Hugging Face's logo

flyingbugs
/
Qwen2.5-Math-1.5B-Instruct-Bespoke

Text Generation
Transformers
Safetensors
qwen2
Generated from Trainer
open-r1
trl
sft
conversational
text-generation-inference
Model card Files
xet
 Community
flyingbugs commited on
Commit
a760f60
·
verified ·
1 Parent(s): 57a5e7a

Model save

Browse files
Files changed (5) hide show
  1. README.md +58 -0
  2. all_results.json +8 -0
  3. generation_config.json +9 -0
  4. train_results.json +8 -0
  5. trainer_state.json +3633 -0
README.md ADDED
@@ -0,0 +1,58 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: Qwen/Qwen2.5-Math-1.5B-Instruct
3
+ library_name: transformers
4
+ model_name: Qwen2.5-Math-1.5B-Instruct-Bespoke
5
+ tags:
6
+ - generated_from_trainer
7
+ - trl
8
+ - sft
9
+ licence: license
10
+ ---
11
+
12
+ # Model Card for Qwen2.5-Math-1.5B-Instruct-Bespoke
13
+
14
+ This model is a fine-tuned version of [Qwen/Qwen2.5-Math-1.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-Math-1.5B-Instruct).
15
+ It has been trained using [TRL](https://github.com/huggingface/trl).
16
+
17
+ ## Quick start
18
+
19
+ ```python
20
+ from transformers import pipeline
21
+
22
+ question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
23
+ generator = pipeline("text-generation", model="flyingbugs/Qwen2.5-Math-1.5B-Instruct-Bespoke", device="cuda")
24
+ output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
25
+ print(output["generated_text"])
26
+ ```
27
+
28
+ ## Training procedure
29
+
30
+ [<img src="https://raw.githubusercontent.com/wandb/assets/main/wandb-github-badge-28.svg" alt="Visualize in Weights & Biases" width="150" height="24"/>](https://wandb.ai/jjh233/huggingface/runs/dvb75a51)
31
+
32
+
33
+ This model was trained with SFT.
34
+
35
+ ### Framework versions
36
+
37
+ - TRL: 0.16.0.dev0
38
+ - Transformers: 4.49.0.dev0
39
+ - Pytorch: 2.5.1
40
+ - Datasets: 3.3.0
41
+ - Tokenizers: 0.21.0
42
+
43
+ ## Citations
44
+
45
+
46
+
47
+ Cite TRL as:
48
+
49
+ ```bibtex
50
+ @misc{vonwerra2022trl,
51
+ title = {{TRL: Transformer Reinforcement Learning}},
52
+ author = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallouédec},
53
+ year = 2020,
54
+ journal = {GitHub repository},
55
+ publisher = {GitHub},
56
+ howpublished = {\url{https://github.com/huggingface/trl}}
57
+ }
58
+ ```
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "total_flos": 233827146399744.0,
3
+ "train_loss": 0.7522663490349322,
4
+ "train_runtime": 28313.6625,
5
+ "train_samples": 16610,
6
+ "train_samples_per_second": 0.289,
7
+ "train_steps_per_second": 0.018
8
+ }
generation_config.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token_id": 151643,
3
+ "eos_token_id": [
4
+ 151645,
5
+ 151643
6
+ ],
7
+ "pad_token_id": 151643,
8
+ "transformers_version": "4.49.0.dev0"
9
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "total_flos": 233827146399744.0,
3
+ "train_loss": 0.7522663490349322,
4
+ "train_runtime": 28313.6625,
5
+ "train_samples": 16610,
6
+ "train_samples_per_second": 0.289,
7
+ "train_steps_per_second": 0.018
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3633 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 3.0,
5
+ "eval_steps": 500,
6
+ "global_step": 513,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.005847953216374269,
13
+ "grad_norm": 17.388755230326108,
14
+ "learning_rate": 3.846153846153847e-07,
15
+ "loss": 2.1955,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.011695906432748537,
20
+ "grad_norm": 17.472331789941457,
21
+ "learning_rate": 7.692307692307694e-07,
22
+ "loss": 2.3172,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.017543859649122806,
27
+ "grad_norm": 16.918399664716798,
28
+ "learning_rate": 1.153846153846154e-06,
29
+ "loss": 2.369,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.023391812865497075,
34
+ "grad_norm": 18.225976223813337,
35
+ "learning_rate": 1.5384615384615387e-06,
36
+ "loss": 2.3503,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.029239766081871343,
41
+ "grad_norm": 17.290350784392576,
42
+ "learning_rate": 1.9230769230769234e-06,
43
+ "loss": 2.206,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.03508771929824561,
48
+ "grad_norm": 17.713013786969835,
49
+ "learning_rate": 2.307692307692308e-06,
50
+ "loss": 2.1757,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.04093567251461988,
55
+ "grad_norm": 16.957525841766792,
56
+ "learning_rate": 2.6923076923076923e-06,
57
+ "loss": 2.263,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.04678362573099415,
62
+ "grad_norm": 15.274517120371355,
63
+ "learning_rate": 3.0769230769230774e-06,
64
+ "loss": 2.0823,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.05263157894736842,
69
+ "grad_norm": 16.17819052550626,
70
+ "learning_rate": 3.4615384615384617e-06,
71
+ "loss": 2.1592,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.05847953216374269,
76
+ "grad_norm": 14.878611384619472,
77
+ "learning_rate": 3.846153846153847e-06,
78
+ "loss": 2.0778,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.06432748538011696,
83
+ "grad_norm": 11.028350456358304,
84
+ "learning_rate": 4.230769230769231e-06,
85
+ "loss": 1.7525,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.07017543859649122,
90
+ "grad_norm": 10.604424239205104,
91
+ "learning_rate": 4.615384615384616e-06,
92
+ "loss": 1.8686,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.07602339181286549,
97
+ "grad_norm": 9.83197777453571,
98
+ "learning_rate": 5e-06,
99
+ "loss": 1.6995,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.08187134502923976,
104
+ "grad_norm": 9.28612318800235,
105
+ "learning_rate": 5.384615384615385e-06,
106
+ "loss": 1.7511,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.08771929824561403,
111
+ "grad_norm": 3.6938751947460333,
112
+ "learning_rate": 5.769230769230769e-06,
113
+ "loss": 1.4354,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.0935672514619883,
118
+ "grad_norm": 3.64251741494419,
119
+ "learning_rate": 6.153846153846155e-06,
120
+ "loss": 1.4634,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.09941520467836257,
125
+ "grad_norm": 3.249845410537068,
126
+ "learning_rate": 6.538461538461539e-06,
127
+ "loss": 1.4062,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.10526315789473684,
132
+ "grad_norm": 3.0197933728284476,
133
+ "learning_rate": 6.923076923076923e-06,
134
+ "loss": 1.4268,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.1111111111111111,
139
+ "grad_norm": 2.5032405922437087,
140
+ "learning_rate": 7.307692307692308e-06,
141
+ "loss": 1.3546,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.11695906432748537,
146
+ "grad_norm": 1.6914458221673982,
147
+ "learning_rate": 7.692307692307694e-06,
148
+ "loss": 1.2072,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.12280701754385964,
153
+ "grad_norm": 1.633209041430983,
154
+ "learning_rate": 8.076923076923077e-06,
155
+ "loss": 1.1706,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.1286549707602339,
160
+ "grad_norm": 1.62333800604462,
161
+ "learning_rate": 8.461538461538462e-06,
162
+ "loss": 1.2573,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.13450292397660818,
167
+ "grad_norm": 1.2572597783261759,
168
+ "learning_rate": 8.846153846153847e-06,
169
+ "loss": 1.1549,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.14035087719298245,
174
+ "grad_norm": 1.0892793835477907,
175
+ "learning_rate": 9.230769230769232e-06,
176
+ "loss": 1.1367,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.14619883040935672,
181
+ "grad_norm": 0.9726760103698124,
182
+ "learning_rate": 9.615384615384616e-06,
183
+ "loss": 1.1664,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.15204678362573099,
188
+ "grad_norm": 0.8399835297943901,
189
+ "learning_rate": 1e-05,
190
+ "loss": 1.0771,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.15789473684210525,
195
+ "grad_norm": 0.756344388475637,
196
+ "learning_rate": 1.0384615384615386e-05,
197
+ "loss": 1.0361,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.16374269005847952,
202
+ "grad_norm": 0.6916203141074345,
203
+ "learning_rate": 1.076923076923077e-05,
204
+ "loss": 1.0276,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.1695906432748538,
209
+ "grad_norm": 0.6795075377629257,
210
+ "learning_rate": 1.1153846153846154e-05,
211
+ "loss": 1.0305,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.17543859649122806,
216
+ "grad_norm": 0.7397958603300506,
217
+ "learning_rate": 1.1538461538461538e-05,
218
+ "loss": 1.036,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.18128654970760233,
223
+ "grad_norm": 0.5914063886870811,
224
+ "learning_rate": 1.1923076923076925e-05,
225
+ "loss": 1.0643,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.1871345029239766,
230
+ "grad_norm": 0.558807526586334,
231
+ "learning_rate": 1.230769230769231e-05,
232
+ "loss": 0.9457,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.19298245614035087,
237
+ "grad_norm": 0.4962345963320037,
238
+ "learning_rate": 1.2692307692307693e-05,
239
+ "loss": 0.9556,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.19883040935672514,
244
+ "grad_norm": 0.5368004540999115,
245
+ "learning_rate": 1.3076923076923078e-05,
246
+ "loss": 1.0031,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.2046783625730994,
251
+ "grad_norm": 0.5193693046254093,
252
+ "learning_rate": 1.3461538461538463e-05,
253
+ "loss": 0.937,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.21052631578947367,
258
+ "grad_norm": 0.42294351955291465,
259
+ "learning_rate": 1.3846153846153847e-05,
260
+ "loss": 0.8972,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.21637426900584794,
265
+ "grad_norm": 0.39791430214156615,
266
+ "learning_rate": 1.4230769230769232e-05,
267
+ "loss": 0.9484,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.2222222222222222,
272
+ "grad_norm": 0.42681451896746464,
273
+ "learning_rate": 1.4615384615384615e-05,
274
+ "loss": 0.942,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.22807017543859648,
279
+ "grad_norm": 0.39243989614880825,
280
+ "learning_rate": 1.5000000000000002e-05,
281
+ "loss": 0.9379,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.23391812865497075,
286
+ "grad_norm": 0.4195184915021303,
287
+ "learning_rate": 1.5384615384615387e-05,
288
+ "loss": 0.9327,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.23976608187134502,
293
+ "grad_norm": 0.3544937192321327,
294
+ "learning_rate": 1.576923076923077e-05,
295
+ "loss": 0.851,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.24561403508771928,
300
+ "grad_norm": 0.3416373732580841,
301
+ "learning_rate": 1.6153846153846154e-05,
302
+ "loss": 0.8644,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.25146198830409355,
307
+ "grad_norm": 0.4128427286910145,
308
+ "learning_rate": 1.653846153846154e-05,
309
+ "loss": 0.9002,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.2573099415204678,
314
+ "grad_norm": 0.4386903858466522,
315
+ "learning_rate": 1.6923076923076924e-05,
316
+ "loss": 0.8995,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.2631578947368421,
321
+ "grad_norm": 0.3894766430305266,
322
+ "learning_rate": 1.730769230769231e-05,
323
+ "loss": 0.8796,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.26900584795321636,
328
+ "grad_norm": 0.33237410703928805,
329
+ "learning_rate": 1.7692307692307694e-05,
330
+ "loss": 0.887,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.27485380116959063,
335
+ "grad_norm": 0.3287665841977238,
336
+ "learning_rate": 1.807692307692308e-05,
337
+ "loss": 0.8444,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.2807017543859649,
342
+ "grad_norm": 0.3109160417844228,
343
+ "learning_rate": 1.8461538461538465e-05,
344
+ "loss": 0.8708,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.28654970760233917,
349
+ "grad_norm": 0.30795401416756046,
350
+ "learning_rate": 1.8846153846153846e-05,
351
+ "loss": 0.8434,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.29239766081871343,
356
+ "grad_norm": 0.3549208935855604,
357
+ "learning_rate": 1.923076923076923e-05,
358
+ "loss": 0.8526,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.2982456140350877,
363
+ "grad_norm": 0.2755256325053317,
364
