{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.16666666666666666,
  "eval_steps": 500,
  "global_step": 10000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.00016666666666666666,
      "grad_norm": 79.5,
      "learning_rate": 1.5000000000000002e-07,
      "loss": 0.9186,
      "step": 10
    },
    {
      "epoch": 0.0003333333333333333,
      "grad_norm": 138.0,
      "learning_rate": 3.166666666666667e-07,
      "loss": 0.9982,
      "step": 20
    },
    {
      "epoch": 0.0005,
      "grad_norm": 79.0,
      "learning_rate": 4.833333333333334e-07,
      "loss": 0.9153,
      "step": 30
    },
    {
      "epoch": 0.0006666666666666666,
      "grad_norm": 77.0,
      "learning_rate": 6.5e-07,
      "loss": 0.8708,
      "step": 40
    },
    {
      "epoch": 0.0008333333333333334,
      "grad_norm": 71.5,
      "learning_rate": 8.166666666666668e-07,
      "loss": 0.8922,
      "step": 50
    },
    {
      "epoch": 0.001,
      "grad_norm": 137.0,
      "learning_rate": 9.833333333333334e-07,
      "loss": 0.988,
      "step": 60
    },
    {
      "epoch": 0.0011666666666666668,
      "grad_norm": 77.5,
      "learning_rate": 1.1500000000000002e-06,
      "loss": 1.111,
      "step": 70
    },
    {
      "epoch": 0.0013333333333333333,
      "grad_norm": 87.0,
      "learning_rate": 1.3166666666666666e-06,
      "loss": 0.9795,
      "step": 80
    },
    {
      "epoch": 0.0015,
      "grad_norm": 94.5,
      "learning_rate": 1.4833333333333337e-06,
      "loss": 0.9615,
      "step": 90
    },
    {
      "epoch": 0.0016666666666666668,
      "grad_norm": 87.0,
      "learning_rate": 1.6500000000000003e-06,
      "loss": 0.963,
      "step": 100
    },
    {
      "epoch": 0.0018333333333333333,
      "grad_norm": 78.0,
      "learning_rate": 1.816666666666667e-06,
      "loss": 0.9954,
      "step": 110
    },
    {
      "epoch": 0.002,
      "grad_norm": 99.0,
      "learning_rate": 1.9833333333333335e-06,
      "loss": 0.9845,
      "step": 120
    },
    {
      "epoch": 0.0021666666666666666,
      "grad_norm": 90.5,
      "learning_rate": 2.15e-06,
      "loss": 0.9081,
      "step": 130
    },
    {
      "epoch": 0.0023333333333333335,
      "grad_norm": 134.0,
      "learning_rate": 2.316666666666667e-06,
      "loss": 1.131,
      "step": 140
    },
    {
      "epoch": 0.0025,
      "grad_norm": 88.5,
      "learning_rate": 2.4833333333333334e-06,
      "loss": 0.9688,
      "step": 150
    },
    {
      "epoch": 0.0026666666666666666,
      "grad_norm": 14.25,
      "learning_rate": 2.6500000000000005e-06,
      "loss": 0.8749,
      "step": 160
    },
    {
      "epoch": 0.0028333333333333335,
      "grad_norm": 78.0,
      "learning_rate": 2.816666666666667e-06,
      "loss": 0.8338,
      "step": 170
    },
    {
      "epoch": 0.003,
      "grad_norm": 86.0,
      "learning_rate": 2.9833333333333337e-06,
      "loss": 1.0068,
      "step": 180
    },
    {
      "epoch": 0.0031666666666666666,
      "grad_norm": 88.0,
      "learning_rate": 3.1500000000000003e-06,
      "loss": 0.9065,
      "step": 190
    },
    {
      "epoch": 0.0033333333333333335,
      "grad_norm": 1.703125,
      "learning_rate": 3.316666666666667e-06,
      "loss": 1.0106,
      "step": 200
    },
    {
      "epoch": 0.0035,
      "grad_norm": 89.5,
      "learning_rate": 3.4833333333333336e-06,
      "loss": 0.9556,
      "step": 210
    },
    {
      "epoch": 0.0036666666666666666,
      "grad_norm": 80.5,
      "learning_rate": 3.65e-06,
      "loss": 0.9967,
      "step": 220
    },
    {
      "epoch": 0.003833333333333333,
      "grad_norm": 124.0,
      "learning_rate": 3.816666666666667e-06,
      "loss": 0.9259,
      "step": 230
    },
    {
      "epoch": 0.004,
      "grad_norm": 95.5,
      "learning_rate": 3.983333333333334e-06,
      "loss": 0.9844,
      "step": 240
    },
    {
      "epoch": 0.004166666666666667,
      "grad_norm": 95.0,
      "learning_rate": 4.15e-06,
      "loss": 0.9909,
      "step": 250
    },
    {
      "epoch": 0.004333333333333333,
      "grad_norm": 86.5,
      "learning_rate": 4.316666666666667e-06,
      "loss": 1.056,
      "step": 260
    },
    {
      "epoch": 0.0045,
      "grad_norm": 54.25,
      "learning_rate": 4.483333333333333e-06,
      "loss": 0.8905,
      "step": 270
    },
    {
      "epoch": 0.004666666666666667,
      "grad_norm": 61.0,
      "learning_rate": 4.65e-06,
      "loss": 0.9442,
      "step": 280
    },
    {
      "epoch": 0.004833333333333334,
      "grad_norm": 35.25,
      "learning_rate": 4.816666666666667e-06,
      "loss": 0.8478,
      "step": 290
    },
    {
      "epoch": 0.005,
      "grad_norm": 63.0,
      "learning_rate": 4.983333333333334e-06,
      "loss": 0.9194,
      "step": 300
    },
    {
      "epoch": 0.005166666666666667,
      "grad_norm": 69.5,
      "learning_rate": 5.150000000000001e-06,
      "loss": 0.9342,
      "step": 310
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 65.0,
      "learning_rate": 5.316666666666667e-06,
      "loss": 0.9668,
      "step": 320
    },
    {
      "epoch": 0.0055,
      "grad_norm": 56.75,
      "learning_rate": 5.483333333333334e-06,
      "loss": 0.8473,
      "step": 330
    },
    {
      "epoch": 0.005666666666666667,
      "grad_norm": 97.5,
      "learning_rate": 5.65e-06,
      "loss": 0.9025,
      "step": 340
    },
    {
      "epoch": 0.005833333333333334,
      "grad_norm": 115.5,
      "learning_rate": 5.816666666666667e-06,
      "loss": 0.7956,
      "step": 350
    },
    {
      "epoch": 0.006,
      "grad_norm": 52.0,
      "learning_rate": 5.983333333333334e-06,
      "loss": 0.6824,
      "step": 360
    },
    {
      "epoch": 0.006166666666666667,
      "grad_norm": 2.359375,
      "learning_rate": 6.15e-06,
      "loss": 0.625,
      "step": 370
    },
    {
      "epoch": 0.006333333333333333,
      "grad_norm": 48.5,
      "learning_rate": 6.3166666666666675e-06,
      "loss": 0.608,
      "step": 380
    },
    {
      "epoch": 0.0065,
      "grad_norm": 45.5,
      "learning_rate": 6.483333333333334e-06,
      "loss": 0.5668,
      "step": 390
    },
    {
      "epoch": 0.006666666666666667,
      "grad_norm": 1.890625,
      "learning_rate": 6.650000000000001e-06,
      "loss": 0.5183,
      "step": 400
    },
    {
      "epoch": 0.006833333333333334,
      "grad_norm": 34.75,
      "learning_rate": 6.816666666666667e-06,
      "loss": 0.489,
      "step": 410
    },
    {
      "epoch": 0.007,
      "grad_norm": 37.0,
      "learning_rate": 6.983333333333334e-06,
      "loss": 0.4271,
      "step": 420
    },
    {
      "epoch": 0.007166666666666667,
      "grad_norm": 14.8125,
      "learning_rate": 7.15e-06,
      "loss": 0.3947,
      "step": 430
    },
    {
      "epoch": 0.007333333333333333,
      "grad_norm": 46.0,
      "learning_rate": 7.316666666666667e-06,
      "loss": 0.4865,
      "step": 440
    },
    {
      "epoch": 0.0075,
      "grad_norm": 26.0,
      "learning_rate": 7.483333333333333e-06,
      "loss": 0.4608,
      "step": 450
    },
    {
      "epoch": 0.007666666666666666,
      "grad_norm": 37.0,
      "learning_rate": 7.650000000000001e-06,
      "loss": 0.4195,
      "step": 460
    },
    {
      "epoch": 0.007833333333333333,
      "grad_norm": 16.5,
      "learning_rate": 7.816666666666667e-06,
      "loss": 0.4194,
      "step": 470
    },
    {
      "epoch": 0.008,
      "grad_norm": 32.5,
      "learning_rate": 7.983333333333334e-06,
      "loss": 0.4955,
      "step": 480
    },
    {
      "epoch": 0.008166666666666666,
      "grad_norm": 26.25,
      "learning_rate": 8.15e-06,
      "loss": 0.4217,
      "step": 490
    },
    {
      "epoch": 0.008333333333333333,
      "grad_norm": 21.5,
      "learning_rate": 8.316666666666668e-06,
      "loss": 0.373,
      "step": 500
    },
    {
      "epoch": 0.0085,
      "grad_norm": 17.125,
      "learning_rate": 8.483333333333334e-06,
      "loss": 0.3975,
      "step": 510
    },
    {
      "epoch": 0.008666666666666666,
      "grad_norm": 65.5,
      "learning_rate": 8.65e-06,
      "loss": 0.4535,
      "step": 520
    },
    {
      "epoch": 0.008833333333333334,
      "grad_norm": 40.75,
      "learning_rate": 8.816666666666668e-06,
      "loss": 0.3229,
      "step": 530
    },
    {
      "epoch": 0.009,
      "grad_norm": 41.75,
      "learning_rate": 8.983333333333334e-06,
      "loss": 0.3417,
      "step": 540
    },
    {
      "epoch": 0.009166666666666667,
      "grad_norm": 4.46875,
      "learning_rate": 9.15e-06,
      "loss": 0.3646,
      "step": 550
    },
    {
      "epoch": 0.009333333333333334,
      "grad_norm": 40.0,
      "learning_rate": 9.316666666666667e-06,
      "loss": 0.4597,
      "step": 560
    },
    {
      "epoch": 0.0095,
      "grad_norm": 25.25,
      "learning_rate": 9.483333333333335e-06,
      "loss": 0.3785,
      "step": 570
    },
    {
      "epoch": 0.009666666666666667,
      "grad_norm": 51.5,
      "learning_rate": 9.65e-06,
      "loss": 0.4106,
      "step": 580
    },
    {
      "epoch": 0.009833333333333333,
      "grad_norm": 29.5,
      "learning_rate": 9.816666666666667e-06,
      "loss": 0.4153,
      "step": 590
    },
    {
      "epoch": 0.01,
      "grad_norm": 17.375,
      "learning_rate": 9.983333333333333e-06,
      "loss": 0.3698,
      "step": 600
    },
    {
      "epoch": 0.010166666666666666,
      "grad_norm": 19.75,
      "learning_rate": 1.015e-05,
      "loss": 0.3843,
      "step": 610
    },
    {
      "epoch": 0.010333333333333333,
      "grad_norm": 24.25,
      "learning_rate": 1.0316666666666669e-05,
      "loss": 0.3957,
      "step": 620
    },
    {
      "epoch": 0.0105,
      "grad_norm": 34.5,
      "learning_rate": 1.0483333333333333e-05,
      "loss": 0.3446,
      "step": 630
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 2.046875,
      "learning_rate": 1.065e-05,
      "loss": 0.3148,
      "step": 640
    },
    {
      "epoch": 0.010833333333333334,
      "grad_norm": 60.0,
      "learning_rate": 1.081666666666667e-05,
      "loss": 0.3773,
      "step": 650
    },
    {
      "epoch": 0.011,
      "grad_norm": 31.25,
      "learning_rate": 1.0983333333333335e-05,
      "loss": 0.363,
      "step": 660
    },
    {
      "epoch": 0.011166666666666667,
      "grad_norm": 7.84375,
      "learning_rate": 1.1150000000000002e-05,
      "loss": 0.3966,
      "step": 670
    },
    {
      "epoch": 0.011333333333333334,
      "grad_norm": 37.75,
      "learning_rate": 1.1316666666666666e-05,
      "loss": 0.4126,
      "step": 680
    },
    {
      "epoch": 0.0115,
      "grad_norm": 22.875,
      "learning_rate": 1.1483333333333336e-05,
      "loss": 0.367,
      "step": 690
    },
    {
      "epoch": 0.011666666666666667,
      "grad_norm": 14.4375,
      "learning_rate": 1.1650000000000002e-05,
      "loss": 0.3754,
      "step": 700
    },
    {
      "epoch": 0.011833333333333333,
      "grad_norm": 22.625,
      "learning_rate": 1.1816666666666668e-05,
      "loss": 0.3334,
      "step": 710
    },
    {
      "epoch": 0.012,
      "grad_norm": 51.75,
      "learning_rate": 1.1983333333333333e-05,
      "loss": 0.3389,
      "step": 720
    },
    {
      "epoch": 0.012166666666666666,
      "grad_norm": 23.625,
      "learning_rate": 1.2150000000000002e-05,
      "loss": 0.4041,
      "step": 730
    },
    {
      "epoch": 0.012333333333333333,
      "grad_norm": 86.5,
      "learning_rate": 1.2316666666666668e-05,
      "loss": 0.3687,
      "step": 740
    },
    {
      "epoch": 0.0125,
      "grad_norm": 111.5,
      "learning_rate": 1.2483333333333335e-05,
      "loss": 0.4112,
      "step": 750
    },
    {
      "epoch": 0.012666666666666666,
      "grad_norm": 30.75,
      "learning_rate": 1.2650000000000001e-05,
      "loss": 0.3658,
      "step": 760
    },
    {
      "epoch": 0.012833333333333334,
      "grad_norm": 13.125,
      "learning_rate": 1.2816666666666669e-05,
      "loss": 0.3687,
      "step": 770
    },
    {
      "epoch": 0.013,
      "grad_norm": 30.5,
      "learning_rate": 1.2983333333333335e-05,
      "loss": 0.3738,
      "step": 780
    },
    {
      "epoch": 0.013166666666666667,
      "grad_norm": 29.75,
      "learning_rate": 1.3150000000000001e-05,
      "loss": 0.393,
      "step": 790
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 25.75,
      "learning_rate": 1.3316666666666669e-05,
      "loss": 0.4105,
      "step": 800
    },
    {
      "epoch": 0.0135,
      "grad_norm": 14.4375,
      "learning_rate": 1.3483333333333335e-05,
      "loss": 0.3198,
      "step": 810
    },
    {
      "epoch": 0.013666666666666667,
      "grad_norm": 35.0,
      "learning_rate": 1.3650000000000001e-05,
      "loss": 0.4023,
      "step": 820
    },
    {
      "epoch": 0.013833333333333333,
      "grad_norm": 13.9375,
      "learning_rate": 1.3816666666666668e-05,
      "loss": 0.3591,
      "step": 830
    },
    {
      "epoch": 0.014,
      "grad_norm": 37.0,
      "learning_rate": 1.3983333333333336e-05,
      "loss": 0.4186,
      "step": 840
    },
    {
      "epoch": 0.014166666666666666,
      "grad_norm": 29.25,
      "learning_rate": 1.4150000000000002e-05,
      "loss": 0.3112,
      "step": 850
    },
    {
      "epoch": 0.014333333333333333,
      "grad_norm": 40.75,
      "learning_rate": 1.4316666666666668e-05,
      "loss": 0.3016,
      "step": 860
    },
    {
      "epoch": 0.0145,
      "grad_norm": 20.75,
      "learning_rate": 1.4483333333333334e-05,
      "loss": 0.354,
      "step": 870
    },
    {
      "epoch": 0.014666666666666666,
      "grad_norm": 59.5,
      "learning_rate": 1.4650000000000002e-05,
      "loss": 0.3584,
      "step": 880
    },
    {
      "epoch": 0.014833333333333334,
      "grad_norm": 5.03125,
      "learning_rate": 1.4816666666666668e-05,
      "loss": 0.3911,
      "step": 890
    },
    {
      "epoch": 0.015,
      "grad_norm": 28.75,
      "learning_rate": 1.4983333333333334e-05,
      "loss": 0.3005,
      "step": 900
    },
    {
      "epoch": 0.015166666666666667,
      "grad_norm": 56.25,
      "learning_rate": 1.515e-05,
      "loss": 0.3267,
      "step": 910
    },
    {
      "epoch": 0.015333333333333332,
      "grad_norm": 59.75,
      "learning_rate": 1.531666666666667e-05,
      "loss": 0.391,
      "step": 920
    },
    {
      "epoch": 0.0155,
      "grad_norm": 56.5,
      "learning_rate": 1.5483333333333335e-05,
      "loss": 0.3673,
      "step": 930
    },
    {
      "epoch": 0.015666666666666666,
      "grad_norm": 1.484375,
      "learning_rate": 1.565e-05,
      "loss": 0.3299,
      "step": 940
    },
    {
      "epoch": 0.015833333333333335,
      "grad_norm": 22.125,
      "learning_rate": 1.581666666666667e-05,
      "loss": 0.3215,
      "step": 950
    },
    {
      "epoch": 0.016,
      "grad_norm": 17.5,
      "learning_rate": 1.5983333333333337e-05,
      "loss": 0.3348,
      "step": 960
    },
    {
      "epoch": 0.016166666666666666,
      "grad_norm": 76.0,
      "learning_rate": 1.6150000000000003e-05,
      "loss": 0.3543,
      "step": 970
    },
    {
      "epoch": 0.01633333333333333,
      "grad_norm": 56.0,
      "learning_rate": 1.6316666666666666e-05,
      "loss": 0.3063,
      "step": 980
    },
    {
      "epoch": 0.0165,
      "grad_norm": 43.0,
      "learning_rate": 1.6483333333333335e-05,
      "loss": 0.2909,
      "step": 990
    },
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 38.25,
      "learning_rate": 1.665e-05,
      "loss": 0.2623,
      "step": 1000
    },
    {
      "epoch": 0.016833333333333332,
      "grad_norm": 2.59375,
      "learning_rate": 1.6816666666666668e-05,
      "loss": 0.3787,
      "step": 1010
    },
    {
      "epoch": 0.017,
      "grad_norm": 22.5,
      "learning_rate": 1.6983333333333334e-05,
      "loss": 0.3338,
      "step": 1020
    },
    {
      "epoch": 0.017166666666666667,
      "grad_norm": 15.0625,
      "learning_rate": 1.7150000000000004e-05,
      "loss": 0.3496,
      "step": 1030
    },
    {
      "epoch": 0.017333333333333333,
      "grad_norm": 26.5,
      "learning_rate": 1.731666666666667e-05,
      "loss": 0.3706,
      "step": 1040
    },
    {
      "epoch": 0.0175,
      "grad_norm": 29.875,
      "learning_rate": 1.7483333333333336e-05,
      "loss": 0.3496,
      "step": 1050
    },
    {
      "epoch": 0.017666666666666667,
      "grad_norm": 22.75,
      "learning_rate": 1.7650000000000002e-05,
      "loss": 0.3383,
      "step": 1060
    },
    {
      "epoch": 0.017833333333333333,
      "grad_norm": 31.125,
      "learning_rate": 1.781666666666667e-05,
      "loss": 0.3426,
      "step": 1070
    },
    {
      "epoch": 0.018,
      "grad_norm": 73.5,
      "learning_rate": 1.7983333333333335e-05,
      "loss": 0.3043,
      "step": 1080
    },
    {
      "epoch": 0.018166666666666668,
      "grad_norm": 36.25,
      "learning_rate": 1.815e-05,
      "loss": 0.3091,
      "step": 1090
    },
    {
      "epoch": 0.018333333333333333,
      "grad_norm": 29.25,
      "learning_rate": 1.831666666666667e-05,
      "loss": 0.3152,
      "step": 1100
    },
    {
      "epoch": 0.0185,
      "grad_norm": 9.75,
      "learning_rate": 1.8483333333333337e-05,
      "loss": 0.2925,
      "step": 1110
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 43.25,
      "learning_rate": 1.8650000000000003e-05,
      "loss": 0.3514,
      "step": 1120
    },
    {
      "epoch": 0.018833333333333334,
      "grad_norm": 49.5,
      "learning_rate": 1.881666666666667e-05,
      "loss": 0.3167,
      "step": 1130
    },
    {
      "epoch": 0.019,
      "grad_norm": 2.40625,
      "learning_rate": 1.8983333333333335e-05,
      "loss": 0.3299,
      "step": 1140
    },
    {
      "epoch": 0.019166666666666665,
      "grad_norm": 39.25,
      "learning_rate": 1.915e-05,
      "loss": 0.3261,
      "step": 1150
    },
    {
      "epoch": 0.019333333333333334,
      "grad_norm": 49.0,
      "learning_rate": 1.9316666666666668e-05,
      "loss": 0.3313,
      "step": 1160
    },
    {
      "epoch": 0.0195,
      "grad_norm": 19.0,
      "learning_rate": 1.9483333333333334e-05,
      "loss": 0.3102,
      "step": 1170
    },
    {
      "epoch": 0.019666666666666666,
      "grad_norm": 28.875,
      "learning_rate": 1.9650000000000003e-05,
      "loss": 0.3324,
      "step": 1180
    },
    {
      "epoch": 0.019833333333333335,
      "grad_norm": 85.5,
      "learning_rate": 1.981666666666667e-05,
      "loss": 0.3165,
      "step": 1190
    },
    {
      "epoch": 0.02,
      "grad_norm": 8.375,
      "learning_rate": 1.9983333333333336e-05,
      "loss": 0.2909,
      "step": 1200
    },
    {
      "epoch": 0.020166666666666666,
      "grad_norm": 27.5,
      "learning_rate": 1.9999998843887473e-05,
      "loss": 0.3214,
      "step": 1210
    },
    {
      "epoch": 0.02033333333333333,
      "grad_norm": 51.25,
      "learning_rate": 1.999999484744944e-05,
      "loss": 0.306,
      "step": 1220
    },
    {
      "epoch": 0.0205,
      "grad_norm": 49.75,
      "learning_rate": 1.9999987996414054e-05,
      "loss": 0.3228,
      "step": 1230
    },
    {
      "epoch": 0.020666666666666667,
      "grad_norm": 15.9375,
      "learning_rate": 1.9999978290783265e-05,
      "loss": 0.2511,
      "step": 1240
    },
    {
      "epoch": 0.020833333333333332,
      "grad_norm": 87.5,
      "learning_rate": 1.9999965730559848e-05,
      "loss": 0.2893,
      "step": 1250
    },
    {
      "epoch": 0.021,
      "grad_norm": 17.125,
      "learning_rate": 1.9999950315747386e-05,
      "loss": 0.2887,
      "step": 1260
    },
    {
      "epoch": 0.021166666666666667,
