2808
+ "learning_rate": 0.0003338888888888889,
2809
+ "loss": 0.0263,
2810
+ "step": 400
2811
+ }
2812
+ ],
2813
+ "logging_steps": 1,
2814
+ "max_steps": 1000,
2815
+ "num_input_tokens_seen": 0,
2816
+ "num_train_epochs": 1,
2817
+ "save_steps": 100,
2818
+ "stateful_callbacks": {
2819
+ "TrainerControl": {
2820
+ "args": {
2821
+ "should_epoch_stop": false,
2822
+ "should_evaluate": false,
2823
+ "should_log": false,
2824
+ "should_save": true,
2825
+ "should_training_stop": false
2826
+ },
2827
+ "attributes": {}
2828
+ }
2829
+ },
2830
+ "total_flos": 0.0,
2831
+ "train_batch_size": 512,
2832
+ "trial_name": null,
2833
+ "trial_params": null
2834
+ }
checkpoint-400/vocab.json ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-500/merges.txt ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-500/tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9c5ae00e602b8860cbd784ba82a8aa14e8feecec692e7076590d014d7b7fdafa
3
+ size 11421896
checkpoint-500/vocab.json ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-600/added_tokens.json ADDED
@@ -0,0 +1,24 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "</tool_call>": 151658,
3
+ "<tool_call>": 151657,
4
+ "<|box_end|>": 151649,
5
+ "<|box_start|>": 151648,
6
+ "<|endoftext|>": 151643,
7
+ "<|file_sep|>": 151664,
8
+ "<|fim_middle|>": 151660,
9
+ "<|fim_pad|>": 151662,
10
+ "<|fim_prefix|>": 151659,
11
+ "<|fim_suffix|>": 151661,
12
+ "<|im_end|>": 151645,
13
+ "<|im_start|>": 151644,
14
+ "<|image_pad|>": 151655,
15
+ "<|object_ref_end|>": 151647,
16
+ "<|object_ref_start|>": 151646,
17
+ "<|quad_end|>": 151651,
18
+ "<|quad_start|>": 151650,
19
+ "<|repo_name|>": 151663,
20
+ "<|video_pad|>": 151656,
21
+ "<|vision_end|>": 151653,
22
+ "<|vision_pad|>": 151654,
23
+ "<|vision_start|>": 151652
24
+ }