+ "learning_rate": 1.9615384615384617e-05,
365
+ "loss": 0.7736,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.30409356725146197,
370
+ "grad_norm": 0.43817461634852256,
371
+ "learning_rate": 2e-05,
372
+ "loss": 0.8534,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.30994152046783624,
377
+ "grad_norm": 0.3377814673600554,
378
+ "learning_rate": 1.995661605206074e-05,
379
+ "loss": 0.8019,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.3157894736842105,
384
+ "grad_norm": 0.34154032226288855,
385
+ "learning_rate": 1.9913232104121476e-05,
386
+ "loss": 0.8458,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.3216374269005848,
391
+ "grad_norm": 0.33647765891218867,
392
+ "learning_rate": 1.9869848156182215e-05,
393
+ "loss": 0.8527,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.32748538011695905,
398
+ "grad_norm": 0.2933887985818341,
399
+ "learning_rate": 1.9826464208242954e-05,
400
+ "loss": 0.8182,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.3333333333333333,
405
+ "grad_norm": 0.28265837293209917,
406
+ "learning_rate": 1.978308026030369e-05,
407
+ "loss": 0.8355,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.3391812865497076,
412
+ "grad_norm": 0.2632405163872988,
413
+ "learning_rate": 1.973969631236443e-05,
414
+ "loss": 0.7543,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.34502923976608185,
419
+ "grad_norm": 0.38062672853122476,
420
+ "learning_rate": 1.9696312364425164e-05,
421
+ "loss": 0.8183,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.3508771929824561,
426
+ "grad_norm": 0.26245608696685946,
427
+ "learning_rate": 1.96529284164859e-05,
428
+ "loss": 0.8004,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.3567251461988304,
433
+ "grad_norm": 0.32799401692804,
434
+ "learning_rate": 1.960954446854664e-05,
435
+ "loss": 0.8405,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.36257309941520466,
440
+ "grad_norm": 0.29066553024128605,
441
+ "learning_rate": 1.9566160520607378e-05,
442
+ "loss": 0.8492,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.3684210526315789,
447
+ "grad_norm": 0.28501467209616904,
448
+ "learning_rate": 1.9522776572668113e-05,
449
+ "loss": 0.8207,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.3742690058479532,
454
+ "grad_norm": 0.2525036458551552,
455
+ "learning_rate": 1.9479392624728852e-05,
456
+ "loss": 0.779,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.38011695906432746,
461
+ "grad_norm": 0.2920718950928194,
462
+ "learning_rate": 1.9436008676789588e-05,
463
+ "loss": 0.7937,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.38596491228070173,
468
+ "grad_norm": 0.27183550316859734,
469
+ "learning_rate": 1.9392624728850327e-05,
470
+ "loss": 0.8344,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.391812865497076,
475
+ "grad_norm": 0.272325024687968,
476
+ "learning_rate": 1.9349240780911066e-05,
477
+ "loss": 0.7577,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.39766081871345027,
482
+ "grad_norm": 0.2761663772793096,
483
+ "learning_rate": 1.93058568329718e-05,
484
+ "loss": 0.8253,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.40350877192982454,
489
+ "grad_norm": 0.3577604398976665,
490
+ "learning_rate": 1.926247288503254e-05,
491
+ "loss": 0.871,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.4093567251461988,
496
+ "grad_norm": 0.3054954243342987,
497
+ "learning_rate": 1.921908893709328e-05,
498
+ "loss": 0.8485,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.4152046783625731,
503
+ "grad_norm": 0.2295446772431491,
504
+ "learning_rate": 1.9175704989154015e-05,
505
+ "loss": 0.775,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.42105263157894735,
510
+ "grad_norm": 0.27441930221043814,
511
+ "learning_rate": 1.9132321041214754e-05,
512
+ "loss": 0.7984,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.4269005847953216,
517
+ "grad_norm": 0.25560502683198316,
518
+ "learning_rate": 1.908893709327549e-05,
519
+ "loss": 0.8089,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.4327485380116959,
524
+ "grad_norm": 0.27391446302846595,
525
+ "learning_rate": 1.9045553145336228e-05,
526
+ "loss": 0.8194,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.43859649122807015,
531
+ "grad_norm": 0.25049008602661516,
532
+ "learning_rate": 1.9002169197396964e-05,
533
+ "loss": 0.7685,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.4444444444444444,
538
+ "grad_norm": 0.32703190034733925,
539
+ "learning_rate": 1.8958785249457703e-05,
540
+ "loss": 0.8045,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.4502923976608187,
545
+ "grad_norm": 0.2461722936867296,
546
+ "learning_rate": 1.8915401301518438e-05,
547
+ "loss": 0.7747,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.45614035087719296,
552
+ "grad_norm": 0.3049860315464052,
553
+ "learning_rate": 1.8872017353579177e-05,
554
+ "loss": 0.8265,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.4619883040935672,
559
+ "grad_norm": 0.2769624138638705,
560
+ "learning_rate": 1.8828633405639916e-05,
561
+ "loss": 0.8186,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.4678362573099415,
566
+ "grad_norm": 0.22632052204690653,
567
+ "learning_rate": 1.878524945770065e-05,
568
+ "loss": 0.7426,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.47368421052631576,
573
+ "grad_norm": 0.2538308819987603,
574
+ "learning_rate": 1.874186550976139e-05,
575
+ "loss": 0.7849,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.47953216374269003,
580
+ "grad_norm": 0.3146181235378422,
581
+ "learning_rate": 1.869848156182213e-05,
582
+ "loss": 0.8087,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.4853801169590643,
587
+ "grad_norm": 0.22831617588223724,
588
+ "learning_rate": 1.8655097613882865e-05,
589
+ "loss": 0.7431,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.49122807017543857,
594
+ "grad_norm": 0.24832072861713958,
595
+ "learning_rate": 1.8611713665943604e-05,
596
+ "loss": 0.7807,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.49707602339181284,
601
+ "grad_norm": 0.28945761508471823,
602
+ "learning_rate": 1.856832971800434e-05,
603
+ "loss": 0.8025,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.5029239766081871,
608
+ "grad_norm": 0.24882286573309492,
609
+ "learning_rate": 1.852494577006508e-05,
610
+ "loss": 0.8041,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.5087719298245614,
615
+ "grad_norm": 0.2569507918826724,
616
+ "learning_rate": 1.8481561822125814e-05,
617
+ "loss": 0.8097,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.5146198830409356,
622
+ "grad_norm": 0.2660930480772777,
623
+ "learning_rate": 1.8438177874186553e-05,
624
+ "loss": 0.7199,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.52046783625731,
629
+ "grad_norm": 0.26945118834678633,
630
+ "learning_rate": 1.839479392624729e-05,
631
+ "loss": 0.8035,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.5263157894736842,
636
+ "grad_norm": 0.2748667946921001,
637
+ "learning_rate": 1.8351409978308028e-05,
638
+ "loss": 0.8062,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.5321637426900585,
643
+ "grad_norm": 0.2363367636075127,
644
+ "learning_rate": 1.8308026030368763e-05,
645
+ "loss": 0.7497,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.5380116959064327,
650
+ "grad_norm": 0.2194408996520716,
651
+ "learning_rate": 1.8264642082429502e-05,
652
+ "loss": 0.7582,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.543859649122807,
657
+ "grad_norm": 0.2479217006944137,
658
+ "learning_rate": 1.822125813449024e-05,
659
+ "loss": 0.7816,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.5497076023391813,
664
+ "grad_norm": 0.24365954457591307,
665
+ "learning_rate": 1.8177874186550977e-05,
666
+ "loss": 0.7951,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.5555555555555556,
671
+ "grad_norm": 0.2480572301895391,
672
+ "learning_rate": 1.8134490238611715e-05,
673
+ "loss": 0.7808,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.5614035087719298,
678
+ "grad_norm": 0.24464048645651124,
679
+ "learning_rate": 1.8091106290672454e-05,
680
+ "loss": 0.7153,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.5672514619883041,
685
+ "grad_norm": 0.23776979402481216,
686
+ "learning_rate": 1.804772234273319e-05,
687
+ "loss": 0.7168,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.5730994152046783,
692
+ "grad_norm": 0.2779826898090206,
693
+ "learning_rate": 1.800433839479393e-05,
694
+ "loss": 0.784,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.5789473684210527,
699
+ "grad_norm": 0.2625471662464305,
700
+ "learning_rate": 1.7960954446854664e-05,
701
+ "loss": 0.7575,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.5847953216374269,
706
+ "grad_norm": 0.24973722791738373,
707
+ "learning_rate": 1.7917570498915403e-05,
708
+ "loss": 0.7604,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.5906432748538012,
713
+ "grad_norm": 0.24882129597326091,
714
+ "learning_rate": 1.787418655097614e-05,
715
+ "loss": 0.7571,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.5964912280701754,
720
+ "grad_norm": 0.2490465646513338,
721
+ "learning_rate": 1.7830802603036878e-05,
722
+ "loss": 0.7728,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.6023391812865497,
727
+ "grad_norm": 0.2803127473261744,
728
+ "learning_rate": 1.7787418655097614e-05,
729
+ "loss": 0.7486,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.6081871345029239,
734
+ "grad_norm": 0.30875931205277196,
735
+ "learning_rate": 1.7744034707158352e-05,
736
+ "loss": 0.7747,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.6140350877192983,
741
+ "grad_norm": 0.249801739956383,
742
+ "learning_rate": 1.770065075921909e-05,
743
+ "loss": 0.7719,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.6198830409356725,
748
+ "grad_norm": 0.2493900745685089,
749
+ "learning_rate": 1.7657266811279827e-05,
750
+ "loss": 0.7517,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.6257309941520468,
755
+ "grad_norm": 0.2217608176730444,
756
+ "learning_rate": 1.7613882863340566e-05,
757
+ "loss": 0.7385,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.631578947368421,
762
+ "grad_norm": 0.23151529808146598,
763
+ "learning_rate": 1.7570498915401305e-05,
764
+ "loss": 0.7092,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.6374269005847953,
769
+ "grad_norm": 0.2648606357036367,
770
+ "learning_rate": 1.752711496746204e-05,
771
+ "loss": 0.7748,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.6432748538011696,
776
+ "grad_norm": 0.22637593754873542,
777
+ "learning_rate": 1.748373101952278e-05,
778
+ "loss": 0.7594,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.6491228070175439,
783
+ "grad_norm": 0.24569329004133555,
784
+ "learning_rate": 1.7440347071583515e-05,
785
+ "loss": 0.7662,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.6549707602339181,
790
+ "grad_norm": 0.23086082605618571,
791
+ "learning_rate": 1.7396963123644254e-05,
792
+ "loss": 0.7291,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.6608187134502924,
797
+ "grad_norm": 0.23164513757355204,
798
+ "learning_rate": 1.735357917570499e-05,
799
+ "loss": 0.761,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.6666666666666666,
804
+ "grad_norm": 0.2341951309434963,
805
+ "learning_rate": 1.731019522776573e-05,
806
+ "loss": 0.7707,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.672514619883041,
811
+ "grad_norm": 0.2294815579241083,
812
+ "learning_rate": 1.7266811279826464e-05,
813
+ "loss": 0.7307,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.6783625730994152,
818
+ "grad_norm": 0.2425767445634441,
819
+ "learning_rate": 1.7223427331887203e-05,
820
+ "loss": 0.7573,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.6842105263157895,
825
+ "grad_norm": 0.22967591410278537,
826
+ "learning_rate": 1.718004338394794e-05,
827
+ "loss": 0.7513,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.6900584795321637,
832
+ "grad_norm": 0.26903092877754314,
833
+ "learning_rate": 1.7136659436008677e-05,
834
+ "loss": 0.7858,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.695906432748538,
839
+ "grad_norm": 0.2571480378610959,
840
+ "learning_rate": 1.7093275488069416e-05,
841