      "grad_norm": 25.25,
      "learning_rate": 1.9999932046350286e-05,
      "loss": 0.2601,
      "step": 1270
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 58.75,
      "learning_rate": 1.9999910922373752e-05,
      "loss": 0.2652,
      "step": 1280
    },
    {
      "epoch": 0.0215,
      "grad_norm": 13.9375,
      "learning_rate": 1.9999886943823822e-05,
      "loss": 0.2857,
      "step": 1290
    },
    {
      "epoch": 0.021666666666666667,
      "grad_norm": 22.125,
      "learning_rate": 1.999986011070734e-05,
      "loss": 0.2685,
      "step": 1300
    },
    {
      "epoch": 0.021833333333333333,
      "grad_norm": 32.0,
      "learning_rate": 1.999983042303196e-05,
      "loss": 0.2718,
      "step": 1310
    },
    {
      "epoch": 0.022,
      "grad_norm": 18.0,
      "learning_rate": 1.9999797880806163e-05,
      "loss": 0.2806,
      "step": 1320
    },
    {
      "epoch": 0.022166666666666668,
      "grad_norm": 13.1875,
      "learning_rate": 1.9999762484039238e-05,
      "loss": 0.2475,
      "step": 1330
    },
    {
      "epoch": 0.022333333333333334,
      "grad_norm": 25.5,
      "learning_rate": 1.999972423274129e-05,
      "loss": 0.2725,
      "step": 1340
    },
    {
      "epoch": 0.0225,
      "grad_norm": 29.5,
      "learning_rate": 1.999968312692323e-05,
      "loss": 0.2784,
      "step": 1350
    },
    {
      "epoch": 0.02266666666666667,
      "grad_norm": 13.625,
      "learning_rate": 1.99996391665968e-05,
      "loss": 0.2654,
      "step": 1360
    },
    {
      "epoch": 0.022833333333333334,
      "grad_norm": 34.25,
      "learning_rate": 1.999959235177455e-05,
      "loss": 0.2734,
      "step": 1370
    },
    {
      "epoch": 0.023,
      "grad_norm": 15.3125,
      "learning_rate": 1.999954268246984e-05,
      "loss": 0.2298,
      "step": 1380
    },
    {
      "epoch": 0.023166666666666665,
      "grad_norm": 19.625,
      "learning_rate": 1.9999490158696847e-05,
      "loss": 0.275,
      "step": 1390
    },
    {
      "epoch": 0.023333333333333334,
      "grad_norm": 42.0,
      "learning_rate": 1.9999434780470567e-05,
      "loss": 0.2922,
      "step": 1400
    },
    {
      "epoch": 0.0235,
      "grad_norm": 26.5,
      "learning_rate": 1.999937654780681e-05,
      "loss": 0.2663,
      "step": 1410
    },
    {
      "epoch": 0.023666666666666666,
      "grad_norm": 55.25,
      "learning_rate": 1.9999315460722197e-05,
      "loss": 0.2753,
      "step": 1420
    },
    {
      "epoch": 0.023833333333333335,
      "grad_norm": 27.375,
      "learning_rate": 1.9999251519234167e-05,
      "loss": 0.229,
      "step": 1430
    },
    {
      "epoch": 0.024,
      "grad_norm": 27.0,
      "learning_rate": 1.9999184723360973e-05,
      "loss": 0.2398,
      "step": 1440
    },
    {
      "epoch": 0.024166666666666666,
      "grad_norm": 16.25,
      "learning_rate": 1.9999115073121675e-05,
      "loss": 0.2287,
      "step": 1450
    },
    {
      "epoch": 0.024333333333333332,
      "grad_norm": 22.625,
      "learning_rate": 1.9999042568536166e-05,
      "loss": 0.2245,
      "step": 1460
    },
    {
      "epoch": 0.0245,
      "grad_norm": 42.75,
      "learning_rate": 1.999896720962514e-05,
      "loss": 0.2418,
      "step": 1470
    },
    {
      "epoch": 0.024666666666666667,
      "grad_norm": 30.75,
      "learning_rate": 1.9998888996410107e-05,
      "loss": 0.2645,
      "step": 1480
    },
    {
      "epoch": 0.024833333333333332,
      "grad_norm": 46.0,
      "learning_rate": 1.9998807928913394e-05,
      "loss": 0.2228,
      "step": 1490
    },
    {
      "epoch": 0.025,
      "grad_norm": 24.25,
      "learning_rate": 1.9998724007158144e-05,
      "loss": 0.2288,
      "step": 1500
    },
    {
      "epoch": 0.025166666666666667,
      "grad_norm": 23.0,
      "learning_rate": 1.999863723116831e-05,
      "loss": 0.2268,
      "step": 1510
    },
    {
      "epoch": 0.025333333333333333,
      "grad_norm": 19.75,
      "learning_rate": 1.9998547600968667e-05,
      "loss": 0.2499,
      "step": 1520
    },
    {
      "epoch": 0.0255,
      "grad_norm": 87.0,
      "learning_rate": 1.9998455116584797e-05,
      "loss": 0.2499,
      "step": 1530
    },
    {
      "epoch": 0.025666666666666667,
      "grad_norm": 22.875,
      "learning_rate": 1.999835977804311e-05,
      "loss": 0.2357,
      "step": 1540
    },
    {
      "epoch": 0.025833333333333333,
      "grad_norm": 35.25,
      "learning_rate": 1.9998261585370807e-05,
      "loss": 0.2454,
      "step": 1550
    },
    {
      "epoch": 0.026,
      "grad_norm": 16.875,
      "learning_rate": 1.9998160538595927e-05,
      "loss": 0.2547,
      "step": 1560
    },
    {
      "epoch": 0.026166666666666668,
      "grad_norm": 40.25,
      "learning_rate": 1.9998056637747315e-05,
      "loss": 0.2035,
      "step": 1570
    },
    {
      "epoch": 0.026333333333333334,
      "grad_norm": 45.25,
      "learning_rate": 1.9997949882854626e-05,
      "loss": 0.2325,
      "step": 1580
    },
    {
      "epoch": 0.0265,
      "grad_norm": 33.5,
      "learning_rate": 1.999784027394834e-05,
      "loss": 0.25,
      "step": 1590
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 21.25,
      "learning_rate": 1.999772781105974e-05,
      "loss": 0.2165,
      "step": 1600
    },
    {
      "epoch": 0.026833333333333334,
      "grad_norm": 2.109375,
      "learning_rate": 1.9997612494220932e-05,
      "loss": 0.2383,
      "step": 1610
    },
    {
      "epoch": 0.027,
      "grad_norm": 19.75,
      "learning_rate": 1.9997494323464837e-05,
      "loss": 0.2647,
      "step": 1620
    },
    {
      "epoch": 0.027166666666666665,
      "grad_norm": 23.0,
      "learning_rate": 1.9997373298825186e-05,
      "loss": 0.2274,
      "step": 1630
    },
    {
      "epoch": 0.027333333333333334,
      "grad_norm": 29.625,
      "learning_rate": 1.9997249420336522e-05,
      "loss": 0.2231,
      "step": 1640
    },
    {
      "epoch": 0.0275,
      "grad_norm": 39.25,
      "learning_rate": 1.9997122688034216e-05,
      "loss": 0.2441,
      "step": 1650
    },
    {
      "epoch": 0.027666666666666666,
      "grad_norm": 33.75,
      "learning_rate": 1.9996993101954438e-05,
      "loss": 0.208,
      "step": 1660
    },
    {
      "epoch": 0.027833333333333335,
      "grad_norm": 38.75,
      "learning_rate": 1.9996860662134185e-05,
      "loss": 0.2063,
      "step": 1670
    },
    {
      "epoch": 0.028,
      "grad_norm": 33.75,
      "learning_rate": 1.999672536861126e-05,
      "loss": 0.203,
      "step": 1680
    },
    {
      "epoch": 0.028166666666666666,
      "grad_norm": 19.5,
      "learning_rate": 1.9996587221424284e-05,
      "loss": 0.2493,
      "step": 1690
    },
    {
      "epoch": 0.028333333333333332,
      "grad_norm": 51.75,
      "learning_rate": 1.9996446220612692e-05,
      "loss": 0.2267,
      "step": 1700
    },
    {
      "epoch": 0.0285,
      "grad_norm": 36.25,
      "learning_rate": 1.9996302366216737e-05,
      "loss": 0.2251,
      "step": 1710
    },
    {
      "epoch": 0.028666666666666667,
      "grad_norm": 20.375,
      "learning_rate": 1.999615565827748e-05,
      "loss": 0.2228,
      "step": 1720
    },
    {
      "epoch": 0.028833333333333332,
      "grad_norm": 36.75,
      "learning_rate": 1.99960060968368e-05,
      "loss": 0.1999,
      "step": 1730
    },
    {
      "epoch": 0.029,
      "grad_norm": 22.125,
      "learning_rate": 1.9995853681937397e-05,
      "loss": 0.259,
      "step": 1740
    },
    {
      "epoch": 0.029166666666666667,
      "grad_norm": 26.125,
      "learning_rate": 1.9995698413622777e-05,
      "loss": 0.2191,
      "step": 1750
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 14.875,
      "learning_rate": 1.9995540291937255e-05,
      "loss": 0.2446,
      "step": 1760
    },
    {
      "epoch": 0.0295,
      "grad_norm": 17.5,
      "learning_rate": 1.9995379316925977e-05,
      "loss": 0.2385,
      "step": 1770
    },
    {
      "epoch": 0.029666666666666668,
      "grad_norm": 4.28125,
      "learning_rate": 1.9995215488634892e-05,
      "loss": 0.228,
      "step": 1780
    },
    {
      "epoch": 0.029833333333333333,
      "grad_norm": 6.625,
      "learning_rate": 1.9995048807110765e-05,
      "loss": 0.2354,
      "step": 1790
    },
    {
      "epoch": 0.03,
      "grad_norm": 18.375,
      "learning_rate": 1.9994879272401184e-05,
      "loss": 0.2073,
      "step": 1800
    },
    {
      "epoch": 0.030166666666666668,
      "grad_norm": 14.6875,
      "learning_rate": 1.9994706884554535e-05,
      "loss": 0.1961,
      "step": 1810
    },
    {
      "epoch": 0.030333333333333334,
      "grad_norm": 44.5,
      "learning_rate": 1.9994531643620033e-05,
      "loss": 0.2184,
      "step": 1820
    },
    {
      "epoch": 0.0305,
      "grad_norm": 45.75,
      "learning_rate": 1.9994353549647697e-05,
      "loss": 0.2101,
      "step": 1830
    },
    {
      "epoch": 0.030666666666666665,
      "grad_norm": 14.625,
      "learning_rate": 1.9994172602688376e-05,
      "loss": 0.2063,
      "step": 1840
    },
    {
      "epoch": 0.030833333333333334,
      "grad_norm": 2.6875,
      "learning_rate": 1.999398880279371e-05,
      "loss": 0.2033,
      "step": 1850
    },
    {
      "epoch": 0.031,
      "grad_norm": 24.625,
      "learning_rate": 1.9993802150016176e-05,
      "loss": 0.208,
      "step": 1860
    },
    {
      "epoch": 0.031166666666666665,
      "grad_norm": 4.5,
      "learning_rate": 1.9993612644409053e-05,
      "loss": 0.1901,
      "step": 1870
    },
    {
      "epoch": 0.03133333333333333,
      "grad_norm": 72.5,
      "learning_rate": 1.999342028602644e-05,
      "loss": 0.2063,
      "step": 1880
    },
    {
      "epoch": 0.0315,
      "grad_norm": 21.25,
      "learning_rate": 1.9993225074923244e-05,
      "loss": 0.2423,
      "step": 1890
    },
    {
      "epoch": 0.03166666666666667,
      "grad_norm": 20.0,
      "learning_rate": 1.999302701115519e-05,
      "loss": 0.1802,
      "step": 1900
    },
    {
      "epoch": 0.03183333333333333,
      "grad_norm": 14.9375,
      "learning_rate": 1.9992826094778817e-05,
      "loss": 0.2306,
      "step": 1910
    },
    {
      "epoch": 0.032,
      "grad_norm": 41.25,
      "learning_rate": 1.999262232585148e-05,
      "loss": 0.1871,
      "step": 1920
    },
    {
      "epoch": 0.03216666666666667,
      "grad_norm": 37.0,
      "learning_rate": 1.9992415704431352e-05,
      "loss": 0.2077,
      "step": 1930
    },
    {
      "epoch": 0.03233333333333333,
      "grad_norm": 38.5,
      "learning_rate": 1.9992206230577406e-05,
      "loss": 0.2191,
      "step": 1940
    },
    {
      "epoch": 0.0325,
      "grad_norm": 1.5625,
      "learning_rate": 1.999199390434944e-05,
      "loss": 0.2278,
      "step": 1950
    },
    {
      "epoch": 0.03266666666666666,
      "grad_norm": 25.0,
      "learning_rate": 1.999177872580807e-05,
      "loss": 0.2453,
      "step": 1960
    },
    {
      "epoch": 0.03283333333333333,
      "grad_norm": 50.0,
      "learning_rate": 1.9991560695014715e-05,
      "loss": 0.2155,
      "step": 1970
    },
    {
      "epoch": 0.033,
      "grad_norm": 27.375,
      "learning_rate": 1.9991339812031618e-05,
      "loss": 0.2314,
      "step": 1980
    },
    {
      "epoch": 0.033166666666666664,
      "grad_norm": 19.875,
      "learning_rate": 1.9991116076921826e-05,
      "loss": 0.1786,
      "step": 1990
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 33.75,
      "learning_rate": 1.9990889489749217e-05,
      "loss": 0.2349,
      "step": 2000
    },
    {
      "epoch": 0.0335,
      "grad_norm": 24.0,
      "learning_rate": 1.9990660050578464e-05,
      "loss": 0.196,
      "step": 2010
    },
    {
      "epoch": 0.033666666666666664,
      "grad_norm": 18.125,
      "learning_rate": 1.9990427759475068e-05,
      "loss": 0.2281,
      "step": 2020
    },
    {
      "epoch": 0.03383333333333333,
      "grad_norm": 27.125,
      "learning_rate": 1.9990192616505336e-05,
      "loss": 0.1989,
      "step": 2030
    },
    {
      "epoch": 0.034,
      "grad_norm": 34.25,
      "learning_rate": 1.998995462173639e-05,
      "loss": 0.2295,
      "step": 2040
    },
    {
      "epoch": 0.034166666666666665,
      "grad_norm": 39.75,
      "learning_rate": 1.9989713775236173e-05,
      "loss": 0.2074,
      "step": 2050
    },
    {
      "epoch": 0.034333333333333334,
      "grad_norm": 26.75,
      "learning_rate": 1.9989470077073432e-05,
      "loss": 0.2397,
      "step": 2060
    },
    {
      "epoch": 0.0345,
      "grad_norm": 1.8359375,
      "learning_rate": 1.9989223527317737e-05,
      "loss": 0.2197,
      "step": 2070
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 17.875,
      "learning_rate": 1.998897412603946e-05,
      "loss": 0.2277,
      "step": 2080
    },
    {
      "epoch": 0.034833333333333334,
      "grad_norm": 22.5,
      "learning_rate": 1.9988721873309808e-05,
      "loss": 0.2221,
      "step": 2090
    },
    {
      "epoch": 0.035,
      "grad_norm": 45.75,
      "learning_rate": 1.9988466769200784e-05,
      "loss": 0.2285,
      "step": 2100
    },
    {
      "epoch": 0.035166666666666666,
      "grad_norm": 13.6875,
      "learning_rate": 1.9988208813785205e-05,
      "loss": 0.2167,
      "step": 2110
    },
    {
      "epoch": 0.035333333333333335,
      "grad_norm": 10.5625,
      "learning_rate": 1.9987948007136707e-05,
      "loss": 0.2209,
      "step": 2120
    },
    {
      "epoch": 0.0355,
      "grad_norm": 52.75,
      "learning_rate": 1.9987684349329748e-05,
      "loss": 0.2451,
      "step": 2130
    },
    {
      "epoch": 0.035666666666666666,
      "grad_norm": 23.125,
      "learning_rate": 1.9987417840439583e-05,
      "loss": 0.2247,
      "step": 2140
    },
    {
      "epoch": 0.035833333333333335,
      "grad_norm": 11.125,
      "learning_rate": 1.9987148480542298e-05,
      "loss": 0.201,
      "step": 2150
    },
    {
      "epoch": 0.036,
      "grad_norm": 3.46875,
      "learning_rate": 1.9986876269714773e-05,
      "loss": 0.1788,
      "step": 2160
    },
    {
      "epoch": 0.036166666666666666,
      "grad_norm": 31.0,
      "learning_rate": 1.998660120803473e-05,
      "loss": 0.1926,
      "step": 2170
    },
    {
      "epoch": 0.036333333333333336,
      "grad_norm": 23.25,
      "learning_rate": 1.998632329558067e-05,
      "loss": 0.1977,
      "step": 2180
    },
    {
      "epoch": 0.0365,
      "grad_norm": 72.0,
      "learning_rate": 1.9986042532431934e-05,
      "loss": 0.2519,
      "step": 2190
    },
    {
      "epoch": 0.03666666666666667,
      "grad_norm": 36.75,
      "learning_rate": 1.9985758918668674e-05,
      "loss": 0.2138,
      "step": 2200
    },
    {
      "epoch": 0.036833333333333336,
      "grad_norm": 2.5,
      "learning_rate": 1.998547245437184e-05,
      "loss": 0.2285,
      "step": 2210
    },
    {
      "epoch": 0.037,
      "grad_norm": 28.625,
      "learning_rate": 1.9985183139623213e-05,
      "loss": 0.2048,
      "step": 2220
    },
    {
      "epoch": 0.03716666666666667,
      "grad_norm": 3.796875,
      "learning_rate": 1.9984890974505383e-05,
      "loss": 0.2055,
      "step": 2230
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 15.8125,
      "learning_rate": 1.9984595959101743e-05,
      "loss": 0.2026,
      "step": 2240
    },
    {
      "epoch": 0.0375,
      "grad_norm": 36.0,
      "learning_rate": 1.9984298093496512e-05,
      "loss": 0.2429,
      "step": 2250
    },
    {
      "epoch": 0.03766666666666667,
      "grad_norm": 28.875,
      "learning_rate": 1.9983997377774718e-05,
      "loss": 0.2344,
      "step": 2260
    },
    {
      "epoch": 0.03783333333333333,
      "grad_norm": 17.5,
      "learning_rate": 1.9983693812022206e-05,
      "loss": 0.1871,
      "step": 2270
    },
    {
      "epoch": 0.038,
      "grad_norm": 23.25,
      "learning_rate": 1.9983387396325632e-05,
      "loss": 0.2036,
      "step": 2280
    },
    {
      "epoch": 0.03816666666666667,
      "grad_norm": 39.75,
      "learning_rate": 1.9983078130772463e-05,
      "loss": 0.2093,
      "step": 2290
    },
    {
      "epoch": 0.03833333333333333,
      "grad_norm": 37.0,
      "learning_rate": 1.9982766015450977e-05,
      "loss": 0.2252,
      "step": 2300
    },
    {
      "epoch": 0.0385,
      "grad_norm": 10.1875,
      "learning_rate": 1.998245105045028e-05,
      "loss": 0.2031,
      "step": 2310
    },
    {
      "epoch": 0.03866666666666667,
      "grad_norm": 11.0,
      "learning_rate": 1.9982133235860278e-05,
      "loss": 0.2151,
      "step": 2320
    },
    {
      "epoch": 0.03883333333333333,
      "grad_norm": 19.125,
      "learning_rate": 1.9981812571771693e-05,
      "loss": 0.1842,
      "step": 2330
    },
    {
      "epoch": 0.039,
      "grad_norm": 9.875,
      "learning_rate": 1.9981489058276065e-05,
      "loss": 0.2303,
      "step": 2340
    },
    {
      "epoch": 0.03916666666666667,
      "grad_norm": 22.375,
      "learning_rate": 1.998116269546574e-05,
      "loss": 0.2136,
      "step": 2350
    },
    {
      "epoch": 0.03933333333333333,
      "grad_norm": 36.0,
      "learning_rate": 1.9980833483433884e-05,
      "loss": 0.2071,
      "step": 2360
    },
    {
      "epoch": 0.0395,
      "grad_norm": 62.75,
      "learning_rate": 1.9980501422274475e-05,
      "loss": 0.19,
      "step": 2370
    },
    {
      "epoch": 0.03966666666666667,
      "grad_norm": 42.25,
      "learning_rate": 1.99801665120823e-05,
      "loss": 0.2038,
      "step": 2380
    },
    {
      "epoch": 0.03983333333333333,
      "grad_norm": 63.75,
      "learning_rate": 1.997982875295296e-05,
      "loss": 0.2099,
      "step": 2390
    },
    {
      "epoch": 0.04,
      "grad_norm": 22.0,
      "learning_rate": 1.9979488144982877e-05,
      "loss": 0.1951,
      "step": 2400
    },
    {
      "epoch": 0.04016666666666667,
      "grad_norm": 27.375,
      "learning_rate": 1.9979144688269283e-05,
      "loss": 0.2033,
      "step": 2410
    },
    {
      "epoch": 0.04033333333333333,
      "grad_norm": 20.375,
      "learning_rate": 1.9978798382910213e-05,
      "loss": 0.199,
      "step": 2420
    },
    {
      "epoch": 0.0405,
      "grad_norm": 39.0,
      "learning_rate": 1.997844922900453e-05,
      "loss": 0.1882,
      "step": 2430
    },
    {
      "epoch": 0.04066666666666666,
      "grad_norm": 15.25,
      "learning_rate": 1.99780972266519e-05,
      "loss": 0.2002,
      "step": 2440
    },
    {
      "epoch": 0.04083333333333333,
      "grad_norm": 40.75,
      "learning_rate": 1.9977742375952807e-05,
      "loss": 0.2445,
      "step": 2450
    },
    {
      "epoch": 0.041,
      "grad_norm": 24.0,
      "learning_rate": 1.9977384677008548e-05,
      "loss": 0.2219,
      "step": 2460
    },
    {
      "epoch": 0.041166666666666664,
      "grad_norm": 24.0,
      "learning_rate": 1.997702412992123e-05,
      "loss": 0.1997,
      "step": 2470
    },
    {
      "epoch": 0.04133333333333333,
      "grad_norm": 14.25,
      "learning_rate": 1.9976660734793772e-05,
      "loss": 0.1994,
      "step": 2480
    },
    {
      "epoch": 0.0415,
      "grad_norm": 14.0625,
      "learning_rate": 1.9976294491729915e-05,
      "loss": 0.2429,
      "step": 2490
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 25.5,
      "learning_rate": 1.9975925400834203e-05,
      "loss": 0.199,
      "step": 2500
    },
    {
      "epoch": 0.041833333333333333,
      "grad_norm": 19.0,
      "learning_rate": 1.9975553462211995e-05,
      "loss": 0.2076,
      "step": 2510
    },
    {
      "epoch": 0.042,
      "grad_norm": 20.75,