+ "loss": 0.7736,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.7017543859649122,
846
+ "grad_norm": 0.23273043019862788,
847
+ "learning_rate": 1.7049891540130152e-05,
848
+ "loss": 0.7669,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.7076023391812866,
853
+ "grad_norm": 0.23314091686361454,
854
+ "learning_rate": 1.700650759219089e-05,
855
+ "loss": 0.7699,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.7134502923976608,
860
+ "grad_norm": 0.26268224212689045,
861
+ "learning_rate": 1.696312364425163e-05,
862
+ "loss": 0.7832,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.7192982456140351,
867
+ "grad_norm": 0.26423904380170976,
868
+ "learning_rate": 1.6919739696312365e-05,
869
+ "loss": 0.7595,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.7251461988304093,
874
+ "grad_norm": 0.21495414583172803,
875
+ "learning_rate": 1.6876355748373104e-05,
876
+ "loss": 0.7106,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.7309941520467836,
881
+ "grad_norm": 0.2111254963997244,
882
+ "learning_rate": 1.6832971800433843e-05,
883
+ "loss": 0.7455,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.7368421052631579,
888
+ "grad_norm": 0.2156942153910527,
889
+ "learning_rate": 1.678958785249458e-05,
890
+ "loss": 0.69,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.7426900584795322,
895
+ "grad_norm": 0.20057578031019538,
896
+ "learning_rate": 1.6746203904555314e-05,
897
+ "loss": 0.7253,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.7485380116959064,
902
+ "grad_norm": 0.258323958272931,
903
+ "learning_rate": 1.6702819956616053e-05,
904
+ "loss": 0.7156,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.7543859649122807,
909
+ "grad_norm": 0.23301112011268071,
910
+ "learning_rate": 1.665943600867679e-05,
911
+ "loss": 0.7562,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.7602339181286549,
916
+ "grad_norm": 0.27354281471105707,
917
+ "learning_rate": 1.6616052060737528e-05,
918
+ "loss": 0.7494,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.7660818713450293,
923
+ "grad_norm": 0.25737706341844985,
924
+ "learning_rate": 1.6572668112798267e-05,
925
+ "loss": 0.7471,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.7719298245614035,
930
+ "grad_norm": 0.2112391813708006,
931
+ "learning_rate": 1.6529284164859002e-05,
932
+ "loss": 0.7296,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.7777777777777778,
937
+ "grad_norm": 0.2066541279425585,
938
+ "learning_rate": 1.648590021691974e-05,
939
+ "loss": 0.7427,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.783625730994152,
944
+ "grad_norm": 0.21492978047244818,
945
+ "learning_rate": 1.644251626898048e-05,
946
+ "loss": 0.6956,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.7894736842105263,
951
+ "grad_norm": 0.22539724372329056,
952
+ "learning_rate": 1.6399132321041216e-05,
953
+ "loss": 0.7358,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.7953216374269005,
958
+ "grad_norm": 0.223824231061946,
959
+ "learning_rate": 1.6355748373101955e-05,
960
+ "loss": 0.747,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.8011695906432749,
965
+ "grad_norm": 0.22433634692844312,
966
+ "learning_rate": 1.631236442516269e-05,
967
+ "loss": 0.7478,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.8070175438596491,
972
+ "grad_norm": 0.2355525364186235,
973
+ "learning_rate": 1.626898047722343e-05,
974
+ "loss": 0.7539,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.8128654970760234,
979
+ "grad_norm": 0.22774103617994296,
980
+ "learning_rate": 1.6225596529284168e-05,
981
+ "loss": 0.7227,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.8187134502923976,
986
+ "grad_norm": 0.24837995707152566,
987
+ "learning_rate": 1.6182212581344904e-05,
988
+ "loss": 0.7048,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.8245614035087719,
993
+ "grad_norm": 0.2165941656087455,
994
+ "learning_rate": 1.613882863340564e-05,
995
+ "loss": 0.7095,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.8304093567251462,
1000
+ "grad_norm": 0.24496476577766357,
1001
+ "learning_rate": 1.609544468546638e-05,
1002
+ "loss": 0.731,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.8362573099415205,
1007
+ "grad_norm": 0.2275760050109454,
1008
+ "learning_rate": 1.6052060737527114e-05,
1009
+ "loss": 0.7159,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.8421052631578947,
1014
+ "grad_norm": 0.203518916790755,
1015
+ "learning_rate": 1.6008676789587853e-05,
1016
+ "loss": 0.6462,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.847953216374269,
1021
+ "grad_norm": 0.24268384602078139,
1022
+ "learning_rate": 1.5965292841648592e-05,
1023
+ "loss": 0.7206,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.8538011695906432,
1028
+ "grad_norm": 0.2911481588164572,
1029
+ "learning_rate": 1.5921908893709327e-05,
1030
+ "loss": 0.766,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 0.8596491228070176,
1035
+ "grad_norm": 0.25277324694147335,
1036
+ "learning_rate": 1.5878524945770066e-05,
1037
+ "loss": 0.7501,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 0.8654970760233918,
1042
+ "grad_norm": 0.2372457450088363,
1043
+ "learning_rate": 1.5835140997830805e-05,
1044
+ "loss": 0.712,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 0.8713450292397661,
1049
+ "grad_norm": 0.19877008506291952,
1050
+ "learning_rate": 1.579175704989154e-05,
1051
+ "loss": 0.7146,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 0.8771929824561403,
1056
+ "grad_norm": 0.27732708769815756,
1057
+ "learning_rate": 1.574837310195228e-05,
1058
+ "loss": 0.7347,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 0.8830409356725146,
1063
+ "grad_norm": 0.20303134209612006,
1064
+ "learning_rate": 1.570498915401302e-05,
1065
+ "loss": 0.71,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 0.8888888888888888,
1070
+ "grad_norm": 0.23703380426454326,
1071
+ "learning_rate": 1.5661605206073754e-05,
1072
+ "loss": 0.6915,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 0.8947368421052632,
1077
+ "grad_norm": 0.23526601753982804,
1078
+ "learning_rate": 1.5618221258134493e-05,
1079
+ "loss": 0.72,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 0.9005847953216374,
1084
+ "grad_norm": 0.2408627140057496,
1085
+ "learning_rate": 1.557483731019523e-05,
1086
+ "loss": 0.7206,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 0.9064327485380117,
1091
+ "grad_norm": 0.22070261442759123,
1092
+ "learning_rate": 1.5531453362255964e-05,
1093
+ "loss": 0.7019,
1094
+ "step": 155
1095
+ },
1096
+ {
1097
+ "epoch": 0.9122807017543859,
1098
+ "grad_norm": 0.236776997470983,
1099
+ "learning_rate": 1.5488069414316703e-05,
1100
+ "loss": 0.7314,
1101
+ "step": 156
1102
+ },
1103
+ {
1104
+ "epoch": 0.9181286549707602,
1105
+ "grad_norm": 0.25431877096559957,
1106
+ "learning_rate": 1.5444685466377442e-05,
1107
+ "loss": 0.7663,
1108
+ "step": 157
1109
+ },
1110
+ {
1111
+ "epoch": 0.9239766081871345,
1112
+ "grad_norm": 0.2934790109300597,
1113
+ "learning_rate": 1.5401301518438178e-05,
1114
+ "loss": 0.7388,
1115
+ "step": 158
1116
+ },
1117
+ {
1118
+ "epoch": 0.9298245614035088,
1119
+ "grad_norm": 0.2287254855752223,
1120
+ "learning_rate": 1.5357917570498917e-05,
1121
+ "loss": 0.703,
1122
+ "step": 159
1123
+ },
1124
+ {
1125
+ "epoch": 0.935672514619883,
1126
+ "grad_norm": 0.21116594695108679,
1127
+ "learning_rate": 1.5314533622559656e-05,
1128
+ "loss": 0.7228,
1129
+ "step": 160
1130
+ },
1131
+ {
1132
+ "epoch": 0.9415204678362573,
1133
+ "grad_norm": 0.25825565901072856,
1134
+ "learning_rate": 1.527114967462039e-05,
1135
+ "loss": 0.7791,
1136
+ "step": 161
1137
+ },
1138
+ {
1139
+ "epoch": 0.9473684210526315,
1140
+ "grad_norm": 0.23103746722781796,
1141
+ "learning_rate": 1.522776572668113e-05,
1142
+ "loss": 0.6951,
1143
+ "step": 162
1144
+ },
1145
+ {
1146
+ "epoch": 0.9532163742690059,
1147
+ "grad_norm": 0.2580198439201409,
1148
+ "learning_rate": 1.5184381778741866e-05,
1149
+ "loss": 0.741,
1150
+ "step": 163
1151
+ },
1152
+ {
1153
+ "epoch": 0.9590643274853801,
1154
+ "grad_norm": 0.2974306573786225,
1155
+ "learning_rate": 1.5140997830802605e-05,
1156
+ "loss": 0.725,
1157
+ "step": 164
1158
+ },
1159
+ {
1160
+ "epoch": 0.9649122807017544,
1161
+ "grad_norm": 0.26570078456731205,
1162
+ "learning_rate": 1.5097613882863342e-05,
1163
+ "loss": 0.7467,
1164
+ "step": 165
1165
+ },
1166
+ {
1167
+ "epoch": 0.9707602339181286,
1168
+ "grad_norm": 0.4533476269871839,
1169
+ "learning_rate": 1.5054229934924078e-05,
1170
+ "loss": 0.6971,
1171
+ "step": 166
1172
+ },
1173
+ {
1174
+ "epoch": 0.9766081871345029,
1175
+ "grad_norm": 0.23895703831919585,
1176
+ "learning_rate": 1.5010845986984816e-05,
1177
+ "loss": 0.7341,
1178
+ "step": 167
1179
+ },
1180
+ {
1181
+ "epoch": 0.9824561403508771,
1182
+ "grad_norm": 0.20339364928582415,
1183
+ "learning_rate": 1.4967462039045555e-05,
1184
+ "loss": 0.6757,
1185
+ "step": 168
1186
+ },
1187
+ {
1188
+ "epoch": 0.9883040935672515,
1189
+ "grad_norm": 0.23049708494261534,
1190
+ "learning_rate": 1.4924078091106291e-05,
1191
+ "loss": 0.7236,
1192
+ "step": 169
1193
+ },
1194
+ {
1195
+ "epoch": 0.9941520467836257,
1196
+ "grad_norm": 0.2026976413223512,
1197
+ "learning_rate": 1.488069414316703e-05,
1198
+ "loss": 0.7006,
1199
+ "step": 170
1200
+ },
1201
+ {
1202
+ "epoch": 1.0,
1203
+ "grad_norm": 0.22355532686958146,
1204
+ "learning_rate": 1.4837310195227767e-05,
1205
+ "loss": 0.701,
1206
+ "step": 171
1207
+ },
1208
+ {
1209
+ "epoch": 1.0058479532163742,
1210
+ "grad_norm": 0.20282760221622007,
1211
+ "learning_rate": 1.4793926247288504e-05,
1212
+ "loss": 0.7168,
1213
+ "step": 172
1214
+ },
1215
+ {
1216
+ "epoch": 1.0116959064327484,
1217
+ "grad_norm": 0.19949275591479185,
1218
+ "learning_rate": 1.4750542299349242e-05,
1219
+ "loss": 0.6984,
1220
+ "step": 173
1221
+ },
1222
+ {
1223
+ "epoch": 1.0175438596491229,
1224
+ "grad_norm": 0.21384886986850865,
1225
+ "learning_rate": 1.470715835140998e-05,
1226
+ "loss": 0.7272,
1227
+ "step": 174
1228
+ },
1229
+ {
1230
+ "epoch": 1.023391812865497,
1231
+ "grad_norm": 0.2085869267067017,
1232
+ "learning_rate": 1.4663774403470716e-05,
1233
+ "loss": 0.7044,
1234
+ "step": 175
1235
+ },
1236
+ {
1237
+ "epoch": 1.0292397660818713,
1238
+ "grad_norm": 0.20631353790684379,
1239
+ "learning_rate": 1.4620390455531455e-05,
1240
+ "loss": 0.7181,
1241
+ "step": 176
1242
+ },
1243
+ {
1244
+ "epoch": 1.0350877192982457,
1245
+ "grad_norm": 0.24538509221900098,
1246
+ "learning_rate": 1.4577006507592192e-05,
1247
+ "loss": 0.7731,
1248
+ "step": 177
1249
+ },
1250
+ {
1251
+ "epoch": 1.04093567251462,
1252
+ "grad_norm": 0.23156823897416134,
1253
+ "learning_rate": 1.453362255965293e-05,
1254
+ "loss": 0.7129,
1255
+ "step": 178
1256
+ },
1257
+ {
1258
+ "epoch": 1.0467836257309941,
1259
+ "grad_norm": 0.20155082532453575,
1260
+ "learning_rate": 1.4490238611713667e-05,
1261
+ "loss": 0.7037,
1262
+ "step": 179
1263
+ },
1264
+ {
1265
+ "epoch": 1.0526315789473684,
1266
+ "grad_norm": 0.19242380310026896,
1267
+ "learning_rate": 1.4446854663774406e-05,
1268
+ "loss": 0.7026,
1269
+ "step": 180
1270
+ },
1271
+ {
1272
+ "epoch": 1.0584795321637426,
1273
+ "grad_norm": 0.21376599859201403,
1274
+ "learning_rate": 1.4403470715835141e-05,
1275
+ "loss": 0.7021,
1276
+ "step": 181
1277
+ },
1278
+ {
1279
+ "epoch": 1.064327485380117,
1280
+ "grad_norm": 0.21321842835439078,
1281
+ "learning_rate": 1.436008676789588e-05,
1282
+ "loss": 0.7186,
1283
+ "step": 182
1284
+ },
1285
+ {
1286
+ "epoch": 1.0701754385964912,
1287
+ "grad_norm": 0.23152992175479814,
1288
+ "learning_rate": 1.4316702819956618e-05,
1289
+ "loss": 0.7262,
1290
+ "step": 183
1291
+ },
1292
+ {
1293
+ "epoch": 1.0760233918128654,
1294
+ "grad_norm": 0.20707778685395156,
1295
+ "learning_rate": 1.4273318872017355e-05,
1296
+ "loss": 0.742,
1297
+ "step": 184
1298
+ },
1299
+ {
1300
+ "epoch": 1.0818713450292399,
1301
+ "grad_norm": 0.21284401184030297,
1302
+ "learning_rate": 1.4229934924078092e-05,
1303
+ "loss": 0.683,
1304
+ "step": 185
1305
+ },
1306
+ {
1307
+ "epoch": 1.087719298245614,
1308
+ "grad_norm": 0.21105448131636317,
1309
+ "learning_rate": 1.418655097613883e-05,
1310
+ "loss": 0.7218,
1311
+ "step": 186
1312
+ },
1313
+ {
1314
+ "epoch": 1.0935672514619883,
1315
+ "grad_norm": 0.23854659151648439,
1316
+ "learning_rate": 1.4143167028199567e-05,
1317
+ "loss": 0.707,
1318
+ "step": 187
1319
+ },
1320
+ {
1321
+ "epoch": 1.0994152046783625,
1322
+ "grad_norm": 0.1979900232322942,
1323
+ "learning_rate": 1.4099783080260306e-05,
1324
+ "loss": 0.6793,
1325
+ "step": 188
1326
+ },
1327
+ {
1328
+ "epoch": 1.1052631578947367,
1329
+ "grad_norm": 0.19940118749588795,
1330
+ "learning_rate": 1.4056399132321041e-05,
1331
+ "loss": 0.6793,
1332
+ "step": 189
1333
+ },
1334
+ {
1335
+ "epoch": 1.1111111111111112,
1336
+ "grad_norm": 0.2216608207413802,
1337
+ "learning_rate": 1.401301518438178e-05,
1338
+ "loss": 0.7183,
1339
+ "step": 190
1340
+ },
1341
+ {
1342
+ "epoch": 1.1169590643274854,
1343
+ "grad_norm": 0.19705996044476262,
1344
+ "learning_rate": 1.3969631236442517e-05,
1345
+ "loss": 0.692,
1346
+ "step": 191
1347
+ },
1348
+ {
1349
+ "epoch": 1.1228070175438596,
1350
+ "grad_norm": 0.18840081658391272,
1351
+ "learning_rate": 1.3926247288503255e-05,
1352
+ "loss": 0.69,
1353
+ "step": 192
1354
+ },
1355
+ {
1356
+ "epoch": 1.128654970760234,
1357
+ "grad_norm": 0.22778993399760028,
1358
+ "learning_rate": 1.3882863340563992e-05,
1359
+ "loss": 0.7458,
1360
+ "step": 193
1361
+ },
1362
+ {
1363
+ "epoch": 1.1345029239766082,
1364
+ "grad_norm": 0.19922962343898284,
1365
+ "learning_rate": 1.3839479392624731e-05,
1366
+ "loss": 0.6935,
1367
+ "step": 194
1368
+ },
1369
+ {
1370
+ "epoch": 1.1403508771929824,
1371
+ "grad_norm": 0.17961965737395658,
1372
+ "learning_rate": 1.3796095444685466e-05,
1373
+ "loss": 0.6902,
1374
+ "step": 195
1375
+ },
1376
+ {
1377
+ "epoch": 1.1461988304093567,
1378
+ "grad_norm": 0.20117480573787744,
1379
+ "learning_rate": 1.3752711496746205e-05,
1380
+ "loss": 0.6966,
1381
+ "step": 196
1382
+ },
1383
+ {
1384
+ "epoch": 1.1520467836257309,
1385
+ "grad_norm": 0.20576287270564314,
1386
+ "learning_rate": 1.3709327548806943e-05,
1387
+ "loss": 0.6626,
1388
+ "step": 197
1389
+ },
1390
+ {
1391
+ "epoch": 1.1578947368421053,
1392
+ "grad_norm": 0.20954364596102132,
1393
+ "learning_rate": 1.366594360086768e-05,
1394
+ "loss": 0.712,
1395
+ "step": 198
1396
+ },
1397
+ {
1398
+ "epoch": 1.1637426900584795,
1399
+ "grad_norm": 0.18682996007735939,
1400
+ "learning_rate": 1.3622559652928417e-05,
1401
+ "loss": 0.7075,
1402
+ "step": 199
1403
+ },
1404
+ {
1405
+ "epoch": 1.1695906432748537,
1406
+ "grad_norm": 0.20043695366127617,
1407
+ "learning_rate": 1.3579175704989156e-05,
1408
+ "loss": 0.688,
1409
+ "step": 200
1410
+ },
1411
+ {
1412
+ "epoch": 1.1754385964912282,
1413
+ "grad_norm": 0.19280097802899304,
1414
+ "learning_rate": 1.3535791757049892e-05,
1415
+ "loss": 0.7177,
1416
+ "step": 201
1417
+ },
1418
+ {
1419
+ "epoch": 1.1812865497076024,
1420
+ "grad_norm": 0.1857970119964957,
1421
+ "learning_rate": 1.349240780911063e-05,
1422
+ "loss": 0.6463,
1423
+ "step": 202
1424
+ },
1425
+ {
1426
+ "epoch": 1.1871345029239766,
1427
+ "grad_norm": 0.1825176976963816,
1428
+ "learning_rate": 1.3449023861171368e-05,
1429
+ "loss": 0.6673,
1430
+ "step": 203
1431
+ },
1432
+ {
1433
+ "epoch": 1.1929824561403508,
1434
+ "grad_norm": 0.22051713697050027,
1435
+ "learning_rate": 1.3405639913232105e-05,
1436
+ "loss": 0.7145,
1437
+ "step": 204
1438
+ },
1439
+ {
1440
+ "epoch": 1.198830409356725,
1441
+ "grad_norm": 0.18423219666459137,
1442
+ "learning_rate": 1.3362255965292842e-05,
1443
+ "loss": 0.6528,
1444
+ "step": 205
1445
+ },
1446
+ {
1447
+ "epoch": 1.2046783625730995,
1448
+ "grad_norm": 0.19618225427002017,
1449
+ "learning_rate": 1.3318872017353581e-05,
1450
+ "loss": 0.6668,
1451
+ "step": 206
1452
+ },
1453
+ {
1454
+ "epoch": 1.2105263157894737,
1455
+ "grad_norm": 0.20587148922859191,
1456
+ "learning_rate": 1.3275488069414317e-05,
1457
+ "loss": 0.7067,
1458
+ "step": 207
1459
+ },
1460
+ {
1461
+ "epoch": 1.2163742690058479,
1462
+ "grad_norm": 0.2090448851687986,
1463
+ "learning_rate": 1.3232104121475056e-05,
1464
+ "loss": 0.7029,
1465
+ "step": 208
1466
+ },
1467
+ {
1468
+ "epoch": 1.2222222222222223,
1469
+ "grad_norm": 0.19626708957217415,
1470
+ "learning_rate": 1.3188720173535795e-05,
1471
+ "loss": 0.6662,
1472
+ "step": 209
1473
+ },
1474
+ {
1475
+ "epoch": 1.2280701754385965,
1476
+ "grad_norm": 0.18762036234283117,
1477
+ "learning_rate": 1.314533622559653e-05,
1478
+ "loss": 0.6874,
1479
+ "step": 210
1480
+ },
1481
+ {
1482
+ "epoch": 1.2339181286549707,
1483
+ "grad_norm": 0.19417670023667025,
1484
+ "learning_rate": 1.3101952277657268e-05,
1485
+ "loss": 0.6683,
1486
+ "step": 211
1487
+ },
1488
+ {
1489
+ "epoch": 1.239766081871345,
1490
+ "grad_norm": 0.20177458796436643,
1491
+ "learning_rate": 1.3058568329718005e-05,
1492
+ "loss": 0.685,
1493
+ "step": 212
1494
+ },
1495
+ {
1496
+ "epoch": 1.2456140350877192,
1497
+ "grad_norm": 0.22040877827401095,
1498
+ "learning_rate": 1.3015184381778742e-05,
1499
+ "loss": 0.7254,
1500
+ "step": 213
1501
+ },
1502
+ {
1503
+ "epoch": 1.2514619883040936,
1504
+ "grad_norm": 0.19637215780432019,
1505
+ "learning_rate": 1.2971800433839481e-05,
1506
+ "loss": 0.6897,
1507
+ "step": 214
1508
+ },
1509
+ {
1510
+ "epoch": 1.2573099415204678,
1511
+ "grad_norm": 0.199110748095673,
1512
+ "learning_rate": 1.2928416485900217e-05,
1513
+ "loss": 0.6854,
1514
+ "step": 215
1515
+ },
1516
+ {
1517
+ "epoch": 1.263157894736842,
1518
+ "grad_norm": 0.21819712890299467,
1519
+ "learning_rate": 1.2885032537960956e-05,
1520
+ "loss": 0.6986,
1521
+ "step": 216
1522
+ },
1523
+ {
1524
+ "epoch": 1.2690058479532165,
1525
+ "grad_norm": 0.21142557814635124,
1526
+ "learning_rate": 1.2841648590021693e-05,
1527
+ "loss": 0.7203,
1528
+ "step": 217
1529
+ },
1530
+ {
1531
+ "epoch": 1.2748538011695907,
1532
+ "grad_norm": 0.18250187399866635,
1533
+ "learning_rate": 1.279826464208243e-05,
1534
+ "loss": 0.6785,
1535
+ "step": 218
1536
+ },
1537
+ {
1538
+ "epoch": 1.280701754385965,
1539
+ "grad_norm": 0.19755959536466466,
1540
+ "learning_rate": 1.2754880694143167e-05,
1541
+ "loss": 0.6706,
1542
+ "step": 219
1543
+ },
1544
+ {
1545
+ "epoch": 1.286549707602339,
1546
+ "grad_norm": 0.19529246308103604,
1547
+ "learning_rate": 1.2711496746203906e-05,
1548
+ "loss": 0.6998,
1549
+ "step": 220
1550
+ },
1551
+ {
1552
+ "epoch": 1.2923976608187133,
1553
+ "grad_norm": 0.1936160811683211,
1554
+ "learning_rate": 1.2668112798264642e-05,
1555
+ "loss": 0.6896,
1556
+ "step": 221
1557
+ },
1558
+ {
1559
+ "epoch": 1.2982456140350878,
1560
+ "grad_norm": 0.1845218398315034,
1561
+ "learning_rate": 1.262472885032538e-05,
1562
+ "loss": 0.6568,
1563
+ "step": 222
1564
+ },
1565
+ {
1566
+ "epoch": 1.304093567251462,
1567
+ "grad_norm": 0.20772884369385505,
1568
+ "learning_rate": 1.258134490238612e-05,
1569
+ "loss": 0.6625,
1570
+ "step": 223
1571
+ },
1572
+ {
1573
+ "epoch": 1.3099415204678362,
1574
+ "grad_norm": 0.229042568059284,
1575
+ "learning_rate": 1.2537960954446855e-05,
1576
+ "loss": 0.6861,
1577
+ "step": 224
1578
+ },
1579
+ {
1580
+ "epoch": 1.3157894736842106,
1581
+ "grad_norm": 0.20350171741172374,
1582
+ "learning_rate": 1.2494577006507593e-05,
1583
+ "loss": 0.6478,
1584
+ "step": 225
1585
+ },
1586
+ {
1587
+ "epoch": 1.3216374269005848,
1588
+ "grad_norm": 0.19144221585747292,
1589
+ "learning_rate": 1.2451193058568331e-05,
1590
+ "loss": 0.6764,
1591
+ "step": 226
1592
+ },
1593
+ {
1594
+ "epoch": 1.327485380116959,
1595
+ "grad_norm": 0.21913738701924326,
1596
+ "learning_rate": 1.2407809110629067e-05,
1597
+ "loss": 0.695,
1598
+ "step": 227
1599
+ },
1600
+ {
1601
+ "epoch": 1.3333333333333333,
1602
+ "grad_norm": 0.2020711158267139,
1603
+ "learning_rate": 1.2364425162689806e-05,
1604
+ "loss": 0.7062,
1605
+ "step": 228
1606
+ },
1607
+ {
1608
+ "epoch": 1.3391812865497075,
1609
+ "grad_norm": 0.21899620359258645,
1610
+ "learning_rate": 1.2321041214750545e-05,
1611
+ "loss": 0.7145,
1612
+ "step": 229
1613
+ },
1614
+ {
1615
+ "epoch": 1.345029239766082,
1616
+ "grad_norm": 0.18931923720637447,
1617
+ "learning_rate": 1.227765726681128e-05,
1618
+ "loss": 0.6956,
1619
+ "step": 230
1620
+ },
1621
+ {
1622
+ "epoch": 1.3508771929824561,
1623
+ "grad_norm": 0.1916810843880607,
1624
+ "learning_rate": 1.223427331887202e-05,
1625
+ "loss": 0.668,
1626
+ "step": 231
1627
+ },
1628
+ {
1629
+ "epoch": 1.3567251461988303,
1630
+ "grad_norm": 0.19261705533668297,
1631
+ "learning_rate": 1.2190889370932757e-05,
1632
+ "loss": 0.653,
1633
+ "step": 232
1634
+ },
1635
+ {
1636
+ "epoch": 1.3625730994152048,
1637
+ "grad_norm": 0.20814835626639575,
1638
+ "learning_rate": 1.2147505422993492e-05,
1639
+ "loss": 0.7068,
1640
+ "step": 233
1641
+ },
1642
+ {
1643
+ "epoch": 1.368421052631579,
1644
+ "grad_norm": 0.2076525513781835,
1645
+ "learning_rate": 1.2104121475054231e-05,
1646
+ "loss": 0.6989,
1647
+ "step": 234
1648
+ },
1649
+ {
1650
+ "epoch": 1.3742690058479532,
1651
+ "grad_norm": 0.1911948741286201,
1652
+ "learning_rate": 1.2060737527114967e-05,
1653
+ "loss": 0.6774,
1654
+ "step": 235
1655
+ },
1656
+ {
1657
+ "epoch": 1.3801169590643274,
1658
+ "grad_norm": 0.2100123955547407,
1659
+ "learning_rate": 1.2017353579175706e-05,
1660
+ "loss": 0.6997,
1661
+ "step": 236
1662
+ },
1663
+ {
1664
+ "epoch": 1.3859649122807016,
1665
+ "grad_norm": 0.31584573390504456,
1666
+ "learning_rate": 1.1973969631236445e-05,
1667
+ "loss": 0.7052,
1668
+ "step": 237
1669
+ },
1670
+ {
1671
+ "epoch": 1.391812865497076,
1672
+ "grad_norm": 0.18688166233524203,
1673
+ "learning_rate": 1.193058568329718e-05,
1674
+ "loss": 0.6526,
1675
+ "step": 238
1676
+ },
1677
+ {
1678
+ "epoch": 1.3976608187134503,
1679
+ "grad_norm": 0.22026356851753442,
1680
+ "learning_rate": 1.1887201735357918e-05,
1681
+ "loss": 0.6454,
1682
+ "step": 239
1683
+ },
1684
+ {
1685
+ "epoch": 1.4035087719298245,
1686
+ "grad_norm": 0.19323076025261185,
1687
+ "learning_rate": 1.1843817787418656e-05,
1688
+ "loss": 0.6594,
1689
+ "step": 240
1690
+ },
1691
+ {
1692
+ "epoch": 1.409356725146199,
1693
+ "grad_norm": 0.19902277064282112,
1694
+ "learning_rate": 1.1800433839479392e-05,
1695
+ "loss": 0.7244,
1696
+ "step": 241
1697
+ },
1698
+ {
1699
+ "epoch": 1.4152046783625731,
1700
+ "grad_norm": 0.1908671762046153,
1701
+ "learning_rate": 1.1757049891540131e-05,
1702
+ "loss": 0.6681,
1703
+ "step": 242
1704
+ },
1705
+ {
1706
+ "epoch": 1.4210526315789473,
1707
+ "grad_norm": 0.19560133699568794,
1708
+ "learning_rate": 1.171366594360087e-05,
1709
+ "loss": 0.6731,
1710
+ "step": 243
1711
+ },
1712
+ {
1713
+ "epoch": 1.4269005847953216,
1714
+ "grad_norm": 0.2094438443568091,
1715
+ "learning_rate": 1.1670281995661605e-05,
1716
+ "loss": 0.701,
1717
+ "step": 244
1718
+ },
1719
+ {
1720
+ "epoch": 1.4327485380116958,
1721
+ "grad_norm": 0.19053569086952576,
1722
+ "learning_rate": 1.1626898047722344e-05,
1723
+ "loss": 0.6104,
1724
+ "step": 245
1725
+ },
1726
+ {
1727
+ "epoch": 1.4385964912280702,
1728
+ "grad_norm": 0.19913609339747246,
1729
+ "learning_rate": 1.1583514099783082e-05,
1730
+ "loss": 0.6573,
1731
+ "step": 246
1732
+ },
1733
+ {
1734
+ "epoch": 1.4444444444444444,
1735
+ "grad_norm": 0.20956879358597585,
1736
+ "learning_rate": 1.1540130151843817e-05,
1737
+ "loss": 0.662,
1738
+ "step": 247
1739
+ },
1740
+ {
1741
+ "epoch": 1.4502923976608186,
1742
+ "grad_norm": 0.20216430625120646,
1743
+ "learning_rate": 1.1496746203904556e-05,
1744
+ "loss": 0.6505,
1745
+ "step": 248
1746
+ },
1747
+ {
1748
+ "epoch": 1.456140350877193,
1749
+ "grad_norm": 0.2061734262125184,
1750
+ "learning_rate": 1.1453362255965295e-05,
1751
+ "loss": 0.6786,
1752
+ "step": 249
1753
+ },
1754
+ {
1755
+ "epoch": 1.4619883040935673,
1756
+ "grad_norm": 0.22574876209542377,
1757
+ "learning_rate": 1.140997830802603e-05,
1758
+ "loss": 0.7325,
1759
+ "step": 250
1760
+ },
1761
+ {
1762
+ "epoch": 1.4678362573099415,
1763
+ "grad_norm": 0.1772735034592302,
1764
+ "learning_rate": 1.136659436008677e-05,
1765
+ "loss": 0.636,
1766
+ "step": 251
1767
+ },
1768
+ {
1769
+ "epoch": 1.4736842105263157,
1770
+ "grad_norm": 0.2073376585966582,
1771
+ "learning_rate": 1.1323210412147507e-05,
1772
+ "loss": 0.6791,
1773
+ "step": 252
1774
+ },
1775