      "learning_rate": 1.9975178675969468e-05,
      "loss": 0.2112,
      "step": 2520
    },
    {
      "epoch": 0.042166666666666665,
      "grad_norm": 13.375,
      "learning_rate": 1.9974801042213605e-05,
      "loss": 0.2183,
      "step": 2530
    },
    {
      "epoch": 0.042333333333333334,
      "grad_norm": 32.25,
      "learning_rate": 1.9974420561052206e-05,
      "loss": 0.2146,
      "step": 2540
    },
    {
      "epoch": 0.0425,
      "grad_norm": 38.5,
      "learning_rate": 1.997403723259389e-05,
      "loss": 0.2438,
      "step": 2550
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 31.375,
      "learning_rate": 1.997365105694807e-05,
      "loss": 0.2102,
      "step": 2560
    },
    {
      "epoch": 0.042833333333333334,
      "grad_norm": 41.0,
      "learning_rate": 1.9973262034224993e-05,
      "loss": 0.214,
      "step": 2570
    },
    {
      "epoch": 0.043,
      "grad_norm": 34.5,
      "learning_rate": 1.9972870164535704e-05,
      "loss": 0.2055,
      "step": 2580
    },
    {
      "epoch": 0.043166666666666666,
      "grad_norm": 20.0,
      "learning_rate": 1.997247544799207e-05,
      "loss": 0.206,
      "step": 2590
    },
    {
      "epoch": 0.043333333333333335,
      "grad_norm": 27.375,
      "learning_rate": 1.9972077884706766e-05,
      "loss": 0.1892,
      "step": 2600
    },
    {
      "epoch": 0.0435,
      "grad_norm": 42.25,
      "learning_rate": 1.9971677474793278e-05,
      "loss": 0.1976,
      "step": 2610
    },
    {
      "epoch": 0.043666666666666666,
      "grad_norm": 13.3125,
      "learning_rate": 1.9971274218365906e-05,
      "loss": 0.2117,
      "step": 2620
    },
    {
      "epoch": 0.043833333333333335,
      "grad_norm": 6.625,
      "learning_rate": 1.9970868115539768e-05,
      "loss": 0.2168,
      "step": 2630
    },
    {
      "epoch": 0.044,
      "grad_norm": 34.75,
      "learning_rate": 1.997045916643079e-05,
      "loss": 0.2062,
      "step": 2640
    },
    {
      "epoch": 0.04416666666666667,
      "grad_norm": 70.0,
      "learning_rate": 1.9970047371155704e-05,
      "loss": 0.2147,
      "step": 2650
    },
    {
      "epoch": 0.044333333333333336,
      "grad_norm": 27.125,
      "learning_rate": 1.9969632729832068e-05,
      "loss": 0.2276,
      "step": 2660
    },
    {
      "epoch": 0.0445,
      "grad_norm": 17.375,
      "learning_rate": 1.9969215242578245e-05,
      "loss": 0.1923,
      "step": 2670
    },
    {
      "epoch": 0.04466666666666667,
      "grad_norm": 12.0625,
      "learning_rate": 1.9968794909513406e-05,
      "loss": 0.226,
      "step": 2680
    },
    {
      "epoch": 0.044833333333333336,
      "grad_norm": 10.6875,
      "learning_rate": 1.996837173075754e-05,
      "loss": 0.1967,
      "step": 2690
    },
    {
      "epoch": 0.045,
      "grad_norm": 13.0,
      "learning_rate": 1.9967945706431453e-05,
      "loss": 0.2247,
      "step": 2700
    },
    {
      "epoch": 0.04516666666666667,
      "grad_norm": 31.125,
      "learning_rate": 1.9967516836656755e-05,
      "loss": 0.2084,
      "step": 2710
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 61.75,
      "learning_rate": 1.9967085121555868e-05,
      "loss": 0.1867,
      "step": 2720
    },
    {
      "epoch": 0.0455,
      "grad_norm": 6.71875,
      "learning_rate": 1.9966650561252033e-05,
      "loss": 0.1813,
      "step": 2730
    },
    {
      "epoch": 0.04566666666666667,
      "grad_norm": 63.75,
      "learning_rate": 1.9966213155869303e-05,
      "loss": 0.1956,
      "step": 2740
    },
    {
      "epoch": 0.04583333333333333,
      "grad_norm": 38.0,
      "learning_rate": 1.996577290553253e-05,
      "loss": 0.1899,
      "step": 2750
    },
    {
      "epoch": 0.046,
      "grad_norm": 22.5,
      "learning_rate": 1.9965329810367394e-05,
      "loss": 0.1975,
      "step": 2760
    },
    {
      "epoch": 0.04616666666666667,
      "grad_norm": 8.75,
      "learning_rate": 1.996488387050038e-05,
      "loss": 0.188,
      "step": 2770
    },
    {
      "epoch": 0.04633333333333333,
      "grad_norm": 4.1875,
      "learning_rate": 1.9964435086058785e-05,
      "loss": 0.1986,
      "step": 2780
    },
    {
      "epoch": 0.0465,
      "grad_norm": 15.0,
      "learning_rate": 1.996398345717072e-05,
      "loss": 0.2072,
      "step": 2790
    },
    {
      "epoch": 0.04666666666666667,
      "grad_norm": 14.1875,
      "learning_rate": 1.996352898396511e-05,
      "loss": 0.1998,
      "step": 2800
    },
    {
      "epoch": 0.04683333333333333,
      "grad_norm": 10.5,
      "learning_rate": 1.9963071666571683e-05,
      "loss": 0.2045,
      "step": 2810
    },
    {
      "epoch": 0.047,
      "grad_norm": 37.5,
      "learning_rate": 1.9962611505120984e-05,
      "loss": 0.1859,
      "step": 2820
    },
    {
      "epoch": 0.04716666666666667,
      "grad_norm": 24.5,
      "learning_rate": 1.996214849974438e-05,
      "loss": 0.2235,
      "step": 2830
    },
    {
      "epoch": 0.04733333333333333,
      "grad_norm": 31.5,
      "learning_rate": 1.9961682650574033e-05,
      "loss": 0.1815,
      "step": 2840
    },
    {
      "epoch": 0.0475,
      "grad_norm": 42.75,
      "learning_rate": 1.9961213957742925e-05,
      "loss": 0.2075,
      "step": 2850
    },
    {
      "epoch": 0.04766666666666667,
      "grad_norm": 23.625,
      "learning_rate": 1.9960742421384846e-05,
      "loss": 0.2138,
      "step": 2860
    },
    {
      "epoch": 0.04783333333333333,
      "grad_norm": 12.3125,
      "learning_rate": 1.996026804163441e-05,
      "loss": 0.2043,
      "step": 2870
    },
    {
      "epoch": 0.048,
      "grad_norm": 12.125,
      "learning_rate": 1.9959790818627024e-05,
      "loss": 0.2113,
      "step": 2880
    },
    {
      "epoch": 0.04816666666666667,
      "grad_norm": 51.5,
      "learning_rate": 1.995931075249892e-05,
      "loss": 0.1773,
      "step": 2890
    },
    {
      "epoch": 0.04833333333333333,
      "grad_norm": 1.4140625,
      "learning_rate": 1.995882784338714e-05,
      "loss": 0.2047,
      "step": 2900
    },
    {
      "epoch": 0.0485,
      "grad_norm": 37.0,
      "learning_rate": 1.9958342091429532e-05,
      "loss": 0.2121,
      "step": 2910
    },
    {
      "epoch": 0.048666666666666664,
      "grad_norm": 30.875,
      "learning_rate": 1.9957853496764758e-05,
      "loss": 0.2077,
      "step": 2920
    },
    {
      "epoch": 0.04883333333333333,
      "grad_norm": 25.625,
      "learning_rate": 1.9957362059532294e-05,
      "loss": 0.209,
      "step": 2930
    },
    {
      "epoch": 0.049,
      "grad_norm": 15.1875,
      "learning_rate": 1.9956867779872425e-05,
      "loss": 0.1788,
      "step": 2940
    },
    {
      "epoch": 0.049166666666666664,
      "grad_norm": 21.0,
      "learning_rate": 1.9956370657926247e-05,
      "loss": 0.1907,
      "step": 2950
    },
    {
      "epoch": 0.04933333333333333,
      "grad_norm": 25.0,
      "learning_rate": 1.995587069383567e-05,
      "loss": 0.1808,
      "step": 2960
    },
    {
      "epoch": 0.0495,
      "grad_norm": 90.0,
      "learning_rate": 1.9955367887743416e-05,
      "loss": 0.179,
      "step": 2970
    },
    {
      "epoch": 0.049666666666666665,
      "grad_norm": 46.25,
      "learning_rate": 1.9954862239793012e-05,
      "loss": 0.2158,
      "step": 2980
    },
    {
      "epoch": 0.049833333333333334,
      "grad_norm": 16.5,
      "learning_rate": 1.9954353750128798e-05,
      "loss": 0.1854,
      "step": 2990
    },
    {
      "epoch": 0.05,
      "grad_norm": 13.0625,
      "learning_rate": 1.9953842418895936e-05,
      "loss": 0.1907,
      "step": 3000
    },
    {
      "epoch": 0.050166666666666665,
      "grad_norm": 33.5,
      "learning_rate": 1.995332824624038e-05,
      "loss": 0.2115,
      "step": 3010
    },
    {
      "epoch": 0.050333333333333334,
      "grad_norm": 25.625,
      "learning_rate": 1.9952811232308913e-05,
      "loss": 0.1763,
      "step": 3020
    },
    {
      "epoch": 0.0505,
      "grad_norm": 17.25,
      "learning_rate": 1.995229137724912e-05,
      "loss": 0.2001,
      "step": 3030
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 12.6875,
      "learning_rate": 1.99517686812094e-05,
      "loss": 0.2043,
      "step": 3040
    },
    {
      "epoch": 0.050833333333333335,
      "grad_norm": 42.0,
      "learning_rate": 1.9951243144338955e-05,
      "loss": 0.1946,
      "step": 3050
    },
    {
      "epoch": 0.051,
      "grad_norm": 23.625,
      "learning_rate": 1.9950714766787814e-05,
      "loss": 0.1915,
      "step": 3060
    },
    {
      "epoch": 0.051166666666666666,
      "grad_norm": 15.0,
      "learning_rate": 1.9950183548706806e-05,
      "loss": 0.219,
      "step": 3070
    },
    {
      "epoch": 0.051333333333333335,
      "grad_norm": 11.5,
      "learning_rate": 1.9949649490247566e-05,
      "loss": 0.2163,
      "step": 3080
    },
    {
      "epoch": 0.0515,
      "grad_norm": 33.5,
      "learning_rate": 1.994911259156255e-05,
      "loss": 0.2116,
      "step": 3090
    },
    {
      "epoch": 0.051666666666666666,
      "grad_norm": 6.625,
      "learning_rate": 1.9948572852805024e-05,
      "loss": 0.2106,
      "step": 3100
    },
    {
      "epoch": 0.051833333333333335,
      "grad_norm": 7.21875,
      "learning_rate": 1.9948030274129055e-05,
      "loss": 0.1915,
      "step": 3110
    },
    {
      "epoch": 0.052,
      "grad_norm": 9.6875,
      "learning_rate": 1.9947484855689537e-05,
      "loss": 0.1877,
      "step": 3120
    },
    {
      "epoch": 0.05216666666666667,
      "grad_norm": 35.25,
      "learning_rate": 1.9946936597642154e-05,
      "loss": 0.172,
      "step": 3130
    },
    {
      "epoch": 0.052333333333333336,
      "grad_norm": 12.8125,
      "learning_rate": 1.994638550014342e-05,
      "loss": 0.1824,
      "step": 3140
    },
    {
      "epoch": 0.0525,
      "grad_norm": 22.75,
      "learning_rate": 1.9945831563350652e-05,
      "loss": 0.2273,
      "step": 3150
    },
    {
      "epoch": 0.05266666666666667,
      "grad_norm": 55.75,
      "learning_rate": 1.9945274787421966e-05,
      "loss": 0.1924,
      "step": 3160
    },
    {
      "epoch": 0.052833333333333336,
      "grad_norm": 11.875,
      "learning_rate": 1.9944715172516308e-05,
      "loss": 0.1909,
      "step": 3170
    },
    {
      "epoch": 0.053,
      "grad_norm": 25.625,
      "learning_rate": 1.994415271879343e-05,
      "loss": 0.1927,
      "step": 3180
    },
    {
      "epoch": 0.05316666666666667,
      "grad_norm": 10.375,
      "learning_rate": 1.9943587426413876e-05,
      "loss": 0.2408,
      "step": 3190
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 29.375,
      "learning_rate": 1.9943019295539025e-05,
      "loss": 0.1958,
      "step": 3200
    },
    {
      "epoch": 0.0535,
      "grad_norm": 47.75,
      "learning_rate": 1.9942448326331053e-05,
      "loss": 0.2024,
      "step": 3210
    },
    {
      "epoch": 0.05366666666666667,
      "grad_norm": 26.25,
      "learning_rate": 1.994187451895295e-05,
      "loss": 0.1912,
      "step": 3220
    },
    {
      "epoch": 0.05383333333333333,
      "grad_norm": 8.8125,
      "learning_rate": 1.9941297873568514e-05,
      "loss": 0.1914,
      "step": 3230
    },
    {
      "epoch": 0.054,
      "grad_norm": 26.0,
      "learning_rate": 1.9940718390342357e-05,
      "loss": 0.1926,
      "step": 3240
    },
    {
      "epoch": 0.05416666666666667,
      "grad_norm": 25.5,
      "learning_rate": 1.9940136069439887e-05,
      "loss": 0.1966,
      "step": 3250
    },
    {
      "epoch": 0.05433333333333333,
      "grad_norm": 28.5,
      "learning_rate": 1.9939550911027345e-05,
      "loss": 0.2099,
      "step": 3260
    },
    {
      "epoch": 0.0545,
      "grad_norm": 18.75,
      "learning_rate": 1.9938962915271767e-05,
      "loss": 0.1948,
      "step": 3270
    },
    {
      "epoch": 0.05466666666666667,
      "grad_norm": 35.75,
      "learning_rate": 1.9938372082341e-05,
      "loss": 0.1829,
      "step": 3280
    },
    {
      "epoch": 0.05483333333333333,
      "grad_norm": 7.71875,
      "learning_rate": 1.9937778412403707e-05,
      "loss": 0.1899,
      "step": 3290
    },
    {
      "epoch": 0.055,
      "grad_norm": 14.4375,
      "learning_rate": 1.9937181905629352e-05,
      "loss": 0.1892,
      "step": 3300
    },
    {
      "epoch": 0.05516666666666667,
      "grad_norm": 11.5,
      "learning_rate": 1.9936582562188217e-05,
      "loss": 0.1816,
      "step": 3310
    },
    {
      "epoch": 0.05533333333333333,
      "grad_norm": 33.0,
      "learning_rate": 1.9935980382251392e-05,
      "loss": 0.2079,
      "step": 3320
    },
    {
      "epoch": 0.0555,
      "grad_norm": 41.0,
      "learning_rate": 1.9935375365990774e-05,
      "loss": 0.2315,
      "step": 3330
    },
    {
      "epoch": 0.05566666666666667,
      "grad_norm": 32.25,
      "learning_rate": 1.9934767513579065e-05,
      "loss": 0.1818,
      "step": 3340
    },
    {
      "epoch": 0.05583333333333333,
      "grad_norm": 15.6875,
      "learning_rate": 1.9934156825189793e-05,
      "loss": 0.1934,
      "step": 3350
    },
    {
      "epoch": 0.056,
      "grad_norm": 24.125,
      "learning_rate": 1.9933543300997277e-05,
      "loss": 0.2002,
      "step": 3360
    },
    {
      "epoch": 0.05616666666666666,
      "grad_norm": 32.5,
      "learning_rate": 1.9932926941176656e-05,
      "loss": 0.196,
      "step": 3370
    },
    {
      "epoch": 0.05633333333333333,
      "grad_norm": 21.875,
      "learning_rate": 1.9932307745903876e-05,
      "loss": 0.2235,
      "step": 3380
    },
    {
      "epoch": 0.0565,
      "grad_norm": 21.0,
      "learning_rate": 1.9931685715355692e-05,
      "loss": 0.1908,
      "step": 3390
    },
    {
      "epoch": 0.056666666666666664,
      "grad_norm": 17.25,
      "learning_rate": 1.993106084970967e-05,
      "loss": 0.1983,
      "step": 3400
    },
    {
      "epoch": 0.05683333333333333,
      "grad_norm": 29.875,
      "learning_rate": 1.9930433149144184e-05,
      "loss": 0.1919,
      "step": 3410
    },
    {
      "epoch": 0.057,
      "grad_norm": 20.5,
      "learning_rate": 1.9929802613838416e-05,
      "loss": 0.2121,
      "step": 3420
    },
    {
      "epoch": 0.057166666666666664,
      "grad_norm": 12.5625,
      "learning_rate": 1.992916924397236e-05,
      "loss": 0.171,
      "step": 3430
    },
    {
      "epoch": 0.05733333333333333,
      "grad_norm": 1.6953125,
      "learning_rate": 1.9928533039726815e-05,
      "loss": 0.1845,
      "step": 3440
    },
    {
      "epoch": 0.0575,
      "grad_norm": 11.5,
      "learning_rate": 1.9927894001283397e-05,
      "loss": 0.1858,
      "step": 3450
    },
    {
      "epoch": 0.057666666666666665,
      "grad_norm": 9.625,
      "learning_rate": 1.992725212882452e-05,
      "loss": 0.2107,
      "step": 3460
    },
    {
      "epoch": 0.057833333333333334,
      "grad_norm": 28.625,
      "learning_rate": 1.9926607422533416e-05,
      "loss": 0.2285,
      "step": 3470
    },
    {
      "epoch": 0.058,
      "grad_norm": 29.0,
      "learning_rate": 1.992595988259412e-05,
      "loss": 0.2,
      "step": 3480
    },
    {
      "epoch": 0.058166666666666665,
      "grad_norm": 6.21875,
      "learning_rate": 1.9925309509191483e-05,
      "loss": 0.195,
      "step": 3490
    },
    {
      "epoch": 0.058333333333333334,
      "grad_norm": 28.0,
      "learning_rate": 1.992465630251116e-05,
      "loss": 0.2253,
      "step": 3500
    },
    {
      "epoch": 0.0585,
      "grad_norm": 22.375,
      "learning_rate": 1.9924000262739613e-05,
      "loss": 0.1623,
      "step": 3510
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 28.25,
      "learning_rate": 1.9923341390064115e-05,
      "loss": 0.17,
      "step": 3520
    },
    {
      "epoch": 0.058833333333333335,
      "grad_norm": 28.5,
      "learning_rate": 1.9922679684672744e-05,
      "loss": 0.2089,
      "step": 3530
    },
    {
      "epoch": 0.059,
      "grad_norm": 14.125,
      "learning_rate": 1.9922015146754402e-05,
      "loss": 0.1842,
      "step": 3540
    },
    {
      "epoch": 0.059166666666666666,
      "grad_norm": 14.4375,
      "learning_rate": 1.9921347776498776e-05,
      "loss": 0.1987,
      "step": 3550
    },
    {
      "epoch": 0.059333333333333335,
      "grad_norm": 30.875,
      "learning_rate": 1.992067757409638e-05,
      "loss": 0.1963,
      "step": 3560
    },
    {
      "epoch": 0.0595,
      "grad_norm": 35.5,
      "learning_rate": 1.992000453973853e-05,
      "loss": 0.1716,
      "step": 3570
    },
    {
      "epoch": 0.059666666666666666,
      "grad_norm": 28.875,
      "learning_rate": 1.9919328673617345e-05,
      "loss": 0.1859,
      "step": 3580
    },
    {
      "epoch": 0.059833333333333336,
      "grad_norm": 6.5,
      "learning_rate": 1.991864997592576e-05,
      "loss": 0.1971,
      "step": 3590
    },
    {
      "epoch": 0.06,
      "grad_norm": 45.75,
      "learning_rate": 1.991796844685752e-05,
      "loss": 0.195,
      "step": 3600
    },
    {
      "epoch": 0.06016666666666667,
      "grad_norm": 49.75,
      "learning_rate": 1.991728408660717e-05,
      "loss": 0.1934,
      "step": 3610
    },
    {
      "epoch": 0.060333333333333336,
      "grad_norm": 48.75,
      "learning_rate": 1.991659689537007e-05,
      "loss": 0.1957,
      "step": 3620
    },
    {
      "epoch": 0.0605,
      "grad_norm": 26.5,
      "learning_rate": 1.991590687334238e-05,
      "loss": 0.2133,
      "step": 3630
    },
    {
      "epoch": 0.06066666666666667,
      "grad_norm": 17.25,
      "learning_rate": 1.9915214020721082e-05,
      "loss": 0.2112,
      "step": 3640
    },
    {
      "epoch": 0.060833333333333336,
      "grad_norm": 9.5,
      "learning_rate": 1.9914518337703952e-05,
      "loss": 0.1874,
      "step": 3650
    },
    {
      "epoch": 0.061,
      "grad_norm": 49.5,
      "learning_rate": 1.991381982448958e-05,
      "loss": 0.1946,
      "step": 3660
    },
    {
      "epoch": 0.06116666666666667,
      "grad_norm": 19.875,
      "learning_rate": 1.991311848127736e-05,
      "loss": 0.1943,
      "step": 3670
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 1.5234375,
      "learning_rate": 1.9912414308267508e-05,
      "loss": 0.1748,
      "step": 3680
    },
    {
      "epoch": 0.0615,
      "grad_norm": 41.5,
      "learning_rate": 1.991170730566103e-05,
      "loss": 0.1909,
      "step": 3690
    },
    {
      "epoch": 0.06166666666666667,
      "grad_norm": 42.25,
      "learning_rate": 1.991099747365975e-05,
      "loss": 0.1743,
      "step": 3700
    },
    {
      "epoch": 0.06183333333333333,
      "grad_norm": 31.5,
      "learning_rate": 1.991028481246629e-05,
      "loss": 0.1946,
      "step": 3710
    },
    {
      "epoch": 0.062,
      "grad_norm": 4.9375,
      "learning_rate": 1.9909569322284095e-05,
      "loss": 0.193,
      "step": 3720
    },
    {
      "epoch": 0.06216666666666667,
      "grad_norm": 16.125,
      "learning_rate": 1.99088510033174e-05,
      "loss": 0.1718,
      "step": 3730
    },
    {
      "epoch": 0.06233333333333333,
      "grad_norm": 65.0,
      "learning_rate": 1.9908129855771264e-05,
      "loss": 0.1861,
      "step": 3740
    },
    {
      "epoch": 0.0625,
      "grad_norm": 54.5,
      "learning_rate": 1.990740587985154e-05,
      "loss": 0.2243,
      "step": 3750
    },
    {
      "epoch": 0.06266666666666666,
      "grad_norm": 23.0,
      "learning_rate": 1.9906679075764894e-05,
      "loss": 0.1951,
      "step": 3760
    },
    {
      "epoch": 0.06283333333333334,
      "grad_norm": 2.15625,
      "learning_rate": 1.9905949443718805e-05,