+ {
1776
+ "epoch": 1.47953216374269,
1777
+ "grad_norm": 0.18918995778508665,
1778
+ "learning_rate": 1.1279826464208244e-05,
1779
+ "loss": 0.6406,
1780
+ "step": 253
1781
+ },
1782
+ {
1783
+ "epoch": 1.4853801169590644,
1784
+ "grad_norm": 0.20195402902912296,
1785
+ "learning_rate": 1.1236442516268981e-05,
1786
+ "loss": 0.6625,
1787
+ "step": 254
1788
+ },
1789
+ {
1790
+ "epoch": 1.4912280701754386,
1791
+ "grad_norm": 0.18582829458374092,
1792
+ "learning_rate": 1.119305856832972e-05,
1793
+ "loss": 0.6831,
1794
+ "step": 255
1795
+ },
1796
+ {
1797
+ "epoch": 1.4970760233918128,
1798
+ "grad_norm": 0.18667034513926425,
1799
+ "learning_rate": 1.1149674620390456e-05,
1800
+ "loss": 0.6819,
1801
+ "step": 256
1802
+ },
1803
+ {
1804
+ "epoch": 1.5029239766081872,
1805
+ "grad_norm": 0.1884977125227984,
1806
+ "learning_rate": 1.1106290672451195e-05,
1807
+ "loss": 0.6515,
1808
+ "step": 257
1809
+ },
1810
+ {
1811
+ "epoch": 1.5087719298245614,
1812
+ "grad_norm": 0.19917650464796147,
1813
+ "learning_rate": 1.1062906724511932e-05,
1814
+ "loss": 0.672,
1815
+ "step": 258
1816
+ },
1817
+ {
1818
+ "epoch": 1.5146198830409356,
1819
+ "grad_norm": 0.20496434407592237,
1820
+ "learning_rate": 1.101952277657267e-05,
1821
+ "loss": 0.6538,
1822
+ "step": 259
1823
+ },
1824
+ {
1825
+ "epoch": 1.52046783625731,
1826
+ "grad_norm": 0.18169707048812828,
1827
+ "learning_rate": 1.0976138828633407e-05,
1828
+ "loss": 0.661,
1829
+ "step": 260
1830
+ },
1831
+ {
1832
+ "epoch": 1.526315789473684,
1833
+ "grad_norm": 0.22056891228087572,
1834
+ "learning_rate": 1.0932754880694142e-05,
1835
+ "loss": 0.6929,
1836
+ "step": 261
1837
+ },
1838
+ {
1839
+ "epoch": 1.5321637426900585,
1840
+ "grad_norm": 0.2085232928793704,
1841
+ "learning_rate": 1.0889370932754881e-05,
1842
+ "loss": 0.6954,
1843
+ "step": 262
1844
+ },
1845
+ {
1846
+ "epoch": 1.5380116959064327,
1847
+ "grad_norm": 0.20789260798479195,
1848
+ "learning_rate": 1.084598698481562e-05,
1849
+ "loss": 0.7011,
1850
+ "step": 263
1851
+ },
1852
+ {
1853
+ "epoch": 1.543859649122807,
1854
+ "grad_norm": 0.1849807776906847,
1855
+ "learning_rate": 1.0802603036876356e-05,
1856
+ "loss": 0.686,
1857
+ "step": 264
1858
+ },
1859
+ {
1860
+ "epoch": 1.5497076023391814,
1861
+ "grad_norm": 0.18518274667657642,
1862
+ "learning_rate": 1.0759219088937095e-05,
1863
+ "loss": 0.6636,
1864
+ "step": 265
1865
+ },
1866
+ {
1867
+ "epoch": 1.5555555555555556,
1868
+ "grad_norm": 0.19333183404204385,
1869
+ "learning_rate": 1.0715835140997832e-05,
1870
+ "loss": 0.7133,
1871
+ "step": 266
1872
+ },
1873
+ {
1874
+ "epoch": 1.5614035087719298,
1875
+ "grad_norm": 0.19922629243071752,
1876
+ "learning_rate": 1.0672451193058569e-05,
1877
+ "loss": 0.6745,
1878
+ "step": 267
1879
+ },
1880
+ {
1881
+ "epoch": 1.5672514619883042,
1882
+ "grad_norm": 0.1895519362467185,
1883
+ "learning_rate": 1.0629067245119306e-05,
1884
+ "loss": 0.6648,
1885
+ "step": 268
1886
+ },
1887
+ {
1888
+ "epoch": 1.5730994152046782,
1889
+ "grad_norm": 0.1871315579144127,
1890
+ "learning_rate": 1.0585683297180045e-05,
1891
+ "loss": 0.6721,
1892
+ "step": 269
1893
+ },
1894
+ {
1895
+ "epoch": 1.5789473684210527,
1896
+ "grad_norm": 0.18380449023430315,
1897
+ "learning_rate": 1.0542299349240781e-05,
1898
+ "loss": 0.6697,
1899
+ "step": 270
1900
+ },
1901
+ {
1902
+ "epoch": 1.5847953216374269,
1903
+ "grad_norm": 0.2562545867136886,
1904
+ "learning_rate": 1.049891540130152e-05,
1905
+ "loss": 0.6969,
1906
+ "step": 271
1907
+ },
1908
+ {
1909
+ "epoch": 1.590643274853801,
1910
+ "grad_norm": 0.1740952081571547,
1911
+ "learning_rate": 1.0455531453362257e-05,
1912
+ "loss": 0.6282,
1913
+ "step": 272
1914
+ },
1915
+ {
1916
+ "epoch": 1.5964912280701755,
1917
+ "grad_norm": 0.1800104491661315,
1918
+ "learning_rate": 1.0412147505422994e-05,
1919
+ "loss": 0.666,
1920
+ "step": 273
1921
+ },
1922
+ {
1923
+ "epoch": 1.6023391812865497,
1924
+ "grad_norm": 0.21004999295392382,
1925
+ "learning_rate": 1.0368763557483732e-05,
1926
+ "loss": 0.6849,
1927
+ "step": 274
1928
+ },
1929
+ {
1930
+ "epoch": 1.608187134502924,
1931
+ "grad_norm": 0.1787656466284205,
1932
+ "learning_rate": 1.032537960954447e-05,
1933
+ "loss": 0.6723,
1934
+ "step": 275
1935
+ },
1936
+ {
1937
+ "epoch": 1.6140350877192984,
1938
+ "grad_norm": 0.21871948943154398,
1939
+ "learning_rate": 1.0281995661605206e-05,
1940
+ "loss": 0.6901,
1941
+ "step": 276
1942
+ },
1943
+ {
1944
+ "epoch": 1.6198830409356724,
1945
+ "grad_norm": 0.18361595886864504,
1946
+ "learning_rate": 1.0238611713665945e-05,
1947
+ "loss": 0.6421,
1948
+ "step": 277
1949
+ },
1950
+ {
1951
+ "epoch": 1.6257309941520468,
1952
+ "grad_norm": 0.18916065927378428,
1953
+ "learning_rate": 1.0195227765726682e-05,
1954
+ "loss": 0.6511,
1955
+ "step": 278
1956
+ },
1957
+ {
1958
+ "epoch": 1.631578947368421,
1959
+ "grad_norm": 0.1979017696376173,
1960
+ "learning_rate": 1.015184381778742e-05,
1961
+ "loss": 0.7018,
1962
+ "step": 279
1963
+ },
1964
+ {
1965
+ "epoch": 1.6374269005847952,
1966
+ "grad_norm": 0.18969323017848436,
1967
+ "learning_rate": 1.0108459869848157e-05,
1968
+ "loss": 0.6677,
1969
+ "step": 280
1970
+ },
1971
+ {
1972
+ "epoch": 1.6432748538011697,
1973
+ "grad_norm": 0.18594561560924552,
1974
+ "learning_rate": 1.0065075921908896e-05,
1975
+ "loss": 0.6584,
1976
+ "step": 281
1977
+ },
1978
+ {
1979
+ "epoch": 1.6491228070175439,
1980
+ "grad_norm": 0.17998449840117228,
1981
+ "learning_rate": 1.0021691973969631e-05,
1982
+ "loss": 0.6616,
1983
+ "step": 282
1984
+ },
1985
+ {
1986
+ "epoch": 1.654970760233918,
1987
+ "grad_norm": 0.18463090829340062,
1988
+ "learning_rate": 9.97830802603037e-06,
1989
+ "loss": 0.6718,
1990
+ "step": 283
1991
+ },
1992
+ {
1993
+ "epoch": 1.6608187134502925,
1994
+ "grad_norm": 0.1941128688320993,
1995
+ "learning_rate": 9.934924078091108e-06,
1996
+ "loss": 0.7071,
1997
+ "step": 284
1998
+ },
1999
+ {
2000
+ "epoch": 1.6666666666666665,
2001
+ "grad_norm": 0.19238570224026413,
2002
+ "learning_rate": 9.891540130151845e-06,
2003
+ "loss": 0.6732,
2004
+ "step": 285
2005
+ },
2006
+ {
2007
+ "epoch": 1.672514619883041,
2008
+ "grad_norm": 0.19518291083148756,
2009
+ "learning_rate": 9.848156182212582e-06,
2010
+ "loss": 0.6761,
2011
+ "step": 286
2012
+ },
2013
+ {
2014
+ "epoch": 1.6783625730994152,
2015
+ "grad_norm": 0.18202289710684016,
2016
+ "learning_rate": 9.80477223427332e-06,
2017
+ "loss": 0.6577,
2018
+ "step": 287
2019
+ },
2020
+ {
2021
+ "epoch": 1.6842105263157894,
2022
+ "grad_norm": 0.18625725493648193,
2023
+ "learning_rate": 9.761388286334057e-06,
2024
+ "loss": 0.7017,
2025
+ "step": 288
2026
+ },
2027
+ {
2028
+ "epoch": 1.6900584795321638,
2029
+ "grad_norm": 0.2100099826676321,
2030
+ "learning_rate": 9.718004338394794e-06,
2031
+ "loss": 0.6858,
2032
+ "step": 289
2033
+ },
2034
+ {
2035
+ "epoch": 1.695906432748538,
2036
+ "grad_norm": 0.2084953033980061,
2037
+ "learning_rate": 9.674620390455533e-06,
2038
+ "loss": 0.6674,
2039
+ "step": 290
2040
+ },
2041
+ {
2042
+ "epoch": 1.7017543859649122,
2043
+ "grad_norm": 0.18596234796611538,
2044
+ "learning_rate": 9.63123644251627e-06,
2045
+ "loss": 0.6496,
2046
+ "step": 291
2047
+ },
2048
+ {
2049
+ "epoch": 1.7076023391812867,
2050
+ "grad_norm": 0.1978635671319887,
2051
+ "learning_rate": 9.587852494577007e-06,
2052
+ "loss": 0.6642,
2053
+ "step": 292
2054
+ },
2055
+ {
2056
+ "epoch": 1.7134502923976607,
2057
+ "grad_norm": 0.1979317376200934,
2058
+ "learning_rate": 9.544468546637745e-06,
2059
+ "loss": 0.7282,
2060
+ "step": 293
2061
+ },
2062
+ {
2063
+ "epoch": 1.719298245614035,
2064
+ "grad_norm": 0.1792470289825809,
2065
+ "learning_rate": 9.501084598698482e-06,
2066
+ "loss": 0.661,
2067
+ "step": 294
2068
+ },
2069
+ {
2070
+ "epoch": 1.7251461988304093,
2071
+ "grad_norm": 0.18979635817761115,
2072
+ "learning_rate": 9.457700650759219e-06,
2073
+ "loss": 0.6911,
2074
+ "step": 295
2075
+ },
2076
+ {
2077
+ "epoch": 1.7309941520467835,
2078
+ "grad_norm": 0.21977929643672667,
2079
+ "learning_rate": 9.414316702819958e-06,
2080
+ "loss": 0.6636,
2081
+ "step": 296
2082
+ },
2083
+ {
2084
+ "epoch": 1.736842105263158,
2085
+ "grad_norm": 0.19142793950578896,
2086
+ "learning_rate": 9.370932754880695e-06,
2087
+ "loss": 0.6652,
2088
+ "step": 297
2089
+ },
2090
+ {
2091
+ "epoch": 1.7426900584795322,
2092
+ "grad_norm": 0.1872314527946603,
2093
+ "learning_rate": 9.327548806941433e-06,
2094
+ "loss": 0.7241,
2095
+ "step": 298
2096
+ },
2097
+ {
2098
+ "epoch": 1.7485380116959064,
2099
+ "grad_norm": 0.21294716763423086,
2100
+ "learning_rate": 9.28416485900217e-06,
2101
+ "loss": 0.6505,
2102
+ "step": 299
2103
+ },
2104
+ {
2105
+ "epoch": 1.7543859649122808,
2106
+ "grad_norm": 0.20627848491038323,
2107
+ "learning_rate": 9.240780911062907e-06,
2108
+ "loss": 0.6839,
2109
+ "step": 300
2110
+ },
2111
+ {
2112
+ "epoch": 1.7602339181286548,
2113
+ "grad_norm": 0.1913775128261492,
2114
+ "learning_rate": 9.197396963123644e-06,
2115
+ "loss": 0.7072,
2116
+ "step": 301
2117
+ },
2118
+ {
2119
+ "epoch": 1.7660818713450293,
2120
+ "grad_norm": 0.18287999729259147,
2121
+ "learning_rate": 9.154013015184382e-06,
2122
+ "loss": 0.6571,
2123
+ "step": 302
2124
+ },
2125
+ {
2126
+ "epoch": 1.7719298245614035,
2127
+ "grad_norm": 0.1743048128512118,
2128
+ "learning_rate": 9.11062906724512e-06,
2129
+ "loss": 0.6404,
2130
+ "step": 303
2131
+ },
2132
+ {
2133
+ "epoch": 1.7777777777777777,
2134
+ "grad_norm": 0.18832199972802494,
2135
+ "learning_rate": 9.067245119305858e-06,
2136
+ "loss": 0.6853,
2137
+ "step": 304
2138
+ },
2139
+ {
2140
+ "epoch": 1.7836257309941521,
2141
+ "grad_norm": 0.20655204935711033,
2142
+ "learning_rate": 9.023861171366595e-06,
2143
+ "loss": 0.7093,
2144
+ "step": 305
2145
+ },
2146
+ {
2147
+ "epoch": 1.7894736842105263,
2148
+ "grad_norm": 0.19209280973506734,
2149
+ "learning_rate": 8.980477223427332e-06,
2150
+ "loss": 0.6548,
2151
+ "step": 306
2152
+ },
2153
+ {
2154
+ "epoch": 1.7953216374269005,
2155
+ "grad_norm": 0.1885931981782652,
2156
+ "learning_rate": 8.93709327548807e-06,
2157
+ "loss": 0.6558,
2158
+ "step": 307
2159
+ },
2160
+ {
2161
+ "epoch": 1.801169590643275,
2162
+ "grad_norm": 0.1962953890386984,
2163
+ "learning_rate": 8.893709327548807e-06,
2164
+ "loss": 0.6586,
2165
+ "step": 308
2166
+ },
2167
+ {
2168
+ "epoch": 1.807017543859649,
2169
+ "grad_norm": 0.19945775782899686,
2170
+ "learning_rate": 8.850325379609546e-06,
2171
+ "loss": 0.6636,
2172
+ "step": 309
2173
+ },
2174
+ {
2175
+ "epoch": 1.8128654970760234,
2176
+ "grad_norm": 0.1941326419111805,
2177
+ "learning_rate": 8.806941431670283e-06,
2178
+ "loss": 0.6615,
2179
+ "step": 310
2180
+ },
2181
+ {
2182
+ "epoch": 1.8187134502923976,
2183
+ "grad_norm": 0.18927283838641645,
2184
+ "learning_rate": 8.76355748373102e-06,
2185
+ "loss": 0.6722,
2186
+ "step": 311
2187
+ },
2188
+ {
2189
+ "epoch": 1.8245614035087718,
2190
+ "grad_norm": 0.18432693872655953,
2191
+ "learning_rate": 8.720173535791757e-06,
2192
+ "loss": 0.6522,
2193
+ "step": 312
2194
+ },
2195
+ {
2196
+ "epoch": 1.8304093567251463,
2197
+ "grad_norm": 0.1971710237782894,
2198
+ "learning_rate": 8.676789587852495e-06,
2199
+ "loss": 0.6996,
2200
+ "step": 313
2201
+ },
2202
+ {
2203
+ "epoch": 1.8362573099415205,
2204
+ "grad_norm": 0.1809013320142788,
2205
+ "learning_rate": 8.633405639913232e-06,
2206
+ "loss": 0.6476,
2207
+ "step": 314
2208
+ },
2209
+ {
2210
+ "epoch": 1.8421052631578947,
2211
+ "grad_norm": 0.17273470066786814,
2212
+ "learning_rate": 8.59002169197397e-06,
2213
+ "loss": 0.6205,
2214
+ "step": 315
2215
+ },
2216
+ {
2217
+ "epoch": 1.8479532163742691,
2218
+ "grad_norm": 0.1973244932241699,
2219
+ "learning_rate": 8.546637744034708e-06,
2220
+ "loss": 0.7028,
2221
+ "step": 316
2222
+ },
2223
+ {
2224
+ "epoch": 1.8538011695906431,
2225
+ "grad_norm": 0.18443943998865936,
2226
+ "learning_rate": 8.503253796095445e-06,
2227
+ "loss": 0.6821,
2228
+ "step": 317
2229
+ },
2230
+ {
2231
+ "epoch": 1.8596491228070176,
2232
+ "grad_norm": 0.19742863809842442,
2233
+ "learning_rate": 8.459869848156183e-06,
2234
+ "loss": 0.696,
2235
+ "step": 318
2236
+ },
2237
+ {
2238
+ "epoch": 1.8654970760233918,
2239