      "loss": 0.1914,
      "step": 3770
    },
    {
      "epoch": 0.063,
      "grad_norm": 25.5,
      "learning_rate": 1.9905216983921546e-05,
      "loss": 0.2108,
      "step": 3780
    },
    {
      "epoch": 0.06316666666666666,
      "grad_norm": 12.3125,
      "learning_rate": 1.9904481696582217e-05,
      "loss": 0.1862,
      "step": 3790
    },
    {
      "epoch": 0.06333333333333334,
      "grad_norm": 15.8125,
      "learning_rate": 1.9903743581910698e-05,
      "loss": 0.1628,
      "step": 3800
    },
    {
      "epoch": 0.0635,
      "grad_norm": 54.25,
      "learning_rate": 1.9903002640117704e-05,
      "loss": 0.1702,
      "step": 3810
    },
    {
      "epoch": 0.06366666666666666,
      "grad_norm": 27.375,
      "learning_rate": 1.9902258871414736e-05,
      "loss": 0.1846,
      "step": 3820
    },
    {
      "epoch": 0.06383333333333334,
      "grad_norm": 52.5,
      "learning_rate": 1.990151227601411e-05,
      "loss": 0.1912,
      "step": 3830
    },
    {
      "epoch": 0.064,
      "grad_norm": 13.375,
      "learning_rate": 1.9900762854128956e-05,
      "loss": 0.2028,
      "step": 3840
    },
    {
      "epoch": 0.06416666666666666,
      "grad_norm": 10.75,
      "learning_rate": 1.9900010605973198e-05,
      "loss": 0.1741,
      "step": 3850
    },
    {
      "epoch": 0.06433333333333334,
      "grad_norm": 17.0,
      "learning_rate": 1.9899255531761573e-05,
      "loss": 0.1767,
      "step": 3860
    },
    {
      "epoch": 0.0645,
      "grad_norm": 38.25,
      "learning_rate": 1.9898497631709628e-05,
      "loss": 0.1896,
      "step": 3870
    },
    {
      "epoch": 0.06466666666666666,
      "grad_norm": 8.375,
      "learning_rate": 1.989773690603371e-05,
      "loss": 0.2114,
      "step": 3880
    },
    {
      "epoch": 0.06483333333333334,
      "grad_norm": 79.0,
      "learning_rate": 1.9896973354950978e-05,
      "loss": 0.196,
      "step": 3890
    },
    {
      "epoch": 0.065,
      "grad_norm": 13.875,
      "learning_rate": 1.989620697867939e-05,
      "loss": 0.193,
      "step": 3900
    },
    {
      "epoch": 0.06516666666666666,
      "grad_norm": 30.125,
      "learning_rate": 1.989543777743772e-05,
      "loss": 0.1881,
      "step": 3910
    },
    {
      "epoch": 0.06533333333333333,
      "grad_norm": 33.0,
      "learning_rate": 1.9894665751445546e-05,
      "loss": 0.1954,
      "step": 3920
    },
    {
      "epoch": 0.0655,
      "grad_norm": 68.0,
      "learning_rate": 1.9893890900923245e-05,
      "loss": 0.2121,
      "step": 3930
    },
    {
      "epoch": 0.06566666666666666,
      "grad_norm": 19.625,
      "learning_rate": 1.9893113226092013e-05,
      "loss": 0.1987,
      "step": 3940
    },
    {
      "epoch": 0.06583333333333333,
      "grad_norm": 12.0625,
      "learning_rate": 1.9892332727173835e-05,
      "loss": 0.2033,
      "step": 3950
    },
    {
      "epoch": 0.066,
      "grad_norm": 2.0625,
      "learning_rate": 1.989154940439152e-05,
      "loss": 0.2131,
      "step": 3960
    },
    {
      "epoch": 0.06616666666666667,
      "grad_norm": 49.5,
      "learning_rate": 1.9890763257968673e-05,
      "loss": 0.2036,
      "step": 3970
    },
    {
      "epoch": 0.06633333333333333,
      "grad_norm": 16.5,
      "learning_rate": 1.988997428812971e-05,
      "loss": 0.2176,
      "step": 3980
    },
    {
      "epoch": 0.0665,
      "grad_norm": 44.25,
      "learning_rate": 1.9889182495099845e-05,
      "loss": 0.1964,
      "step": 3990
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 14.0,
      "learning_rate": 1.9888387879105103e-05,
      "loss": 0.191,
      "step": 4000
    },
    {
      "epoch": 0.06683333333333333,
      "grad_norm": 27.125,
      "learning_rate": 1.988759044037232e-05,
      "loss": 0.1822,
      "step": 4010
    },
    {
      "epoch": 0.067,
      "grad_norm": 14.375,
      "learning_rate": 1.988679017912913e-05,
      "loss": 0.1676,
      "step": 4020
    },
    {
      "epoch": 0.06716666666666667,
      "grad_norm": 24.875,
      "learning_rate": 1.9885987095603975e-05,
      "loss": 0.2016,
      "step": 4030
    },
    {
      "epoch": 0.06733333333333333,
      "grad_norm": 42.75,
      "learning_rate": 1.9885181190026108e-05,
      "loss": 0.1691,
      "step": 4040
    },
    {
      "epoch": 0.0675,
      "grad_norm": 26.5,
      "learning_rate": 1.9884372462625573e-05,
      "loss": 0.1746,
      "step": 4050
    },
    {
      "epoch": 0.06766666666666667,
      "grad_norm": 2.21875,
      "learning_rate": 1.9883560913633238e-05,
      "loss": 0.2018,
      "step": 4060
    },
    {
      "epoch": 0.06783333333333333,
      "grad_norm": 47.25,
      "learning_rate": 1.9882746543280764e-05,
      "loss": 0.2047,
      "step": 4070
    },
    {
      "epoch": 0.068,
      "grad_norm": 9.1875,
      "learning_rate": 1.9881929351800623e-05,
      "loss": 0.1996,
      "step": 4080
    },
    {
      "epoch": 0.06816666666666667,
      "grad_norm": 16.0,
      "learning_rate": 1.9881109339426085e-05,
      "loss": 0.2045,
      "step": 4090
    },
    {
      "epoch": 0.06833333333333333,
      "grad_norm": 33.0,
      "learning_rate": 1.9880286506391236e-05,
      "loss": 0.2052,
      "step": 4100
    },
    {
      "epoch": 0.0685,
      "grad_norm": 43.5,
      "learning_rate": 1.9879460852930962e-05,
      "loss": 0.2079,
      "step": 4110
    },
    {
      "epoch": 0.06866666666666667,
      "grad_norm": 18.125,
      "learning_rate": 1.987863237928095e-05,
      "loss": 0.202,
      "step": 4120
    },
    {
      "epoch": 0.06883333333333333,
      "grad_norm": 55.25,
      "learning_rate": 1.9877801085677705e-05,
      "loss": 0.1965,
      "step": 4130
    },
    {
      "epoch": 0.069,
      "grad_norm": 12.375,
      "learning_rate": 1.9876966972358516e-05,
      "loss": 0.1922,
      "step": 4140
    },
    {
      "epoch": 0.06916666666666667,
      "grad_norm": 8.9375,
      "learning_rate": 1.9876130039561493e-05,
      "loss": 0.1981,
      "step": 4150
    },
    {
      "epoch": 0.06933333333333333,
      "grad_norm": 33.5,
      "learning_rate": 1.987529028752555e-05,
      "loss": 0.1866,
      "step": 4160
    },
    {
      "epoch": 0.0695,
      "grad_norm": 30.375,
      "learning_rate": 1.98744477164904e-05,
      "loss": 0.1704,
      "step": 4170
    },
    {
      "epoch": 0.06966666666666667,
      "grad_norm": 12.0625,
      "learning_rate": 1.9873602326696563e-05,
      "loss": 0.1991,
      "step": 4180
    },
    {
      "epoch": 0.06983333333333333,
      "grad_norm": 24.875,
      "learning_rate": 1.9872754118385368e-05,
      "loss": 0.2034,
      "step": 4190
    },
    {
      "epoch": 0.07,
      "grad_norm": 35.0,
      "learning_rate": 1.9871903091798937e-05,
      "loss": 0.1936,
      "step": 4200
    },
    {
      "epoch": 0.07016666666666667,
      "grad_norm": 13.0625,
      "learning_rate": 1.987104924718021e-05,
      "loss": 0.1725,
      "step": 4210
    },
    {
      "epoch": 0.07033333333333333,
      "grad_norm": 37.75,
      "learning_rate": 1.9870192584772922e-05,
      "loss": 0.1899,
      "step": 4220
    },
    {
      "epoch": 0.0705,
      "grad_norm": 18.375,
      "learning_rate": 1.986933310482162e-05,
      "loss": 0.1826,
      "step": 4230
    },
    {
      "epoch": 0.07066666666666667,
      "grad_norm": 12.5,
      "learning_rate": 1.9868470807571647e-05,
      "loss": 0.1943,
      "step": 4240
    },
    {
      "epoch": 0.07083333333333333,
      "grad_norm": 15.5,
      "learning_rate": 1.9867605693269155e-05,
      "loss": 0.1849,
      "step": 4250
    },
    {
      "epoch": 0.071,
      "grad_norm": 23.75,
      "learning_rate": 1.98667377621611e-05,
      "loss": 0.2345,
      "step": 4260
    },
    {
      "epoch": 0.07116666666666667,
      "grad_norm": 24.75,
      "learning_rate": 1.986586701449524e-05,
      "loss": 0.1784,
      "step": 4270
    },
    {
      "epoch": 0.07133333333333333,
      "grad_norm": 20.875,
      "learning_rate": 1.986499345052014e-05,
      "loss": 0.2138,
      "step": 4280
    },
    {
      "epoch": 0.0715,
      "grad_norm": 14.3125,
      "learning_rate": 1.986411707048517e-05,
      "loss": 0.2096,
      "step": 4290
    },
    {
      "epoch": 0.07166666666666667,
      "grad_norm": 2.53125,
      "learning_rate": 1.9863237874640496e-05,
      "loss": 0.1759,
      "step": 4300
    },
    {
      "epoch": 0.07183333333333333,
      "grad_norm": 27.25,
      "learning_rate": 1.9862355863237096e-05,
      "loss": 0.1967,
      "step": 4310
    },
    {
      "epoch": 0.072,
      "grad_norm": 8.4375,
      "learning_rate": 1.986147103652675e-05,
      "loss": 0.1764,
      "step": 4320
    },
    {
      "epoch": 0.07216666666666667,
      "grad_norm": 25.0,
      "learning_rate": 1.986058339476204e-05,
      "loss": 0.1774,
      "step": 4330
    },
    {
      "epoch": 0.07233333333333333,
      "grad_norm": 45.75,
      "learning_rate": 1.985969293819635e-05,
      "loss": 0.182,
      "step": 4340
    },
    {
      "epoch": 0.0725,
      "grad_norm": 23.25,
      "learning_rate": 1.985879966708387e-05,
      "loss": 0.1768,
      "step": 4350
    },
    {
      "epoch": 0.07266666666666667,
      "grad_norm": 12.4375,
      "learning_rate": 1.9857903581679595e-05,
      "loss": 0.1943,
      "step": 4360
    },
    {
      "epoch": 0.07283333333333333,
      "grad_norm": 28.75,
      "learning_rate": 1.9857004682239324e-05,
      "loss": 0.1781,
      "step": 4370
    },
    {
      "epoch": 0.073,
      "grad_norm": 38.0,
      "learning_rate": 1.9856102969019647e-05,
      "loss": 0.1744,
      "step": 4380
    },
    {
      "epoch": 0.07316666666666667,
      "grad_norm": 24.125,
      "learning_rate": 1.985519844227798e-05,
      "loss": 0.1763,
      "step": 4390
    },
    {
      "epoch": 0.07333333333333333,
      "grad_norm": 27.75,
      "learning_rate": 1.985429110227252e-05,
      "loss": 0.2221,
      "step": 4400
    },
    {
      "epoch": 0.0735,
      "grad_norm": 8.125,
      "learning_rate": 1.9853380949262276e-05,
      "loss": 0.2061,
      "step": 4410
    },
    {
      "epoch": 0.07366666666666667,
      "grad_norm": 64.0,
      "learning_rate": 1.985246798350706e-05,
      "loss": 0.1825,
      "step": 4420
    },
    {
      "epoch": 0.07383333333333333,
      "grad_norm": 28.25,
      "learning_rate": 1.9851552205267495e-05,
      "loss": 0.2157,
      "step": 4430
    },
    {
      "epoch": 0.074,
      "grad_norm": 11.875,
      "learning_rate": 1.9850633614804993e-05,
      "loss": 0.2036,
      "step": 4440
    },
    {
      "epoch": 0.07416666666666667,
      "grad_norm": 16.75,
      "learning_rate": 1.9849712212381775e-05,
      "loss": 0.1645,
      "step": 4450
    },
    {
      "epoch": 0.07433333333333333,
      "grad_norm": 11.0625,
      "learning_rate": 1.9848787998260864e-05,
      "loss": 0.1783,
      "step": 4460
    },
    {
      "epoch": 0.0745,
      "grad_norm": 19.75,
      "learning_rate": 1.9847860972706088e-05,
      "loss": 0.1568,
      "step": 4470
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 16.375,
      "learning_rate": 1.9846931135982073e-05,
      "loss": 0.2129,
      "step": 4480
    },
    {
      "epoch": 0.07483333333333334,
      "grad_norm": 24.625,
      "learning_rate": 1.984599848835425e-05,
      "loss": 0.1937,
      "step": 4490
    },
    {
      "epoch": 0.075,
      "grad_norm": 36.5,
      "learning_rate": 1.984506303008886e-05,
      "loss": 0.1964,
      "step": 4500
    },
    {
      "epoch": 0.07516666666666667,
      "grad_norm": 37.75,
      "learning_rate": 1.9844124761452927e-05,
      "loss": 0.1846,
      "step": 4510
    },
    {
      "epoch": 0.07533333333333334,
      "grad_norm": 8.375,
      "learning_rate": 1.98431836827143e-05,
      "loss": 0.187,
      "step": 4520
    },
    {
      "epoch": 0.0755,
      "grad_norm": 29.875,
      "learning_rate": 1.9842239794141606e-05,
      "loss": 0.1899,
      "step": 4530
    },
    {
      "epoch": 0.07566666666666666,
      "grad_norm": 28.75,
      "learning_rate": 1.98412930960043e-05,
      "loss": 0.1879,
      "step": 4540
    },
    {
      "epoch": 0.07583333333333334,
      "grad_norm": 66.0,
      "learning_rate": 1.9840343588572625e-05,
      "loss": 0.1831,
      "step": 4550
    },
    {
      "epoch": 0.076,
      "grad_norm": 11.25,
      "learning_rate": 1.9839391272117622e-05,
      "loss": 0.1936,
      "step": 4560
    },
    {
      "epoch": 0.07616666666666666,
      "grad_norm": 2.9375,
      "learning_rate": 1.983843614691114e-05,
      "loss": 0.1762,
      "step": 4570
    },
    {
      "epoch": 0.07633333333333334,
      "grad_norm": 11.5625,
      "learning_rate": 1.983747821322583e-05,
      "loss": 0.2111,
      "step": 4580
    },
    {
      "epoch": 0.0765,
      "grad_norm": 15.4375,
      "learning_rate": 1.9836517471335148e-05,
      "loss": 0.195,
      "step": 4590
    },
    {
      "epoch": 0.07666666666666666,
      "grad_norm": 19.75,
      "learning_rate": 1.983555392151334e-05,
      "loss": 0.2097,
      "step": 4600
    },
    {
      "epoch": 0.07683333333333334,
      "grad_norm": 38.5,
      "learning_rate": 1.9834587564035464e-05,
      "loss": 0.1798,
      "step": 4610
    },
    {
      "epoch": 0.077,
      "grad_norm": 50.0,
      "learning_rate": 1.9833618399177373e-05,
      "loss": 0.1938,
      "step": 4620
    },
    {
      "epoch": 0.07716666666666666,
      "grad_norm": 13.875,
      "learning_rate": 1.983264642721573e-05,
      "loss": 0.1822,
      "step": 4630
    },
    {
      "epoch": 0.07733333333333334,
      "grad_norm": 33.5,
      "learning_rate": 1.9831671648427996e-05,
      "loss": 0.1878,
      "step": 4640
    },
    {
      "epoch": 0.0775,
      "grad_norm": 25.5,
      "learning_rate": 1.9830694063092425e-05,
      "loss": 0.1805,
      "step": 4650
    },
    {
      "epoch": 0.07766666666666666,
      "grad_norm": 1.703125,
      "learning_rate": 1.9829713671488076e-05,
      "loss": 0.1786,
      "step": 4660
    },
    {
      "epoch": 0.07783333333333334,
      "grad_norm": 17.125,
      "learning_rate": 1.982873047389482e-05,
      "loss": 0.2096,
      "step": 4670
    },
    {
      "epoch": 0.078,
      "grad_norm": 42.75,
      "learning_rate": 1.9827744470593315e-05,
      "loss": 0.1985,
      "step": 4680
    },
    {
      "epoch": 0.07816666666666666,
      "grad_norm": 22.625,
      "learning_rate": 1.9826755661865028e-05,
      "loss": 0.1863,
      "step": 4690
    },
    {
      "epoch": 0.07833333333333334,
      "grad_norm": 26.25,
      "learning_rate": 1.9825764047992223e-05,
      "loss": 0.1656,
      "step": 4700
    },
    {
      "epoch": 0.0785,
      "grad_norm": 22.375,
      "learning_rate": 1.9824769629257963e-05,
      "loss": 0.1707,
      "step": 4710
    },
    {
      "epoch": 0.07866666666666666,
      "grad_norm": 47.5,
      "learning_rate": 1.982377240594612e-05,
      "loss": 0.1899,
      "step": 4720
    },
    {
      "epoch": 0.07883333333333334,
      "grad_norm": 23.125,
      "learning_rate": 1.982277237834136e-05,
      "loss": 0.1983,
      "step": 4730
    },
    {
      "epoch": 0.079,
      "grad_norm": 27.875,
      "learning_rate": 1.982176954672915e-05,
      "loss": 0.1993,
      "step": 4740
    },
    {
      "epoch": 0.07916666666666666,
      "grad_norm": 27.875,
      "learning_rate": 1.9820763911395756e-05,
      "loss": 0.1716,
      "step": 4750
    },
    {
      "epoch": 0.07933333333333334,
      "grad_norm": 7.3125,
      "learning_rate": 1.9819755472628247e-05,
      "loss": 0.1929,
      "step": 4760
    },
    {
      "epoch": 0.0795,
      "grad_norm": 33.0,
      "learning_rate": 1.9818744230714496e-05,
      "loss": 0.2073,
      "step": 4770
    },
    {
      "epoch": 0.07966666666666666,
      "grad_norm": 30.375,
      "learning_rate": 1.981773018594317e-05,
      "loss": 0.193,
      "step": 4780
    },
    {
      "epoch": 0.07983333333333334,
      "grad_norm": 5.875,
      "learning_rate": 1.9816713338603737e-05,
      "loss": 0.1807,
      "step": 4790
    },
    {
      "epoch": 0.08,
      "grad_norm": 32.0,
      "learning_rate": 1.9815693688986464e-05,
      "loss": 0.1927,
      "step": 4800
    },
    {
      "epoch": 0.08016666666666666,
      "grad_norm": 14.625,
      "learning_rate": 1.9814671237382423e-05,
      "loss": 0.1993,
      "step": 4810
    },
    {
      "epoch": 0.08033333333333334,
      "grad_norm": 33.75,
      "learning_rate": 1.9813645984083484e-05,
      "loss": 0.1862,
      "step": 4820
    },
    {
      "epoch": 0.0805,
      "grad_norm": 58.0,
      "learning_rate": 1.9812617929382314e-05,
      "loss": 0.1745,
      "step": 4830
    },
    {
      "epoch": 0.08066666666666666,
      "grad_norm": 17.375,
      "learning_rate": 1.981158707357238e-05,
      "loss": 0.1928,
      "step": 4840
    },
    {
      "epoch": 0.08083333333333333,
      "grad_norm": 43.0,
      "learning_rate": 1.9810553416947954e-05,
      "loss": 0.2033,
      "step": 4850
    },
    {
      "epoch": 0.081,
      "grad_norm": 26.875,
      "learning_rate": 1.98095169598041e-05,
      "loss": 0.2033,
      "step": 4860
    },
    {
      "epoch": 0.08116666666666666,
      "grad_norm": 29.5,
      "learning_rate": 1.9808477702436684e-05,
      "loss": 0.1853,
      "step": 4870
    },
    {
      "epoch": 0.08133333333333333,
      "grad_norm": 73.0,
      "learning_rate": 1.9807435645142375e-05,
      "loss": 0.2271,
      "step": 4880
    },
    {
      "epoch": 0.0815,
      "grad_norm": 1.6328125,
      "learning_rate": 1.980639078821864e-05,
      "loss": 0.1768,
      "step": 4890
    },
    {
      "epoch": 0.08166666666666667,
      "grad_norm": 67.0,
      "learning_rate": 1.9805343131963738e-05,
      "loss": 0.2073,
      "step": 4900
    },
    {
      "epoch": 0.08183333333333333,
      "grad_norm": 20.375,
      "learning_rate": 1.980429267667674e-05,
      "loss": 0.1813,
      "step": 4910
    },
    {
      "epoch": 0.082,
      "grad_norm": 16.25,
      "learning_rate": 1.9803239422657505e-05,
      "loss": 0.1872,
      "step": 4920
    },
    {
      "epoch": 0.08216666666666667,
      "grad_norm": 9.6875,
      "learning_rate": 1.980218337020669e-05,
      "loss": 0.1351,
      "step": 4930
    },
    {
      "epoch": 0.08233333333333333,
      "grad_norm": 39.5,
      "learning_rate": 1.9801124519625766e-05,
      "loss": 0.1737,
      "step": 4940
    },
    {
      "epoch": 0.0825,
      "grad_norm": 32.75,
      "learning_rate": 1.980006287121698e-05,
      "loss": 0.1693,
      "step": 4950
    },
    {
      "epoch": 0.08266666666666667,
      "grad_norm": 15.25,
      "learning_rate": 1.9798998425283404e-05,
      "loss": 0.1893,
      "step": 4960
    },
    {
      "epoch": 0.08283333333333333,
      "grad_norm": 29.5,
      "learning_rate": 1.9797931182128886e-05,
      "loss": 0.1893,
      "step": 4970
    },
    {
      "epoch": 0.083,
      "grad_norm": 3.546875,
      "learning_rate": 1.979686114205808e-05,
      "loss": 0.1649,
      "step": 4980
    },
    {
      "epoch": 0.08316666666666667,
      "grad_norm": 47.75,
      "learning_rate": 1.9795788305376443e-05,
      "loss": 0.1878,
      "step": 4990
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 31.625,
      "learning_rate": 1.979471267239023e-05,
      "loss": 0.1766,
      "step": 5000
    },
    {
      "epoch": 0.0835,
      "grad_norm": 20.75,
      "learning_rate": 1.9793634243406484e-05,
      "loss": 0.1877,
      "step": 5010
    },
    {
      "epoch": 0.08366666666666667,
      "grad_norm": 25.75,
      "learning_rate": 1.9792553018733054e-05,
      "loss": 0.2126,
      "step": 5020
    },
    {
      "epoch": 0.08383333333333333,
      "grad_norm": 10.5,
      "learning_rate": 1.9791468998678592e-05,
      "loss": 0.1882,
      "step": 5030
    },
    {
      "epoch": 0.084,
      "grad_norm": 2.546875,
      "learning_rate": 1.9790382183552538e-05,
      "loss": 0.1737,
      "step": 5040
    },
    {
      "epoch": 0.08416666666666667,
      "grad_norm": 39.0,
      "learning_rate": 1.9789292573665134e-05,
      "loss": 0.1732,
      "step": 5050
    },
    {
      "epoch": 0.08433333333333333,
      "grad_norm": 7.875,
      "learning_rate": 1.9788200169327417e-05,
      "loss": 0.2129,
      "step": 5060
    },
    {
      "epoch": 0.0845,
      "grad_norm": 23.25,
      "learning_rate": 1.9787104970851234e-05,
      "loss": 0.1768,
      "step": 5070
    },
    {
      "epoch": 0.08466666666666667,
      "grad_norm": 8.9375,
      "learning_rate": 1.9786006978549215e-05,
      "loss": 0.1735,
      "step": 5080
    },
    {
      "epoch": 0.08483333333333333,
      "grad_norm": 10.625,
      "learning_rate": 1.9784906192734792e-05,
      "loss": 0.1851,
      "step": 5090
    },
    {
      "epoch": 0.085,
      "grad_norm": 29.875,
      "learning_rate": 1.978380261372219e-05,
      "loss": 0.1859,
      "step": 5100
    },
    {
      "epoch": 0.08516666666666667,
      "grad_norm": 31.375,
      "learning_rate": 1.9782696241826448e-05,
      "loss": 0.2117,
      "step": 5110
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 41.5,
      "learning_rate": 1.9781587077363383e-05,
      "loss": 0.2068,
      "step": 5120
    },
    {
      "epoch": 0.0855,
      "grad_norm": 51.0,
      "learning_rate": 1.978047512064962e-05,
      "loss": 0.1836,
      "step": 5130
    },
    {
      "epoch": 0.08566666666666667,
      "grad_norm": 42.0,
      "learning_rate": 1.9779360372002576e-05,
      "loss": 0.196,
      "step": 5140
    },
    {
      "epoch": 0.08583333333333333,
      "grad_norm": 18.375,
      "learning_rate": 1.977824283174047e-05,
      "loss": 0.1717,
      "step": 5150
    },
    {
      "epoch": 0.086,
      "grad_norm": 14.8125,
      "learning_rate": 1.9777122500182308e-05,
      "loss": 0.1736,
      "step": 5160
    },
    {
      "epoch": 0.08616666666666667,
      "grad_norm": 27.625,
      "learning_rate": 1.977599937764791e-05,
      "loss": 0.2226,
      "step": 5170
    },
    {
      "epoch": 0.08633333333333333,
      "grad_norm": 13.3125,
      "learning_rate": 1.9774873464457874e-05,
      "loss": 0.1872,
      "step": 5180
    },
    {
      "epoch": 0.0865,
      "grad_norm": 35.25,
      "learning_rate": 1.9773744760933607e-05,
      "loss": 0.2243,
      "step": 5190
    },
    {
      "epoch": 0.08666666666666667,
      "grad_norm": 16.75,
      "learning_rate": 1.9772613267397304e-05,
      "loss": 0.1895,
      "step": 5200
    },
    {
      "epoch": 0.08683333333333333,
      "grad_norm": 38.75,
      "learning_rate": 1.9771478984171968e-05,
      "loss": 0.2098,
      "step": 5210
    },
    {
      "epoch": 0.087,
      "grad_norm": 27.25,
      "learning_rate": 1.977034191158139e-05,
      "loss": 0.1762,
      "step": 5220
    },
    {
      "epoch": 0.08716666666666667,
      "grad_norm": 1.7734375,
      "learning_rate": 1.9769202049950152e-05,
      "loss": 0.1689,
      "step": 5230
    },
    {
      "epoch": 0.08733333333333333,
      "grad_norm": 22.375,
      "learning_rate": 1.9768059399603645e-05,
      "loss": 0.1703,
      "step": 5240
    },
    {
      "epoch": 0.0875,
      "grad_norm": 4.9375,
      "learning_rate": 1.976691396086805e-05,
      "loss": 0.2019,
      "step": 5250
    },
    {
      "epoch": 0.08766666666666667,
      "grad_norm": 17.375,
      "learning_rate": 1.976576573407034e-05,
      "loss": 0.2208,
      "step": 5260
    },
    {
      "epoch": 0.08783333333333333,
      "grad_norm": 6.53125,
      "learning_rate": 1.9764614719538292e-05,
      "loss": 0.1749,
      "step": 5270
    },
    {
      "epoch": 0.088,
      "grad_norm": 24.875,
      "learning_rate": 1.9763460917600467e-05,
      "loss": 0.1898,
      "step": 5280
    },
    {
      "epoch": 0.08816666666666667,
      "grad_norm": 31.5,
      "learning_rate": 1.976230432858624e-05,
      "loss": 0.1986,
      "step": 5290
    },
    {
      "epoch": 0.08833333333333333,
      "grad_norm": 17.625,
      "learning_rate": 1.9761144952825763e-05,
      "loss": 0.1963,
      "step": 5300
    },
    {
      "epoch": 0.0885,
      "grad_norm": 18.625,
      "learning_rate": 1.9759982790649994e-05,
      "loss": 0.1567,
      "step": 5310
    },
    {
      "epoch": 0.08866666666666667,
      "grad_norm": 62.0,
      "learning_rate": 1.9758817842390683e-05,
      "loss": 0.1818,
      "step": 5320
    },
    {
      "epoch": 0.08883333333333333,
      "grad_norm": 31.875,
      "learning_rate": 1.975765010838037e-05,
      "loss": 0.1788,
      "step": 5330
    },
    {
      "epoch": 0.089,
      "grad_norm": 17.375,
      "learning_rate": 1.9756479588952412e-05,
      "loss": 0.1992,
      "step": 5340
    },
    {
      "epoch": 0.08916666666666667,
      "grad_norm": 18.5,
      "learning_rate": 1.9755306284440928e-05,
      "loss": 0.1936,
      "step": 5350
    },
    {
      "epoch": 0.08933333333333333,
      "grad_norm": 18.125,
      "learning_rate": 1.975413019518086e-05,
      "loss": 0.2065,
      "step": 5360
    },
    {
      "epoch": 0.0895,
      "grad_norm": 13.375,
      "learning_rate": 1.9752951321507935e-05,
      "loss": 0.2168,
      "step": 5370
    },
    {
      "epoch": 0.08966666666666667,
      "grad_norm": 11.5,
      "learning_rate": 1.9751769663758665e-05,
      "loss": 0.192,
      "step": 5380
    },
    {
      "epoch": 0.08983333333333333,
      "grad_norm": 34.5,
      "learning_rate": 1.9750585222270372e-05,
      "loss": 0.1945,
      "step": 5390
    },
    {
      "epoch": 0.09,
      "grad_norm": 9.1875,
      "learning_rate": 1.974939799738117e-05,
      "loss": 0.2013,
      "step": 5400
    },
    {
      "epoch": 0.09016666666666667,
      "grad_norm": 39.0,
      "learning_rate": 1.9748207989429954e-05,
      "loss": 0.2236,
      "step": 5410
    },
    {
      "epoch": 0.09033333333333333,
      "grad_norm": 14.6875,
      "learning_rate": 1.974701519875643e-05,
      "loss": 0.1849,
      "step": 5420
    },
    {
      "epoch": 0.0905,
      "grad_norm": 14.4375,
      "learning_rate": 1.9745819625701095e-05,
      "loss": 0.1993,
      "step": 5430
    },
    {
      "epoch": 0.09066666666666667,
      "grad_norm": 40.5,
      "learning_rate": 1.9744621270605232e-05,
      "loss": 0.1794,
      "step": 5440
    },
    {
      "epoch": 0.09083333333333334,
      "grad_norm": 12.8125,
      "learning_rate": 1.9743420133810924e-05,
      "loss": 0.1809,
      "step": 5450
    },
    {
      "epoch": 0.091,
      "grad_norm": 16.25,
      "learning_rate": 1.974221621566105e-05,
      "loss": 0.1949,
      "step": 5460
    },
    {
      "epoch": 0.09116666666666666,
      "grad_norm": 62.5,
      "learning_rate": 1.9741009516499276e-05,
      "loss": 0.2075,
      "step": 5470
    },
    {
      "epoch": 0.09133333333333334,
      "grad_norm": 12.0625,
      "learning_rate": 1.973980003667007e-05,
      "loss": 0.1789,
      "step": 5480
    },
    {
      "epoch": 0.0915,
      "grad_norm": 13.375,
      "learning_rate": 1.9738587776518686e-05,
      "loss": 0.1853,
      "step": 5490
    },
    {
      "epoch": 0.09166666666666666,
      "grad_norm": 13.375,
      "learning_rate": 1.973737273639118e-05,
      "loss": 0.1934,
      "step": 5500
    },
    {
      "epoch": 0.09183333333333334,
      "grad_norm": 44.75,
      "learning_rate": 1.9736154916634397e-05,
      "loss": 0.2001,
      "step": 5510
    },
    {
      "epoch": 0.092,
      "grad_norm": 7.375,
      "learning_rate": 1.9734934317595975e-05,
      "loss": 0.1895,
      "step": 5520
    },
    {
      "epoch": 0.09216666666666666,
      "grad_norm": 42.0,
      "learning_rate": 1.9733710939624343e-05,
      "loss": 0.1776,
      "step": 5530
    },
    {
      "epoch": 0.09233333333333334,
      "grad_norm": 58.75,
      "learning_rate": 1.973248478306873e-05,
      "loss": 0.1967,
      "step": 5540
    },
    {
      "epoch": 0.0925,
      "grad_norm": 12.5,
      "learning_rate": 1.973125584827915e-05,
      "loss": 0.1892,
      "step": 5550
    },
    {
      "epoch": 0.09266666666666666,
      "grad_norm": 16.375,
      "learning_rate": 1.973002413560642e-05,
      "loss": 0.2163,
      "step": 5560
    },
    {
      "epoch": 0.09283333333333334,
      "grad_norm": 34.25,
      "learning_rate": 1.972878964540214e-05,
      "loss": 0.2147,
      "step": 5570
    },
    {
      "epoch": 0.093,
      "grad_norm": 28.375,
      "learning_rate": 1.972755237801871e-05,
      "loss": 0.2098,
      "step": 5580
    },
    {
      "epoch": 0.09316666666666666,
      "grad_norm": 20.75,
      "learning_rate": 1.9726312333809322e-05,
      "loss": 0.1838,
      "step": 5590
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 26.0,
      "learning_rate": 1.9725069513127955e-05,
      "loss": 0.1586,
      "step": 5600
    },
    {
      "epoch": 0.0935,
      "grad_norm": 19.25,
      "learning_rate": 1.972382391632939e-05,
      "loss": 0.2096,
      "step": 5610
    },
    {
      "epoch": 0.09366666666666666,
      "grad_norm": 17.0,
      "learning_rate": 1.9722575543769187e-05,
      "loss": 0.1879,
      "step": 5620
    },
    {
      "epoch": 0.09383333333333334,
      "grad_norm": 42.5,
      "learning_rate": 1.972132439580371e-05,
      "loss": 0.1867,
      "step": 5630
    },
    {
      "epoch": 0.094,
      "grad_norm": 11.1875,
      "learning_rate": 1.972007047279011e-05,
      "loss": 0.1819,
      "step": 5640
    },
    {
      "epoch": 0.09416666666666666,
      "grad_norm": 13.6875,
      "learning_rate": 1.9718813775086342e-05,
      "loss": 0.1936,
      "step": 5650
    },
    {
      "epoch": 0.09433333333333334,
      "grad_norm": 15.1875,
      "learning_rate": 1.9717554303051126e-05,
      "loss": 0.2036,
      "step": 5660
    },
    {
      "epoch": 0.0945,
      "grad_norm": 40.0,
      "learning_rate": 1.9716292057044004e-05,
      "loss": 0.1839,
      "step": 5670
    },
    {
      "epoch": 0.09466666666666666,
      "grad_norm": 22.0,
      "learning_rate": 1.971502703742529e-05,
      "loss": 0.202,
      "step": 5680
    },
    {
      "epoch": 0.09483333333333334,
      "grad_norm": 41.5,
      "learning_rate": 1.9713759244556097e-05,
      "loss": 0.1894,
      "step": 5690
    },
    {
      "epoch": 0.095,
      "grad_norm": 48.0,
      "learning_rate": 1.971248867879833e-05,
      "loss": 0.196,
      "step": 5700
    },
    {
      "epoch": 0.09516666666666666,
      "grad_norm": 24.0,
      "learning_rate": 1.9711215340514688e-05,
      "loss": 0.2143,
      "step": 5710
    },
    {
      "epoch": 0.09533333333333334,
      "grad_norm": 22.5,
      "learning_rate": 1.9709939230068652e-05,
      "loss": 0.1791,
      "step": 5720
    },
    {
      "epoch": 0.0955,
      "grad_norm": 16.875,
      "learning_rate": 1.9708660347824502e-05,
      "loss": 0.1824,
      "step": 5730
    },
    {
      "epoch": 0.09566666666666666,
      "grad_norm": 15.75,
      "learning_rate": 1.970737869414731e-05,
      "loss": 0.1769,
      "step": 5740
    },
    {
      "epoch": 0.09583333333333334,
      "grad_norm": 15.0625,
      "learning_rate": 1.9706094269402936e-05,
      "loss": 0.1994,
      "step": 5750
    },
    {
      "epoch": 0.096,
      "grad_norm": 59.75,
      "learning_rate": 1.970480707395803e-05,
      "loss": 0.1979,
      "step": 5760
    },
    {
      "epoch": 0.09616666666666666,
      "grad_norm": 35.75,
      "learning_rate": 1.970351710818003e-05,
      "loss": 0.1974,
      "step": 5770
    },
    {
      "epoch": 0.09633333333333334,
      "grad_norm": 12.5625,
      "learning_rate": 1.9702224372437183e-05,
      "loss": 0.1696,
      "step": 5780
    },
    {
      "epoch": 0.0965,
      "grad_norm": 2.59375,
      "learning_rate": 1.9700928867098503e-05,
      "loss": 0.1614,
      "step": 5790
    },
    {
      "epoch": 0.09666666666666666,
      "grad_norm": 50.75,
      "learning_rate": 1.969963059253381e-05,
      "loss": 0.1945,
      "step": 5800
    },
    {
      "epoch": 0.09683333333333333,
      "grad_norm": 4.25,
      "learning_rate": 1.9698329549113703e-05,
      "loss": 0.186,
      "step": 5810
    },
    {
      "epoch": 0.097,
      "grad_norm": 1.8359375,
      "learning_rate": 1.9697025737209582e-05,
      "loss": 0.1951,
      "step": 5820
    },
    {
      "epoch": 0.09716666666666667,
      "grad_norm": 38.5,
      "learning_rate": 1.969571915719363e-05,
      "loss": 0.2018,
      "step": 5830
    },
    {
      "epoch": 0.09733333333333333,
      "grad_norm": 52.0,
      "learning_rate": 1.9694409809438827e-05,
      "loss": 0.1911,
      "step": 5840
    },
    {
      "epoch": 0.0975,
      "grad_norm": 20.625,
      "learning_rate": 1.969309769431894e-05,
      "loss": 0.18,
      "step": 5850
    },
    {
      "epoch": 0.09766666666666667,
      "grad_norm": 21.25,
      "learning_rate": 1.969178281220852e-05,
      "loss": 0.1846,
      "step": 5860
    },
    {
      "epoch": 0.09783333333333333,
      "grad_norm": 24.25,
      "learning_rate": 1.9690465163482914e-05,
      "loss": 0.1941,
      "step": 5870
    },
    {
      "epoch": 0.098,
      "grad_norm": 24.0,
      "learning_rate": 1.9689144748518263e-05,
      "loss": 0.1828,
      "step": 5880
    },
    {
      "epoch": 0.09816666666666667,
      "grad_norm": 9.5625,
      "learning_rate": 1.968782156769149e-05,
      "loss": 0.2106,
      "step": 5890
    },
    {
      "epoch": 0.09833333333333333,
      "grad_norm": 9.5625,
      "learning_rate": 1.9686495621380306e-05,
      "loss": 0.1994,
      "step": 5900
    },
    {
      "epoch": 0.0985,
      "grad_norm": 17.125,
      "learning_rate": 1.968516690996322e-05,
      "loss": 0.1934,
      "step": 5910
    },
    {
      "epoch": 0.09866666666666667,
      "grad_norm": 17.25,
      "learning_rate": 1.9683835433819523e-05,
      "loss": 0.167,
      "step": 5920
    },
    {
      "epoch": 0.09883333333333333,
      "grad_norm": 11.25,
      "learning_rate": 1.9682501193329303e-05,
      "loss": 0.1914,
      "step": 5930
    },
    {
      "epoch": 0.099,
      "grad_norm": 15.5625,
      "learning_rate": 1.9681164188873425e-05,
      "loss": 0.1731,
      "step": 5940
    },
    {
      "epoch": 0.09916666666666667,
      "grad_norm": 30.375,
      "learning_rate": 1.9679824420833558e-05,
      "loss": 0.1892,
      "step": 5950
    },
    {
      "epoch": 0.09933333333333333,
      "grad_norm": 19.375,
      "learning_rate": 1.9678481889592144e-05,
      "loss": 0.187,
      "step": 5960
    },
    {
      "epoch": 0.0995,
      "grad_norm": 21.875,
      "learning_rate": 1.9677136595532426e-05,
      "loss": 0.1707,
      "step": 5970
    },
    {
      "epoch": 0.09966666666666667,
      "grad_norm": 13.5,
      "learning_rate": 1.9675788539038435e-05,
      "loss": 0.1949,
      "step": 5980
    },
    {
      "epoch": 0.09983333333333333,
      "grad_norm": 21.375,
      "learning_rate": 1.967443772049498e-05,
      "loss": 0.1857,
      "step": 5990
    },
    {
      "epoch": 0.1,
      "grad_norm": 26.625,
      "learning_rate": 1.967308414028767e-05,
      "loss": 0.177,
      "step": 6000
    },
    {
      "epoch": 0.10016666666666667,
      "grad_norm": 19.625,
      "learning_rate": 1.9671727798802895e-05,
      "loss": 0.1987,
      "step": 6010
    },
    {
      "epoch": 0.10033333333333333,
      "grad_norm": 19.125,
      "learning_rate": 1.967036869642784e-05,
      "loss": 0.1783,
      "step": 6020
    },
    {
      "epoch": 0.1005,
      "grad_norm": 10.0,
      "learning_rate": 1.9669006833550467e-05,
      "loss": 0.1995,
      "step": 6030
    },
    {
      "epoch": 0.10066666666666667,
      "grad_norm": 50.75,
      "learning_rate": 1.9667642210559546e-05,
      "loss": 0.1893,
      "step": 6040
    },
    {
      "epoch": 0.10083333333333333,
      "grad_norm": 34.25,
      "learning_rate": 1.966627482784461e-05,
      "loss": 0.2009,
      "step": 6050
    },
    {
      "epoch": 0.101,
      "grad_norm": 8.3125,
      "learning_rate": 1.9664904685795994e-05,
      "loss": 0.1748,
      "step": 6060
    },
    {
      "epoch": 0.10116666666666667,
      "grad_norm": 2.078125,
      "learning_rate": 1.9663531784804822e-05,
      "loss": 0.2002,
      "step": 6070
    },
    {
      "epoch": 0.10133333333333333,
      "grad_norm": 27.625,
      "learning_rate": 1.9662156125263002e-05,
      "loss": 0.2089,
      "step": 6080
    },
    {
      "epoch": 0.1015,
      "grad_norm": 8.5,
      "learning_rate": 1.9660777707563227e-05,
      "loss": 0.176,
      "step": 6090
    },
    {
      "epoch": 0.10166666666666667,
      "grad_norm": 22.875,
      "learning_rate": 1.965939653209898e-05,
      "loss": 0.1787,
      "step": 6100
    },
    {
      "epoch": 0.10183333333333333,
      "grad_norm": 1.734375,
      "learning_rate": 1.9658012599264538e-05,
      "loss": 0.1689,
      "step": 6110
    },
    {
      "epoch": 0.102,
      "grad_norm": 17.625,
      "learning_rate": 1.9656625909454948e-05,
      "loss": 0.1804,
      "step": 6120
    },
    {
      "epoch": 0.10216666666666667,
      "grad_norm": 15.625,
      "learning_rate": 1.965523646306606e-05,
      "loss": 0.2187,
      "step": 6130
    },
    {
      "epoch": 0.10233333333333333,
      "grad_norm": 42.75,
      "learning_rate": 1.965384426049451e-05,
      "loss": 0.1747,
      "step": 6140
    },
    {
      "epoch": 0.1025,
      "grad_norm": 8.125,
      "learning_rate": 1.9652449302137705e-05,
      "loss": 0.1754,
      "step": 6150
    },
    {
      "epoch": 0.10266666666666667,
      "grad_norm": 2.3125,
      "learning_rate": 1.965105158839385e-05,
      "loss": 0.1817,
      "step": 6160
    },
    {
      "epoch": 0.10283333333333333,
      "grad_norm": 26.75,
      "learning_rate": 1.964965111966195e-05,
      "loss": 0.1689,
      "step": 6170
    },
    {
      "epoch": 0.103,
      "grad_norm": 33.75,
      "learning_rate": 1.964824789634177e-05,
      "loss": 0.1827,
      "step": 6180
    },
    {
      "epoch": 0.10316666666666667,
      "grad_norm": 48.5,
      "learning_rate": 1.964684191883388e-05,
      "loss": 0.1675,
      "step": 6190
    },
    {
      "epoch": 0.10333333333333333,
      "grad_norm": 18.125,
      "learning_rate": 1.9645433187539624e-05,
      "loss": 0.183,
      "step": 6200
    },
    {
      "epoch": 0.1035,
      "grad_norm": 36.75,
      "learning_rate": 1.9644021702861148e-05,
      "loss": 0.1906,
      "step": 6210
    },
    {
      "epoch": 0.10366666666666667,
      "grad_norm": 27.625,
      "learning_rate": 1.9642607465201364e-05,
      "loss": 0.1664,
      "step": 6220
    },
    {
      "epoch": 0.10383333333333333,
      "grad_norm": 16.0,
      "learning_rate": 1.9641190474963988e-05,
      "loss": 0.1752,
      "step": 6230
    },
    {
      "epoch": 0.104,
      "grad_norm": 2.734375,
      "learning_rate": 1.9639770732553506e-05,
      "loss": 0.2117,
      "step": 6240
    },
    {
      "epoch": 0.10416666666666667,
      "grad_norm": 24.875,
      "learning_rate": 1.9638348238375203e-05,
      "loss": 0.1692,
      "step": 6250
    },
    {
      "epoch": 0.10433333333333333,
      "grad_norm": 27.625,
      "learning_rate": 1.9636922992835146e-05,
      "loss": 0.185,
      "step": 6260
    },
    {
      "epoch": 0.1045,
      "grad_norm": 19.875,