+ "grad_norm": 0.19602002536800328,
2240
+ "learning_rate": 8.416485900216922e-06,
2241
+ "loss": 0.6643,
2242
+ "step": 319
2243
+ },
2244
+ {
2245
+ "epoch": 1.871345029239766,
2246
+ "grad_norm": 0.18322608246185332,
2247
+ "learning_rate": 8.373101952277657e-06,
2248
+ "loss": 0.6877,
2249
+ "step": 320
2250
+ },
2251
+ {
2252
+ "epoch": 1.8771929824561404,
2253
+ "grad_norm": 0.20312293700355982,
2254
+ "learning_rate": 8.329718004338394e-06,
2255
+ "loss": 0.6779,
2256
+ "step": 321
2257
+ },
2258
+ {
2259
+ "epoch": 1.8830409356725146,
2260
+ "grad_norm": 0.18955838414122606,
2261
+ "learning_rate": 8.286334056399133e-06,
2262
+ "loss": 0.6889,
2263
+ "step": 322
2264
+ },
2265
+ {
2266
+ "epoch": 1.8888888888888888,
2267
+ "grad_norm": 0.18608685857531174,
2268
+ "learning_rate": 8.24295010845987e-06,
2269
+ "loss": 0.7066,
2270
+ "step": 323
2271
+ },
2272
+ {
2273
+ "epoch": 1.8947368421052633,
2274
+ "grad_norm": 0.19324997721387963,
2275
+ "learning_rate": 8.199566160520608e-06,
2276
+ "loss": 0.6721,
2277
+ "step": 324
2278
+ },
2279
+ {
2280
+ "epoch": 1.9005847953216373,
2281
+ "grad_norm": 0.18269525520661356,
2282
+ "learning_rate": 8.156182212581345e-06,
2283
+ "loss": 0.6606,
2284
+ "step": 325
2285
+ },
2286
+ {
2287
+ "epoch": 1.9064327485380117,
2288
+ "grad_norm": 0.17879213689825307,
2289
+ "learning_rate": 8.112798264642084e-06,
2290
+ "loss": 0.6195,
2291
+ "step": 326
2292
+ },
2293
+ {
2294
+ "epoch": 1.912280701754386,
2295
+ "grad_norm": 0.19572563149944922,
2296
+ "learning_rate": 8.06941431670282e-06,
2297
+ "loss": 0.6553,
2298
+ "step": 327
2299
+ },
2300
+ {
2301
+ "epoch": 1.9181286549707601,
2302
+ "grad_norm": 0.20455740497972336,
2303
+ "learning_rate": 8.026030368763557e-06,
2304
+ "loss": 0.7073,
2305
+ "step": 328
2306
+ },
2307
+ {
2308
+ "epoch": 1.9239766081871346,
2309
+ "grad_norm": 0.20379817717927606,
2310
+ "learning_rate": 7.982646420824296e-06,
2311
+ "loss": 0.6656,
2312
+ "step": 329
2313
+ },
2314
+ {
2315
+ "epoch": 1.9298245614035088,
2316
+ "grad_norm": 0.18816989178876325,
2317
+ "learning_rate": 7.939262472885033e-06,
2318
+ "loss": 0.6599,
2319
+ "step": 330
2320
+ },
2321
+ {
2322
+ "epoch": 1.935672514619883,
2323
+ "grad_norm": 0.19040798822146188,
2324
+ "learning_rate": 7.89587852494577e-06,
2325
+ "loss": 0.6872,
2326
+ "step": 331
2327
+ },
2328
+ {
2329
+ "epoch": 1.9415204678362574,
2330
+ "grad_norm": 0.2060421681157549,
2331
+ "learning_rate": 7.85249457700651e-06,
2332
+ "loss": 0.6634,
2333
+ "step": 332
2334
+ },
2335
+ {
2336
+ "epoch": 1.9473684210526314,
2337
+ "grad_norm": 0.1841817001629427,
2338
+ "learning_rate": 7.809110629067247e-06,
2339
+ "loss": 0.6249,
2340
+ "step": 333
2341
+ },
2342
+ {
2343
+ "epoch": 1.9532163742690059,
2344
+ "grad_norm": 0.19185741242924698,
2345
+ "learning_rate": 7.765726681127982e-06,
2346
+ "loss": 0.6603,
2347
+ "step": 334
2348
+ },
2349
+ {
2350
+ "epoch": 1.95906432748538,
2351
+ "grad_norm": 0.17490775565813746,
2352
+ "learning_rate": 7.722342733188721e-06,
2353
+ "loss": 0.649,
2354
+ "step": 335
2355
+ },
2356
+ {
2357
+ "epoch": 1.9649122807017543,
2358
+ "grad_norm": 0.18154097192716664,
2359
+ "learning_rate": 7.678958785249458e-06,
2360
+ "loss": 0.6869,
2361
+ "step": 336
2362
+ },
2363
+ {
2364
+ "epoch": 1.9707602339181287,
2365
+ "grad_norm": 0.2171151900817146,
2366
+ "learning_rate": 7.635574837310196e-06,
2367
+ "loss": 0.6806,
2368
+ "step": 337
2369
+ },
2370
+ {
2371
+ "epoch": 1.976608187134503,
2372
+ "grad_norm": 0.20056475561893633,
2373
+ "learning_rate": 7.592190889370933e-06,
2374
+ "loss": 0.6143,
2375
+ "step": 338
2376
+ },
2377
+ {
2378
+ "epoch": 1.9824561403508771,
2379
+ "grad_norm": 0.1859196448723673,
2380
+ "learning_rate": 7.548806941431671e-06,
2381
+ "loss": 0.6565,
2382
+ "step": 339
2383
+ },
2384
+ {
2385
+ "epoch": 1.9883040935672516,
2386
+ "grad_norm": 0.18291788926738473,
2387
+ "learning_rate": 7.505422993492408e-06,
2388
+ "loss": 0.6656,
2389
+ "step": 340
2390
+ },
2391
+ {
2392
+ "epoch": 1.9941520467836256,
2393
+ "grad_norm": 0.1851247551589902,
2394
+ "learning_rate": 7.4620390455531455e-06,
2395
+ "loss": 0.658,
2396
+ "step": 341
2397
+ },
2398
+ {
2399
+ "epoch": 2.0,
2400
+ "grad_norm": 0.19091041161918318,
2401
+ "learning_rate": 7.418655097613884e-06,
2402
+ "loss": 0.675,
2403
+ "step": 342
2404
+ },
2405
+ {
2406
+ "epoch": 2.0058479532163744,
2407
+ "grad_norm": 0.18034530461971127,
2408
+ "learning_rate": 7.375271149674621e-06,
2409
+ "loss": 0.6371,
2410
+ "step": 343
2411
+ },
2412
+ {
2413
+ "epoch": 2.0116959064327484,
2414
+ "grad_norm": 0.17929321132321624,
2415
+ "learning_rate": 7.331887201735358e-06,
2416
+ "loss": 0.6238,
2417
+ "step": 344
2418
+ },
2419
+ {
2420
+ "epoch": 2.017543859649123,
2421
+ "grad_norm": 0.1805743053336667,
2422
+ "learning_rate": 7.288503253796096e-06,
2423
+ "loss": 0.676,
2424
+ "step": 345
2425
+ },
2426
+ {
2427
+ "epoch": 2.023391812865497,
2428
+ "grad_norm": 0.18134202268639932,
2429
+ "learning_rate": 7.2451193058568335e-06,
2430
+ "loss": 0.6926,
2431
+ "step": 346
2432
+ },
2433
+ {
2434
+ "epoch": 2.0292397660818713,
2435
+ "grad_norm": 0.16664489258040083,
2436
+ "learning_rate": 7.201735357917571e-06,
2437
+ "loss": 0.635,
2438
+ "step": 347
2439
+ },
2440
+ {
2441
+ "epoch": 2.0350877192982457,
2442
+ "grad_norm": 0.17418680651725119,
2443
+ "learning_rate": 7.158351409978309e-06,
2444
+ "loss": 0.6625,
2445
+ "step": 348
2446
+ },
2447
+ {
2448
+ "epoch": 2.0409356725146197,
2449
+ "grad_norm": 0.16806000135863103,
2450
+ "learning_rate": 7.114967462039046e-06,
2451
+ "loss": 0.656,
2452
+ "step": 349
2453
+ },
2454
+ {
2455
+ "epoch": 2.046783625730994,
2456
+ "grad_norm": 0.1766385026508446,
2457
+ "learning_rate": 7.071583514099783e-06,
2458
+ "loss": 0.644,
2459
+ "step": 350
2460
+ },
2461
+ {
2462
+ "epoch": 2.0526315789473686,
2463
+ "grad_norm": 0.18299281472851398,
2464
+ "learning_rate": 7.028199566160521e-06,
2465
+ "loss": 0.6609,
2466
+ "step": 351
2467
+ },
2468
+ {
2469
+ "epoch": 2.0584795321637426,
2470
+ "grad_norm": 0.20986189876178032,
2471
+ "learning_rate": 6.984815618221259e-06,
2472
+ "loss": 0.6113,
2473
+ "step": 352
2474
+ },
2475
+ {
2476
+ "epoch": 2.064327485380117,
2477
+ "grad_norm": 0.17241912699938555,
2478
+ "learning_rate": 6.941431670281996e-06,
2479
+ "loss": 0.622,
2480
+ "step": 353
2481
+ },
2482
+ {
2483
+ "epoch": 2.0701754385964914,
2484
+ "grad_norm": 0.17175110508577335,
2485
+ "learning_rate": 6.898047722342733e-06,
2486
+ "loss": 0.6475,
2487
+ "step": 354
2488
+ },
2489
+ {
2490
+ "epoch": 2.0760233918128654,
2491
+ "grad_norm": 0.17952837380953865,
2492
+ "learning_rate": 6.854663774403471e-06,
2493
+ "loss": 0.624,
2494
+ "step": 355
2495
+ },
2496
+ {
2497
+ "epoch": 2.08187134502924,
2498
+ "grad_norm": 0.16440737350129503,
2499
+ "learning_rate": 6.8112798264642086e-06,
2500
+ "loss": 0.6216,
2501
+ "step": 356
2502
+ },
2503
+ {
2504
+ "epoch": 2.087719298245614,
2505
+ "grad_norm": 0.19647840255348978,
2506
+ "learning_rate": 6.767895878524946e-06,
2507
+ "loss": 0.6685,
2508
+ "step": 357
2509
+ },
2510
+ {
2511
+ "epoch": 2.0935672514619883,
2512
+ "grad_norm": 0.1696642474859097,
2513
+ "learning_rate": 6.724511930585684e-06,
2514
+ "loss": 0.6513,
2515
+ "step": 358
2516
+ },
2517
+ {
2518
+ "epoch": 2.0994152046783627,
2519
+ "grad_norm": 0.16781192390446642,
2520
+ "learning_rate": 6.681127982646421e-06,
2521
+ "loss": 0.6316,
2522
+ "step": 359
2523
+ },
2524
+ {
2525
+ "epoch": 2.1052631578947367,
2526
+ "grad_norm": 0.17665396661182975,
2527
+ "learning_rate": 6.6377440347071584e-06,
2528
+ "loss": 0.6444,
2529
+ "step": 360
2530
+ },
2531
+ {
2532
+ "epoch": 2.111111111111111,
2533
+ "grad_norm": 0.17026024356498806,
2534
+ "learning_rate": 6.594360086767897e-06,
2535
+ "loss": 0.6369,
2536
+ "step": 361
2537
+ },
2538
+ {
2539
+ "epoch": 2.116959064327485,
2540
+ "grad_norm": 0.1771238959431666,
2541
+ "learning_rate": 6.550976138828634e-06,
2542
+ "loss": 0.6363,
2543
+ "step": 362
2544
+ },
2545
+ {
2546
+ "epoch": 2.1228070175438596,
2547
+ "grad_norm": 0.18074195829403725,
2548
+ "learning_rate": 6.507592190889371e-06,
2549
+ "loss": 0.6295,
2550
+ "step": 363
2551
+ },
2552
+ {
2553
+ "epoch": 2.128654970760234,
2554
+ "grad_norm": 0.17590315483807462,
2555
+ "learning_rate": 6.464208242950108e-06,
2556
+ "loss": 0.6352,
2557
+ "step": 364
2558
+ },
2559
+ {
2560
+ "epoch": 2.134502923976608,
2561
+ "grad_norm": 0.1833679378524948,
2562
+ "learning_rate": 6.420824295010846e-06,
2563
+ "loss": 0.668,
2564
+ "step": 365
2565
+ },
2566
+ {
2567
+ "epoch": 2.1403508771929824,
2568
+ "grad_norm": 0.17426945543091085,
2569
+ "learning_rate": 6.377440347071584e-06,
2570
+ "loss": 0.6309,
2571
+ "step": 366
2572
+ },
2573
+ {
2574
+ "epoch": 2.146198830409357,
2575
+ "grad_norm": 0.17558570852982017,
2576
+ "learning_rate": 6.334056399132321e-06,
2577
+ "loss": 0.6183,
2578
+ "step": 367
2579
+ },
2580
+ {
2581
+ "epoch": 2.152046783625731,
2582
+ "grad_norm": 0.18869020603808476,
2583
+ "learning_rate": 6.29067245119306e-06,
2584
+ "loss": 0.6743,
2585
+ "step": 368
2586
+ },
2587
+ {
2588
+ "epoch": 2.1578947368421053,
2589
+ "grad_norm": 0.16860328391840887,
2590
+ "learning_rate": 6.247288503253796e-06,
2591
+ "loss": 0.6272,
2592
+ "step": 369
2593
+ },
2594
+ {
2595
+ "epoch": 2.1637426900584797,
2596
+ "grad_norm": 0.1787201818661304,
2597
+ "learning_rate": 6.2039045553145335e-06,
2598
+ "loss": 0.6536,
2599
+ "step": 370
2600
+ },
2601
+ {
2602
+ "epoch": 2.1695906432748537,
2603
+ "grad_norm": 0.17123056998213806,
2604
+ "learning_rate": 6.1605206073752725e-06,
2605
+ "loss": 0.6382,
2606
+ "step": 371
2607
+ },
2608
+ {
2609
+ "epoch": 2.175438596491228,
2610
+ "grad_norm": 0.1687316996284582,
2611
+ "learning_rate": 6.11713665943601e-06,
2612
+ "loss": 0.6212,
2613
+ "step": 372
2614
+ },
2615
+ {
2616
+ "epoch": 2.181286549707602,
2617
+ "grad_norm": 0.1891269844696612,
2618
+ "learning_rate": 6.073752711496746e-06,
2619
+ "loss": 0.6585,
2620
+ "step": 373
2621
+ },
2622
+ {
2623
+ "epoch": 2.1871345029239766,
2624
+ "grad_norm": 0.1725455615706422,
2625
+ "learning_rate": 6.030368763557483e-06,
2626
+ "loss": 0.6559,
2627
+ "step": 374
2628
+ },
2629
+ {
2630
+ "epoch": 2.192982456140351,
2631
+ "grad_norm": 0.16915435536877974,
2632
+ "learning_rate": 5.986984815618222e-06,
2633
+ "loss": 0.6324,
2634
+ "step": 375
2635
+ },
2636
+ {
2637
+ "epoch": 2.198830409356725,
2638
+ "grad_norm": 0.17215684923648952,
2639
+ "learning_rate": 5.943600867678959e-06,
2640
+ "loss": 0.6539,
2641
+ "step": 376
2642
+ },
2643
+ {
2644
+ "epoch": 2.2046783625730995,
2645
+ "grad_norm": 0.1954313719903045,
2646
+ "learning_rate": 5.900216919739696e-06,
2647
+ "loss": 0.6866,
2648
+ "step": 377
2649
+ },
2650
+ {
2651
+ "epoch": 2.2105263157894735,
2652
+ "grad_norm": 0.17042598764998235,
2653
+ "learning_rate": 5.856832971800435e-06,
2654
+ "loss": 0.6558,
2655
+ "step": 378
2656
+ },
2657
+ {
2658
+ "epoch": 2.216374269005848,
2659
+ "grad_norm": 0.17192364297534282,
2660
+ "learning_rate": 5.813449023861172e-06,
2661
+ "loss": 0.6378,
2662
+ "step": 379
2663
+ },
2664
+ {
2665
+ "epoch": 2.2222222222222223,
2666
+ "grad_norm": 0.1739599234963019,
2667
+ "learning_rate": 5.770065075921909e-06,
2668
+ "loss": 0.6194,
2669
+ "step": 380
2670
+ },
2671
+ {
2672
+ "epoch": 2.2280701754385963,
2673
+ "grad_norm": 0.17013107466272653,
2674
+ "learning_rate": 5.7266811279826476e-06,
2675
+ "loss": 0.6071,
2676
+ "step": 381
2677
+ },
2678
+ {
2679
+ "epoch": 2.2339181286549707,
2680
+ "grad_norm": 0.1848300211606863,
2681
+ "learning_rate": 5.683297180043385e-06,
2682
+ "loss": 0.6859,
2683
+ "step": 382
2684
+ },
2685
+ {
2686
+ "epoch": 2.239766081871345,
2687
+ "grad_norm": 0.17752768182741563,
2688
+ "learning_rate": 5.639913232104122e-06,
2689
+ "loss": 0.6674,
2690
+ "step": 383
2691
+ },
2692
+ {
2693
+ "epoch": 2.245614035087719,
2694
+ "grad_norm": 0.17268014916608854,
2695
+ "learning_rate": 5.59652928416486e-06,
2696
+ "loss": 0.6447,
2697
+ "step": 384
2698
+ },
2699
+ {
2700
+ "epoch": 2.2514619883040936,
2701
+ "grad_norm": 0.1975248493024482,
2702
+ "learning_rate": 5.5531453362255974e-06,
2703
+ "loss": 0.6877,
2704
+ "step": 385
2705
+ },
2706
+ {
2707
+ "epoch": 2.257309941520468,
2708
+ "grad_norm": 0.1854455256428647,
2709
+ "learning_rate": 5.509761388286335e-06,
2710
+ "loss": 0.6663,
2711
+ "step": 386
2712
+ },
2713
+ {
2714
+ "epoch": 2.263157894736842,
2715
+ "grad_norm": 0.18048830972034413,
2716
+ "learning_rate": 5.466377440347071e-06,
2717
+ "loss": 0.6515,
2718
+ "step": 387
2719
+ },
2720
+ {
2721
+ "epoch": 2.2690058479532165,
2722
+ "grad_norm": 0.18529428469214002,
2723
+ "learning_rate": 5.42299349240781e-06,
2724
+ "loss": 0.6742,
2725
+ "step": 388
2726
+ },
2727
+ {
2728
+ "epoch": 2.2748538011695905,
2729
+ "grad_norm": 0.1953029253712016,
2730
+ "learning_rate": 5.379609544468547e-06,
2731
+ "loss": 0.6715,
2732
+ "step": 389
2733
+ },
2734
+ {
2735
+ "epoch": 2.280701754385965,
2736
+ "grad_norm": 0.18506576413704273,
2737
+ "learning_rate": 5.3362255965292846e-06,
2738
+ "loss": 0.6441,
2739
+ "step": 390
2740
+ },
2741
+ {
2742
+ "epoch": 2.2865497076023393,
2743
+ "grad_norm": 0.20519359995385428,
2744
+ "learning_rate": 5.292841648590023e-06,
2745
+ "loss": 0.6324,
2746
+ "step": 391
2747
+ },
2748
+ {
2749
+ "epoch": 2.2923976608187133,
2750
+ "grad_norm": 0.1812910105371836,
2751
+ "learning_rate": 5.24945770065076e-06,
2752
+ "loss": 0.6151,
2753
+ "step": 392
2754
+ },
2755
+ {
2756
+ "epoch": 2.2982456140350878,
2757
+ "grad_norm": 0.16615863932290006,
2758
+ "learning_rate": 5.206073752711497e-06,
2759
+ "loss": 0.6178,
2760
+ "step": 393
2761
+ },
2762
+ {
2763
+ "epoch": 2.3040935672514617,
2764
+ "grad_norm": 0.1867312948806079,
2765
+ "learning_rate": 5.162689804772235e-06,
2766
+ "loss": 0.6844,
2767
+ "step": 394
2768
+ },
2769
+ {
2770
+ "epoch": 2.309941520467836,
2771
+ "grad_norm": 0.17482246796590165,
2772
+ "learning_rate": 5.1193058568329725e-06,
2773
+ "loss": 0.6316,
2774
+ "step": 395
2775
+ },
2776
+ {
2777
+ "epoch": 2.3157894736842106,
2778
+ "grad_norm": 0.18919167148846638,
2779
+ "learning_rate": 5.07592190889371e-06,
2780
+ "loss": 0.6929,
2781
+ "step": 396
2782
+ },
2783
+ {
2784
+ "epoch": 2.3216374269005846,
2785
+ "grad_norm": 0.17135779399399315,
2786
+ "learning_rate": 5.032537960954448e-06,
2787
+ "loss": 0.6507,
2788
+ "step": 397
2789
+ },
2790
+ {
2791
+ "epoch": 2.327485380116959,
2792
+ "grad_norm": 0.16589752923541318,
2793
+ "learning_rate": 4.989154013015185e-06,
2794
+ "loss": 0.6169,
2795
+ "step": 398
2796
+ },
2797
+ {
2798
+ "epoch": 2.3333333333333335,
2799
+ "grad_norm": 0.17836212191167625,
2800
+ "learning_rate": 4.945770065075922e-06,
2801
+ "loss": 0.6534,
2802
+ "step": 399
2803
+ },
2804
+ {
2805
+ "epoch": 2.3391812865497075,
2806
+ "grad_norm": 0.17486989043138282,
2807
+ "learning_rate": 4.90238611713666e-06,
2808
+ "loss": 0.6229,
2809
+ "step": 400
2810
+ },
2811
+ {
2812
+ "epoch": 2.345029239766082,
2813
+ "grad_norm": 0.18358705375708667,
2814
+ "learning_rate": 4.859002169197397e-06,
2815
+ "loss": 0.6806,
2816
+ "step": 401
2817
+ },
2818
+ {
2819
+ "epoch": 2.3508771929824563,
2820
+ "grad_norm": 0.17755890153992399,
2821
+ "learning_rate": 4.815618221258135e-06,
2822
+ "loss": 0.6835,
2823
+ "step": 402
2824
+ },
2825
+ {
2826
+ "epoch": 2.3567251461988303,
2827
+ "grad_norm": 0.1796432140151646,
2828
+ "learning_rate": 4.772234273318872e-06,
2829
+ "loss": 0.6643,
2830
+ "step": 403
2831
+ },
2832
+ {
2833
+ "epoch": 2.3625730994152048,
2834
+ "grad_norm": 0.16924652263187123,
2835
+ "learning_rate": 4.7288503253796095e-06,
2836
+ "loss": 0.6157,
2837
+ "step": 404
2838
+ },
2839
+ {
2840
+ "epoch": 2.3684210526315788,
2841
+ "grad_norm": 0.1726890776222668,
2842
+ "learning_rate": 4.685466377440348e-06,
2843
+ "loss": 0.6557,
2844
+ "step": 405
2845
+ },
2846
+ {
2847
+ "epoch": 2.374269005847953,
2848
+ "grad_norm": 0.1780550008345725,
2849
+ "learning_rate": 4.642082429501085e-06,
2850
+ "loss": 0.6554,
2851
+ "step": 406
2852
+ },
2853
+ {
2854
+ "epoch": 2.3801169590643276,
2855
+ "grad_norm": 0.17128524860089567,
2856
+ "learning_rate": 4.598698481561822e-06,
2857
+ "loss": 0.6768,
2858
+ "step": 407
2859
+ },
2860
+ {
2861
+ "epoch": 2.3859649122807016,
2862
+ "grad_norm": 0.16558703660041527,
2863
+ "learning_rate": 4.55531453362256e-06,
2864
+ "loss": 0.6492,
2865
+ "step": 408
2866
+ },
2867
+ {
2868
+ "epoch": 2.391812865497076,
2869
+ "grad_norm": 0.17532697429039085,
2870
+ "learning_rate": 4.5119305856832975e-06,
2871
+ "loss": 0.6572,
2872
+ "step": 409
2873
+ },
2874
+ {
2875
+ "epoch": 2.39766081871345,
2876
+ "grad_norm": 0.16937166076280238,
2877
+ "learning_rate": 4.468546637744035e-06,
2878
+ "loss": 0.6628,
2879
+ "step": 410
2880
+ },
2881
+ {
2882
+ "epoch": 2.4035087719298245,
2883
+ "grad_norm": 0.18312431667652093,
2884
+ "learning_rate": 4.425162689804773e-06,
2885
+ "loss": 0.6477,
2886
+ "step": 411
2887
+ },
2888
+ {
2889
+ "epoch": 2.409356725146199,
2890
+ "grad_norm": 0.1695999967647095,
2891
+ "learning_rate": 4.38177874186551e-06,
2892
+ "loss": 0.6603,
2893
+ "step": 412
2894
+ },
2895
+ {
2896
+ "epoch": 2.415204678362573,
2897
+ "grad_norm": 0.1720525919637609,
2898
+ "learning_rate": 4.338394793926247e-06,
2899
+ "loss": 0.6452,
2900
+ "step": 413
2901
+ },
2902
+ {
2903
+ "epoch": 2.4210526315789473,
2904
+ "grad_norm": 0.16726491752955858,
2905
+ "learning_rate": 4.295010845986985e-06,
2906
+ "loss": 0.6199,
2907
+ "step": 414
2908
+ },
2909
+ {
2910
+ "epoch": 2.426900584795322,
2911
+ "grad_norm": 0.2059763044769876,
2912
+ "learning_rate": 4.251626898047723e-06,
2913
+ "loss": 0.6783,
2914
+ "step": 415
2915
+ },
2916
+ {
2917
+ "epoch": 2.4327485380116958,
2918
+ "grad_norm": 0.1731042493041403,
2919
+ "learning_rate": 4.208242950108461e-06,
2920
+ "loss": 0.6289,
2921
+ "step": 416
2922
+ },
2923
+ {
2924
+ "epoch": 2.43859649122807,
2925
+ "grad_norm": 0.17595716841396303,
2926
+ "learning_rate": 4.164859002169197e-06,
2927
+ "loss": 0.6607,
2928
+ "step": 417
2929
+ },
2930
+ {
2931
+ "epoch": 2.4444444444444446,
2932
+ "grad_norm": 0.17232699533316642,
2933
+ "learning_rate": 4.121475054229935e-06,
2934
+ "loss": 0.6203,
2935
+ "step": 418
2936
+ },
2937
+ {
2938
+ "epoch": 2.4502923976608186,
2939
+ "grad_norm": 0.17550156147686838,
2940
+ "learning_rate": 4.078091106290673e-06,
2941
+ "loss": 0.6584,
2942
+ "step": 419
2943
+ },
2944
+ {
2945
+ "epoch": 2.456140350877193,
2946
+ "grad_norm": 0.18080214333436065,
2947
+ "learning_rate": 4.03470715835141e-06,
2948
+ "loss": 0.6031,
2949
+ "step": 420
2950
+ },
2951
+ {
2952
+ "epoch": 2.461988304093567,
2953
+ "grad_norm": 0.18048583412947314,
2954
+ "learning_rate": 3.991323210412148e-06,
2955
+ "loss": 0.6354,
2956
+ "step": 421
2957
+ },
2958
+ {
2959
+ "epoch": 2.4678362573099415,
2960
+ "grad_norm": 0.18253929691844767,
2961
+ "learning_rate": 3.947939262472885e-06,
2962
+ "loss": 0.6502,
2963
+ "step": 422
2964
+ },
2965
+ {
2966
+ "epoch": 2.473684210526316,
2967
+ "grad_norm": 0.1697304593286738,
2968
+ "learning_rate": 3.904555314533623e-06,
2969
+ "loss": 0.6332,
2970
+ "step": 423
2971
+ },
2972
+ {
2973
+ "epoch": 2.47953216374269,
2974
+ "grad_norm": 0.17269048510291535,
2975
+ "learning_rate": 3.8611713665943606e-06,
2976
+ "loss": 0.6095,
2977
+ "step": 424
2978
+ },
2979
+ {
2980
+ "epoch": 2.4853801169590644,
2981
+ "grad_norm": 0.16216619960446743,
2982
+ "learning_rate": 3.817787418655098e-06,
2983
+ "loss": 0.6112,
2984
+ "step": 425
2985
+ },
2986
+ {
2987
+ "epoch": 2.4912280701754383,
2988
+ "grad_norm": 0.17239216132714047,
2989
+ "learning_rate": 3.7744034707158355e-06,
2990
+ "loss": 0.6715,
2991
+ "step": 426
2992
+ },
2993
+ {
2994
+ "epoch": 2.497076023391813,
2995
+ "grad_norm": 0.1715509924251108,
2996
+ "learning_rate": 3.7310195227765728e-06,
2997
+ "loss": 0.6459,
2998
+ "step": 427
2999
+ },
3000
+ {
3001
+ "epoch": 2.502923976608187,
3002
+ "grad_norm": 0.1674736258064931,
3003
+ "learning_rate": 3.6876355748373104e-06,
3004
+ "loss": 0.6355,
3005
+ "step": 428
3006
+ },
3007
+ {
3008
+ "epoch": 2.5087719298245617,
3009
+ "grad_norm": 0.16465926005700326,
3010
+ "learning_rate": 3.644251626898048e-06,
3011
+ "loss": 0.6381,
3012
+ "step": 429
3013
+ },
3014
+ {
3015
+ "epoch": 2.5146198830409356,
3016
+ "grad_norm": 0.1766218788353798,
3017
+ "learning_rate": 3.6008676789587854e-06,
3018
+ "loss": 0.67,
3019
+ "step": 430
3020
+ },
3021
+ {
3022
+ "epoch": 2.52046783625731,
3023
+ "grad_norm": 0.17349720246234343,
3024
+ "learning_rate": 3.557483731019523e-06,
3025
+ "loss": 0.6493,
3026
+ "step": 431
3027
+ },
3028
+ {
3029
+ "epoch": 2.526315789473684,
3030
+ "grad_norm": 0.167194985421623,
3031
+ "learning_rate": 3.5140997830802603e-06,
3032
+ "loss": 0.628,
3033
+ "step": 432
3034
+ },
3035
+ {
3036
+ "epoch": 2.5321637426900585,
3037
+ "grad_norm": 0.1704752632069036,
3038
+ "learning_rate": 3.470715835140998e-06,
3039
+ "loss": 0.6431,
3040
+ "step": 433
3041
+ },
3042
+ {
3043
+ "epoch": 2.538011695906433,
3044
+ "grad_norm": 0.18481707817941734,
3045
+ "learning_rate": 3.4273318872017357e-06,
3046
+ "loss": 0.6715,
3047
+ "step": 434
3048
+ },
3049
+ {
3050
+ "epoch": 2.543859649122807,
3051
+ "grad_norm": 0.1953699500403843,
3052
+ "learning_rate": 3.383947939262473e-06,
3053
+ "loss": 0.6845,
3054
+ "step": 435
3055
+ },
3056
+ {
3057
+ "epoch": 2.5497076023391814,
3058
+ "grad_norm": 0.16379216515216974,
3059
+ "learning_rate": 3.3405639913232106e-06,
3060
+ "loss": 0.6455,
3061
+ "step": 436
3062
+ },
3063
+ {
3064
+ "epoch": 2.5555555555555554,
3065
+ "grad_norm": 0.1980120403081147,
3066
+ "learning_rate": 3.2971800433839487e-06,
3067
+ "loss": 0.6695,
3068
+ "step": 437
3069
+ },
3070
+ {
3071
+ "epoch": 2.56140350877193,
3072
+ "grad_norm": 0.16118979174422027,
3073
+ "learning_rate": 3.2537960954446855e-06,
3074
+ "loss": 0.5928,
3075
+ "step": 438
3076
+ },
3077
+ {
3078
+ "epoch": 2.5672514619883042,
3079
+ "grad_norm": 0.1657791823109499,
3080
+ "learning_rate": 3.210412147505423e-06,
3081
+ "loss": 0.645,
3082
+ "step": 439
3083
+ },
3084
+ {
3085
+ "epoch": 2.573099415204678,
3086
+ "grad_norm": 0.17132915146971192,
3087
+ "learning_rate": 3.1670281995661605e-06,
3088
+ "loss": 0.6847,
3089
+ "step": 440
3090
+ },
3091
+ {
3092
+ "epoch": 2.5789473684210527,
3093
+ "grad_norm": 0.16324444549230824,
3094
+ "learning_rate": 3.123644251626898e-06,
3095
+ "loss": 0.6413,
3096
+ "step": 441
3097
+ },
3098
+ {
3099
+ "epoch": 2.5847953216374266,
3100
+ "grad_norm": 0.17488238495665867,
3101
+ "learning_rate": 3.0802603036876362e-06,
3102
+ "loss": 0.6321,
3103
+ "step": 442
3104
+ },
3105
+ {
3106
+ "epoch": 2.590643274853801,
3107
+ "grad_norm": 0.17634328132329954,
3108
+ "learning_rate": 3.036876355748373e-06,
3109
+ "loss": 0.6784,
3110
+ "step": 443
3111
+ },
3112
+ {
3113
+ "epoch": 2.5964912280701755,
3114
+ "grad_norm": 0.17868073636307982,
3115
+ "learning_rate": 2.993492407809111e-06,
3116
+ "loss": 0.678,
3117
+ "step": 444
3118
+ },
3119
+ {
3120
+ "epoch": 2.60233918128655,
3121
+ "grad_norm": 0.1632381806494582,
3122
+ "learning_rate": 2.950108459869848e-06,
3123
+ "loss": 0.6266,
3124
+ "step": 445
3125
+ },
3126
+ {
3127
+ "epoch": 2.608187134502924,
3128
+ "grad_norm": 0.16547418794872898,
3129
+ "learning_rate": 2.906724511930586e-06,
3130
+ "loss": 0.6328,
3131
+ "step": 446
3132
+ },
3133
+ {
3134
+ "epoch": 2.6140350877192984,
3135
+ "grad_norm": 0.17622874984246908,
3136
+ "learning_rate": 2.8633405639913238e-06,
3137
+ "loss": 0.661,
3138
+ "step": 447
3139
+ },
3140
+ {
3141
+ "epoch": 2.6198830409356724,
3142
+ "grad_norm": 0.16541694161777937,
3143
+ "learning_rate": 2.819956616052061e-06,
3144
+ "loss": 0.6236,
3145
+ "step": 448
3146
+ },
3147
+ {
3148
+ "epoch": 2.625730994152047,
3149
+ "grad_norm": 0.1662936609526993,
3150
+ "learning_rate": 2.7765726681127987e-06,
3151
+ "loss": 0.6159,
3152
+ "step": 449
3153
+ },
3154
+ {
3155
+ "epoch": 2.6315789473684212,
3156
+ "grad_norm": 0.16669675160496522,
3157
+ "learning_rate": 2.7331887201735356e-06,
3158
+ "loss": 0.6505,
3159
+ "step": 450
3160
+ },
3161
+ {
3162
+ "epoch": 2.6374269005847952,
3163
+ "grad_norm": 0.16549634014330256,
3164
+ "learning_rate": 2.6898047722342737e-06,
3165
+ "loss": 0.6508,
3166
+ "step": 451
3167
+ },
3168
+ {
3169