      "learning_rate": 1.9635494996340182e-05,
      "loss": 0.1903,
      "step": 6270
    },
    {
      "epoch": 0.10466666666666667,
      "grad_norm": 40.5,
      "learning_rate": 1.9634064249297945e-05,
      "loss": 0.199,
      "step": 6280
    },
    {
      "epoch": 0.10483333333333333,
      "grad_norm": 33.75,
      "learning_rate": 1.963263075211686e-05,
      "loss": 0.2183,
      "step": 6290
    },
    {
      "epoch": 0.105,
      "grad_norm": 6.03125,
      "learning_rate": 1.9631194505206133e-05,
      "loss": 0.1858,
      "step": 6300
    },
    {
      "epoch": 0.10516666666666667,
      "grad_norm": 31.0,
      "learning_rate": 1.962975550897575e-05,
      "loss": 0.2057,
      "step": 6310
    },
    {
      "epoch": 0.10533333333333333,
      "grad_norm": 19.5,
      "learning_rate": 1.962831376383649e-05,
      "loss": 0.21,
      "step": 6320
    },
    {
      "epoch": 0.1055,
      "grad_norm": 53.75,
      "learning_rate": 1.962686927019991e-05,
      "loss": 0.2015,
      "step": 6330
    },
    {
      "epoch": 0.10566666666666667,
      "grad_norm": 6.78125,
      "learning_rate": 1.962542202847836e-05,
      "loss": 0.178,
      "step": 6340
    },
    {
      "epoch": 0.10583333333333333,
      "grad_norm": 22.75,
      "learning_rate": 1.962397203908497e-05,
      "loss": 0.1556,
      "step": 6350
    },
    {
      "epoch": 0.106,
      "grad_norm": 9.125,
      "learning_rate": 1.962251930243365e-05,
      "loss": 0.1562,
      "step": 6360
    },
    {
      "epoch": 0.10616666666666667,
      "grad_norm": 17.625,
      "learning_rate": 1.96210638189391e-05,
      "loss": 0.1637,
      "step": 6370
    },
    {
      "epoch": 0.10633333333333334,
      "grad_norm": 22.875,
      "learning_rate": 1.9619605589016796e-05,
      "loss": 0.1748,
      "step": 6380
    },
    {
      "epoch": 0.1065,
      "grad_norm": 28.625,
      "learning_rate": 1.9618144613083015e-05,
      "loss": 0.1749,
      "step": 6390
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 10.4375,
      "learning_rate": 1.96166808915548e-05,
      "loss": 0.1937,
      "step": 6400
    },
    {
      "epoch": 0.10683333333333334,
      "grad_norm": 23.75,
      "learning_rate": 1.9615214424849988e-05,
      "loss": 0.2017,
      "step": 6410
    },
    {
      "epoch": 0.107,
      "grad_norm": 14.4375,
      "learning_rate": 1.961374521338719e-05,
      "loss": 0.2089,
      "step": 6420
    },
    {
      "epoch": 0.10716666666666666,
      "grad_norm": 22.125,
      "learning_rate": 1.9612273257585817e-05,
      "loss": 0.1915,
      "step": 6430
    },
    {
      "epoch": 0.10733333333333334,
      "grad_norm": 19.125,
      "learning_rate": 1.9610798557866043e-05,
      "loss": 0.2135,
      "step": 6440
    },
    {
      "epoch": 0.1075,
      "grad_norm": 41.75,
      "learning_rate": 1.9609321114648846e-05,
      "loss": 0.1732,
      "step": 6450
    },
    {
      "epoch": 0.10766666666666666,
      "grad_norm": 19.125,
      "learning_rate": 1.960784092835597e-05,
      "loss": 0.183,
      "step": 6460
    },
    {
      "epoch": 0.10783333333333334,
      "grad_norm": 5.78125,
      "learning_rate": 1.9606357999409948e-05,
      "loss": 0.1749,
      "step": 6470
    },
    {
      "epoch": 0.108,
      "grad_norm": 27.875,
      "learning_rate": 1.9604872328234096e-05,
      "loss": 0.2021,
      "step": 6480
    },
    {
      "epoch": 0.10816666666666666,
      "grad_norm": 19.625,
      "learning_rate": 1.9603383915252523e-05,
      "loss": 0.1753,
      "step": 6490
    },
    {
      "epoch": 0.10833333333333334,
      "grad_norm": 8.25,
      "learning_rate": 1.96018927608901e-05,
      "loss": 0.1628,
      "step": 6500
    },
    {
      "epoch": 0.1085,
      "grad_norm": 31.875,
      "learning_rate": 1.96003988655725e-05,
      "loss": 0.2064,
      "step": 6510
    },
    {
      "epoch": 0.10866666666666666,
      "grad_norm": 22.75,
      "learning_rate": 1.9598902229726166e-05,
      "loss": 0.1879,
      "step": 6520
    },
    {
      "epoch": 0.10883333333333334,
      "grad_norm": 2.0625,
      "learning_rate": 1.9597402853778323e-05,
      "loss": 0.1863,
      "step": 6530
    },
    {
      "epoch": 0.109,
      "grad_norm": 12.3125,
      "learning_rate": 1.9595900738156996e-05,
      "loss": 0.1735,
      "step": 6540
    },
    {
      "epoch": 0.10916666666666666,
      "grad_norm": 39.0,
      "learning_rate": 1.9594395883290965e-05,
      "loss": 0.1744,
      "step": 6550
    },
    {
      "epoch": 0.10933333333333334,
      "grad_norm": 42.0,
      "learning_rate": 1.959288828960981e-05,
      "loss": 0.1997,
      "step": 6560
    },
    {
      "epoch": 0.1095,
      "grad_norm": 24.625,
      "learning_rate": 1.9591377957543893e-05,
      "loss": 0.2146,
      "step": 6570
    },
    {
      "epoch": 0.10966666666666666,
      "grad_norm": 67.5,
      "learning_rate": 1.958986488752435e-05,
      "loss": 0.2075,
      "step": 6580
    },
    {
      "epoch": 0.10983333333333334,
      "grad_norm": 19.25,
      "learning_rate": 1.95883490799831e-05,
      "loss": 0.1669,
      "step": 6590
    },
    {
      "epoch": 0.11,
      "grad_norm": 54.5,
      "learning_rate": 1.9586830535352845e-05,
      "loss": 0.1851,
      "step": 6600
    },
    {
      "epoch": 0.11016666666666666,
      "grad_norm": 15.8125,
      "learning_rate": 1.9585309254067077e-05,
      "loss": 0.1981,
      "step": 6610
    },
    {
      "epoch": 0.11033333333333334,
      "grad_norm": 37.0,
      "learning_rate": 1.9583785236560045e-05,
      "loss": 0.1894,
      "step": 6620
    },
    {
      "epoch": 0.1105,
      "grad_norm": 27.875,
      "learning_rate": 1.958225848326681e-05,
      "loss": 0.2092,
      "step": 6630
    },
    {
      "epoch": 0.11066666666666666,
      "grad_norm": 38.25,
      "learning_rate": 1.9580728994623194e-05,
      "loss": 0.1879,
      "step": 6640
    },
    {
      "epoch": 0.11083333333333334,
      "grad_norm": 25.875,
      "learning_rate": 1.9579196771065804e-05,
      "loss": 0.1724,
      "step": 6650
    },
    {
      "epoch": 0.111,
      "grad_norm": 18.5,
      "learning_rate": 1.9577661813032022e-05,
      "loss": 0.1827,
      "step": 6660
    },
    {
      "epoch": 0.11116666666666666,
      "grad_norm": 6.09375,
      "learning_rate": 1.9576124120960028e-05,
      "loss": 0.212,
      "step": 6670
    },
    {
      "epoch": 0.11133333333333334,
      "grad_norm": 11.25,
      "learning_rate": 1.9574583695288764e-05,
      "loss": 0.179,
      "step": 6680
    },
    {
      "epoch": 0.1115,
      "grad_norm": 53.75,
      "learning_rate": 1.9573040536457963e-05,
      "loss": 0.1962,
      "step": 6690
    },
    {
      "epoch": 0.11166666666666666,
      "grad_norm": 36.75,
      "learning_rate": 1.9571494644908132e-05,
      "loss": 0.1877,
      "step": 6700
    },
    {
      "epoch": 0.11183333333333334,
      "grad_norm": 31.875,
      "learning_rate": 1.956994602108057e-05,
      "loss": 0.1903,
      "step": 6710
    },
    {
      "epoch": 0.112,
      "grad_norm": 14.625,
      "learning_rate": 1.956839466541733e-05,
      "loss": 0.1778,
      "step": 6720
    },
    {
      "epoch": 0.11216666666666666,
      "grad_norm": 36.25,
      "learning_rate": 1.956684057836128e-05,
      "loss": 0.1945,
      "step": 6730
    },
    {
      "epoch": 0.11233333333333333,
      "grad_norm": 26.5,
      "learning_rate": 1.9565283760356036e-05,
      "loss": 0.1837,
      "step": 6740
    },
    {
      "epoch": 0.1125,
      "grad_norm": 35.25,
      "learning_rate": 1.9563724211846016e-05,
      "loss": 0.1871,
      "step": 6750
    },
    {
      "epoch": 0.11266666666666666,
      "grad_norm": 13.3125,
      "learning_rate": 1.9562161933276402e-05,
      "loss": 0.1799,
      "step": 6760
    },
    {
      "epoch": 0.11283333333333333,
      "grad_norm": 22.375,
      "learning_rate": 1.9560596925093165e-05,
      "loss": 0.194,
      "step": 6770
    },
    {
      "epoch": 0.113,
      "grad_norm": 42.0,
      "learning_rate": 1.9559029187743053e-05,
      "loss": 0.18,
      "step": 6780
    },
    {
      "epoch": 0.11316666666666667,
      "grad_norm": 9.1875,
      "learning_rate": 1.955745872167359e-05,
      "loss": 0.1938,
      "step": 6790
    },
    {
      "epoch": 0.11333333333333333,
      "grad_norm": 19.25,
      "learning_rate": 1.9555885527333083e-05,
      "loss": 0.1895,
      "step": 6800
    },
    {
      "epoch": 0.1135,
      "grad_norm": 69.0,
      "learning_rate": 1.9554309605170615e-05,
      "loss": 0.1639,
      "step": 6810
    },
    {
      "epoch": 0.11366666666666667,
      "grad_norm": 49.0,
      "learning_rate": 1.9552730955636048e-05,
      "loss": 0.1959,
      "step": 6820
    },
    {
      "epoch": 0.11383333333333333,
      "grad_norm": 17.5,
      "learning_rate": 1.9551149579180025e-05,
      "loss": 0.1755,
      "step": 6830
    },
    {
      "epoch": 0.114,
      "grad_norm": 14.1875,
      "learning_rate": 1.954956547625396e-05,
      "loss": 0.2104,
      "step": 6840
    },
    {
      "epoch": 0.11416666666666667,
      "grad_norm": 48.25,
      "learning_rate": 1.954797864731006e-05,
      "loss": 0.1667,
      "step": 6850
    },
    {
      "epoch": 0.11433333333333333,
      "grad_norm": 20.375,
      "learning_rate": 1.9546389092801292e-05,
      "loss": 0.1582,
      "step": 6860
    },
    {
      "epoch": 0.1145,
      "grad_norm": 21.75,
      "learning_rate": 1.9544796813181416e-05,
      "loss": 0.2012,
      "step": 6870
    },
    {
      "epoch": 0.11466666666666667,
      "grad_norm": 41.5,
      "learning_rate": 1.954320180890496e-05,
      "loss": 0.1985,
      "step": 6880
    },
    {
      "epoch": 0.11483333333333333,
      "grad_norm": 13.0625,
      "learning_rate": 1.9541604080427236e-05,
      "loss": 0.2176,
      "step": 6890
    },
    {
      "epoch": 0.115,
      "grad_norm": 43.75,
      "learning_rate": 1.9540003628204334e-05,
      "loss": 0.1867,
      "step": 6900
    },
    {
      "epoch": 0.11516666666666667,
      "grad_norm": 6.4375,
      "learning_rate": 1.9538400452693112e-05,
      "loss": 0.1732,
      "step": 6910
    },
    {
      "epoch": 0.11533333333333333,
      "grad_norm": 21.25,
      "learning_rate": 1.9536794554351218e-05,
      "loss": 0.1818,
      "step": 6920
    },
    {
      "epoch": 0.1155,
      "grad_norm": 36.75,
      "learning_rate": 1.953518593363707e-05,
      "loss": 0.179,
      "step": 6930
    },
    {
      "epoch": 0.11566666666666667,
      "grad_norm": 12.375,
      "learning_rate": 1.9533574591009864e-05,
      "loss": 0.2057,
      "step": 6940
    },
    {
      "epoch": 0.11583333333333333,
      "grad_norm": 5.78125,
      "learning_rate": 1.9531960526929573e-05,
      "loss": 0.2112,
      "step": 6950
    },
    {
      "epoch": 0.116,
      "grad_norm": 32.25,
      "learning_rate": 1.9530343741856954e-05,
      "loss": 0.191,
      "step": 6960
    },
    {
      "epoch": 0.11616666666666667,
      "grad_norm": 8.875,
      "learning_rate": 1.9528724236253526e-05,
      "loss": 0.176,
      "step": 6970
    },
    {
      "epoch": 0.11633333333333333,
      "grad_norm": 19.125,
      "learning_rate": 1.952710201058159e-05,
      "loss": 0.2016,
      "step": 6980
    },
    {
      "epoch": 0.1165,
      "grad_norm": 33.5,
      "learning_rate": 1.9525477065304236e-05,
      "loss": 0.1772,
      "step": 6990
    },
    {
      "epoch": 0.11666666666666667,
      "grad_norm": 18.0,
      "learning_rate": 1.952384940088532e-05,
      "loss": 0.1913,
      "step": 7000
    },
    {
      "epoch": 0.11683333333333333,
      "grad_norm": 5.96875,
      "learning_rate": 1.952221901778947e-05,
      "loss": 0.2096,
      "step": 7010
    },
    {
      "epoch": 0.117,
      "grad_norm": 23.5,
      "learning_rate": 1.9520585916482097e-05,
      "loss": 0.174,
      "step": 7020
    },
    {
      "epoch": 0.11716666666666667,
      "grad_norm": 49.5,
      "learning_rate": 1.9518950097429383e-05,
      "loss": 0.2065,
      "step": 7030
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 14.125,
      "learning_rate": 1.9517311561098294e-05,
      "loss": 0.1801,
      "step": 7040
    },
    {
      "epoch": 0.1175,
      "grad_norm": 32.0,
      "learning_rate": 1.9515670307956563e-05,
      "loss": 0.2031,
      "step": 7050
    },
    {
      "epoch": 0.11766666666666667,
      "grad_norm": 49.25,
      "learning_rate": 1.9514026338472703e-05,
      "loss": 0.1672,
      "step": 7060
    },
    {
      "epoch": 0.11783333333333333,
      "grad_norm": 29.75,
      "learning_rate": 1.9512379653116e-05,
      "loss": 0.2078,
      "step": 7070
    },
    {
      "epoch": 0.118,
      "grad_norm": 33.0,
      "learning_rate": 1.9510730252356517e-05,
      "loss": 0.1673,
      "step": 7080
    },
    {
      "epoch": 0.11816666666666667,
      "grad_norm": 35.5,
      "learning_rate": 1.9509078136665092e-05,
      "loss": 0.185,
      "step": 7090
    },
    {
      "epoch": 0.11833333333333333,
      "grad_norm": 17.375,
      "learning_rate": 1.950742330651334e-05,
      "loss": 0.2074,
      "step": 7100
    },
    {
      "epoch": 0.1185,
      "grad_norm": 45.5,
      "learning_rate": 1.950576576237365e-05,
      "loss": 0.1952,
      "step": 7110
    },
    {
      "epoch": 0.11866666666666667,
      "grad_norm": 2.46875,
      "learning_rate": 1.9504105504719177e-05,
      "loss": 0.1661,
      "step": 7120
    },
    {
      "epoch": 0.11883333333333333,
      "grad_norm": 87.0,
      "learning_rate": 1.950244253402386e-05,
      "loss": 0.1653,
      "step": 7130
    },
    {
      "epoch": 0.119,
      "grad_norm": 48.75,
      "learning_rate": 1.9500776850762415e-05,
      "loss": 0.1943,
      "step": 7140
    },
    {
      "epoch": 0.11916666666666667,
      "grad_norm": 25.875,
      "learning_rate": 1.9499108455410327e-05,
      "loss": 0.1915,
      "step": 7150
    },
    {
      "epoch": 0.11933333333333333,
      "grad_norm": 22.25,
      "learning_rate": 1.9497437348443854e-05,
      "loss": 0.2004,
      "step": 7160
    },
    {
      "epoch": 0.1195,
      "grad_norm": 17.375,
      "learning_rate": 1.9495763530340026e-05,
      "loss": 0.1855,
      "step": 7170
    },
    {
      "epoch": 0.11966666666666667,
      "grad_norm": 17.75,
      "learning_rate": 1.949408700157666e-05,
      "loss": 0.2253,
      "step": 7180
    },
    {
      "epoch": 0.11983333333333333,
      "grad_norm": 28.75,
      "learning_rate": 1.9492407762632327e-05,
      "loss": 0.1751,
      "step": 7190
    },
    {
      "epoch": 0.12,
      "grad_norm": 16.625,
      "learning_rate": 1.9490725813986392e-05,
      "loss": 0.1901,
      "step": 7200
    },
    {
      "epoch": 0.12016666666666667,
      "grad_norm": 27.5,
      "learning_rate": 1.948904115611898e-05,
      "loss": 0.1872,
      "step": 7210
    },
    {
      "epoch": 0.12033333333333333,
      "grad_norm": 30.25,
      "learning_rate": 1.948735378951099e-05,
      "loss": 0.1861,
      "step": 7220
    },
    {
      "epoch": 0.1205,
      "grad_norm": 27.75,
      "learning_rate": 1.9485663714644104e-05,
      "loss": 0.1936,
      "step": 7230
    },
    {
      "epoch": 0.12066666666666667,
      "grad_norm": 12.3125,
      "learning_rate": 1.9483970932000767e-05,
      "loss": 0.1886,
      "step": 7240
    },
    {
      "epoch": 0.12083333333333333,
      "grad_norm": 28.5,
      "learning_rate": 1.94822754420642e-05,
      "loss": 0.1718,
      "step": 7250
    },
    {
      "epoch": 0.121,
      "grad_norm": 11.9375,
      "learning_rate": 1.94805772453184e-05,
      "loss": 0.1649,
      "step": 7260
    },
    {
      "epoch": 0.12116666666666667,
      "grad_norm": 1.6953125,
      "learning_rate": 1.947887634224813e-05,
      "loss": 0.1833,
      "step": 7270
    },
    {
      "epoch": 0.12133333333333333,
      "grad_norm": 22.125,
      "learning_rate": 1.9477172733338934e-05,
      "loss": 0.2003,
      "step": 7280
    },
    {
      "epoch": 0.1215,
      "grad_norm": 67.5,
      "learning_rate": 1.947546641907712e-05,
      "loss": 0.1744,
      "step": 7290
    },
    {
      "epoch": 0.12166666666666667,
      "grad_norm": 39.5,
      "learning_rate": 1.9473757399949773e-05,
      "loss": 0.1855,
      "step": 7300
    },
    {
      "epoch": 0.12183333333333334,
      "grad_norm": 21.625,
      "learning_rate": 1.9472045676444753e-05,
      "loss": 0.1924,
      "step": 7310
    },
    {
      "epoch": 0.122,
      "grad_norm": 11.9375,
      "learning_rate": 1.9470331249050686e-05,
      "loss": 0.1925,
      "step": 7320
    },
    {
      "epoch": 0.12216666666666667,
      "grad_norm": 10.125,
      "learning_rate": 1.946861411825697e-05,
      "loss": 0.1993,
      "step": 7330
    },
    {
      "epoch": 0.12233333333333334,
      "grad_norm": 11.0,
      "learning_rate": 1.9466894284553778e-05,
      "loss": 0.1612,
      "step": 7340
    },
    {
      "epoch": 0.1225,
      "grad_norm": 36.5,
      "learning_rate": 1.9465171748432056e-05,
      "loss": 0.1871,
      "step": 7350
    },
    {
      "epoch": 0.12266666666666666,
      "grad_norm": 30.375,
      "learning_rate": 1.9463446510383517e-05,
      "loss": 0.182,
      "step": 7360
    },
    {
      "epoch": 0.12283333333333334,
      "grad_norm": 41.25,
      "learning_rate": 1.946171857090065e-05,
      "loss": 0.217,
      "step": 7370
    },
    {
      "epoch": 0.123,
      "grad_norm": 51.75,
      "learning_rate": 1.945998793047671e-05,
      "loss": 0.1986,
      "step": 7380
    },
    {
      "epoch": 0.12316666666666666,
      "grad_norm": 20.375,
      "learning_rate": 1.9458254589605723e-05,
      "loss": 0.1584,
      "step": 7390
    },
    {
      "epoch": 0.12333333333333334,
      "grad_norm": 14.4375,
      "learning_rate": 1.9456518548782494e-05,
      "loss": 0.1897,
      "step": 7400
    },
    {
      "epoch": 0.1235,
      "grad_norm": 19.625,
      "learning_rate": 1.945477980850259e-05,
      "loss": 0.1778,
      "step": 7410
    },
    {
      "epoch": 0.12366666666666666,
      "grad_norm": 35.0,
      "learning_rate": 1.945303836926235e-05,
      "loss": 0.2106,
      "step": 7420
    },
    {
      "epoch": 0.12383333333333334,
      "grad_norm": 51.5,
      "learning_rate": 1.9451294231558884e-05,
      "loss": 0.1914,
      "step": 7430
    },
    {
      "epoch": 0.124,
      "grad_norm": 20.375,
      "learning_rate": 1.9449547395890077e-05,
      "loss": 0.1851,
      "step": 7440
    },
    {
      "epoch": 0.12416666666666666,
      "grad_norm": 34.75,
      "learning_rate": 1.944779786275458e-05,
      "loss": 0.1677,
      "step": 7450
    },
    {
      "epoch": 0.12433333333333334,
      "grad_norm": 34.25,
      "learning_rate": 1.9446045632651815e-05,
      "loss": 0.1758,
      "step": 7460
    },
    {
      "epoch": 0.1245,
      "grad_norm": 38.75,
      "learning_rate": 1.944429070608197e-05,
      "loss": 0.1999,
      "step": 7470
    },
    {
      "epoch": 0.12466666666666666,
      "grad_norm": 56.5,
      "learning_rate": 1.944253308354601e-05,
      "loss": 0.1924,
      "step": 7480
    },
    {
      "epoch": 0.12483333333333334,
      "grad_norm": 22.0,
      "learning_rate": 1.9440772765545666e-05,
      "loss": 0.1939,
      "step": 7490
    },
    {
      "epoch": 0.125,
      "grad_norm": 14.0,
      "learning_rate": 1.9439009752583437e-05,
      "loss": 0.1876,
      "step": 7500
    },
    {
      "epoch": 0.12516666666666668,
      "grad_norm": 26.125,
      "learning_rate": 1.943724404516259e-05,
      "loss": 0.1794,
      "step": 7510
    },
    {
      "epoch": 0.12533333333333332,
      "grad_norm": 15.3125,