+ "epoch": 2.6432748538011697,
3170
+ "grad_norm": 0.1810240612515184,
3171
+ "learning_rate": 2.6464208242950113e-06,
3172
+ "loss": 0.6705,
3173
+ "step": 452
3174
+ },
3175
+ {
3176
+ "epoch": 2.6491228070175437,
3177
+ "grad_norm": 0.17384206262358587,
3178
+ "learning_rate": 2.6030368763557486e-06,
3179
+ "loss": 0.6376,
3180
+ "step": 453
3181
+ },
3182
+ {
3183
+ "epoch": 2.654970760233918,
3184
+ "grad_norm": 0.17845392301327417,
3185
+ "learning_rate": 2.5596529284164863e-06,
3186
+ "loss": 0.6726,
3187
+ "step": 454
3188
+ },
3189
+ {
3190
+ "epoch": 2.6608187134502925,
3191
+ "grad_norm": 0.1998313342763234,
3192
+ "learning_rate": 2.516268980477224e-06,
3193
+ "loss": 0.7018,
3194
+ "step": 455
3195
+ },
3196
+ {
3197
+ "epoch": 2.6666666666666665,
3198
+ "grad_norm": 0.16980658137466279,
3199
+ "learning_rate": 2.472885032537961e-06,
3200
+ "loss": 0.649,
3201
+ "step": 456
3202
+ },
3203
+ {
3204
+ "epoch": 2.672514619883041,
3205
+ "grad_norm": 0.18303799471242801,
3206
+ "learning_rate": 2.4295010845986985e-06,
3207
+ "loss": 0.6807,
3208
+ "step": 457
3209
+ },
3210
+ {
3211
+ "epoch": 2.678362573099415,
3212
+ "grad_norm": 0.16687064769711984,
3213
+ "learning_rate": 2.386117136659436e-06,
3214
+ "loss": 0.625,
3215
+ "step": 458
3216
+ },
3217
+ {
3218
+ "epoch": 2.6842105263157894,
3219
+ "grad_norm": 0.17675345144700674,
3220
+ "learning_rate": 2.342733188720174e-06,
3221
+ "loss": 0.6877,
3222
+ "step": 459
3223
+ },
3224
+ {
3225
+ "epoch": 2.690058479532164,
3226
+ "grad_norm": 0.18401049432140446,
3227
+ "learning_rate": 2.299349240780911e-06,
3228
+ "loss": 0.6887,
3229
+ "step": 460
3230
+ },
3231
+ {
3232
+ "epoch": 2.6959064327485383,
3233
+ "grad_norm": 0.1744979749607572,
3234
+ "learning_rate": 2.2559652928416487e-06,
3235
+ "loss": 0.6589,
3236
+ "step": 461
3237
+ },
3238
+ {
3239
+ "epoch": 2.7017543859649122,
3240
+ "grad_norm": 0.1746641852105471,
3241
+ "learning_rate": 2.2125813449023864e-06,
3242
+ "loss": 0.6495,
3243
+ "step": 462
3244
+ },
3245
+ {
3246
+ "epoch": 2.7076023391812867,
3247
+ "grad_norm": 0.16657675516372344,
3248
+ "learning_rate": 2.1691973969631237e-06,
3249
+ "loss": 0.662,
3250
+ "step": 463
3251
+ },
3252
+ {
3253
+ "epoch": 2.7134502923976607,
3254
+ "grad_norm": 0.17198446823209654,
3255
+ "learning_rate": 2.1258134490238614e-06,
3256
+ "loss": 0.6732,
3257
+ "step": 464
3258
+ },
3259
+ {
3260
+ "epoch": 2.719298245614035,
3261
+ "grad_norm": 0.1666041499402243,
3262
+ "learning_rate": 2.0824295010845986e-06,
3263
+ "loss": 0.6812,
3264
+ "step": 465
3265
+ },
3266
+ {
3267
+ "epoch": 2.7251461988304095,
3268
+ "grad_norm": 0.17396505588176064,
3269
+ "learning_rate": 2.0390455531453363e-06,
3270
+ "loss": 0.6591,
3271
+ "step": 466
3272
+ },
3273
+ {
3274
+ "epoch": 2.7309941520467835,
3275
+ "grad_norm": 0.17207201652443582,
3276
+ "learning_rate": 1.995661605206074e-06,
3277
+ "loss": 0.6278,
3278
+ "step": 467
3279
+ },
3280
+ {
3281
+ "epoch": 2.736842105263158,
3282
+ "grad_norm": 0.16767533054287867,
3283
+ "learning_rate": 1.9522776572668117e-06,
3284
+ "loss": 0.6508,
3285
+ "step": 468
3286
+ },
3287
+ {
3288
+ "epoch": 2.742690058479532,
3289
+ "grad_norm": 0.17199489358502026,
3290
+ "learning_rate": 1.908893709327549e-06,
3291
+ "loss": 0.6652,
3292
+ "step": 469
3293
+ },
3294
+ {
3295
+ "epoch": 2.7485380116959064,
3296
+ "grad_norm": 0.15742337242113655,
3297
+ "learning_rate": 1.8655097613882864e-06,
3298
+ "loss": 0.6281,
3299
+ "step": 470
3300
+ },
3301
+ {
3302
+ "epoch": 2.754385964912281,
3303
+ "grad_norm": 0.16549888305173557,
3304
+ "learning_rate": 1.822125813449024e-06,
3305
+ "loss": 0.6257,
3306
+ "step": 471
3307
+ },
3308
+ {
3309
+ "epoch": 2.760233918128655,
3310
+ "grad_norm": 0.17228844722867567,
3311
+ "learning_rate": 1.7787418655097615e-06,
3312
+ "loss": 0.6897,
3313
+ "step": 472
3314
+ },
3315
+ {
3316
+ "epoch": 2.7660818713450293,
3317
+ "grad_norm": 0.16656984900009209,
3318
+ "learning_rate": 1.735357917570499e-06,
3319
+ "loss": 0.6576,
3320
+ "step": 473
3321
+ },
3322
+ {
3323
+ "epoch": 2.7719298245614032,
3324
+ "grad_norm": 0.1617090427960584,
3325
+ "learning_rate": 1.6919739696312365e-06,
3326
+ "loss": 0.6375,
3327
+ "step": 474
3328
+ },
3329
+ {
3330
+ "epoch": 2.7777777777777777,
3331
+ "grad_norm": 0.17066915492008342,
3332
+ "learning_rate": 1.6485900216919743e-06,
3333
+ "loss": 0.6434,
3334
+ "step": 475
3335
+ },
3336
+ {
3337
+ "epoch": 2.783625730994152,
3338
+ "grad_norm": 0.17283365217712324,
3339
+ "learning_rate": 1.6052060737527116e-06,
3340
+ "loss": 0.6404,
3341
+ "step": 476
3342
+ },
3343
+ {
3344
+ "epoch": 2.7894736842105265,
3345
+ "grad_norm": 0.16377562920106029,
3346
+ "learning_rate": 1.561822125813449e-06,
3347
+ "loss": 0.5996,
3348
+ "step": 477
3349
+ },
3350
+ {
3351
+ "epoch": 2.7953216374269005,
3352
+ "grad_norm": 0.16639432488486533,
3353
+ "learning_rate": 1.5184381778741865e-06,
3354
+ "loss": 0.5969,
3355
+ "step": 478
3356
+ },
3357
+ {
3358
+ "epoch": 2.801169590643275,
3359
+ "grad_norm": 0.16980646505093647,
3360
+ "learning_rate": 1.475054229934924e-06,
3361
+ "loss": 0.6769,
3362
+ "step": 479
3363
+ },
3364
+ {
3365
+ "epoch": 2.807017543859649,
3366
+ "grad_norm": 0.1628222318868079,
3367
+ "learning_rate": 1.4316702819956619e-06,
3368
+ "loss": 0.6508,
3369
+ "step": 480
3370
+ },
3371
+ {
3372
+ "epoch": 2.8128654970760234,
3373
+ "grad_norm": 0.18172158119006254,
3374
+ "learning_rate": 1.3882863340563994e-06,
3375
+ "loss": 0.6604,
3376
+ "step": 481
3377
+ },
3378
+ {
3379
+ "epoch": 2.818713450292398,
3380
+ "grad_norm": 0.16423487898529526,
3381
+ "learning_rate": 1.3449023861171368e-06,
3382
+ "loss": 0.6228,
3383
+ "step": 482
3384
+ },
3385
+ {
3386
+ "epoch": 2.824561403508772,
3387
+ "grad_norm": 0.17478062902651836,
3388
+ "learning_rate": 1.3015184381778743e-06,
3389
+ "loss": 0.6251,
3390
+ "step": 483
3391
+ },
3392
+ {
3393
+ "epoch": 2.8304093567251463,
3394
+ "grad_norm": 0.1726032282493946,
3395
+ "learning_rate": 1.258134490238612e-06,
3396
+ "loss": 0.6735,
3397
+ "step": 484
3398
+ },
3399
+ {
3400
+ "epoch": 2.8362573099415203,
3401
+ "grad_norm": 0.16790264066853555,
3402
+ "learning_rate": 1.2147505422993492e-06,
3403
+ "loss": 0.6434,
3404
+ "step": 485
3405
+ },
3406
+ {
3407
+ "epoch": 2.8421052631578947,
3408
+ "grad_norm": 0.1671571499569638,
3409
+ "learning_rate": 1.171366594360087e-06,
3410
+ "loss": 0.6578,
3411
+ "step": 486
3412
+ },
3413
+ {
3414
+ "epoch": 2.847953216374269,
3415
+ "grad_norm": 0.16863160149729373,
3416
+ "learning_rate": 1.1279826464208244e-06,
3417
+ "loss": 0.6242,
3418
+ "step": 487
3419
+ },
3420
+ {
3421
+ "epoch": 2.853801169590643,
3422
+ "grad_norm": 0.161190538585518,
3423
+ "learning_rate": 1.0845986984815618e-06,
3424
+ "loss": 0.6342,
3425
+ "step": 488
3426
+ },
3427
+ {
3428
+ "epoch": 2.8596491228070176,
3429
+ "grad_norm": 0.16562131765046972,
3430
+ "learning_rate": 1.0412147505422993e-06,
3431
+ "loss": 0.6346,
3432
+ "step": 489
3433
+ },
3434
+ {
3435
+ "epoch": 2.8654970760233915,
3436
+ "grad_norm": 0.16478891417223968,
3437
+ "learning_rate": 9.97830802603037e-07,
3438
+ "loss": 0.629,
3439
+ "step": 490
3440
+ },
3441
+ {
3442
+ "epoch": 2.871345029239766,
3443
+ "grad_norm": 0.1652066649082407,
3444
+ "learning_rate": 9.544468546637745e-07,
3445
+ "loss": 0.6512,
3446
+ "step": 491
3447
+ },
3448
+ {
3449
+ "epoch": 2.8771929824561404,
3450
+ "grad_norm": 0.1808259238987679,
3451
+ "learning_rate": 9.11062906724512e-07,
3452
+ "loss": 0.6501,
3453
+ "step": 492
3454
+ },
3455
+ {
3456
+ "epoch": 2.883040935672515,
3457
+ "grad_norm": 0.16595306747518687,
3458
+ "learning_rate": 8.676789587852495e-07,
3459
+ "loss": 0.6187,
3460
+ "step": 493
3461
+ },
3462
+ {
3463
+ "epoch": 2.888888888888889,
3464
+ "grad_norm": 0.16577185891507523,
3465
+ "learning_rate": 8.242950108459872e-07,
3466
+ "loss": 0.6608,
3467
+ "step": 494
3468
+ },
3469
+ {
3470
+ "epoch": 2.8947368421052633,
3471
+ "grad_norm": 0.17578227817996883,
3472
+ "learning_rate": 7.809110629067245e-07,
3473
+ "loss": 0.6522,
3474
+ "step": 495
3475
+ },
3476
+ {
3477
+ "epoch": 2.9005847953216373,
3478
+ "grad_norm": 0.16712846714191626,
3479
+ "learning_rate": 7.37527114967462e-07,
3480
+ "loss": 0.6741,
3481
+ "step": 496
3482
+ },
3483
+ {
3484
+ "epoch": 2.9064327485380117,
3485
+ "grad_norm": 0.1695052637928444,
3486
+ "learning_rate": 6.941431670281997e-07,
3487
+ "loss": 0.6697,
3488
+ "step": 497
3489
+ },
3490
+ {
3491
+ "epoch": 2.912280701754386,
3492
+ "grad_norm": 0.16523586320140343,
3493
+ "learning_rate": 6.507592190889371e-07,
3494
+ "loss": 0.6359,
3495
+ "step": 498
3496
+ },
3497
+ {
3498
+ "epoch": 2.91812865497076,
3499
+ "grad_norm": 0.17250068186561412,
3500
+ "learning_rate": 6.073752711496746e-07,
3501
+ "loss": 0.635,
3502
+ "step": 499
3503
+ },
3504
+ {
3505
+ "epoch": 2.9239766081871346,
3506
+ "grad_norm": 0.15377259520433112,
3507
+ "learning_rate": 5.639913232104122e-07,
3508
+ "loss": 0.5981,
3509
+ "step": 500
3510
+ },
3511
+ {
3512
+ "epoch": 2.9298245614035086,
3513
+ "grad_norm": 0.1658156010520523,
3514
+ "learning_rate": 5.206073752711497e-07,
3515
+ "loss": 0.6501,
3516
+ "step": 501
3517
+ },
3518
+ {
3519
+ "epoch": 2.935672514619883,
3520
+ "grad_norm": 0.16408478791637582,
3521
+ "learning_rate": 4.772234273318872e-07,
3522
+ "loss": 0.6142,
3523
+ "step": 502
3524
+ },
3525
+ {
3526
+ "epoch": 2.9415204678362574,
3527
+ "grad_norm": 0.16388275974704705,
3528
+ "learning_rate": 4.3383947939262475e-07,
3529
+ "loss": 0.6752,
3530
+ "step": 503
3531
+ },
3532
+ {
3533
+ "epoch": 2.9473684210526314,
3534
+ "grad_norm": 0.16114934023396965,
3535
+ "learning_rate": 3.9045553145336227e-07,
3536
+ "loss": 0.6342,
3537
+ "step": 504
3538
+ },
3539
+ {
3540
+ "epoch": 2.953216374269006,
3541
+ "grad_norm": 0.16383179577586124,
3542
+ "learning_rate": 3.4707158351409984e-07,
3543
+ "loss": 0.6357,
3544
+ "step": 505
3545
+ },
3546
+ {
3547
+ "epoch": 2.95906432748538,
3548
+ "grad_norm": 0.15975403048273223,
3549
+ "learning_rate": 3.036876355748373e-07,
3550
+ "loss": 0.6188,
3551
+ "step": 506
3552
+ },
3553
+ {
3554
+ "epoch": 2.9649122807017543,
3555
+ "grad_norm": 0.1676357353298206,
3556
+ "learning_rate": 2.6030368763557483e-07,
3557
+ "loss": 0.6311,
3558
+ "step": 507
3559
+ },
3560
+ {
3561
+ "epoch": 2.9707602339181287,
3562
+ "grad_norm": 0.15959844257029077,
3563
+ "learning_rate": 2.1691973969631237e-07,
3564
+ "loss": 0.6397,
3565
+ "step": 508
3566
+ },
3567
+ {
3568
+ "epoch": 2.976608187134503,
3569
+ "grad_norm": 0.1748528110908195,
3570
+ "learning_rate": 1.7353579175704992e-07,
3571
+ "loss": 0.6354,
3572
+ "step": 509
3573
+ },
3574
+ {
3575
+ "epoch": 2.982456140350877,
3576
+ "grad_norm": 0.16899094676604337,
3577
+ "learning_rate": 1.3015184381778741e-07,
3578
+ "loss": 0.6553,
3579
+ "step": 510
3580
+ },
3581
+ {
3582
+ "epoch": 2.9883040935672516,
3583
+ "grad_norm": 0.18419361328324801,
3584
+ "learning_rate": 8.676789587852496e-08,
3585
+ "loss": 0.6327,
3586
+ "step": 511
3587
+ },
3588
+ {
3589
+ "epoch": 2.9941520467836256,
3590
+ "grad_norm": 0.1710576834882864,
3591
+ "learning_rate": 4.338394793926248e-08,
3592
+ "loss": 0.6288,
3593
+ "step": 512
3594
+ },
3595
+ {
3596
+ "epoch": 3.0,
3597
+ "grad_norm": 0.1608724141438565,
3598
+ "learning_rate": 0.0,
3599
+ "loss": 0.6311,
3600
+ "step": 513
3601
+ },
3602
+ {
3603
+ "epoch": 3.0,
3604
+ "step": 513,
3605
+ "total_flos": 233827146399744.0,
3606
+ "train_loss": 0.7522663490349322,
3607
+ "train_runtime": 28313.6625,
3608
+ "train_samples_per_second": 0.289,
3609
+ "train_steps_per_second": 0.018
3610
+ }
3611
+ ],
3612
+ "logging_steps": 1,
3613
+ "max_steps": 513,
3614
+ "num_input_tokens_seen": 0,
3615
+ "num_train_epochs": 3,
3616
+ "save_steps": 150,
3617
+ "stateful_callbacks": {
3618
+ "TrainerControl": {
3619
+ "args": {
3620
+ "should_epoch_stop": false,
3621
+ "should_evaluate": false,
3622
+ "should_log": false,
3623
+ "should_save": true,
3624
+ "should_training_stop": true
3625
+ },
3626
+ "attributes": {}
3627
+ }
3628
+ },
3629
+ "total_flos": 233827146399744.0,
3630
+ "train_batch_size": 4,
3631
+ "trial_name": null,
3632
+ "trial_params": null
3633
+ }