      "learning_rate": 1.9435475643787163e-05,
      "loss": 0.1794,
      "step": 7520
    },
    {
      "epoch": 0.1255,
      "grad_norm": 14.6875,
      "learning_rate": 1.9433704548961966e-05,
      "loss": 0.2242,
      "step": 7530
    },
    {
      "epoch": 0.12566666666666668,
      "grad_norm": 23.5,
      "learning_rate": 1.943193076119258e-05,
      "loss": 0.2107,
      "step": 7540
    },
    {
      "epoch": 0.12583333333333332,
      "grad_norm": 13.875,
      "learning_rate": 1.943015428098534e-05,
      "loss": 0.2177,
      "step": 7550
    },
    {
      "epoch": 0.126,
      "grad_norm": 22.0,
      "learning_rate": 1.9428375108847373e-05,
      "loss": 0.1743,
      "step": 7560
    },
    {
      "epoch": 0.12616666666666668,
      "grad_norm": 24.375,
      "learning_rate": 1.9426593245286547e-05,
      "loss": 0.1774,
      "step": 7570
    },
    {
      "epoch": 0.12633333333333333,
      "grad_norm": 1.6328125,
      "learning_rate": 1.9424808690811523e-05,
      "loss": 0.1859,
      "step": 7580
    },
    {
      "epoch": 0.1265,
      "grad_norm": 15.0,
      "learning_rate": 1.9423021445931714e-05,
      "loss": 0.1779,
      "step": 7590
    },
    {
      "epoch": 0.12666666666666668,
      "grad_norm": 7.875,
      "learning_rate": 1.9421231511157314e-05,
      "loss": 0.1778,
      "step": 7600
    },
    {
      "epoch": 0.12683333333333333,
      "grad_norm": 22.875,
      "learning_rate": 1.9419438886999268e-05,
      "loss": 0.1793,
      "step": 7610
    },
    {
      "epoch": 0.127,
      "grad_norm": 19.625,
      "learning_rate": 1.9417643573969304e-05,
      "loss": 0.1637,
      "step": 7620
    },
    {
      "epoch": 0.12716666666666668,
      "grad_norm": 22.875,
      "learning_rate": 1.941584557257991e-05,
      "loss": 0.2069,
      "step": 7630
    },
    {
      "epoch": 0.12733333333333333,
      "grad_norm": 28.75,
      "learning_rate": 1.9414044883344346e-05,
      "loss": 0.2095,
      "step": 7640
    },
    {
      "epoch": 0.1275,
      "grad_norm": 5.28125,
      "learning_rate": 1.9412241506776633e-05,
      "loss": 0.1634,
      "step": 7650
    },
    {
      "epoch": 0.12766666666666668,
      "grad_norm": 24.25,
      "learning_rate": 1.9410435443391565e-05,
      "loss": 0.2038,
      "step": 7660
    },
    {
      "epoch": 0.12783333333333333,
      "grad_norm": 41.25,
      "learning_rate": 1.94086266937047e-05,
      "loss": 0.1832,
      "step": 7670
    },
    {
      "epoch": 0.128,
      "grad_norm": 31.625,
      "learning_rate": 1.940681525823236e-05,
      "loss": 0.1722,
      "step": 7680
    },
    {
      "epoch": 0.12816666666666668,
      "grad_norm": 22.125,
      "learning_rate": 1.9405001137491642e-05,
      "loss": 0.1921,
      "step": 7690
    },
    {
      "epoch": 0.12833333333333333,
      "grad_norm": 15.9375,
      "learning_rate": 1.9403184332000405e-05,
      "loss": 0.195,
      "step": 7700
    },
    {
      "epoch": 0.1285,
      "grad_norm": 33.75,
      "learning_rate": 1.940136484227727e-05,
      "loss": 0.1917,
      "step": 7710
    },
    {
      "epoch": 0.12866666666666668,
      "grad_norm": 15.5625,
      "learning_rate": 1.939954266884163e-05,
      "loss": 0.1839,
      "step": 7720
    },
    {
      "epoch": 0.12883333333333333,
      "grad_norm": 35.0,
      "learning_rate": 1.9397717812213644e-05,
      "loss": 0.2191,
      "step": 7730
    },
    {
      "epoch": 0.129,
      "grad_norm": 12.3125,
      "learning_rate": 1.9395890272914237e-05,
      "loss": 0.2197,
      "step": 7740
    },
    {
      "epoch": 0.12916666666666668,
      "grad_norm": 16.375,
      "learning_rate": 1.939406005146509e-05,
      "loss": 0.205,
      "step": 7750
    },
    {
      "epoch": 0.12933333333333333,
      "grad_norm": 60.0,
      "learning_rate": 1.9392227148388667e-05,
      "loss": 0.1941,
      "step": 7760
    },
    {
      "epoch": 0.1295,
      "grad_norm": 4.90625,
      "learning_rate": 1.9390391564208184e-05,
      "loss": 0.181,
      "step": 7770
    },
    {
      "epoch": 0.12966666666666668,
      "grad_norm": 17.625,
      "learning_rate": 1.9388553299447625e-05,
      "loss": 0.1654,
      "step": 7780
    },
    {
      "epoch": 0.12983333333333333,
      "grad_norm": 18.0,
      "learning_rate": 1.9386712354631748e-05,
      "loss": 0.1815,
      "step": 7790
    },
    {
      "epoch": 0.13,
      "grad_norm": 70.5,
      "learning_rate": 1.9384868730286058e-05,
      "loss": 0.1922,
      "step": 7800
    },
    {
      "epoch": 0.13016666666666668,
      "grad_norm": 21.875,
      "learning_rate": 1.9383022426936848e-05,
      "loss": 0.1776,
      "step": 7810
    },
    {
      "epoch": 0.13033333333333333,
      "grad_norm": 29.75,
      "learning_rate": 1.938117344511115e-05,
      "loss": 0.157,
      "step": 7820
    },
    {
      "epoch": 0.1305,
      "grad_norm": 34.0,
      "learning_rate": 1.9379321785336785e-05,
      "loss": 0.1812,
      "step": 7830
    },
    {
      "epoch": 0.13066666666666665,
      "grad_norm": 11.25,
      "learning_rate": 1.9377467448142325e-05,
      "loss": 0.1812,
      "step": 7840
    },
    {
      "epoch": 0.13083333333333333,
      "grad_norm": 24.375,
      "learning_rate": 1.9375610434057103e-05,
      "loss": 0.1895,
      "step": 7850
    },
    {
      "epoch": 0.131,
      "grad_norm": 20.875,
      "learning_rate": 1.937375074361123e-05,
      "loss": 0.1896,
      "step": 7860
    },
    {
      "epoch": 0.13116666666666665,
      "grad_norm": 23.625,
      "learning_rate": 1.9371888377335574e-05,
      "loss": 0.1909,
      "step": 7870
    },
    {
      "epoch": 0.13133333333333333,
      "grad_norm": 22.25,
      "learning_rate": 1.9370023335761755e-05,
      "loss": 0.1938,
      "step": 7880
    },
    {
      "epoch": 0.1315,
      "grad_norm": 24.625,
      "learning_rate": 1.936815561942218e-05,
      "loss": 0.1894,
      "step": 7890
    },
    {
      "epoch": 0.13166666666666665,
      "grad_norm": 62.5,
      "learning_rate": 1.9366285228849996e-05,
      "loss": 0.1868,
      "step": 7900
    },
    {
      "epoch": 0.13183333333333333,
      "grad_norm": 16.0,
      "learning_rate": 1.9364412164579135e-05,
      "loss": 0.1834,
      "step": 7910
    },
    {
      "epoch": 0.132,
      "grad_norm": 53.5,
      "learning_rate": 1.9362536427144273e-05,
      "loss": 0.2082,
      "step": 7920
    },
    {
      "epoch": 0.13216666666666665,
      "grad_norm": 9.8125,
      "learning_rate": 1.936065801708086e-05,
      "loss": 0.1859,
      "step": 7930
    },
    {
      "epoch": 0.13233333333333333,
      "grad_norm": 18.375,
      "learning_rate": 1.935877693492511e-05,
      "loss": 0.1965,
      "step": 7940
    },
    {
      "epoch": 0.1325,
      "grad_norm": 37.0,
      "learning_rate": 1.9356893181213997e-05,
      "loss": 0.2047,
      "step": 7950
    },
    {
      "epoch": 0.13266666666666665,
      "grad_norm": 12.5,
      "learning_rate": 1.935500675648525e-05,
      "loss": 0.1752,
      "step": 7960
    },
    {
      "epoch": 0.13283333333333333,
      "grad_norm": 1.7109375,
      "learning_rate": 1.9353117661277374e-05,
      "loss": 0.1821,
      "step": 7970
    },
    {
      "epoch": 0.133,
      "grad_norm": 18.0,
      "learning_rate": 1.9351225896129627e-05,
      "loss": 0.1938,
      "step": 7980
    },
    {
      "epoch": 0.13316666666666666,
      "grad_norm": 5.40625,
      "learning_rate": 1.934933146158204e-05,
      "loss": 0.1802,
      "step": 7990
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 30.375,
      "learning_rate": 1.9347434358175383e-05,
      "loss": 0.1944,
      "step": 8000
    },
    {
      "epoch": 0.1335,
      "grad_norm": 10.875,
      "learning_rate": 1.9345534586451212e-05,
      "loss": 0.1739,
      "step": 8010
    },
    {
      "epoch": 0.13366666666666666,
      "grad_norm": 13.3125,
      "learning_rate": 1.9343632146951837e-05,
      "loss": 0.1973,
      "step": 8020
    },
    {
      "epoch": 0.13383333333333333,
      "grad_norm": 12.6875,
      "learning_rate": 1.9341727040220325e-05,
      "loss": 0.1906,
      "step": 8030
    },
    {
      "epoch": 0.134,
      "grad_norm": 48.75,
      "learning_rate": 1.9339819266800514e-05,
      "loss": 0.1861,
      "step": 8040
    },
    {
      "epoch": 0.13416666666666666,
      "grad_norm": 13.125,
      "learning_rate": 1.9337908827236983e-05,
      "loss": 0.1667,
      "step": 8050
    },
    {
      "epoch": 0.13433333333333333,
      "grad_norm": 40.75,
      "learning_rate": 1.93359957220751e-05,
      "loss": 0.1996,
      "step": 8060
    },
    {
      "epoch": 0.1345,
      "grad_norm": 55.0,
      "learning_rate": 1.933407995186097e-05,
      "loss": 0.2087,
      "step": 8070
    },
    {
      "epoch": 0.13466666666666666,
      "grad_norm": 18.875,
      "learning_rate": 1.9332161517141476e-05,
      "loss": 0.1815,
      "step": 8080
    },
    {
      "epoch": 0.13483333333333333,
      "grad_norm": 52.75,
      "learning_rate": 1.9330240418464247e-05,
      "loss": 0.1851,
      "step": 8090
    },
    {
      "epoch": 0.135,
      "grad_norm": 47.25,
      "learning_rate": 1.9328316656377682e-05,
      "loss": 0.1854,
      "step": 8100
    },
    {
      "epoch": 0.13516666666666666,
      "grad_norm": 64.0,
      "learning_rate": 1.9326390231430944e-05,
      "loss": 0.151,
      "step": 8110
    },
    {
      "epoch": 0.13533333333333333,
      "grad_norm": 17.125,
      "learning_rate": 1.932446114417394e-05,
      "loss": 0.1677,
      "step": 8120
    },
    {
      "epoch": 0.1355,
      "grad_norm": 21.0,
      "learning_rate": 1.9322529395157356e-05,
      "loss": 0.1958,
      "step": 8130
    },
    {
      "epoch": 0.13566666666666666,
      "grad_norm": 71.5,
      "learning_rate": 1.9320594984932625e-05,
      "loss": 0.1762,
      "step": 8140
    },
    {
      "epoch": 0.13583333333333333,
      "grad_norm": 31.5,
      "learning_rate": 1.931865791405194e-05,
      "loss": 0.1912,
      "step": 8150
    },
    {
      "epoch": 0.136,
      "grad_norm": 21.625,
      "learning_rate": 1.9316718183068265e-05,
      "loss": 0.1956,
      "step": 8160
    },
    {
      "epoch": 0.13616666666666666,
      "grad_norm": 17.0,
      "learning_rate": 1.9314775792535307e-05,
      "loss": 0.1807,
      "step": 8170
    },
    {
      "epoch": 0.13633333333333333,
      "grad_norm": 36.5,
      "learning_rate": 1.9312830743007548e-05,
      "loss": 0.1844,
      "step": 8180
    },
    {
      "epoch": 0.1365,
      "grad_norm": 2.03125,
      "learning_rate": 1.9310883035040217e-05,
      "loss": 0.1882,
      "step": 8190
    },
    {
      "epoch": 0.13666666666666666,
      "grad_norm": 22.25,
      "learning_rate": 1.9308932669189305e-05,
      "loss": 0.1739,
      "step": 8200
    },
    {
      "epoch": 0.13683333333333333,
      "grad_norm": 42.75,
      "learning_rate": 1.9306979646011567e-05,
      "loss": 0.1848,
      "step": 8210
    },
    {
      "epoch": 0.137,
      "grad_norm": 30.875,
      "learning_rate": 1.930502396606451e-05,
      "loss": 0.1875,
      "step": 8220
    },
    {
      "epoch": 0.13716666666666666,
      "grad_norm": 34.0,
      "learning_rate": 1.9303065629906408e-05,
      "loss": 0.177,
      "step": 8230
    },
    {
      "epoch": 0.13733333333333334,
      "grad_norm": 17.625,
      "learning_rate": 1.930110463809628e-05,
      "loss": 0.1709,
      "step": 8240
    },
    {
      "epoch": 0.1375,
      "grad_norm": 10.375,
      "learning_rate": 1.9299140991193912e-05,
      "loss": 0.1832,
      "step": 8250
    },
    {
      "epoch": 0.13766666666666666,
      "grad_norm": 23.0,
      "learning_rate": 1.9297174689759852e-05,
      "loss": 0.161,
      "step": 8260
    },
    {
      "epoch": 0.13783333333333334,
      "grad_norm": 19.125,
      "learning_rate": 1.9295205734355395e-05,
      "loss": 0.17,
      "step": 8270
    },
    {
      "epoch": 0.138,
      "grad_norm": 18.0,
      "learning_rate": 1.92932341255426e-05,
      "loss": 0.1855,
      "step": 8280
    },
    {
      "epoch": 0.13816666666666666,
      "grad_norm": 13.75,
      "learning_rate": 1.929125986388428e-05,
      "loss": 0.1826,
      "step": 8290
    },
    {
      "epoch": 0.13833333333333334,
      "grad_norm": 41.0,
      "learning_rate": 1.928928294994401e-05,
      "loss": 0.1902,
      "step": 8300
    },
    {
      "epoch": 0.1385,
      "grad_norm": 13.5,
      "learning_rate": 1.928730338428612e-05,
      "loss": 0.1946,
      "step": 8310
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 12.6875,
      "learning_rate": 1.92853211674757e-05,
      "loss": 0.1625,
      "step": 8320
    },
    {
      "epoch": 0.13883333333333334,
      "grad_norm": 14.5625,
      "learning_rate": 1.9283336300078583e-05,
      "loss": 0.189,
      "step": 8330
    },
    {
      "epoch": 0.139,
      "grad_norm": 81.0,
      "learning_rate": 1.928134878266138e-05,
      "loss": 0.1752,
      "step": 8340
    },
    {
      "epoch": 0.13916666666666666,
      "grad_norm": 42.25,
      "learning_rate": 1.927935861579144e-05,
      "loss": 0.174,
      "step": 8350
    },
    {
      "epoch": 0.13933333333333334,
      "grad_norm": 31.375,
      "learning_rate": 1.927736580003688e-05,
      "loss": 0.1946,
      "step": 8360
    },
    {
      "epoch": 0.1395,
      "grad_norm": 36.5,
      "learning_rate": 1.927537033596657e-05,
      "loss": 0.1871,
      "step": 8370
    },
    {
      "epoch": 0.13966666666666666,
      "grad_norm": 1.40625,
      "learning_rate": 1.9273372224150126e-05,
      "loss": 0.2036,
      "step": 8380
    },
    {
      "epoch": 0.13983333333333334,
      "grad_norm": 33.25,
      "learning_rate": 1.927137146515794e-05,
      "loss": 0.1634,
      "step": 8390
    },
    {
      "epoch": 0.14,
      "grad_norm": 38.75,
      "learning_rate": 1.926936805956114e-05,
      "loss": 0.1906,
      "step": 8400
    },
    {
      "epoch": 0.14016666666666666,
      "grad_norm": 31.875,
      "learning_rate": 1.9267362007931624e-05,
      "loss": 0.1933,
      "step": 8410
    },
    {
      "epoch": 0.14033333333333334,
      "grad_norm": 18.5,
      "learning_rate": 1.9265353310842035e-05,
      "loss": 0.1901,
      "step": 8420
    },
    {
      "epoch": 0.1405,
      "grad_norm": 25.75,
      "learning_rate": 1.926334196886578e-05,
      "loss": 0.1806,
      "step": 8430
    },
    {
      "epoch": 0.14066666666666666,
      "grad_norm": 65.5,
      "learning_rate": 1.9261327982577015e-05,
      "loss": 0.1722,
      "step": 8440
    },
    {
      "epoch": 0.14083333333333334,
      "grad_norm": 17.0,
      "learning_rate": 1.9259311352550648e-05,
      "loss": 0.2039,
      "step": 8450
    },
    {
      "epoch": 0.141,
      "grad_norm": 18.875,
      "learning_rate": 1.925729207936235e-05,
      "loss": 0.1827,
      "step": 8460
    },
    {
      "epoch": 0.14116666666666666,
      "grad_norm": 14.625,
      "learning_rate": 1.9255270163588543e-05,
      "loss": 0.2146,
      "step": 8470
    },
    {
      "epoch": 0.14133333333333334,
      "grad_norm": 17.25,
      "learning_rate": 1.9253245605806397e-05,
      "loss": 0.1702,
      "step": 8480
    },
    {
      "epoch": 0.1415,
      "grad_norm": 18.25,
      "learning_rate": 1.925121840659385e-05,
      "loss": 0.1664,
      "step": 8490
    },
    {
      "epoch": 0.14166666666666666,
      "grad_norm": 7.40625,
      "learning_rate": 1.924918856652958e-05,
      "loss": 0.1837,
      "step": 8500
    },
    {
      "epoch": 0.14183333333333334,
      "grad_norm": 22.75,
      "learning_rate": 1.924715608619303e-05,
      "loss": 0.1822,
      "step": 8510
    },
    {
      "epoch": 0.142,
      "grad_norm": 19.5,
      "learning_rate": 1.9245120966164385e-05,
      "loss": 0.1889,
      "step": 8520
    },
    {
      "epoch": 0.14216666666666666,
      "grad_norm": 21.25,
      "learning_rate": 1.92430832070246e-05,
      "loss": 0.184,
      "step": 8530
    },
    {
      "epoch": 0.14233333333333334,
      "grad_norm": 21.5,
      "learning_rate": 1.9241042809355362e-05,
      "loss": 0.1829,
      "step": 8540
    },
    {
      "epoch": 0.1425,
      "grad_norm": 24.75,
      "learning_rate": 1.923899977373913e-05,
      "loss": 0.1755,
      "step": 8550
    },
    {
      "epoch": 0.14266666666666666,
      "grad_norm": 34.25,
      "learning_rate": 1.9236954100759106e-05,
      "loss": 0.1907,
      "step": 8560
    },
    {
      "epoch": 0.14283333333333334,
      "grad_norm": 12.875,
      "learning_rate": 1.9234905790999253e-05,
      "loss": 0.1586,
      "step": 8570
    },
    {
      "epoch": 0.143,
      "grad_norm": 1.859375,
      "learning_rate": 1.923285484504427e-05,
      "loss": 0.1746,
      "step": 8580
    },
    {
      "epoch": 0.14316666666666666,
      "grad_norm": 1.71875,
      "learning_rate": 1.923080126347963e-05,
      "loss": 0.1645,
      "step": 8590
    },
    {
      "epoch": 0.14333333333333334,
      "grad_norm": 109.0,
      "learning_rate": 1.9228745046891545e-05,
      "loss": 0.1801,
      "step": 8600
    },
    {
      "epoch": 0.1435,
      "grad_norm": 20.0,
      "learning_rate": 1.9226686195866982e-05,
      "loss": 0.1721,
      "step": 8610
    },
    {
      "epoch": 0.14366666666666666,
      "grad_norm": 1.828125,
      "learning_rate": 1.9224624710993657e-05,
      "loss": 0.1826,
      "step": 8620
    },
    {
      "epoch": 0.14383333333333334,
      "grad_norm": 42.25,
      "learning_rate": 1.922256059286005e-05,
      "loss": 0.1964,
      "step": 8630
    },
    {
      "epoch": 0.144,
      "grad_norm": 7.0625,
      "learning_rate": 1.9220493842055376e-05,
      "loss": 0.198,
      "step": 8640
    },
    {
      "epoch": 0.14416666666666667,
      "grad_norm": 58.0,
      "learning_rate": 1.9218424459169613e-05,
      "loss": 0.2204,
      "step": 8650
    },
    {
      "epoch": 0.14433333333333334,
      "grad_norm": 20.875,
      "learning_rate": 1.9216352444793484e-05,
      "loss": 0.1901,
      "step": 8660
    },
    {
      "epoch": 0.1445,
      "grad_norm": 34.5,
      "learning_rate": 1.921427779951847e-05,
      "loss": 0.1661,
      "step": 8670
    },
    {
      "epoch": 0.14466666666666667,
      "grad_norm": 13.75,
      "learning_rate": 1.9212200523936792e-05,
      "loss": 0.2065,
      "step": 8680
    },
    {
      "epoch": 0.14483333333333334,
      "grad_norm": 15.1875,
      "learning_rate": 1.9210120618641435e-05,
      "loss": 0.1774,
      "step": 8690
    },
    {
      "epoch": 0.145,
      "grad_norm": 37.5,
      "learning_rate": 1.920803808422613e-05,
      "loss": 0.2029,
      "step": 8700
    },
    {
      "epoch": 0.14516666666666667,
      "grad_norm": 42.5,
      "learning_rate": 1.9205952921285354e-05,
      "loss": 0.1847,
      "step": 8710
    },
    {
      "epoch": 0.14533333333333334,
      "grad_norm": 18.375,
      "learning_rate": 1.9203865130414338e-05,
      "loss": 0.172,
      "step": 8720
    },
    {
      "epoch": 0.1455,
      "grad_norm": 24.25,
      "learning_rate": 1.9201774712209058e-05,
      "loss": 0.1982,
      "step": 8730
    },
    {
      "epoch": 0.14566666666666667,
      "grad_norm": 11.6875,
      "learning_rate": 1.9199681667266254e-05,
      "loss": 0.1746,
      "step": 8740
    },
    {
      "epoch": 0.14583333333333334,
      "grad_norm": 26.375,
      "learning_rate": 1.9197585996183397e-05,
      "loss": 0.1943,
      "step": 8750
    },
    {
      "epoch": 0.146,
      "grad_norm": 46.25,
      "learning_rate": 1.919548769955872e-05,
      "loss": 0.18,
      "step": 8760
    },
    {
      "epoch": 0.14616666666666667,
      "grad_norm": 5.90625,
      "learning_rate": 1.9193386777991207e-05,
      "loss": 0.1716,
      "step": 8770
    },
    {
      "epoch": 0.14633333333333334,
      "grad_norm": 17.125,
      "learning_rate": 1.919128323208058e-05,
      "loss": 0.1891,
      "step": 8780
    },
    {
      "epoch": 0.1465,
      "grad_norm": 4.03125,
      "learning_rate": 1.9189177062427324e-05,
      "loss": 0.1873,
      "step": 8790
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 10.875,
      "learning_rate": 1.918706826963266e-05,
      "loss": 0.2206,
      "step": 8800
    },
    {
      "epoch": 0.14683333333333334,
      "grad_norm": 25.25,
      "learning_rate": 1.9184956854298565e-05,
      "loss": 0.189,
      "step": 8810
    },
    {
      "epoch": 0.147,
      "grad_norm": 59.75,
      "learning_rate": 1.9182842817027768e-05,
      "loss": 0.1851,
      "step": 8820
    },
    {
      "epoch": 0.14716666666666667,
      "grad_norm": 33.75,
      "learning_rate": 1.9180726158423735e-05,
      "loss": 0.1965,
      "step": 8830
    },
    {
      "epoch": 0.14733333333333334,
      "grad_norm": 32.75,
      "learning_rate": 1.917860687909069e-05,
      "loss": 0.186,
      "step": 8840
    },
    {
      "epoch": 0.1475,
      "grad_norm": 25.125,
      "learning_rate": 1.9176484979633602e-05,
      "loss": 0.1956,
      "step": 8850
    },
    {
      "epoch": 0.14766666666666667,
      "grad_norm": 7.1875,
      "learning_rate": 1.9174360460658192e-05,
      "loss": 0.1732,
      "step": 8860
    },
    {
      "epoch": 0.14783333333333334,
      "grad_norm": 13.8125,
      "learning_rate": 1.917223332277092e-05,
      "loss": 0.1851,
      "step": 8870
    },
    {
      "epoch": 0.148,
      "grad_norm": 41.5,
      "learning_rate": 1.9170103566579003e-05,
      "loss": 0.1719,
      "step": 8880
    },
    {
      "epoch": 0.14816666666666667,
      "grad_norm": 5.5625,
      "learning_rate": 1.916797119269039e-05,
      "loss": 0.1811,
      "step": 8890
    },
    {
      "epoch": 0.14833333333333334,
      "grad_norm": 13.25,
      "learning_rate": 1.9165836201713802e-05,
      "loss": 0.172,
      "step": 8900
    },
    {
      "epoch": 0.1485,
      "grad_norm": 13.3125,
      "learning_rate": 1.9163698594258687e-05,
      "loss": 0.1915,
      "step": 8910
    },
    {
      "epoch": 0.14866666666666667,
      "grad_norm": 66.0,
      "learning_rate": 1.9161558370935248e-05,
      "loss": 0.208,
      "step": 8920
    },
    {
      "epoch": 0.14883333333333335,
      "grad_norm": 51.0,
      "learning_rate": 1.915941553235443e-05,
      "loss": 0.183,
      "step": 8930
    },
    {
      "epoch": 0.149,
      "grad_norm": 17.875,
      "learning_rate": 1.915727007912793e-05,
      "loss": 0.1817,
      "step": 8940
    },
    {
      "epoch": 0.14916666666666667,
      "grad_norm": 7.4375,
      "learning_rate": 1.9155122011868188e-05,
      "loss": 0.1822,
      "step": 8950
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 19.125,
      "learning_rate": 1.915297133118839e-05,
      "loss": 0.1992,
      "step": 8960
    },
    {
      "epoch": 0.1495,
      "grad_norm": 12.75,
      "learning_rate": 1.915081803770247e-05,
      "loss": 0.179,
      "step": 8970
    },
    {
      "epoch": 0.14966666666666667,
      "grad_norm": 13.5,
      "learning_rate": 1.914866213202511e-05,
      "loss": 0.156,
      "step": 8980
    },
    {
      "epoch": 0.14983333333333335,
      "grad_norm": 14.6875,
      "learning_rate": 1.9146503614771728e-05,
      "loss": 0.1809,
      "step": 8990
    },
    {
      "epoch": 0.15,
      "grad_norm": 23.5,
      "learning_rate": 1.9144342486558497e-05,
      "loss": 0.171,
      "step": 9000
    },
    {
      "epoch": 0.15016666666666667,
      "grad_norm": 15.125,
      "learning_rate": 1.9142178748002335e-05,
      "loss": 0.1826,
      "step": 9010
    },
    {
      "epoch": 0.15033333333333335,
      "grad_norm": 12.125,
      "learning_rate": 1.9140012399720898e-05,
      "loss": 0.185,
      "step": 9020
    },
    {
      "epoch": 0.1505,
      "grad_norm": 15.0625,
      "learning_rate": 1.9137843442332595e-05,
      "loss": 0.1902,
      "step": 9030
    },
    {
      "epoch": 0.15066666666666667,
      "grad_norm": 19.625,
      "learning_rate": 1.913567187645658e-05,
      "loss": 0.2123,
      "step": 9040
    },
    {
      "epoch": 0.15083333333333335,
      "grad_norm": 32.5,
      "learning_rate": 1.9133497702712737e-05,
      "loss": 0.2112,
      "step": 9050
    },
    {
      "epoch": 0.151,
      "grad_norm": 1.4453125,
      "learning_rate": 1.9131320921721713e-05,
      "loss": 0.1957,
      "step": 9060
    },
    {
      "epoch": 0.15116666666666667,
      "grad_norm": 24.125,
      "learning_rate": 1.912914153410489e-05,
      "loss": 0.1696,
      "step": 9070
    },
    {
      "epoch": 0.15133333333333332,
      "grad_norm": 24.25,
      "learning_rate": 1.91269595404844e-05,
      "loss": 0.1844,
      "step": 9080
    },
    {
      "epoch": 0.1515,
      "grad_norm": 16.75,
      "learning_rate": 1.912477494148311e-05,
      "loss": 0.1801,
      "step": 9090
    },
    {
      "epoch": 0.15166666666666667,
      "grad_norm": 11.875,
      "learning_rate": 1.9122587737724633e-05,
      "loss": 0.1818,
      "step": 9100
    },
    {
      "epoch": 0.15183333333333332,
      "grad_norm": 15.9375,
      "learning_rate": 1.9120397929833334e-05,
      "loss": 0.2123,
      "step": 9110
    },
    {
      "epoch": 0.152,
      "grad_norm": 35.75,
      "learning_rate": 1.911820551843431e-05,
      "loss": 0.1763,
      "step": 9120
    },
    {
      "epoch": 0.15216666666666667,
      "grad_norm": 29.625,
      "learning_rate": 1.911601050415341e-05,
      "loss": 0.1674,
      "step": 9130
    },
    {
      "epoch": 0.15233333333333332,
      "grad_norm": 51.75,
      "learning_rate": 1.911381288761722e-05,
      "loss": 0.2002,
      "step": 9140
    },
    {
      "epoch": 0.1525,
      "grad_norm": 27.0,
      "learning_rate": 1.9111612669453074e-05,
      "loss": 0.2106,
      "step": 9150
    },
    {
      "epoch": 0.15266666666666667,
      "grad_norm": 36.75,
      "learning_rate": 1.9109409850289045e-05,
      "loss": 0.1774,
      "step": 9160
    },
    {
      "epoch": 0.15283333333333332,
      "grad_norm": 2.140625,
      "learning_rate": 1.9107204430753947e-05,
      "loss": 0.2025,
      "step": 9170
    },
    {
      "epoch": 0.153,
      "grad_norm": 33.0,
      "learning_rate": 1.9104996411477344e-05,
      "loss": 0.1737,
      "step": 9180
    },
    {
      "epoch": 0.15316666666666667,
      "grad_norm": 12.125,
      "learning_rate": 1.9102785793089534e-05,
      "loss": 0.1883,
      "step": 9190
    },
    {
      "epoch": 0.15333333333333332,
      "grad_norm": 26.125,
      "learning_rate": 1.910057257622156e-05,
      "loss": 0.1857,
      "step": 9200
    },
    {
      "epoch": 0.1535,
      "grad_norm": 35.25,
      "learning_rate": 1.9098356761505204e-05,
      "loss": 0.1866,
      "step": 9210
    },
    {
      "epoch": 0.15366666666666667,
      "grad_norm": 14.8125,
      "learning_rate": 1.9096138349572993e-05,
      "loss": 0.1774,
      "step": 9220
    },
    {
      "epoch": 0.15383333333333332,
      "grad_norm": 19.5,
      "learning_rate": 1.90939173410582e-05,
      "loss": 0.197,
      "step": 9230
    },
    {
      "epoch": 0.154,
      "grad_norm": 15.875,
      "learning_rate": 1.909169373659483e-05,
      "loss": 0.1656,
      "step": 9240
    },
    {
      "epoch": 0.15416666666666667,
      "grad_norm": 34.25,
      "learning_rate": 1.908946753681763e-05,
      "loss": 0.1874,
      "step": 9250
    },
    {
      "epoch": 0.15433333333333332,
      "grad_norm": 26.875,
      "learning_rate": 1.9087238742362094e-05,
      "loss": 0.1942,
      "step": 9260
    },
    {
      "epoch": 0.1545,
      "grad_norm": 25.25,
      "learning_rate": 1.9085007353864457e-05,
      "loss": 0.1738,
      "step": 9270
    },
    {
      "epoch": 0.15466666666666667,
      "grad_norm": 31.625,
      "learning_rate": 1.9082773371961684e-05,
      "loss": 0.1735,
      "step": 9280
    },
    {
      "epoch": 0.15483333333333332,
      "grad_norm": 1.859375,
      "learning_rate": 1.9080536797291493e-05,
      "loss": 0.1553,
      "step": 9290
    },
    {
      "epoch": 0.155,
      "grad_norm": 16.5,
      "learning_rate": 1.9078297630492327e-05,
      "loss": 0.1718,
      "step": 9300
    },
    {
      "epoch": 0.15516666666666667,
      "grad_norm": 15.625,
      "learning_rate": 1.907605587220339e-05,
      "loss": 0.2031,
      "step": 9310
    },
    {
      "epoch": 0.15533333333333332,
      "grad_norm": 26.5,
      "learning_rate": 1.907381152306461e-05,
      "loss": 0.1709,
      "step": 9320
    },
    {
      "epoch": 0.1555,
      "grad_norm": 7.96875,
      "learning_rate": 1.9071564583716656e-05,
      "loss": 0.1965,
      "step": 9330
    },
    {
      "epoch": 0.15566666666666668,
      "grad_norm": 28.125,
      "learning_rate": 1.906931505480094e-05,
      "loss": 0.1569,
      "step": 9340
    },
    {
      "epoch": 0.15583333333333332,
      "grad_norm": 23.875,
      "learning_rate": 1.906706293695961e-05,
      "loss": 0.1805,
      "step": 9350
    },
    {
      "epoch": 0.156,
      "grad_norm": 7.25,
      "learning_rate": 1.9064808230835566e-05,
      "loss": 0.1855,
      "step": 9360
    },
    {
      "epoch": 0.15616666666666668,
      "grad_norm": 37.5,
      "learning_rate": 1.906255093707242e-05,
      "loss": 0.1839,
      "step": 9370
    },
    {
      "epoch": 0.15633333333333332,
      "grad_norm": 71.5,
      "learning_rate": 1.906029105631455e-05,
      "loss": 0.1955,
      "step": 9380
    },
    {
      "epoch": 0.1565,
      "grad_norm": 14.25,
      "learning_rate": 1.905802858920706e-05,
      "loss": 0.1668,
      "step": 9390
    },
    {
      "epoch": 0.15666666666666668,
      "grad_norm": 39.75,
      "learning_rate": 1.9055763536395794e-05,
      "loss": 0.1673,
      "step": 9400
    },
    {
      "epoch": 0.15683333333333332,
      "grad_norm": 16.0,
      "learning_rate": 1.905349589852733e-05,
      "loss": 0.1898,
      "step": 9410
    },
    {
      "epoch": 0.157,
      "grad_norm": 15.8125,
      "learning_rate": 1.9051225676248987e-05,
      "loss": 0.1854,
      "step": 9420
    },
    {
      "epoch": 0.15716666666666668,
      "grad_norm": 12.625,
      "learning_rate": 1.9048952870208825e-05,
      "loss": 0.2137,
      "step": 9430
    },
    {
      "epoch": 0.15733333333333333,
      "grad_norm": 26.75,
      "learning_rate": 1.9046677481055637e-05,
      "loss": 0.177,
      "step": 9440
    },
    {
      "epoch": 0.1575,
      "grad_norm": 20.75,
      "learning_rate": 1.904439950943896e-05,
      "loss": 0.1947,
      "step": 9450
    },
    {
      "epoch": 0.15766666666666668,
      "grad_norm": 27.5,
      "learning_rate": 1.904211895600906e-05,
      "loss": 0.2001,
      "step": 9460
    },
    {
      "epoch": 0.15783333333333333,
      "grad_norm": 15.25,
      "learning_rate": 1.9039835821416946e-05,
      "loss": 0.1911,
      "step": 9470
    },
    {
      "epoch": 0.158,
      "grad_norm": 49.5,
      "learning_rate": 1.9037550106314356e-05,
      "loss": 0.1992,
      "step": 9480
    },
    {
      "epoch": 0.15816666666666668,
      "grad_norm": 9.1875,
      "learning_rate": 1.9035261811353775e-05,
      "loss": 0.183,
      "step": 9490
    },
    {
      "epoch": 0.15833333333333333,
      "grad_norm": 28.25,
      "learning_rate": 1.9032970937188417e-05,
      "loss": 0.1745,
      "step": 9500
    },
    {
      "epoch": 0.1585,
      "grad_norm": 24.5,
      "learning_rate": 1.9030677484472235e-05,
      "loss": 0.1797,
      "step": 9510
    },
    {
      "epoch": 0.15866666666666668,
      "grad_norm": 40.75,
      "learning_rate": 1.9028381453859918e-05,
      "loss": 0.1681,
      "step": 9520
    },
    {
      "epoch": 0.15883333333333333,
      "grad_norm": 10.0625,
      "learning_rate": 1.9026082846006894e-05,
      "loss": 0.1993,
      "step": 9530
    },
    {
      "epoch": 0.159,
      "grad_norm": 25.875,
      "learning_rate": 1.9023781661569317e-05,
      "loss": 0.2105,
      "step": 9540
    },
    {
      "epoch": 0.15916666666666668,
      "grad_norm": 24.5,
      "learning_rate": 1.9021477901204087e-05,
      "loss": 0.202,
      "step": 9550
    },
    {
      "epoch": 0.15933333333333333,
      "grad_norm": 21.625,
      "learning_rate": 1.9019171565568832e-05,
      "loss": 0.1617,
      "step": 9560
    },
    {
      "epoch": 0.1595,
      "grad_norm": 2.140625,
      "learning_rate": 1.9016862655321924e-05,
      "loss": 0.2086,
      "step": 9570
    },
    {
      "epoch": 0.15966666666666668,
      "grad_norm": 8.5625,
      "learning_rate": 1.9014551171122456e-05,
      "loss": 0.1726,
      "step": 9580
    },
    {
      "epoch": 0.15983333333333333,
      "grad_norm": 2.515625,
      "learning_rate": 1.9012237113630275e-05,
      "loss": 0.1849,
      "step": 9590
    },
    {
      "epoch": 0.16,
      "grad_norm": 17.625,
      "learning_rate": 1.900992048350594e-05,
      "loss": 0.1841,
      "step": 9600
    },
    {
      "epoch": 0.16016666666666668,
      "grad_norm": 5.53125,
      "learning_rate": 1.9007601281410763e-05,
      "loss": 0.1504,
      "step": 9610
    },
    {
      "epoch": 0.16033333333333333,
      "grad_norm": 37.5,
      "learning_rate": 1.9005279508006782e-05,
      "loss": 0.2057,
      "step": 9620
    },
    {
      "epoch": 0.1605,
      "grad_norm": 29.5,
      "learning_rate": 1.900295516395677e-05,
      "loss": 0.2094,
      "step": 9630
    },
    {
      "epoch": 0.16066666666666668,
      "grad_norm": 22.375,
      "learning_rate": 1.9000628249924232e-05,
      "loss": 0.1676,
      "step": 9640
    },
    {
      "epoch": 0.16083333333333333,
      "grad_norm": 24.875,
      "learning_rate": 1.8998298766573408e-05,
      "loss": 0.1774,
      "step": 9650
    },
    {
      "epoch": 0.161,
      "grad_norm": 29.75,
      "learning_rate": 1.899596671456928e-05,
      "loss": 0.1701,
      "step": 9660
    },
    {
      "epoch": 0.16116666666666668,
      "grad_norm": 35.25,
      "learning_rate": 1.8993632094577542e-05,
      "loss": 0.1655,
      "step": 9670
    },
    {
      "epoch": 0.16133333333333333,
      "grad_norm": 33.75,
      "learning_rate": 1.899129490726465e-05,
      "loss": 0.1932,
      "step": 9680
    },
    {
      "epoch": 0.1615,
      "grad_norm": 32.75,
      "learning_rate": 1.8988955153297762e-05,
      "loss": 0.1689,
      "step": 9690
    },
    {
      "epoch": 0.16166666666666665,
      "grad_norm": 21.75,
      "learning_rate": 1.898661283334479e-05,
      "loss": 0.1698,
      "step": 9700
    },
    {
      "epoch": 0.16183333333333333,
      "grad_norm": 19.625,
      "learning_rate": 1.898426794807438e-05,
      "loss": 0.2175,
      "step": 9710
    },
    {
      "epoch": 0.162,
      "grad_norm": 19.125,
      "learning_rate": 1.8981920498155892e-05,
      "loss": 0.2006,
      "step": 9720
    },
    {
      "epoch": 0.16216666666666665,
      "grad_norm": 19.75,
      "learning_rate": 1.8979570484259434e-05,
      "loss": 0.2046,
      "step": 9730
    },
    {
      "epoch": 0.16233333333333333,
      "grad_norm": 51.0,
      "learning_rate": 1.897721790705584e-05,
      "loss": 0.2021,
      "step": 9740
    },
    {
      "epoch": 0.1625,
      "grad_norm": 19.375,
      "learning_rate": 1.8974862767216673e-05,
      "loss": 0.1792,
      "step": 9750
    },
    {
      "epoch": 0.16266666666666665,
      "grad_norm": 35.0,
      "learning_rate": 1.8972505065414236e-05,
      "loss": 0.1951,
      "step": 9760
    },
    {
      "epoch": 0.16283333333333333,
      "grad_norm": 42.75,
      "learning_rate": 1.8970144802321554e-05,
      "loss": 0.172,
      "step": 9770
    },
    {
      "epoch": 0.163,
      "grad_norm": 19.125,
      "learning_rate": 1.8967781978612393e-05,
      "loss": 0.1687,
      "step": 9780
    },
    {
      "epoch": 0.16316666666666665,
      "grad_norm": 24.75,
      "learning_rate": 1.8965416594961238e-05,
      "loss": 0.2071,
      "step": 9790
    },
    {
      "epoch": 0.16333333333333333,
      "grad_norm": 8.5,
      "learning_rate": 1.8963048652043316e-05,
      "loss": 0.1806,
      "step": 9800
    },
    {
      "epoch": 0.1635,
      "grad_norm": 11.25,
      "learning_rate": 1.8960678150534576e-05,
      "loss": 0.197,
      "step": 9810
    },
    {
      "epoch": 0.16366666666666665,
      "grad_norm": 24.75,
      "learning_rate": 1.8958305091111703e-05,
      "loss": 0.1913,
      "step": 9820
    },
    {
      "epoch": 0.16383333333333333,
      "grad_norm": 16.875,
      "learning_rate": 1.895592947445211e-05,
      "loss": 0.1599,
      "step": 9830
    },
    {
      "epoch": 0.164,
      "grad_norm": 44.25,
      "learning_rate": 1.8953551301233942e-05,
      "loss": 0.1766,
      "step": 9840
    },
    {
      "epoch": 0.16416666666666666,
      "grad_norm": 14.75,
      "learning_rate": 1.895117057213607e-05,
      "loss": 0.1722,
      "step": 9850
    },
    {
      "epoch": 0.16433333333333333,
      "grad_norm": 66.0,
      "learning_rate": 1.8948787287838094e-05,
      "loss": 0.1804,
      "step": 9860
    },
    {
      "epoch": 0.1645,
      "grad_norm": 42.75,
      "learning_rate": 1.8946401449020353e-05,
      "loss": 0.1659,
      "step": 9870
    },
    {
      "epoch": 0.16466666666666666,
      "grad_norm": 14.375,
      "learning_rate": 1.8944013056363902e-05,
      "loss": 0.1869,
      "step": 9880
    },
    {
      "epoch": 0.16483333333333333,
      "grad_norm": 38.75,
      "learning_rate": 1.8941622110550534e-05,
      "loss": 0.1733,
      "step": 9890
    },
    {
      "epoch": 0.165,
      "grad_norm": 26.25,
      "learning_rate": 1.8939228612262766e-05,
      "loss": 0.18,
      "step": 9900
    },
    {
      "epoch": 0.16516666666666666,
      "grad_norm": 26.875,
      "learning_rate": 1.893683256218385e-05,
      "loss": 0.1864,
      "step": 9910
    },
    {
      "epoch": 0.16533333333333333,
      "grad_norm": 1.6953125,
      "learning_rate": 1.8934433960997757e-05,
      "loss": 0.1701,
      "step": 9920
    },
    {
      "epoch": 0.1655,
      "grad_norm": 41.25,
      "learning_rate": 1.89320328093892e-05,
      "loss": 0.1625,
      "step": 9930
    },
    {
      "epoch": 0.16566666666666666,
      "grad_norm": 6.03125,
      "learning_rate": 1.8929629108043598e-05,
      "loss": 0.1882,
      "step": 9940
    },
    {
      "epoch": 0.16583333333333333,
      "grad_norm": 9.5,
      "learning_rate": 1.8927222857647125e-05,
      "loss": 0.1853,
      "step": 9950
    },
    {
      "epoch": 0.166,
      "grad_norm": 26.75,
      "learning_rate": 1.892481405888666e-05,
      "loss": 0.1881,
      "step": 9960
    },
    {
      "epoch": 0.16616666666666666,
      "grad_norm": 27.75,
      "learning_rate": 1.892240271244982e-05,
      "loss": 0.2011,
      "step": 9970
    },
    {
      "epoch": 0.16633333333333333,
      "grad_norm": 40.75,
      "learning_rate": 1.891998881902495e-05,
      "loss": 0.1727,
      "step": 9980
    },
    {
      "epoch": 0.1665,
      "grad_norm": 47.75,
      "learning_rate": 1.891757237930112e-05,
      "loss": 0.1998,
      "step": 9990
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 11.25,
      "learning_rate": 1.8915153393968122e-05,
      "loss": 0.1725,
      "step": 10000
    }
  ],
  "logging_steps": 10,
  "max_steps": 60000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 10000,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 6.69728880197632e+17,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}